摘要： 工业机器人的异常状态检测对保证其安全持续运行具有重要作用。针对机器人异常识别中的检测和定位问题，利用末端三维振动信号，提出一种结合递归特征消除法(Recursive Feature Elimination，RFE)与一维卷积自编码器(1D Convolutional Autoencoder，1DCAE)的工业机器人异常检测与定位方法。首先，设计一个基于卷积神经网络的自编码器模型，并引入Dropout 函数以提升模型泛化能力；然后，利用编码器模型拟合正常样本的数据分布，从而实现对原始信号的重构；最后，引入递归特征消除法提取重构信号和原始信号的有效特征，并基于重构信号与原始信号间的特征误差实现机器人的异常检测与定位。基于六关节工业机器人的实验结果表明，所提方法可以有效重构原始样本信号，且基于递归特征消除法构建的特征误差能有效检测异常样本及定位异常位置。

关键词: 振动与波, 工业机器人, 一维卷积自编码器, 递归特征消除, 特征误差, 异常检测与定位