2022年9月20日，云基智能机器人实验室针对服务机器人故障诊断的最新研究成果“Fault Diagnosis of Wheeled Robot Based on Prior Knowledge and Spatial-temporal Difference Graph Convolutional Network”在《IEEE Transactions on Industrial Informatics》期刊在线发表，根据2021年12月最新升级版检索，该期刊是计算机科学和工程技术领域影响力较大的期刊，为JCR一区，中科院一区TOP期刊，影响因子为11.648。硕士生缪昭明为该论文的第一作者，周风余教授与袁宪锋副教授为通讯作者。

该研究成果主要针对服务机器人多传感器故障特征关系建模问题。传统的深度学习的方法难以捕获传感器测量数据之间的关系特征。图卷积网络(GCN)使用图结构数据和关联图作为输入，对关系建模更有效。然而，现有的基于GCN的故障诊断方法存在以下缺点：1)关联图是根据数据样本的相似度或其特征获得的，不能保证准确性；2)模型关注空间相关性，忽略时间相关性。针对这些问题，该研究提出基于先验知识（即机器人的简化数学模型）建立机器人数据关联图。在此基础上，提出了一种用于轮式机器人故障诊断的时空差分图卷积网络(STDGCN)。该网络包含一个差分层，利用局部差分特性进行特征增强，并引入时空图卷积模块来联合捕获时空相关性。在与多种最新的故障诊断方法的对比中，所提方法取得了最优的性能。

文章链接：https://ieeexplore.ieee.org/document/9896173/authors#authors