1.一种实时的工业机械臂故障辨识方法，其特征在于，所述方法包括以下步骤步骤1)建立一个非线性机械臂动力学方程：其中q, 分别表示机械臂角度，角速度，角加速度，向量M(q)表示机械臂惯性矩阵，表示机械臂科氏力、离心力、重力力矩向量,τ表示机械臂控制力矩向量,τf表示机械臂执行器故障力矩向量, 表示机械臂的摩擦力；

考虑机器人动力学模型已知，定义 为便于分析，将式(1)转化成如下状态空间模型：x(t+1)＝A(t)x(t)+B(t)(τ(t)+τf(t))‑B(t)h(x1(t),x2(t))‑B(t)f(x2(t))     (2)y(t)＝Cx(t)其中

x(t)是第t时刻的状态，y(t)是第t时刻的系统输出，T为离散采样时间，O3×3表示3行3列‑1的零矩阵，I3×3表示3行3列的单位矩阵，M (x1)表示惯性矩阵的逆矩阵；

步骤2)构造中间观测器，过程如下:

2.1)引入中间变量

ξ(t)＝τf(t)‑wB'(t)x(t)       (3)其中上标“′”表示矩阵的转置,ξ(t)表示中间变量,ω是调优参数；

2.2)基于中间变量，设计中间观测器如(4)所示；

2.3)通过收集λ∈N个观测值，写出从第i个传感器的值其中

.系数矩阵 Fi(t)＝Φi(t)B(t)，Γ(t)＝A(t)+ωB(t)B'(t)定义 得

Y(t)＝Qz(t)      (5)其中，Q＝[O F],z(t)＝(x(t‑λ+1),ζ(t)‑h(t)),并且其中z(t)即所需要估计的状态变量；

步骤3)利用事件触发投影梯度下降算法更新估计值 事件触发投影梯度下降算法更新估计值 通过李雅普诺夫投影梯度方向；

所述步骤3)的步骤如下；

3.1)对迭代次数m,k, 进行初始化,m＝1,k＝0,+

3.2)基于Q，Q的伪逆Q以及t时刻第m‑1次迭代下的状态估计值 求取t时刻第m次迭代下的状态估计值 并对所求得的 进行投影运算，

3.3)求取 在李雅普诺夫投影方向的值对迭代次数m进行更新，m＝m+1；

3.4)循环3.2)‑3.3)直到迭代次数m超过设定的次数v1,即m＞v1；

3.5)求取 在t时刻从m‑v1+1次迭代到第m次迭代上的平均值Vavg，取η1为设定的更新率，当 时，k＝k+1；否则k＝

0；

3.6)对3.2)‑3.5)进行循坏，直到k到达设定的计数值α1，即k≥α1；

3.7)基于 获取等价中间变量ζ‑h在t‑λ+1时刻的估计值

3.8)基于3.7)，求取执行器故障τf在t‑λ+1时刻的估计值因此，由3.1)‑3.8)得 参数v1,η1,α1需要依据实际系统进行选取。