一种衡量焊接机器人评估效果可靠度方法

1.本发明涉及一种衡量焊接机器人评估效果可靠度方法，属于健康状态评估领域。


背景技术：

2.焊接机器人在汽车焊装生产中起着至关重要的作用，焊接机器人的应用加速实现了车身制造的柔性化、产量化和自动化的进程，使用焊接机器人进行焊接工作具有高质量、高效率、高速度、高稳定性、高柔性化、劳动环境好等显著优势。可是一旦焊接机器人的健康状态和性能发生退化时，机器人可能仍在工作，这样就导致车身的焊接质量或多或少的降低，致使车身质量不合格。在整个汽车车身的焊装过程中，焊接机器人的健康状态与性能退化会影响最终的焊接效果，因此，为了保证汽车车身焊接过程的稳定性和精度，需要掌握当前焊接机器人运行的健康状态及性能退化程度，依据其状态以及退化趋势确定合适的维修时机和指定合适的维修策略，所以企业急需一个可以代替专家对焊接机器人进行健康状态评估且准确率较高的模型，但是对焊接机器人这样的复杂机电系统进行健康状态评估时，无法衡量评估效果是否准确，不能证明健康状态评估模型的有效性。


技术实现要素：

3.本发明的目的在于提出一种衡量焊接机器人评价结果是否可靠的方法，使用本方法：可充分利用机器人数据采集网络盒采集到的焊接机器人内部运行的多维数据，输入到带有焊接质量的健康状态评估模型中，将焊接质量与健康状态评估值之间的相关系数作为模型优化算法的目标函数来优化评估模型的参数，并且可以根据相关系数的大小反映此时评估模型评估出的结果是否可靠，使企业工作人员精准掌握此时焊接机器人的健康状况，及时制定出合适的保养方案或维修策略。
4.本发明的技术方案是：一种具有焊接质量的衡量焊接机器人评估效果可靠度方法，其由四个步骤构成。其中，步骤1，焊接机器人运行变量数据无法读取，是对外保密的，只能由机器人公司采集，所以需要对这部分数据进行破译，企业通过安装机器人数据采集网络盒与机器人控制柜之间通过以太网线进行链接，破解焊接机器人的运行数据并导出，导出的数据是通过opc协议(以太网)进行数据交互的，通过在盒子内事先定义好的数据定义结构赋予到采集的每一位数据上；步骤2，根据专家经验或领域知识建立初始健康状态评估模型，其中模型的参数可能不准确，这就需要对模型的参数进行优化；步骤3，建立具有焊接质量的健康状态评估模型，利用焊接质量与健康状态评估值之间的相关系数作为目标函数来优化初始健康状态评估模型参数，搜索出目标函数最大值时对应的参数就是模型的最优参数；步骤4，利用步骤3中得到的模型最优参数输入到健康状态评估模型中，这样就可以得到最优的健康状态评估值，算出的焊接质量与健康状态评估值之间的相关系数才最可靠。根据优化后的健康状态评估模型中相关系数的大小来验证评估模型输出的结果与实际工程中焊接机器人的焊接质量拟合度是否符合，如果相关系数的大小超过一定的值就可以很好的说明模型的有效性，从而增加评估模型输出结果的可信度。
5.本发明所述的是一种衡量焊接机器人评估效果可靠度方法。所述的具有焊接质量的健康状态评估模型可以在以下场景中使用：在汽车焊装生产中能够采集到焊接机器人关键性参数，或者可以通过外加各种传感器采集焊接机器人的状态数据，即数据要具有代表性，可以充分反映此时的焊接机器人的状态，这样才能保证评估出的结果更符合此时焊接机器人的状态。
6.本发明与现有的技术相比，具有以下优点和积极效果：针对现有的焊接机器人健康状态模型无法衡量评估效果是否可靠等难题，提出了一种新的依据方法。与以往建立的健康状态评估模型不同，本发明通过具有焊接质量的健康状态评估模型来评价此时焊接机器人的状态。该评估方法与传统的评估方法相比，有效的解决了无法衡量评估效果是否准确，不能证明健康状态评估模型有效性的难题，可以通过焊接质量与健康状态评估值之间相关系数的大小来验证评估模型的可靠度，使模型评估出的结果更具有说服力。
附图说明
7.图1为一种具有焊接质量的衡量焊接机器人评估效果可靠度方法原理图。
8.图2为本发明所提方法的具体流程图。
具体实施方案
9.为了更加清楚的了解本发明的实现的技术手段、创作特征与功效易于明白了解，下面结合具体图示，进一步阐述本发明所述的一种具有焊接质量的衡量焊接机器人评估效果可靠度方法。
10.首先我们给出相关系数的概念，如下所示
[0011][0012]
其中，x表示健康状态评估值，y表示焊接质量值，cov(x,y)表示两者的协方差，d(x)、d(y)分别表示两者的方差。根据相关系数的大小才能验证评估模型的可靠度。
[0013]
图1为一种具有焊接质量的衡量焊接机器人评估效果可靠度方法原理图，包括以下步骤：
[0014]
步骤1，焊接机器人内部运行变量数据无法读取，是对外保密的，只能由机器人厂家采集，所以需要对这部分数据进行破译，企业通过安装机器人数据采集网络盒与机器人控制柜之间通过以太网线进行链接，破解焊接机器人内部的运行数据并将其导出，导出的数据是通过opc协议(以太网)进行数据交互的，通过在盒子内事先定义好的数据定义结构赋予到采集的每一位数据上，以提供健康状态评估模型的数据支持；
[0015]
步骤2，根据专家经验或领域知识建立初始健康状态评估模型，模型的初始参数是由专家设置的，可能是不准确的，所以需要对模型的参数进行优化；
[0016]
步骤3，焊接质量是反映焊接机器人性能好坏的重要指标，可以反映焊接机器人的健康状态，焊接质量的采集是企业通过在焊钳中安装超声波传感器采集焊点焊接时电压、电流、压力等众多指标，输入到企业开发的系统自动生成以分数形式呈现的焊接质量值，所以本发明建立具有焊接质量的健康状态评估模型，将焊接质量融入到评估模型中，利用焊
接质量与健康状态评估值之间的相关性系数作为目标函数来优化初始健康状态评估模型参数，参阅图2，通过健康状态评估模型的优化算法搜索目标函数最大值，此时对应的参数就是模型的最优参数，否则将继续寻找目标函数最大值；
[0017]
步骤4，利用上述步骤3操作就可以寻找出最优的模型参数，再利用最优参数输入到焊接机器人健康状态评估模型中，这样得到的才是最优健康状态评估值。参阅图2，只有得到最优的模型参数才能输出最准确的健康状态评估值，所以利用上述的目标函数优化初始健康状态评估模型参数，以得到最准确的焊接机器人健康状态评估值，这样算出的相关系数才最可靠，同时根据优化后的健康状态评估模型中相关系数的大小来验证评估模型输出的结果与实际工程中焊接机器人的焊接质量拟合度是否符合，如果相关系数的大小超过一定值就可以很好的说明模型的有效性，从而增加评估结果的可信度，使评估模型输出的结果更具有说服力。
[0018]
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。


技术特征：
1.一种衡量焊接机器人评估效果可靠度方法，其特征在于，步骤1，由机器人数据采集网络盒导出焊接机器人内部运行数据，为健康状态评估模型提供数据支持；步骤2，根据专家经验或领域知识来确定初始健康状态评估模型；步骤3，建立具有焊接质量的健康状态评估模型，具体是将焊接质量值与健康评估值之间的相关系数作为健康状态评估模型的目标函数来优化初始模型的参数，使模型得到最优的参数；步骤4，利用优化后的健康状态评估模型评估焊接机器人的健康状态，可以得到最优的健康状态评估值。2.根据权利要求1所述一种新型的衡量焊接机器人评估效果可靠度方法，其特征在于步骤1，由机器人数据采集网络盒导出焊接机器人内部运行数据，其方法为：焊接机器人运行变量数据无法读取，只能由机器人公司采集，而企业通过安装机器人数据采集网络盒与机器人控制柜之间通过以太网线进行链接，从中导出焊接机器人运行中的数据，导出的数据是通过opc协议(以太网)进行数据交互的，通过在盒子内事先定义好的数据定义结构赋予到采集的每一位数据上。3.根据权利要求1所述一种新型的衡量焊接机器人评估效果可靠度方法，其特征在于步骤2，需要将步骤1采集到的数据输入到模型中评估焊接机器人的健康状态，这就需要专家经验知识去构建完善的初始健康状态评估模型。4.根据权利要求1所述一种新型的衡量焊接机器人评估效果可靠度方法，其特征在于步骤3，焊接质量的采集是企业通过在焊钳中安装超声波传感器采集焊点焊接时电压、电流、压力等众多指标，输入到企业开发的系统自动生成以分数形式呈现的焊接质量值。焊接质量反映的是焊接产品的好坏，与焊接机器人不是一个对象，但是焊接机器人的健康程度会影响最终焊接产品的质量，两者之间是存在关联的，所以本发明利用焊接质量与健康状态评估值相关系数的大小来验证评估结果的可靠度。5.根据权利要求1所述一种新型的衡量焊接机器人评估效果可靠度方法，其特征在于步骤4，只有得到最优的模型参数才能输出最准确的健康状态评估值，所以利用上述目标函数优化初始健康状态评估模型参数，以得到最准确的焊接机器人健康状态评估值，算出的焊接质量与健康状态评估值之间的相关系数才最可靠。

技术总结
本发明公开了一种衡量焊接机器人评估效果可靠度方法。根据采集的焊接机器人运行数据输入到初始健康状态评估模型中，得到初始评估值；将企业提供的焊接质量融合到初始模型中，利用焊接质量与评估值之间的相关系数作为模型优化算法的目标函数来优化初始健康状态评估模型的参数，以此得到最优的评估值，再通过相关系数的大小评判模型评估效果是否准确。本发明的优点在于巧妙地使用了焊接质量这一概念，因为焊接质量是反映焊接机器人性能好坏的重要指标，可以反映焊接机器人工作期间的健康程度，所以本发明通过焊接质量与健康状态评估值之间相关系数的大小来验证评估结果的准确性，以增加评估结果的可靠度，使评估模型输出的结果更具有说服力。的结果更具有说服力。的结果更具有说服力。


技术研发人员：张邦成 高硕 高智 张曦予 皮旭阳 邵昱博 孙广续 常笑鹏 夏奇 张帆
受保护的技术使用者：长春工业大学
技术研发日：2023.03.22
技术公布日：2023/7/18