一种工业机器人状态监测与故障诊断方法与流程

1.本发明涉及机器人异常检测和诊断领域，特别涉及一种工业机器人状态监测与故障诊断方法。


背景技术：

2.生产制造的智能化改造升级，促进了工业机器人的快速发展及广泛应用。机器人可以不知疲倦地代替人类完成搬运、分拣、打磨、堆垛、焊接、喷涂等作业，不仅提高了生产效率和产品质量，同时也保障人员的安全性。但随着工业机器人的大量应用及服役时间的增加，机器人将不可避免地发生各类故障，而机器人一旦发生故障停机，将严重影响企业的生产节拍，甚至导致整个自动化生产线的中断，造成经济和生产损失。因此，如何提早地发现机器人潜在故障，及时高效地进行保养维护，避免不必要的生产中断，从而保障企业生产正常运转，具有重要的研究意义。
3.目前，对生产制造设备的运维方式已经逐渐从“事后维修”和“定期维修”到“视情维修”和“基于状态的维修”的转变，各类状态监测与故障诊断系统在风电、石化、冶金、轨道交通等行业均有较为广泛应用。在机器人运维领域，国外企业均有较完善的运维系统，主要代表如瑞典abb公司的“远程服务”平台和日本发那科的远程实时监控和故障诊断系统；而目前国内工业机器人多采用定期维保和单机自主报警方式，容易造成非计划停机且存在维修反应慢、运维成本高，监测精度低等问题，难以保障机器人的安全、可靠和稳定运行，另一种方式为传感器监控方式，这种方式虽然具有较好的监测精度，但是其成本高昂，不适宜大规模使用。因此，基于当前传统工业设备的状态监测与故障诊断系统，结合机器人复杂的结构特点及多变的运行工况应用特点，研究开发工业机器人运行状态监测及故障诊断系统具有实际应用价值。


技术实现要素：

4.本发明的旨在解决上述问题而提供一种工业机器人状态监测与故障诊断方法，解决现有监测和诊断方法成本高昂，易报错和数据存储量大，服务器负担大的问题。
5.为达此目的，本发明采用以下技术方案：一种工业机器人状态监测方法，包括如下步骤：s1：获取机器人的运行数据；s2：将所获取的运行数据划分为平稳段数据和非平稳段数据，将平稳段数据和非平稳段数据分别转换为监测状态代码；s3：根据监测状态代码监测机器人的运行状态。
6.优选的，所述运行数据包括指令位置数据p、跟踪误差数据pe、反馈速度数据v、反馈电流数据i。
7.优选的，所述步骤s2中将运行数据分为平稳段数据和非平稳段数据包括如下步骤：
s21：将指令位置数据p分为平稳段指令位置数据p0和非平稳段指令位置数据p1；s22：根据平稳段指令位置数据p0和非平稳段指令位置数据p1将跟踪误差数据pe、反馈速度数据v、反馈电流数据i分别划分为平稳段跟踪误差数据pe0、非平稳段跟踪误差数据pe1、平稳段反馈速度数据v0、非平稳段反馈速度数据v1、平稳段反馈电流数据i0、非平稳段反馈电流数据i1；s23：将平稳段指令位置数据p0、平稳段跟踪误差数据pe0、平稳段反馈速度数据v0、平稳段反馈电流数据i0记为平稳段数据；将非平稳段指令位置数据p1、非平稳段跟踪误差数据pe1、非平稳段反馈速度数据v1、非平稳段反馈电流数据i1记为非平稳段数据。
8.优选的，步骤s21中将指令位置数据p分为平稳段指令位置数据p0和非平稳段指令位置数据p1包括如下步骤：s211：将指令位置数据p分为若干标志位数据w；s212：对所有标志位数据w一一进行求导，得到若干指令速度数据；s213：对所有标志位数据w一一进行二次求导，得到若干指令加速度数据；s214：筛选出指令速度数据不为0，指令加速度数据为0的标志位数据w，记为平稳段标志位数据wr，剩余的标志位数据w记为非平稳段标志位数据wx；s215：将筛选得到的平稳段标志位数据wr整合，得到平稳段指令位置数据p0，将剩余的非平稳段标志位数据wx整合，得到非平稳段指令位置数据p1。
9.优选的，所述步骤s2中将平稳段数据和非平稳段数据转换为监测状态代码包括如下步骤：s24：提取平稳段数据和非平稳段数据中的特征值；s25：对所有特征值设置一一对应的阈值；s26：将所有特征值分别与对应的阈值比较，超出阈值的特征值记为特征代码1，反之则为特征代码0；s27：将特征代码整合并保存，得到监测状态代码。
10.优选的，步骤s24中特征值包括：平稳段跟踪误差数据pe0的峰值pe0-p、非平稳段跟踪误差数据pe1的峰值pe1-p、平稳段反馈速度数据v0的波动率v0-k、非平稳段反馈速度数据v1的波动率v1-k、平稳段反馈电流数据i0的均值i0-m和非平稳段反馈电流数据i1的峰值i1-p。
11.优选的，所述步骤s3根据监测状态代码监测机器人的运行状态的方法为：当且仅当监测状态代码中的所有特征代码均为0，机器人工作状态正常；否则机器人工作状态异常。
12.一种机器人故障诊断方法，包括上述工业机器人状态监测方法，包括如下步骤：a1：根据所述工业机器人状态监测方法筛选出异常机器人；a2：以不同速比工况运行所筛选出来的异常机器人，并获取异常机器人的振动数据；a3：将所获取的振动数据进行去噪重构处理，得到预处理数据；a4：分别通过时域法和频域法对预处理数据进行计算，并诊断异常机器人的故障。
13.优选的，所述步骤a2中振动数据包括末端振动数据、关节轴电机振动数据、减速机
安装座振动数据和滚动轴安装座振动数据。
14.优选的，还包括步骤a5：采用倒频谱的方法对预处理数据进行分析并诊断异常机器人的故障。
15.本发明的贡献在于：本发明可实现在线监控机器人，无需在机器人上安装昂贵的传感器和通讯设备模块，直接通过脚本采集运行数据即可，极大地节省了检测成本。
16.将运行数据进行划分是为了确保非平稳段数据不会对平稳段数据造成影响，确保后续转换得到的监测状态代码准确度高，避免出现误报的情况。
17.将平稳段数据和非平稳段数据转换为监测状态代码，简化了平稳段数据和非平稳段数据的记录量，避免大量数据的储存堆积，减小服务器的负担。
附图说明
18.图1是本发明工业机器人状态监测方法的流程图；图2是本发明工业机器人故障诊断方法的流程图；
具体实施方式
19.下列实施例是对本发明的进一步解释和补充，对本发明不构成任何限制。
20.如图1所示，一种工业机器人状态监测方法，包括如下步骤：s1：获取机器人的运行数据；s2：将所获取的运行数据划分为平稳段数据和非平稳段数据，将平稳段数据和非平稳段数据分别转换为监测状态代码；s3：根据监测状态代码监测机器人的运行状态。
21.通过编写数据采集脚本程序，可以从伺服驱动器中获取关于机器人的运行数据，具体的，机器人在运行过程中会将运行数据通过编码器反馈至伺服驱动器中，通过脚本可从伺服驱动器中获取运行数据。进一步的说明，本发明可实现在线监控机器人，无需在机器人上安装昂贵的传感器和通讯设备模块，直接通过脚本采集运行数据即可，极大地节省了检测成本。
22.获取到的运行数据为多维度数据（包含指令位置数据、反馈电流数据等多维度的数据），将运行数据进行划分得到平稳段数据和非平稳段数据，并分别将平稳段数据和非平稳段数据转换为监测状态代码，并通过监测状态代码检测机器人的运行状态，具体的，将运行数据进行划分是为了确保非平稳段数据不会对平稳段数据造成影响，确保后续转换得到的监测状态代码准确度高，避免出现误报的情况。
23.所述运行数据包括指令位置数据p、跟踪误差数据pe、反馈速度数据v、反馈电流数据i。
24.所述步骤s2中将运行数据分为平稳段数据和非平稳段数据包括如下步骤：s21：将指令位置数据p分为平稳段指令位置数据p0和非平稳段指令位置数据p1；s22：根据平稳段指令位置数据p0和非平稳段指令位置数据p1将跟踪误差数据pe、反馈速度数据v、反馈电流数据i分别划分为平稳段跟踪误差数据pe0、非平稳段跟踪误差数据pe1、平稳段反馈速度数据v0、非平稳段反馈速度数据v1、平稳段反馈电流数据i0、非平稳
段反馈电流数据i1；s23：将平稳段指令位置数据p0、平稳段跟踪误差数据pe0、平稳段反馈速度数据v0、平稳段反馈电流数据i0记为平稳段数据；将非平稳段指令位置数据p1、非平稳段跟踪误差数据pe1、非平稳段反馈速度数据v1、非平稳段反馈电流数据i1记为非平稳段数据。
25.通过划分出指令位置p的平稳段指令位置数据p0（平稳段区域）和非平稳段指令位置数据p1（非平稳段区域），从而得到对应的跟踪误差数据pe、反馈速度数据v和反馈电流数据i的平稳段区域和非平稳段区域，将指令位置p、跟踪误差数据pe、反馈速度数据v和反馈电流数据i的平稳段区域整合得到了机器人的平稳段数据，将指令位置p、跟踪误差数据pe、反馈速度数据v和反馈电流数据i的非平稳区域整合，得到机器人的非平稳段数据，通过将将指令位置p、跟踪误差数据pe、反馈速度数据v和反馈电流数据i进行平稳段区域和非平稳段区域的划分，便于后续在将指令位置p、跟踪误差数据pe、反馈速度数据v和反馈电流数据i的平稳段区域和非平稳段区域中寻找特征值，避免平稳段区域和非平稳段区域之间相互干扰，影响特征值的获取。
26.步骤s21中将指令位置数据p分为平稳段指令位置数据p0和非平稳段指令位置数据p1包括如下步骤：s211：将指令位置数据p分为若干标志位数据w；s212：对所有标志位数据w一一进行求导，得到若干指令速度数据；s213：对所有标志位数据w一一进行二次求导，得到若干指令加速度数据；s214：筛选出指令速度数据为0，指令加速度数据不为0的标志位数据w，记为平稳段标志位数据wr，剩余的标志位数据w记为非平稳段标志位数据wx；s215：将筛选得到的平稳段标志位数据wr整合，得到平稳段指令位置数据p0，将剩余的非平稳段标志位数据wx整合，得到非平稳段指令位置数据p1。
27.指令位置数据p可以看成是由若干的标志位数据w组成，首先设置一个阈值，阈值用于筛选出符合要求的标志位数据w，将符合要求的标志位数据w记为平稳段标志位数据wr,不符合要求的记为非平稳段标志位数据wx，具体的，将所有相邻的标志位数据w之间均进行差分绝对值计算，可以得到若干组的差分绝对值，将所得到的若干差分绝对值进行编号，当编号连续的5组差分绝对值均小于阈值，则这5组差分绝对值所涉及的标志位数据w均记为平稳段标志位数据wr，筛选出符合要求的所有平稳段标志位数据wr，将所有平稳段标志位数据wr进行整合并保存，得到平稳段指令位置数据p0，剩余的非平稳段标志位数据wx进行整合并保存，得到非平稳段指令位置数据p1。
28.所述步骤s2中将平稳段数据和非平稳段数据转换为监测状态代码包括如下步骤：s24：提取平稳段数据和非平稳段数据中的特征值；s25：对所有特征值设置一一对应的阈值；s26：将所有特征值分别与对应的阈值比较，超出阈值的特征值记为特征代码1，反之则为特征代码0；s27：将特征代码整合并保存，得到监测状态代码。
29.之所以选取多个特征值，是由于特征值具有显著性，使用者能够通过特征值的变化立马判别出机器人的工作状态，通过将平稳段数据和非平稳段数据中的若干特征值分别
与其相对应的阈值比较，可以将特征值转换为1和0两个特征代码，简化了平稳段数据和非平稳段数据的记录量，避免大量数据的储存堆积，减小服务器的负担。
30.步骤s24中特征值包括：平稳段跟踪误差数据pe0的峰值pe0-p、非平稳段跟踪误差数据pe1的峰值pe1-p、平稳段反馈速度数据v0的波动率v0-k、非平稳段反馈速度数据v1的波动率v1-k、平稳段反馈电流数据i0的均值i0-m和非平稳段反馈电流数据i1的峰值i1-p。
31.此处选取的是平稳段数据和非平稳段数据中的六个特征值，分别为平稳段跟踪误差数据pe0和非平稳段跟踪误差数据pe1的峰值pe0-p和pe1-p；平稳段反馈速度数据v0和非平稳段反馈速度数据v1的波动率v0-k和v1-k；平稳段反馈电流数据i0的均值i0-m和非平稳段反馈电流数据i1的峰值i1-p，通过上述六个特征值能够很好的判别机器人各关节轴的工作状况。
32.具体的，为了进一步的确保线上检测的准确性，还可以引入两个特征值，分别为平稳段减速机输出扭矩数据t0的均值t0-m和非平稳段减速机输出扭矩数据t1的峰值t1-p。
33.进一步的，减速机输出扭矩数据的计算公式如下：;其中，i为反馈电流数据，为电机转矩常数，为减速机传动效率，因此可以得到平稳段减速机输出扭矩数据；非平稳段减速机输出扭矩数据。
34.所述步骤s3根据监测状态代码监测机器人的运行状态的方法为：当且仅当监测状态代码中的所有特征代码均为0，机器人工作状态正常；否则机器人工作状态异常。
35.如图2所示，一种机器人故障诊断方法，包括上述工业机器人状态监测方法，包括如下步骤：a1：根据所述工业机器人状态监测方法筛选出异常机器人；a2：以不同速比工况运行所筛选出来的异常机器人，并获取异常机器人的振动数据；a3：将所获取的振动数据进行去噪重构处理，得到预处理数据；a4：分别通过时域法和频域法对预处理数据进行计算，并诊断异常机器人的故障。
36.通过状态监测方法发现异常机器人后，将对该异常机器人进行故障诊断，具体的，由于在线监测已经收集了该异常机器人在线工况下的数据，为了确保尽可能诊断准确，以不同速比工况运行该异常机器人，并通过脚本采集异常机器人的振动数据，由于采集的振动数据受到环境、各零部件加工和安装误差以及电机控制误差等影响，需对所采集的振动数据进行去噪处理，本发明使用的是小波包去噪的方法，将去噪后的振动数据进行重构，从而得到了预处理数据。
37.由于预处理数据已经排除了噪音数据的干扰，可直接使用时域法和频域法对预处理数据进行故障诊断，具体的，时域法诊断方法如下：选取所要用于判断故障的指标，并对各个指标设置阈值，本发明中所选取的指标分别为：均值指标、有效值指标、峰值指标、裕度指标、峭度指标、脉冲指标，通过将上述指标分别与阈值比较，从而诊断机器人的故障。
38.频域法诊断方法主要是将预处理数据进行傅里叶变换计算，将预处理数据反馈至频谱图中，并结合基准数据频谱图，两者之间相互比较，从而诊断机器人的故障。
39.结合时域法和频域法两种方法能够准确判断机器人的故障位置，从而便于后续纠偏机器人。
40.所述步骤a2中振动数据包括末端振动数据、关节轴电机振动数据、减速机安装座振动数据和滚动轴安装座振动数据。
41.具体的，末端振动数据还包括末端振动数据-加速度、末端振动数据-速度和末端振动数据-位移；关节轴电机振动数据还包括关节轴电机振动数据-加速度、关节轴电机振动数据-速度和关节轴电机振动数据-位移；减速机安装座振动数据还包括减速机安装座振动数据-加速度、减速机安装座振动数据-速度和减速机安装座振动数据-位移；滚动轴安装座振动数据还包括滚动轴安装座振动数据-加速度、滚动轴安装座振动数据-速度和滚动轴安装座振动数据-位移。
42.通过12组数据结合时域法和频域法能够更好的判别诊断机器人的故障。
43.还包括步骤a5：采用倒频谱的方法对预处理数据进行分析并诊断异常机器人的故障。
44.若通过时域法和频域法均无法判断机器人的故障，本实施例中还可以采用倒频谱的方法对预处理数据进行分析，观察是否存在周期性频谱和激振频率，并结合时域法和频域法综合判断故障。
45.尽管通过以上实施例对本发明进行了揭示，但本发明的保护范围并不局限于此，在不偏离本发明构思的条件下，对以上各构件所做的变形、替换等均将落入本发明的权利要求范围内。

技术特征：
1.一种工业机器人状态监测方法，其特征在于，包括如下步骤：s1：获取机器人的运行数据；s2：将所获取的运行数据划分为平稳段数据和非平稳段数据，将平稳段数据和非平稳段数据分别转换为监测状态代码；s3：根据监测状态代码监测机器人的运行状态。2.根据权利要求1所述的一种工业机器人状态监测方法，其特征在于：所述运行数据包括指令位置数据p、跟踪误差数据pe、反馈速度数据v、反馈电流数据i。3.根据权利要求2所述的一种工业机器人状态监测方法，其特征在于：所述步骤s2中将运行数据分为平稳段数据和非平稳段数据包括如下步骤：s21：将指令位置数据p分为平稳段指令位置数据p0和非平稳段指令位置数据p1；s22：根据平稳段指令位置数据p0和非平稳段指令位置数据p1将跟踪误差数据pe、反馈速度数据v、反馈电流数据i分别划分为平稳段跟踪误差数据pe0、非平稳段跟踪误差数据pe1、平稳段反馈速度数据v0、非平稳段反馈速度数据v1、平稳段反馈电流数据i0、非平稳段反馈电流数据i1；s23：将平稳段指令位置数据p0、平稳段跟踪误差数据pe0、平稳段反馈速度数据v0、平稳段反馈电流数据i0记为平稳段数据；将非平稳段指令位置数据p1、非平稳段跟踪误差数据pe1、非平稳段反馈速度数据v1、非平稳段反馈电流数据i1记为非平稳段数据。4.根据权利要求3所述的一种工业机器人状态监测方法，其特征在于：步骤s21中将指令位置数据p分为平稳段指令位置数据p0和非平稳段指令位置数据p1包括如下步骤：s211：将指令位置数据p分为若干标志位数据w；s212：对所有标志位数据w一一进行求导，得到若干指令速度数据；s213：对所有标志位数据w一一进行二次求导，得到若干指令加速度数据；s214：筛选出指令速度数据不为0，指令加速度数据为0的标志位数据w，记为平稳段标志位数据wr，剩余的标志位数据w记为非平稳段标志位数据wx；s215：将筛选得到的平稳段标志位数据wr整合，得到平稳段指令位置数据p0，将剩余的非平稳段标志位数据wx整合，得到非平稳段指令位置数据p1。5.根据权利要求3所述的一种工业机器人状态监测方法，其特征在于：所述步骤s2中将平稳段数据和非平稳段数据转换为监测状态代码包括如下步骤：s24：提取平稳段数据和非平稳段数据中的特征值；s25：对所有特征值设置一一对应的阈值；s26：将所有特征值分别与对应的阈值比较，超出阈值的特征值记为特征代码1，反之则为特征代码0；s27：将特征代码整合并保存，得到监测状态代码。6.根据权利要求5所述的一种工业机器人状态监测方法，其特征在于：步骤s24中特征值包括：平稳段跟踪误差数据pe0的峰值pe0-p、非平稳段跟踪误差数据pe1的峰值pe1-p、平稳段反馈速度数据v0的波动率v0-k、非平稳段反馈速度数据v1的波动率v1-k、平稳段反馈电流数据i0的均值i0-m和非平稳段反馈电流数据i1的峰值i1-p。7.根据权利要求1所述的一种工业机器人状态监测方法，其特征在于：所述步骤s3根据
监测状态代码监测机器人的运行状态的方法为：当且仅当监测状态代码中的所有特征代码均为0，机器人工作状态正常；否则机器人工作状态异常。8.一种工业机器人故障诊断方法，包括如权利要求1-7任一项所述的工业机器人状态监测方法，其特征在于，包括如下步骤：a1：根据所述工业机器人状态监测方法筛选出异常机器人；a2：以不同速比工况运行所筛选出来的异常机器人，并获取异常机器人的振动数据；a3：将所获取的振动数据进行去噪重构处理，得到预处理数据；a4：分别通过时域法和频域法对预处理数据进行计算，并诊断异常机器人的故障。9.根据权利要求8所述的一种工业机器人故障诊断方法，其特征在于：所述步骤a2中振动数据包括末端振动数据、关节轴电机振动数据、减速机安装座振动数据和滚动轴安装座振动数据。10.根据权利要求8所述的一种工业机器人故障诊断方法，其特征在于，还包括步骤a5：采用倒频谱的方法对预处理数据进行分析并诊断异常机器人的故障。

技术总结
本发明涉及机器人异常检测和诊断领域，公开了一种工业机器人状态监测与故障诊断方法，包括如下步骤：S1：获取机器人的运行数据；S2：将所获取的运行数据划分为平稳段数据和非平稳段数据，将平稳段数据和非平稳段数据分别转换为监测状态代码；S3：根据监测状态代码监测机器人的运行状态。本发明可实现在线监控机器人，无需在机器人上安装昂贵的传感器和通讯设备模块，直接通过脚本采集运行数据即可，极大地节省了检测成本，将平稳段数据和非平稳段数据转换为监测状态代码，简化了平稳段数据和非平稳段数据的记录量，避免大量数据的储存堆积，减小服务器的负担。减小服务器的负担。减小服务器的负担。


技术研发人员：林彦英 蔡久凤 周星 向珍琳 朱润智 何文浩 张建华
受保护的技术使用者：佛山智能装备技术研究院
技术研发日：2023.07.13
技术公布日：2023/8/13