一种工业机器人失效率预计方法技术

本发明专利技术提供了一种工业机器人失效率预计方法，用以解决新工业机器人失效率预计不准确、精度差的问题。所述工业机器人失效率预计方法包括：建立工业机器人子系统可靠性预计模型；采集源工业机器人的故障数据，并根据故障数据计算源工业机器人的失效率，再求解源工业机器人的失效率函数；根据机器人影响因素及源工业机器人与待预计工业机器人的差异，求解失效率修正因子，最后求得待预计机器人的失效率函数。本发明专利技术根据工业机器人子系统机械、电子与机电混合性建立了两种概率分布模式混合的工业机器人预计模型，解决了层次分析法中认知不确定性问题，并结合相似比较法给出最终预测模型，提高了预测精度和准确度。

【技术实现步骤摘要】
一种工业机器人失效率预计方法
本专利技术属于机器人领域，具体涉及一种工业机器人失效率预计方法，同时对工业机器人平均无故障时间、可靠度进行预计。
技术介绍
随着电子技术的智能化，智能机器人越来越多地应用于生活和生产中。其中，在工业领域，智能机器人可以替代人工从事许多危险工作，同时其操作具有较高的安全性、可靠性和稳定性。但是机器人本身具有一定的寿命，其自身的稳定性会随着使用时间的延长而退化，有效率下降。因此，智能机器人的制备过程中，一般通过寻找智能机器人的薄弱环节进行优化或升级，提高工业机器人的使用寿命，而寻找工业机器人的薄弱环节，通过预计机器人的失效率来实现。由于工业机器人中机械、电子以及机电子系统失效机理、失效方式不同，失效概率分布函数也差别较大。这些差异给工业机器人失效率预计带来了困难。工业机器人含有数目庞大机械电子零部件，利用传统预计方法收集各个零部件故障数据十分困难且不切实际。现有技术中，一般通过合适的数据模型来预计工业机器人的失效率。但是，现有的失效率预计中，预计模型使用的失效概率函数单一，无法体现工业机器人的复本文档来自技高网...

【技术保护点】
1.一种工业机器人失效率预计方法，其特征在于，所述方法包括如下步骤：/n步骤S1，建立工业机器人子系统可靠性预计模型；/n步骤S2，采集源工业机器人的故障数据，并根据故障数据计算所述源工业机器人的失效率；/n步骤S3，将故障数据与失效率带入到径向基函数RBF中拟合故障数据浴盆曲线，求解源工业机器人的失效率函数；/n步骤S4，根据机器人影响因素及源工业机器人与待预计工业机器人的差异，求解失效率修正因子；/n步骤S5，利用源工业机器人的失效率函数及失效率修正因子，求得待预计机器人的失效率函数。/n

【技术特征摘要】
1.一种工业机器人失效率预计方法，其特征在于，所述方法包括如下步骤：
步骤S1，建立工业机器人子系统可靠性预计模型；
步骤S2，采集源工业机器人的故障数据，并根据故障数据计算所述源工业机器人的失效率；
步骤S3，将故障数据与失效率带入到径向基函数RBF中拟合故障数据浴盆曲线，求解源工业机器人的失效率函数；
步骤S4，根据机器人影响因素及源工业机器人与待预计工业机器人的差异，求解失效率修正因子；
步骤S5，利用源工业机器人的失效率函数及失效率修正因子，求得待预计机器人的失效率函数。


2.根据权利要求1所述的工业机器人失效率预计方法，其特征在于，所述步骤S1中，可靠性预计模型为：



式(1)中，λs(t)是工业机器人整机系统失效率，第一项λx(t)是工业机器人服多指数分布的第1至第i个子系统x的失效率，第二项是服从双参数威布尔分布的第i+1至第N个子系统x的失效率。


3.根据权利要求1所述的工业机器人失效率预计方法，其特征在于，所述可靠性预计模型构建，包括如下步骤：
步骤S11，工业机器人由控制器、驱动器、伺服电机、减速器、机器人本体五个子系统串联而成，可靠性模型表示为：



式(1-1)中，Rs为工业机器人整机可靠性，R1为控制器的可靠性，R2为驱动器的可靠性，R3为伺服电机的可靠性，R4为减速器的可靠性，R5为机器人本体的可靠性；
将上式带入中得到：



式(1-2)中，λs(t)是工业机器人整机系统失效率，λx(t)是工业机器人子系统x的失效率；工业机器人整机系统失效率表示为：



步骤S12，工业机器人的子系统x服从概率密度的分布f(t)，则子系统x的可靠度函数R(t)与失效率函数λ(t)为：






式(1-4)和(1-5)中，R(t)和λ(t)分别表示工业机器人子系统x的可靠度函数与失效率函数；
步骤S13，对于包括控制器和驱动器的第一类子系统作为电子系统，寿命服从指数分布，概率分布函数表示为：



式(1-6)中，x＝1和x＝2分别表示工业机器人子系统控制器与驱动器；
作为机械或机电系统的对于包括减速器、机器人本体和伺服电机的第二类子系统，寿命服从二参数威布尔分布，概率分布函数为：



式(1-7)中，x＝3、x＝4和x＝5分别表示工业机器人子系统伺服电机、减速器与机器人本体；
步骤S14，求解指数分布失效率为λx，双参数威布尔失效率为工业机器人失效率预计模型为：





4.根据权利要求3所述的工业机器人失效率预计方法，其特征在于，步骤S2中采集源工业机器人的故障数据，首先确定故障时间采样点，采样点矩阵为：



在采样点处采集工业机器人的故障数据，计算子系统x在第i个失效
时间样本点处的失效率λix表示为：



式(2)中，Nfi是在第i个失效率时间点前的失效次数，是子系统x在第i个失效点处的失效时间，n为子系统的失效次数；
每个子系统x在失效点处的失效率表示为：





5.根据权利要求4所述的工业机器人失效率预计方法，其特征在于，所述步骤S3中径向基函数RBF为：



式(3)中，表示在向量x处的预测响应向量，βi表示径向基系数向量β的第i个分量，f(||x-xi||)表示径向基函数向量f(x)的第i个分量，r＝||x-xi||表示两向量间的欧氏距离。


6.根据权利要求1或5所述的工业机器人失效率预计方法，其特征在于，根据径向基函数RBF矩阵求解唯一失效率函数其次根据梯度值求得前期故障点并筛选...

【专利技术属性】
技术研发人员：白斌，李泽，杨旗，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津;12