一种基于功率的工业机械臂异常运动在线检测方法技术

本发明专利技术公开了一种基于功率的工业机械臂异常运动在线检测方法，该方法基于工业机械臂异常运动在线检测系统实现，该系统包括位置数据采集模块、功率数据采集模块和异常检测模块；两个数据采集模块获取机械臂正常运行时的位置、功率采样数据作为模型初始化样本；异常检测模块利用样本数据拟合工业机械臂的泛化动力学模型实现功率消耗模型的特异化，并进一步根据由功率消耗模型得到的预测功率与实际消耗功率间的累积偏差或瞬时偏差是否超过指定阈值实现异常检测及模型更新。本发明专利技术方法能够在不干预机械臂正常运行的条件下对虚假数据注入、重放、中间人等旨在通过篡改数据实现的隐蔽攻击进行在线检测。

【技术实现步骤摘要】
一种基于功率的工业机械臂异常运动在线检测方法
本专利技术涉及工控系统安全领域，特别涉及一种基于功率的工业机械臂异常运动在线检测方法。
技术介绍
随着工业化与信息化的深度融合，工业机械臂越来越多的接入到工业物联网平台，其控制系统也因此面临更多的信息安全风险，进而可能产生人员伤亡、设备损坏、降低生产效率等物理安全问题。如何在面临攻击者的恶意攻击下检测异常，已成为目前异常检测研究中所面临的一个重要问题。目前，针对工业机械臂的异常检测方法主要从如下两个角度考虑：1)基于工业机械臂的运行状态信息：通过采集工业机械臂运行的状态信息，例如角度、速度、加速度等，利用系统辨识、机器学习、数据挖掘等方法得到工业机械臂的状态空间模型或安全状态域，不依赖除状态信息外的其他信息进行异常检测；2)基于侧信息：除收集工业机械臂的状态信息外，还利用附加传感器，例如功率传感器、陀螺仪、摄像头、麦克风等，采集额外的、可信的、与系统运行具有一定相关性的信息进行异常检测。现有的异常检测技术在遭受攻击(例如重放攻击、数据注入攻击)时存在诸多问题，包括：1)基于工业机械臂运行状态信息的方法在面对攻击时上传的状态信息可能遭受篡改(重放、注入等)，导致数据不可信，2)基于陀螺仪的方法需要花费较高代价进行相关传感器的安装，例如基于陀螺仪的异常检测需要将工业机械臂关停，并将陀螺仪安装至机械臂的末端执行器处，因此代价较高，3)基于摄像头的方法存在视频帧数据维度过大的问题，导致检测实时性下降，4)基于麦克风(采集音频)的方法容易遭受工厂噪声干扰的问题，导致异常检测的精度下降。因此，设计一种在工业环境中进行异常检测方法具有重要的理论意义和应用价值。
技术实现思路
本专利技术的目的是提供一种基于功率的工业机械臂异常运动在线检测方法，适用于在工业机械臂遭受诸如重放攻击、数据注入攻击等导致基于运行状态检测方法失效的情形。该在线检测方法能够在机械臂DH变换参数未知的情况下，利用工业机械臂的位置数据(各关节轴的角度、角速度、角加速度)和可信功率数据进行校验，检测工业机械臂的运行是否异常。检测系统采用非接触式的功率采集方法，不需要在安装时关停工业机械臂，易于部署；与此同时，检测系统不易受到外界干扰，检测准确率较高。本专利技术的目的是通过以下技术方案实现的：一种基于功率的工业机械臂异常运动在线检测方法，该方法基于工业机械臂异常运动在线检测系统实现，该系统包括位置数据采集模块、功率数据采集模块和异常检测模块；其中，两个数据采集模块获取机械臂正常运行时的位置、功率采样数据作为模型初始化样本；异常检测模块利用样本数据拟合工业机械臂的泛化动力学模型实现功率消耗模型的特异化，并进一步根据由功率消耗模型得到的预测功率与实际消耗功率间的累积偏差或瞬时偏差是否超过指定阈值实现异常检测及模型更新，该方法具体包括如下步骤：步骤1：对工业机械臂的位置数据和功率数据进行采样、预处理，并将位置数据和功率数据分别传输给异常检测模块；步骤2：异常检测模块对功率数据和位置数据进行时间同步处理，剔除功率数据中无对应位置数据的无效数据，得到功率-位置数据组；步骤3：基于功率-位置数据组推断工业机械臂的泛化动力学模型中的未知参数，从而实现功率消耗模型的特异化；步骤4：异常检测模块基于机械臂的位置数据实时估计功率的输出值；步骤5：异常检测模块根据预测功率与实际采样功率在给定时间窗内的累积偏差或瞬时偏差是否超过指定阈值实现异常检测及模型更新。进一步地，所述步骤1中，功率数据采集模块经异常检测模块与现场控制网络间接相连，同时由于位置数据采集模块发送的数据格式简单明确，通过在位置数据采集模块和异常检测模块的通信信道上配置安全网关的数据过滤规则实现网络隔离；功率数据采集模块和位置数据采集模块采用分离信道进行通信，位置数据的采样频率远小于功率数据。进一步地，所述步骤1中，功率数据采集模块直接采集工业机械臂供电电源的电流和电压数据；功率数据采集模块以连续采样模式对电流、电压采样通道进行配置，设置采样频率，与异常检测模块未建立连接时，将采样得到的数据进行序列化后缓存；位置数据采集模块首先根据机械臂的“握手”报文识别机械臂的类型，然后根据识别出的机械臂类型调用相应的位置数据解析方法，并将提取出来的有效数据进行格式化处理，并在序列化后通过TCP/IP转发给异常检测模块，从而实现位置数据向异常检测模块的转发。进一步地，所述步骤1中，位置数据采集模块扫描、识别出子网中活跃的机械臂控制器及其类型，将选择的待检测机械臂控制器通过TCP/IP协议与异常检测模块建立通信连接；异常检测模块接收到位置数据采集模块的连接请求后触发异常检测模块的通信机制，尝试与功率数据采集模块建立连接；若两条信道均建立成功，则开始进行功率数据和位置数据的采集。进一步地，所述步骤2中，根据功率数据和位置数据的时间戳实现数据对齐；时间同步算法包括静态时间对齐和动态时间对齐两部分，静态时间对齐利用时间同步技术保证设备之间的全局时钟同步，动态时间对齐通过对功率数据和位置数据进行非同频采样，并利用时间戳的最近匹配原则选取对应的功率和位置数据组成功率-位置数据组，从而实现数据的时间对齐。进一步地，所述步骤2中，时间对齐具体如下：1)异常检测模块对包含位置数据的报文进行反序列化得到结构化的角度数据，然后利用后向差分求取角速度和角加速度，得到完整的位置状态信息；对功率数据进行预处理，将直接采样得到的电流、电压数据转换为功率数据，然后按时间戳缓存到有序链表；2)异常检测模块接收到位置数据时，首先将该组位置数据添加到位置数据缓存队列的队尾，然后从缓存队列取出队首的位置数据组，并检查功率数据的有序链表缓存中是否存在与该组位置数据匹配的时间戳，若存在，从缓存中取出对应功率数据以组成功率-位置数据组，同时将缓存中该时间戳之前的数据删除，从而实现时间对齐；否则，进一步检查两次成功查询的间隔查询次数，若存在成功查询并且两次成功查询的间隔次数大于给定阈值则认为网络连接出现问题，给出提示信息；若不存在成功查询，则认为异常检测模块尚未找到位置数据和功率数据的基准时间，直接删除该组数据进行下一轮查询。进一步地，所述步骤3中，机械臂功率消耗主要随角度、角速度、角加速度等位置数据变化，因此异常检测模块利用各关节轴的位置数据和相应的功率数据进行模型参数辨识，识别机械臂的泛化动力学模型中与位置数据无关的变量，进而得到功率消耗模型。进一步地，所述步骤3中，机械臂的功率消耗模型如下：P＝Pm+Pf+Pa其中，P为机械臂的总功率消耗，Pm为机械功率，Pf为摩擦功率，Pa为在机械臂工作过程中基本保持不变的组件运行附加功率；基于拉格朗日方程对机械臂进行动力学建模推导可以得到各关节轴的转矩，从而得到n轴工业机械臂的机械功率Pm，公式如下：其中，qi、分别表示机械臂关节轴i的角度、角速度和角加速度；Ii表示机械臂关节轴i的转动惯量；{i,j,k}均表示轴的编号；Dij、Dijk、D本文档来自技高网...

【技术保护点】
1.一种基于功率的工业机械臂异常运动在线检测方法，其特征在于，该方法基于工业机械臂异常运动在线检测系统实现，该系统包括位置数据采集模块、功率数据采集模块和异常检测模块；其中，两个数据采集模块获取机械臂正常运行时的位置、功率采样数据作为模型初始化样本；异常检测模块利用样本数据拟合工业机械臂的泛化动力学模型实现功率消耗模型的特异化，并进一步根据由功率消耗模型得到的预测功率与实际消耗功率间的累积偏差或瞬时偏差是否超过指定阈值实现异常检测及模型更新，该方法具体包括如下步骤：/n步骤1：对工业机械臂的位置数据和功率数据进行采样、预处理，并将位置数据和功率数据分别传输给异常检测模块；/n步骤2：异常检测模块对功率数据和位置数据进行时间同步处理，剔除功率数据中无对应位置数据的无效数据，得到功率-位置数据组；/n步骤3：基于功率-位置数据组推断工业机械臂的泛化动力学模型中的未知参数，从而实现功率消耗模型的特异化；/n步骤4：异常检测模块基于机械臂的位置数据实时估计功率的输出值；/n步骤5：异常检测模块根据预测功率与实际采样功率在给定时间窗内的累积偏差或瞬时偏差是否超过指定阈值实现异常检测及模型更新。/n...

【技术特征摘要】
1.一种基于功率的工业机械臂异常运动在线检测方法，其特征在于，该方法基于工业机械臂异常运动在线检测系统实现，该系统包括位置数据采集模块、功率数据采集模块和异常检测模块；其中，两个数据采集模块获取机械臂正常运行时的位置、功率采样数据作为模型初始化样本；异常检测模块利用样本数据拟合工业机械臂的泛化动力学模型实现功率消耗模型的特异化，并进一步根据由功率消耗模型得到的预测功率与实际消耗功率间的累积偏差或瞬时偏差是否超过指定阈值实现异常检测及模型更新，该方法具体包括如下步骤：
步骤1：对工业机械臂的位置数据和功率数据进行采样、预处理，并将位置数据和功率数据分别传输给异常检测模块；
步骤2：异常检测模块对功率数据和位置数据进行时间同步处理，剔除功率数据中无对应位置数据的无效数据，得到功率-位置数据组；
步骤3：基于功率-位置数据组推断工业机械臂的泛化动力学模型中的未知参数，从而实现功率消耗模型的特异化；
步骤4：异常检测模块基于机械臂的位置数据实时估计功率的输出值；
步骤5：异常检测模块根据预测功率与实际采样功率在给定时间窗内的累积偏差或瞬时偏差是否超过指定阈值实现异常检测及模型更新。


2.如权利要求1所述的一种基于功率的工业机械臂异常运动在线检测方法，其特征在于，所述步骤1中，功率数据采集模块经异常检测模块与现场控制网络间接相连，同时由于位置数据采集模块发送的数据格式简单明确，通过在位置数据采集模块和异常检测模块的通信信道上配置安全网关的数据过滤规则实现网络隔离；功率数据采集模块和位置数据采集模块采用分离信道进行通信，位置数据的采样频率远小于功率数据。


3.如权利要求1所述的一种基于功率的工业机械臂异常运动在线检测方法，其特征在于，所述步骤1中，功率数据采集模块直接采集工业机械臂供电电源的电流和电压数据；功率数据采集模块以连续采样模式对电流、电压采样通道进行配置，设置采样频率，与异常检测模块未建立连接时，将采样得到的数据进行序列化后缓存；
位置数据采集模块首先根据机械臂的“握手”报文识别机械臂的类型，然后根据识别出的机械臂类型调用相应的位置数据解析方法，并将提取出来的有效数据进行格式化处理，并在序列化后通过TCP/IP转发给异常检测模块，从而实现位置数据向异常检测模块的转发。


4.如权利要求1所述的一种基于功率的工业机械臂异常运动在线检测方法，其特征在于，所述步骤1中，位置数据采集模块扫描、识别出子网中活跃的机械臂控制器及其类型，将选择的待检测机械臂控制器通过TCP/IP协议与异常检测模块建立通信连接；异常检测模块接收到位置数据采集模块的连接请求后触发异常检测模块的通信机制，尝试与功率数据采集模块建立连接；若两条信道均建立成功，则开始进行功率数据和位置数据的采集。


5.如权利要求1所述的一种基于功率的工业机械臂异常运动在线检测方法，其特征在于，所述步骤2中，根据功率数据和位置数据的时间戳实现数据对齐；时间同步算法包括静态时间对齐和动态时间对齐两部分，静态时间对齐利用时间同步技术保证设备之间的全局时钟同步，动态时间对齐通过对功率数据和位置数据进行非同频采样，并利用时间戳的最近匹配原则选取对应的功率和位置数据组成功率-位置数据组，从而实现数据的时间对齐。


6.如权利要求1所述的一种基于功率的工业机械臂异常运动在线检测方法，其特征在于，所述步骤2中，时间对齐具体如下：
...

【专利技术属性】
技术研发人员：程鹏，苑心齐，浦宏艺，陈积明，贾宁波，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33