一种工业机器人关节故障预测方法、设备及存储介质技术

本申请提供一种工业机器人关节故障预测方法、设备及存储介质，包括：S1、获取原始电机电流信号；S2、对其做滤波处理，得到滤波电流信号；S3、从滤波电流信号中提取均方根值作为特征指标来进行表征，并将特征指标写成数据集Z的形式；S4、建立在多工况、变负载、多阶段循环情况下的退化模型；S5、对所包含的未知参数估计；S6、针对每个阶段任务的特点划分失效阈值，建立阈值集ω；S7、基于S4与S6，得到概率密度函数以及可靠度函数的表达式，并进行可靠性评估；本申请根据工业机器人在周期性执行某一任务时建立适用于多工况、变负载以及多阶段循环任务系统的退化模型，本申请所建立的模型可以直接在多工况、变负载的情况下应用。变负载的情况下应用。变负载的情况下应用。

【技术实现步骤摘要】
一种工业机器人关节故障预测方法、设备及存储介质


[0001]本申请涉及
，尤其涉及一种工业机器人关节故障预测方法、设备及存储介质。

技术介绍

[0002]工业机器人是集机械、电子、控制、计算机、传感器、人工智能等多学科先进技术于一体的自动化装备，具有自由度多、结构复杂和较强的独立性等特点，并广泛应用于汽车制造、零部件加工、电子电气工业等领域。由于服役环境相对复杂，工业机器人受多变负载和环境中随机载荷的影响容易发生故障，尤其是关节处的精密减速器，在现场测试中，其故障率高达40%
‑
70%。其中，谐波减速器是精密减速器的一种，具有体积小、重量轻、传动比大、承载能力高、精度高、效率高等优点，被广泛应用于结构紧凑、小型工业机器人的关节、机械臂等高端机械设备中，起到降低速度、提高力矩作用的同时保证定位精度和重复定位精度，其工作状态直接影响工业机器人整体工作性能和服役寿命，一旦发生故障，会导致传动不足，传动比偏差，甚至整个系统停机，造成巨大的经济损失。
[0003]现有的针对多任务阶段退化过程的研究，大多将系统的完整退化过程划分多退化阶段来研究，但这种多阶段划分是根据系统在全寿命周期中退化速度的快慢进行的，如系统失效前可分为正常、缓慢退化和快速退化过程；工业机器人在多任务阶段情况下，具有多任务、变应力的性质，其关节处的谐波减速器具有使用性能复杂、工况条件具有时变性和周期性的特点，现有的退化模型仅针对单一工况、负载不变的情况，划分单一的失效阈值，而单一失效阈值在多阶段退化任务工况下，无法准确的对谐波减速器进行可靠性评估，因此不能直接用于描述多工况、变负载、多阶段循环机械系统退化过程。

技术实现思路

[0004]本申请的目的是针对以上问题，提供一种工业机器人关节故障预测方法、设备及存储介质。
[0005]第一方面：本申请提供一种工业机器人关节故障预测方法，包括：S1、获取工业机器人连接原始电机的电流信号；S2、对所述原始电机电流信号做滤波处理，得到滤波电流信号；S3、从所述滤波电流信号中提取均方根值作为特征指标来表征工业机器人关节处谐波减速器，并将所述特征指标写成数据集Z的形式；S4、建立表征工业机器人关节处的谐波减速器在多工况、变负载、多阶段循环情况下的退化模型，所述退化模型包含多个阶段的任务。
[0006]S5、对每个阶段任务中所包含的未知参数进行估计；S6、针对每个阶段任务的特点划分失效阈值，并形成阈值集ω；S7、基于所述退化模型以及所述阈值集ω，得到概率密度函数以及可靠度函数的
表达式，并进行可靠性评估。
[0007]根据本申请实施例提供的技术方案，所述步骤S2中，采用中值滤波的方式对所述原始电机电流信号进行处理，得到所述滤波电流信号。
[0008]根据本申请实施例提供的技术方案，所述步骤S3中，所述数据集Z写成如下矩阵的表达形式：式中：z
ij
是系统在第j次循环的第i任务阶段的数据；i=1,2,3...m，m代表任务阶段的数量；j=1,2,3...n，n代表循环的数量。
[0009]根据本申请实施例提供的技术方案，所述步骤S4中，当工业机器人在多阶段循环、变负载的工况下工作时，工业机器人关节处谐波减速器的任务阶段具有连续性和周期性，所述谐波减速器在不同的任务阶段具有不同的退化率，根据所述谐波减速器在执行多阶段循环任务的退化状态变化，建立所述退化模型，所述退化模型为非线性多阶段任务退化模型。
[0010]根据本申请实施例提供的技术方案，步骤S5中，采用极大似然估计方法对每个阶段所包含的未知参数进行估计。
[0011]根据本申请实施例提供的技术方案，步骤S6中，所述阈值集ω的表达形式如下：式中：ω
i
是系统在第i个任务阶段的阈值，系统共有m个任务阶段。
[0012]根据本申请实施例提供的技术方案，步骤S7中，假设Z1,Z2,Z3,
ꢀ…
,Z
m
是相互独立的随机变量，则所述概率密度函数表达式如下:式中：ω1，ω2，ω3，
…
，ω
m
为阈值集中的数据；β
i
(i=1,2,
…
m) 表示第i个任务阶段的退化率；t代表时间；σ是扩散系数，用于描述产品外部噪声对产品性能的影响，假设在不同应力水平下，产品失效机理不变，σ不变，σB(t)服从于N（0，σ2t）；
可靠度函数的表达式如下：式中：F(ω1,ω2,
ꢀ…
,ω
i
)为m维随机变量Z1,Z2,Z3,
ꢀ…
,Z
m
的联合分布函数；ω1，ω2，ω3，
…
，ω
m
为阈值集中的数据。
[0013]第二方面，本申请还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如上所述中任一项所述的工业机器人关节故障预测方法的步骤。
[0014]第三方面，本申请还提供一种计算机可读存储介质，包括：所述计算机可读存储介质上存储有工业机器人关节故障预测程序，所述工业机器人关节故障预测程序被处理器执行时实现如上所述中任一项所述的工业机器人关节故障预测方法的步骤。
[0015]与现有技术相比，本申请的有益效果：本申请首先获取工业机器人关节处谐波减速器直连电机的电机电流信号，经滤波处理后提取特征指标并写成数据集Z的形式，针对工业机器人在变负载、多阶段循环的实际工况下的运行情况，考虑到工业机器人关节处谐波减速器在多工况下每个任务阶段的不同情况，建立表征工业机器人关节处谐波减速器在多工况、变负载、多阶段循环任务下的退化模型，并对未知参数进行参数估计，针对单一阈值在工业机器人多阶段循环任务工况下无法准确识别失效故障的情况，考虑每个任务阶段的特点，划分不同的失效阈值，形成阈值集ω，用来识别不同任务阶段的失效故障，根据建立的多工况下退化模型和阈值集，得到概率密度函数和可靠度函数，进行可靠性评估；在使用过程中，先获取工业机器人关节处谐波减速器直连电机的原始电机电流信号，经滤波处理后提取特征指标，将特征指标写成数据集Z的形式，根据工业机器人实际工况，建立多工况、变负载、多阶段循环情况下的退化模型，并进行参数估计，针对工业机器人不同任务阶段，对工业机器人关节处谐波减速器划分不同的失效阈值，建立阈值集，根据建立的多工况退化模型和阈值集，得到概率密度函数和可靠度函数，并进行可靠性评估。
[0016]本申请基于工业机器人关节处谐波减速器直连电机的原始电机电流信号，根据工业机器人在周期性循环执行某一任务时存在的多工况、变负载的情况，建立适用于多工况、变负载情况下的多阶段循环任务系统的退化模型，根据工业机器人不同的任务阶段划分不同失效阈值，建立阈值集，根据建立的多阶段任务非线性退化模型和阈值集建立概率密度函数和可靠度函数，进行可靠性评估，本申请所建立的退化模型和可靠度函数可以直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业机器人关节故障预测方法，其特征在于，包括：S1、获取与工业机器人关节处谐波减速器直连电机的原始电机电流信号；S2、对所述原始电机电流信号做滤波处理，得到滤波电流信号；S3、从所述滤波电流信号中提取均方根值作为特征指标来表征工业机器人关节处的谐波减速器，并将所述特征指标写成数据集Z的形式；S4、建立表征工业机器人关节处的谐波减速器在多工况、变负载、多阶段循环情况下的退化模型，所述退化模型包含多个阶段的任务；S5、对每个阶段任务中所包含的未知参数进行估计；S6、针对每个阶段任务的特点划分失效阈值，并形成阈值集ω；S7、基于所述退化模型以及所述阈值集ω，得到概率密度函数以及可靠度函数的表达式，并进行可靠性评估。2.根据权利要求1所述的工业机器人关节故障预测方法，其特征在于，步骤S2中，采用中值滤波的方式对所述原始电机电流信号进行处理，得到所述滤波电流信号。3.根据权利要求1所述的工业机器人关节故障预测方法，其特征在于，所述步骤S3中，所述数据集Z写成如下矩阵的表达形式：式中：z
ij
是系统在第j次循环的第i任务阶段的数据；i=1,2,3...m，m代表任务阶段的数量；j=1,2,3...n，n代表循环的数量。4.根据权利要求1所述的工业机器人关节故障预测方法，其特征在于，步骤S4中，当工业机器人在多阶段循环、变负载的工况下工作时，工业机器人关节处谐波减速器的任务阶段具有连续性和周期性，所述谐波减速器在不同的任务阶段具有不同的退化率，根据所述谐波减速器在执行多阶段循环任务的退化状态变化，建立所述退化模型，所述退化模型为非线性多阶段任务退化模型。5.根据权利要求1所述的工业机器人关节故障预测方法，其特征在于，步骤S5中，采用极大似然估计方法对每个阶段所包含的未知参数进行估计。6.根据权利要求1所述...

【专利技术属性】
技术研发人员：王嘉，韩旭，陶友瑞，张露予，赵赢，李本旺，闫捷，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：