机器人的故障预测系统及故障预测方法技术方案

本发明专利技术提供一种机器人的故障预测系统及故障预测方法，故障预测系统具备：数据获取部，其检测所述机器人的各电机的电流的时间序列数据，得到与时间对应的电流波形；波形分离部，其将所述电流波形分离为值域数据和频域数据；以及故障预测部，其基于所述值域数据以及所述频域数据，预测所述机器人是否存在故障以及存在何种故障。在何种故障。在何种故障。

【技术实现步骤摘要】
机器人的故障预测系统及故障预测方法


[0001]本专利技术涉及一种机器人的故障预测系统及故障预测方法。

技术介绍

[0002]以往，公知有一种减速机的故障诊断方法，其根据机械装置的加减速期间的电动机电流的频谱相对于电动机的转速变化的变化，来判断减速机是否有故障的征兆(参照专利文献1)。该故障诊断方法由于在机械装置的加减速期间进行故障诊断，所以能够在机械装置的作业过程中进行故障诊断。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本专利第6144404公报

技术实现思路

[0006]专利技术要解决的问题
[0007]但是，在上述减速机的故障诊断方法中，虽然能够准确地判定减速机是否有故障的征兆，却无法诊断出具体的故障类型，因而无法提高维护响应的效率。
[0008]本专利技术是为了解决上述问题而提出的，其目的在于提供一种能够提高高调波的提取精度，提高故障预测的提前时间和可信度，并改善对故障类型的判读精度的机器人的故障预测系统及故障预测方法。
[0009]解决问题的技术手段
[0010]本专利技术的第一形态是一种机器人的故障预测系统，其特征在于，具备：数据获取部，其获取所述机器人的各电机的电流的时间序列数据，得到与时间对应的电流波形；波形分离部，其将所述电流波形分离为值域数据和频域数据；以及故障预测部，其基于所述值域数据以及所述频域数据，预测所述机器人是否存在故障以及存在何种故障。
[0011]在上述机器人的故障预测系统中，还具备动作切割部，所述动作切割部基于预先生成的标准动作模型，对所述值域数据进行切割，获得包括所述标准动作模型的标准动作时间区间的动作数据。
[0012]在上述机器人的故障预测系统中，还具备高调波提取部，所述高调波提取部从所述频域数据提取表征所述各电机的转速的基本波，之后基于所述基本波从所述频域数据提取频率高于所述基本波的高调波。
[0013]在上述机器人的故障预测系统中，所述故障预测部利用所述动作数据以及所述高调波进行高调波动作评估，得到对应于所述标准动作时间区间的高调波评估值，基于所述高调波评估值以及预先获取的高调波评估值与故障种类的对应关系，来预测所述机器人是否存在故障以及存在何种故障。
[0014]在上述机器人的故障预测系统中，在所述高调波评估值呈固定斜率上升时，所述故障预测部预测存在电器老化的故障，在所述高调波评估值呈倒抛物线上升时，所述故障
预测部预测存在机械磨损的故障，在所述高调波评估值呈突然上升时，所述故障预测部预测存在线缆连接异常的故障，在所述高调波评估值呈水平推移时，所述故障预测部预测机器人不存在故障。
[0015]本专利技术的第二形态是一种机器人的故障预测方法，其特征在于，包括：数据获取步骤，获取所述机器人的各电机的电流的时间序列数据，得到与时间对应的电流波形；波形分离步骤，将所述电流波形分离为值域数据和频域数据；以及故障预测步骤，基于所述值域数据以及所述频域数据，预测所述机器人是否存在故障以及存在何种故障。
[0016]在上述机器人的故障预测方法中，还具备动作切割步骤，在所述动作切割步骤中，基于预先生成的标准动作模型，对所述值域数据进行切割，获得包括所述标准动作模型的标准动作时间区间的动作数据。
[0017]在上述机器人的故障预测方法中，还具备高调波提取步骤，在所述高调波提取步骤中，从所述频域数据提取表征所述各电机的转速的基本波，之后基于所述基本波从所述频域数据提取频率高于所述基本波的高调波。
[0018]在上述机器人的故障预测方法中，在所述故障预测步骤中，利用所述动作数据以及所述高调波进行高调波动作评估，得到对应于所述标准动作时间区间的高调波评估值，基于所述高调波评估值以及预先获取的高调波评估值与故障种类的对应关系，来预测所述机器人是否存在故障以及存在何种故障。
[0019]在上述机器人的故障预测方法中，在所述故障预测步骤中，在所述高调波评估值呈固定斜率上升时，预测存在电器老化的故障，在所述高调波评估值呈倒抛物线上升时，预测存在机械磨损的故障，在所述高调波评估值呈突然上升时，预测存在线缆连接异常的故障，在所述高调波评估值呈水平推移时，预测机器人不存在故障。
[0020]专利技术的效果
[0021]根据本专利技术，能够提高高调波的提取精度，提高故障预测的提前时间和可信度，并改善对故障类型的判读精度，由此能够在早期进行维护响应，提高作业效率。
附图说明
[0022]图1是本专利技术实施方式的机器人的故障预测系统的结构的示意图。
[0023]图2是本专利技术实施方式的机器人的故障预测系统的功能框图。
[0024]图3是本专利技术实施方式的故障预测的整体流程图。
[0025]图4是本专利技术实施方式中通过波形分离得到的频谱图。
[0026]图5是本专利技术实施方式中的频域数据的组成成分图。
[0027]图6是本专利技术实施方式中由高调波提取部提取到的基本波的三维图。
[0028]图7是表示本专利技术实施方式中的高调波评估值的图。
[0029]图8是表示本专利技术实施方式中的高调波评估值的图。
[0030]图9是表示本专利技术实施方式中的高调波评估值的图。
[0031]图10是表示本专利技术实施方式中的高调波评估值的图。
[0032]图11是表示本专利技术实施方式中的高调波评估值与故障类型的对应关系的图。
具体实施方式
[0033]以下，参照附图对本专利技术的实施方式进行详细说明。另外，以下在所有的附图中对相同或相当的要素赋予相同的符号，并省略其重复的说明。另外，本专利技术不限于以下的实施方式。
[0034]实施方式
[0035]图1是表示本专利技术实施方式的机器人的故障预测系统100的结构的示意图。在本实施方式中，故障预测系统100例如将多轴机器人200作为故障预测的对象。
[0036]如图1所示，机器人的故障预测系统100主要由数据获取部1001、波形分离部1002、动作切割部1003、高调波提取部1004、以及故障预测部1005等功能部构成。
[0037]图2是作为故障预测的对象的多轴机器人200的构成图。如图2所示，多轴机器人200包括主体41和控制器17。控制器17通过用于传送各种信号等的通信电缆与主体41连接。另外，故障预测系统100通过用于传送各种数据的通信电缆与控制器17连接。
[0038]多轴机器人200的主体41包括用于实现该多轴机器人200的功能的多个动作部12和用于分别驱动多个动作部12的多个驱动机构31，该多个动作部12例如为多轴机器人200的多个关节轴。此外，虽未图示，但多个驱动机构31分别由减速机、伺服电机(以下，有时也称为“电机”。)以及伺服放大器等构成。
[0039]多轴机器人200只要是包含动作部12和驱动机构31的装置即可，没有特别限定。
[0040]控制器17控制主体41的动作部12的动作。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人的故障预测系统，其特征在于，具备：数据获取部，其获取所述机器人的各电机的电流的时间序列数据，得到与时间对应的电流波形；波形分离部，其将所述电流波形分离为值域数据和频域数据；以及故障预测部，其基于所述值域数据以及所述频域数据，预测所述机器人是否存在故障以及存在何种故障。2.根据权利要求1所述的机器人的故障预测系统，其特征在于，还具备动作切割部，所述动作切割部基于预先生成的标准动作模型，对所述值域数据进行切割，获得包括所述标准动作模型的标准动作时间区间的动作数据。3.根据权利要求2所述的机器人的故障预测系统，其特征在于，还具备高调波提取部，所述高调波提取部从所述频域数据提取表征所述各电机的转速的基本波，之后基于所述基本波从所述频域数据提取频率高于所述基本波的高调波。4.根据权利要求3所述的机器人的故障预测系统，其特征在于，所述故障预测部利用所述动作数据以及所述高调波进行高调波动作评估，得到对应于所述标准动作时间区间的高调波评估值，基于所述高调波评估值以及预先获取的高调波评估值与故障种类的对应关系，来预测所述机器人是否存在故障以及存在何种故障。5.根据权利要求4所述的机器人的故障预测系统，其特征在于，在所述高调波评估值呈固定斜率上升时，所述故障预测部预测存在电器老化的故障，在所述高调波评估值呈倒抛物线上升时，所述故障预测部预测存在机械磨损的故障，在所述高调波评估值呈突然上升时，所述故障预测部预测存在线缆连接异常的故障，在所述高调波评估值呈水平推移时，所述故障预测部预测机器人不存在故障。6.一种机器...

【专利技术属性】
技术研发人员：姚开鹏，渡边翼，邹立明，杨哲，
申请(专利权)人：日立解决方案中国有限公司，
类型：发明
国别省市：