本发明专利技术提供一种基于物联网大数据的工业机器人故障预测方法及装置，在对工业机器人运行数据的采集过程中，一方面设置仅对行程较长的目标运行轨迹上做待检测轴的数据采集，最大化网络资源利用，同时获取高质量的工业机器人运行数据；另一方面设置每一次运行周期内的数据随机的采集，并在多个运行周期后进行聚合后进行特征提取，将工业场景下大量工业机器人产生的海量数据从百PB级降低至数TB级，极大缓解了生产网络环境的负荷压力。同时，本发明专利技术将各待检测轴按照型号、任务或工况分为多个检测组，分别针对每个检测组建立用于故障预测的时间序列异常检测器，通过构建随机森林进行故障预测，能够提高预测的泛化能力，提高故障预测能力和准确性。能力和准确性。能力和准确性。
【技术实现步骤摘要】
一种基于物联网大数据的工业机器人故障预测方法及装置
[0001]本专利技术涉及工业机器人故障检测
，尤其涉及一种基于物联网大数据的工业机器人故障预测方法及装置。
技术介绍
[0002]目前机器人故障预测主要集中在实验室环境，通过加装振动传感器，采集机器人电机的运行数据，如电流、扭矩、温度等，再通过特征工程提取数据特征并基于数据特征对故障状态进行判断和预测。这种方式在实验室下对机器人的减速箱、电极、转动轴等构件的故障检测，具有较好的效果。
[0003]大规模应用的工业场景下，为了实现对工业机器人的故障检出，通常采用高频数据采集的形式获取工业机器人的运行数据，这就导致了在对几百甚至数千台工业机器人同时进行故障检测时，会产生海量并发数据，这会对基于物联网支持的生产网络环境带来极大的负荷，一定程度上会引发数据缺失或生产网络瘫痪。例如在具有2000台工业机器人的生产环境中，实测单台机器人以2秒周期进行数据采集，每天数据量约300GB。那么2000台，每天数据量约586TB数据。机器人故障预测需要长期跟踪分析，如此量级的数据，无论数据存储还是数据分析，从成本和效率角度都难以接受。
技术实现思路
[0004]鉴于此，本专利技术实施例提供了一种基于物联网大数据的工业机器人故障预测方法及装置，以消除或改善现有技术中存在的一个或更多个缺陷，解决工业场景下对工业机器人进行故障预测时，存在生产网络高负荷、海量数据存以及数据分析困难的问题。
[0005]本专利技术的一个方面提供了一种基于物联网大数据的工业机器人故障预测方法，所述方法用于在控制器上运行，所述控制器通过物联网连接所辖自动化区域内的一台或多台机器人设备，该方法包括以下步骤：查询所辖自动化区域内每个工业机器人预设的多个运行轨迹，并标记每个工业机器人行程较长的第一设定数量个目标运行轨迹；在各工业机器人处于对应目标运行轨迹上时，针对待检测轴随机采集第二设定数量个运行角度的运行参数；其中，各待检测轴按照型号、任务或工况分为多个检测组，所述运行参数至少包括扭矩、转速和功率；在完成第三设定数量个运行周期后，针对每一个目标运行轨迹，将所有运行周期中对所述待检测轴采集的运行参数进行聚合，得到待检数据；获取每个待检测轴对应待检数据的统计特征、基于时间序列分析的拟合系数特征和/或频域特征，输入预训练的故障检测模型，并输出各待检测轴的故障预测结果；所述故障检测模型是由多类时间序列异常检测器融合得到，每类时间序列异常检测器针对一种类型的检测组构建，每类时间序列异常检测器均基于随机森林算法预训练得到。
[0006]在一些实施例中，所述统计特征包括所述待检数据的均值、均方差、极差、极值、波
段和功率谱；所述拟合系数特征是通过预设拟合算法对所述待检数据的时间序列拟合后的系数；所述频域特征是将时域的所述待检数据通过小波变换转换至频域得到的。
[0007]在一些实施例中，所述预设拟合算法为回归滑动平均模型、自回归模型、移动平均模型、自回归积分滑动平均模型或可分离函数模型。
[0008]在一些实施例中，所述方法还包括：采用预设聚类算法对各待检测轴的运行参数进行聚类分析，将工况相近的待检测轴划分至相同的检测组；所述预设聚类算法为K
‑
means算法或BIRCH算法。
[0009]在一些实施例中，每类时间序列异常检测器均基于随机森林算法预训练得到，包括：获取样本数据，所述样本数据是由每个检测组中待检测轴在目标运行轨迹上的历史运行参数聚合得到的；对所述样本数据提取所述统计特征、基于时间序列分析的所述拟合系数特征和/或所述频域特征作为输入数据，并添加工作正常或异常的标签，构建为训练样本集；随机选取所述统计特征、所述拟合系数特征和/或所述频域特征中特征的子集构建决策树，在所述训练样本集采样的子集上训练各决策树并形成随机森林；其中，所述统计特征包括所述历史运行参数的均值、均方差、极差、极值、波段和功率谱；所述拟合系数特征是通过预设拟合算法对所述历史运行参数的时间序列拟合后的系数；所述频域特征是将时域的所述历史运行参数通过小波变换转换至频域得到的。
[0010]在一些实施例中，获取样本数据之前，还包括：采用预设聚类算法对各待检测轴的历史运行参数进行聚类分析，将工况相近的待检测轴划分至相同的检测组；所述预设聚类算法为K
‑
means算法或BIRCH算法。
[0011]在一些实施例中，所述决策树至少为100个。
[0012]在一些实施例中，所述方法还包括：根据各待检测轴的故障预测结果，生成体检日志；以及将所述体检日志上传至云端服务器以供远程监管。
[0013]另一方面，本专利技术还提供一种基于物联网大数据的工业机器人故障预测装置，包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现上述方法的步骤。
[0014]另一方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
[0015]本专利技术的有益效果至少是：本专利技术所述基于物联网大数据的工业机器人故障预测方法及装置，在对工业机器人运行数据的采集过程中，一方面设置仅对行程较长的目标运行轨迹上做待检测轴的数据采集，最大化网络资源利用，同时获取高质量的工业机器人运行数据；另一方面设置每一次运行周期内的数据随机的采集，并在多个运行周期后进行聚合后进行特征提取，将工业场景下大量工业机器人产生的海量数据从百PB级降低至数TB级，极大缓解了生产网络环境的负荷压力。同时，本专利技术将各待检测轴按照型号、任务或工况分为多个检测组，分别针对每个检测组建立用于故障预测的时间序列异常检测器，通过构建随机森林进行故障预测，能够提高预测的泛化能力，提高故障预测能力和准确性。
[0016]本专利技术的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对
于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本专利技术的实践而获知。本专利技术的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。
[0017]本领域技术人员将会理解的是，能够用本专利技术实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本专利技术能够实现的上述和其他目的。
附图说明
[0018]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，并不构成对本专利技术的限定。在附图中：图1为本专利技术一实施例所述基于物联网大数据的工业机器人故障预测方法的流程示意图。
[0019]图2为本专利技术一实施例所述基于物联网大数据的工业机器人故障预测方法中采用的随机森林的构建流程示意图。
[0020]图3为本专利技术一实施例所述基于物联网大数据的工业机器人故障预测方法中运行参数采集形式示意图。
[0021]图4为本专利技术另一实施例所述基于物联网大数据的工业机器人故障预测方法的流程示意图。
具体实施方式
[0022]为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于物联网大数据的工业机器人故障预测方法，其特征在于，所述方法用于在控制器上运行，所述控制器通过物联网连接所辖自动化区域内的一台或多台机器人设备，该方法包括以下步骤：查询所辖自动化区域内每个工业机器人预设的多个运行轨迹，并标记每个工业机器人行程较长的第一设定数量个目标运行轨迹；在各工业机器人处于对应目标运行轨迹上时，针对待检测轴随机采集第二设定数量个运行角度的运行参数；其中，各待检测轴按照型号、任务或工况分为多个检测组，所述运行参数至少包括扭矩、转速和功率；在完成第三设定数量个运行周期后，针对每一个目标运行轨迹，将所有运行周期中对所述待检测轴采集的运行参数进行聚合，得到待检数据；获取每个待检测轴对应待检数据的统计特征、基于时间序列分析的拟合系数特征和/或频域特征，输入预训练的故障检测模型，并输出各待检测轴的故障预测结果；所述故障检测模型是由多类时间序列异常检测器融合得到，每类时间序列异常检测器针对一种类型的检测组构建，每类时间序列异常检测器均基于随机森林算法预训练得到。2.根据权利要求1所述的基于物联网大数据的工业机器人故障预测方法，其特征在于，所述统计特征包括所述待检数据的均值、均方差、极差、极值、波段和功率谱；所述拟合系数特征是通过预设拟合算法对所述待检数据的时间序列拟合后的系数；所述频域特征是将时域的所述待检数据通过小波变换转换至频域得到的。3.根据权利要求2所述的基于物联网大数据的工业机器人故障预测方法，其特征在于，所述预设拟合算法为回归滑动平均模型、自回归模型、移动平均模型、自回归积分滑动平均模型或可分离函数模型。4.根据权利要求1所述的基于物联网大数据的工业机器人故障预测方法，其特征在于，所述方法还包括：采用预设聚类算法对各待检测轴的运行参数进行聚类分析，将工况相近的待检测轴划分至相同的检测组；所述预设聚类算法为K
‑
means算法或BIRCH算法。5.根据权利要求1所述的基于物联网大数...
【专利技术属性】
技术研发人员：郭东栋，赵灿，马海涛，彭浩，杜文博，姜宗睿，张妍，
申请(专利权)人：北京奔驰汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。