机器人故障预兆检测装置以及机器人故障预兆检测方法制造方法及图纸

在机器人故障预兆检测装置中，行为时间序列数据取得部，在每个数据收集单位期间进行根据机器人动作取得与所述机器人的关节的电机相关的行为时间序列数据的处理

【技术实现步骤摘要】
【国外来华专利技术】机器人故障预兆检测装置以及机器人故障预兆检测方法


[0001]本申请案涉及一种机器人的状态监视
。

技术介绍

[0002]若在工厂等中使工业机器人重复地运行，则不可避免地会造成机器人的每个部分
(
例如
、
机械零件
)
产生劣化
。
若劣化状况进一步发展，久而久之则会造成机器人故障
。
在机器人产生故障而长期停止作业线的情况下，会招致极大的损失，因此迫切需要在机器人产生故障之前实施维护
(
保养
)。
另一方面，从维护费用等观点考虑，频繁地进行维护也存在困难
。
[0003]为了在适当的时间进行维护，提出了一种用于预测机器人的减速器等的剩余寿命的装置
。
专利文献1公开这种机器人保养支援装置
。
[0004]专利文献1的机器人保养支援装置，其构成为：根据构成机器人驱动系统的伺服电机的电流指令值的数据诊断电流指令值将来的变化趋势，并根据诊断得出的变化趋势，判定电流指令值达到预先设定的值前的期间
。
[0005][
现有技术文献
][0006][
专利文献
][0007]专利文献1：日本特开
2016
‑
117148
公报

技术实现思路

[0008]专利技术所要解决的技术问题
[0009]在所述专利文献1的结构中，作为电流指令值的诊断项目，例示有r/>I2
监视器
、
使用状态以及峰值电流
。
若单纯使用这些项目，有时不一定能有效地捕捉机器人故障的预兆
。
为此，需要一种崭新的结构，其能够准确地检测机器人趋近故障的状态
。
[0010]本申请案是鉴于上面提及的状况开发完成，其目的在于能够良好地捕捉机器人故障的预兆
。
[0011]解决问题所使用的技术手段
[0012]本申请案所欲解决的问题诚如上面的说明，下面说明用于解决该问题的手段及其功效
。
[0013]根据本申请案的第1观点，提供下面的结构的机器人故障预兆检测装置
。
也就是说，该机器人故障预兆检测装置包括：行为时间序列数据取得部
、
评估值计算部
、
代表评估值生成部
、
序列处理部
、
以及判定部
。
所述行为时间序列数据取得部在每个数据收集单位期间进行下述的处理，该处理用于根据机器人动作取得与所述机器人的关节的电机相关的行为时间序列数据
。
所述评估值计算部对通过所述行为时间序列数据取得部取得的行为时间序列数据计算评估值
。
所述代表评估值生成部在每个所述数据收集单位期间，根据通过所述评估值计算部获得的所述评估值，生成代表所述评估值的代表评估值
。
所述序列处理部生成所述代表评估值的序列
。
所述判定部在机器人的运行初期，根据所述序列处理部生成
的序列即初期序列制作判定用模型
。
所述判定部在所述运行初期之后，将判定用数据输入制作完成的所述判定用模型内，取得所述判定用数据的特异度，所述判定用数据包括基于比该运行初期靠后的机器人动作的数据
。
[0014]根据本申请案的第2观点，提供了下面的机器人故障预兆检测方法
。
也就是说，该机器人故障预兆检测方法包括
:
行为时间序列数据取得工序
、
评估值计算工序
、
代表评估值生成工序
、
序列处理工序
、
模型制作工序
、
以及判定工序
。
在所述行为时间序列数据取得工序中，在每个数据收集单位期间进行下述的处理，该处理用于根据机器人动作取得与所述机器人的关节的电机相关的行为时间序列数据
。
在所述评估值计算工序中，对通过所述行为时间序列数据取得工序取得的行为时间序列数据计算评估值
。
在所述代表评估值生成工序中，在每个所述数据收集单位期间，根据在所述评估值计算工序中获得的所述评估值，生成代表所述评估值的代表评估值
。
在所述序列处理工序中，生成所述代表评估值的序列
。
在所述模型制作工序中，在所述机器人的运行初期，根据在所述序列处理工序中生成的序列即初期序列制作判定用模型
。
在所述判定工序中，在所述运行初期之后，将判定用数据输入制作完成的所述判定用模型内，取得所述判定用数据的特异度，所述判定用数据包括基于比该运行初期靠后的机器人动作的数据
。
[0015]由此，能够容易地掌握机器人故障的预兆
。
因此，能够在故障前执行机器人的维护
。
[0016]专利技术的功效
[0017]根据本申请案，能够良好地捕捉机器人故障的预兆
。
附图说明
[0018]图1是显示本申请案的机器人的结构的立体图；
[0019]图2是示意显示第1实施方式的机器人故障预兆检测装置的电结构的框图；
[0020]图3是说明与时间序列数据的取得相关的触发信号的定时的曲线图；
[0021]图4是显示隐马尔可夫模型的示意图；
[0022]图5是显示状态数为2个的
Ergodic
隐马尔可夫模型的示意图；
[0023]图6是说明初期序列以及判定用序列的示意图；
[0024]图7是显示电流值的均方根的曲线图；
[0025]图8是显示与电流值的均方根的序列的相似度有关的对数似然的曲线图；
[0026]图9是示意显示第2实施方式的机器人故障预兆检测装置的电结构的框图；
[0027]图
10
是显示第3实施方式中使用的
DTW
算法的示意图；
[0028]图
11
是显示将由
DTW
处理后的数据输入至隐马尔可夫模型中进行评估后的对数似然的曲线图；
[0029]图
12
是示意显示第4实施方式的机器人故障预兆检测装置的电结构的框图；
[0030]图
13
是说明第4实施方式中的初期序列以及判定用数据的示意图；
[0031]图
14
是示意显示第5实施方式的机器人故障预兆检测装置的电结构的框图；
[0032]图
15
是示意显示第6实施方式的机器人故障预兆检测装置的电结构的框图；
[0033]图
16
是在不使用判定用模型的状态下预测故障时期的例子中的显示部显示的趋势管理画面的显示例；
[0034]图
17
是显示在不使用判定用模型的状态下预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种机器人故障预兆检测装置，用于检测机器人的故障预兆，其特征在于包括：行为时间序列数据取得部，其在每个数据收集单位期间进行下述的处理，该处理用于根据机器人动作取得与所述机器人的关节的电机相关的行为时间序列数据；评估值计算部，其对通过所述行为时间序列数据取得部取得的行为时间序列数据计算评估值；代表评估值生成部，其在每个所述数据收集单位期间，根据通过所述评估值计算部获得的所述评估值，生成代表所述评估值的代表评估值；序列处理部，其生成所述代表评估值的序列；以及判定部，其在机器人的运行初期，根据所述序列处理部生成的序列即初期序列制作判定用模型，在所述运行初期之后将判定用数据输入制作完成的所述判定用模型内，取得所述判定用数据的特异度，所述判定用数据包括基于比该运行初期靠后的机器人动作的数据
。2.
根据权利要求1所述的机器人故障预兆检测装置，其中，在所述运行初期之后，所述判定部在每个所述数据收集单位期间，将由多个所述代表评估值构成的判定用序列作为所述判定用数据输入至所述判定用模型，并根据所述判定用模型的输出取得所述特异度，为了生成所述判定用序列，所述序列处理部利用所述初期序列将所述判定用序列初期化后，在每次生成所述代表评估值时进行所述判定用序列的更新处理，所述更新处理，包括对更新前的所述判定用序列追加所述数据收集单位期间的所述代表评估值的处理
。3.
根据权利要求1所述的机器人故障预兆检测装置，其中，在所述运行初期之后，所述判定部在每个所述数据收集单位期间，仅将一个所述代表评估值作为所述判断用数据输入至所述判定用模型，取得所述判定用模型的输出，并根据在最近的多个所述数据收集单位期间内的所述判定用模型的输出的总乘或总和取得所述特异度
。4.
根据权利要求1至3中任一项所述的机器人故障预兆检测装置，其中，所述判定用模型是学习了所述初期序列的隐马尔可夫模型
。5.
根据权利要求4所述的机器人故障预兆检测装置，其中，所述隐马尔可夫模型是
Ergodic
隐马尔可夫模型
。6.
根据权利要求2所述的机器人故障预兆检测装置，其中，隐马尔可夫模型也能够是学习了初期序列的
Left
‑
to
‑
Right
隐马尔可夫模型
。
所述评估值计算部，以相互不同的方法对由所述行为时间序列数据取得部取得的行为时间序列数据的每一个计算多种类的所述评估值，所述初期序列构成为按时间顺序排列
N
个代表评估值的序列，所述判定用数据构成为按时间顺序排列
N
个代表评估值的序列
。7.
根据权利要求1或2所述的机器人故障预兆检测装置，其中，所述判定用模型是由对高斯分布进行
Q
次总乘或总和构成，该高斯分布是基于从构成所述初期序列的
N
个代表评估值求出的标准偏差以及平均值
。8.
根据权利要求1至7中任一项所述的机器人故障预兆检测装置，其中，所述评估值为所述行为时间序列数据的均方根
、
最大值
、
差值以及频率分析累计值中的任一个
。9.
根据权利要求1至8中任一项所述的机器人故障预兆检测装置，其中，所述评估值计
算部，对由所述行为时间序列数据取得部取得的行为时间序列数据的每一个，计算与规定的基准行为时间序列数据之间的
DTW
距离以及
DTW
距离平均值中的任一个作为所述评估值
。10.
根据权利要求1至9中任一...

【专利技术属性】
技术研发人员：川井淳，永浜恭秀，
申请(专利权)人：川崎重工业株式会社，
类型：发明
国别省市：