[发明专利]工业机器人故障检测方法、装置、计算机设备及存储介质有效
申请号: | 202010129112.2 | 申请日: | 2020-02-28 |
公开(公告)号: | CN112596490B | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 王远航;丁小健;周健;孟苓辉;董成举;王春辉;李小兵;黄创绵;杨剑锋;刘文威;梁超;陆树汉 | 申请(专利权)人: | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) |
主分类号: | G05B23/02 | 分类号: | G05B23/02 |
代理公司: | 广州华进联合专利商标代理有限公司 44224 | 代理人: | 黄晓庆 |
地址: | 511300 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 工业 机器人 故障 检测 方法 装置 计算机 设备 存储 介质 | ||
本申请公开了一种工业机器人故障检测方法、装置、计算机设备及存储介质,涉及工业机器人技术领域,该工业机器人故障检测方法包括:获取所述工业机器人在工作状态下每个轴的第一自采集数据;当根据每个轴的所述第一自采集数据和预先存储的每个轴的老化模型确定所述工业机器人不存在老化异常时,获取所述工业机器人运行检测程序时每个轴的第二自采集数据;根据每个轴的所述第二自采集数据和预先存储的每个轴的检测模型确定所述工业机器人是否发生故障。通过老化异常检测和对每个轴特定检测提高了工业机器人故障检测结果的准确性。
技术领域
本申请涉及工业机器人技术领域,特别是涉及一种工业机器人故障检测方法、装置、计算机设备及存储介质。
背景技术
工业机器人是面向工业领域的多关节机械手或多自由度的机器人。近年来,具有高危、高强度以及重复性等特征的工作岗位逐渐地由工业机器人替代人力进行作业。在实际应用中,由于设备老化或者其他原因会导致工业机器人发生故障,这样会对工业生产造成不良影响。因此,需要对工业机器人进行故障检测。
现有技术中,进行故障检测的方法是:检测工业机器人在工作过程中的重要数据,例如电压、电流、力矩、速度等,然后将该些重要数据分别与其对应的阈值进行比较,当该些重要数据超过或者低于其对应的阈值时,确定出工业机器人发生故障。
然而,上述方法,仅通过阈值比较的方式确定工业机器人是否发生故障,导致故障检测结果的准确度不够。
发明内容
基于此,有必要针对上述故障检测结果的准确度不够的问题,提供一种工业机器人故障检测方法、装置、计算机设备及存储介质。
一种工业机器人故障检测方法,该方法包括:
获取工业机器人在工作状态下每个轴的第一自采集数据;
当根据每个轴的第一自采集数据和预先存储的每个轴的老化模型确定工业机器人不存在老化异常时,获取工业机器人运行检测程序时每个轴的第二自采集数据;
根据每个轴的第二自采集数据和预先存储的每个轴的检测模型确定工业机器人是否发生故障。
在本申请的一个实施例中,当根据每个轴的第一自采集数据和预先存储的每个轴的老化模型确定工业机器人不存在老化异常时,获取工业机器人运行检测程序时每个轴的第二自采集数据之前,该方法还包括:
根据工业机器人在工作状态下每个轴的第一自采集数据确定工业机器人是否存在停机故障;
当工业机器人不存在停机故障时,根据每个轴的第一自采集数据和每个轴的老化模型确定工业机器人是否存在老化异常。
在本申请的一个实施例中,每个轴的第一自采集数据包括每个轴的每个时刻的控制数据和状态数据,根据每个轴的第一自采集数据和每个轴的老化模型确定工业机器人是否存在老化异常,包括:
获取工业机器人在工作状态下的运行轨迹的轨迹编号、运行负载和运行速度;
对于每个轴,将工业机器人在工作状态下的运行轨迹的轨迹编号、运行负载、运行速度、轴在第t时刻的控制数据和轴在第t时刻的状态数据输入轴的老化模型,得到轴的老化模型输出的轴在第t+1时刻的状态数据;
对于每个轴,根据轴的老化模型输出的轴在第t+1时刻的状态数据与轴的第一自采集数据中的第t+1时刻的状态数据确定偏差值;
根据偏差值确定工业机器人是否存在老化异常。
在本申请的一个实施例中,每个轴的第二自采集数据包括每个轴的每个时刻的控制数据和状态数据,根据每个轴的第二自采集数据和预先存储的每个轴的检测模型确定工业机器人是否发生故障,包括:
对于每个轴,将轴在第t时刻的控制数据和轴在第t时刻的状态数据输入轴的检测模型,得到轴的检测模型输出的轴在第t+1时刻的状态数据;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)),未经中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室))许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010129112.2/2.html,转载请声明来源钻瓜专利网。