[发明专利]一种基于电流检测的工业机器人故障诊断方法

说明书

本发明涉及工业机器人技术领域，尤其涉及一种基于电流检测的工业机器人故障诊断方法。本发明采用如下技术方案：先采集工业机器人运行时的反馈电流，然后将采集到的电流数据进行能量特征提取，得到反馈电流的能量特征数据，接着将能量特征数据输入到CNN网络中进行训练，得到CNN模型，最后将待检测的工业机器人的反馈电流经过能量特征提取后输入到CNN模型中得到分类结果。本发明的优点在于：直接通过机器人控制器对工业机器人运行过程中的反馈电流进行采集，方便数据的采集，可实现定时、定量、定运行动作的数据采集；且反馈电流的采集受外界噪声干扰小，对机器人故障的诊断更稳定高效；同时无需额外安装传感器，节省成本。

技术领域

本发明涉及工业机器人技术领域，尤其涉及一种基于电流检测的工业机器人故障诊断方法。

背景技术

工业机器人长期以来一直被用于生产系统，以提高自动化制造过程中的生产率、质量和安全性。然而在生产线上，随着工业机器人运行时长的不断增加，工业机器人出现故障的概率也随之增加，不同原因的故障导致工业机器人的意外停机有可能导致整个生产线中断，从而造成经济和生产损失。

在现有关于工业机器人故障诊断的技术中，主要包括：1）刘树伟2016年硕士学位论文《基于HMM与专家系统的工业机器人故障诊断研究》；2）吴佳朋2019年硕士学位论文《基于迁移学习的工业机器人运行状态监测研究》；3）陈友东教授2017年发明专利《一种工业机器人故障诊断方法》CN201710321410.X；4）杨润贤2020年发明专利《一种工业机器人故障诊断方法》申请号CN202010382290.6。其中1）、2）、4）均利用振动传感器进行振动信号的分析，而3）则利用机器人的实时数据进行动态仿真，根据理论分析结构与实际监测结果进行故障判断。

由于目前故障诊断技术大多是基于振动信号分析，结果分析的准确性和有效性对传感器的位置和环境噪声非常敏感，而且现场环境不适合在机械臂上安装额外的传感器，此外，当安装的传感器出现故障时，需要机器人停机检查和更换传感器，这将会造成额外成本和非计划停机。

发明内容

本发明的目的在于公开一种工业机器人故障诊断方法，具体在于公开一种无需额外安装传感器、通过采集工业机器人运行过程中的反馈电流并进行分析以对工业机器人的故障进行诊断的方法。

为达到上述目的，本发明采用如下技术方案：一种基于电流检测的工业机器人故障诊断方法，包括如下步骤：

S01、电流信号采集；采集工业机器人在不同状态和不同动作下运行时的反馈电流，并保存到工业机器人的控制器中。

S02、信号特征提取；对采集到的反馈电流信号进行小波包能量特征分解，并将分解后得到的能量特征成分按从低频到高频的顺序依次排列形成一维能量特征数据。

S03、CNN诊断网络构建；将步骤S02中得到的能量特征数据输入到CNN网络中进行训练，以此建立CNN模型。

S04、从待测工业机器人中采集电流反馈数据，并将采集到的数据按照步骤S02进行特征提取，然后输入到步骤S03中保存的CNN模型中，即得到待测工业机器人的状态分类结果。

进一步的，步骤S02中还包括，将一维的能量特征数据转化为二维的能量特征矩阵；步骤S03中输入CNN网络的能量特征数据为二维的能量特征矩阵。

具体的，步骤S03中建立CNN模型具体包括如下步骤：

1）定义卷积层的卷积核的大小和数目，以及卷积核进行卷积的步长。

2）定义最大池化层的大小，并利用RULE作为激活函数对卷积层进行处理得到最大池化层。

3）继续利用RULE作为激活函数对最大池化层进行处理得到全连接层。