[发明专利]工业机器人状态监控方法、系统及提示终端

说明书

本发明公开了一种工业机器人状态监控方法、系统及提示终端，该方法包括采集并存储工业机器人的原始数据；选择并筛选原始数据中一段工作时间的数据作为历史参照数据，存储一段工作时间作为参照时间，选择历史参照数据中特征变量的历史极值作为参照区间并存储；选择并筛选原始数据中一个时间段的数据作为实际监控数据并存储；将参照区间和实际监控数据进行比较，计算工业机器人对应于特征变量的超差程度以及绘制可视化视图；基于超差程度，对工业机器人的轴的工作状态进行分类；根据轴的工作状态和可视化数据图，判断出现异常的工业机器人。本发明能够准确及时地判断出现异常的工业机器人，对状态监控过程实现提前风险预警，及时发现问题。

技术领域

本发明涉及工业机器人技术领域，具体而言，涉及一种工业机器人状态监控方法、系统及提示终端。

背景技术

随着我国智能制造领域的飞速发展，工业机器人因其生产效率高、适用于不同的工作环境的特点而被广泛应用。然而，如何对工业机器人的状态进行监控，并在出现异常时及时采取维护措施成为了最为关注的问题。

目前，工业机器人状态监控的方法主要分为两类。第一类是以振动分析为代表的故障诊断方案。振动分析对于机械问题具有较好的识别能力，需要安装振动传感器、数据采集单元及数据处理单元。对于工业机器人而言，由于其工作内容等条件的不同，需要为故障诊断制作专门的机器人程序。对于大规模机器人监控，该类方案的成本高，部署工作量大。再加上工业机器人机械结构的复杂性，故障诊断方案在工业机器人领域尚没有成熟的技术方案及案例。

另一类是以工业机器人制造商提供的数据可视化产品为代表的监控系统，这类系统收集工业机器人的报警报错信息及工业机器人运行数据的特征量，如电流、扭矩等，具有一些简单的统计及可视化功能。报警报错信息统计对一些电器问题，如风扇、电池等具有较强的参考价值。对于运行数据可查看特征量的原始值、平均值、最大值等信息，并对其设置阈值，实现监控的目的。然而，在生产实践中，由于机器人运行轨迹、运行工况、负载条件、工作内容等因素各异，数据的规律性差。此外，数据来自机器人控制器，为不影响机器人控制系统运转，数据传输多为轻量化方案，数据传输频率低，得到的数据呈现碎片化。因此该类方法对机器人的故障指示能力差且误报率高。多数情况下发生故障后回看数据不能发现异常，无法用于机器人的机械问题的状态监控。因此，目前尚无适用于工业机器人机械问题的状态监控方法。

有鉴于此，针对上述问题，有必要设计一种识别精度高、部署工作量低并且适应能力强的工业机器人状态监控方法、系统及提示终端，以便准确及时地判断出现异常的工业机器人，使工业机器人状态监控过程实现提前风险预警，及时发现问题。

发明内容

本发明的目的在于提供一种工业机器人状态监控方法、系统及提示终端，以解决现有技术中识别精度低、部署工作量大并且适应能力差的问题，以便准确及时地判断出现异常的工业机器人，使工业机器人状态监控过程实现提前风险预警，及时发现问题。

为实现上述目的，本发明提供一种工业机器人状态监控方法，包括以下步骤：

采集并存储工业机器人的原始数据；

选择并筛选原始数据中一段工作时间的数据作为历史参照数据，存储一段工作时间作为参照时间，选择历史参照数据中特征变量的历史极值作为参照区间并存储特征变量的参照区间；

选择并筛选原始数据中一个时间段的数据作为实际监控数据并存储实际监控数据，实际监控数据与历史参照数据中相应的参数相同；

将参照区间和实际监控数据进行比较，计算工业机器人对应于特征变量的超差程度以及绘制可视化数据图；其中，还包括：

基于超差程度，对工业机器人的轴的工作状态进行分类；

根据轴的工作状态和可视化数据图，判断出现异常的工业机器人。