[发明专利]一种工业机器人故障诊断方法

说明书

技术领域

本发明涉及工业机器人和故障诊断技术领域，具体地说，是指一种工业机器人故障诊断方法，通过建立工业机器人完整的故障树，进而实现对工业机器人的状态监测和故障诊断。

背景技术

随着“工业4.0”，“智能制造”和“中国制造2025”等发展目标的相继提出和逐步明确，工业机器人作为一种集自动化、信息化、智能化于一体的制造装备，在工业生产中正发挥着越来越重要的作用。保证工业机器人在运行过程中的可靠性、稳定性和安全性，是保证工业生产有条不紊地持续进行的重要条件。然而，工业机器人本身复杂的机电结构和所处的多变的工作环境，给维护工作带来了不小的挑战。

故障诊断(Fault Diagnosis)是指通过检测机械设备在相对静止条件下或运行中的状态信息，对测量信号进行处理和分析，结合已知的结构特性和参数以及诊断对象的历史状况，定量地识别机械设备及其零部件的实时状况，在设备没有发生故障之前，对其运行状况进行预报，并预知有关异常或故障；在故障发生之后，对故障的部位、原因和程度做出及时判断，从而确定维护方案。传统的维护方式，主要包括事后维修和定期维护，早已无法满足近现代工业设备维护的需要。现代故障诊断技术自20世纪70年代诞生以来，在提高系统的可靠性和安全性方面发挥了重要作用。现代故障诊断主要包括状态监测、故障诊断和故障预测三个方面的内容。

工业机器人的工作特点在于它是周期性地执行相同的任务,这在一定程度上给故障诊断带来了便利。但同时,由于工业机器人执行的是高速的生产任务,其故障诊断需要尽可能地满足实时性的要求。因此，工业机器人的故障诊断需要一种简单、直观、实用且易于实现的故障诊断方法，以保障运行的安全性，保证工作精度，提高维护效率，节约维护费用。

发明内容

为了克服现有技术的不足，解决特定工业领域的专业技术问题，本发明提出了一种适用于工业机器人的简单、直观、实用且易于实现的故障诊断方法。

本发明的一种工业机器人故障诊断方法，主要通过以下步骤实现：

第一步，构建工业机器人的参数化物理模型；

第二步，构建工业机器人的完整故障树模型；

第三步，获取工业机器人的实时运行数据；

第四步，对工业机器人的实时运行状况进行动态仿真；

第五步，根据理论分析结果与实际监测结果进行故障判断；

第六步，根据故障树模型，进行故障推理，寻找导致故障的所有可能原因；

具体为：将工业机器人的故障症状特征与故障树各结点的内容进行匹配与验证；匹配的方向为自顶向下，逐步细化，直至得到故障发生的所有可能原因。

第七步，对故障的可能原因进行逐一诊断，“对症下药”，生成对应的调控指令，驱动机器人运动，根据反馈信息对故障原因进行确认。

第一步中构建工业机器人的参数化物理模型的具体过程为：

101)通过对工业机器人的机械结构进行手动测量，或者更多的情况下是根据其设计图纸或三维模型等，直接得到工业机器人的关键物理参数，包括结构尺寸和质量分布，并通过计算得到惯量等物理参数；

102)根据101)中所述物理参数，依据D-H参数法，构建工业机器人的运动学模型，建立起关节角度和末端执行器位姿之间的关系；

103)根据101)中所述尺寸、质量和惯量参数，依据牛顿-拉格朗日法，构建工业机器人的动力学模型，建立起关节角度、角速度、角加速度和关节力矩之间的关系。

第二步中构建工业机器人的完整故障树模型的具体过程为：

201)从以往的故障实例和诊断经验中，提取和总结故障诊断知识，初步建立机器人的故障树模型；所述故障诊断知识包括故障的编号、症状、原因、部位、重要程度和解决方案；

202)根据理论分析和逻辑推理的结果，整理补充和完善201)中的故障树模型，逐步建立起完整的故障树模型。

第三步中获取工业机器人的实时运行数据具体过程为：

301)从机器人控制系统中读取PLC控制指令、电源电压、电机电流；

302)从机器人控制系统中读取运动学数据，包括关节角度、角速度、角加速度；

303)从机器人控制系统中读取相关动力学数据，主要包括电机转矩、转速；

304)从外部传感器读取环境的温度、湿度，各关节臂的倾角、振动数据。

第四步中动态仿真具体为：

401)根据102)的运动学模型和302)的实时运动学数据，对工业机器人的实时运动姿态进行仿真，以数据驱动三维物理模型的方式将工业机器人的运动过程进行展现；