CN101162394A

CN101162394A - 异常诊断方法及其装置

Info

Publication number: CN101162394A
Application number: CNA2007101524288A
Authority: CN
Inventors: 上野浩
Original assignee: Okuma Corp
Current assignee: Okuma Corp
Priority date: 2006-10-12
Filing date: 2007-10-11
Publication date: 2008-04-16
Anticipated expiration: 2027-10-11
Also published as: ITMI20071923A1; US7574324B2; US20080091383A1; CN101162394B; DE102007048602A1; JP2008097363A

Abstract

本发明提供一种异常诊断方法及其装置，其不仅可诊断出有无异常，而且还可以确定发生异常的机构要素。选择预先存储的诊断用测定轨迹(S110)，使机械进行预定的诊断用动作，来测定出致动器的驱动动力值(S120)，在S140中，对所测定的驱动动力值和正常驱动时的驱动动力值进行比较，根据预先设定的判定基准来提取出不一致的部位，来作为特征点。在S170的判别中，确认到特征点的提取时，对所提取的特征点和被预测为当在机构要素中发生所设想的异常时在驱动动力值中体现出的预测特征点进行比较，根据两者的一致程度来计算出评价指数。在S180的判别中，如果评价指数在阈值以上，则在S190中推定出发生异常的机构要素。

Description

异常诊断方法及其装置

技术领域

本发明涉及一种异常诊断方法及其装置，其用于在具有致动器和对致动器的动作数据进行检测的检测单元的机床等中诊断其异常。

背景技术

在对具有致动器的机床等的驱动状态进行诊断时多采用以下方法，即通过对机械的异常停止和异常声音的发生、致动器的异常负载进行监视，来感知异常状态，或利用测定仪器来对机械的动作状态进行测定，并对测定结果进行分析，由此进行异常诊断。

但是，在通过异常停止和异常声音发生来进行的异常诊断中，多数情况下异常状态已经发展到很严重的地步。并且，在通过致动器的异常负载监视来进行的异常诊断中，由于正常状态的负载根据机械的动作内容而变化，所以难以设定阈值等评价基准。另外，在使用由测定仪器所测定出的测定结果的异常诊断中，由于花费时间且需要停止生产线，所以不能频繁实施，导致在异常发生一定时间后才发现异常。并且，在这些方法中，由于按照确定出异常部位来实施修理的步骤，所以需要进一步的测定及分析，导致机械的停机时间延长。

另一方面，也可以利用专利文献1所示的方法来代替这些方法，即将致动器的正常动作时间和驱动动力值预先存储在存储单元中，将所检测出的动作时间或驱动动力值与正常的动作时间或驱动动力值进行比较，根据两者的差异大小来诊断严重故障和轻微故障，进行发出警告等处理。

[专利文献1]日本特开2000-250625号公报

专利文献1所示的方法可以说适合于动作系统单一的机构要素的情况，但在动作系统为多个的机构要素的情况下，由于无法确定是哪个机构要素产生异常，所以需要另外进行诊断。特别在诊断对象像并联机构(parallel mechanism)机床那样，机构构成闭环的情况下，有时某个机构要素的异常将给驱动轴等其他机构要素带来影响，产生差异的机构要素中未必存在异常。

发明内容

本发明的目的在于，提供一种异常诊断方法及其装置，即使是动作系统包括多个机构要素的机械，不仅可诊断出有无异常而且还可以确定发生异常的机构要素，可早期且可靠地进行异常诊断。

为了达到上述目的，第1方面的发明的异常诊断方法使机械进行预先设定的诊断用动作来进行异常诊断，该机械具有致动器和对该致动器的动作数据进行检测的检测单元，所述异常诊断方法的特征在于，其具有如下步骤：第1步骤，在该步骤中，在所述机械的诊断时使其进行所述诊断用动作，将由所述检测单元所得到的动作数据、与预先在机械正常驱动时使其进行所述诊断用动作而得到的正常驱动时的动作数据进行比较，提取出不一致的部位，来作为特征点；第2步骤，在该步骤中，根据在第1步骤中提取出的特征点的有无，来判断机械有无异常；第3步骤，在该步骤中，当在第2步骤中判断为异常时，对在第1步骤中提取出的特征点、和被预测为当在构成所述机械的动作系统的机构要素中发生所设想的异常时在所述动作数据中体现出的特征点进行比较，判断两者的一致程度；以及第4步骤，在该步骤中，根据在第3步骤中判断的一致程度，来推定发生异常的机构要素。

为了达到上述目的，第2方面的发明的异常诊断装置使机械进行预先设定的诊断用动作来进行异常诊断，该机械具有致动器和对该致动器的动作数据进行检测的检测单元，所述异常诊断装置的特征在于，其具有：特征点提取单元，其对在所述机械的正常驱动时使其进行所述诊断用动作时由所述检测单元所得到的动作数据、和在所述机械的诊断时由所述检测单元所得到的动作数据进行比较，提取出不一致的部位，来作为特征点；状态诊断单元，其根据有无由所述特征点提取单元所提取的特征点，来判断机械有无异常；异常时特征点存储单元，其存储被预测为当在构成所述机械的动作系统的机构要素中发生所设想的异常时在所述动作数据中体现出的特征点；以及异常部位推定单元，其对由所述特征点提取单元所提取的特征点和由所述异常时特征点存储单元所存储的特征点进行比较，根据两者的一致程度来推定发生异常的机构要素。

第3方面的发明在第2方面的发明中，特征点提取单元求出正常驱动时的动作数据和诊断时的动作数据的差分波形，在所得到的波形中提取出满足被预先设定为异常状态指标的基准的部位，来作为特征点。

第4方面的发明在第2方面或第3方面的发明中，在异常时特征点存储单元中，存储有从在各个机构要素实际发生异常时所测定的动作数据中提取出的特征点。

根据本发明，在任意定时使机械进行诊断用动作，由此可以推定机械有无异常并推定发生异常的机构要素。因此，即使是像并联机构机床那样机构构成闭环的诊断对象，也能够早期且可靠地进行异常诊断。

附图说明

图1是安装有异常诊断装置的并联机构机床的立体图。

图2是异常诊断装置的概要结构图。

图3是异常诊断方法的流程图。

图4是异常诊断方法的流程图。

图5(A)是实施例的预测特征点的一例，(B)是实施例的正常时驱动动力值的波形的一例，(C)是实施例的异常时驱动动力值的波形的一例，(D)是实施例的从差分波形的特征点提取示例。

标号说明

1：框架；2a～2f：第1万向接头；3a～3f：伺服电动机；4a～4f：滚珠丝杠；5a～5f：第2万向接头；6：末端执行器；7：工作台；10：异常诊断装置；11：动作系统；12：NC装置；14：负载检测器；15：运算控制部；16：负载监视单元；17：诊断用测定轨迹存储单元；18：正常时动力值存储单元；19：异常时特征点存储单元；20：特征点提取单元；21：状态诊断单元；22：异常部位推定单元。

具体实施方式

以下，根据附图说明本发明的实施方式。

图1是安装有本发明的异常诊断装置的并联机构机械的一例的立体图，其透视为容易观察一部分要素。该并联机构机械是6自由度斯图沃特平台(Steward plat-from)式并联机构机床，在框架1上通过6个第1万向接头2a～2f分别安装有作为具有编码器的致动器的伺服电动机3a～3f。在各个伺服电动机3a～3f上分别安装有滚珠丝杠4a～4f，在各个滚珠丝杠4a～4f的下端，通过6个第2万向接头5a～5f安装有具有刀具安装部和刀具旋转机构的末端执行器6。7表示放置工件的工作台。

图2是表示异常诊断装置的概略的框图，异常诊断装置10包括设于并联机构机床的动作系统11中的构成部、和设于NC装置12中的构成部。首先，在动作系统11中设有伺服控制器13，该伺服控制器13根据从NC装置12的运算控制部15输出的发送指令，向伺服电动机3a～3f提供负载电流。此时的负载电流值通过负载检测器14被检测为驱动动力值，并存储在NC装置12的负载监视单元16中。负载监视单元16从负载检测器14获取伺服电动机3a～3f的驱动动力值，并存储为时间序列数据。

另一方面，在NC装置12中，运算控制部15从诊断用测定轨迹存储单元17获取进行测定的轨迹数据，计算滚珠丝杠4a～4f的动作指令并发送给伺服控制器13，实施预定的诊断用动作。作为诊断用动作存储单元的诊断用测定轨迹存储单元17存储预先设定的诊断用测定轨迹的数据，根据来自运算控制部15的指令，发送进行测定的诊断轨迹的数据。

并且，针对每个存储在诊断用测定轨迹存储单元17中的诊断轨迹的数据，正常时的负载数据被存储在正常时动力值存储单元18中，另一方面，被预测为当在滚珠丝杠等机构要素中发生所设想的异常时将发生的负载数据的特征点(预测特征点)的分布被存储在异常时特征点存储单元19中。

20表示特征点提取单元，其求出由负载监视单元16所存储的诊断轨迹中的负载数据、与由正常时动力值存储单元18所存储的诊断轨迹中的正常时的负载数据的差分，提取表示驱动动力值的异常状态的特征点。状态诊断单元21对由该特征点提取单元20在各个测定轨迹中所提取的检测特征点的提取数进行监视，在测定结束时特征点的提取数为0的情况下，判断为机械状态正常，结束诊断处理。

并且，异常部位推定单元22对通过状态诊断单元21所提取的检测特征点、和由异常时特征点存储单元19所存储的各个机构要素的异常所对应的预测特征点进行比较，推定出与检测特征点对应的异常机构要素。

另外，存储在诊断用测定轨迹存储单元17中的诊断用测定轨迹被预先设定为一个或多个。这样构成的NC装置12在利用所述各个单元来针对所有诊断轨迹进行各个机构要素的评价后，利用通知单元23警告显示作为异常原因的候选而列出的机构要素。

根据图3和图4，说明由如上所述构成的异常诊断装置10所进行的异常诊断方法的流程图。

图3表示从诊断测定到异常部位推定的一系列流程，图4表示其中从测定波形提取出特征点以及与预测特征点的匹配的流程。

首先，在图3中，针对从步骤(简单表述为S)100到160的循环1，执行所设定的诊断用测定轨迹数(测定条件数)次。首先，在S110中，获取测定条件。即，从诊断用测定轨迹存储单元17选择进行测定的轨迹数据。然后，在S120中，根据所选择的诊断轨迹数据，使并联机构机床动作，从负载检测器14获取伺服电动机3a～3f的驱动动力值，并保存在负载监视单元16中。

然后，针对从S130到S150的循环2，执行伺服电动机3a～3f的数量次。在该循环2中，针对测定轨迹中的各个伺服电动机3a～3f的驱动动力值，将其与和在机械正常时预先测定并存储在正常时动力值存储单元18中的相同轨迹中的驱动动力值进行比较，执行进行特征点的提取、匹配的异常诊断处理。图4表示该异常诊断处理的具体情况。

首先，读入在S120中所测定的各个伺服电动机3a～3f的驱动动力值、和预先存储的正常时的驱动动力值(S300和310)，特征点提取单元20求出两者的差分波形(S320)。然后，针对所得到的差分波形，计算预先确定为异常状态的判断指标的参数，提取出超过基准值的部位来作为特征点。在此，确定为判断指标的参数依赖于所预测的机构要素的异常状态，但在本实施例中，提取出差分波形的极值来作为特征点。这样求出差分波形的极值，提取出超过阈值的部位来作为特征点(S330)。

然后，如果在S340的判别中没有确认到特征点的提取，则状态诊断单元21判断为该测定轨迹中的各个伺服电动机3a～3f的驱动动力值波形没有出现异常，跳过特征点的匹配处理，而结束异常诊断。

另一方面，在提取到特征点的情况下，异常部位推定单元22针对从S350到S390的循环3，执行作为异常诊断的对象的机构要素的数量次。

首先，在S360中，针对该测定轨迹中的各个伺服电动机3a～3f，从异常时特征点存储单元19读入该机构要素的预测特征点的分布。然后，在S370中，对在S360中所读入的特征点分布和在S330中所提取的检测特征点进行比较，如果判断为一致，则在S380中再次计算该机构要素的一致程度评价指数。

在这样执行了预定数量次循环1～3后，如果在检测特征点的提取处理中，在哪个诊断轨迹中都没有检测到特征点，则判断为机械状态正常，结束机械诊断(S170和210)。

另一方面，在检测到特征点的情况下，判断为产生某种异常，使用各个机构要素的特征点一致程度评价指数来进行异常要素的推定。在此，在哪个机构要素的评价指数都没有超过预先设定的阈值的情况下，判断为用于推定异常部位的信息较少，不进行异常部位的推定，而只警告发生异常(S180和200)。但是，在针对任一个机构要素的评价指数超过阈值的情况下，警告针对阈值以上的机构要素推定为发生异常(S190)。

另外，评价指数的计算方法可以任意设定，在预想为根据测定轨迹，机构要素的异常对驱动动力值的影响的体现容易程度会产生差异的情况下，可以对评价指数进行加权来处理。

[实施例]

以下，说明由上述异常诊断装置10所进行的异常诊断的实施例。

假设第1万向接头2a～2f中任一个的旋转轴发生异常而使旋转摩擦异常增大的情况下，当该旋转轴进行反转动作时，末端执行器6的动作被临时约束，各个伺服电动机3a～3f的负载增大。此时，预测为在各个伺服电动机3a～3f的负载中在图5(A)所示那样的旋转轴反转时刻t₁和t₂附近出现成为极值的凸波形，所以在异常时特征点存储单元19中存储时刻t₁和t₂来作为预测特征点。

根据针对各个机构要素所设想的异常事例来进行以上设定。另外，本操作只在诊断用测定轨迹设定时进行一次即可，无需在每次测定时实施。

在执行诊断时，按照以下所述提取出所测定的驱动动力值的波形中的特征点。

图5(B)表示测定轨迹i、伺服电动机j中的正常时的驱动动力值的波形，在机械诊断时，在相同测定轨迹中得到该图(C)所示的驱动动力值的波形。在该情况下，正常时和诊断时的驱动动力值的差分波形为该图(D)所示的波形。特征点提取单元20从该图5(D)的差分波形提取特征点。此时，测定驱动动力值由于噪声的影响而包括高频成分，所以优选预先使用低通滤波器等来去除高次成分。

这样进行差分波形的一阶微分和二阶微分的计算，求出差分驱动动力值成为极值的时刻t₁’～t₃’。

在此，为了去除干扰的影响，也可以将阈值设为所提取的极值。

然后，异常部位推定单元22将所得到的时刻t₁’～t₃’与预测特征点进行比较，求出一致数。在本实施例中，对各个测定轨迹的驱动动力值中的预测特征点和检测特征点的时刻信息进行比较，如果两者的时间差在设定阈值内，则判断为特征点一致。当把测定轨迹i、伺服电动机j中的基于机构要素k的预测特征点数设为n_eijk，而把特征点一致数设为n_dijk时，一致程度评价指数V_ijk可以按照下式1来定义。

[式1]

V_{ijk} = \frac{n_{dijk}}{n_{eijk}}

在此，在V_ijk接近1、即与预测特征点一致的检测特征点较多的情况下，可知在测定轨迹i、伺服电动机j中的驱动动力值的测定波形中，由机构要素k的异常所造成的影响表现得较大，所以对所得到的差分波形，针对所有机构要素k进行计算，由此可求出驱动动力值的测定波形中的各个机构要素的影响程度。

针对所测定的所有驱动动力值进行以上处理，按照如下所示的式2，针对所有测定轨迹、所有测定驱动动力值求出平均值。在此，由于V_k接近1的要素被推定为异常原因，所以把上位要素作为异常原因的候选，利用通知单元23来进行警告。

[式2]

V_{k} = \frac{1}{I} \frac{1}{m} Σ_{i = 1}^{l} Σ_{j = 1}^{m} V_{ijk}

l：测定轨迹数

m：伺服电动机数

V_k：机构要素k中的特征点一致程度

这样，根据本实施方式的异常诊断方法及其装置，在任意定时使机械进行诊断用动作，由此可以诊断机械有无异常，还可以推定出产生异常的机构要素。因此，即使是像并联机构机床那样机构构成闭环的诊断对象，也能够早期且可靠地进行异常诊断。

另外，在所述一系列的异常部位推定中，存在在单一测定轨迹中基于各个机构要素的特征点重复的情况，有可能使异常部位推定的精度降低，所以基于多个轨迹的实施诊断是有效的。

并且，在上述方式中，作为动作数据而对伺服电动机的驱动动力值进行检测，但不限于这种驱动动力值，也可以根据各个致动器中的指令位置和由位置检测器所检测出的位置的偏差(位置偏差值)来进行诊断。即，在机械正常驱动时，预先存储在诊断用动作时所检测的位置偏差值，并与在诊断时所测定的位置偏差值进行比较，如果提取出特征点，则通过与上述方式相同的处理来进行异常诊断。

另外，在异常时特征点存储单元中，除了预测为当在机械的各个机构要素中发生异常时在动作数据中体现出的特征点之外，也可以存储从在机构要素实际产生异常时所测定的驱动动力值和位置偏差值等动作数据中提取出的特征点。

并且，在本实施方式中，作为诊断对象以并联机构机械为例进行了说明，但本发明不限于并联机构机械，一般也可以适用于由具有驱动动力值或位置偏差值等动作数据的检测单元的致动器所驱动的所有动作系统。

Claims

1.一种异常诊断方法，该异常诊断方法使机械进行预先设定的诊断用动作来进行异常诊断，该机械具有致动器和对该致动器的动作数据进行检测的检测单元，所述异常诊断方法的特征在于，其具有如下步骤：

第1步骤，在该步骤中，在所述机械的诊断时使其进行所述诊断用动作，将由所述检测单元所得到的动作数据、与预先在机械正常驱动时使其进行所述诊断用动作而得到的正常驱动时的动作数据进行比较，提取出不一致的部位，来作为特征点；

第2步骤，在该步骤中，根据在第1步骤中提取的特征点的有无，来判断机械有无异常；

第3步骤，在该步骤中，当在第2步骤中判断为异常时，对在第1步骤中提取出的特征点、和被预测为当在构成所述机械的动作系统的机构要素中发生所设想的异常时在所述动作数据中体现出的特征点进行比较，判断两者的一致程度；以及

第4步骤，在该步骤中，根据在第3步骤中判断的一致程度，来推定发生异常的机构要素。

2.一种异常诊断装置，该异常诊断装置使机械进行预先设定的诊断用动作来进行异常诊断，该机械具有致动器和对该致动器的动作数据进行检测的检测单元，所述异常诊断装置的特征在于，其具有：

特征点提取单元，其对在所述机械正常驱动时使其进行所述诊断用动作时由所述检测单元所得到的动作数据、和在所述机械的诊断时由所述检测单元所得到的动作数据进行比较，提取出不一致的部位，来作为特征点；

状态诊断单元，其根据由所述特征点提取单元所提取的特征点的有无，来判断机械有无异常；

异常时特征点存储单元，其存储被预测为当在构成所述机械的动作系统的机构要素中发生所设想的异常时在所述动作数据中体现出的特征点；以及

异常部位推定单元，其对由所述特征点提取单元所提取的特征点和由所述异常时特征点存储单元所存储的特征点进行比较，根据两者的一致程度来推定发生异常的机构要素。

3.根据权利要求2所述的异常诊断装置，特征点提取单元求出正常驱动时的动作数据和诊断时的动作数据的差分波形，在所得到的波形中提取出满足被设定为异常状态指标的基准的部位，来作为特征点。

4.根据权利要求2或3所述的异常诊断装置，在异常时特征点存储单元中，存储有从在各个机构要素实际发生异常时所测定的动作数据中提取出的特征点。