CN106647286B - 一种搬运类工业机器人早期故障排除试验方法 - Google Patents

一种搬运类工业机器人早期故障排除试验方法 Download PDF

Info

Publication number
CN106647286B
CN106647286B CN201710082770.9A CN201710082770A CN106647286B CN 106647286 B CN106647286 B CN 106647286B CN 201710082770 A CN201710082770 A CN 201710082770A CN 106647286 B CN106647286 B CN 106647286B
Authority
CN
China
Prior art keywords
robot
test
load
track
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710082770.9A
Other languages
English (en)
Other versions
CN106647286A (zh
Inventor
李国发
周诗金
杨兆军
许彬彬
何佳龙
张建成
胡炜
霍永超
王升旭
宋鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201710082770.9A priority Critical patent/CN106647286B/zh
Publication of CN106647286A publication Critical patent/CN106647286A/zh
Application granted granted Critical
Publication of CN106647286B publication Critical patent/CN106647286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种搬运类工业机器人早期故障排除试验方法,克服了现有技术存在的机器人早期故障排除试验时间长、经济成本高的问题,工业机器人早期故障排除试验方法的步骤为:1.建立受试机器人的可靠性模型:1)建立受试机器人的强度函数;2)采用极大似然法对受试机器人强度函数中的未知参数进行估计;2.计算受试机器人从早期故障期到偶然故障期的时间拐点:1)计算经验失效函数;2)计算模式类别函数V1、V2;3)求解时间拐点;3.在求得时间拐点的基础上对受试机器人的试验时间进行优化;4.受试机器人整机早期故障排除试验:1)试验之前的准备条件;2)功能性试验;3)空运转试验;4)整机负荷性试验;5)整机精度及性能检验试验。

Description

一种搬运类工业机器人早期故障排除试验方法
技术领域
本发明涉及一种用于工业机器人早期故障的排除方法,更确切地说,本发明涉及一种搬运类工业机器人早期故障排除试验方法。
背景技术
当前我国大力发展工业机器人,在《中国制造2025》中工业机器人更是处于核心地位。随着人力成本升高,人口红利逐渐消失,机器换人愈演愈烈,因此机器人有着良好的应用前景和广阔的市场。然而我国工业机器人发展落后,其可靠性远低于国外同类产品,随着工业机器人自由度的增加和性能的提升,其早期故障也逐渐增多。一般来说,工业机器人的故障强度函数曲线符合“浴盆曲线”规律,在使用早期,其内部往往隐藏着大量的设计制造缺陷和故障隐患,比如配套元器件的质量差、失误的设计或者制造工艺的不成熟等,这些问题需要在出厂以前加以解决。因此,工业机器人做好早期故障排除工作,对于机器人企业提供可靠性高的工业机器人就变得至关重要。
我国关于机器人的早期故障排除试验的研究起步较晚,目前虽然有一些关于机器人早期故障消除的方法,但是缺乏系统的、完善的、能够让机器人企业和用户接受的早期故障排除试验方案。因此在现有技术框架下,必须找到一种合适的,行之有效的机器人早期故障排除试验方法
发明内容
本发明所要解决的技术问题是克服了现有技术存在的机器人早期故障排除试验时间长、经济成本高的问题,提供了一种搬运类工业机器人早期故障排除试验方法。
为解决上述技术问题,本发明是采用如下技术方案实现的:所述的一种搬运类工业机器人早期故障排除试验方法的步骤如下:
1)建立受试机器人的可靠性模型:
a)建立受试机器人的强度函数:
(1)受试机器人故障强度函数由早期故障期和偶然故障期两部分组成,并且每一阶段都是一个威布尔过程,则该受试机器人故障强度函数为:
Figure GDA0002384752630000011
(2)累积故障强度函数为:
Figure GDA0002384752630000012
式中:α1、α2、β1、β2>0,α1、α2是尺度参数,β1、β2是形状参数,t是故障发生累积运行时间,由于该模型是两重威布尔过程构成,其强度函数具有非单调的浴盆曲线趋势,因此该模型的两个形状参数具有如下关系:
1-1)(β2-1)<0 (3)
(3)强度函数为威布尔过程,当0<β<1,表示不断改良的好系统;当β>1,表示不断恶化的坏系统,因此假设β1<1,β2>1;
b)采用极大似然法对受试机器人强度函数中的未知参数进行估计:
得受试机器人的故障强度函数即所建立的可靠性模型:
Figure GDA0002384752630000021
式中:
Figure GDA0002384752630000022
是对α1、α2的估计值,
Figure GDA0002384752630000023
是对β1、β2的估计值;
2)计算受试机器人从早期故障期到偶然故障期的时间拐点:
采用聚类分析的方法来求解受试机器人从早期故障期到偶然故障期的时间拐点:
a)计算经验失效函数;
b)计算模式类别函数V1、V2
(1)找出rs中的最大值,记为rmax,将rs进行归一化,如下式:
Figure GDA0002384752630000024
式中:rs为经验失效函数;
(2)将ys分成两组,第一组范围为1≤s≤su,第二组范围为su+1≤s≤q,1≤su≤q-1;
(3)分别计算两组数据ys的均值,第一组记为μ1(s),第二组记为μ2(s),则有如下表达式:
Figure GDA0002384752630000025
Figure GDA0002384752630000026
式中:e、f表示元素下标
(4)分别计算每组数据与均值的差的绝对值,第一组记为d1(s),第二组记为d2(s),则有如下表达式:
d1(s)=|ys1(s)| s=1,2,......,q (22)
d2(s)=|ys2(s)| s=1,2,......,q (23)
(5)分别计算每组数据的模式类别函数,第一组数据记为V1(s),第二组数据记为V2(s),则有如下表达式:
V1(s)=1-d1(s) s=1,2,......,q (24)
V2(s)=1-d2(s) s=1,2,......,q (25)
式(20)与式(21),式(22)与式(23),式(24)与式(25)均应看作是联立的方程组;
c)求解时间拐点
(1)绘制V1、V2的折线图,V1、V2的第一个交点即受试机器人的时间拐点,记时间拐点为tg
存在如下条件:
Figure GDA0002384752630000031
(2)利用线性插值计算tg,存在如下关系.
Figure GDA0002384752630000032
得到:
Figure GDA0002384752630000033
式(25)中,存在如下关系:
Figure GDA0002384752630000034
Figure GDA0002384752630000035
通过以上方法即求得受试机器人的时间拐点tg
3)对受试机器人的试验时间进行优化:
(1)假设机器人销售价格为H1,相应的机器人的制造成本为H2,销售成本为H3;机器人企业在自身企业进行早期故障排除试验单位时间试验成本为I1,主要包括机器人企业进行早期故障排除需要承担水费、电费、材料耗损费、相关仪器费用和工人工资;发生一次故障维修费用为Ew;机器人在用户企业发生一次早期故障,机器人企业在用户企业的一次维修时间为Tw1,相应的维修费用为Ew1;用户企业使用机器人在单位时间内产生的毛利润为J1,单位时间内机器人运转的成本为J2
(2)假设机器人企业在自身企业进行早期故障排除试验时间为topt,即优化后的时间,因为机器人每次发生的故障不尽相同,所以一次维修费用和维修时间都不尽相同,但是它们都满足一定范围,假设机器人企业在自身企业一次维修费用Ew∈[EwL,EwU],由于机器人企业派人去用户企业进行维修故障的费用和时间最高,因此假定机器人企业在用户企业一次维修费用Ew1与Ew成比例,设E w1=AEw,A>1,假设机器人企业在用户企业一次维修时间Tw1∈[Tw1L,Tw1U];
(3)机器人企业早期故障期的成本:
Figure GDA0002384752630000041
(4)机器人企业早期故障期利润:
L1=H1-N1 (30)
(5)用户企业在早期故障期的成本和损失之和:
Figure GDA0002384752630000042
(6)用户企业的利润:
Figure GDA0002384752630000043
(7)机器人企业和用户企业在早期故障期单位成本效益:
Figure GDA0002384752630000044
(8)建立如下优化模型:
Figure GDA0002384752630000045
Figure GDA0002384752630000046
当Ew=EwL,Tw1=Tw1L时,z具有最大值,记为zU
当Ew=EwU,Tw1=Tw1U时,Z具有最小值,记为ZL
(9)利用区间数学理论,令m(Z)为目标函数区间的中间值,ρ(Z)为目标区间的半径,ZU和ZL分别为目标函数Z的最大值和最小值,则存在如下关系:
Figure GDA0002384752630000047
Figure GDA0002384752630000048
(10)通过线性加权组合法,将两目标不确定优化问题转化为单目标优化问题,如下所示:
Figure GDA0002384752630000049
式(37)中,θ为权重系数,其取值范围为θ∈[0,1],θ的选取依靠对实际问题充分的了解;δ和γ为使
Figure GDA0002384752630000051
为非负的常数,
Figure GDA0002384752630000052
和Ψ为标准化因子,其表达式如下:
Figure GDA0002384752630000053
Ψ=min(ρ(Z)+γ) (39)
(11)采用现代智能算法,利用MATLAB提供的工具箱对(37)式进行求解,从而求得试验优化时间topt
4)受试机器人整机早期故障排除试验。
技术方案中所述的采用极大似然法对受试机器人强度函数中的未知参数进行估计是指:
(1)受试机器人的故障发生累积运行时间数据来自K台受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人故障数据,第i台的故障观测时间为[0,Ti],Ti为现场试验的截尾时间,t0≡0,采用极大似然估计法估计相应参数,得相应的似然函数为:
Figure GDA0002384752630000054
式中:ni表示第i台机器人在故障观测时间中发生的故障总数,tij表示第i台机器人发生第j个故障时的故障发生累积运行时间,α1、α2是尺度参数,β1、β2是形状参数;
(2)对式(4)求其对数函数,得表达式:
Figure GDA0002384752630000055
(3)由累积故障函数可得:
Figure GDA0002384752630000056
式(6)中
Figure GDA0002384752630000057
为累计故障强度函数W(Ti)的估计值;
(4)由式(6)可得:
Figure GDA0002384752630000061
(5)由式(7)将式(5)转换为三参数的函数,即:
Figure GDA0002384752630000062
(6)似然函数参数估计转化为以下求最大化问题:
Figure GDA0002384752630000063
(7)利用MATLAB工具箱,选择初始值,迭代求解,根据经验在没有合适的初始值情况下,假设:
Figure GDA0002384752630000064
(8)由此求得受试机器人的故障强度函数。
技术方案中所述的计算经验失效函数是指:
(1)将K台受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人的故障发生累积运行时间按从小到大的顺序排序,记作t1、t2、......、tm,找出其中的最小值和最大值,分别记作tmin和tmax,选取略小于或等于tmin的数a,略大于或等于tmax的数b;
(2)依据经验公式(12)确定组数q;
q=[1+3.32lgm] (12)
式(12)中,[]表示取整;
(3)把区间(a,b)分成q个子区间,第s个子区间为(ts-1,ts],ts处右连续,假设各子区间的长度相等,其组距为:
Figure GDA0002384752630000065
(4)计算各子区间包含的故障发生累积运行时间次数,分别记作C1,C2,......,Cq
(5)取各子区间的中值代表该子区间,如下式:
Figure GDA0002384752630000071
(6)计算间隔时间:
Figure GDA0002384752630000072
Figure GDA0002384752630000073
Figure GDA0002384752630000074
(7)经验失效函数表达式如下:
Figure GDA0002384752630000075
技术方案中所述的受试机器人整机早期故障排除试验是指:
1)试验之前的准备条件:
(1)机器人应安装完毕并可全面操作;
(2)机器人性能试验和电磁兼容试验均已完成;
(3)机器人在进行早期故障排除试验之前应预热运行;
(4)测量设备应能对机器人被测特性充分描述;
(5)机器人和测量仪器在试验前应置于试验环境足够长时间,为一昼夜,以使机器人和测量仪器在试验前处于热稳定状态;
(6)试验环境应有安全措施,保证试验人员人身安全;
2)功能性试验:
(1)手动功能性试验;
(2)自动功能性试验;
3)空运转试验:
空运转试验指整机空运转试验,包括以下两个步骤:
(1)选择机器人几种典型运动轨迹,参考矩形轨迹、圆形轨迹、空间样条曲线轨迹及该机器人在用户现场的工况轨迹,每种运动轨迹中试验速度依次为额定速度的10%、50%和100%,编制相应的程序;
(2)机器人在空运转试验步骤(1)中所选试验轨迹和速度下做连续空运转,各项功能循环时,每个循环之间的停止时间不得超过60s,每种轨迹连续运行至少10次;
4)整机负荷性试验;
5)整机精度及性能检验试验。
技术方案中所述的整机负荷性试验是指:
整机负荷性试验包括工况负载试验和指定负载试验;
1)工况负载试验:
(1)选择机器人在用户企业工作现场夹持的工件,设定机器人的运动轨迹为用户企业工作现场的运动轨迹,试验速度依次为额定速度的10%、50%、100%;
(2)机器人在工况负载试验步骤(1)中所选试验轨迹和速度下循环运动,每次循环之间的停止时间不得超过30s,每种速度下轨迹循环运行30次;
2)指定负载试验:
(1)依次选取20%、40%、......、100%额定负载,选择典型运动轨迹,为矩形轨迹、圆形轨迹或工况轨迹,分别以10%、50%、100%额定速度运动;
(2)机器人在指定负载试验步骤(1)中所选运动轨迹和速度下循环运动,每次循环之间的停止时间不得超过30s,循环运行试验次数根据每种负载,每种速度进行计算。
技术方案中所述的循环运行试验次数根据每种负载,每种速度进行计算是指:
a.假设机器人搬运物体的重量分布服从正态分布,正态分布模型如下:
Figure GDA0002384752630000081
其中:μ表示均值,σ表示标准差,计算未知参数μ和σ的步骤如下:
a)机器人企业调查用户企业一年内使用受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人搬运的物品的类型,以及每种物品对应的重量和搬运的次数并记录;
b)计算正态分布的均值μ,正态分布的均值等于随机变量X的数学期望:
Figure GDA0002384752630000082
式中:G1、G2、......、Go表示物品的重量,N1、N2、......、No表示重量为G1、G2、......、Go的物品分别搬运的次数;
c)计算正态分布的方差σ2,正态分布的方差等于随机变量X的均方差:
Figure GDA0002384752630000083
其中ph为随机变量X对应的概率,
Figure GDA0002384752630000091
式中:h表示元素下标;
b.计算0~20%、20%~40%、40%~60%、60%~80%、80%~100%额定负载中每段负载的概率值并记录;
c.20%、40%、......、100%额定负载中每种试验循环次数:
20%额定负载试验次数:R1=20
40%额定负载试验次数:
Figure GDA0002384752630000092
60%额定负载试验次数:
Figure GDA0002384752630000093
80%额定负载试验次数:
Figure GDA0002384752630000094
100%额定负载试验次数:
Figure GDA0002384752630000095
p1是0~20%额定负载的概率值、p2是20%~40%额定负载的概率值、p3是40%~60%额定负载的概率值、p4是60%~80%额定负载的概率值、p5是80%~100%额定负载的概率值。
技术方案中所述的整机精度及性能检验试验是指:
1)位姿准确度和位姿重复性试验:
(1)机器人夹持负载为工况负载或额定负载,其运动轨迹为工况运动轨迹,在工作轨迹上选取5个点,P1、P2、P3、P4、P5,这5个点应平分整条轨迹;
(2)试验速度依次为100%、50%、10%额定速度,运动轨迹为P1-P2-P3-P4-P5循环运动,如此重复进行30次;
(3)计算每个位姿的位姿准确度和姿态准确度并记录;
2)距离准确度和距离重复性试验:
(1)机器人夹持负载为工况负载或额定负载,选取工况运动轨迹首末两个端点A1、A2间的轨迹;
(2)试验速度依次为100%、50%、10%额定速度,在距离准确度和距离重复性试验步骤(1)选取的轨迹下循环运动,循环次数为30次;
(3)计算指令距离和实到距离平均值之间位姿偏差并记录;
3)位置稳定时间试验:
(1)机器人夹持负载为工况负载或额定负载,在其运动轨迹上任选一个点,试验速度依次为100%、50%、10%额定速度,在该运动轨迹下循环运动,循环次数为3次;
(2)计算所用稳定时间并记录;
4)轨迹准确度和轨迹重复性试验:
(1)机器人夹持负载为工况负载或额定负载,选择工况运动轨迹为试验轨迹;
(2)试验速度依次为100%、50%、10%额定速度,在轨迹准确度和轨迹重复性试验步骤(1)中选取的试验轨迹下循环运动,循环次数为10次;
(3)计算指令轨迹的位置和各实到轨迹位置集群的中心线之间的偏差以及指令姿态与实到姿态平均值之间的偏差值并记录;
5)拐角偏差试验:
(1)机器人夹持负载为工况负载或额定负载,选择矩形轨迹E1_E2_E3_E4为试验轨迹;
(2)试验速度依次为100%、50%、10%额定速度,在拐角偏差试验步骤(1)中选取的试验轨迹下循环运动,循环次数为3次;
(3)计算圆角误差和拐角超调量并记录;
6)轨迹速度特性试验:
(1)机器人夹持负载为工况负载或额定负载,试验轨迹为该机器人工况运动轨迹;
(2)试验速度依次为100%、50%、10%额定速度,在轨迹速度特性试验步骤(1)中选取的试验轨迹下循环运动,循环次数为10次;
(3)计算轨迹速度准确度AV,轨迹速度重复性RV,轨迹速度波动FV,并记录;
7)最小定位时间试验:
(1)机器人夹持负载为工况负载或额定负载,试验轨迹是将该机器人工况运动轨迹的首末两端点连接而成的直线轨迹,在该直线轨迹中选择8个点Pii,ii=1,2,...,8,随着ii增大,相邻两点之间的距离也增大;
(2)试验速度依次为100%、50%、10%额定速度,在最小定位时间试验步骤(1)中选取的试验轨迹下循环运动,循环次数为3次;
(3)计算定位时间并记录相应值;
8)静态柔顺性试验:
(1)试验中力应加在平行于机座坐标轴的三个方向上,既有正又有负;
(2)力应以10%额定负载逐步增加到100%额定负载,每次一个方向,在伺服系统通电,制动器脱开的情况下测量每个力和方向相应的位移,每个方向重复测量3次;
(3)记录每次的位移测量值;
9)摆动偏差试验:
摆动偏差分为摆幅误差和摆频误差;以百分比表示的摆幅误差应由测得的实到摆幅平均值与指令摆幅之间的偏差计算而得,以百分比表示的摆频误差应由测得的实际摆频与指令摆频之间的偏差来计算:
(1)设计锯齿状摆动轨迹,由制造商提供的摆频和摆幅进行试验,循环试验20次:
(2)计算摆幅误差和摆频误差并记录。
与现有技术相比本发明的有益效果是:
1.本发明所述的一种搬运类工业机器人早期故障排除试验方法以机器人故障发生累积运行时间作为可靠性建模的样本点,以随机过程建立故障累积强度函数,以此建立的模型更准确;
2.本发明所述的一种搬运类工业机器人早期故障排除试验方法采用聚类分析的方法求解时间拐点比通过故障函数求解计算量小,可行性更高;
3.本发明所述的一种搬运类工业机器人早期故障排除试验方法以机器人企业和用户企业在早期故障期单位成本效益最大为优化目标,建立机器人企业早期故障排除试验时间的优化模型,能有效缩短试验时间,节省试验成本,经济效益明显;
4.本发明所述的一种搬运类工业机器人早期故障排除试验方法设计了机器人整机的早期故障排除试验具体实施方案,有效的激发了机器人潜在缺陷,降低了出厂后使用过程中的故障率。
附图说明
下面结合附图对本发明作进一步的说明:
图1是本发明所述的一种搬运类工业机器人早期故障排除试验方法的流程框图:
图2是本发明所述的一种搬运类工业机器人早期故障排除试验方法中的受试机器人的一种矩形轨迹、圆形轨迹、空间样条曲线轨迹图。
具体实施方式
下面结合附图对本发明作详细的描述:
参阅图1,本发明所述的一种搬运类工业机器人早期故障排除试验方法中包括建立受试机器人的可靠性模型、计算受试机器人从早期故障期到偶然故障期的时间拐点、在求得时间拐点的基础上对受试机器人的试验时间进行优化和受试机器人整机早期故障排除试验四项内容。其中受试机器人的试验时间进行优化以单位收益最大为优化目标。受试机器人是指即将进行早期故障排除试验的机器人。
本发明所述的一种搬运类工业机器人早期故障排除试验方法的步骤如下:
1.建立受试机器人的可靠性模型
在受试机器人有相对充分的故障发生累积运行时间数据的情况下可直接对受试机器人进行可靠性建模,如果受试机器人没有充分的故障发生累积运行时间数据,则可采用与受试机器人结构类似、功能相同、工况相近即最理想情况是受试机器人的前代产品的故障发生累积运行时间数据。受试机器人的故障发生累积运行时间来自于早期故障期和偶然故障期。
受试机器人故障分为关联故障和非关联故障。关联故障是由于产品本身质量缺陷引起的,在解释试验或者计算可靠性量值必须记入的故障;非关联故障是由于误用或者维修不当以及外界因素所引起的,在解释试验或者计算可靠性量值时应予以排除的故障。因此,受试机器人可靠性建模时,只选取关联故障,并将故障发生累积运行时间作为可靠性建模的样本点。
1)建立受试机器人的强度函数
(1)受试机器人的故障过程具有浴盆曲线趋势,假设其故障强度函数由早期故障期和偶然故障期两部分组成,并且每一阶段都是一个威布尔过程,则该受试机器人故障强度函数为:
Figure GDA0002384752630000121
(2)累积故障强度函数为:
Figure GDA0002384752630000122
式中:α1、α2、β1、β2>0,α1、α2是尺度参数,β1、β2是形状参数,t是故障发生累积运行时间,由于该模型是两重威布尔过程构成,其强度函数具有非单调的浴盆曲线趋势,因此该模型的两个形状参数具有如下关系:
1-1)(β2-1)<0 (3)
(3)强度函数为威布尔过程,当0<β<1,表示不断改良的好系统;当β>1,表示不断恶化的坏系统,因此假设β1<1,β2>1。
2)采用极大似然法对受试机器人强度函数中的未知参数进行估计
(1)受试机器人的故障发生累积运行时间数据来自K台受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人故障数据,第i台的故障观测时间为[0,Ti],Ti为现场试验的截尾时间,t0≡0,采用极大似然估计法估计相应参数,得相应的似然函数为:
Figure GDA0002384752630000131
式(4)中,ni表示第i台机器人在故障观测时间中发生的故障总数,tij表示第i台机器人发生第j个故障时的故障发生累积运行时间。
(2)对式(4)求其对数函数,得如下表达式:
Figure GDA0002384752630000132
(3)由累积故障函数可得:
Figure GDA0002384752630000133
式(6)中,
Figure GDA0002384752630000134
是对α1、α2的估计值,
Figure GDA0002384752630000135
是对β1、β2的估计值,
Figure GDA0002384752630000136
是对W(Ti)估计值。
(4)由式(6)可得:
Figure GDA0002384752630000137
(5)由式(7)将式(5)转换为三参数的函数,即:
Figure GDA0002384752630000138
(6)似然函数参数估计转化为以下求最大化问题:
maxl′K (9)
Figure GDA0002384752630000141
(7)利用MATLAB工具箱,选择初始值,迭代求解,根据经验在没有合适的初始值情况下,可以假设:
Figure GDA0002384752630000142
(8)由此求得受试机器人的故障强度函数如式(11),也即是建立的可靠性模型:
Figure GDA0002384752630000143
式中:
Figure GDA0002384752630000144
是对a1、α2的估计值,
Figure GDA0002384752630000145
是对β1、β2的估计值。
2.计算受试机器人从早期故障期到偶然故障期的时间拐点
采用聚类分析的方法来求解受试机器人从早期故障期到偶然故障期的时间拐点。
聚类分析求解参考机器人时间拐点包括计算经验失效函数rm,计算模式类别函数V1、V2,求解时间拐点三个步骤:
1)计算经验失效函数
(1)将K台受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人的故障发生累积运行时间按从小到大的顺序排序,记作t1、t2、......、tm,找出其中的最小值和最大值,分别记作tmin和tmax,选取略小于或等于tmin的数a,略大于或等于tmax的数b;
(2)依据经验公式(11)确定组数q;
q=[1+3.32lgm] (12)
式(11)中,[]表示取整。
(3)把区间(a,b)分成q个子区间,第s个子区间为(ts-1,ts],ts处右连续,假设各子区间的长度相等,其组距为:
Figure GDA0002384752630000146
(4)计算各子区间包含的故障发生累积运行时间次数,分别记作C1,C2,......,Cq
(5)取各子区间的中值代表该子区间,如下式:
Figure GDA0002384752630000151
(6)计算间隔时间:
Figure GDA0002384752630000152
Figure GDA0002384752630000153
Δtq=tq-tq-1 (17)
(7)经验失效函数表达式如下:
Figure GDA0002384752630000154
2)计算模式类别函数V1、V2
(1)找出rs中的最大值,记为rmax,将ri进行归一化,如下式:
Figure GDA0002384752630000155
(2)将ys分成两组,第一组范围为1≤s≤su,第二组范围为su+1≤s≤q,1≤su≤q-1。
(3)分别计算两组数据ys的均值,第一组记为μ1(s),第二组记为μ2(s),则有如下表达式:
Figure GDA0002384752630000156
Figure GDA0002384752630000157
(4)分别计算每组数据与均值的差的绝对值,第一组记为d1(s),第二组记为d2(s),则有如下表达式:
d1(s)=|ys1(s)| s=1,2,......,q (22)
d2(s)=|ys2(s)| s=1,2,......,q (23)
(5)分别计算每组数据的模式类别函数,第一组数据记为V1(s),第二组数据记为V2(s),则有如下表达式:
V1(s)=1-d1(s) s=1,2,......,q (24)
V2(s)=1-d2(s) s=1,2,......,q (25)
式(19)与式(20),式(21)与式(22),式(23)与式(24)均应看作是联立的方程组。
3)求解时间拐点
(1)绘制V1、V2的折线图,V1、V2的第一个交点即受试机器人的时间拐点,记时间拐点为tg
存在如下条件:
Figure GDA0002384752630000161
(2)利用线性插值计算tg,在在如下关系.
Figure GDA0002384752630000162
得到:
Figure GDA0002384752630000163
式(25)中,存在如下关系:
Figure GDA0002384752630000164
Figure GDA0002384752630000165
通过以上方法即可求得受试机器人的时间拐点tg
3.在求得时间拐点的基础上对受试机器人的试验时间进行优化
受试机器人从早期故障期到偶然故障期的时间拐点为tg。机器人早期故障期一般较长,若以tg作为早期故障排除试验截止时间,无论机器人企业还是用户企业都难以接受,但是机器人在出厂前若不进行早期故障排除,将在用户企业频繁发生故障,给用户企业带来极大的经济损失。因此,根据实际情况,以机器人企业和用户企业在早期故障期单位成本效益最大为优化目标,建立机器人企业早期故障排除试验时间的优化模型。
1)假设机器人销售价格为H1,相应的机器人的制造成本为H2,销售成本为H3;机器人企业在自身企业进行早期故障排除试验单位时间试验成本为I1,主要包括机器人企业进行早期故障排除需要承担水费、电费、材料耗损费、相关仪器费用和工人工资等;发生一次故障维修费用为Ew;机器人在用户企业发生一次早期故障,机器人企业在用户企业的一次维修时间为Tw1,相应的维修费用为Ew1;用户企业使用机器人在单位时间内产生的毛利润为J1,单位时间内机器人运转的成本为J2
2)假设机器人企业在自身企业进行早期故障排除试验时间为topt,即优化后的时间。因为机器人每次发生的故障不尽相同,所以一次维修费用和维修时间都不尽相同,但是它们都满足一定范围,假设机器人企业在自身企业一次维修费用Ew∈[EwL,EwU],由于机器人企业派人去用户企业进行维修故障的费用和时间最高,因此假定机器人企业在用户企业一次维修费用Ew1与Ew成比例,设Ew1=AEw(A>1),假设机器人企业在用户企业一次维修时间Tw1∈[Tw1L,Tw1U]。
3)机器人企业早期故障期的成本:
Figure GDA0002384752630000171
4)机器人企业早期故障期利润:
L1=H1-N1 (30)
5)用户企业在早期故障期的成本和损失:
Figure GDA0002384752630000172
6)用户企业的利润:
Figure GDA0002384752630000173
7)机器人企业和用户企业在早期故障期单位成本效益:
Figure GDA0002384752630000174
8)建立如下优化模型:
Figure GDA0002384752630000175
当Ew=EwL,Tw1=Tw1L时,Z具有最大值,记为ZU
当Ew=EwU,Tw1=Tw1U时,Z具有最小值,记为ZL
9)利用区间数学理论,令m(Z)为目标函数区间的中间值,ρ(Z)为目标区间的半径,ZU和ZL分别为目标函数Z的最大值和最小值,则存在如下关系:
Figure GDA0002384752630000176
Figure GDA0002384752630000177
10)通过线性加权组合法,将两目标不确定优化问题转化为单目标优化问题,如下所示:
Figure GDA0002384752630000178
式(9)中,θ为权重系数,其取值范围为θ∈[0,1],θ的选取依靠对实际问题充分的了解。δ和γ为使
Figure GDA0002384752630000181
为非负的常数,
Figure GDA0002384752630000182
和Ψ为标准化因子,其表达式如下:
Figure GDA0002384752630000183
Ψ=min(ρ(Z)+γ) (39)
11)采用现代智能算法,利用MATLAB提供的工具箱对(37)式进行求解,从而求得试验优化时间topt
4.受试机器人整机早期故障排除试验
整机早期故障排除试验包括四部分内容,功能性试验、空运转试验、负荷性试验和精度及性能检验试验。功能性试验主要验证机器人能否实现其预定功能,包括两部分试验内容,即手动功能性试验和自动功能性试验;空运转试验是指机器人在预定轨迹下不带任何负载连续运转;负荷性试验是指机器人在带负载的情况下完成其预定功能的试验;精度及性能检验试验在进行空运转试验或负荷性试验之后进行的试验,其主要检查机器人在运行一段时间后性能能否满足规定要求。
受试机器人在进行整机早期故障排除试验时应按照这一顺序进行:功能性试验、空运转试验、精度及性能检验试验、负荷性试验、精度及性能检验试验。
1)试验之前的准备条件
在进行整机早期故障排除试验之前应做好如下准备:
(1)机器人应安装完毕并可全面操作;
(2)机器人性能试验和电磁兼容试验均已完成;
(3)机器人在进行早期故障排除试验之前应预热运行;
(4)测量设备应能对机器人被测特性充分描述;
(5)机器人和测量仪器在试验前应置于试验环境足够长时间(最好一昼夜),以使机器人和测量仪器在试验前处于热稳定状态;
(6)试验环境应有安全措施,保证试验人员人身安全。
2)功能性试验
功能性试验主要验证机器人能否实现其预定功能,包括手动功能性试验和自动功能性试验两部分。
(1)手动功能性试验
手动功能性试验包括点动/步进试验、连续移动试验、单轴移动试验、多轴协调试验。
按照以下步骤对机器人进行手动功能性试验
选择示教模式——轻按【安全开关】接通伺服电源——选择手动操作机器人——选择点动/步进机器人动作模式(或连续移动/单轴移动/多轴协调动作模式)——设定机器人手动速度(手动速度依次为10%、50%、100%额定速度)——选择合适的机器人坐标系——使用【轴操作键】选择运动轴——移动机器人到目标位置。
分别操作机器人在每种速度,即10%、50%、100%额定速度模式下,分别连续运动10次。
(2)自动功能性试验
选择再现模式,运行示教操作编制的程序,机器人自动由初位置运动到目标位置。
机器人分别在10%、50%、100%额定速度下连续运动10次。
3)空运转试验
空运转试验指整机空运转试验,包括以下两个步骤:
(1)选择机器人几种典型运动轨迹(如图2所示),如矩形轨迹、圆形轨迹、空间样条曲线轨迹及该机器人在用户现场的工况轨迹,每种运动轨迹中试验速度依次为额定速度的10%、50%和100%,编制相应的程序;
(2)机器人在步骤(1)中所选试验轨迹和速度下做连续空运转,各项功能循环时,每个循环之间的停止时间不得超过60s。每种轨迹连续运行至少10次。
空运转试验具体条件如表1所示:
表1-空运转试验条件表
Figure GDA0002384752630000191
4)整机负荷性试验
整机负荷性试验包括两种试验方式:工况负载试验和指定负载试验。工况负载试验指机器人夹持在用户企业现场夹持的工件,沿着用户企业现场的运动轨迹,以指定的速度进行的试验;指定负载试验指机器人夹持20%、40%、......、100%额定负载的零部件,在指定的轨迹下以指定的速度运动进行的试验。
(1)工况负载试验
工况负载试验包括以下两个步骤:
A.选择机器人在用户企业工作现场夹持的工件,设定机器人的运动轨迹为用户企业工作现场的运动轨迹,试验速度依次为额定速度的10%、50%、100%;
B.机器人在步骤A中所选试验轨迹和速度下循环运动,每次循环之间的停止时间不得超过30s,每种速度下轨迹循环运行30次。
工况负载试验具体条件如表2所示:
表2-工况负载试验条件表
Figure GDA0002384752630000201
(2)指定负载试验
指定负载试验包括以下两个步骤:
A.依次选取20%、40%、......、100%额定负载,选择典型运动轨迹(如矩形轨迹、圆形轨迹或工况轨迹),分别以10%、50%、100%额定速度运动;
B.机器人在步骤A中所选运动轨迹和速度下循环运动,每次循环之间的停止时间不得超过30s,每种负载,每种速度循环运行试验次数计算如下:
a.假设机器人搬运物体的重量分布服从正态分布,正态分布模型如下:
Figure GDA0002384752630000202
其中计算未知参数μ和σ的步骤如下:
a)机器人企业调查用户企业(一年内)使用受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人搬运的物品的类型,以及每种物品对应的重量和搬运的次数,记录于表3:
表3-机器人搬运物品记录表
Figure GDA0002384752630000203
Figure GDA0002384752630000211
b)计算正态分布的均值μ,正态分布的均值等于随机变量X的数学期望:
Figure GDA0002384752630000212
c)计算正态分布的方差σ2,正态分布的方差等于随机变量X的均方差:
Figure GDA0002384752630000213
其中ph为随机变量X对应的概率,
Figure GDA0002384752630000214
式(43)中h表示元素下标。
b.计算0~20%、20%~40%、40%~60%、60%~80%、80%~100%额定负载中每段负载的概率值:
Ge表示额定负载,每段负载的概率计算如表4所示:
表4-概率计算统计表
Figure GDA0002384752630000215
c.20%、40%、......、100%额定负载中每种试验循环次数:
20%额定负载试验次数:R1=20
40%额定负载试验次数:
Figure GDA0002384752630000216
60%额定负载试验次数:
Figure GDA0002384752630000221
80%额定负载试验次数:
Figure GDA0002384752630000222
100%额定负载试验次数:
Figure GDA0002384752630000223
指定负载试验具体条件如表5所示:
表5-指定负载试验条件表
Figure GDA0002384752630000224
5)整机精度及性能检验试验
完成机器人的功能性试验和空运转试验后,需要进行精度及性能检验,完成机器人的负荷性试验后,同样需要对机器人的精度及性能进行检验。精度及性能检验即对机器人的各项精度及性能指标重新测定,检验其是否超出规定值,主要包括位姿准确度和位姿重复性检验、距离准确度和距离重复性检验、位置稳定时间检验、轨迹准确度和轨迹重复性检验、拐角偏差检验、轨迹速度特性检验、最小定位时间检验、静态柔顺性检验以及摆动偏差检验。
(1)位姿准确度和位姿重复性试验
位姿准确度表示指令位姿(以示教编程、人工数据输入或离线编程所设定的位姿)和从同一方向接近该指令位姿时的实到位姿(机器人在自动方式下响应指令位姿而实际达到的位姿)平均值之间的偏差;位姿重复性表示对同一指令位姿从同一方向重复响应n次(循环次数取30次)后实到位姿的一致程度。
位姿准确度和位姿重复性试验方法包括如下三个步骤:
A.机器人夹持负载为工况负载或额定负载,其运动轨迹为工况运动轨迹,在工作轨迹上选取5个点(这5个点应平分整条轨迹)P1、P2、P3、P4、P5
B.试验速度依次为100%、50%、10%额定速度,运动轨迹为P1——P2——P3——P4——P5循环运动,如此重复进行30次;
C.计算每个位姿的位姿准确度和姿态准确度并记录。
位姿准确度试验具体条件具体如表6所示
表6-位姿准确度试验条件表
Figure GDA0002384752630000231
(2)距离准确度和距离重复性试验
距离准确度表示指令距离和实到距离平均值之间位姿和姿态的偏差,包括位置距离准确度和姿态距离准确度两个因素。距离重复性表示在同一方向指令距离重复运动30次后距离的一致程度,包括位置距离重复性和姿态距离重复性。
距离准确度和距离重复性检验包括以下三个步骤:
A.机器人夹持负载为工况负载或额定负载,选取工况运动轨迹首末两个端点A1、A2
B.试验速度依次为100%、50%、10%额定速度,在步骤A中选取的轨迹下循环运动,循环次数为30次;
C.计算偏差并记录
距离准确度和距离重复性试验具体条件如表7所示:
表7-距离准确度和距离重复性试验具体条件表
Figure GDA0002384752630000232
Figure GDA0002384752630000241
(3)位置稳定时间试验
位置稳定时间是从机器人第一次进入门限带的瞬间到不再超出门限带的瞬间所经历的时间,用于衡量机器人停止在实到位姿快慢程度的性能。
位置稳定时间试验包括以下两个步骤:
A.机器人夹持负载为工况负载或额定负载,在其运动轨迹上任选一个点P1,试验速度依次为100%、50%、10%额定速度,在该运动轨迹下循环运动,循环次数为3次;
B.计算所用稳定时间并记录;
位置稳定时间试验具体条件如表8所示:
表8-位置稳定时间试验条件表
Figure GDA0002384752630000242
(4)轨迹准确度和轨迹重复性试验
轨迹准确度表示机器人在同一方向上沿指令轨迹10次移动其机械接口的能力,其由两个因素决定:一是指令轨迹的位置和各实到轨迹位置集群的中心线之间的偏差,二是指令姿态与实到姿态平均值之间的偏差;轨迹重复性表示机器人对同一指令轨迹重复10次时实到轨迹的一致程度。
轨迹准确度和轨迹重复性试验包括以下三个步骤:
A.机器人夹持负载为工况负载或额定负载,选择工况运动轨迹为试验轨迹;
B.试验速度依次为100%、50%、10%额定速度,在步骤A中选取的试验轨迹下循环运动,循环次数为10次;
C.计算偏差值并记录
轨迹准确度和轨迹重复性试验具体条件如表9所示:
表9-轨迹准确度和轨迹重复性试验条件表
Figure GDA0002384752630000243
Figure GDA0002384752630000251
(5)拐角偏差试验方法
拐角偏差分为尖锐拐角和圆滑拐角,当机器人按程序设定的恒定轨迹速度无延时地从第一条轨迹到与之垂直的第二条轨迹时,便会出现尖锐拐角;
拐角偏差试验包括以下三个步骤:
A.机器人夹持负载为工况负载或额定负载,选择矩形轨迹E1_E2_E3_E4为试验轨迹;
B.试验速度依次为100%、50%、10%额定速度,在步骤A中选取的试验轨迹下循环运动,循环次数为3次;
C.计算圆角误差和拐角超调量并记录表格。
拐角偏差试验具体条件如表10所示:
表10-拐角偏差试验试验条件表
Figure GDA0002384752630000252
(6)轨迹速度特性试验
轨迹速度特性包括轨迹速度准确度、轨迹速度重复性、轨迹速度波动三部分内容。轨迹速度准确度是指指令速度与沿轨迹进行10次重复所获得的实到速度平均值之差,轨迹速度重复性是对于同一指令速度所得实到速度的一致程度,轨迹速度波动为每次再现时速度波动的最大值。
轨迹速度特性试验方法包括以下三个步骤:
A.机器人夹持负载为工况负载或额定负载,试验轨迹为该机器人工况运动轨迹;
B.试验速度依次为100%、50%、10%额定速度,在步骤A中选取的试验轨迹下循环运动,循环次数为10次;
C.计算轨迹速度准确度AV,轨迹速度重复性RV,轨迹速度波动FV,并记录表格。
轨迹速度特性试验具体条件如表11所示:
表11-轨迹速度特性试验条件表
Figure GDA0002384752630000261
(7)最小定位时间试验
定位时间是机器人在点位控制方式下从静态开始移动一预定距离和/或摆动一预定角度到达稳定状态所经历的时间。
最小定位时间试验包括以下三个步骤:
A.机器人夹持负载为工况负载或额定负载,试验轨迹是将该机器人工况运动轨迹的首末两端点连接而成的直线轨迹,在该直线轨迹中选择8个点Pii(ii=1,2,...,8),随着ii增大,相邻两点之间的距离也增大;
B.试验速度依次为100%、50%、10%额定速度,在步骤A中选取的试验轨迹下循环运动,循环次数为3次;
C.计算并记录相应值。
最小定位时间试验具体条件如表12所示:
表12-最小定位时间条件表
Figure GDA0002384752630000262
(8)静态柔顺性试验
静态柔顺性是在单位负载作用下最大的位移,应在机械接口处加载并测量位移。
静态柔顺性试验包括以下三个步骤:
A.试验中力应加在平行于机座坐标轴的三个方向上,既有正又有负;
B.力应以10%额定负载逐步增加到100%额定负载,每次一个方向,在伺服系统通电,制动器脱开的情况下测量每个力和方向相应的位移,每个方向重复测量3次;
C.记录每次的测量值。
(9)摆动偏差试验
摆动偏差特性分为两个指标,即摆幅误差和摆频误差。以百分比表示的摆幅误差应由测得的实到摆幅平均值与指令摆幅之间的偏差计算而得,以百分比表示的摆频误差应由测得的实际摆频与指令摆频之间的偏差来计算。
摆频偏差试验包括以下两个步骤:
A.设计锯齿状摆动轨迹,由制造商提供的摆频和摆幅进行试验,循环试验20次,编制相应程序;
B.计算摆幅误差和摆频误差并记录。
整机早期故障排除试验中,首先进行功能性试验,试验时间为Tz1,其次进行空运转试验,试验时间为Tz2,再进行精度及性能检验试验,试验时间为Tz3,再进行负荷性试验,试验时间为Tz4,最后再进行一次精度及性能检验试验,试验时间为Tz5,可得到:
Tz5=Tz3 (44)
Tz4=topt-Tz1-Tz2-Tz3-Tz5 (45)
进行负荷性试验时,建立工况负载试验和指定负载试验一个循环为任务剖面,循环执行任务剖面,直到试验时间达到Tz4后,方进入下一阶段试验——精度及性能检验试验。
在进行精度及性能检验试验时,先进行位置稳定时间检验,再进行其他试验,其他试验的试验顺序不做要求,位姿准确度和位姿重复性检验、距离准确度和距离重复性检验可同时进行。
试验中发生任何一种故障,例如机器人卡死,漏油、电机过热、性能精度不满足规定要求等,都应停止试验,查明原因,维修好后再重新进行早期故障排除试验,对于每一次故障都应详细记录,记录内容包括故障时间、维修时间、故障现象、故障部位、故障原因、故障处理等。

Claims (7)

1.一种搬运类工业机器人早期故障排除试验方法,其特征在于,所述的一种搬运类工业机器人早期故障排除试验方法的步骤如下:
1)建立受试机器人的可靠性模型:
a)建立受试机器人的强度函数:
(1)受试机器人故障强度函数由早期故障期和偶然故障期两部分组成,并且每一阶段都是一个威布尔过程,则该受试机器人故障强度函数为:
Figure FDA0002384752620000011
(2)累积故障强度函数为:
Figure FDA0002384752620000012
式中:α1、α2、β1、β2>0,α1、α2是尺度参数,β1、β2是形状参数,t是故障发生累积运行时间,由于该模型是两重威布尔过程构成,其强度函数具有非单调的浴盆曲线趋势,因此该模型的两个形状参数具有如下关系:
1-1)(β2-1)<0 (3)
(3)强度函数为威布尔过程,当0<β<1,表示不断改良的好系统;当β>1,表示不断恶化的坏系统,因此假设β1<1,β2>1;
b)采用极大似然法对受试机器人强度函数中的未知参数进行估计:
得受试机器人的故障强度函数即所建立的可靠性模型:
Figure FDA0002384752620000013
式中:
Figure FDA0002384752620000014
是对α1、α2的估计值,
Figure FDA0002384752620000015
是对β1、β2的估计值;
2)计算受试机器人从早期故障期到偶然故障期的时间拐点:
采用聚类分析的方法来求解受试机器人从早期故障期到偶然故障期的时间拐点:
a)计算经验失效函数;
b)计算模式类别函数V1、V2
(1)找出rs中的最大值,记为rmax,将rs进行归一化,如下式:
Figure FDA0002384752620000016
式中:rs为经验失效函数;
(2)将ys分成两组,第一组范围为1≤s≤su,第二组范围为su+1≤s≤q,1≤su≤q-1;
(3)分别计算两组数据ys的均值,第一组记为μ1(s),第二组记为μ2(s),则有如下表达式:
Figure FDA0002384752620000021
Figure FDA0002384752620000022
式中:e、f表示元素下标
(4)分别计算每组数据与均值的差的绝对值,第一组记为d1(s),第二组记为d2(s),则有如下表达式:
d1(s)=|ys1(s)| s=1,2,.....,q (22)
d2(s)=|ys2(s)| s=1,2,......,q (23)
(5)分别计算每组数据的模式类别函数,第一组数据记为V1(s),第二组数据记为V2(s),则有如下表达式:
V1(s)=1-d1(s) s=1,2,......,q (24)
V2(s)=1-d2(s) s=1,2,......,q (25)
式(20)与式(21),式(22)与式(23),式(24)与式(25)均应看作是联立的方程组;
c)求解时间拐点
(1)绘制V1、V2的折线图,V1、V2的第一个交点即受试机器人的时间拐点,记时间拐点为tg
存在如下条件:
Figure FDA0002384752620000023
(2)利用线性插值计算tg,存在如下关系:
Figure FDA0002384752620000024
得到:
Figure FDA0002384752620000025
式(25)中,存在如下关系:
Figure FDA0002384752620000026
Figure FDA0002384752620000027
通过以上方法即求得受试机器人的时间拐点tg
3)对受试机器人的试验时间进行优化:
(1)假设机器人销售价格为H1,相应的机器人的制造成本为H2,销售成本为H3;机器人企业在自身企业进行早期故障排除试验单位时间试验成本为I1,主要包括机器人企业进行早期故障排除需要承担水费、电费、材料耗损费、相关仪器费用和工人工资;发生一次故障维修费用为Ew;机器人在用户企业发生一次早期故障,机器人企业在用户企业的一次维修时间为Tw1,相应的维修费用为Ew1;用户企业使用机器人在单位时间内产生的毛利润为J1,单位时间内机器人运转的成本为J2
(2)假设机器人企业在自身企业进行早期故障排除试验时间为topt,即优化后的时间,因为机器人每次发生的故障不尽相同,所以一次维修费用和维修时间都不尽相同,但是它们都满足一定范围,假设机器人企业在自身企业一次维修费用Ew∈[EwL,EwU],由于机器人企业派人去用户企业进行维修故障的费用和时间最高,因此假定机器人企业在用户企业一次维修费用Ew1与Ew成比例,设Ew1=AEw,A>1,假设机器人企业在用户企业一次维修时间Tw1∈[Tw1L,Tw1U];
(3)机器人企业早期故障期的成本:
Figure FDA0002384752620000031
(4)机器人企业早期故障期利润:
L1=H1-N1 (30)
(5)用户企业在早期故障期的成本和损失之和:
Figure FDA0002384752620000032
(6)用户企业的利润:
Figure FDA0002384752620000033
(7)机器人企业和用户企业在早期故障期单位成本效益:
Figure FDA0002384752620000034
(8)建立如下优化模型:
Figure FDA0002384752620000035
Figure FDA0002384752620000041
当Ew=EwL,Tw1=Tw1L时,Z具有最大值,记为ZU
当Ew=EwU,Tw1=Tw1U时,Z具有最小值,记为ZL
(9)利用区间数学理论,令m(Z)为目标函数区间的中间值,ρ(Z)为目标区间的半径,ZU和ZL分别为目标函数Z的最大值和最小值,则存在如下关系:
Figure FDA0002384752620000042
Figure FDA0002384752620000043
(10)通过线性加权组合法,将两目标不确定优化问题转化为单目标优化问题,如下所示:
Figure FDA0002384752620000044
式(37)中,θ为权重系数,其取值范围为θ∈[0,1],θ的选取依靠对实际问题充分的了解;δ和γ为使(m(Z)+δ)和
Figure FDA0002384752620000045
为非负的常数,
Figure FDA0002384752620000046
和Ψ为标准化因子,其表达式如下:
Figure FDA0002384752620000047
Ψ=min(ρ(Z)+γ) (39)
(11)采用现代智能算法,利用MATLAB提供的工具箱对(37)式进行求解,从而求得试验优化时间topt
4)受试机器人整机早期故障排除试验。
2.按照权利要求1所述的一种搬运类工业机器人早期故障排除试验方法,其特征在于,所述的采用极大似然法对受试机器人强度函数中的未知参数进行估计是指:
(1)受试机器人的故障发生累积运行时间数据来自K台受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人故障数据,第i台的故障观测时间为[0,Ti],Ti为现场试验的截尾时间,t0≡0,采用极大似然估计法估计相应参数,得相应的似然函数为:
Figure FDA0002384752620000051
式中:ni表示第i台机器人在故障观测时间中发生的故障总数,tij表示第i台机器人发生第j个故障时的故障发生累积运行时间,α1、α2是尺度参数,β1、β2是形状参数;
(2)对式(4)求其对数函数,得表达式:
Figure FDA0002384752620000052
(3)由累积故障强度 函数可得:
Figure FDA0002384752620000053
式(6)中
Figure FDA0002384752620000054
为累计故障强度函数W(Ti)的估计值;
(4)由式(6)可得:
Figure FDA0002384752620000055
(5)由式(7)将式(5)转换为三参数的函数,即:
Figure FDA0002384752620000056
(6)似然函数参数估计转化为以下求最大化问题:
maxl′K (9)
Figure FDA0002384752620000057
(7)利用MATLAB工具箱,选择初始值,迭代求解,根据经验在没有合适的初始值情况下,假设:
Figure FDA0002384752620000061
(8)由此求得受试机器人的故障强度函数。
3.按照权利要求1所述的一种搬运类工业机器人早期故障排除试验方法,其特征在于,所述的计算经验失效函数是指:
(1)将K台受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人的故障发生累积运行时间按从小到大的顺序排序,记作t1、t2、......、tm,找出其中的最小值和最大值,分别记作tmin和tmax,选取略小于或等于tmin的数a,略大于或等于tmax的数b;
(2)依据经验公式(12)确定组数q;
q=[1+3.32lgm] (12)
式(12)中,[]表示取整;
(3)把区间(a,b)分成q个子区间,第s个子区间为(ts-1,ts],ts处右连续,假设各子区间的长度相等,其组距为:
Figure FDA0002384752620000062
(4)计算各子区间包含的故障发生累积运行时间次数,分别记作C1,C2,......,Cq
(5)取各子区间的中值代表该子区间,如下式:
Figure FDA0002384752620000063
(6)计算间隔时间:
Figure FDA0002384752620000064
Figure FDA0002384752620000065
Δtq=tq-tq-1 (17)
(7)经验失效函数表达式如下:
Figure FDA0002384752620000066
4.按照权利要求1所述的一种搬运类工业机器人早期故障排除试验方法,其特征在于,所述的受试机器人整机早期故障排除试验是指:
1)试验之前的准备条件:
(1)机器人应安装完毕并可全面操作;
(2)机器人性能试验和电磁兼容试验均已完成;
(3)机器人在进行早期故障排除试验之前应预热运行;
(4)测量设备应能对机器人被测特性充分描述;
(5)机器人和测量仪器在试验前应置于试验环境足够长时间,为一昼夜,以使机器人和测量仪器在试验前处于热稳定状态;
(6)试验环境应有安全措施,保证试验人员人身安全;
2)功能性试验:
(1)手动功能性试验;
(2)自动功能性试验;
3)空运转试验:
空运转试验指整机空运转试验,包括以下两个步骤:
(1)选择机器人几种典型运动轨迹,参考矩形轨迹、圆形轨迹、空间样条曲线轨迹及该机器人在用户现场的工况轨迹,每种运动轨迹中试验速度依次为额定速度的10%、50%和100%,编制相应的程序;
(2)机器人在空运转试验步骤(1)中所选试验轨迹和速度下做连续空运转,各项功能循环时,每个循环之间的停止时间不得超过60s,每种轨迹连续运行至少10次;
4)整机负荷性试验;
5)整机精度及性能检验试验。
5.按照权利要求4所述的一种搬运类工业机器人早期故障排除试验方法,其特征在于,所述的整机负荷性试验是指:
整机负荷性试验包括工况负载试验和指定负载试验;
1)工况负载试验:
(1)选择机器人在用户企业工作现场夹持的工件,设定机器人的运动轨迹为用户企业工作现场的运动轨迹,试验速度依次为额定速度的10%、50%、100%;
(2)机器人在工况负载试验步骤(1)中所选试验轨迹和速度下循环运动,每次循环之间的停止时间不得超过30s,每种速度下轨迹循环运行30次;
2)指定负载试验:
(1)依次选取20%、40%、......、100%额定负载,选择典型运动轨迹,为矩形轨迹、圆形轨迹或工况轨迹,分别以10%、50%、100%额定速度运动;
(2)机器人在指定负载试验步骤(1)中所选运动轨迹和速度下循环运动,每次循环之间的停止时间不得超过30s,循环运行试验次数根据每种负载,每种速度进行计算。
6.按照权利要求5所述的一种搬运类工业机器人早期故障排除试验方法,其特征在于,所述的循环运行试验次数根据每种负载,每种速度进行计算是指:
a.假设机器人搬运物体的重量分布服从正态分布,正态分布模型如下:
Figure FDA0002384752620000081
其中:μ表示均值,σ表示标准差,计算未知参数μ和σ的步骤如下:
a)机器人企业调查用户企业一年内使用受试机器人或与受试机器人结构类似、功能相同、工况相近的机器人搬运的物品的类型,以及每种物品对应的重量和搬运的次数并记录;
b)计算正态分布的均值μ,正态分布的均值等于随机变量X的数学期望:
Figure FDA0002384752620000082
式中:G1、G2、......、Go表示物品的重量,N1、N2、......、No表示重量为G1、G2、......、Go的物品分别搬运的次数;
c)计算正态分布的方差σ2,正态分布的方差等于随机变量X的均方差:
Figure FDA0002384752620000083
其中ph为随机变量X对应的概率,
Figure FDA0002384752620000084
式中:h表示元素下标;
b.计算0~20%、20%~40%、40%~60%、60%~80%、80%~100%额定负载中每段负载的概率值并记录;
c.20%、40%、......、100%额定负载中每种试验循环次数:
20%额定负载试验次数:R1=20
40%额定负载试验次数:
Figure FDA0002384752620000085
60%额定负载试验次数:
Figure FDA0002384752620000091
80%额定负载试验次数:
Figure FDA0002384752620000092
100%额定负载试验次数:
Figure FDA0002384752620000093
p1是0~20%额定负载的概率值、p2是20%~40%额定负载的概率值、p3是40%~60%额定负载的概率值、p4是60%~80%额定负载的概率值、p5是80%~100%额定负载的概率值。
7.按照权利要求4所述的一种搬运类工业机器人早期故障排除试验方法,其特征在于,所述的整机精度及性能检验试验是指:
1)位姿准确度和位姿重复性试验:
(1)机器人夹持负载为工况负载或额定负载,其运动轨迹为工况运动轨迹,在工作轨迹上选取5个点,P1、P2、P3、P4、P5,这5个点应平分整条轨迹;
(2)试验速度依次为100%、50%、10%额定速度,运动轨迹为P1-P2-P3-P4-P5循环运动,如此重复进行30次;
(3)计算每个位姿的位姿准确度和姿态准确度并记录;
2)距离准确度和距离重复性试验:
(1)机器人夹持负载为工况负载或额定负载,选取工况运动轨迹首末两个端点A1、A2间的轨迹;
(2)试验速度依次为100%、50%、10%额定速度,在距离准确度和距离重复性试验步骤(1)选取的轨迹下循环运动,循环次数为30次;
(3)计算指令距离和实到距离平均值之间位姿偏差并记录;
3)位置稳定时间试验:
(1)机器人夹持负载为工况负载或额定负载,在其运动轨迹上任选一个点,试验速度依次为100%、50%、10%额定速度,在该运动轨迹下循环运动,循环次数为3次;
(2)计算所用稳定时间并记录;
4)轨迹准确度和轨迹重复性试验:
(1)机器人夹持负载为工况负载或额定负载,选择工况运动轨迹为试验轨迹;
(2)试验速度依次为100%、50%、10%额定速度,在轨迹准确度和轨迹重复性试验步骤(1)中选取的试验轨迹下循环运动,循环次数为10次;
(3)计算指令轨迹的位置和各实到轨迹位置集群的中心线之间的偏差以及指令姿态与实到姿态平均值之间的偏差值并记录;
5)拐角偏差试验:
(1)机器人夹持负载为工况负载或额定负载,选择矩形轨迹E1-E2-E3-E4为试验轨迹;
(2)试验速度依次为100%、50%、10%额定速度,在拐角偏差试验步骤(1)中选取的试验轨迹下循环运动,循环次数为3次;
(3)计算圆角误差和拐角超调量并记录;
6)轨迹速度特性试验:
(1)机器人夹持负载为工况负载或额定负载,试验轨迹为该机器人工况运动轨迹;
(2)试验速度依次为100%、50%、10%额定速度,在轨迹速度特性试验步骤(1)中选取的试验轨迹下循环运动,循环次数为10次;
(3)计算轨迹速度准确度AV,轨迹速度重复性RV,轨迹速度波动FV,并记录;
7)最小定位时间试验:
(1)机器人夹持负载为工况负载或额定负载,试验轨迹是将该机器人工况运动轨迹的首末两端点连接而成的直线轨迹,在该直线轨迹中选择8个点Pii,ii=1,2,...,8,随着ii增大,相邻两点之间的距离也增大;
(2)试验速度依次为100%、50%、10%额定速度,在最小定位时间试验步骤(1)中选取的试验轨迹下循环运动,循环次数为3次;
(3)计算定位时间并记录相应值;
8)静态柔顺性试验:
(1)试验中力应加在平行于机座坐标轴的三个方向上,既有正又有负;
(2)力应以10%额定负载逐步增加到100%额定负载,每次一个方向,在伺服系统通电,制动器脱开的情况下测量每个力和方向相应的位移,每个方向重复测量3次;
(3)记录每次的位移测量值;
9)摆动偏差试验:
摆动偏差分为摆幅误差和摆频误差;以百分比表示的摆幅误差应由测得的实到摆幅平均值与指令摆幅之间的偏差计算而得,以百分比表示的摆频误差应由测得的实际摆频与指令摆频之间的偏差来计算:
(1)设计锯齿状摆动轨迹,由制造商提供的摆频和摆幅进行试验,循环试验20次;
(2)计算摆幅误差和摆频误差并记录。
CN201710082770.9A 2017-02-16 2017-02-16 一种搬运类工业机器人早期故障排除试验方法 Active CN106647286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710082770.9A CN106647286B (zh) 2017-02-16 2017-02-16 一种搬运类工业机器人早期故障排除试验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710082770.9A CN106647286B (zh) 2017-02-16 2017-02-16 一种搬运类工业机器人早期故障排除试验方法

Publications (2)

Publication Number Publication Date
CN106647286A CN106647286A (zh) 2017-05-10
CN106647286B true CN106647286B (zh) 2020-04-28

Family

ID=58846236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710082770.9A Active CN106647286B (zh) 2017-02-16 2017-02-16 一种搬运类工业机器人早期故障排除试验方法

Country Status (1)

Country Link
CN (1) CN106647286B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107797547A (zh) * 2017-12-17 2018-03-13 成都育芽科技有限公司 一种工业机器人控制器电磁兼容性实验方法
CN108356827B (zh) * 2018-05-10 2020-11-13 北京航空航天大学 一种基于软件故障注入的机器人可靠性的测试方法
CN108673503B (zh) * 2018-05-22 2021-01-26 佛山科学技术学院 一种工业机器人实时故障检测方法及装置
CN108549349B (zh) * 2018-05-22 2020-10-16 佛山科学技术学院 一种高负荷工业机器人信息采集方法及装置
CN110110803A (zh) * 2019-05-15 2019-08-09 广东工业大学 一种机器人故障诊断方法、装置及设备
CN110187696A (zh) * 2019-05-16 2019-08-30 中国计量大学 基于动态趋势的一阶随动系统传感器故障诊断方法及系统
CN112001125A (zh) * 2020-08-27 2020-11-27 河北工业大学 一种工业机器人失效率预计方法
CN116738344B (zh) * 2023-08-14 2023-10-31 北京奔驰汽车有限公司 一种基于物联网大数据的工业机器人故障预测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101008917A (zh) * 2007-01-29 2007-08-01 中南大学 基于人工免疫系统的移动机器人软件故障诊断系统
CN104260094A (zh) * 2014-09-16 2015-01-07 深圳市佳晨科技有限公司 一种机器人故障处理系统及机器人故障处理方法
CN104639587A (zh) * 2013-11-13 2015-05-20 沈阳新松机器人自动化股份有限公司 一种基于物联网的机器人故障监控系统及方法
CN104898668A (zh) * 2015-04-30 2015-09-09 中国空间技术研究院 一种基于巡游机器人的在轨故障检测及维护方法
CN105636748A (zh) * 2013-10-17 2016-06-01 直观外科手术操作公司 在机器人系统中的故障反应、故障隔离和故障弱化

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2763818B1 (en) * 2011-10-03 2021-12-01 ABB Schweiz AG Condition monitoring of an industrial robot

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101008917A (zh) * 2007-01-29 2007-08-01 中南大学 基于人工免疫系统的移动机器人软件故障诊断系统
CN105636748A (zh) * 2013-10-17 2016-06-01 直观外科手术操作公司 在机器人系统中的故障反应、故障隔离和故障弱化
CN104639587A (zh) * 2013-11-13 2015-05-20 沈阳新松机器人自动化股份有限公司 一种基于物联网的机器人故障监控系统及方法
CN104260094A (zh) * 2014-09-16 2015-01-07 深圳市佳晨科技有限公司 一种机器人故障处理系统及机器人故障处理方法
CN104898668A (zh) * 2015-04-30 2015-09-09 中国空间技术研究院 一种基于巡游机器人的在轨故障检测及维护方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FAULT DIAGNOSIS AND FAULT TOLERANT CONTROL OF MOBILE ROBOT BASED ON NEURAL NETWORKS;ZHENG LI;《2009 International Conference on hachine Learning and Cybernetics》;20090825;1077-1081 *
库卡机器人回原点故障排除;凌文周;《汽车实用技术》;20151231(第1期);130-131 *
矿石机械化采制样系统中机器人单元的故障分析及排除方法;鞠溯 等;《矿山机械》;20101231;第38卷(第6期);49-52 *

Also Published As

Publication number Publication date
CN106647286A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
CN106647286B (zh) 一种搬运类工业机器人早期故障排除试验方法
Ramesh et al. Error compensation in machine tools—a review: part I: geometric, cutting-force induced and fixture-dependent errors
US6269284B1 (en) Real time machine tool error correction using global differential wet modeling
Ruijun et al. The thermal error optimization models for CNC machine tools
CN109240204B (zh) 一种基于两步法的数控机床热误差建模方法
JP4763614B2 (ja) タスクを実行するロボットに対するタスクのロケイションを最適化するための方法及びシステム
Bittencourt et al. Modeling and experiment design for identification of wear in a robot joint under load and temperature uncertainties based on friction data
Tian et al. Kinematic calibration of a 5-DOF hybrid kinematic machine tool by considering the ill-posed identification problem using regularisation method
CN102785129A (zh) 复杂零件的曲面加工精度的在线检测方法
CN110936382B (zh) 一种数据驱动的工业机器人能耗优化方法
Hamrol et al. Mechanical engineering in Industry 4.0
Riazi et al. Energy and peak-power optimization of existing time-optimal robot trajectories
JP2002515995A (ja) 全示差ウエットモデリングを使用する工作機械のリアルタイム誤差補正
Heo et al. Estimation of NC machining time using NC block distribution for sculptured surface machining
Besset et al. Advanced calibration applied to a collaborative robot
de Aquino Silva et al. A modular space frame for assessing the performance of co-ordinate measuring machines (CMMs)
CN109581087A (zh) 机床导轨性能检测方法和系统
Zimmermann et al. Thermally compensated 5-axis machine tools evaluated with impeller machining tests
Todtermuschke et al. Methodology for creation a reference trajectory for energetic comparability of industrial robots in body shop
Denkena et al. Holistic process planning chain for robot machining
CN108873807A (zh) 一种考虑加工稳定性的三轴数控机床精度评价方法
Diaz-Rodriguez et al. On the experiment design for direct dynamic parameter identification of parallel robots
Hu et al. A parameter dimension reduction-based estimation approach to enhance the kinematic accuracy of a parallel hardware-in-the-loop docking simulator
Villagrossi et al. Optimal robot dynamics local identification using genetic-based path planning in workspace subregions
Li et al. Trajectory planning method for docking of large aircraft components

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant