CN107239626A

CN107239626A - 一种基于焊接机器人的模糊fmeca分析方法

Info

Publication number: CN107239626A
Application number: CN201710441560.4A
Authority: CN
Inventors: 李东波; 栾佳绘; 葛志浩; 童飞; 童一飞
Original assignee: Nanjing University of Science and Technology
Current assignee: Nanjing University of Science and Technology
Priority date: 2017-06-13
Filing date: 2017-06-13
Publication date: 2017-10-10

Abstract

本发明公开了一种基于焊接机器人的模糊FMECA分析方法，包括如下步骤：(1)对本体子系统故障发生可能性、严酷度以及故障检测难度制定评分准则；(2)对焊接机器人的重要零部件进行模糊综合评价，建立因素集；(3)对评价结果建立评价集；(4)建立故障模式的模糊综合评价矩阵；(5)确定故障模式的因素权重集；(6)一级模糊综合评判。本发明的有益效果为：本发明克服了运用风险优先数的方法对机器人本体子系统进行危害性分析时出现的风险优先数(RPN)相同的情况以及结果具有主观性的问题。

Description

一种基于焊接机器人的模糊FMECA分析方法

技术领域

本发明涉及机器人安全控制技术领域，尤其是一种基于焊接机器人的模糊FMECA分析方法。

背景技术

FMECA(Failure Mode Effect and Criticality Analysis)分析，即故障模式影响及危害性分析，是一种可靠性分析技术。它是故障模式分析、故障影响分析、故障危害性分析三种方法的总和。企业在产品研发过程中运用FMECA方法可以对一些潜在的故障影响进行评估，提前预测某些故障对系统的功能、维修性、环境安全、人员安全的影响，使得产品设计人员能够及时的调整设计方案，为尽可能早的防止故障发生、减轻故障影响的后果给出解决办法。与此同时，FMECA分析的结果也可以为产品的可靠性、安全性、维修性、测试性工作提供依据。在市场竞争日益激烈的今天，FMECA可靠性分析方法的实施有助于企业生产出安全性好、可靠性高、竞争力强的产品。故障模式影响危害性分析的过程就是一个填表的过程，按照预先制定的FMEA表、CA表、FMECA工作表逐栏分析，在基于产品结构和功能的基础上，运用相应的分析手段完成表格的填写。在分析过程中它认为故障与故障之间是相互独立的，不考虑部件之间的相关失效对系统的影响，因此FMECA的分析具有一定的局限性。但是由于其分析结果确实能够为减少潜在失效发生的机会提供指导作用，仍具有很高的实用价值，并且应用简单，所以该方法在许多工业发达国家的重要工业部门都有广泛应用。

利用FMECA方法对产品进行故障分析会收到良好的效果，但也存在一些问题,主要表现在下面两个方面：

(1)人在描述某种故障模式时，常用发生概率高低、严重程度大小、检测及维修的难易等一些模糊语言，不同的人在描述这些模糊语言时有不同的判定标准，这就给复杂系统的FMECA分析带来了很大困难。

(2)导致系统故障的因素众多，此类因素相互制约、相互影响，很难综合各方面因素做出一个更接近实际的综合评价，难以定量地描述系统不同故障模式之间的主次关系。

模糊综合评判方法是利用模糊理论处理不确定性信息，应用定量的方法处理定性问题,对不易量化的复杂系统进行评判的有用工具。用其对FMECA方法进行改进，是解决上述问题的有效方法。

发明内容

本发明所要解决的技术问题在于，提供一种基于焊接机器人的模糊FMECA分析方法，能够克服运用风险优先数的方法对机器人本体子系统进行危害性分析时出现的风险优先数(RPN)相同的情况以及结果具有主观性的问题。

为解决上述技术问题，本发明提供一种基于焊接机器人的模糊FMECA分析方法，包括如下步骤：

(1)对本体子系统故障发生可能性、严酷度以及故障检测难度制定评分准则；

(2)对焊接机器人的重要零部件进行模糊综合评价，建立因素集；

(3)对评价结果建立评价集；

(4)建立故障模式的模糊综合评价矩阵；

(5)确定故障模式的因素权重集；

(6)一级模糊综合评判。

优选的，步骤(2)中，建立因素集具体为：对焊接机器人的重要零部件应进行模糊综合评价，其中进行评价选用的因素集最主要包含以下三个，分别为故障模式发生的概率、严酷度和检验复杂程度，那么因素集U＝{故障模式概率、严酷度、检验复杂程度}。

优选的，步骤(3)中，建立评价集具体为：建立通过对评价对象可能做出的评价结果所组成的集合，通常用V表，即V＝{V₁，V₂，...，V_m}，V_m表示评价等级的第m个等级。

优选的，步骤(4)中，建立故障模式的模糊综合评价矩阵具体为：首先对各种故障模式的发生概率等级，严酷度等级、故障检测的难易程度等级分别进行评定；然后对评定结果进行整理，对每个故障的危害度等级隶属度进行计算，最后对故障的危害度等级隶属度分别使用归一化处理，得出相应结果；在对故障模式k进行模糊综合评价分析过程中，设第i因素U_i在因素水平V_j的评估集为评价各影响因素对其因素水平集的隶属度，成立一个有n个人的专家评价组，每位成员对各影响因素评出一个评价等级V_j,若n位组员中评定隶属于V_j的有人，则得到的评价集为：

第k个故障模式的各因素评价集写成故障模式k模糊因素水平评价矩阵为：

优选的，步骤(5)中，确定故障模式的因素权重集利用层次分析法求权重集，具体为包括如下步骤：

(51)用a_i，j表示影响因素u_i对u_j的相对重要性数值，构造判断矩阵根据判断矩阵A，计算它的最大特征根λ_max及其所对应的特征向量ξ＝[X₁，X₂，...，X_n]；

(52)进行一致性检验，计算一致性比率R_C，得R_C＝I_C/I_R，式中:I_C为一致性指标，即I_C＝(λ_max-n)/(n-1)；n表示矩阵的阶数；I_R表示判断矩阵的平均随机一致性指标；当E_C<0.1时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正，取X_i作为因素u_i的重要程度系数W₁，设故障模式k的因素加权项为那么故障模式k的因素权重集为：

优选的，步骤(6)中，一级模糊综合评判具体为：

B代表故障模式的模糊评价集，则故障模式1的一级模糊综合评价向量为

B₁＝W₁R₁＝[0.224125,0.3895,0.3425,0.034875,0.009]，

即据隶属度最大的原则可以得出故障模式1异常噪声的危害度等级为2级；

同理其余故障模式的一级模糊综合评价向量如下；

B₂＝W₂R₂＝[0.261375,0.581125,0.07875,0.07875,0]

B₃＝W₃R₃＝[0.135125,0.655625,0.104625,0.06975,0.034875]

B₄＝W₄R₄＝[0.386375,0.474125,0.1395,0,0]

B₅＝W₅R₅＝[0.30525,0.491，0.159875,0.043875,0]

B₆＝W₆R₆＝[0.594875,0.186875，0.1485,0.06975,0]

B₇＝W₇R₇＝[0.62075,0.177875，0.201375,0,0]

B₈＝W₈R₈＝[0.359375,0.5090，0.122625,0.0090,0]

B₉＝W₉R₉＝[0.441625,0.270375，0.113625,0.104625,0.06975]

B₁₀＝W₁₀R₁₀＝[0.28725,0.55525，0.1575,0,0]

B₁₁＝W₁₁R₁₁＝[0.51375,0.197125，0.1575,0.131625,0]

B₁₂＝W₁₂R₁₂＝[0.117125,0.4585，0.275875,0.113625,0.034875]

B₁₃＝W₁₃R₁₃＝[0.197125,0.5835，0.131625,0.07875,0.009]

B₁₄＝W₁₄R₁₄＝[0.386375,0.3245，0.1755,0.07875,0.034875]

对计算结果进行反模糊化处理，根据D＝BV^T得故障模式1的综合危害度等级为

D₁＝B₁V^T＝2.218,D₂＝B₂V^T＝1.976,

D₃＝B₃V^T＝2.217,D₄＝B₄V^T＝1.746，D₅＝B₅V^T＝1.943,

D₆＝B₆V^T＝1.696，D₇＝B₇V^T＝1.58，D₈＝B₈V^T＝1.782，

D₉＝B₉V^T＝2.094,D₁₀＝B₁₀V^T＝1.871，D₁₁＝B₁₁V^T＝1.91,

D₁₃＝B₁₃V^T＝2.122,D₁₄＝B₁₄V^T＝2.055；

根据危害度的计算结果，将以上的故障模式按危害度从大到小进行排序，结果为：

D₁₂>D₁>D₃>D₁₃>D₉>D₁₄>D₂>D₅>D₁₁>D₁₀>D₈>D₄>D₆>D₁₃>D₇。

本发明的有益效果为：本发明克服了运用风险优先数的方法对机器人本体子系统进行危害性分析时出现的风险优先数(RPN)相同的情况以及结果具有主观性的问题。

附图说明

图1是本发明的方法流程示意图。

具体实施方式

如图1所示，一种基于焊接机器人的模糊FMECA分析方法，包括如下步骤：步骤一，对本体子系统统故障发生可能性、严酷度以及故障检测难度制定相关评分准则如下表1、2、3所示；

表1故障发生可能性评分准则

表2严酷度评分准则

表3检验难度评分准则

步骤二，建立因素集。

对焊接机器人的重要零部件应进行模糊综合评价，其中进行评价选用的因素集最主要包含以下三个，分别为故障模式发生的概率、严酷度、检验复杂程度。那么U＝{故障模式概率、严酷度、检验复杂程度}；

步骤三，建立评价集。

评价集是对评价对象可能做出的评价结果所组成的集合,通常用V表,即V＝{V₁，V₂，...，V_m},V_m表示评价等级的第m个等级。在本发明中对焊接机器人的每一个因素的影响效果进行等级划分，可以划分为五个等级，这五个不同等级即V＝{1，2，3，4，5}各因素等级划分如下表4、5所示；

表4各影响因素等级划分准则

表5各影响因素等级划分准则

步骤四，建立故障模式的模糊综合评价矩阵。

首先邀请设计部门的专家对如表6中所示的14种故障模式的发生概率等级，严酷度等级、故障检测的难易程度等级分别进行评定。然后对每位专家的评定结果进行整理，对每个故障的危害度等级隶属度进行计算，最后对故障的危害度等级隶属度分别使用归一化处理，得出相应结果。在对故障模式k进行模糊综合评价分析过程中，设第i因素U_i在因素水平V_j的评估集为评价各影响因素对其因素水平集的隶属度。成立一个有n个人的专家评价组，每位成员对各影响因素评出一个评价等级V_j,若n位组员中评定隶属于V_j的有人，则得到的评价集为：

第k个故障模式的各因素评价集写成故障模式k模糊因素水平评价矩阵为:

表6 PR1400焊接机器人本体子系统FMEA表

本发明分别使用模糊理论与危害性分析相结合的方法对表6中的故障模式进行综合模糊评判，得出一级评判结果，同时对评判结果进行相应的解析。经选定的专家评判组判定，通过统计计算得出故障模式1交流伺服电机异常噪声的故障概率模糊集为严酷度模糊集为检测难易程度模糊集为因此其模糊评价矩阵为：同理，可得其余故障模式的模糊评价矩阵。

步骤五，确定故障模式的因素权重集

利用层次分析法求权重集的具体步骤如下：

首先，用a_i，j表示影响因素u_i对u_j的相对重要性数值，a_i，j的值可以依据表7选取。构造判断矩阵

表7因素重要程度判断值表

显然,a_i，i＝1,a_i，j＝1/a_j，i。根据判断矩阵A,计算他的最大特征根λ_max及其所对应的特征向量ξ＝[X₁，X₂，…，X_n]。

然后，进行一致性检验，计算一致性比率R_C，得R_C＝I_C/I_R，式中：I_C为一致性指标，即I_C＝(λ_max-n)/(n-1)；n表示矩阵的阶数；I_R表示判断矩阵的平均随机一致性指标，对于1～13阶判断矩阵，I_R的值见表8。当R_C<0.1时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正。取X_i作为因素u_i的重要程度系数W_i。设故障模式k的因素加权项为那么故障模式k的因素权重集为：

表8判断矩阵I_R值

通过相关的专家认真评定，得到故障模式1对各影响因素的判断矩阵及权重，结果如下表9所示。

表9各影响因素相对重要度

由于R_C＝0.032<0.1得出此分析矩阵的一致性能够符合要求。所以，能够得到故障模式1的因素集与之相对应的权重向量是W₁＝(0.649,0.279,0.072)。步骤六，一级模糊综合评判。

B代表故障模式的模糊评价集，则故障模式1的一级模糊综合评价向量为B₁＝W₁R₁＝[0.224125,0.3895,0.3425,0.034875,0.009]

即据隶属度最大的原则可以得出故障模式1异常噪声的危害度等级为2级。

同理其余故障模式的一级模糊综合评价向量如下。

B₂＝W₂R₂＝[0.261375,0.581125,0.07875,0.07875,0]

B₃＝W₃R₃＝[0.135125,0.655625,0.104625,0.06975,0.034875]

B₄＝W₄R₄＝[0.386375,0.474125,0.1395,0,0]

B₅＝W₅R₅＝[0.30525,0.491，0.159875,0.043875,0]

B₆＝W₆R₆＝[0.594875,0.186875，0.1485,0.06975,0]

B₇＝W₇R₇＝[0.62075,0.177875，0.201375,0,0]

B₈＝W₈R₈＝[0.359375,0.5090，0.122625,0.0090,0]

B₉＝W₉R₉＝[0.441625,0.270375，0.113625,0.104625,0.06975]

B₁₀＝W₁₀R₁₀＝[0.28725,0.55525，0.1575,0,0]

B₁₁＝W₁₁R₁₁＝[0.51375,0.197125，0.1575,0.131625,0]

B₁₂＝W₁₂R₁₂＝[0.117125,0.4585，0.275875,0.113625,0.034875]

B₁₃＝W₁₃R₁₃＝[0.197125,0.5835，0.131625,0.07875,0.009]

B₁₄＝W₁₄R₁₄＝[0.386375,0.3245，0.1755,0.07875,0.034875]

为了达到对不同故障模式之间的相对危害度进行快速比较目的，通过对计算

结果进行反模糊化处理，根据D＝BV^T得故障模式1的综合危害度等级为

D₁＝B₁V^T＝2.218,D₂＝B₂V^T＝1.976,

D₃＝B₃V^T＝2.217,D₄＝B₄V^T＝1.746，D₅＝B₅V^T＝1.943,

D₆＝B₆V^T＝1.696，D₇＝B₇V^T＝1.58，D₈＝B₈V^T＝1.782，

D₁₃＝B₁₃V^T＝2.122,D₁₄＝B₁₄V^T＝2.055。

D₁₂>D₁>D₃>D₁₃>D₉>D₁₄>D₂>D₅>D₁₁>D₁₀>D₈>D₄>D₆>D₁₃>D₇

根据以上分析进行结果分析与关键件的确定。

由排序结果可知PR1400焊接机器人本体子系统的所有故障模式危害度排序分别是法兰松动、依次是伺服电机异常噪声、伺服电机不能启动、轴承间隙大、同步齿形带断裂、轴承保持架破坏、电机振动较大、减速器振动异常、法兰出现裂纹、同步齿形带磨损、同步带轮轮齿磨损、电机发热量大、减速器输入输出轴不转、最后是减速器发热量过大。设计人员可以根据分析结果对故障模式危害度高的零部件进行高度关注，以便于在设计时采取措施或尽量改进设计以减小或消除该类故障模式，或者通过对装配人员的严格培训以及管理来提高机器人系统的可靠性，比如对于危害度最高的故障模式法兰的松动，故障原因是螺栓松脱，可能导致的后果是机器人的手臂出现抖动影响焊接精度，针对这一较高危害度的故障模式，公司可以提前对装配人员进行严格培训，然后在装配完成以后由相关的测试人员进行检测以保证机器人在出厂前的可靠性。

确定PR1400焊接机器人本体子系统关键零部件的原则一般有以下四点：

(1)从产品的寿命周期来说费用昂贵的零部件；

(2)零部件发生故障时会导致人员伤亡、同时带来严重财产损失的部件；

(3)需进行特殊储存、处理或防护的部件；

(4)严重影响系统可用性，增加维修费用和备用件数量的部件。

同时，在结合FMECA分析的基础上通过计算可知PR1400焊接机器人本体子系统零部件的危害度分别为，交流伺服电机的危害度为8.157，减速器的危害度为5.219，齿形带轮的危害度为1.782，同步齿形带的危害度为3.965，轴承的危害度为4.177，法兰的危害度为4.338。由此综合分析可见PR1400焊接机器人本体子系统的关键件为伺服电机、减速器。因此如果关键件为自制件，则在以后关键件的研发、设计、生产过程中都要对这些关键件进行可靠性改进措施的设计。如果关键件是外购件，一定要保证外购件的可靠性水平，以满足机器人可靠性的要求。

尽管本发明就优选实施方式进行了示意和描述，但本领域的技术人员应当理解，只要不超出本发明的权利要求所限定的范围，可以对本发明进行各种变化和修改。

Claims

1.一种基于焊接机器人的模糊FMECA分析方法，其特征在于，包括如下步骤：

(3)对评价结果建立评价集；

(4)建立故障模式的模糊综合评价矩阵；

(5)确定故障模式的因素权重集；

(6)一级模糊综合评判。

2.如权利要求1所述的基于焊接机器人的模糊FMECA分析方法，其特征在于，步骤(2)中，建立因素集具体为：对焊接机器人的重要零部件应进行模糊综合评价，其中进行评价选用的因素集最主要包含以下三个，分别为故障模式发生的概率、严酷度和检验复杂程度，那么因素集U＝{故障模式概率、严酷度、检验复杂程度}。

3.如权利要求1所述的基于焊接机器人的模糊FMECA分析方法，其特征在于，步骤(3)中，建立评价集具体为：建立通过对评价对象可能做出的评价结果所组成的集合，通常用V表，即V＝{V₁，V₂，…，V_m}，V_m表示评价等级的第m个等级。

4.如权利要求1所述的基于焊接机器人的模糊FMECA分析方法，其特征在于，步骤(4)中，建立故障模式的模糊综合评价矩阵具体为：首先对各种故障模式的发生概率等级，严酷度等级、故障检测的难易程度等级分别进行评定；然后对评定结果进行整理，对每个故障的危害度等级隶属度进行计算，最后对故障的危害度等级隶属度分别使用归一化处理，得出相应结果；在对故障模式k进行模糊综合评价分析过程中，设第i因素U_i在因素水平V_j的评估集为评价各影响因素对其因素水平集的隶属度，成立一个有n个人的专家评价组，每位成员对各影响因素评出一个评价等级V_j，若n位组员中评定隶属于V_j的有人，则得到的评价集为：

<mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msubsup> <mi>r</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mi>k</mi> </msubsup> <mo>=</mo> <mn>1</mn> </mrow>

5.如权利要求1所述的基于焊接机器人的模糊FMECA分析方法，其特征在于，步骤(5)中，确定故障模式的因素权重集利用层次分析法求权重集，具体为包括如下步骤：

(51)用a_i，j表示影响因素u_i对u_j的相对重要性数值，构造判断矩阵a_i，i＝1,a_i，j＝1/a_j，i，根据判断矩阵A，计算它的最大特征根λ_max及其所对应的特征向量ξ＝[X₁，X₂，…，X_n]；

(52)进行一致性检验，计算一致性比率R_C，得R_C＝I_C/I_R，式中:I_C为一致性指标，即I_C＝(λ_max-n)/(n-1)；n表示矩阵的阶数；I_R表示判断矩阵的平均随机一致性指标；当R_C<0.1时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正，取X_i作为因素u_i的重要程度系数W_i，设故障模式k的因素加权项为那么故障模式k的因素权重集为：

6.如权利要求1所述的基于焊接机器人的模糊FMECA分析方法，其特征在于，步骤(6)中，一级模糊综合评判具体为：

B代表故障模式的模糊评价集，则故障模式1的一级模糊综合评价向量为B₁＝W₁R₁＝[0.224125,0.3895,0.3425,0.034875,0.009]，

同理其余故障模式的一级模糊综合评价向量如下；

B₂＝W₂R₂＝[0.261375,0.581125,0.07875,0.07875,0]

B₃＝W₃R₃＝[0.135125,0.655625,0.104625,0.06975,0.034875]

B₄＝W₄R₄＝[0.386375,0.474125,0.1395,0,0]

B₅＝W₅R₅＝[0.30525,0.491，0.159875,0.043875,0]

B₆＝W₆R₆＝[0.594875,0.186875，0.1485,0.06975,0]

B₇＝W₇R₇＝[0.62075,0.177875，0.201375,0,0]

B₈＝W₈R₈＝[0.359375,0.5090，0.122625,0.0090,0]

B₉＝W₉R₉＝[0.441625,0.270375，0.113625,0.104625,0.06975]

B₁₀＝W₁₀R₁₀＝[0.28725,0.55525，0.1575,0,0]

B₁₁＝W₁₁R₁₁＝[0.51375,0.197125，0.1575,0.131625,0]

B₁₂＝W₁₂R₁₂＝[0.117125,0.4585，0.275875,0.113625,0.034875]

B₁₃＝W₁₃R₁₃＝[0.197125,0.5835，0.131625,0.07875,0.009]

B₁₄＝W₁₄R₁₄＝[0.386375,0.3245，0.1755,0.07875,0.034875]

D₁＝B₁V^T＝2.218,D₂＝B₂V^T＝1.976,

D₃＝B₃V^T＝2.217,D₄＝B₄V^T＝1.746，D₅＝B₅V^T＝1.943,

D₆＝B₆V^T＝1.696，D₇＝B₇V^T＝1.58，D₈＝B₈V^T＝1.782，

D₁₃＝B₁₃V^T＝2.122,D₁₄＝B₁₄V^T＝2.055；