CN107614213A - 故障诊断装置及故障诊断方法 - Google Patents

故障诊断装置及故障诊断方法 Download PDF

Info

Publication number
CN107614213A
CN107614213A CN201580080189.2A CN201580080189A CN107614213A CN 107614213 A CN107614213 A CN 107614213A CN 201580080189 A CN201580080189 A CN 201580080189A CN 107614213 A CN107614213 A CN 107614213A
Authority
CN
China
Prior art keywords
torsion
moment
interference
classified
robot
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.)
Granted
Application number
CN201580080189.2A
Other languages
English (en)
Other versions
CN107614213B (zh
Inventor
清水俊行
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.)
Nissan Motor Co Ltd
Original Assignee
Nissan Motor Co Ltd
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 Nissan Motor Co Ltd filed Critical Nissan Motor Co Ltd
Publication of CN107614213A publication Critical patent/CN107614213A/zh
Application granted granted Critical
Publication of CN107614213B publication Critical patent/CN107614213B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/16—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring several components of force
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/085—Force or torque sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/0095—Means or methods for testing manipulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/06—Safety devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B25J9/1676—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0061—Force sensors associated with industrial machines or actuators
    • G01L5/0076—Force sensors associated with manufacturing machines
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37214—Detect failed machine component, machine performance degradation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37344—Torque, thrust, twist, machining force measurement
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39355—Observer, disturbance observer
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39412—Diagnostic of robot, estimation of parameters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/41—Servomotor, servo controller till figures
    • G05B2219/41372—Force estimator using disturbance estimator observer

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Human Computer Interaction (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

一种故障诊断装置及故障诊断方法。本发明的故障诊断装置检测对多轴型机器人(1)具备的关节轴施加的干扰扭矩(Tq)，基于在检测干扰扭矩(Tq)时多轴型机器人(1)进行的作业的内容对干扰扭矩(Tq)进行分类。而且，通过对分类的干扰扭矩(Tq)和阈值(α)进行比较，进行多轴型机器人(1)的故障诊断。

Description

故障诊断装置及故障诊断方法
技术领域
本发明涉及诊断多轴型机器人的故障的故障诊断装置及故障诊断方法。
背景技术
作为多关节型的产业用机器人的故障诊断方法，目前公开有专利文献1。在专利文献1所公开的故障诊断方法中，在机器人的动作中在每个规定周期检测机器人关节轴的移动位置及对关节轴作用的干扰扭矩，求出检测到的每一移动位置的干扰扭矩的平均值。而且，将该平均值和设定阈值进行比较，在平均值超过设定阈值的情况下，诊断为机器人异常或机器人故障。
专利文献1：(日本)特开平9－174482号公报
但是，干扰扭矩有时根据机器人进行的作业的内容发生变化。在专利文献1中，因为不考虑作业内容来比较一定的阈值和干扰扭矩，故有时会进行错误的故障诊断。
发明内容
本发明是鉴于上述课题而设立的，其目的在于提供一种能够考虑机器人进行的作业的内容而进行正确的故障诊断的故障诊断装置及故障诊断方法。
本发明的故障诊断装置及故障诊断方法中，基于在检测干扰扭矩时多轴型机器人进行的作业的内容，将对多轴型机器人具备的关节轴施加的干扰扭矩进行分类。而且，通过比较所分类的干扰扭矩和阈值，进行多轴型机器人的故障诊断。
附图说明
图1是表示包含第一实施方式的故障诊断装置23的故障诊断系统100的整体构成的框图；
图2是说明干扰扭矩(Tq)的计算方法之一例的框图；
图3是表示图1的运算处理部18a的详细构成的框图；
图4(a)是基于机器人1进行的作业的内容对检测到的干扰扭矩(Tq)进行分类的结果之一例的图表，图4(b)表示按每一分类将干扰扭矩(Tq)分组化的状态；
图5是表示第一实施方式的故障诊断方法之一例的流程图；
图6是表示包含第二实施方式的故障诊断装置23的故障诊断系统200的整体构成的框图；
图7是表示图6的运算处理部18b的详细构成的框图；
图8是表示第二实施方式的故障诊断方法之一例的流程图。
标记说明
1：机器人
2：机器人控制单元
3a、3b：故障诊断单元
6：电动机
11：伺服控制部(扭矩检测部)
16：参照值数据库
17：干扰扭矩数据库
18a、18b：运算处理部
19：作业内容数据库
22：阈值数据库
23：故障诊断装置
24：位置检测部
31：扭矩分类电路
32：故障诊断电路
33：扭矩修正电路
Tq：干扰扭矩
Tq’：修正后干扰扭矩
α：阈值
具体实施方式
(第一实施方式)
接着，参照附图详细说明实施方式。在附图的记载中，对同一部分标注同一标记并省略说明。
(第一实施方式)
参照图1，对包含第一实施方式的故障诊断装置23的故障诊断系统100的整体构成进行说明。故障诊断系统100由机器人1、故障诊断装置23、生产管理装置4构成。故障诊断装置23具备机器人控制单元2和故障诊断单元3a。
作为多轴型机器人的一例，机器人1为多轴机械的示教再现型的机器人。机器人1具备电动机驱动系统作为动作轴即关节轴。机械臂5通过伺服电机(以下简称为电动机)6并经由减速机8驱动。在电动机6上附带有旋转角位置及速度的检测器即脉冲编码器(脉冲发生器或编码器)7。
机器人控制装置2具有动作整体控制部9、位置检测部24、通信部10、伺服控制部11(扭矩检测部之一例)及伺服放大部14。伺服控制部11接受来自上位的动作整体控制部9的指令，经由伺服放大部14驱动电动机6。在电动机6上附带的脉冲编码器7与伺服控制部11之间形成用于电动机6的旋转角位置及速度的控制处理的反馈电路。
伺服控制部11具备进行用于控制电动机6的旋转角位置、速度及电流的处理的处理器、存储控制程序的ROM、存储设定值或各种参数的非易失性存储部。另外，伺服控制部11具备暂时存储运算处理中的数据的RAM、用于对来自脉冲编码器7的位置反馈脉冲进行计数而检测电动机6的绝对旋转角位置的计数器等。
伺服控制部11通过执行预先设置于处理器的计算机程序，构成用于检测施加于关节轴的干扰扭矩(Tq)的电路。伺服控制部11作为上述电路而具备干扰扭矩运算部12及状态数据取得部13。
状态数据取得部13定期收集有关机器人1的各关节轴的动作状态的各种数据(表示旋转角位置、速度、电流的数据)。干扰扭矩运算部12基于状态数据取得部13取得的数据，计算干扰扭矩(Tq)。表示旋转角位置、速度、电流的数据、及干扰扭矩(Tq)经由通信部10向故障诊断单元3a输出。通过该构成，伺服控制部11形成所谓的软件伺服的方式。此外，后文中参照图2详述干扰扭矩(Tq)的计算方法。干扰扭矩(Tq)表示相对于电动机6的扭矩指令值、和电动机6产生的扭矩的差异。
此外，图1那样的电动机驱动系统需要机器人1具备的关节轴的数量，但在图1中仅图示一轴量，其以外的电动机驱动系统省略图示。另外，也有时在图1的电动机6与减速机8之间夹装变速齿轮组。
位置检测部24根据由状态数据取得部13取得的电动机6的绝对旋转角位置检测设有电动机6的关节轴的移动位置。表示由位置检测部24检测到的关节轴的移动位置的数据以与表示干扰扭矩(Tq)的数据相关联的状态经由通信部10向故障诊断单元3a输出。向故障诊断单元3a传递相互进行了关联的关节轴的移动位置和干扰扭矩的信息。
动作整体控制部9位于伺服控制部11及位置检测部24的上位，进行机器人1的动作的直接控制。通信部10在与后述的故障诊断单元3a的通信部15之间例如通过LAN等进行必要数据的发送、接收。
故障诊断单元3a具备通信部15、阈值数据库22、干扰扭矩数据库17、运算处理部18a及作业内容数据库19。通信部15在与之前所述的机器人控制单元2及生产管理装置4各自的通信部10、20之间例如通过LAN等进行必要数据的发送、接收。
干扰扭矩数据库17依次存储从机器人控制单元2发送的、表示与关节轴的移动位置相关联的干扰扭矩(Tq)的数据。在干扰扭矩数据库17中累积有过去量的干扰扭矩(Tq)。
运算处理部18a基于存储于干扰扭矩数据库17的干扰扭矩(Tq)，主动地执行机器人1的故障诊断。运算处理部18a具备存储器功能，暂时存储访问干扰扭矩数据库17而得到的数据，基于这些数据执行故障诊断。运算处理部18a的详情参照图3后述。
生产管理装置4例如是进行包含工厂中的生产线的工作状况等的生产信息的管理的装置，具备通信部20和生产信息数据库21。通信部20在与故障诊断单元3a的通信部15之间例如通过LAN等进行必要的数据的发送、接收。生产信息数据库21具有存储所收集的各种生产信息的功能。因此，在生产信息数据库21中累积过去量的各种生产信息。通信部20根据来自故障诊断单元3a的请求将累积于生产信息数据库21的生产信息向通信部15发送。
此外，生产信息中包含机器人1进行的作业的内容的时间表。因此，如果日期及机器人1确定，则也能够特定该机器人1进行的作业的内容。在将机器人1配置于车辆的生产线上的情况下，作业内容中例如包含与作业相关的车辆的种类、在与作业相关的车辆中设定的选项的有无及内容、作业所属的工序。作业所属的工序包含冲压工序、车身焊接工序、涂装工序、树脂成形工序及装配工序。
在作业内容数据库19中存储从生产管理装置4收集的作业内容的时间表。另外，在作业内容数据库19中存储有通过与机器人控制单元2进行的通信而由状态数据取得部13取得的、与机器人1的各关节轴的动作状态相关的各种数据。
第一实施方式的故障诊断单元3a具备阈值数据库22。在阈值数据库22中，按与作业内容对应的每一分类预先设定有用于进行故障诊断的阈值。详情参照图4后述。
参照图2，对干扰扭矩(Tq)的计算方法之一例进行说明。干扰扭矩运算部12将通过来自脉冲编码器7的速度反馈信号求出的电动机6的实际速度Vr进行微分而求出加速度。在该加速度上乘以作用于电动机6的全部惯性J而求出加速度扭矩Ta。接着，从通过伺服控制部11的速度环路处理求出的对电动机6的扭矩指令Tc减去加速度扭矩Ta。通过相对于减法运算后的值进一步减去力矩M，求出干扰扭矩Tb。之后，通过实施规定的滤波处理而除去干扰的不规则成分，求出“干扰扭矩(Tq)”。伺服控制部11在每一规定的采样周期执行这样的处理，由此能够逐一检测干扰扭矩(Tq)。
更具体地，伺服控制部11具备计数器，该计数器按每一规定的采样周期对来自脉冲编码器7的位置的反馈脉冲进行计数，求出电动机6的绝对位置。因此，伺服控制部11从计数器检测电动机6的绝对位置，根据电动机6的绝对位置求出电动机6驱动的关节轴的旋转角位置(移动位置)。进而，伺服控制部11能够如之前说明地进行图2的处理而求出干扰扭矩(Tq)。
参照图3说明运算处理部18a的详情。运算处理部18a具备微处理器，通过执行预先设置的程序，构成用于基于干扰扭矩进行机器人1的故障诊断的一系列的运算处理电路。运算处理部18a作为一系列的运算处理电路，具备扭矩分类电路31和故障诊断电路32。
扭矩分类电路31在检测干扰扭矩(Tq)时基于机器人1进行的作业的内容，对干扰扭矩(Tq)进行分类。故障诊断电路32通过比较所分类的干扰扭矩(Tq)和阈值(α)，进行机器人1的故障诊断。
作为作业内容的一例，扭矩分类电路31能够按与作业相关的车辆的每一种类对干扰扭矩(Tq)进行分类。该情况下，表示与作业相关的车辆的种类的信息能够从存储于作业内容数据库19的作业内容的时间表取得。
作为作业内容的其它例，扭矩分类电路31能够按作业所属的每一工序对干扰扭矩(Tq)进行分类。该情况下，表示作业所属的工序的信息能够从存储于作业内容数据库19的作业内容的时间表取得。
作为作业内容的其它例，扭矩分类电路31能够在机器人1进行的作业中按关节轴移动的每一距离对干扰扭矩(Tq)进行分类。该情况下，表示关节轴移动的距离的信息能够根据由状态数据取得部13取得的、有关机器人1的各关节轴的动作状态的各种数据进行运算。
作为作业内容的其它例，扭矩分类电路31能够在机器人1进行的作业中按对驱动关节轴的电动机6施加的每一电流量对干扰扭矩(Tq)进行分类。该情况下，表示对电动机6施加的电流量的信息能够根据由状态数据取得部13取得的、有关机器人1的各关节轴的动作状态的各种数据进行运算。
图4(a)是表示基于在检测时机器人1进行的作业的内容对由伺服控制部11检测到的干扰扭矩(Tq)进行分类的一例的图表，图4(b)表示按每一分类将干扰扭矩(Tq)分组化的状态。横轴表示时间，纵轴表示干扰扭矩(Tq)。在此，将干扰扭矩(Tq)分类成作业1、作业2或作业3的任一个。图4(b)示例作业1的组，但对于作业2及作业3也存在同样的组。
如图4(a)所示，干扰扭矩(Tq)有时在其检测时根据机器人1进行的作业的内容而大幅变化。具体地，在车辆的生产线上，生产从小型车到大型车大小不同的多种车型的车辆、或者进行即使是同一车型由可选零件的有无导致的制造工序也不同的生产(多种混合生产)。因此，同一机器人1根据生产状况而实际实施的作业内容不同。因此，根据作业内容，有时检测的故障诊断用参数(干扰扭矩)产生差异。该情况下，当与作业内容无关地使用一定的阈值进行故障诊断时，有时会错误地进行故障诊断。
因此，故障诊断电路32通过将对所分类的每一干扰扭矩(Tq)预先设定的阈值和干扰扭矩(Tq)进行比较，进行机器人1的故障诊断。例如，如图4(b)所示，对作业1预先设定有阈值(+αA、－αA)。同样地，对作业2及作业3预先设定有阈值(+αB、－αB)及阈值(+αC、－αC)。阈值(+αA、－αA、+αB、－αB、+αC、－αC)的数据被预先设定于阈值数据库22中。故障诊断电路32从阈值数据库22读出阈值。故障诊断电路32对所分类的每一组，将干扰扭矩(Tq)和预先设定的阈值(α)进行对比。如图4(b)所示，在时刻(t0)，干扰扭矩(Tq)的绝对值超过阈值(αA)，因此，关于作业1，能够判断为在机器人1上存在故障。这样，由于阈值(α)对每一分类预先设定，故而能够相对于对应于作业内容而变化的干扰扭矩(Tq)的绝对值选择适当的阈值。
参照图5的流程图，对第一实施方式的故障诊断方法进行说明。第一实施方式的故障诊断方法使用图1的故障诊断装置23执行。在步骤S01，状态数据取得部13收集与机器人1的各关节轴的动作状态相关的各种数据(表示旋转角位置、速度、电流的数据)，干扰扭矩运算部12基于状态数据取得部13取得的数据，计算干扰扭矩(Tq)。由干扰扭矩运算部12算出的干扰扭矩(Tq)与关节轴的移动位置相关联，并经由通信部10向故障诊断单元3b输出。
在步骤S03，扭矩分类电路31基于在检测干扰扭矩(Tq)时机器人1进行的作业的内容，对干扰扭矩(Tq)进行分类。例如，在车辆制造线工作的机器人1的情况下，基于与机器人1进行的作业相关的车辆的种类、作业所属的工序、作业中的机械臂5的可动范围、或者在作业时对电动机6施加的电流、或它们的组合，对干扰扭矩(Tq)进行分类。在此，与图4同样，对分类成作业1、作业2及作业3的情况进行说明。通过参照存储于作业内容数据库19的作业内容时间表，能够取得表示车辆的种类、作业所属的工序、机械臂5的可动范围、或对电动机6施加的电流的数据。
在步骤S05、S07、S09，故障诊断电路32从阈值数据库22读出对所分类的每一作业设定的阈值(α1、α2、α3)。具体而言，如图4所示，故障诊断电路32对作业1、作业2及作业3分别设定阈值(+αA、－αA)、阈值(+αB、－αB)、阈值(+αC、－αC)。
在步骤S11、S13、S15，将所分类的干扰扭矩(Tq)和对每一分类设定的阈值(α1、α2、α3)进行比较。在干扰扭矩(Tq)比阈值(α1、α2、α3)大的情况下，判断为机器人1存在故障(S17、S21、S25)。另一方面，在干扰扭矩(Tq)为阈值(α1、α2、α3)以下的情况下，判断为机器人1没有故障(S19、S23、S27)。这样，通过定期实施图5的流程，进行故障诊断。
如以上说明，根据第一实施方式，可得到以下的作用效果。
在同一机器人1进行内容(车型、工序等)不同的多个作业的情况下，有时对机器人1的关节轴施加的干扰扭矩(Tq)根据作业内容发生变化。因此，基于作业内容对干扰扭矩(Tq)进行分类，通过比较所分类的干扰扭矩(Tq)和阈值，进行机器人1的故障诊断。由此，能够考虑对应作业内容发生变化的干扰扭矩(Tq)而进行正确的故障诊断。
扭矩分类电路31也可以按与机器人1进行的作业相关的车辆的每一种类将干扰扭矩(Tq)分类。即使在干扰扭矩(Tq)对应于车辆的种类发生变化的情况下，也能够进行正确的故障诊断。
扭矩分类电路31也可以按机器人1进行的作业所属的每一工序对干扰扭矩(Tq)进行分类。即使在干扰扭矩(Tq)对应于作业所属的工序发生变化的情况下，也能够进行正确的故障诊断。
扭矩分类电路31也可以按机器人1进行的作业中关节轴移动的每一距离对干扰扭矩(Tq)进行分类。即使在干扰扭矩(Tq)对应于关节轴移动的距离发生变化的情况下，也能够进行正确的故障诊断。
扭矩分类电路31也可以按机器人1进行的作业中对驱动关节轴的电动机6施加的每一电流量，对干扰扭矩(Tq)进行分类。即使在干扰扭矩(Tq)对应于对电动机6施加的电流量发生变化的情况下，也能够进行正确的故障诊断。
此外，车辆的种类、作业所属的工序、关节轴移动的距离、对电动机6施加的电流量也可以分别单独使用而对干扰扭矩(Tq)进行分类，但也可以将它们任意组合而对干扰扭矩(Tq)更详细地进行分类。通过将它们任意组合，能够进行更详细的阈值设定，能够进行更正确的故障诊断。
故障诊断电路32通过比较对分类的每一干扰扭矩(Tq)预先设定的阈值(α1、α2、α3)和干扰扭矩(Tq)而进行机器人1的故障诊断。因为阈值(α1、α2、α3)对每一分类预先设定，故而能够对对应于作业内容发生变化的干扰扭矩(Tq)的绝对值选择适当的阈值。
(第二实施方式)
在第一实施方式中，表示了在同一机器人进行内容(车型、工序等)不同的多个作业的情况下，对作业的每一内容设定阈值的例子。但不限于此，只要能够在同一机器人进行的多个作业之间将干扰扭矩(Tq)标准化，则能够不管作业内容如何都使用单一的阈值进行机器人1的故障诊断。在第二实施方式中，说明在同一机器人进行内容(车型、工序等)不同的多个作业的情况下，对在作业时产生的干扰扭矩进行标准化处理的例子。
参照图6说明包含第二实施方式的故障诊断装置23的故障诊断系统200的整体构成。
与图1相比，故障诊断单元3b在代替阈值数据库22而具备存储干扰扭矩参照值的参照值数据库16这一点上不同。进而，运算处理部18b的电路构成不同这一点不同，但其它方面与图1相同。干扰扭矩参照值是在干扰扭矩(Tq)的标准化处理中使用的参照值。干扰扭矩参照值对被分类的干扰扭矩的每一组进行设定。例如，干扰扭矩参照值是干扰扭矩的代表值和变化量的组合。干扰扭矩(Tq)的代表值包含在机器人1进行作业的期间检测到的干扰扭矩(Tq)的平均值、中央值及积分值。干扰扭矩(Tq)的变化量包含在进行作业的期间检测到的干扰扭矩(Tq)的分散、偏差、标准偏差及最大值与最小值之差。在本实施方式中，作为代表值及变化量，对使用干扰扭矩(Tq)的平均值及标准偏差的情况进行说明。
参照图7，说明运算处理部18b的详情。运算处理部18b具备微处理器，通过执行预先设置的程序，构成用于基于干扰扭矩进行机器人1的故障诊断的一系列的运算处理电路。运算处理部18b具备扭矩分类电路31、故障诊断电路32、扭矩修正电路33作为一系列的运算处理电路。与图3的运算处理部18a相比，在还具备扭矩修正电路33这一点上不同。
扭矩修正电路33使用存储于参照值数据库16的干扰扭矩参照值修正干扰扭矩(Tq)。修正按所分类的每一组实施。成为修正对象的干扰扭矩(Tq)是所分类的干扰扭矩(Tq)整体。用于修正的参照值以分类的组单位预先设定。将被修正的干扰扭矩(Tq)称作修正后干扰扭矩(Tq’)。具体地，扭矩修正电路33通过从进行作业时检测到的干扰扭矩(Tq)减去代表值并将减法运算后的值除以变化量，取得修正后干扰扭矩(Tq’)。扭矩修正电路33以被分类的组单位实施该运算。由此，扭矩修正电路33能够取得同一机器人1进行的在内容不同的多个作业之间被标准化了的、修正后干扰扭矩(Tq’)。
故障诊断电路32通过将由扭矩修正电路33取得的修正后干扰扭矩(Tq’)和单一的阈值(α)进行比较而进行机器人1的故障诊断。具体而言，如果修正后干扰扭矩(Tq’)的绝对值比阈值(α)大，则故障诊断电路32能够判断为机器人1发生故障。在第二实施方式中，阈值(α)是机器人1所固有的值，与机器人1进行的作业的内容(组)无关，为一定的值。即，由于修正后干扰扭矩(Tq’)是在多个作业之间被标准化的了的值，故而阈值(α)不按每一作业发生变化。
参照图8的流程图说明第二实施方式的故障诊断方法。第二实施方式的故障诊断方法使用图6的故障诊断装置23执行。
步骤S01及S03是与图5相同的步骤，省略说明。在步骤S31、S33、S35中，扭矩修正电路33对所分类的每一组执行干扰扭矩(Tq)的标准化处理。具体而言，扭矩修正电路33从参照值数据库16读出对所分类的每一组预先设定的干扰扭矩参照值(代表值及变化量)。而且，从干扰扭矩(Tq)减去干扰扭矩(Tq)的代表值，并将减法运算后的值除以干扰扭矩(Tq)的变化量。由此，能够取得分类成作业1、作业2及作业3的各作业的修正后干扰扭矩(Tq’)。
进入步骤S37，故障诊断电路32从内置于微控制器的存储器读出在所分类的作业间共通的单一阈值(α)。阈值(α)能够与分类成作业1、作业2及作业3的各作业的修正后干扰扭矩(Tq’)共通而使用。
进入步骤S39，将与分类成作业1、作业2及作业3的各作业的修正后干扰扭矩(Tq’)的各干扰扭矩和单一的阈值(α)进行比较。在修正后干扰扭矩(Tq’)的任一个比单一的阈值(α)大的情况下(S39中为“是”)，能够判断为机器人1有故障(S41)。另一方面，如果修正后干扰扭矩(Tq’)均为单一的阈值(α)以下(S39中为“否”)，则能够判断为机器人1没有故障(S43)。这样，通过定期地实施图8的流程图，进行故障诊断。
如以上所说明地，根据第二实施方式，可得到以下的作用效果。
扭矩修正电路33对所分类的每一干扰扭矩(Tq)修正干扰扭矩(Tq)，取得修正后干扰扭矩(Tq’)。故障诊断电路32通过比较修正后干扰扭矩(Tq’)和阈值(α)而进行机器人1的故障诊断。通过按每一分类修正后干扰扭矩(Tq)，能够与作业内容无关地使用一定的阈值(α)进行正确的故障诊断。即，无需按每一分类设定不同的阈值。
如上述记载了本发明的实施方式，但构成本公开的一部分的论述及附图不应理解为限定了本发明。根据本公开，本领域技术人员明了各种代替实施方式、实施例及运用技术。

Claims (8)

1.一种故障诊断装置，其特征在于，具备：
扭矩检测部，其检测对多轴型机器人具备的关节轴施加的干扰扭矩；
扭矩分类电路，其基于在检测所述干扰扭矩时所述多轴型机器人进行的作业的内容，对所述干扰扭矩进行分类；
故障诊断电路，其通过比较分类的干扰扭矩和阈值，进行所述多轴型机器人的故障诊断。
2.如权利要求1所述的故障诊断装置，其特征在于，
所述扭矩分类电路按与所述多轴型机器人进行的作业相关的车辆的每一种类对所述干扰扭矩进行分类。
3.如权利要求1或2所述的故障诊断装置，其特征在于，
所述扭矩分类电路按所述多轴型机器人进行的作业所属的每一工序对所述干扰扭矩进行分类。
4.如权利要求1～3中任一项所述的故障诊断装置，其特征在于，
所述扭矩分类电路按在所述多轴型机器人进行的作业中所述关节轴移动的每一距离对所述干扰扭矩进行分类。
5.如权利要求1～4中任一项所述的故障诊断装置，其特征在于，
所述扭矩分类电路按在所述多轴型机器人进行的作业中对驱动所述关节轴的电机施加的每一电流量对所述干扰扭矩进行分类。
6.如权利要求1～5中任一项所述的故障诊断装置，其特征在于，
所述故障诊断电路通过比较按所分类的每一干扰扭矩预先设定的阈值和所述干扰扭矩，进行所述多轴型机器人的故障诊断。
7.如权利要求1～5中任一项所述的故障诊断装置，其特征在于，
还具备扭矩修正电路，其对所分类的每一所述干扰扭矩修正所述干扰扭矩，取得修正后干扰扭矩，
所述故障诊断电路通过比较所述修正后干扰扭矩和所述阈值，进行所述多轴型机器人的故障诊断。
8.一种故障诊断方法，其特征在于，
检测对多轴型机器人具备的关节轴施加的干扰扭矩，
基于在检测所述干扰扭矩时所述多轴型机器人进行的作业的内容对所述干扰扭矩进行分类，
通过比较所分类的干扰扭矩和阈值，进行所述多轴型机器人的故障诊断。
CN201580080189.2A 2015-05-20 2015-05-20 故障诊断装置及故障诊断方法 Active CN107614213B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/064505 WO2016185589A1 (ja) 2015-05-20 2015-05-20 故障診断装置及び故障診断方法

Publications (2)

Publication Number Publication Date
CN107614213A true CN107614213A (zh) 2018-01-19
CN107614213B CN107614213B (zh) 2021-03-09

Family

ID=57319609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580080189.2A Active CN107614213B (zh) 2015-05-20 2015-05-20 故障诊断装置及故障诊断方法

Country Status (10)

Country Link
US (1) US10946523B2 (zh)
EP (1) EP3299131B1 (zh)
KR (1) KR102024454B1 (zh)
CN (1) CN107614213B (zh)
BR (1) BR112017024615B1 (zh)
CA (1) CA2986207C (zh)
MX (1) MX2017014256A (zh)
MY (1) MY196467A (zh)
RU (1) RU2687114C1 (zh)
WO (1) WO2016185589A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112534236A (zh) * 2018-08-06 2021-03-19 日产自动车株式会社 异常诊断装置和异常诊断方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MX365933B (es) * 2015-05-21 2019-06-20 Nissan Motor Dispositivo de diagnostico de fallas y metodo de diagnostico de fallas.
CN107696034A (zh) * 2017-09-30 2018-02-16 东北大学 一种针对工业机器人的错误自主恢复方法
JP6677694B2 (ja) * 2017-10-31 2020-04-08 ファナック株式会社 ロボットシステム
KR102254934B1 (ko) * 2019-07-30 2021-05-25 한국생산기술연구원 로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템
CN116638547A (zh) * 2023-03-20 2023-08-25 深圳技术大学 工业机器人故障诊断实验台及故障诊断方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07121239A (ja) * 1993-10-27 1995-05-12 Hitachi Zosen Corp ロボット装置の制御方法
US5418440A (en) * 1993-03-31 1995-05-23 Nec Corporation Position control device for servomotor
US5440213A (en) * 1989-12-26 1995-08-08 Fanuc, Ltd. Collision detecting method using an observer
US5719479A (en) * 1994-08-24 1998-02-17 Fanuc Ltd. Collision detecting method
JPH11282540A (ja) * 1998-03-30 1999-10-15 Matsushita Electric Ind Co Ltd ロボットの制御装置とその制御方法
CN101114171A (zh) * 2006-07-27 2008-01-30 发那科株式会社 减速器异常诊断方法及减速器异常诊断装置
CN101369800A (zh) * 2008-10-09 2009-02-18 东元总合科技（杭州）有限公司 电动机控制装置
CN101502961A (zh) * 2008-02-08 2009-08-12 发那科株式会社 具有部件保护功能的机器人控制装置以及机器人控制方法
CN102554939A (zh) * 2010-12-30 2012-07-11 沈阳新松机器人自动化股份有限公司 工业机器人碰撞保护方法和装置
CN103302679A (zh) * 2012-03-07 2013-09-18 株式会社神户制钢所 具备电动机驱动构造的系统、程序以及焊接物制造方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1536357A1 (ru) * 1988-02-29 1990-01-15 Горьковский Политехнический Институт Устройство дл диагностики неисправностей технических объектов
JP3623582B2 (ja) * 1995-12-25 2005-02-23 ファナック株式会社 ロボットの故障診断方法
GB2318093A (en) * 1996-10-14 1998-04-15 Esselte Nv A tape printing apparatus having two modes of operation
JPH11291190A (ja) 1998-04-10 1999-10-26 Nachi Fujikoshi Corp 溶接ロボットの動作異常検出方法
JP3441680B2 (ja) * 1999-07-28 2003-09-02 ファナック株式会社 射出成形機のエジェクタ制御装置
JP2006263916A (ja) * 2001-05-08 2006-10-05 Mitsubishi Electric Corp ロボット制御装置
JP2006281421A (ja) * 2005-04-05 2006-10-19 Yaskawa Electric Corp ロボットおよびロボットの異常検出方法
EP2998894B1 (en) * 2005-07-11 2021-09-08 Brooks Automation, Inc. Intelligent condition monitoring and fault diagnostic system
EP1935577A1 (en) * 2006-12-21 2008-06-25 Abb Ab A control system for controlling an industrial robot
JP2008183680A (ja) * 2007-01-31 2008-08-14 Yaskawa Electric Corp 負荷機械の制御装置とその衝突検出しきい値更新方法
US20090088625A1 (en) * 2007-10-01 2009-04-02 Kenneth Oosting Photonic Based Non-Invasive Surgery System That Includes Automated Cell Control and Eradication Via Pre-Calculated Feed-Forward Control Plus Image Feedback Control For Targeted Energy Delivery
US8378254B2 (en) * 2009-09-11 2013-02-19 Honda Motor Co., Ltd. Adaptive vehicle manufacturing system and method

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5440213A (en) * 1989-12-26 1995-08-08 Fanuc, Ltd. Collision detecting method using an observer
US5418440A (en) * 1993-03-31 1995-05-23 Nec Corporation Position control device for servomotor
JPH07121239A (ja) * 1993-10-27 1995-05-12 Hitachi Zosen Corp ロボット装置の制御方法
US5719479A (en) * 1994-08-24 1998-02-17 Fanuc Ltd. Collision detecting method
JPH11282540A (ja) * 1998-03-30 1999-10-15 Matsushita Electric Ind Co Ltd ロボットの制御装置とその制御方法
CN101114171A (zh) * 2006-07-27 2008-01-30 发那科株式会社 减速器异常诊断方法及减速器异常诊断装置
CN101502961A (zh) * 2008-02-08 2009-08-12 发那科株式会社 具有部件保护功能的机器人控制装置以及机器人控制方法
CN101369800A (zh) * 2008-10-09 2009-02-18 东元总合科技（杭州）有限公司 电动机控制装置
CN102554939A (zh) * 2010-12-30 2012-07-11 沈阳新松机器人自动化股份有限公司 工业机器人碰撞保护方法和装置
CN103302679A (zh) * 2012-03-07 2013-09-18 株式会社神户制钢所 具备电动机驱动构造的系统、程序以及焊接物制造方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112534236A (zh) * 2018-08-06 2021-03-19 日产自动车株式会社 异常诊断装置和异常诊断方法
CN112534236B (zh) * 2018-08-06 2023-03-24 日产自动车株式会社 异常诊断装置和异常诊断方法

Also Published As

Publication number Publication date
CA2986207A1 (en) 2016-11-24
BR112017024615B1 (pt) 2022-05-31
RU2687114C1 (ru) 2019-05-07
KR20180008576A (ko) 2018-01-24
US10946523B2 (en) 2021-03-16
MY196467A (en) 2023-04-12
WO2016185589A1 (ja) 2016-11-24
CN107614213B (zh) 2021-03-09
CA2986207C (en) 2021-11-23
KR102024454B1 (ko) 2019-09-23
MX2017014256A (es) 2018-04-20
EP3299131A4 (en) 2018-07-04
BR112017024615A2 (pt) 2018-07-31
EP3299131B1 (en) 2021-06-23
US20180133897A1 (en) 2018-05-17
EP3299131A1 (en) 2018-03-28

Similar Documents

Publication Publication Date Title
CN107614213A (zh) 故障诊断装置及故障诊断方法
CN107614214B (zh) 故障诊断装置及故障诊断方法
US7463945B2 (en) Electronic fingerprints for machine control and production machines
CN106020116A (zh) 具有对机器人进行异常诊断的功能的机器人控制装置
CN107449958A (zh) 异常判定装置和异常判定方法
DE102017003165A1 (de) Maschinelle Lernvorrichtung und maschinelles Lernverfahren zum Lernen der Fehlervorhersage einer Hauptwelle oder eines Motors, der die Hauptwelle antreibt, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem umfassend eine maschinelle Lernvorrichtung
EP3235611B1 (en) Robot maintenance assist device and method
JP5268637B2 (ja) 生産機械のための評価装置の動作方法
EP1425635B1 (de) Überwachungssystem, sowie verfahren zur prozessbegleitenden überwachung von kollisions- bzw. überlastsituationen an werkzeugmaschinen
DE102019103824A1 (de) Fehlervorhersagevorrichtung und maschinelle lernvorrichtung
JP7510583B2 (ja) 加工状態表示装置
Demilia et al. Measurements for smart manufacturing in an Industry 4.0 scenario a case-study on a mechatronic system
JP2008546083A (ja) メカトロニクスシステムをモデルベースで診断するための方法
US20120187889A1 (en) Method and Device for Generating a Variable Motion Profile for a Drive Unit of a Machine
Yuan et al. Online overall equipment effectiveness (OEE) improvement using data analytics techniques for CNC machines
WO2010118864A1 (de) Verfahren zum bereitstellen eine information über ein verschleiss einer komponente einer maschine und verfahren zum bereitstellen eines ersatzalgorithmus
CN112253746B (zh) 双离合器故障检测方法、装置及存储介质
Corradini et al. A DIGITAL TWIN BASED SELF-CALIBRATION TOOL FOR FAULT PREDICTION OF FDM ADDITIVE MANUFACTURING SYSTEMS.
CN213634179U (zh) 自动化装置
JP2009223354A (ja) アラーム情報を表示する機能を有する数値制御装置
JP2018073060A (ja) 診断装置における診断結果表示方法及び診断装置
JP6848206B2 (ja) 故障診断装置及び故障診断方法
EP3388809A1 (de) Verfahren und anordnung zum detektieren einer unwucht eines rotierenden maschinenelements
JP7184997B2 (ja) 状態判定装置及び状態判定方法
CN103510280B (zh) 缝纫机

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