CN107614215B - 故障诊断装置及故障诊断方法 - Google Patents

Abstract

本发明的故障诊断装置，对于作为动作轴的驱动源而具有电动机的机械装置，在每个规定周期取得动作轴的移动位置和施加到动作轴的干扰扭矩值，在取得的干扰扭矩值大于故障判定阈值的情况下，诊断为故障。而且，对取得的干扰扭矩值分别算出自基准值的变化，除了自该基准值的变化为规定的阈值以上的干扰扭矩值之外，进行干扰扭矩值的累积。

Description

故障诊断装置及故障诊断方法

技术领域

本发明涉及作为动作轴的驱动源具有电动机的机械装置的故障诊断装置及其方法。

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施加到关节轴的干扰扭矩，求出每个检测到的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故障。这样，目前，由于通过干扰扭矩是否超过一定的设定阈值来诊断故障，故而与机器人的动作姿势及由机械手把持的工件等的重量没有关系，检测出机器人驱动系统的异常。

专利文献1：(日本)特开平9－174482号公报

但是，在设备的紧急停止时，由于机械手在动作中紧急停止而对动作轴施加急剧的负荷，故而干扰扭矩值大幅度变动而产生单发的异常值。若不排除这样的单发的异常值的影响而使用一定的设定阈值进行故障的诊断，则无论是否正常都诊断为异常的情况多发，具有故障的诊断精度下降的问题点。

另一方面，作为取得设备的紧急停止信息的方法，考虑了与生产管理系统协同动作的方法，但在生产管理系统的建构中也具有投资大及维持管理成本高的其他问题点。

发明内容

因此，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排除单发的异常值的影响而提高故障的诊断精度，且可通过低成本的系统构成来诊断故障的故障诊断装置及其方法。

为了解决上述课题，本发明一方面的故障诊断装置及其方法对取得的干扰扭矩值分别算出自基准值的变化，除了自该基准值的变化为规定的阈值以上的干扰扭矩值之外，进行干扰扭矩值的累积。

附图说明

图1是表示本发明一实施方式的故障诊断系统的整体构成的框图；

图2是用于说明求取干扰扭矩的顺序的框图；

图3是表示本发明一实施方式的故障诊断装置进行的干扰扭矩选定处理的顺序的流程图；

图4是表示本发明一实施方式的故障诊断装置进行的故障诊断处理的顺序的流程图。

1：机器人

2：机器人控制装置

3：故障诊断装置

5：机械臂

6：伺服电机(电动机)

7：脉冲编码器

8：减速器

9：动作整体控制部

10、15：通信部

11：伺服控制部

12：干扰扭矩计算部

13：状态数据取得部

14：伺服放大部

16：干扰扭矩选定部

17：干扰扭矩数据库

18：故障诊断部

19：保护实效数据库

100：故障诊断系统

具体实施方式

以下，参照附图对适用了本发明的一实施方式进行说明。在附图的记载中，对同一部分标注同一标记并省略说明。

[故障诊断系统的构成]

图1是表示具有本实施方式的故障诊断装置的故障诊断系统的构成的框图。如图1所示，本实施方式的故障诊断系统100具有机器人1、机器人控制装置2、故障诊断装置3。机器人1作为机械装置的一例，为多轴机械的示教再现型且多关节型的机器人。但是，机器人1也可以不为多轴机械，而是单轴的机械。

机器人1作为动作轴即关节轴具有多个电动机驱动系统，但在图1中表示了一轴量的电动机驱动系统。机械臂5通过伺服电机(以下简称为电动机)6，经由减速器8被驱动。在电动机6上附带有作为旋转角位置及速度的检测器的脉冲编码器(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、通信部10、伺服控制部11及伺服放大部14。伺服控制部11包含干扰扭矩计算部12、状态数据取得部13，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除了干扰扭矩计算部12及状态数据取得部13之外，具有进行用于控制电动机6的旋转角位置、速度、电流的处理的处理器、存储控制程序的ROM、存储设定值及各种参数的非易失性存储部。另外，伺服控制部11具有暂时存储计算处理中的数据的RAM、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。

另外，由于机器人1为多关节的，虽然图1那样的电动机驱动系统需要关节轴的数量，但在图1中仅表示了一轴量，对除此之外的电动机驱动系统省略图示。另外，在图1的电动机6与减速器8之间也夹装有变速齿轮组。

动作整体控制部9位于伺服控制部11的上位而用于机器人1的动作的直接控制。通信部10在与后述的故障诊断装置3的通信部15之间，例如通过LAN等进行必要数据的接收、发送。另外，状态数据取得部13具有定期地收集关于机器人1的各关节轴的动作状态的各种数据的功能。收集的数据中包含表示收集期间的数据。干扰扭矩计算部12具有基于状态数据取得部13取得的数据计算干扰扭矩值的功能。由于包含这些干扰扭矩计算部12及状态数据取得部13而构成伺服控制部11，故而通过干扰扭矩计算部12的计算而求出的干扰扭矩值经由通信部10向故障诊断装置3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。

故障诊断装置3具有通信部15、干扰扭矩选定部16、干扰扭矩数据库17、故障诊断部18及保护实效数据库19。在此，故障诊断装置3由微机、微处理器、包含CPU的通用电子回路和存储器等周边设备构成。因此，通过执行特定的程序，故障诊断装置3作为通信部15、干扰扭矩选定部16、故障诊断部18而动作。

通信部15具有例如通过LAN等在与前述的机器人控制装置2的通信部10之间进行必要的数据的接收和发送的功能。

干扰扭矩选定部16具有根据机器人1的动作状况挑选收集到的干扰扭矩值中应存储的值的功能。特别是，干扰扭矩选定部16对取得的干扰扭矩值分别算出自基准值的变化，除了自该基准值的变化为规定的阈值以上的干扰扭矩值之外，进行干扰扭矩值的累积。例如，干扰扭矩选定部16既可以删除自基准值的变化为规定的阈值以上的干扰扭矩值，也可以置换为基准值。

另外，干扰扭矩选定部1作为自基准值的变化，算出相对于基准值的变化率。具体地，能够以下式求得。

相对于基准值的变化率＝(干扰扭矩值－基准值)/基准值

作为自基准值的变化，不仅为相对于基准值的变化率，也可以算出干扰扭矩值与基准值的差量。另外，只要为表示自基准值的变化，则可以算出其他的数值。

另外，干扰扭矩选定部16作为基准值使用最新的干扰扭矩值的平均值，但除了平均值之外也可以使用中央值或分散值。另外，与自基准值的变化比较的阈值为用于判定单发的异常值的阈值，将过去产生的单发的异常值作为参考，只要设定为可将单发的异常值可靠地除去的值即可。

干扰扭矩数据库17具有依次存储由干扰扭矩选定部16挑选的干扰扭矩值的功能。因此，在该干扰扭矩数据库17中累积过去量的干扰扭矩值。

故障诊断部18具有基于由干扰扭矩选定部16累积的干扰扭矩值主动地执行机器人1的故障诊断的功能。由于该故障诊断部18具有存储功能，故而暂时存储分别访问干扰扭矩数据库17及保护实效数据库19而得到的数据，基于这些数据进行故障诊断。特别是，故障诊断部18在每个规定周期取得各动作轴的移动位置和施加到各动作轴的每个移动位置的干扰扭矩值，在取得的干扰扭矩值比故障判定阈值大的情况下，诊断为故障。

保护实效数据库19具有在对机器人1进行了保护的情况下，对各个关节轴存储有其保护实效的功能。因此，在保护实效数据库19累积过去量的保护实效数据。

在此，在本实施方式中，检测施加在驱动机器人1的各关节轴的电动机6的干扰扭矩(干扰负荷扭矩)，基于该干扰扭矩值将相当的电动机驱动系的异常诊断为机器人的故障。求取该干扰扭矩的顺序大致如下。

如图2的框图所示，对由来自脉冲编码器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，对该加速度乘以施加于电动机6的全部的惯性J而求出加速度扭矩Ta。接着，从由伺服控制部11的速度循环处理求出的向电动机6的扭矩指令Tc减去求出的加速度扭矩Ta，进而减去力矩M而求出干扰扭矩Tb。之后，通过实施规定的过滤处理而除去干扰的不规则成分，求出干扰扭矩TG。伺服控制部11在每个规定的采样周期执行这样的处理并求出干扰扭矩TG。

更具体地，伺服控制部11具备计数器，该计数器在每个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并求出电动机6的绝对位置。因此，伺服控制部11由计数器检测电动机6的绝对位置，由该电动机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)。另外，伺服控制部11如上述说明地进行图2的处理并求出干扰扭矩TG。

[干扰扭矩选定处理]

接着，参照图3对本实施方式的故障诊断装置3的干扰扭矩选定部16进行的干扰扭矩选定处理进行说明。图3是表示干扰扭矩选定部16进行的干扰扭矩选定处理的处理顺序的流程图。

如图3所示，在步骤S1，干扰扭矩选定部16定期地自动收集并取得由机器人控制装置2计算的干扰扭矩值。该干扰扭矩值为各动作轴的每个移动位置的值。另外，自动收集的定时例如为每一小时，收集并取得在一小时期间计算的干扰扭矩值。

接着，在步骤S2，干扰扭矩选定部16对取得的干扰扭矩值的全部采样数据和基准值进行比较并算出相对于基准值的变化率。其中，也可以不为变化率，而使用干扰扭矩值与基准值之间的差量。另外，基准值使用最新的干扰扭矩值的平均值，但除了平均值之外也可以使用中央值或分散值。

在步骤S3，干扰扭矩选定部16判定相对于基准值的变化率是否在规定的阈值以上，在阈值以上的情况下，判断采样数据为单发的异常值并进入步骤S4。另一方面，在相对于基准值的变化率小于阈值的情况下，判断采样数据不为单发的异常值并进入步骤S5。

在步骤S4，干扰扭矩选定部16不将除了判断为单发的异常值的干扰扭矩值的采样数据之外的数据在干扰扭矩数据库17进行累积。例如，既可以将采样数据删除，也可以与基准值置换。另外，在基准值不为最新的干扰扭矩值的平均值的情况下，也可以与最新的干扰扭矩值的平均值置换。

在步骤S5，干扰扭矩选定部16将除了单发的异常值之外的干扰扭矩值的采样数据在干扰扭矩数据库17进行累积并结束本实施方式的干扰扭矩选定处理。

通过由这样的处理选定干扰扭矩值，在干扰扭矩数据库17仅存储并累积除了单发的异常值之外的干扰扭矩值。

[故障诊断处理]

接着，参照图4说明本实施方式的故障诊断装置3的故障诊断部18进行的故障诊断处理。图4是表示故障诊断部18进行的故障诊断处理的处理顺序的流程图。

如图4所示，在步骤S11，故障诊断部18自干扰扭矩数据库17一并取得最新的干扰扭矩值及进行诊断那天的前年同月的干扰扭矩值。在步骤S12，故障诊断部18基于进行诊断那天的前年同月的干扰扭矩值，算出其平均值、分散值及中央值中的至少一个(也可以为多个)，并基于此算出并设定故障判定阈值。例如，既可以将平均值、分散值、中央值中的任一个设定为故障判定阈值，也可以将其中的多个设定为故障判定阈值。

在步骤S13，故障诊断部18算出最新的干扰扭矩值的平均值、分散值及中央值中的至少任一个(也可以为多个)，判断该值是否为在步骤S12中设定的故障判定阈值以下。而且，若最新的干扰扭矩值的平均值、分散值及中央值中算出的值为故障判定阈值以下，则判断为未发生故障，立即结束本实施方式的故障诊断处理。另一方面，在最新的干扰扭矩值的平均值、分散值及中央值中算出的值比故障判定阈值大的情况下，判断为具有故障的可能性并进入步骤S14。

在步骤S14，故障诊断部18基于在保护实效数据库19累积的数据判断在最近三个月以内是否实施了保护。而且，若实施了保护，则判断为发生了故障并进入步骤S21。另一方面，若在最近三个月以内实施了保护，则进入步骤S15。

在步骤S15，故障诊断部18判断在步骤S13中判断为干扰扭矩值比故障判定阈值大的动作轴和与干扰扭矩值相关的动作轴是否存在于同一机器人1。是否相关的判断例如在对一个动作轴进行了保护前后，利用相同的机器人的另一动作轴判断干扰扭矩值是否发生变化。而且，在存在相关的动作轴的情况下，进入步骤S16，在不存在相关的动作轴的情况下，进入步骤S17。

在步骤S16，故障诊断部18将在步骤S15判定为相关的动作轴全部抽出，并进入步骤S17。

在步骤S17，故障诊断部18算出进行保护后的干扰扭矩值的平均值、分散值及中央值中的至少任一个(也可以为多个)，基于该值算出并再设定故障判定阈值。

在步骤S18，故障诊断部18判断关节轴的干扰扭矩值是否具有季节变动，在没有季节变动的情况下，进入步骤S20，在具有季节变动的情况下，进入步骤S19。在此，干扰扭矩值是否具有季节变动的判断能够通过例如每个季节的外界气温的变化与干扰扭矩值之间的相关程度来进行，能够通过参照另外累积的外界气温的数据和干扰扭矩值的数据来进行判断。

在步骤S19，故障诊断部18在由步骤S17再设定的故障判定阈值上乘以对应于季节变动的常量(系数)，对故障判定阈值进行再再设定。

在步骤S20，故障诊断部18判断关节轴的最新的干扰扭矩值的平均值、分散值或中央值中的至少任一个(也可以为多个)是否为再设定的故障判定阈值或再再设定的故障判定阈值以下。而且，若最新的干扰扭矩值的平均值、分散值或中央值中算出的值为故障判定阈值以下，则判断为未发生故障，结束本实施方式的故障诊断处理。另一方面，在最新的干扰扭矩值的平均值、分散值或中央值中算出的值比故障判定阈值大的情况下，判断为发生了故障并进入步骤S21。

在步骤S21，故障诊断部18在附设于故障诊断装置3的未图示的监视器的显示画面上显示关于关节轴的故障警报，结束本实施方式的故障诊断处理。

[实施方式的效果]

以上，如详细说明地，根据本实施方式的故障诊断装置3，对取得的干扰扭矩值分别算出自基准值的变化，除了自基准值的变化为规定的阈值以上的干扰扭矩值之外，对干扰扭矩值进行累积。由此，能够将单发的异常值的影响排除，故而能够提高故障的诊断精度。另外，由于无需与生产管理系统协同动作，故而能够由低成本的系统构成诊断故障。

另外，在本实施方式的故障诊断装置3中，作为自基准值的变化，算出相对于基准值的变化率。由此，由于能够将具有单发的异常值的影响的干扰扭矩值可靠地排除，故而能够提高故障的诊断精度。

另外，根据本实施方式的故障诊断装置3，由于将基准值设为最新的干扰扭矩值的平均值，故而能够容易地设定基准值。由此，能够将具有单发的异常值的影响的干扰扭矩值可靠地排除，故而能够提高故障的诊断精度。

另外，根据本实施方式的故障诊断装置3，由于将自基准值的变化为规定的阈值以上的干扰扭矩值置换为基准值，故而不变更取得的干扰扭矩值的数据数即可排除单发的异常值的影响。由此，能够提高故障的诊断精度。

如上所述，对本发明的实施方式进行了记载，但构成该公开的一部分的论述及附图不应理解为限定本发明。本领域技术人员由该公开可想到各种替代的实施方式、实施例及运用技术。

Claims (5)

1.一种故障诊断装置，对作为动作轴的驱动源具有电动机的机械装置，在每个规定周期取得所述动作轴的移动位置和施加到所述动作轴的干扰扭矩值，诊断所述机械装置的故障，其特征在于，具有：

干扰扭矩选定部，其对取得的所述干扰扭矩值分别算出自基准值的变化，除了自所述基准值的变化为规定的阈值以上的干扰扭矩值之外，对所述干扰扭矩值进行累积；

故障诊断部，其由所述干扰扭矩选定部累积的所述干扰扭矩值比故障判定阈值大的情况下，将所述机械装置诊断为故障，

所述干扰扭矩选定部作为自所述基准值的变化，算出相对于所述基准值的变化率。

2.如权利要求1所述的故障诊断装置，其特征在于，

所述干扰扭矩选定部将所述基准值设为最新的干扰扭矩值的平均值，在由所述干扰扭矩选定部累积的最新的所述干扰扭矩值的平均值、分散值以及中央值中的至少任一个比所述故障判定阈值大的情况下，所述故障诊断部诊断为发生了所述机械装置的故障。

3.如权利要求1或2所述的故障诊断装置，其特征在于，

在所述干扰扭矩值有季节变动的情况下，所述故障诊断部基于与所述季节变动对应的常量，计算出所述故障判定阈值。

4.如权利要求1或2所述的故障诊断装置，其特征在于，

所述干扰扭矩选定部将自所述基准值的变化为规定的阈值以上的干扰扭矩值置换成所述基准值。

5.一种故障诊断方法，利用如下的故障诊断装置进行故障诊断，该故障诊断装置对作为动作轴的驱动源具有电动机的机械装置，在每个规定周期取得所述动作轴的移动位置和施加到所述动作轴的干扰扭矩值，诊断所述机械装置的故障，其特征在于，

所述故障诊断装置对取得的所述干扰扭矩值分别算出自基准值的变化，除了自所述基准值的变化为规定的阈值以上的干扰扭矩值之外，对所述干扰扭矩值进行累积，

使用累积的所述干扰扭矩值比故障判定阈值大的情况下，将所述机械装置诊断为故障，

作为自所述基准值的变化，算出相对于所述基准值的变化率。

Images