CN107645980B - 由致动器驱动之机器人关节的控制/调整方法及装置 - Google Patents

Abstract

本发明系关于一种由电动马达驱动之机器人关节之控制/调整方法及装置，该机器人关节具有一电流传感器，其具有一第一电子感测系统，用于感测该电动马达的一第一工作电流i_k,1(t)，其中k＝1,2,…；一第一位置传感器，用于感测该机器人关节的一驱动链的一入力位置θ_m(t)；一第二位置传感器，用于感测该机器人关节的一出力链的一出力位置q(t)；以及一第一扭力传感器，用于感测该出力链中一转矩τ_J,1(t)，其中，依据一个预定的设定变量τ_m(t)，控制/调整该电动马达，该建议的方法包含下列步骤：步骤101，提供测定值θ_m(t),i_k,1(t),τ_J(t),q(t)；步骤102，利用该第一侦错器，检查是否有错误存在，当所述测定值θ_m(t),i_k,1(t),τ_J(t),q(t)及/或其时间导数没有符合预定的各第一极限值条件时，即由该第一侦错器侦测是否有错误存在；步骤103，系利用该第二侦错器，检查是否有错误存在，该第二侦错器根据一个使用程序模型协助的方法的测定值θ_m(t),i_k,1(t),τ_J(t),q(t)，侦测是否有错误存在，所述程序模型为机器人关节一个预定的数学动态模型，当所述模型的参数、由该程序模型重建构的数值与测定值之间的余数以及/或模型内计算出的参数，没有符合预定的各第二极限值条件时，即进行侦错；步骤104a，提供测定值τ_J(t)给一第三侦错器，该第三侦错器根据一使用信号协助的方法，侦测是否有错误存在，当测定值τ_J(t)的信号的变量，例如幅度及/或特征频率，没有符合预定的各第三极限值条件时，即进行侦错；或步骤104b，使用一第二扭力传感器或使用第一扭力传感器的一个多余设置的电子感应系统，感测出力链内的一个转矩τ_J,2(t)，而且当τ_J,1(t)与τ_J,2(t)的比较没有符合各第四极限值条件时，即使用一第四侦错器进行侦错；以及步骤105a，只要设置于机器人关节上的侦错器其中之一侦测到错误，即产生一警告信号，以及/或步骤105b，藉由控制机器人关节进入预定的错误状态FZ的变数

驱动该电动马达，以及/或步骤105c，启动一机械性机构，以制止机器人关节的动作。

Description

由致动器驱动之机器人关节的控制/调整方法及装置

技术领域

本发明系关于一种由致动器驱动之机器人关节的控制/调整方法及装置，可侦测错误并对应作出反应。

发明内容

本发明之目的，在于提供一种由致动器驱动之机器人关节的控制/调整方法及装置，可以用很低的成本，在机器人关节运作过程确实侦测出错误，达到一个错误也不能放过(1-error proofing)的防错效果。

本发明系由各独立请求项的特征所形成。进一步有利的实施方式及结构设计，是各独立请求项的标的。有关本发明其它的特征、应用可能性及功效，请参见下列的说明书以及对图式中显示之本发明实施例的解释。

首先，本发明系关于一种藉由电动马达驱动之机器人关节的控制/调整方法，该机器人关节具有一电流传感器，其具有一第一电子感测系统(sensor electronics)，用于感测该电动马达的一第一工作电流i_k，1(t)，其中k＝1，2，...；一第一位置传感器，用于感测该机器人关节的一驱动链的一入力位置θ_m(t)；一第二位置传感器，用于感测该机器人关节的一出力链的一出力位置q(t)；以及一第一扭力传感器，用于感测该出力链中一转矩τ_J，1(t)。其中，依据一个预定的设定变量τ_m(t)，控制/调整该电动马达。这里所称的「电子感测系统」(sensor electronics)，是指具有感测、测量及通讯功能的电子系统。

上述建议的方法包含下列步骤，其中一步骤系提供测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)。

在另一步骤，系利用该第一侦错器，检查是否有错误存在，当所述测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)及/或其时间导数(time derivatives)没有符合预定的各第一极限值条件时，即由该第一侦错器侦测是否有错误存在。有利的设计是，至少会侦测到各测定值的第一及第二时间导数。所述第一极限值条件可以涉及该等测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)、其时间导数及/或从中推导出(过滤、内推、观察等等)的数值。

在另一步骤，系利用该第二侦错器，检查是否有错误存在，该第二侦错器根据一个使用程序模型协助的方法的测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)，侦测是否有错误存在，所述程序模型为机器人关节一个预定的数学动态模型。当所述模型的参数、由该程序模型重建构的数值与测定值之间的余数以及/或模型内计算出的参数，没有符合预定的各第二极限值条件时，即进行侦错。其中，根据使用程序模型协助的方法，例如会使用测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)的时间导数及/或由该等测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)及/或其时间导数所推导出数值。另外，也可根据不同程序模型的需要，不使用其中一个或多个测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)，侦测是否有错误存在。

在另一步骤，提供测定值τ_J，1(t)给一第三侦错器，该第三侦错器根据一使用信号协助的方法，侦测是否有错误存在，当测定值τ_J，1(t)的信号的变量，例如幅度及/或特征频率，没有符合预定的各第三极限值条件时，即进行侦错。在此步骤，不是进行前述内容，就是使用一第二扭力传感器或使用第一扭力传感器的一个多余设置的电子感应系统，感测出力链内的一个转矩τ_J，2(t)，而且当τ_J，1(t)与τ_J，2(t)的比较值没有符合各第四极限值条件时，即使用一第四侦错器进行侦错。若该机器人关节具有一第二扭力传感器或一含有多余设置的电子感应系统的第一扭力传感器，在此步骤仅需求出转矩τ_J，1(t)及τ_J，2(t).

的值即可。

在另一步骤，只要设置于机器人关节上的侦错器其中之一侦测到错误，即产生一警告信号，以及/或藉由控制机器人关节进入预定的错误状态FZ的变量

驱动该电动马达，以及/或启动一机械性机构，以制止机器人关节的动作。其中，后者提到的制动，可以主动或藉由安全制动器进行制动。

有利的设计是，以视觉方式呈现该警告信号及/或以声音发出该警告信号。

上述建议的方法可进一步变化，使该第一电流传感器具有一个作为该第一电子感测系统备用的第二电子感测系统，用以侦测该电动马达的一第二工作电流i_k，2(t)，其中k＝1，2，...。当i_k，1(t)与i_k，2(t)f的比较值没有符合各第五极限值条件时，即使用一第五侦错器进行侦错。

与该机器人关节各传感器连接的侦错器中一些或所有的侦错器，其设置方式与实施方式经过设计，都能分别侦测到每次侦测到之错误的一种(尤其是下列说明书中可以找出的错误类别)。

所述变量

以及/或所述错误状态FZ，系随着侦测到的错误F的类别而变化。因此，例如针对各种错误类别可以预定不同的错误状态FZ，或者可以针对各种错误F的类别，将变量预定得不一样。换句话说，随着侦测到之错误的类别而变化的反应，可以预先确定。

有利的设计是，所述第二侦错器要进行侦错时，使用根据模型得出的一个参数估计值，以及/或一个状态变量观测器，以及/或一个「扩展」(extended)卡尔曼滤波器(Kalmanfilter)，以及/或一个「无损」(unscented)卡尔曼滤波器，以及/或一个根据奇偶性方程式(尤其是下列说明书中写出的奇偶性方程式)进行的侦错动作，以及/或一个干扰变量观测器，以及/或一个精简干扰变量观测器，以及/或一个精简状态变量观测器，其中干扰变量观测器基本上和状态观测器没有什么不同。尤其较佳地，所述第二侦错器要进行侦错时，会使用一个由多数奇偶性方程式与一个或多个状态观测器组成的组合，下列说明书会提到所述组合。

有利的设计是，所述第三侦错器要进行侦错时，使用一个快速傅立叶变换(FastFourier Transformation)，以及/或一个功率密度谱，以及/或一个模态分析，以及/或一个相关分析，以及/或一个神经网络，以及/或一个统计估计量。

本发明进一步系关于一种计算机系统，包含一数据处理装置，该数据处理装置系设计成，可于其上实施上述之方法。

本发明进一步系关于一种数字储存媒体，包含多数可以电子方式读出的控制信号，该等控制信号可与一可编程的计算机系统配合，实施上述之方法。

本发明进一步系关于一种计算机程序产品，包含一个储存于一可机械性读取的载体上的程序代码。当在一个数据处理装置上执行该程序码时，即可使用该程序码执行上述之方法。

本发明进一步系关于一种计算机程序，包含多数个程序代码。当该程序在一个数据处理装置走完时，即可使用该等程序码执行上述之方法。

本发明进一步系关于一种由电动马达驱动之机器人关节的控制/调整装置，该机器人关节具有一电流传感器，其具有一第一电子感测系统，用于感测该电动马达的一第一工作电流i_k，1(t)，其中k＝1，2，...；一第一位置传感器，用于感测该机器人关节的一驱动链的一入力位置θ_m(t)；一第二位置传感器，用于感测该机器人关节的一出力链的一出力位置q(t)；以及一第一扭力传感器，用于感测该出力链中一转矩τ_J，1(t)。其中，依据一个预定的设定变量τ_m(t)，由一控制调节单元控制/调整该电动马达。上述建议的装置包含一个提供测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)的界面；一第一侦错器，用于检查是否有错误存在，该第一侦错器的设计是，当所述测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)及/或其时间导数没有符合预定的各第一极限值条件时，即侦测是否有错误存在；一第二侦错器，用于检查是否有错误存在，该第二侦错器根据所述测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)以及一个使用程序模型协助的方法，侦测是否有错误存在，其中，所述程序模型为机器人关节一个预定的数学动态模型，当所述模型的参数、由该程序模型重建构的数值与测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)之间的余数以及/或模型内计算出的参数，没有符合预定的各第二极限值条件时，即进行侦错。

此外，所述装置不是包含一用于检查是否有错误存在的第三侦错器，就是包含一用于感测出力链内转矩τ_J，2(t)的第二扭力传感器及一用于检查是否有错误存在的第四侦错器。其中，所述第三侦错器系根据所述测定值τ_J，1(t)以及一个使用信号协助的方法，侦测是否有错误存在，当测定值τ_J，1(t)的幅度及/或特征频率没有符合预定的各第三极限值条件时，即进行侦错。其中，所述第四侦错器系根据所述测定值τ_J，1(t)及τ_J，2(t)，侦测是否有错误存在，当τ_J，1(t)与τ_J，2(t)的比较值没有符合各第四极限值条件时，即进行侦错。所述装置之该控制调节单元的设计是，只要存在的侦错器其中一个侦错器侦测到错误，即会产生一警告信号，以及/或藉由控制机器人关节进入预定的错误状态FZ的变量

驱动该电动马达，以及/或启动一设于该机器人关节上的机械性机构，以制止机器人关节的动作。

藉由类推地且忠于原意地改写形成该建议方法的上述各实施方式，即得出上述建议装置之功效及有利的计进一步实施方式。

本发明进一步系关于一种机器人机械手臂，包含上述该一装置。本发明最后系关于一种机器人，包含上述该一装置。

上述建议装置在机器人关节运作期间进行侦错时，可以达到一个错误也不能放过(1-error proofing)的防错效果，而且一旦侦测到错误，也会发出反应，例如在机械层面上会「启动机械性制动器」或「「导入经由控制的停止」，在软件层面上尤其会透过多模式通讯，将错误状态传达给使用者。

上述建议装置应用在机器人的机器人关节，尤其是应用在类人类系统、机械手臂、飞行系统或潜在异质的多机器人系统，这些系统经由一数据云及相对应的数据库相互连接。所述各系统每个驱动单元(电动马达)及/或关节，各设有一个以上不同及/或独立的传感器。

所述机器人关节一个较佳的组态包含下列以扭力传感器为基础的电机性驱动单元：一入力位置传感器，用于感测一入力位置θ_m；一出力位置传感器，用于感测一出力位置q；复数个电流传感器，一般系根据马达的相位性选择电流传感器(马达相位数：例如三)，所述电流传感器系用于各相位电流i_k，；以及一扭力传感器τ_J。本发明容许在每个驱动单元(电动马达)有分别的错误侦测及错误隔离功能，藉此当然在整个机器人也是如此。本发明的想法允许尤其是不需要所有传感器都明确是双频传感器的情况下，实现一个错误也不能放过(1-error proofing)的防错效果。

进行侦错的目的，尤其是藉由改变一个及/或多个观测变数，想侦测出与机器人相关的机械性及/或电气及/或热能变量和测定值的不正确性，例如马达位置、关节转矩、马达转矩、马达电流、出力位置、出力加速。可以因为一个错误就导致所述不正确性，尤其利用所述建议装置及建议方法，可以高度可靠、确实区别出没有错误、形式上的变量变化与相对应由错误引起的变化。

没有错误的变化，尤其包含杂音或量子化或者说数据的模型不精准度，以及例如因为希望的调整行为而产生的想要的变量变化，尤其是在「调整位置」模式下位置所产生的结果行为。侦错的原理，系以与至少一个没有错误的变量值进行的比较作为基础，而藉由一第二传感器(同一个原则上的测定值，不过不一定要是同一个测试原理)，是可以达到所述的比较目的，不过这与先前技术内的传统路径是一样的。

下列措施手段适合用于与一个没有错误的变量值进行比较：

a)使用关于行为以及一个变量被期待的数值范围的知识基础；

b)包含估计没有错误的变量值此步骤而可用来参考进行上述比较的方法。

a)知识基础

使用所述关于行为以及被期待的数值范围的知识基础的方法，尤其包括对变量被期待的数值范围进行限制(尤其是后面第四章所描述的不变的限制，不过也可以采用变动的限制)。

b)估计

由于要达到一个错误也不能放过(1-error proofing)的效果，所以尤其可以与一个或多个从其它变量计算得出的估计值进行比较。只要就只有一个错误存在，该系统必须透过测定出的数值与估计出数值之间有误差存在这样的事实，而且透过这个差异流入侦测计算内，侦测出所述错误。其中要注意的是，测定出的数值与估计出数值之间不一定要形成一个直接差异，可以参考其它符合目的的数学/物理关联。根据另一个较佳的进一步实施方式，可以使用显示出测定出的数值与估计出数值之间有误差存在的计算，这个差异的形成不是因为各变量发生了没有错误的变化(由其是杂音或想要的变量变化)，换言之是有非形式上的原因。

上述建议用来估计没有错误的变量值的估计方法，尤其包括观察器方程式及奇偶性方程式，后面第四章会描述观察器方程式及奇偶性方程式。其它较佳的估计方法，系根据协变性方法(covariance method)或相关方法(correlational method)。根据一个有利的进一步实施方式，也可使用其它信息理论的背景，如熵值(entropy)或信息增益量(quantity of information gain)作为估计方法。基本上，上述数值中每个数值都是在相对应关联下要解读的错误量。

上述的侦错不是需要所述传感器的相关知识基础，就是需要用于估计所述传感器的计算。

尤其可以在尽可能没有错误的条件下，藉由数据单/制造者提供的数据，以及/或藉由辨识试验取得知识基础。也可以较佳地应用复杂的方法，例如为此等目的特别设计的算法，包括包含或没有包含启动机器人的算法。对此而言，也可以平行合算关于机器人模型知识的变量(参见下面实施例)。对此，尤其会使用两种不一样的运算路径，而这两种运算路径反映出该至少近似等效的机器人模型。

在使用一个或多个其它传感器读数情况下，估计上述传感器读数其中之一时，尤其要使用关于该部分机器人关节的模型知识。其中重要的是，制定/提供及改变模型方程式的方式，必须是在不让所属的传感器的测定值直接或间接流入估计的(多数)方程式内的情况下，也能分别估计每个特定的传感器读数。这尤其表示，该特定传感器读数的方程式内的其它的变量(随传感器变化和不随传感器变化，以及其它传感器读数)，必须不受待估计的特定变量的测定值影响。也可以根据一个有利的进一步实施方式，同时使用多个边缘独立(marginal independences)，因而容许这些边缘独立，达到一个错误也不能放过(1-errorprooting)的防错效果。很明显地，可将侦错归入特定的错误级别。

用来作为观察用之基础的各个机器人关节的模型，不必为了每个被观察的数值而一致，而是可以分别配合目的，而在呈现模型时可以看到对应需要的抽象及效率/精简。在所需的运算时间方面，这点尤其重要。后面的各章内，会根据不同的数学抽象/范例，充分精准地描述所述机器人的关节摩擦模型，作为较佳实施例。

选出的侦错模式限定隔离错误/分类错误的可能性，因而也可以使机器人作出对应数量的有意义的动作技术上的反应及/或软件技术上的反应。

该关节模型定义得越准确或越切实，通常侦错及隔离也会越确实。不过，准确的复述真实的机器人关节行为，一般只是近乎可能。因此需要一个对应的模型，此模型包含机器人关节在侦错目标、错误隔离及反应方面最重要的特性。为此，尤其可以考虑以下各方面：

1.将重要的惯性体合并成一个刚性体(如果可能的话)；

2.将系统内重要的弹性合并成有意义位置上的合成弹性(尤其是接受传动机构之后的关节松软性，不是传动机构之前，也就是在马达侧)；

3.有关机器人运动学的有意义假设，例如尤其是Denavit-Hartenberg常规(Denavit-Hartenberg conventions)

4.将重要的摩擦效果合并到一个共同的转矩向量，而不是将每个效果分配到个别的惯性体或类似物。

根据一较佳实施例，藉由该等奇偶性方程式说明这部分。一般而言，对有偏差包袱的系统而言，奇偶性方程式比不变的阈值更适合，所述不变的阈值一般系由两个待比较数值(尤其在实务上很重要)的差异形成所产生的。类似的结果可在后面关于限度与奇偶性方程式的章节找到，其中只描述突如其来的改变。在此被应用的基本的方法，例如有尤其根据「在多余传感器组态内为错误侦测与隔离进行的一般性相似性测试」(Generalizedlikelihood test for FDl in redundant sensor configurations”)(Daly，Kevin C andGai，Eliezer及Harrison，James V所著)这本书所写的方法，以及尤其根据Springer机器人学手册，，(Springer Handbook of Robotics)这本书第13.1章「具有灵活关节的机器人」所写的方程式，不过这些方程式经过转换，以便能达到所述该种估计方式。

至于本发明主要目的提出的错误侦测，其较佳实施例，以及包含对应的替代可能方案的(机器人关节的)模型方程式，尤其可在第四章找到。

现在举出一个用于平行合算出变数的主要较佳实施例，该实施例系用于计算多轴机械手臂所谓的关节转矩τ_J：

1.左侧/出力侧计算：

M(q)＊q″+c(q，q′)+g(q)+ggf.tau_ext oder tau_friction_link+或tau_disturbance_link

2.入力侧计算：B＊theta″-tau_m(controller input)+ggf tau_friction_motor

3.藉由tau_J＝K＊(theta-q)将两个方程式耦合

在此列出符号与其意义：

M(q)： 机械手臂随个出力位置变化的惯性矩阵或质量矩阵

q″： 出力加速

c(q，q′)： 机械手臂的柯式向量(Coriolis vector)

g(q)： 机械手臂的重力向量

tau_ext： 外部关节转矩(例如因为冲撞)

tau_friction_link： 出力测摩擦

tau_disturbance_link： 出力侧的干扰转矩(例如传动机构的肋片)

B： 马达惯性

theta″： 马达加速

tau_m： 被支使的马达转矩(一般系经由该马达常数与马达电流连接)

tau_friction_motor： 马达侧的摩擦转矩

K： 关节偏侧矩阵

theta： 马达位置

q： 出力位置

一定的假设/限制，容许以两种方式多余/独立地计算tau_J：只要不存在特定的数值，例如干扰或摩擦项，或者真正的加速，则可以进行特定的估计。现在这不再允许精确地计算tau_J，不过可以计算一个具有一个或多个上述可能性的范围，以达成该实际被测量的关节转矩tau_J的完整性。正是这个「类」双频道，而可以放弃其它(多余)的传感器，不过只要所测定的转矩没有偏离上述经由估计制定的极限，就要信任力偶矩真正的测定值。

最好的情况是可以隔离错误，否则的话有利的设计是进行错误分类，俾使能在机器人作出反应时，进一步处理该错误。现在尤其可以藉由翻转错误因果关系，而建立错误隔离。有利的设计是，使用在侦错说明文中所描述的方程式，以将错误隔离，换句话说即是侦测出错误的本源。这尤其表示，计算会发现期待值(透过错误量或估计)与测定值之间有差距。其中，不是一定要直接形成差异，而是关于所描述的计算/数学物理量，所述计算/数学物理量表示相对应的差距，藉由超过对应的阈值指出所述计算/数学物理量。

如前面已经描述的，选出的侦错模式限定隔离错误/分类错误的可能性，因而也可以使机器人作出特定有意义的反应(以一个设定变量启动该电动马达)，例如尤其是在传感器进行反馈，以调整到一个纯粹、独立的估计值时，藉由控制手段进行停止或切换。还有，真实的机器人关节不是只有所述的传感器会出现错误，也会出现其它的干扰因素。尤其在侦错目标、错误隔离及反应方面，第一章所提到的错误是很重要的。基本上，当然是当错误量或对一个特定传感器读数的估计与所有其它干扰数值的关联性越低的话(其它错误来源也当作其它传感器)，则越容易达到隔离的目的。而实际上主要形成的错误级别，虽然只会包含所述传感器故障情况的其中一种，但是也可能包含其它错误源。故，针对隔离所描述的本发明方法，可以类推地应用在第四章内所描述的错误级别上。

机器人针对一个错误通知所作出的反应(藉由对应地启动关节的电动马达)，尽可能是根据对单一传感器错误的隔离而作出，不然的话根据错误级别出现的通知而作出。另外还可以形成其它会触发相同反应的错误级别，其中，错误或者针对机器人关节相关的变量因为错误而产生变化所发出的通知，可以归类到多个可能是分开的错误级别，这些错误级别可以各激发一个与该错误连结的反应，或一个经由对应计划元素选出的反应。尤其可以形成两个错误级别，分别显示入力阶段的错误(第一级)或出力阶段的错误(第二级)。关于出现的错误是属于两个级别中的哪一个的信息，会传送给用户或该计划元素，用户或该计划元素可以根据这样信息，自己再局限住该错误。

一般可以将可能的隔离方式，分成下列级别：

·逻辑性：相互排斥，或也有包含基于观测器值和测定值的阈值的判定树，以及基础知识；

·以根据机率执行的方法(例如隐马尔可夫模式(Hidden Markov Model)、高斯过程(Gaussian Processes)或类似的方法)；

·启发式的方法，例如模糊逻辑。

对此较佳的实施方式，请参见第五章：在错误「shutdown theta_m」的表格内可以看到，只要是使用估计的变量「theta_m」进行计算(「isolating theta_m」一栏)，则没有错误被侦测到。其它三个使用那个有错误的数值theta_m进行的计算，「不接受」进而显示所述错误。这表示，此处的错误在theta_m这里。

上述本发明侦错方法，一方面可以达到所述之错误隔离及错误分类，也可使机器人作出反应，在有错误出现时，机器人在必要情况下可以作出超过单纯制动的反应。由于现在已经知道错误及错误级别了，尤其也可以进行为了安全作出的反应。这表示，当出现一个高风险或风险较高的错误时，要选出一个可以降低风险的反应。尤其是当一般人与机器人互动，出现了对人员可能产生伤害的风险时，必须选用上述的反应；不过如果出现了无法以其它方式补偿的传感器问题(尤其是因为所述用于比较的数值，如估计值或另类运算)，而可能造成物质损害时，也必须选用上述的反应。在高风险或风险较高的情况，会根据一个较佳的进一步实施方式，触发一个机械反应，例如直接制动，其中可以纯粹透过机械手段及/或经过控制或结合纯机械性手段与控制手段，进行制动。在其它情况(视传感器故障情况及风险而定)，则可以触发缓慢的制动/控制下的停止。如果可以使用替代物(尤其是藉由其它传感器暂时使用一个估计的信号、使用另一个调整器)，则根据一较佳的进一步实施方式，进行(暂时的)进一步的运作。

此外，可以将使用者拉进来，让他知道有错误出现(例如透过通讯、电性关闭红灯、对人类发出信号等方式)。其中，根据一个较佳的进一步实施方式，一般可以表明有错误出现，不过也可以传达更精准的信息(准确的错误、错误级别)。根据一个较佳的进一步实施方式，可以额外考虑上述的可能性，或者也可以单独考虑采用此作法。在这两种情况，使用者可以决定进一步的动作(至少作出部分决定)。使用者所掌握的信息越多，错误的风险就越低，使用者自己能决定的部分就越多。

在所有情况中，最好能掌握关于错误类别及错误本身的精准信息，这样才可以有意义地限制可采取的反应措施的数目，进而可以降低与错误/错误级别息息相关的可能风险，提高安全。上述情况也可使用在使用者互动上，因为在此也可以根据现有关于错误/错误级别的信息，为经验较少的机器人使用者减少可供选择的反应。这样一来，就不会提供使用者会提高风险的措施，供作选择。

在所有上述情况要注意的是，可以根据需要(例如机器人、应用、注意一般人与机器人之间可能的互动)调整对错误/或错误级别作出的反应。

以下将在第一章到第五章，再次详细地陈述本发明的想法，并且藉由具体的例子说明之。

第一章

概念与定义

国际自动控制联合会(International Federation of Automatic Control，IFAC)的「侦错、监控与技术程序安全技术委员会」(Technical Committee on FaultDetection，Supervision and Safety for Technical Processes，SAFEPROCESS)制作了一个「错误/侦错等等」这个主题的常用概念表，并确定了不同的定义。

状态与信号

不同的状态与信号定义如下。

错误

系统的至少一个特有性质或至少一个系统参数，相较于被接受的/一般的/标准条件，有不被允许的差异程度。

故障

永久中断系统在指定运作条件下执行一项要求的功能的能力

机能失常

执行一项希望的系统功能时出现的不连续不规则性

误差

(一个输出变量的)被测定的或计算出的数值与真正的、指定的或理论上正确的数值之间有差异

骚乱

一个对系统产生影响的不明(及未受控制的)输入

干扰

一个对系统产生影响并且造成与目前状态有暂时性差异的输入

余数

一个基于量测与模型方程式的计算之间的差异的错误指标

征象

相较于正常的行为，一个可被观察的量产生了变化

功能

可以藉由不同功能，达到监控及管理系统行为之目的

侦错

确定有错误存在以及侦测的时间点

隔离错误

确定侦错的方式、地点及时间点，在完成侦错动作后进行。

辨别错误

确定错误的大小及时间行为，在完成隔离错误后进行。

诊断错误

确定侦错的方式、大小、地点及时间点，在完成侦错动作后进行，包括隔离错误与辨别错误。

观察

实时的持续性行为，藉由记录信息以及辨识和显示行为上引人注目的现象，确定物理系统的状态。

监控

观察一个物理系统，导入适当的措施，俾使在出现错误时，能维持运作正常。

保护

措施，在可行的情况下，透过这些措施可以压制潜在危险的系统行为，或透过这些措施可避免危险行为的后果。

模型

一个作为基础的模型，可以用不同的方式描写，所述描方式写会受系统变量之间关系所影响。

量化模型

使用系统变量与系统参数之间的静态及动态关系，以用数学上量化来表示系统的行为。

质化模型

使用系统变量与系统参数之间的静态及动态关系，以用数学上质化来表示系统的行为。例如藉由因果关系或如果-则规则(if-then rules)。

诊断模型

一组静态或动态关系，这些关系将特定的输入变量(即征象)与特定的输出变量(即错误)产生连结。

分析冗余

使用两个或更多的(不过不一定要一模一样)路径，用来确定一个变量，其中所述路径其中之一使用一个分析形式的数学程序模型(process model)。

系统性质

不只可以陈述系统的单一状态和信号，也可以陈述整体系统本身。

可靠性

系统在提供的条件下，能够在一定的时间内和一定的范围内工作。测量具有故障率λ(例如每年的故障数量)的各故障(MTBF)之间的平均时间，其中：

安全

系统不会对人员、设备或环境造成危险。

可支配性

一个系统或一个设备对象，在每个时间点都可能运作到令人满意且有效的程度的可能性，利用下列的方程式可以得到可支配性的量：

包含各修理(MTTR＝1/μ)之间的平均时间与修理率其中μ。

相依性

可利用性的一种形式，具有需要时随时可以支配的性质。这是系统可运转的程度，以及系统可以在每个时间点和既定的实施时间内执行其必要功能的程度。只要该物体在周期一开始就可被支配。藉由下列方程式得出相依性：

T_V是可支配的时间，T_R是需要的时间。

错误侦测与错误分类的策略

对此，图1.1.显示侦错、错误诊断与错误管理的图解。通常会使用下列这个三点计划，进行侦错及对其进行正确反应：

1.错误侦测(英文：Fault Detection)

2.错误诊断(英文：Fault Diagnosis)

3.对错误作出反应(英文：Fault Management)

可以藉由不同的方法，实现这个三点计划，下列一章会列出最常用的几种方法。

根据模型进行的侦错

根据模型进行的方法，需要作为基础的模型的相关知识，以侦测出不规则性。其中，例如可以是具有所述机器人物理结构的模型，或是一个具有一定的标准误差等特定性质的信号模型。

根据程序模型进行的方法

根据程序模型进行的方法需要一个正常情况下处于动态的程序模型，以一个包含特定参数的数学结构呈现。藉由系统的输入变量U(t)与输出变数Y(t)的测量，实行上述方法。

奇偶性方程式

根据关于一个包含阶n的线性数学模型结构的知识，可以如下制定该等状态方程式：

x′(t)＝Ax(t)+Bu(t) (1.1)

y(t)＝Cx(t) (1.2)

将(1.1)带入(1.2)，并且求了p次的微分(p≤n)，会得出方程式(1.3)及(1.4)。透过一个可观测性测试，可以确定理想的p。

Y(t))＝Tx(t)+QU(t) (1.4)

在不是线性的情况，将方程式(1.4)乘以矩阵W，其中W必须符合条件

WT＝0 (1.5)

藉由这个步骤，方程式(1.4)即不依赖状态向量x(t)了，状态向量x(t)可以是未知的。

接着是以下列方程式表示的奇偶性关系(parity relation)：

r(t)＝WY(t)-WQU(t) (1.6)

在没有错误的情况，参数不会改变。藉此可以透过观察所谓的余数(residual)r(t)，侦测错误。

·r(t)＝0→没有错误

·r(t)≠0→出现错误

藉由较小的效果，如杂音或其它不确定性，在没有错误的情况，也可以将该方程式扩展成r(t)≈0。

状态观测器及输出观测器

如名称已暗示，典型的状态观测器可以透过侦测状态变量Δx_i的改变侦测错误。该程序模型定义如下：

y(t)＝Cx(t)+Nn(t)+Mf_M(t) (1.8)

其中v(t)和n(t)是干扰信号，f_L(t)和f_M(t)是相加的错误信号。接着得出合成的状态观测者方程式(参见图1.2)如下：

和奇偶性方程式类似，余数是必要的，以便侦测错误的出现。状态观测器的余数可以用下列方程式表示：

Δx(t)＝x(t)-x0(t)，e(t)oder r(t)＝We(t)

若是多输出程序，建议采用特殊的观测器结构。例如可以利用传感器信号操作观测器，与此同时重建其它信号，并将这些信号与被量测过的信号比较。这允许侦测单一传感器错误。此外，也可以运转一个观测器库，由所有输出驱动。其中。每个观测器都是针对一个具体错误信号进行设计的，且由所有输出信号驱动。观测器库一样可以透过单一输出信号激发，而每个观测器仅使用一个传感器信号，被估计出的输出信号反过来与被测量过的信号比较。另外，可以运转观测器库，使得所有输出信号除了一个之外都分别被使用过。透过这种方式同样可以侦测多个错误。另一个方法是使用对错误很敏感的滤波器。在这里选出的反馈H使得特定的错误信号f_L(t)往一个特定的方向改变，错误信号f_M(t)位在一个特定的平面上。

若是输入是未知的，或是状态变量x(t)的重建并不有趣，则特别适用输出观测器。线性转换会导致新的状态变量ξ(t)＝T₁x(t)以及观测器方程式(参见图1.3)。

转换所需的方程式有：

T₁A-A_ξT₁＝H_ξC， (1.13)

B_ξ＝T₁B， (1.14)

T₁V＝0， (1.15)

C_ξT1-T₂C＝0. (1.16)

藉由下列方程式，得出合成的余数r(t)：

r(t)＝C_ξξ(t)-T₂Mf_M(t). (1.17)

显然地，余数是独立于x(t)和u(t)，仅取决于f_L(t)和f_M(t)。

辨别与参数估计

在应用情况，参数通常只有部分是已知的，或甚至是未知的。若是有一个简单的模型结构，则可以透过测量输入信号及输出信号，估计出参数。在这一点上，大致上有两种方法，一个是将方程式错误降到最少，另一个是将输出错误降到最少。

将方程式错误降到最少的方法(参见图1.4)，定义如下：

e(t)＝y(t)-Ψ ^T(t)Θ， (1.18)

与下列方程式对等(equiValent)：

在以含有感测时间T₀的离散时间k＝t/T₀＝0，1，2…进行感测之后，得出最小的错误平方[17]的总和的方程式

带有

由于这个方法是线性的，现在可以直接确定参数。估计可以不以递归进行，如下式；

或是以递归进行，如下式；

将输出错误降到最少的方法(参见图1.5)，需要下列的输出错误

包含下列模型输出：

由于e’(t)不是线性的，无法直接计算参数估计Θ。因此会透过数字的优化方法，将损失函数(1.20)最小化。不过，这表示会增加计算工作。图1.5显示进行参数估计时，将输出错误降到最少的图解。

根据信号模型进行的方法

根据信号模型进行的方法，不需要有关作为基础的程序模型的知识，只会分析系统输出y(t)。若系统具有周期性输出，则会被假设输出信号系由一个可使用的部分yu(t)和一个杂音部分n(t)组成的。

y(t)＝yu(t)+n(t) (1.26)

与此同时，应该检查所述可使用的信号，但会假设杂音的中间值是0，而且这两个信号不相关。根据傅立叶级数(Fourier Series)理论，每个周期性信号可以用谐波分量(harmonic component)的重迭来表示。

每个分量系由幅度y_0v、频率ω_v，、相位角度φ_v及阻尼系数d_v所定义的。确定这些参数，已经可以对有错误的信号提出一个第一提示。下面会描述其它用于侦测已知信号模型的异常的方法。

带通滤波器

为了确定输出信号停留在一个特定的频率范围内，也可以使用带通滤波器进行侦错，带通滤波器不仅可以转换成模拟形式，也可以转换成数字形式。再者，有些滤波器的结构允许带通滤波器观测功率谱。与此同时，将该信号自乘并求积分，以算出平均功率。此时若开平方根，则得到RMS幅度。图1.6为一种分级化的滤波器结构的图解。

频谱分析(快速傅立葉轉换)

使用「快速傅立叶变换」(Fast Fourier Transformation，FFT)可以就错误方面，研究信号的频谱。

最大熵值估计这个方法和频谱分析很像，不过如果只有少数的频率引起兴趣的话，这个方法取得的结果比频谱分析较精准。

其它方法

也可使用其它方法，侦测出一个系统的正常行为的误差。例如，一个随机信号的平均值或方差的有了变化，就表示有错误存在。或者一个静态概率密度函数的参数改变，突然改变[35]。

错误诊断方法

错误诊断的目的是，精准地确定出一个被侦测出的错误的类别、规模、地点及时间点。若是多个征象针对一个特定的错误，产生很不一样的变化，则可以使用基于征象向量变化的分类方法。常用的分类方法有几何间距与概率方法、人工神经网络或「模糊群聚」(fuzzy clustering)。若对征象与错误之间的关联性知道的更多，则也可以使用诊断的决定模式，如判定树。然后可以用简单的如果-则规则(if-then rules)表示关联性。「近似推理」(approximate-reasoning)的例子有可能性思考及使用人工神经网络思考。

第二章

灵活机器人关节的错误

机器人系统暴露在不同的外在影响因素下，如高温、湿度或电磁波，也可以出现泄漏、缺少润滑或短路等内部问题，这会造成内部程序参数或状态变量的改变，而机器入往往因为这些程序参数或状态变量的改变而失常的行为。如前面提到的，这些改变被称为错误。现在，接下来介绍灵活机器人关节可能会产生的一系列错误，会试着将这些错误分类。

错误分类

可以根据错误的形式、时间行为或规模，将错误分类。.

形式

错误的形式可以是系统性或随机的。若一个系统的结构和参数已知，则可以预测系统错误，其中还包括呈现其它错误的后果的错误，或者在一定时间之后就是会出现错误(损耗)。随机错误可以随时出现，无法预测。

时间行为

另一个分类的根据是不同的时间行为模式，粗浅地可以区分突如其来的错误和飘移的错误。突如其来或分层的错误，突然展开其完全的规模，因而可以被视为恒定不变的(图2.1)，飘移的错误则是慢慢逐渐增强(图2.2)。突如其来的错误一个特别的形式是断断续续的错误，这类错误在此期间可能有中止情况，当再度出现时会变换其幅度(图2.3)，典型的接触不良就是这类错误的一个例子。

规模

根据规模进行分类是很容易的，错误的效果可以在系统内部起作用(局部)，或在外部(全局)起作用。在机器人系统中，局部的规模只会是影响内部组件的内部温度升高，若是错误的规模是全局的，则会阻碍机器人与其外在环境的互动。

可能错误的集合

以下列举出在机器人关节可能会出现的错误，不过可能还有其它错误还没被列出。

轴承损耗与轴承错误

在机械致动器的每个设计中，轴承扮演非常重要的角色，其功能是将旋转能量等尽可能没有损失地传送到其它组件上。在此会将多数旋转轴准确地固持定位，使其能同心旋转。根据错误分析的看法，轴承是机器人系统最常出现的干扰原因，交流马达系统发生的干扰中，有51％是因为轴承错误所产生的，可能会出现错误有下列几项：

轴承损耗：由于轴承上组件彼此会互磨，在这些位置上无法避免会有削切的情况，这些削切处用肉眼几乎看不出来，可是却会到系统造成很大的影响。在运作过程中，损耗可以透过震动以及杂音变得更大声让人发现，变大声的杂音可以是从不同的传感器发出，或因为减少或降低传送的转矩或速度或转矩涟波而产生。不足或缺少润滑、过大的负荷、冲撞、外物或劣质的关节设计，都会加速损耗。

轴承断裂：轴承笼(bearing cage)或内环或外环等组件，在高度机械负载下很快会断裂，其影响基本上和损耗是一样的，不过影响规模大很多，甚是有可能使关节完全无法作动。

传动机构错误

使用传动机构在机器人关节，将马达快速的动作转换成下个肢体比较慢、不过扭力较强的动作。由于其设计精简，通常会使用谐波驱动器(harmonic drive，HD)。可能的传动机构错误有下列几种：

波产生器轴承损耗：如前面已提过的，谐波驱动器内的波产生器也可能会出现损耗情况。

棘轮效应：一般在超过最大的转矩时，会出现棘轮效应。与此同时，会出现短暂的力矩减轻负担，圆形脊椎(circular spine)和屈曲脊椎(flex spine)会彼此相对位移几个齿的距离，这个相当于入力端与出力端之间的偏位。若这个效果比较常出现，可能会造成齿变形，而引起震动或甚至屈曲脊椎(flex spine)断裂。

「屈曲脊椎断裂」(Flex spine breakage)：屈曲脊椎超过容许的最大转矩时会断裂，这样一来会阻碍传动机构的动力传输。

电线断裂

如果电线断裂或没有插好，电子组件通常无法正常运作或完全无法运作，此时可能会失去信号，或者组件因为没有电力供应完全关掉。

无刷直流马达错误

因为无刷直流马达的几个优点，机器人学经常使用无刷直流马达。除了已经提到的机械错误，可能出现下列错误：

侧流：如果隔离没有做好，可能会使电流外加流到无刷直流马达一个相位与无刷直流马达的壳体之间，其结果是相电提高，而且这些相电不会相加到零。最糟的情况，例如电流传感器等其它组件会因为短路而损坏，或者在机器周围的人受伤。

欠相：由机械负载或热负载或电流过高所引起的材料损坏，可能会造成马达欠相，这跟空转一样。如此一来，只剩下两个或三个相位可以工作，这样会减少产生的转矩并且提高力矩涟波。有时候猜测的欠相，只是电线松掉。

匝间故障：匝间故障是一个相位的一个线圈内的两个线匝之间、一个相位的两个线圈的线匝之间、或不同相位的两个线圈之间产生短路。

相位接触：相位接触时，马达的两个相位之间形成短路，这可能会阻碍马达起动。

模拟数字转换器上的错误

每个待测量的真实程序，在模拟的世界进行。现在为了让信号在使用微控制器或数字信号处理器时可以派上用场，必须使用模拟数字转换器(analog digital converter，ADC)。所述模拟数字转换器可以设置在处理器或传感器内，使成为一体，或者作为独立部件存在。模拟数字转换器的缺点是无法避免的量化杂音(图2.4)，因此一定都要选择足够的分辨度。

模拟数字转换器很有可能出现的错误是位损失，发生位损失时，模拟数字转换器会失去对输出端一个或多个位的控制。这些位会留在它们的状态(高或低)，这会造成永久性偏位或是越过几个量化级。

一般性传感器错误

有些错误对所有传感器都无所谓，不管测量了什么，只有错误的原因可能在每个传感器会有不同。

单一尖峰：一个唯一的样本可能突然接受一个与其它数值很不一样的随机值(图2.5)。.

杂音：因为电磁波或其它影响，可以会使信号(除了量化杂音之外，还会)产生杂音，这表示信号在一定的范围内，会绕在自己的数值周围波动(图2.6)。.

不变的错误：不变的错误是永久的，而且非常可能是因为校准错误或传感器安装错误所引起的，这时信号的数值会有错误的偏位或错误的放大。

电流传感器的错误

一般无刷直流马达的三个相位，每一个相位都会配有一个电流传感器。除了一般传感器错误之外，电流传感器也可能烧断，这会将一个传感器完全毁坏。系统内高温或强大电流会使电流传感器烧断。

位置传感器的错误

这类位置传感器可能会有下列错误：

渐进式位移：若传感器安装不当，则可能会慢慢地滑动，而造成飘移式的偏位。震动和大力撞击会使渐进式位移更明显。

量化效果：严格来说，量化杂音不是错误。不过，由于量化杂音对系统及其它组件(控制器等)有很大的影响，所以在此再提一下。

信号「A」、「B」或「Z」的损失：设有递增编码器的位置传感器，一般是依靠三个信号「A」、「B」及「Z」。如果失去了这些信号其它之一或多个(尤其是「A」和「B」)，则传感器会输出错误的数值。递增编码器上若有脏污，也可能会造成暂时性的信号损失。

扭力传感器的错误

扭力传感器的设计非常多样，所以很难确定出特有的错误，稍后会提到一般性错误，在此列举出几个错误：

定位错误：若传感器没有安装正确，或各轴没有对准，测量就不会准确。

超过对大转矩：发生此情况时，传感器的结构会断裂或变形，进而造成偏位或各数值放大(材料变软/硬化)。

有缺陷的电压来源

出现下列问题时，可能对电压来源是不好的：

杂音：供应电压一样有可能会发出杂音。若杂音太强大，电子组件可能会因为过压而损坏，或因为电压不足而有一段时间停止运作。不过，一般供应电压是稳定不变的。

完全停止运转：若电压来源停止运转，则没有一个电子组件能运作了，紧急制动器会启动作用，机器人停止不动。

逆变器的错误

逆变器控制通过无刷直流马达的电流，在没有限制本发明想法的情况下，本发明谈的是一个三相逆变器。此三相逆变器由三个分支组成，三个分支分别具有一个用于上部和下部的开关。一般会使用金属氧化物半导体场效晶体管(Metal-Oxide-SemiconductorField-Effect Transistor，缩写：MOSFET)作为开关(图2.7)。有可能会有下列错误出现：

「逆变器停机」(inverter shutdown)：逆变器完全停止运转(图2.8a)会造成所有开关都开着，没有电流动，因此无法控制马达。

「单一开关呈现开启状态」(Single switch open)：其中一个开关一直保持开启状态(图2.8b)，马达虽然可以开动，但是会造成转矩不稳，这样尤其在启动马达时会有问题。

「单一相位短路」(Single phase short circuit)：其中一个开关永远保持关闭(图2.8c)，这是一个重大的错误，非常高的电流甚至可以造成机器人磁铁磁性消失。

「平衡的短路」(Balanced short circuit)：三个开关保持随时关闭的状态，不过不是全部都在上面就是全部都在下面(图2.8d)。这里也会由出现高电流，不过这个问题没有「单一相位短路」那么严重，可以发动马达。

「单一相位断路」(Single Phase Open Circuit)：这里少一个金属氧化物半导体场效晶体管(MOSFET)(图2.8e)，现在只能发动一个相位往一个方向。

第三章

机器人关节模拟

本案在关节层面看待错误侦测与隔离，所以应该如图3.1所示，研究单一的关节。

灵活机器人关节模型化

关节是以Simulink模型给予的，可以粗略分到控制器、物理模型及传感器内(图3.2)。这类仿真的一些信号不仅以「实际的」数值存在，也以「被测定的」数值存在。若在同一个上下文提到一个变数的两个版本，则「实际的」数值会以「＊」标示，预防搞混。所以，例如

是指马达的真正位置，而θ_m是指被测定的变体，也就是位置传感器的输出。由于控制器在此不是那么重要，所以不会详细描述，而是对此指点参阅先前技术。控制器仅计算马达需要的转矩，以便能追踪预先给所述马达的轨迹。为此，各传感器的输出端供控制器使用。控制器会显示，逆变器该如何切换，以便以希望的转矩发动马达。这些切换状态系以下列向量发出，可能的状态如图3.3所示：

S＝[s₁，s₂，s₃]^T

物理模型分为该逆变器、一个无刷直流马达模型和一个机械模型(图3.4)。逆变器是一个三相逆变器，如图2.7所描述，该三相逆变器实现为Simscape模型。逆变器模型将计算出的相位电压v_ab、v_bc和v_ca转达给无刷直流马达的模型，该无刷直流马达被转变为三角连接。藉由马达「实际的」速度

和位置

计算出感应的电压e_ab、e_bc和e_ca：

包含下列电角度：

θ_e＝pθ_m mod 2π (3.2)

其中，p为极对的数目。标准化的反电动势(BEMF)λ_phase ist是一个实际马达进行过的测量的结果(图3.5)。使用已知的参数L(感应度)和R(电阻)以及所述感应的电压，现在可以计算相位电流i_ab、i_bc和i_ca。接着还会测量的市电，以下列方程式计算得出：

此外，所述无刷直流马达的模型输出下列的马达力矩：

其中，k_m为转矩常数，T_C为齿槽转矩。齿槽转矩仅会随着θ_m变化，可以从一个事先填有测量结果的对照表找到该齿槽转矩。

机械模型计算马达位置

和马达速度

力偶位置q^*和力偶矩速度

以及耦合转矩

由于关节总是从零位开始，可以用下列方程式计算马达位置及马达速度：

其中，B_m i为马达坐标内的马达惯性，N为传动机构的传动比，T_D为阻尼转矩，

d为阻尼常数，以及T_f为摩擦力矩。下列方程式可用在出力侧：

其中，M为出力侧的惯性。外部转矩Text由重力转矩T_g和负载转矩组成T_L.。

摩擦模型系以为Lund-Grenoble模型[1]为基础，而且可以用y表示：

藉由刚性系数a₁、a₂和a₃以及下列方程式，可计算出关节转矩：

T_h是滞后现象转矩(hysteresis torque)，包含系数A和α(根据[10])。

将所述「实际的」数值供应给所述传感器模型，会在机械模型和无刷直流马达模型内计算这些「实际的」数值。实施的传感器，其中包括两个位置传感器，这两个位置传感器从位置q^＊和θ^＊测得被测出的位置q和θ_m与被测出的速度

和

这两个传感器使用[14]的传感器模型，在此会仿真一个随着位置仿真两个信号A和B的递增编码器，这两个信号经推移呈90°。如此一来，不仅可以测得最新的位置，也可以测得移动方向。除此之外，也会产生一个指数信号，表示关节的一个零交叉(zero crossing)。另一个被实施的传感器是该扭力传感器，该扭力传感器测量「实际的」

并输出τ_J。在这一点上，首先加上一额外的杂音，接着将该信号量化并使其饱和。最后还会测量市电i₁ ^＊、i₂ ^＊和i₃ ^＊。这个方法在此与扭力管测器的方法完全一样。

控制器会有一个预定的轨迹，所述关节应该遵循这个轨迹。此轨迹定义如下：

(3.14)

其中，q_id i是在以角度为单位的参考位置，t是时间。控制器试着将误差Δq＝q_id-qz降到最小，出力端坐标θ内的马达位置定义如下：

其中，N为传动机构的传动比。对此，图3.7显示多数传感器信号和计算出的位置。在一个运作时间t＝3s、没有错误的行程，物理模型的输出看起来如图3.8、图3.9、图3.10及3.11所示。在这里，θ和q几乎是完全一样。因为控制器的惯性、延迟和设定的关系，最新的位置往往都是在希望的位置后面一点点。所选择的传感器杂音很小，所以在和真实的数值比较下，用肉眼看不出有差异。

错误模型化

为了能测试模拟中的侦错，在Simulink内执行错误。所有错误都会设定在一个「参数底稿」(parameter Skript)内，并且在每个时间点都可以开启或关闭。控制器维持没有被动用，反之，错误被装置在物理模型和传感器模型内。下面指数id(例如在q_id)是表示理想的，这个指数描写一个变量在没有错误情况下的历程。

传感器错误

图3.12显示一般性传感器错误的信号操纵图解。传感器的错误区块就位在各传感器模型后面(图3.12)，测试结果会经过操纵，然后转送给控制器。图3.13显示信号操纵的图解。

一般性传感器错误

放大：将传感器读数与一个特定值相乘。图3.14显示一个有错误出现的位置传感器q，以放大值为2放大达t这么长的时间(0.5s≤t＜1.5s)。q是传感器测定值，q^＊是「实际的」位置，q_id是没有错误的位置。q^＊会与q_id有出入，因为控制器用错误的数值计算的。

偏位(Offset)：加上或减掉传感器读数的一个特定的数值，例如有错误出现的位置传感器q，其偏位0.02rad达t这么长的时间(0.5s≤t＜1.5s)(图3.15)。

杂音：除了传感器的一般杂音之外，还加上另一个杂音。在这里会设定一个杂音放大功能，若设定值为0，只有该额外加入的杂音会消失，但是标准杂音不会消失。图3.16提供一个含有0.5s≤t＜2s情况下的杂音(放大系数为1的倍数)的例子。

「停驻/停机」(Hold/Shutdown)：根据控制器个别的设定情况，可以透过两种不同的方式，让控制器与传感器失去连接。可以将传感器的测定值就设在0(「停机」)，或是保留最后一个有效值，直到恢复连接并且侦测到一个新的有效值(「停驻」)。参见一个损坏的位置传感器q(图3.17)作为例子，该位置传感器q主动停驻达t这么长的时间(0.5s≤t＜0.75s)，以及主动「停机」达t这么长的时间(1.5s≤t＜1.75s)。

上面的图解(图3.13)会应用在每个所述传感器模型。藉由有些传感器的特性，还会为这些传感器再实施另外的错误。

位置传感器

递增跳跃(lnkrement-Skip)：如前所述，也可以略过位置传感器的增量。如果这个错误是活跃的，则无法侦测到该位置信号另一个改变。若再次使这个信号不活动，则会有一个偏位留在信号上，信号Z的一个上升的侧面又将这个偏位复归。图3.18显示达t这么长的时间(0.25s≤t＜0.5s)的错误。

一般不会略过这么多增量，不过这么做可以让错误的效果更清楚。

失去信号A、B或Z：除了标准错误区块之外，还在位置传感器内实施另一个错误区块，所述另一个错误区块会接住信号A、B和Z，而且只有在这些错误中没有一个是活跃的，才会将信号A、B和Z转传。图3.20显示失去达t这么长的时间(0.25s≤t＜0.5s)的A。与「停驻」不同的是，不会透过Z将产生的偏位复归。

电流传感器

没有为电流传感器实施其它的错误，可以为每一个所述电流传感器中个别设定每一个所述一般性传感器错误。

扭力传感器

除了一般性传感器错误之外，没有加这个传感器的其它错误。

逆变器的错误

下面错误被纳入为逆变器的错误：

「停机」(Shutdown)：所有的开关都是打开的。图2.8a)有描述这个错误。图3.21，3.22和3.23显示所述错误对关节的影响。所述系统没有直接停住，该关节藉由剩下的动力能源和重力慢慢地停摆，直到又到达零位。关节只会藉由摩擦T_f和藉由反电动势电感应的马达转矩T_m减速。图3.22显示经电感应的电流，该等电流为t这么长的时间(t≥0.1s)的电流。

「单一呈现开启状态」(Single open)：一个开关始终保持开启状态，如图2.8b)所示。上述六个金属氧化物半导体场效晶体管(MOSFET)每一个都可以设定这个错误，关节的行为在这里几乎不会有任何影响，参见图3.24，图中MOSFET一号保持开启状态达t这么长的时间(t≥0.1s)。

「单一呈现关闭状态」(Single closed)：各开关中一个保持关闭状态，这个错误的影响用肉眼几乎看不出来。图3.25和图3.26显示错误的效果达t这么长的时间(t≥0.1S)。

「平衡的关闭状态」(Balanced closed)：六个开关中有三个保持关闭状态(不是上面的，就是下面的)，这个错误的影响用肉眼几乎看不出来。图3.25和图3.26显示错误的效果达t这么长的时间(t≥0.1s)。这个错误的影响，很大的程度与「单一开关呈现关闭状态」(Single switch closed)这个错误的影响一致。

「单一长度短」(Single snort)：其中一个MOSFET被跨接，这个错误很大的程度与其中一个「单一开关呈现关闭状态」(Single switch closed)这个错误是等效的。

「平衡的长度短」(Balanced short)：六个MOSFET其中三个被跨接，这个错误很大的程度与其中一个「平衡的关闭状态」(balanced closed)这个错误是等效的。

「单一空转」(Single idle)：其中一个MOSFET被完全移除，造成这个位置上空转。因此，这个错误很大的程度与其中一个「单一开关呈现开启状态」(Single switch open)这个错误是等效的(除了空转二极管之外)。这个错误没有产生额外的效果。

无刷直流马达的错误

实施在无刷直流马达的错误包含下列错误：

欠相(phase failure)：其中一个相位电流被设为0。图3.27显示相位1断掉时的影响达t这么长的时间(t≥0.1s)。在关节转矩中可能观察到很小的误差(图3.28)。

相位接触(phase leakage)：三个相位其中有两个被桥接，与此同时产生三个可能的组合。这个错误实施在逆变器模型内，图3.29、3.31和3.30显示这个错误(vab＝0)的后过达在t这么长的时间(t≥0.1s)。若本例中错误是活跃的，只会藉由反电动势产生该相位电流i_ab。

机械性错误

机械性错误包括下列错误：

传动机构失效：马达与关节剩余部分完全失去联结，关节转矩T_J ^＊和阻尼转矩T_D等于0。关节在零位附近振动，藉由摩擦T_f减速。图3.32和图3.33中，传动关节在0.1秒后起失效。

遭阻碍而无法作动的关节(blocked joint)：关节的速度被设为0，而传动机构的行为像是一个马达作动对抗的弹簧，结果是产生高关节转矩。传动机构通过这些高转矩也会很快失效。一般这种场景不会掉入在错误侦测与隔离的方面，而是会由被碰撞侦测盖掉了。图3.34和3.35中，关节被阻碍而无法作动t达这么长的时间(t≥0.1s)。

遭阻碍而无法作动的马达(blocked motor)：马达的速度被设为0，马达被阻碍而无法作动会使整个关节停住不动。因为传动装置像一个弹簧一样作用，但是关节还会短暂地补振动一下。图Fig.和3.37中，马达被阻碍而无法作动t达这么长的时间(t≥0.1s)。

摩擦提高：摩擦提高会造成较高的电流量，因为马达这时候需要更多动力，以便移动关节。图3.38显示，摩擦提高十倍在达t这么长的时间(t≥0.5s)。

转矩涟波：依仿真时马达的位置，转矩涟波系随着马达位置变化，被当是磨擦提高实现在模拟中。涟波的位置和宽度都可以设定。图3.39显示转矩涟波达t这么长的时间(t≥1.5s)。

第四章

进行模拟时错误侦测与错误隔离方法的实施

就此而论，目的是在模拟机器人关节的过程，侦测之前说明过的、被实施的错误。其中，有复数个传感器信号可提供给有不同的方法。这些传感器信号包括位置传感器θ_m和q的输出，以及电流传感器i₁、i₂、i₃和扭力传感器T_J的输出。除此之外，还可以分接调整的信号，因为之后会将调整和侦错实施在同一片芯片上。为了在模拟时进行侦测，还需要下列的参数(表4.1)：

选择上述方法的标准是，这些方法尽可能简单且节省资源，以便当上述方法在同一个数字信号处理器进行时，调整器内不会出现干扰或延迟。

极限检查(Limit Checking)

最简单、同时最节省资源的方法是「极限检查」，其中会检查传感器信号y的数值是否位在一个极限值内。若超过/低于极限值ε，则会表示错误如下：

ε_y，min＜y＜ε_y，min (4.1)

通常不需要设定一个低极限值，也不需要设定一个高极限值，可以为传感器信号的绝对值设定一个极限值。

|y|＜ε. (4.2)

在此情况经检查的传感器信号，是各个单一电流传感器

的信号、转矩T_J和入力及出力端速度

和

其分别具有一个自己的极限值：

位置θ和q不会被直接检查，因为是以绝对角度表示这两个位置，所以这两个位置不受±360°极限约束。系统的另一个特点是，所有电流相加到零。

i₁+i₂+i₃＝0 (4.7)

通过传感器信号的杂音，总数当然永远不会刚好是零，可以导入另一个侦错的极限值。

|i1+i2+i3|＜ε_iline，sum. (4.8)

每个极限值都必须个别设定，而且都会随杂音、测量范围以及作为基础的物理模型的大小而改变。完成设定的这些极限值，必须达到在没有错误的情况下，没有假警报被发出(「零假性异常」)，不过同时会很确实地将出现的错误侦测出来(「零假性正常」)。

极限检查出的数值被侦测出的错误

q^· 噪音增益(传感器q)

放大(传感器q)

偏位(传感器q)

停机(传感器q)

θ^· 噪音增益(传感器θ_m)

放大(传感器θ_m)

偏位(传感器θ_m)

停机(传感器θ_m)

T_J 遭阻碍而无法作动的关节

i_line 不是可靠的侦测

sum i_line 噪音增益(每个电流传感器)

放大(每个电流传感器)

偏位(每个电流传感器)

停驻/停机(每个电流传感器)

显然地，用这些简单的方法，无法侦测到所有错误。不过因为这些方法很节省资源，所以可以当作是复杂方法的有用补充。虽然如此，还是可以用这些初步的方法侦测到一些错误，其中包括侦测到位置信号内突如其来的改变。在检查转矩时，只能侦测到「遭阻碍而无法作动的关节」这个错误，因此这是碰撞侦测的简单版本。借助电流的总数，也可以侦测出大部分的电流传感器错误。上面的表格，系显示一个被侦测出错误的清单，这些错误是每个根据极限值检查过的传感器信号检查出的错误。

参数估计

一旦关节的作为基础的程序模型已知，即可估计一些程序参数，并将这些参数与之前测定或设定的数值比较。

一个程序模型可以描述如下：

y(t)＝Ψ ^T(t)Θ (4.9)

因此估计的参数如下：

现在为了侦测可能的错误，会用下列方程式形成一余数给每个参数Θ：

若极若反过来限值被超过，即表示有一个错误。

|r|＜ε (4.12)

本关节模型内，对大部分参数而言，要找到一个可以很简单、用低成本解开的方程式很难。由于之后在真实的机器人内资源是有限的，下面仅会估计两个很简单的参数，俾使原理可以清楚明了。估计的参数是机器人的刚性

其传动机构传动比是

估计的参数K^和N^又必须位于一个预先界定的数值范围内，这个范围在已知真实的参数附近。

选择的参数，在此情况是不适合用于侦错的，因为在此是通过吵杂的信号进行分配的，所以估计参数也是很吵杂(参见图4.2和图4.3)。选择其它参数进行估计，在某些情况下会复杂很多，而且之后需要在硬件上进行很多计算。

观测器

另一个侦错的可能性是观测一个没有比较值的状态。当错误很极端地改变观测历程，或者观测值通过错误，接受了不再与物理模型相合的数值时，则这些观测器在这个时刻适合用来进行侦测和隔离错误。所述被观察的状态包括：

·阻尼转矩T_D

·马达转矩T_m

·摩擦转矩T_f

·以及外部转矩T_ext.

可以透过下列方程式，达到对阻尼转矩T_D的观察：

其中，d为阻尼常数。进行马达转矩时，需要d/q转换，为此我们需要马达的电性位置θ_e以及相位电流i_phase。用极对的数目，可得出电性位置θ_e的下列方程式：

θ_e＝(pθ_m) mod 2π. (4.18)

藉由下列方程式，可以接近所述相位电流i_phase：

所述相位电流i_phase会被转换成i_d和i_q(d/q转换)，藉此得出所述马达转矩

如下：

其中，k_m为转矩常数。

可以用下列方程式观察摩擦转矩τ_f：

其中，L是e观测器增益，B是马达惯性，T_J是测定的转矩，

是测定的马达速度。从马达转矩的观测器得出

如果使用摩擦转矩以及阻尼转矩来协助，也可以观测出外部转矩。

藉由推导测定的速度q^·，可以取得加速q^··。由于这样一来必须推导位置信号两次，以得到加速，需要一个很精准、杂音很少的位置传感器，因为否则q^··就会因为强大的杂音而无法使用。在模拟中，这当然不会是问题当。当没有额外的负载作用在关节上，则外部转矩只由机器人本身体重自己就会产生的重力转矩组成。

另一个侦测可能性是，观测传感器信号本身，然后比较被测定值。可以通过下列方程式，观测出力侧的位置：

在没有错误的情况下，余数应该要再位于一个特定的数值范围内。

|q^-q|＜ε_q (4.24)

一旦使用方程式4.24，就不再需要观测θ_m和T_J。由于这三个信号彼此之间信赖性很强，只要这些信号其中一个有错误，余数就不接受。最后只剩下电流i、i₂和i₃可以观测。这样的话会比较复杂一点，还需要该调整器开关逆变器的信号S，利用这个信号S可以计算相位电压v_phase(参见图3.3)。

同样需要事先经过测量、经过标准化且在「对照表」内以(θ_m)i储存的反电动势。

k_m是马达的转矩常数，藉由解状态空间，可计算相位电流i_ab、i_bc和i_ca：

y＝Cx+du (4.28)

u＝(v_phase-v_BEMF) (4.30)

d＝0 (4.34)

因此，被观测的电流

为下列方程式：

Die beobachteten

sind somit

在此，在没有错误情况下，余数也要在一个特定的数值范围内移动。

实务中发现，展示的观测器不是很适合T_m和T_f用来进行侦错，不过，需要它们来观测其它的状态。外部转矩的观测器仅适合进行碰撞侦测(遭阻碍而无法作动的关节)。相对地，关节位置q和电流i_line的观测器，则是比较大有可为的。在仿真中，两个位置传感器的错误可以藉由方程式4.24侦测出来，同样地藉由方程式4.36可以发现无刷直流马达以及电流传感器和逆变器所有经过测试的错误。

表：由观测器侦测出的错误一览表

奇偶性方程式及单一传感器信号的隔离

这个方法系根据奇偶性方程式的理论，结合观测器。作为基础的模型提供下列方程式：

因为不同的不确定性，再确定一个有效的数值范围，包含极限值ε。

下列表格列举出的方程式4.38个别的被加数与传感器信号之间的依赖度，这个表格显示奇偶性方程式的被加数与传感器信号之间的依赖度，没有隔离个别的信号。现在，下面分别隔离一个传感器信号，并由一个观测器取代该传感器信号。这里的想法是，因此产生的不同奇偶性方程式的余数，对传感器信号有不同的依赖度。

Summanden

der

藉此，根据余数的变化，不仅可以侦测出错误，还可以大略将错误定位。若例如除了一个之外，所有余数都不接受的话，则很容易让人怀疑，所述错误位于一个被隔离在一个没有改变的余数内的信号里。不过，有时候虽然含有错误的信号被隔离，余数也还是不接受，这要归因于经由调整器内一个含有错误的信号所引起的副作用。在没有隔离信号情况下，也已经可以藉由(4.38)侦测错误(参见图4.4)。进行模拟时，利用这个方程式可以侦测出位置信号q内突然的改变，这些突然的改变造成高速q^·持续一小段时间。同样地，也可以侦测出位置信号θ_m和电流传感器所有经过测试的错误，如信号T_J很大声的杂音、错误的放大或偏位，又如一个相位对相位的短路、一个遭阻碍而无法作动的马达以及碰撞。

隔离电流电路(市电)

下列关系对电流有效：

i₁+i₂+i₃＝0. (4.39)

因此，可以利用下列两个其它的方程式，分别表示所述每一个电流：

这样一来会产生三个不同的电流向量

版本：

现在，可以如方程式4.38所描述的形成该余数，

其中，透过

的d/q转换，计算

在此同样信号q可能出现突然的改变，以及信号θ_m或电流传感器的种种错误、扭力传感器T_J的错误放大或偏位。同样也可以侦测到相位对相位的短路、遭阻碍而无法作动的马达和碰撞。如前面已经提到的，余数在信号i₁出现错误时，也会不接受，虽然这个错误被隔离。这要归因于调整器内该含有错误的信号引起副作用，而该余数又会对这些副作用作出反应(参见图4.5)。

隔离位置信号q

所述位置信号也可以由下列方程式取代：

藉由推导被观测出的位置q^，可以取得所述速度

这样一来会产生含有方程式4.48的奇偶性方程式4.47：

führt，mit

利用方程式4.21和4.20可以得出摩擦转矩T_f和马达转矩T_m。随着q的隔离，余数与传感器信号之间的依赖度也会改变(参见下列表格)。尽管如此，这个模拟的结果，在这种强况下也和上面的结果相同。即使是信号q的错误可都以被侦测出，因为调整器显然对这些错误作出很强烈的反应。

隔离位置信号θ_m

所述位置信号θ_m可以由下列方程式取代：

利用i₁、i₂、i₃与被观测出的位置

的d/q转换，推导被观测出的位置

和电流

进而得出取得所述速度

和加速

因此透过方程式4.50配合方程式4.51、4.52和4.53，得到该奇偶性方程式：

Summanden

der

表：将出力端位置q隔离时，奇偶性方程式的被加数与传感器信号之间的依赖度

仿真中，使用传动装置传动比N 160，此一动作加上方程式4.49会造成被观测出的位置

的分辨度比实际的信号小很多。这些提高的不确定性也会在推导

和

f繁殖，如此一来在这个情况下的余数就无法使用了。即使在没有错误的情况下，假警报出现的机率也会超过25％(参见图4.6)。

隔离转矩T_J

隔离T_J时，可以藉由下列方程式接近所述转矩：

因此，使用方程式4.56得出该余数的方程式4.55：

这个余数的版本的反应，基本上和隔离一个电流传感器或所述位置q时的反应一样，侦测出的错误是一样的。

Summands

of parity equation

表：将入力端位置传感器隔离时，奇偶性方程式的被加数与传感器信号之间的依赖度

Summanden

der

表：将T_J隔离时，奇偶性方程式的被加数与传感器信号之间的依赖度

第五章

评估应用在一个灵活机器人关节原型上的侦错方法

为了证实模拟的结果，对介绍过、应用于灵活机器人关节原型的侦错方法，进行了测试。对此，图5.1显示一个作为基础的关节结构。

灵活机器人关节原型是一个具有一个自由度的关节。藉由无刷直流马达，产生的转矩经由谐波驱动装置，以传送率N传送到下一个肢体(参见图5.1)。使用的传感器有一个马达侧位置传感器θ_m、一个出力侧位置传感器q和一个扭力传感器T_J，该扭力传感器T_J与谐波驱动装置结合成为一体，并且测量出力侧坐标内的转矩。出力侧还装设一个第二马达，该第二马达仿真一个不变的负载。所述结构经由一个数字信号处理器(digital signalprocessor，DSP)控制，该数字信号处理器内还设有多数个电流传感器，藉由这些电流传感器可以读出马达电流。由于数字信号处理器已经计算q电流i_q(根据d/q转换)，所以进行侦错时也会使用于数字信号处理器，而不用相位电流。所有传感器信号会从数字信号处理器传送到另一台桌面计算机，这台计算机将这些传感器信号以图形表示，并且将该被关闭的轨迹又送回到数字信号处理器。有三个不同的出力侧肢体角度，被预定作为轨迹(参见图5.2)，这些点先后在一个缓和的曲线被关闭。

表：测试应用于关节原型上的侦错方法所需的参数一览表

经过测试、应用在关节原型上的错误侦测与隔离方法

为了证实侦错方法，在第四章内介绍的方法，大部分也都有实施在灵活机器人关节的原型。一开始先测试「极限检查」(limit checking)。在此会监督速度

和

以及转矩τ_J。，不过会检查该电流i_q，替代各相位电流。同样地，也实施了观测器，从含转矩常数k_m的马达转矩观测器开始，

另外，会以观测器增益L_f观测摩擦转矩

以及含阻尼常数d阻尼转矩

和外部转矩

。进一步，藉由下列方程式也会接近出力侧位置q：

在没有错误的运作中，该估计的位置

不应该与自己的位置传感器的测量读值有很大的出入。

下列奇偶性方程式再一次地，系以这个传感器隔离方法为基础。

这个传感器隔离方法(或也称奇偶性方程式)，基本上如前面所描写的实施了。只不过例外的是，没有实现各相位电流的隔离，因为在侦错时使用该电流i_q替代了所述相位电流。侦错是独立的，不会将获得的知识归因于调控(参见图5.3)。

测试过的错误

模拟中，几乎每个错误都不大费周章就可以实现，相对地，在硬件内执行错误仿真就有一些限制，因此只在原型上测试选出的错误。若要将所有可能的错误都覆盖，可能会爆本工作的框架。在软件方面，藉由先操纵进来的传感器信号，然后才透过错误侦测与隔离求出所述传感器信号的值，执行了传感器错误。但是，这些被操纵的信号不会再进行调控。图5.3再此显示传感器信号操纵的作用方式。进来的信号有该二位置q和θ_m，以及转矩T_J和电流i_q，这些信号中每一个都可以设定一个偏位或放大，而且该错误「停机」(Shutdown)将信号设为0。在硬件方面，干脆把传感器的插头(除了电流传感器)拉掉，同样实现了该错误「停机」(Shutdown)。在这个情况下，控制器甚至得到一个有错误的信号。此外，可以藉由一个外力将马达减速，实现较大的摩擦。「实际的」硬件错误的缺点是，很难准确地确定错误出现的时间点，以及执行干扰质量的测量(例如以Nm为单位的摩擦转矩)。从下面的表内，也可以看到被测量错误的清单。

表：在关节原型上测试过的错误一览表，含有实施地点。硬件错误也会影响控制器。

关节原型试验的结果

以错误侦测及隔离的方法，在真实关节上所进行的测试，其结果与之前的模拟结果很类似。可以藉由「极限检查」侦测出的错误，列在下列的表内。位置的突然改变，会造成所属速度内出现短暂的尖峰。当然，侦测也依错误出现的时间点而定。若例如在关节已经在其零位置上停止作动时拉掉位置传感器的插头，当然不会显示有错误。

至于观测器，使用马达转矩观测器和摩擦转矩的观测器，没有侦测出测试过的错误任何一个。摩擦增加没有引起从属观测器的警报，因为极限值选择很高。藉由阻尼转矩的观测器，各位置传感器的所有错误都可侦测到。外部转矩的观测器以及估计的位置q^(或Δq＝q^-q)也是如此，不同的是，藉由观测外部转矩，替代拉出的位置传感器θ_m插头，侦测到插头拉出，而且观测器q发现到这两个情况。图5.5中可见阻尼转矩T_D观测器信号、外部转矩T_ext观测器信号及包含拉出位置传感器q插头这个错误的Δq的观测器信号。

配合观测器使用奇偶性方程式，这个作法再一次证明是最大有可为。在使用方程式5.7和可支配的传感器信号情况下，能够侦测出停机和位置传感器q和θ_m的偏位错误，以及q，、θ_m和i_q的放大错误。另外，摩擦增加和拉出传感器θ_m和T_J引起了警报。如预期的，具有被隔离的位置传感器q的余数不会对这个传感器的错误作出反应。具有被隔离的传感器θ_m的方程式，也是这种情况，这个方程式也不对传感器θ_m作出反应。不过，在这一点上，例外的情况是「拉出(unplug)传感器θ_m」这个错误，因为这个错误让控制器无法正确地提供马达电力。然后，这些有错误的电流尽管如此还是引起警报。表5.5内可以看到不同奇偶性方程式被侦测出的错误的总结，图5.6显示「使位置传感器q不插电」这个错误的余数。

表：藉由极限检查侦测出机器人关节的错误一览表

表：藉由观测器侦测出机器人关节的错误一览表

表：藉由奇偶性方程式侦测出机器人关节的错误一览表

缩写表

ADC 模拟数字转换器

BEMF 反电动势

BLDC 无刷直流马达

DSP 数字信号处理器

FDI 错误侦测及隔离

FFT 快速傅立叶变换

HD 谐波传动装置

IFAC 国际自动控制联合会

MOSFET 金属氧化物半导体场效晶体管

MTBF 故障之间的平均时间

MTTR 修理之间的平均时间

RMS 有效值

SAFEPROCESS 侦错、监控与技术程序安全技术委员会

其它的功效、特征和细节，请见下面说明书，说明书内详细描写至少一个实施例，必要时请参考图示。相同的、类似的及/或功能相同的部件，以相同的组件符号标示。

图示简单说明

1.1 为错误侦测、错误诊断和错误管理图解。

1.2 为一状态观测器图解。

1.3 为一输出观测器图解。

1.4 为将方程式错误最小化的图解。

1.5 为在估计参数时，将输出错误最小化的图解。

1.6 为一种分级化的滤波器结构的图解。

2.1 为一突如其来的错误的图表。

2.2 为一飘移的错误的图表。

2.3 为一断断续续的错误的图表。

2.4 为含有量化杂音的被量化信号。

2.5 为单一尖峰。

2.6 为信号杂音。

2.7 为一三相逆变器的电路图。

2.8 为不同逆变器错误的电路图。

3.1 为一灵活机器人关节的图解。

3.2 为关节仿真的一般结构。

3.3 为逆变器的可能开关状态。

3.4 为关节仿真的物体模型。

3.5 为反电动势的测量。

3.6 为一个以三角连接的无刷直流马达的图解。

3.7 为传感器信号和计算出的位置。

3.8 为与参考位置(没有问题)对照的马达位置和力偶位置。

3.9 为马达位置和力偶速度(没有问题)。

3.10 为关节转矩(没有问题)。

3.11 为市电(没有问题)。

3.12 为一般传感器错误的信号操纵图解。

3.13 为针对传感器测量值操纵的信号流程图。

3.14 测定的位置q和真实的位置q^＊，出现错误「放大」。

3.15 为测定的位置q和真实的位置q^＊，出现错误「偏位」。

3.16 为测定的位置q和真实的位置q^＊，出现错误「杂音」。

3.17 为测定的位置q和真实的位置q^＊，出现错误「停驻和停机」。

3.19 为传感器信号操纵图解。

3.18 为测定的位置q和真实的位置q^＊，出现错误「递增跳跃」。

3.20 为测定的位置q和真实的位置q^＊，出现错误「失去A」。

3.21 为马达转矩T_m，出现逆变器的错误「停机」。

3.22 为相位电流，出现逆变器的错误「停机」。

3.23 为的力偶位置q^＊，出现逆变器的错误「停机」。

3.24 为马达转矩T_m，出现逆变器的错误「单一开关呈现开启状态」。

3.25 为马达转矩T_m，出现逆变器的错误「单一开关呈现关闭状态」。

3.26 为位置误差Δq＝q^＊-qid。，出现逆变器的错误「单一开关呈现关闭状态」。

3.27 为相位电流，出现错误「欠相」。

3.28 为关节转矩，出现错误「欠相」。

3.29 为相位电流，出现错误「相位接触」。

3.30 为马达转矩T_m，出现错误「相位接触」。

3.31 为力偶位置q^＊，出现错误「相位接触」。

3.32 为位置θ^＊和q^＊，其中传动装置失效。

3.33 为传动装置失效时的关节转矩。

3.34 为位置θ^＊和q^＊，其中关节遭阻碍而无法作动。

3.35 为关节遭阻碍而无法作动时的关节转矩。

3.36 为位置θ^＊和q^＊，其中马达遭阻碍而无法作动。

3.37 为关节的转矩，其中马达遭阻碍而无法作动。

3.38 为位置q^＊，其中摩擦增加。

3.39 为具有转矩涟波的摩擦转矩。

4.1 为电流总和，包含i₁的错误「停机」。

4.2 为估计刚性

不含正在活动的错误。

4.3 为估计的传动装置传动比

不含正在活动的错误。

4.4 为一个奇偶性方程式的余数，没有隔离传感器信号。

4.5 为一个奇偶性方程式的余数和正在活动的错误(隔离i₁)。

4.6 为一个奇偶性方程式的余数，包含被隔离的θ_m，不含正在活动的错误。

5.1 为灵活关节原型的结构。

5.2 为根据一个测试轨迹，进行没有错误行程时原型出力侧的位置q。

5.3 为将错误侦测与隔离连接到试验结构上的图解。

5.4 为该奇偶性方程式的余数，没有隔离传感器信号，出现错误「停机i_q」。

5.5 为观测器信号，出现错误「使传感器q_m不插电」，关节原型。

5.6 为该等奇偶性方程式的余数，出现错误「使传感器q_m不插电」，关节原型。

6.1 为一个建议的方法的流程示意图。

6.2 为一个建议的装置的结构示意图。

图1.1至图5.6已经在上面说明书内陈述过了。

图6.1显示一个被建议用来控制/调整由电动马达驱动之机器人关节之方法的流程，其中，该机器人关节具有一电流传感器，其具有一第一电子感测系统(sensorelectronics)，用于感测该电动马达的一第一工作电流i_k，1(t)，其中k＝1，2，...；一第一位置传感器，用于感测该机器人关节的一驱动链的一入力位置θ_m(t)；一第二位置传感器，用于感测该机器人关节的一出力链的一出力位置q(t)；以及一第一扭力传感器，用于感测该出力链中一转矩τ_J，1(t)。其中，依据一个预定的设定变量τ_m(t)，控制/调整该电动马达。

上述建议的方法包含下列步骤。在第一步骤101，提供测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)。在第二步骤102，利用该第一侦错器，检查是否有错误存在，当所述测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)及/或其时间导数(time derivatives)没有符合预定的各第一极限值条件时，即由该第一侦错器侦测是否有错误存在。在第三步骤103，系利用该第二侦错器，检查是否有错误存在，该第二侦错器根据一个使用程序模型协助的方法的测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)，侦测是否有错误存在，所述程序模型为机器人关节一个预定的数学动态模型，当所述模型的参数、由该程序模型重建构的数值与测定值之间的余数以及/或模型内计算出的参数，没有符合预定的各第二极限值条件时，即进行侦错。在第四步骤104，提供测定值τ_J，1(t)给一第三侦错器，该第三侦错器根据一使用信号协助的方法，侦测是否有错误存在，当测定值τ_J，1(t)的幅度及/或特征频率，没有符合预定的各第三极限值条件时，即进行侦错。在第五步骤105，经由设置于机器人关节上的侦错器其中之一侦测到错误后，即产生一警告信号，以视觉方式呈现该警告信号及/或以声音发出该警告信号，以及/或藉由控制机器人关节进入预定的错误状态FZ的变量

驱动该电动马达。

图6.2显示一个被建议用来控制/调整由电动马达驱动之机器人关节之装置的结构，其中，该机器人关节具有一电流传感器，其具有一第一电子感测系统(sensorelectronics)，用于感测该电动马达的一第一工作电流i_k，1(t)，其中k＝1，2，...；一第一位置传感器，用于感测该机器人关节的一驱动链的一入力位置θ_m(t)；一第二位置传感器，用于感测该机器人关节的一出力链的一出力位置q(t)；以及一第一扭力传感器，用于感测该出力链中一转矩τ_J，1(t)。其中，由一个控制调整单元206依据一个预定的设定变量τ_m(t)，控制/调整该电动马达。所述装置包含一个提供测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)的界面201；一第一侦错器202，用于检查是否有错误存在，该第一侦错器202的设计是，当所述测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)及/或其时间导数没有符合预定的各第一极限值条件时，即侦测是否有错误存在；一第二侦错器203，用于检查是否有错误存在，该第二侦错器203根据所述测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)以及一个使用程序模型协助的方法，侦测是否有错误存在，其中，所述程序模型为机器人关节一个预定的数学动态模型，当所述模型的参数、由该程序模型重建构的数值与测定值θ_m(t)，i_k，1(t)，τ_J，1(t)，q(t)之间的余数以及/或模型内计算出的参数，没有符合预定的各第二极限值条件时，即进行侦错；以及一第三侦错器204，用于检查是否有错误存在，该第三侦错器204系根据所述测定值τ_J，1(t)以及一个使用信号协助的方法，侦测是否有错误存在，当测定值τ_J，1(t)的信号值，如幅度及/或特征频率，没有符合预定的各第三极限值条件时，即进行侦错。所述控制调节单元206的设计是，当存在的侦错器202-204其中一个侦错器侦测到错误时，会产生一警告信号，以视觉方式呈现该警告信号及/或以声音发出该警告信号，并且藉由控制机器人关节进入预定的错误状态FZ的变量

驱动该电动马达。

Claims (13)

1.一种由电动马达驱动之机器人关节之控制/调整方法，该机器人关节具有一电流传感器，其具有一第一电子感测系统，用于感测该电动马达的一第一工作电流i_k,1(t)，其中k＝1,2,…；一第一位置传感器，用于感测该机器人关节的一驱动链的一入力位置θ_m(t)；一第二位置传感器，用于感测该机器人关节的一出力链的一出力位置q(t)；以及一第一扭力传感器，用于感测该出力链中一转矩τ_J,1(t)，其中，依据一个预定的设定变量τ_m(t)，控制/调整该电动马达，所述方法包含下列步骤：

-步骤101：提供测定值θ_m(t),i_k,1(t),τ_J,1(t),q(t)；

-步骤102：利用第一侦错器，检查是否有错误存在，当所述测定值θ_m(t),i_k,1(t),τ_J,1(t),q(t)及/或其时间导数没有符合预定的各第一极限值条件时，即由该第一侦错器侦测是否有错误存在；

-步骤103：系利用第二侦错器，检查是否有错误存在，该第二侦错器根据一个使用程序模型协助的方法的测定值θ_m(t),i_k,1(t),τ_J,1(t),q(t)，侦测是否有错误存在，所述程序模型为机器人关节一个预定的数学动态模型，当所述模型的参数、由该程序模型重建构的数值与测定值之间的余数以及/或模型内计算出的参数，没有符合预定的各第二极限值条件时，即进行侦错；

-步骤104a：提供测定值τ_J,1(t)给一第三侦错器，该第三侦错器根据一使用信号协助的方法，侦测是否有错误存在，当测定值τ_J,1(t)的信号的变量没有符合预定的各第三极限值条件时，即进行侦错；或步骤104b：使用一第二扭力传感器或使用第一扭力传感器的一个多余设置的电子感应系统，感测出力链内的一个转矩τ_J,2(t)，而且当τ_J,1(t)与τ_J,2(t)的比较值没有符合各第四极限值条件时，即使用一第四侦错器进行侦错；以及

-步骤105a：只要设置于机器人关节上的侦错器其中之一侦测到错误，即产生一警告信号，以及/或步骤105b：藉由控制机器人关节进入预定的错误状态FZ的变量

驱动该电动马达，以及/或步骤105c：启动一机械性机构，以制止机器人关节的动作。

2.如权利要求1所述的由电动马达驱动之机器人关节之控制/调整方法，其中，以视觉方式呈现该警告信号及/或以声音发出该警告信号。

3.如权利要求1或2所述的由电动马达驱动之机器人关节之控制/调整方法，其中，透过该第一侦错器和该第二侦错器确定出分别侦测出的错误的类别。

4.如权利要求3所述的由电动马达驱动之机器人关节之控制/调整方法，其中，所述变量τ_m ^F(t)以及/或所述错误状态FZ，系随着侦测到的错误的类别而变化。

5.如权利要求1或2所述的由电动马达驱动之机器人关节之控制/调整方法，其中，所述第二侦错器要进行侦错时，使用根据模型得出的一个参数估计值，以及/或一个状态变量观测器，以及/或一个卡尔曼滤波器，以及/或一个根据奇偶性方程式进行的侦错动作。

6.如权利要求1或2所述的由电动马达驱动之机器人关节之控制/调整方法，其中，所述第三侦错器要进行侦错时，使用一个快速傅立叶变换(Fast Fourier Transformation)，以及/或一个功率密度谱，以及/或一个模态分析，以及/或一个相关分析，以及/或一个神经网络，以及/或一个统计估计量。

7.如权利要求1或2所述的由电动马达驱动之机器人关节之控制/调整方法，其中，该电流传感器具有一个作为该第一电子感测系统备用的第二电子感测系统，用以侦测该电动马达的一第二工作电流i_k,2(t)，其中k＝1,2,…，当i_k,1(t)与i_k,2(t)f的比较没有符合各第五极限值条件时，即使用一第五侦错器进行侦错。

8.一种计算机系统，包含一数据处理装置，在该数据处理装置上实施权利要求1-7任意一项所述的由电动马达驱动之机器人关节之控制/调整方法。

9.一种数字储存媒体，包含多数可以电子方式读出的控制信号，该控制信号可与一可编程的计算机系统配合，实施权利要求1-7任意一项所述的由电动马达驱动之机器人关节之控制/调整方法。

10.一种计算机程序存储介质，包含一个储存于一可机械性读取的载体上的程序代码，当在一个数据处理装置上执行该程序码时，即可使用该程序码执行权利要求1-7任意一项所述的由电动马达驱动之机器人关节之控制/调整方法。

11.一种由电动马达驱动之机器人关节之控制/调整装置，其中，该机器人关节具有一电流传感器，其具有一第一电子感测系统，用于感测该电动马达的一第一工作电流i_k,1(t)，其中k＝1,2,…；一第一位置传感器，用于感测该机器人关节的一驱动链的一入力位置θ_m(t)；一第二位置传感器，用于感测该机器人关节的一出力链的一出力位置q(t)；以及一第一扭力传感器，用于感测该出力链中一转矩τ_J,1(t)，其中，依据一个预定的设定变量τ_m(t)，控制/调整该电动马达，所述装置方法包含：

-一个提供测定值θ_m(t),i_k,1(t),τ_J,1(t),q(t)的界面(201)；

-一第一侦错器(202)，用于检查是否有错误存在，该第一侦错器的设计是，当所述测定值θ_m(t),i_k,1(t),τ_J,1(t),q(t)及/或其时间导数没有符合预定的各第一极限值条件时，即侦测是否有错误存在；

-一第二侦错器(203)，用于检查是否有错误存在，该第二侦错器根据所述测定值θ_m(t),i_k,1(t),τ_J,1(t),q(t)以及一个使用程序模型协助的方法，侦测是否有错误存在，其中，所述程序模型为机器人关节一个预定的数学动态模型，当所述模型的参数、由该程序模型重建构的数值与测定值θ_m(t),i_k,1(t),τ_J,1(t),q(t)之间的余数以及/或模型内计算出的参数，没有符合预定的各第二极限值条件时，即进行侦错；以及

-不是一个用于侦测错误是否存在的第三侦错器(204)，就是一个用于感测出力链内转矩τ_J,2(t)的第二扭力传感器，或一个用于侦测转矩τ_J,2(t)的一个多余设置的第一扭力传感器之电子感测系统，以及一用于检查是否有错误存在的第四侦错器，其中，所述第三侦错器系根据所述测定值τ_J,1(t)以及一个使用信号协助的方法，侦测是否有错误存在，当测定值τ_J,1(t)的信号的变量没有符合预定的各第三极限值条件时，即进行侦错，其中，所述第四侦错器系根据所述测定值τ_J,1(t)及τ_J,2(t)，侦测是否有错误存在，当τ_J,1(t)与τ_J,2(t)的比较值没有符合各第四极限值条件时，即进行侦错；

其中，所述装置之控制调节单元(206)的设计是，只要存在的侦错器其中一个侦错器侦测到错误，即会产生一警告信号，以及/或藉由控制机器人关节进入预定的错误状态FZ的变量

驱动该电动马达，以及/或启动一设于该机器人关节上的机械性机构，以制止机器人关节的动作。

12.一种包含权利要求11所述的由电动马达驱动之机器人关节之控制/调整装置的机器人机械手臂。

13.一种包含权利要求11所述的由电动马达驱动之机器人关节之控制/调整装置的机器人。

Images