CN108555907B - 机器人运行状况评价方法 - Google Patents

机器人运行状况评价方法 Download PDF

Info

Publication number
CN108555907B
CN108555907B CN201810326340.1A CN201810326340A CN108555907B CN 108555907 B CN108555907 B CN 108555907B CN 201810326340 A CN201810326340 A CN 201810326340A CN 108555907 B CN108555907 B CN 108555907B
Authority
CN
China
Prior art keywords
robot
vibration signals
vibration
parameter
group
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
CN201810326340.1A
Other languages
English (en)
Other versions
CN108555907A (zh
Inventor
甘中学
杨勇
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.)
Ningbo Intelligent Manufacturing Industry Research Institute
Original Assignee
Ningbo Intelligent Manufacturing Industry Research Institute
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 Ningbo Intelligent Manufacturing Industry Research Institute filed Critical Ningbo Intelligent Manufacturing Industry Research Institute
Priority to CN201810326340.1A priority Critical patent/CN108555907B/zh
Publication of CN108555907A publication Critical patent/CN108555907A/zh
Application granted granted Critical
Publication of CN108555907B publication Critical patent/CN108555907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Manipulator (AREA)

Abstract

本发明涉及机器人技术领域，公开了一种机器人运行状况评价方法，包括步骤：采集机器人运行过程中的振动信号，所述振动信号表现为空间坐标下x，y，z方向的信号分量；按每采集到N个振动信号为一组对采集到的振动信号依次分组得到M组振动信号；对每一组振动信号构造参数C，得到C1,C2,......CM，所述参数C呈正态分布，且与振动信号的稳定性相关；计算C1,C2,......CM的均值μ和均方差σ；对于M组之后的每一组振动信号按上述步骤计算参数C＇，并计算机器人运行状态的评分值E，E的值若低于预定值，则说明机器人运行状态存在异常。本发明中对机器人运行时振动信号进行采集，通过振动信号能够客观准确地评价机器人运行状况。

Description

机器人运行状况评价方法
技术领域
本发明涉及机器人技术领域，特别涉及一种机器人运行状况评价方法。
背景技术
机器人在对工业产品进行生产、加工、制造的过程中发挥着重要作用。机器人的运行状况好坏将直接影响到工厂生产产品的品质。对机器人运行状况的评价对于使用机器人的制造业车间具有非要重要的意义。
目前对机器人运行状况好坏的评价办法大多是采用对机器人设备有经验的相关人员进行现场观察，相关人员在现场观察后给机器人评分，因此需要有经验的技术人员，人为主观因素过强，只靠观察无法准备获取机器人运行时振动信号，因此，无法准确地评价机器人的运行状态，可能出现误评和错评的情况，会对机器人后续的工作造成不良影响。
发明内容
本发明提出一种机器人运行状况评价方法，解决了现有技术中无法准确地评价机器人的运行状态的问题。
本发明的一种机器人运行状况评价方法，包括步骤：
采集机器人运行过程中的振动信号，所述振动信号表现为空间坐标下x，y，z方向的信号分量x(i)、y(i)和z(i)，i＝1,2,3,…；
按每采集到N个振动信号为一组，对采集到的振动信号依次分组，得到M组振动信号，N＞1，M＞1；
对每一组振动信号构造参数C，得到C1,C2,......CM，所述参数C呈正态分布，且与所述振动信号的稳定性相关；
计算C1,C2,......CM的均值μ和均方差σ；
对于M组之后的每一组振动信号按上述步骤计算参数C＇，按如下公式计算机器人运行状态的评分值E，E的值若低于预定值，则说明机器人运行状态存在异常，其中t为积分变量，
Figure BDA0001626692710000021
其中，所述振动信号通过安装在机器人上的振动传感器进行采集。
其中，采集机器人运行过程中的振动信号的采集方式为：每间隔预定时间段采集一次振动信号。
其中，所述预定时间段小于机器人正常运行状态下振动周期的1/5。
其中，采集机器人运行过程中的振动信号的采集方式为：连续采集每一次振动信号。
其中，所述对每一组振动信号构造参数C，得到C1,C2,......CM的步骤具体包括：
对每一组振动信号按组内顺序重新编号如下：X1,X2,X3,......,XN；Y1,Y2,Y3,......,YN和Z1,Z2,Z3,......,ZN；并构造如下矩阵：
Figure BDA0001626692710000022
Figure BDA0001626692710000023
对于每一组振动信号，根据上述矩阵按如下方式计算参数C：CX＝(AX TAX)-1AX TBX；CY＝(AY TAY)-1AY TBY；CZ＝(AZ TAZ)-1AZ TBZ；C＝CX TCXCY TCYCZ TCZ；以得到C1,C2,......CM。
其中，所述N为800～1200。
其中，所述M为8000～12000。
其中，所述K为4～10。
本发明中对机器人运行时振动信号进行采集，通过对振动信号的分析计算来评价机器人运行状况，无需有经验的人员，可以进行自动、客观的评价，避免人为主观因素过强导致的误评和错评的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种机器人运行状况评价方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例的机器人运行状况评价方法流程如图1所示，包括：
步骤S1，采集机器人运行过程中的振动信号，所述振动信号表现为空间坐标下x，y，z方向的信号分量x(i)、y(i)和z(i)，i＝1,2,3,…。
步骤S2，按每采集到N个振动信号为一组，对采集到的振动信号依次分组，得到M组振动信号，N＞1，M＞1。
步骤S3，对每一组振动信号构造参数C，得到C1,C2,......CM，所述参数C呈正态分布，且与所述振动信号的稳定性相关。其中，稳定性是指机器人在正常运行状态下振动信号的表征量(例如：频率、振幅)在允许的误差范围内保持一致。
步骤S4，计算C1,C2,......CM的均值μ和均方差σ。由于机器人正常运行状态下振动信号是稳定的，因此采用上述公式计算得到的参数C，在机器人正常运行时具有稳定性，服从正态分布的概率分布特征。当机器人运行出现异常(例如：出现螺丝松动、润滑不足等问题)时，机器人运行过程中的振动情况会出现异常(例如：振动频率变化或振幅变化)，于是参数C会偏离正态分布的中心。
步骤S5，对于M组之后的每一组振动信号按上述步骤计算参数C＇，按如下公式计算机器人运行状态的评分值E，E的值若低于预定值，则说明机器人运行状态存在异常，其中t为积分变量，积分的区间是从-C＇到+C＇积分求取之后不会存在t，
Figure BDA0001626692710000041
评价机器人运行状态时，前M组振动信号在工作人员监视下进行，以保证采集正常的振动信号，计算出机器人在正常状态下振动信号的均值和方差。在M组之后的振动中，机器人运行状态的评分值E是在机器人运行过程中不断刷新的，也就是振动传感器不断取得振动的信号，例如：每得到1000个信号就可以计算一次C＇，然后计算一次E，不断得到运行状态的评分值E。由于参数C＇在机器人运行异常时会偏离正太分布的中心，因此机器人运行状态的评分值E会突然减小(如：出现碰撞等情况)，或在不断刷新时也会呈减小的趋势(如：出现螺丝慢慢松动、润滑油损耗等情形)。例如：E＝95分，就表示运行状态非常稳定，E值在不断刷新的过程中不断减小，例如：E≤75分(预定值)，就表示机器人存在螺丝慢慢松动或润滑油损耗等异常，生产的产品品质可能出现问题，需要对工业机器人进行停机检修，不同的机器人可选择不同的预定值。
可见，本发明中对机器人运行时振动信号进行采集，通过对振动信号的分析计算来评价机器人运行状况，无需有经验的人员，可以进行自动、客观的评价，避免人为主观因素过强导致的误评和错评的情况。
步骤S1中，采集机器人运行过程中的振动信号通过安装在机器人上的振动传感器进行振动信号采集。振动传感器采集到的振动信号实际为空间三个方向的加速度信号，即振动传感器将采集到的振动信号分成空间坐标系下的三个加速度信号分量，例如，某一时刻采集到的振动信号为(1，2，3)。其稳定性是指机器人在正常运行状态下三个加速度信号分量在允许的误差范围内保持一致。
步骤S1中，采集机器人运行过程中的振动信号的采集方式为可以为连续采集每一次振动，也可以间隔预定时间段采集一次。连续采集是按传感器固有的采集频率采集机器人的振动信号。间隔预定时间段采集时，该预定时间段小于机器人正常运行状态下振动周期的1/5，以保证每个振动周期都能采集到信号，计算出的E值更准确。
本实施例中，步骤S3采用如下方式(但不限于该方式)对每一组振动信号构造参数C，得到C1,C2,......CM：
对每一组振动信号按组内顺序重新编号如下：X1,X2,X3,......,XN；Y1,Y2,Y3,......,YN和Z1,Z2,Z3,......,ZN；并构造如下矩阵：
Figure BDA0001626692710000051
Figure BDA0001626692710000052
对于每一组振动信号，根据上述矩阵按如下方式计算参数C：CX＝(AX TAX)-1AX TBX；CY＝(AY TAY)-1AY TBY；CZ＝(AZ TAZ)-1AZ TBZ；C＝CX TCXCY TCYCZ TCZ；以得到C1,C2,......CM。
本实施例中，所述N为800～1200，所述M为8000～12000。N和M可根据实际情况选择。
本实施例中，k理论上可以取小于N的任意值，当k取更大时，对参数C的计算结果影响不大，而且k取太大时，会增加计算时间。因此k取值4～10，优选地，k＝5。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种机器人运行状况评价方法，其特征在于，包括步骤：
采集机器人运行过程中的振动信号，所述振动信号表现为空间坐标下x，y，z方向的信号分量x(i)、y(i)和z(i)，i＝1,2,3,…；
按每采集到N个振动信号为一组，对采集到的振动信号依次分组，得到机器人在正常运行状态下的M组振动信号，N＞1，M＞1；
对每一组振动信号构造参数C，得到C1,C2,......CM，所述参数C呈正态分布，且与所述振动信号的稳定性相关；
计算C1,C2,......CM的均值μ和均方差σ；
对于M组之后的每一组振动信号按上述步骤计算参数C＇，按如下公式计算机器人运行状态的评分值E，E的值若低于预定值，则说明机器人运行状态存在异常，其中t为积分变量，
Figure FDA0002816443930000011
对每一组振动信号构造参数C，得到C1,C2,......CM的步骤具体包括：
对每一组振动信号按组内顺序重新编号如下：X1,X2,X3,......,XN；Y1,Y2,Y3,......,YN和Z1,Z2,Z3,......,ZN；并构造如下矩阵：
Figure FDA0002816443930000012
Figure FDA0002816443930000013
k＜N；
对于每一组振动信号，根据上述矩阵按如下方式计算参数C：CX＝(AX TAX)-1AX TBX；CY＝(AY TAY)-1AY TBY；CZ＝(AZ TAZ)-1AZ TBZ；C＝CX TCXCY TCYCZ TCZ；以得到C1,C2,......CM。
2.如权利要求1所述的机器人运行状况评价方法，其特征在于，所述k为4～10。
CN201810326340.1A 2018-04-12 2018-04-12 机器人运行状况评价方法 Active CN108555907B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810326340.1A CN108555907B (zh) 2018-04-12 2018-04-12 机器人运行状况评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810326340.1A CN108555907B (zh) 2018-04-12 2018-04-12 机器人运行状况评价方法

Publications (2)

Publication Number Publication Date
CN108555907A CN108555907A (zh) 2018-09-21
CN108555907B true CN108555907B (zh) 2021-02-26

Family

ID=63534812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810326340.1A Active CN108555907B (zh) 2018-04-12 2018-04-12 机器人运行状况评价方法

Country Status (1)

Country Link
CN (1) CN108555907B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109732613B (zh) * 2019-03-13 2023-08-18 哈尔滨市伟晨星知识产权法律服务有限公司 机械手臂达到特定状态效果评估系统
CN110411755B (zh) * 2019-06-14 2021-12-07 南京汽车集团有限公司 一种对气制动轻型载货汽车振动主观评价的客观量化方法
CN110672325A (zh) * 2019-09-02 2020-01-10 佛山科学技术学院 一种基于概率分布的轴承工况稳定性评估方法及装置
CN111546347B (zh) * 2020-06-03 2021-09-03 中国人民解放军海军工程大学 一种适用于动态环境下的机械臂路径规划方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0392287A (ja) * 1989-09-02 1991-04-17 Fujitsu Ltd ロボット・マニプレータの性能評価方式
JP5043839B2 (ja) * 2005-07-11 2012-10-10 ブルックス オートメーション インコーポレイテッド 予知保全用インテリジェント状態監視及び障害診断システム
CN106845049B (zh) * 2015-12-03 2019-09-20 北京航天拓扑高科技有限责任公司 一种旋转机械设备故障诊断中故障程度计算方法
CN107727395B (zh) * 2017-07-21 2019-12-03 中国矿业大学 一种基于全变分与补偿距离评估的轴承故障诊断方法

Also Published As

Publication number Publication date
CN108555907A (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
CN108555907B (zh) 机器人运行状况评价方法
US20200333777A1 (en) Abnormality detection method and abnormality detection apparatus
US20200356069A1 (en) Machine tool management system
JP5091604B2 (ja) 分布の評価方法、製品の製造方法、分布の評価プログラム及び分布の評価システム
CA2634328C (en) Method and system for trend detection and analysis
CN105302123B (zh) 在线测量数据的监控方法
US10311703B1 (en) Detection of spikes and faults in vibration trend data
US10607470B2 (en) Vibrational analysis systems and methods
CN116339253A (zh) 一种基于物联网的智能化机械生产监测管控系统
CN103750552A (zh) 一种智能取样方法及其在香烟质量控制的应用
CN116300758A (zh) 基于云计算的智能制造工业生产数据采集分析系统及方法
CN109345060B (zh) 一种基于多源感知的产品质量特性误差溯源分析方法
CN111126631A (zh) 网络健康判定方法及装置
CN117556366B (zh) 基于数据筛选的数据异常检测系统及方法
CN110488188B (zh) 基于动态阈值的机组三维健康量化评价方法
CN117140186A (zh) 一种基于人工智能的机械加工车间在线监测系统及方法
CN114220189B (zh) 一种监测方法、预测系统、电子设备及存储介质
CN109211564B (zh) 一种用于滚珠丝杠副健康评估的自适应阈值检测方法
CN117072460B (zh) 一种基于振动数据和专家经验的离心泵状态监测方法
CN114088389A (zh) 一种齿轮变速箱的数据处理方法和相关装置
KR20200007083A (ko) 품질 분석 장치 및 품질 분석 방법
CN110598680A (zh) 一种机械设备健康状态评估方法、系统和可读存储介质
CN110956308A (zh) 基于时间序列的化工设备健康状态预测方法
CN115456222A (zh) 一种远程智能预测性维修运维服务方法
CN113836488B (zh) 汽轮机在线数据处理及状态评估方法和装置

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