CN108638128A - 一种工业机器人的实时异常监测方法及其系统 - Google Patents

Abstract

本发明公开了一种工业机器人的实时异常监测方法及其系统，包括对机器人进行监测的异常检测装置，所述异常检测装置依次包括参数检测单元、特征提取单元、异常判定单元、报告单元，所述参数检测单元，获取机器人各关节当前的命令位置、实际位置、电流序列和其他参数；所述特征提取单元，进行计算定位偏差、电流边界、极差、方差和其他特征；所述异常判定单元，对比各特征与其正常的区间阈值，当超出时为1，否则为0；报告单元：当异常判定单元输出1时，发出警示，提示异常类型。本发明实时性强，对各类原因导致的异常状态均反应灵敏。本发明成本低，利用工业机器人公开的通信协议接口采集数据并分析，无需添加额外设备。

Description

一种工业机器人的实时异常监测方法及其系统

技术领域

本发明涉及工业机器人技术领域，尤其涉及一种工业机器人的实时异常监测方法及其系统。

背景技术

随着企业对产品交付时间的不断缩短，对产品质量要求的不断提高，工业机器人工作状态的稳定性变的尤为重要。当机器人的电动机、减速机、控制系统等部件发生故障需要修复时，会延误生产影响交付，甚至威胁工人安全。因此，若能在机器人完全不能工作之前检测到异常，则可在休息日或夜间停工时，更换维修相关部件，减少对生产的影响。

申请号为：CN201710213851.8的专利：一种异常判定装置和异常判定方法，该专利中电流值检测单元以预定时间间隔，对按时间序列检测到的电流值序列进行分组，计算每组电流的方差值，将相应组的电流值的方差值除以在减速机构正常时的电动机的基准电流值的方差值来计算每个组的方差比；当方差比等于或大于阈值时判定减速机异常。此种判定方法只能检测会造成电流异常波动的电气故障，无法检测其他故障。

发明内容

本发明的所要解决的技术问题在于现有技术只能检测会造成电流异常波动的电气故障，无法检测其他故障的缺陷。

本发明是通过以下技术方案实现的：一种工业机器人的实时异常监测方法，该方法包括：

步骤1：获取机器人各关节当前的命令位置、实际位置、电流序列和其他参数；

步骤2：计算定位偏差、电流边界、极差、方差和其他特征；

步骤3：对比各特征与其正常的区间阈值，当超出时记录为1，否则为0；

步骤4：当监测到记录的数值为1时，发出警示，提示异常类型。

作为本发明的优选方式之一，所述步骤4中的警示为发光、鸣笛、日志中的至少一种。

作为本发明的优选方式之一，所述定位偏差为机器人的各关节命令位置与实际位置之差。

作为本发明的优选方式之一，所述步骤1具体如下：

a:根据机器人通信协议接口，按照规定间隔T获取有用参数；

b:对机器人关节j，在时刻i，包括但不限于当前命令位置ActualPos_ji、当前实际位置CmdPos_ji、过去T时间内的电流序列Curr_ji[N]和其他参数{P_ji}或参数序列{P_ji[N]}；其中，N为对应参数的序列长度。

作为本发明的优选方式之一，所述步骤2中的计算具体如下：

定位偏差posError_ji＝|ActualPos_ji-CmdPos_ji|，

电流序列最小值minCurr_ji＝min(Curr_ji[N])，

电流序列最大值maxCurr_ji＝max(Curr_ji[N])，

电流序列极差rangeCurr_ji＝maxCurr_ji-minCurr_ji，

电流序列方差varCurr_ji＝variance(Curr_ji[N])，

对其他参数或参数序列，可以提取类似特征。

作为本发明的优选方式之一，所述步骤2中对其他参数或参数序列进行类似特征提取的具体方法为：计算其他参数或参数序列的最小值、最大值，和其他参数序列的极差、方差；当其他参数序列为振动序列时，采集电机的振动序列Vibji[N]，则可以进行频谱分析，计算其快速傅立叶变换Xji(f)和功率谱密度Sji(f)，从而得到主要频率成分和对应能量大小。

作为本发明的优选方式之一，所述步骤3具体包括如下：依次检测机器人各维特征是否在正常区间并记录下来，特征正常区间需要通过训练得到，即在机器人正常工作时，重复多次动作，采集参数，提取特征，计算特征区间，保存到配置文件；

具体训练为：

定位偏差上限PosError_j＝max_i(posError_ji)，

电流值下限MinCurr_j＝min_i(minCurr_ji),

电流值上限MaxCurr_j＝max_i(maxCurr_ji),

电流序列极差上限RangeCurr_j＝max_i(rangeCurr_ji),

电流序列方差上限VarCurr_j＝max_i(varCurr_ji)，

其他特征的区间计算方法类似。

作为本发明的优选方式之一，所述步骤3具体如下：依次检测机器人各维特征是否在正常区间并记录下来，特征正常区间需要通过训练得到，即在机器人正常工作时，重复多次动作，采集参数，提取特征，计算特征区间，保存到配置文件；

具体训练为：

定位偏差上限PosError_j＝max_i(posError_ji)，

电流值下限MinCurr_j＝min_i(minCurr_ji)-ε,

电流值上限MaxCurr_j＝max_i(maxCurr_ji)+ε，

其中，ε＝α*(max_i(maxCurr_ji)-min_i(minCurr_ji))，α∈[0.05,0.1]；

电流序列极差上限RangeCurr_j＝max_i(rangeCurr_ji),

电流序列方差上限VarCurr_j＝max_i(varCurr_ji)，

其他特征的区间计算方法类似。

本发明还公开了一种工业机器人的实时异常监测系统，该系统包括对机器人进行监测的异常检测装置，所述异常检测装置依次包括参数检测单元、特征提取单元、异常判定单元、报告单元：

参数检测单元：用于获取机器人各关节当前的命令位置、实际位置、电流序列和其他参数，具体为：

根据机器人通信协议接口，按照规定间隔T获取有用参数；对机器人关节j，在时刻i，包括但不限于当前命令位置ActualPos_ji、当前实际位置CmdPos_ji、过去T时间内的电流序列Curr_ji[N]和其他参数{P_ji}或参数序列{P_ji[N]}；

特征提取单元：用于提取各个时刻的各种参数序列，具体为：

定位偏差posError_ji＝|ActualPos_ji-CmdPos_ji|，

电流序列最小值minCurr_ji＝min(Curr_ji[N]),

电流序列最大值maxCurr_ji＝max(Curr_ji[N]),

电流序列极差rangeCurr_ji＝maxCurr_ji-minCurr_ji，

电流序列方差varCurr_ji＝variance(Curr_ji[N]),

电机的振动序列Vib_ji[N]，进行频谱分析，计算其快速傅立叶变换X_ji(f)和功率谱密度S_ji(f)，从而得到主要频率成分和对应能量大小，频谱分析可以有效识别常见电机故障；

对其他参数或参数序列，可以提取类似特征；

异常判定单元：依次检测机器人各维特征是否在正常区间，特征正常区间需要通过训练得到，即在机器人正常工作时，重复多次动作，采集参数，提取特征，计算特征区间，保存到配置文件，

具体计算方法如下，定位偏差上限PosError_j＝max_i(posError_ji)，

电流值下限MinCurr_j＝min_i(minCurr_ji),

电流值上限MaxCurr_j＝max_i(maxCurr_ji),

电流序列极差上限RangeCurr_j＝max_i(rangeCurr_ji),

电流序列方差上限VarCurr_j＝max_i(varCurr_ji)，

或电流值下限MinCurr_j＝min_i(minCurr_ji)-ε,

电流值上限MaxCurr_j＝max_i(maxCurr_ji)+ε，

其中ε＝α*(max_i(maxCurr_ji)-min_i(minCurr_ji))，α∈[0.05,0.1]，

其他特征的区间计算方法类似；

报告单元：用于监测记录的数值，当监测到记录的数值为1时，发出警示，提示异常类型。

本发明相比现有技术的优点在于：(1)本发明实时性强，对各类原因导致的异常状态均反应灵敏；(2)辅助故障定位，发生异常时，系统可以报告是哪些关节，哪些参数偏离正常范围，偏离多少；(3)成本低，利用工业机器人公开的通信协议接口采集数据并分析，无需添加额外设备。

附图说明

图1是本发明实施例的系统结构框图；

图2是本发明的机器人在执行同一动作时，正常和异常状态下的电流波动图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图2所示为本发明的机器人在执行同一动作时，正常和异常状态下的电流波动图。工业机器人在运行时一般可以实时获取其各关节的(角度或空间)定位偏差(命令位置与实际位置之差)和电流值；根据品牌不同，有些还可以获取各关节速度、加速度、转矩等。当机器人正常、重复工作时，这些参数都在固定区间波动。当机器人发生异常，某些参数会偏离正常区间。例如，当机器人的电机或减速机发生故障导致摩擦上升，为了补偿增加的摩擦能，电动机驱动力增加，电流也会出现大幅度波动。因此，可以通过对电流值的观察，辅助判断机器人的电机是否异常。

基于以上原理，本发明提供一种工业机器人的实时异常监测方法，该方法包括：

步骤1：获取机器人各关节当前的命令位置、实际位置、电流序列和其他参数(例如电压参数、电机振动参数)；

具体包括以下：a:根据机器人通信协议接口，按照规定间隔T获取有用参数；b:对机器人关节j，在时刻i，包括但不限于获取当前命令位置ActualPos_ji、当前实际位置CmdPos_ji、过去T时间内的电流序列Curr_ji[N]和其他参数{P_ji}或参数序列{P_ji[N]}，N为对应参数的序列长度；

步骤2：计算定位偏差、电流边界、极差、方差和其他特征，

具体包括如下：

定位偏差posError_ji＝|ActualPos_ji-CmdPos_ji|，

电流序列最小值minCurr_ji＝min(Curr_ji[N])，

电流序列最大值maxCurr_ji＝max(Curr_ji[N])，

电流序列极差rangeCurr_ji＝maxCurr_ji-minCurr_ji，

电流序列方差varCurr_ji＝variance(Curr_ji[N])，

对其他参数或参数序列，可以提取类似特征；

步骤3：对比各特征与其正常的区间阈值，当超出时记录为1，否则为0，

具体包括如下：依次检测机器人各维特征是否在正常区间并记录下来，特征正常区间需要通过训练得到，即在机器人正常工作时，重复多次动作，采集参数，提取特征，计算特征区间，保存到配置文件；

具体训练为：

定位偏差上限PosError_j＝max_i(posError_ji)，

电流值下限MinCurr_j＝min_i(minCurr_ji),

电流值上限MaxCurr_j＝max_i(maxCurr_ji),

电流序列极差上限RangeCurr_j＝max_i(rangeCurr_ji),

电流序列方差上限VarCurr_j＝max_i(varCurr_ji)，

其他特征的区间计算方法类似；

步骤4：当监测到记录的数值为1时，发出发光、鸣笛、日志等方式，提示异常类型。

为了在发生异常时辅助故障定位，作为本发明的优选方式之一，定位偏差为机器人的各关节命令位置与实际位置之差。

为了能更好的识别更多故障，因此作为本发明的优选方式之一，所述步骤2中对其他参数或参数序列进行类似特征提取的具体方法为：计算其他参数或参数序列的最小值、最大值，和其他参数序列的极差、方差；当其他参数序列为振动序列时，采集电机的振动序列Vib_ji[N]，则可以进行频谱分析，计算其快速傅立叶变换X_ji(f)和功率谱密度S_ji(f)，从而得到主要频率成分和对应能量大小。

为了降低本系统的虚警率，可以适当放宽特征区间，因此作为本发明的优选方式之一，所述电流的特征区间还可以训练为：

电流值下限MinCurr_j＝min_i(minCurr_ji)-ε,

电流值上限MaxCurr_j＝max_i(maxCurr_ji)+ε，

其中ε＝α*(max_i(maxCurr_ji)-min_i(minCurr_ji))，α可取0.1，0.05等经验值。

如图2所示：本发明还公开了一种工业机器人的实时异常监测系统，包括参数检测单元101、特征提取单元102、异常判定单元103、报告单元104：

参数检测单元101：用于获取机器人各关节当前的命令位置、实际位置、电流序列和其他参数，具体为：

根据机器人2通信协议接口，按照规定间隔T获取有用参数；对机器人2关节j，在时刻i，包括但不限于当前命令位置ActualPos_ji、当前实际位置CmdPos_ji、过去T时间内的电流序列Curr_ji[N]和其他参数{P_ji}或参数序列{P_ji[N]}；

特征提取单元102：用于计算定位偏差、电流边界、极差、方差和其他特征，

具体如下：

定位偏差posError_ji＝|ActualPos_ji-CmdPos_ji|，

电流序列最小值minCurr_ji＝min(Curr_ji[N]),

电流序列最大值maxCurr_ji＝max(Curr_ji[N]),

电流序列极差rangeCurr_ji＝maxCurr_ji-minCurr_ji，

电流序列方差varCurr_ji＝variance(Curr_ji[N]),

电机的振动序列Vib_ji[N]，进行频谱分析，计算其快速傅立叶变换X_ji(f)和功率谱密度S_ji(f)，从而得到主要频率成分和对应能量大小，频谱分析可以有效识别常见电机故障，

对其他参数或参数序列，计算其他参数或参数序列的最小值、最大值，和其他参数序列的极差、方差，提取类似特征；

异常判定单元103：用于对比各特征与其正常的区间阈值，当超出时记录为1，否则为0，具体为：依次检测机器人2各维特征是否在正常区间，特征正常区间需要通过训练得到，即在机器人2正常工作时，重复多次动作，采集参数，提取特征，计算特征区间，保存到配置文件，

具体计算方法如下，定位偏差上限PosError_j＝max_i(posError_ji)，

电流值下限MinCurr_j＝min_i(minCurr_ji),

电流值上限MaxCurr_j＝max_i(maxCurr_ji),

电流序列极差上限RangeCurr_j＝max_i(rangeCurr_ji),

电流序列方差上限VarCurr_j＝max_i(varCurr_ji)，

或电流值下限MinCurr_j＝min_i(minCurr_ji)-ε,

电流值上限MaxCurr_j＝max_i(maxCurr_ji)+ε，

其中ε＝α*(max_i(maxCurr_ji)-min_i(minCurr_ji))，α可取0.1，0.05等经验值，

其他特征的区间计算方法类似；

报告单元104：用于监测记录的数值，当监测到记录的数值为1时，发出警示，提示异常类型。

以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种工业机器人的实时异常监测方法，其特征在于，该方法包括：

步骤1：获取机器人各关节当前的命令位置、实际位置、电流序列和其他参数；

步骤2：计算定位偏差、电流边界、极差、方差和其他特征；

步骤3：对比各特征与其正常的区间阈值，当超出时记录为1，否则为0；

步骤4：当监测到记录的数值为1时，发出警示，提示异常类型。

2.根据权利要求1所述的工业机器人的实时异常监测方法，其特征在于，所述步骤4中的警示为发光、鸣笛、日志中的至少一种。

3.根据权利要求1所述的工业机器人的实时异常监测方法，其特征在于，所述定位偏差为机器人的各关节命令位置与实际位置之差。

4.根据权利要求1所述的工业机器人的实时异常监测方法，其特征在于，所述步骤1具体如下：

a:根据机器人通信协议接口，按照规定间隔T获取有用参数；

b:对机器人关节j，在时刻i，包括但不限于当前命令位置ActualPos_ji、当前实际位置CmdPos_ji、过去T时间内的电流序列Curr_ji[N]和其他参数{P_ji}或参数序列{P_ji[N]}；其中，N为对应参数的序列长度。

5.根据权利要求4所述的工业机器人的实时异常监测方法，其特征在于，所述步骤2中的计算具体如下：

定位偏差posError_ji＝|ActualPos_ji-CmdPos_ji|，

电流序列最小值minCurr_ji＝min(Curr_ji[N])，

电流序列最大值maxCurr_ji＝max(Curr_ji[N])，

电流序列极差rangeCurr_ji＝maxCurr_ji-minCurr_ji，

电流序列方差varCurr_ji＝variance(Curr_ji[N])，

对其他参数或参数序列，提取类似特征。

6.根据权利要求5所述的工业机器人的实时异常监测方法，其特征在于，所述步骤2中对其他参数或参数序列进行类似特征提取的具体方法为：计算其他参数或参数序列的最小值、最大值，和其他参数序列的极差、方差；当其他参数序列为振动序列时，采集电机的振动序列Vibji[N]，则可以进行频谱分析，计算其快速傅立叶变换Xji(f)和功率谱密度Sji(f)，从而得到主要频率成分和对应能量大小。

7.根据权利要求4所述的工业机器人的实时异常监测方法，其特征在于，所述步骤3具体如下：依次检测机器人各维特征是否在正常区间并记录下来，特征正常区间需要通过训练得到，即在机器人正常工作时，重复多次动作，采集参数，提取特征，计算特征区间，保存到配置文件；

具体训练为：

定位偏差上限PosError_j＝max_i(posError_ji)，

电流值下限MinCurr_j＝min_i(minCurr_ji),

电流值上限MaxCurr_j＝max_i(maxCurr_ji),

电流序列极差上限RangeCurr_j＝max_i(rangeCurr_ji),

电流序列方差上限VarCurr_j＝max_i(varCurr_ji)。

8.根据权利要求4所述的工业机器人的实时异常监测方法，其特征在于，所述步骤3具体如下：依次检测机器人各维特征是否在正常区间并记录下来，特征正常区间需要通过训练得到，即在机器人正常工作时，重复多次动作，采集参数，提取特征，计算特征区间，保存到配置文件；

具体训练为：

定位偏差上限PosError_j＝max_i(posError_ji)，

电流值下限MinCurr_j＝min_i(minCurr_ji)-ε,

电流值上限MaxCurr_j＝max_i(maxCurr_ji)+ε，

其中，ε＝α*(max_i(maxCurr_ji)-min_i(minCurr_ji))，α∈[0.05,0.1]；

电流序列极差上限RangeCurr_j＝max_i(rangeCurr_ji),

电流序列方差上限VarCurr_j＝max_i(varCurr_ji)。

9.根据权利要求1-8任一所述的工业机器人的实时异常监测系统，其特征在于，包括参数检测单元、特征提取单元、异常判定单元、报告单元：

参数检测单元：用于获取机器人各关节当前的命令位置、实际位置、电流序列和其他参数，具体为：

根据机器人通信协议接口，按照规定间隔T获取有用参数；对机器人关节j，在时刻i，包括但不限于当前命令位置ActualPos_ji、当前实际位置CmdPos_ji、过去T时间内的电流序列Curr_ji[N]和其他参数{P_ji}或参数序列{P_ji[N]}；

特征提取单元：用于计算定位偏差、电流边界、极差、方差和其他特征，

具体如下：

定位偏差posError_ji＝|ActualPos_ji-CmdPos_ji|，

电流序列最小值minCurr_ji＝min(Curr_ji[N]),

电流序列最大值maxCurr_ji＝max(Curr_ji[N]),

电流序列极差rangeCurr_ji＝maxCurr_ji-minCurr_ji，

电流序列方差varCurr_ji＝variance(Curr_ji[N]),

电机的振动序列Vib_ji[N]，进行频谱分析，计算其快速傅立叶变换X_ji(f)和功率谱密度S_ji(f)，从而得到主要频率成分和对应能量大小，

对其他参数或参数序列，可以提取类似特征；

异常判定单元：用于对比各特征与其正常的区间阈值，当超出时记录为1，否则为0，具体为：依次检测机器人各维特征是否在正常区间，特征正常区间需要通过训练得到，即在机器人正常工作时，重复多次动作，采集参数，提取特征，计算特征区间，保存到配置文件；

具体计算方法如下，定位偏差上限PosError_j＝max_i(posError_ji)，

电流值下限MinCurr_j＝min_i(minCurr_ji),

电流值上限MaxCurr_j＝max_i(maxCurr_ji),

电流序列极差上限RangeCurr_j＝max_i(rangeCurr_ji),

电流序列方差上限VarCurr_j＝max_i(varCurr_ji)，

或电流值下限MinCurr_j＝min_i(minCurr_ji)-ε,

电流值上限MaxCurr_j＝max_i(maxCurr_ji)+ε，

其中ε＝α*(max_i(maxCurr_ji)-min_i(minCurr_ji))，α∈[0.05,0.1]，

其他特征的区间计算方法类似；

报告单元：用于监测记录的数值，当监测到记录的数值为1时，发出警示，提示异常类型。