CN109270910A - 一种生产线上的机器人故障分析方法、装置及系统 - Google Patents
一种生产线上的机器人故障分析方法、装置及系统 Download PDFInfo
- Publication number
- CN109270910A CN109270910A CN201811284207.0A CN201811284207A CN109270910A CN 109270910 A CN109270910 A CN 109270910A CN 201811284207 A CN201811284207 A CN 201811284207A CN 109270910 A CN109270910 A CN 109270910A
- Authority
- CN
- China
- Prior art keywords
- robot
- target
- failure
- target robot
- production line
- 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.)
- Pending
Links
Classifications
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31457—Factory remote control, monitoring through internet
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明涉及一种生产线上的机器人故障分析方法、装置及系统,以解决现有技术中针对工业机器人故障分析的准确度较低的问题。本发明的生产线上的机器人故障分析方法,包括:周期性采集生产线上的目标机器人的参数信息;判断所述目标机器人是否故障;若故障,则根据所述参数信息确定所有可引起所述目标机器人故障的至少一个初始故障部位;根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人故障的目标故障部位。
Description
技术领域
本发明涉及机器人故障诊断分析领域,具体是一种生产线上的机器人故障分析方法、装置及系统。
背景技术
汽车制造业的批量化自动化生产模式下使得工业机器人的运用越来越广泛,同时汽车制造业对生产的开动率要求非常高。而在长时间运行状态下机器人故障不可避免,这样生产的开动率就会降低。因此及时准确的对工业机器人故障进行分析就变得尤为重要。现有的针对工业机器人故障分析方案不够准确,会有很多误导信息,对技术人员经验要求相当高,且对工业机器人品牌依赖度高。
发明内容
本发明的目的在于提供一种生产线上的机器人故障分析方法、装置及系统,以解决现有技术中针对工业机器人故障分析的准确度较低的问题。
本发明的技术方案为:
本发明提供了一种生产线上的机器人故障分析方法,包括:
周期性获取生产线上的目标机器人的参数信息;
判断所述目标机器人是否故障;
若故障,则根据所述参数信息确定所有可引起所述目标机器人故障的初始故障部位;
根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人故障的目标故障部位。
优选地,所述参数信息包括:所述目标机器人的当前位置值、轴速度值和轴电流值。
优选地,判断所述目标机器人是否故障的步骤包括:
判断是否接收到所述目标机器人发送的用于指示所述目标机器人故障的第一报警信号;
若接收到所述第一报警信号,则确定目标机器人故障。
优选地,判断所述目标机器人是否故障的步骤还包括:
若未接收到所述第一报警信号,则根据接收到的生产线上的PLC控制系统发送的用于指示生产线上的其它部件故障的第二报警信号,确定在对与所述第二报警信号对应的故障部件进行修复后、使生产线的其它部件恢复至正常状态所耗费的第一修复时长;
在所述第一修复时长超过预设时长时,则确定所述目标机器人故障。
优选地,根据所述参数信息确定所有可引起所述目标机器人故障的初始故障部位的步骤包括:
按照预先存储的参数信息与初始故障部件的第一对应关系表,确定与所述参数信息对应的所述初始故障部位。
优选地,根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人故障的目标故障部位的步骤包括:
按照预先存储的初始故障部位与故障概率的第二对应关系表,确定与所述初始故障部位对应的故障概率;
将故障概率超过所述预定概率的确定为所述目标故障部位。
优选地,所述方法还包括:
对所述目标故障部位进行修复;
确定对所述目标故障部位进行修复后,所述目标机器人是否在预定时段内恢复至正常状态;
若目标机器人在预定时段内恢复至正常状态,则确定所述目标故障部位对应的所述初始故障部位,并将预先存储的第二对应关系表中与所述初始故障部位对应的故障概率进行提升;
若目标机器人未在预定时段内恢复至正常状态,则确定所述目标故障部位对应的所述初始故障部位,并将预先存储的第二对应关系表中与所述初始故障部位对应的故障概率进行降低。
根据本发明的另一方面,本发明还提供了一种生产线上的机器人故障分析装置,包括:
获取模块,用于周期性获取生产线上的目标机器人的参数信息;
判断模块,用于判断所述目标机器人是否故障;
第一确定模块,用于若故障,则根据所述参数信息确定所有可引起所述目标机器人故障的初始故障部位;
第二确定模块,用于根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人故障的目标故障部位。
根据本发明的另一方面,本发明还提供了一种生产线上的机器人故障分析系统,包括:
数据采集装置,其用于周期性采集目标机器人的参数信息;
故障分析装置,其用于判断所述目标机器人是否故障,并在所述目标机器人故障时,根据所述参数信息确定所有可引起所述目标机器人故障的初始故障部位,并按照预定条件从所述初始故障部位中确定目标故障部位。
本发明的有益效果为:
实现了对目标机器人的故障自检,通过三次筛选过程,可以精确确定引起目标机器人故障的故障部位,提高故障分析精度。
附图说明
图1为本发明的方法的流程示意图;
图2为本发明的系统的结构框图;
图3为本发明的系统的工作流程图;
附图标记说明:201、外围设备;202、数据采集装置;203、数据解析装置;204、故障分析装置;2011、PLC控制系统;2012、目标机器人;2021、OPC接口;2022、多协议数据转换接口;2031、数据解析单元;2032、数据存储单元;2033、数据解析表;2041、人机交互模块;2042、故障分析模块;2043、知识库模块;2044、系统维护单元;2045、系统配置单元;2046、结果输出单元;2047、一维故障分析单元;2048、二维故障分析单元; 2049、三维故障分析单元;2050、一维结果输出单元;2051、二维结果输出单元;2052、三维结果输出单元;2053、一维数据库;2054、二维数据库;2055、三维数据库;2056、修复时间长短对值表。
具体实施方式
参照图1,本发明提供了一种生产线上的机器人故障分析方法,其具体应用在故障分析装置上,通过故障分析装置执行下述方法。该方法具体包括:
步骤101,周期性获取生产线上的目标机器人2012的参数信息。
其中,参数信息包括:目标机器人2012的当前位置值、轴速度值和轴电流值。通过固定在目标机器人2012上的特定位置处的数据采集装置202采集这些参数。该数据采集装置 202包括有具有定位功能的定位机构、用于采集轴加速度的加速度传感器和用于采集轴电流值的传感器。数据采集装置202在采集到这些参数后,将其发送至具有数据解析功能的数据解析装置203进行数据解析并存储至内部的数据存储单元2032中,最后将数据存储单元中2032存储的解析结果发送至故障分析装置204供其进行故障分析。用户可以通过人机交互界面输入进行系统信息配置,例如,通过人机交互界面对于数据采集装置202的采集周期进行更改。其中,数据解析装置203在接收到数据采集装置202的数据时,按照预存的数据解析表进行数据解析,得到数据解析结果。
步骤102,判断所述目标机器人2012是否故障。
具体地,该步骤102包括:
判断是否接收到所述目标机器人2012发送的用于指示所述目标机器人2012故障的第一报警信号;
若接收到所述第一报警信号,则确定目标机器人2012故障;
若未接收到所述第一报警信号,则根据接收到的生产线上的PLC控制系统2011发送的用于指示生产线上的其它部件故障的第二报警信号,确定在对与所述第二报警信号对应的故障部件进行修复后、使生产线的其它部件恢复至正常状态所耗费的第一修复时长;
在所述第一修复时长超过预设时长时,则确定所述目标机器人2012故障。
若未接收到第一报警信号、第二报警信号或第一修复时长小于预设时长,则确定目标机器人2012未故障。其中,预设时长是指预先存储的对第二报警信号对应的故障部件进行修复后使生产线上的其它部件恢复至正常状态所需要的耗费的时长。目标机器人2012和 PLC控制系统2011中具有连接关系,目标机器人2012在未接收到数据采集装置202的读取指令时,不会主动向数据采集装置202发送第二报警信号,但目标机器人2012会主动地向其连接的PLC控制系统2011发出一个自身故障的信号,但该信号中并未指明目标机器人2012具体发生何种类型的故障,因此PLC控制系统2011中无法判断出该目标机器人2012 的具体故障类型。第一报警信号是通过PLC控制系统2011主动发送。在PCL控制系统2011 发出第一报警信号之前,PCL控制系统2011首先发送第二故障信号,故障分析装置2011 在接收到第二故障信号后,向目标机器人2012发出读取报警数据指令,目标机器人2012 根据该报警数据指令反馈第一故障信号,故障分析装置2011在接收到第一报警信号并解析后,则可以根据该第一故障信号确定该目标机器人2012故障。故障分析装置2011对于第一报警信号和第二报警信号是根据图2中的一维数据库2053中存储的信息来判断的。
本申请中,设计了冗余的步骤设计,以保证对目标机器人2012是否故障的准确率。在根据第二故障信号进行故障部件修复后,若经过预设时长后才恢复至正常状态,则表明数据采集装置202采集到的第二报警信号可能存在错误,为了防止漏判断,在此状态下,视该目标机器人2012处于故障状态。
步骤103,若故障,则根据所述参数信息确定所有可引起所述目标机器人2012故障的初始故障部位。
具体的,根据所述参数信息确定所有可引起所述目标机器人2012故障的初始故障部位的步骤包括:
按照预先存储的参数信息与初始故障部件的第一对应关系表,确定与所述参数信息对应的所述初始故障部位。
在第一对应关系表中,记录有目标机器人2012自身上会引起目标机器人发生故障的多个部件。通过该参数信息,可以从引起目标机器人2012的轴电流和轴速度变化的故障部位,进而确定上述的初始故障部位。其中,该第一对应关系表存储在图2中的知识库模块2043 的二维数据库5054中。
步骤104,根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人2012故障的目标故障部位。
优选地,根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人2012故障的目标故障部位的步骤包括:
按照预先存储的初始故障部位与故障概率的第二对应关系表,确定与所述初始故障部位对应的故障概率;
将故障概率超过所述预定概率的初始故障部位确定为所述目标故障部位。在第二对应关系表中,每一初始故障部位均对应有一个故障概率值,可以按照高低值进行排序,并将故障概率值大于预定概率(如80%,88%等数值)的初始故障部位确定为目标故障部位,该第二对应关系表存储在图2的知识库模块2043的三维数据库2055中。
优选地,所述方法还包括:
步骤105,对所述目标故障部位进行修复。
对目标故障部位是指对目标机器人2012内部的部件进行修复。
步骤106,确定对所述目标故障部位进行修复后,所述目标机器人2012是否在预定时段内恢复至正常状态。
步骤107,若目标机器人2012在预定时段内恢复至正常状态,则确定所述目标故障部位对应的所述初始故障部位,并将预先存储的第二对应关系表中与所述初始故障部位对应的故障概率进行提升。
步骤108,若目标机器人2012未在预定时段内恢复至正常状态(超过该预定时段后才恢复),则确定所述目标故障部位对应的所述初始故障部位,并将预先存储的第二对应关系表中与所述初始故障部位对应的故障概率进行降低。
在步骤107和108中,对于第二对应关系表的初始故障部位对应的故障概率进行提升即是通过人机交互模块2042中的系统维护单元2044来进行实现的。进行概率提升或降低的具体步骤为:按照当前故障率的预定倍速进行概率提升或降低(如1.1倍,1.2倍等),或以特定比值进行概率提升或降低。
通过本发明上述方法,实现了对目标机器人2012的故障自检,通过三次筛选过程,可以精确确定引起目标机器人2012故障的故障部位,提高故障分析精度。
根据本发明的另一方面,本发明还提供了一种生产线上的机器人故障分析装置,包括:
获取模块,用于周期性获取生产线上的目标机器人2012的参数信息;
判断模块,用于判断所述目标机器人2012是否故障;
第一确定模块,用于若故障,则根据所述参数信息确定所有可引起所述目标机器人2012 故障的初始故障部位;
第二确定模块,用于根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人2012故障的目标故障部位。
优选地,所述参数信息包括:所述目标机器人2012的当前位置值、轴速度值和轴电流值。
优选地,判断模块包括:
第一判断单元,用于判断是否接收到所述目标机器人2012发送的用于指示所述目标机器人2012故障的第一报警信号;
第一确定单元,用于若接收到所述第一报警信号,则确定目标机器人2012故障。
优选地,判断模块还包括:
第二确定单元,用于若未接收到所述第一报警信号,则根据接收到的生产线上的PLC 控制系统2011发送的用于指示生产线上的其它部件故障的第二报警信号,确定在对与所述第二报警信号对应的故障部件进行修复后、使生产线的其它部件恢复至正常状态所耗费的第一修复时长;
第三确定单元,用于在所述第一修复时长超过预设时长时,则确定所述目标机器人2012 故障。
优选地,第一确定模块包括:
第四确定单元,用于按照预先存储的参数信息与初始故障部件的第一对应关系表,确定与所述参数信息对应的所述初始故障部位。
优选地,第二确定模块包包括:
第五确定单元,用于按照预先存储的初始故障部位与故障概率的第二对应关系表,确定与所述初始故障部位对应的故障概率;
第六确定单元,用于将故障概率超过所述预定概率的初始故障部位确定为所述目标故障部位。
优选地,所述装置还包括:
修复模块,用于对所述目标故障部位进行修复;
第三确定模块,用于确定对所述目标故障部位进行修复后,所述目标机器人2012是否在预定时段内恢复至正常状态;
第四确定模块,用于若目标机器人2012在预定时段内恢复至正常状态,则确定所述目标故障部位对应的所述初始故障部位,并将预先存储的第二对应关系表中与所述初始故障部位对应的故障概率进行提升;
第五确定模块,用于若目标机器人2012未在预定时段内恢复至正常状态,则确定所述目标故障部位对应的所述初始故障部位,并将预先存储的第二对应关系表中与所述初始故障部位对应的故障概率进行降低。
本发明提供的提供了一种生产线上的机器人故障分析装置,是与上述的提供了一种生产线上的机器人故障分析方法一一对应的产品权利要求,起到与上述方法相同的技术效果。实现了对目标机器人2012的故障自检,通过三次筛选过程,可以精确确定引起目标机器人 2012故障的故障部位,提高故障分析精度。
如图2所示,根据本发明的另一方面,本发明还提供了一种生产线上的机器人故障分析系统,包括:
数据采集装置201,其用于周期性采集目标机器人2012的参数信息;
数据解析装置202,其用于对所述数据采集装置采集的参数进行数据解析;
故障分析装置,其用于判断所述目标机器人2012是否故障,并在所述目标机器人2012 故障时,根据所述数据解析装置进行解析后获得的参数确定所有可引起所述目标机器人 2012故障的初始故障部位,并按照预定条件从所述初始故障部位中确定目标故障部位。
本发明中还会对数据采集装置202、数据解析装置203和故障分析装置204组成的故障分析系统和三者之间的网络连接状态进行检查,排除因故障分析系统自身故障和网络故障无法进行机器人的故障分析诊断。在故障分析系统确定自身系统故障时,则通过人机交互界面向用户输出系统故障信息,并在故障分析装置204中存储此次系统故障日志。在确定网络连接状态故障时,则通过人机交互界面向用户输出网络故障报错信息,请求用户进行网络状态检修。
如图2所示,该数据采集装置202具有用于采集PCL控制系统2011的数据的OPC接口2021和用于采集目标机器人2012的数据的多协议数据转换接口2022。
该机器人故障分析系统还包括用于进行数据解析的数据解析装置203,数据解析装置 203具有数据解析单元2031,数据解析单元2031连接OPC接口2021和多协议数据转换接口2022,数据解析单元2031用于按照内部存储的数据解析表203对OPC接口2021接收到的PCL控制系统2011发送的所有数据以及对多协议数据转换接口2022发送的目标机器人2012发送的所有数据进行解析,在经过数据解析单元2031进行数据解析后,将解析获得的数据临时存储至数据存储单元2032中。
上述的故障分析装置204包括:人机交互模块2041、故障分析模块2042和知识库模块2043,其中,人机交互模块2041由系统配置单元2045、系统维护单元2044、结果输出单元2046组成;系统配置单元2045用于配置数据采集装置202的IP地址、端口号、数据采集项、数据采集指令;系统维护单元2044用于修改知识库模块2043的故障库内容,查询系统故障日志。结果输出单元2045用于将最终的分析结果展示出来。故障分析模块2042 包括:一维故障分析单元2047、二维故障分析单元2048和三维故障分析单元2049,以及一维结果输出单元2050、二维结果输出单元2051和三维结果输出单元2052。在故障分析模块2043内依次进行目标机器人2012故障与否判断分析(一维故障分析)、初始故障部件确定分析(二维故障分析)和目标故障部件确定分析(三维故障分析),每经过一次故障分析,即输出一次故障分析结果,最终,在经过三维故障分析后,三维结果输出单元2052中存储有最终的带有目标故障部位的故障分析结果。三维结果输出单元2052将其存储的分析结果输送给人机交互模块2041的结果输出单元2046进行结果输出,显示给用户。对于知识库模块2043来说,其包括一维故障库2053、二维故障库2054、三维故障库2055组成。一维故障库2053支撑一维故障分析单元2047进行定位分析。二维故障库2054支撑二维故障分析单元2048进行定位分析。三维故障库2055支撑三维故障分析单元2049进行定位分析。
另外,在本发明的系统中,该故障分析装置204的知识库模块2043中还具有一修复时间长短对应比值表2056,在该表中,记载有对生产线上的其它部件进行故障修复后,故障消除时所耗费的预设时长,以及对目标机器人2012的目标故障部位进行修复后,故障消除时所耗费的时长所处的预定时段。
如图3所示,下面,对本申请的系统在进行工作时的流程图进行介绍,为了实现对目标机器人的故障分析与数据修正,如图3,本申请的流程方法包括:
步骤1:利用数据采集装置202在固定的几个姿态位置每天采集一次目标机器人2011 的位置值、轴速度值、轴电流数据,该行为可以在人机交互界面模块2041的系统配置单元 2043上进行配置;执行步骤1的同时可执行步骤6;
步骤2:将采集到的数据利用数据解析装置203的数据解析单元2031进行解析,并存入数据存储单元2032中。完成该步骤后可同时进入步骤3和步骤5;
步骤3:利用轴电流数据计算平均电流值曲线;
步骤4:确认当前电流值曲线与平均电流值曲线对比是否异常,异常则进入下一步骤 17,无异常则程序结束;
步骤5;利用轴速度值判断轴速度曲线是否平衡,不平衡则进入下一步骤17,否则程序结束。
步骤6:故障分析装置204进行机器人故障分析系统的系统自检,如果不正常将输出系统故障日志;如果正常则进入下一步骤7;
步骤7:故障分析装置204判断机器人故障分析系统内部的网络状态是否正常,不正常则输出网络故障报错信息,正常则进入下一步骤8;
步骤8:故障分析装置204判断是否获取到PLC控制系统2011发送的第二报警信号,得到第二报警信号则进入步骤9和步骤10,没有则返回步骤7;
步骤9::数据解析装置203解析数据采集装置202采集到的PLC控制系统2011的第二报警信号;
步骤10:数据解析装置203向目标机器人2012发出读取报警数据指令,完成则进入下一步骤12;
步骤11;数据解析装置203解析数据采集装置202采集到的目标机器人2012的第二报警信号,完成则进入下一步骤12;
步骤12:故障分析装置203通过一维故障库2053判断目标机器人2012是否故障,如果不是目标机器人2012故障则进入步骤13,是目标机器人2012故障则进入步骤17;
步骤13:检查外围设备201的同时,并继续读取PLC控制系统2011的第一报警信号及目标机器人2012的第二报警信号;
步骤14:查询修复时间长短对应比值表2056,判断在对第二报警信号对应的故障部件进行修复后,PLC控制系统2011发送的第二故障信号中的故障是否在对应时间(预设时长) 内故障消失,正确进入步骤15,不正确进入步骤16;
步骤15:记录步骤14中的故障修复所耗费的第一修复时长,并提高修复时间长短对应比值表2056的概率值,完成后则程序结束。
步骤16:修正一维故障库,记录并修正故障修复时间长短对应比值表2056,降低修复时间长短对应比值表2056的概率值,完成后进入步骤17;
步骤17:结合电流值曲线的异常结果以及速度值曲线平衡情况利用二维故障库2054确定目标机器人2012的初始故障部位;
步骤18:利用三维故障库2055的概率值对二维故障定位分析结论进一步解析得出更准确结论,确定目标机器人2012的目标故障部位;
步骤19:对目标故障部位进行修复,并继续读取PLC控制系统2011的第一报警信号及目标机器人2012的第二报警信号;
步骤20:查询修复时间长短对应比值表2056,判断对目标故障部位进行修复后,目标机器人2012的故障是否在对应时间(预定时间段)内故障消失;如果否,进入步骤21,否则进入步骤22;
步骤21:若否,记录对目标故障部位修复后,使目标机器人2012恢复正常状态所耗费的故障修复时间,降低修复时间长短对应比值表2056的概率值,完成进入步骤23;
步骤22:若是,记录目标故障部位修复后,使目标机器人2012恢复正常状态所耗费的故障修复时间,提高修复时间长短对应比值表2056的概率值,完成进入步骤23;
步骤23:判断修正是否正确,是则程序结束,否则进入步骤24;
步骤24:手动修正。
本发明的上述系统,实现了对目标机器人2012的故障自检,通过三次筛选过程,可以精确确定引起目标机器人2012故障的故障部位,提高故障分析精度。
Claims (9)
1.一种生产线上的机器人故障分析方法,其特征在于,包括:
周期性获取生产线上的目标机器人的参数信息;
判断所述目标机器人是否故障;
若故障,则根据所述参数信息确定所有可引起所述目标机器人故障的初始故障部位;
根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人故障的目标故障部位。
2.根据权利要求1所述的生产线上的机器人故障分析方法,其特征在于,所述参数信息包括:所述目标机器人的当前位置值、轴速度值和轴电流值。
3.根据权利要求1所述的生产线上的机器人故障分析方法,其特征在于,判断所述目标机器人是否故障的步骤包括:
判断是否接收到所述目标机器人发送的用于指示所述目标机器人故障的第一报警信号;
若接收到所述第一报警信号,则确定目标机器人故障。
4.根据权利要求3所述的生产线上的机器人故障分析方法,其特征在于,判断所述目标机器人是否故障的步骤还包括:
若未接收到所述第一报警信号,则根据接收到的生产线上的PLC控制系统发送的用于指示生产线上的其它部件故障的第二报警信号,确定在对与所述第二报警信号对应的故障部件进行修复后、使生产线的其它部件恢复至正常状态所耗费的第一修复时长;
在所述第一修复时长超过预设时长时,则确定所述目标机器人故障。
5.根据权利要求1所述的生产线上的机器人故障分析方法,其特征在于,根据所述参数信息确定所有可引起所述目标机器人故障的初始故障部位的步骤包括:
按照预先存储的参数信息与初始故障部件的第一对应关系表,确定与所述参数信息对应的所述初始故障部位。
6.根据权利要求1所述的生产线上的机器人故障分析方法,其特征在于,根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人故障的目标故障部位的步骤包括:
按照预先存储的初始故障部位与故障概率的第二对应关系表,确定与所述初始故障部位对应的故障概率;
将故障概率超过所述预定概率的初始故障部位确定为所述目标故障部位。
7.根据权利要求1所述的生产线上的机器人故障分析方法,其特征在于,所述方法还包括:
对所述目标故障部位进行修复;
确定对所述目标故障部位进行修复后,所述目标机器人是否在预定时段内恢复至正常状态;
若目标机器人在预定时段内恢复至正常状态,则确定所述目标故障部位对应的所述初始故障部位,并将预先存储的第二对应关系表中与所述初始故障部位对应的故障概率进行提升;
若目标机器人未在预定时段内恢复至正常状态,则确定所述目标故障部位对应的所述初始故障部位,并将预先存储的第二对应关系表中与所述初始故障部位对应的故障概率进行降低。
8.一种生产线上的机器人故障分析装置,其特征在于,包括:
获取模块,用于周期性获取生产线上的目标机器人的参数信息;
判断模块,用于判断所述目标机器人是否故障;
第一确定模块,用于若故障,则根据所述参数信息确定所有可引起所述目标机器人故障的初始故障部位;
第二确定模块,用于根据所确定的所述初始故障部位,按照预定条件从所述初始故障部位中确定引起所述目标机器人故障的目标故障部位。
9.一种生产线上的机器人故障分析系统,其特征在于,包括:
数据采集装置,其用于周期性采集目标机器人的参数信息;
故障分析装置,其用于判断所述目标机器人是否故障,并在所述目标机器人故障时,根据所述参数信息确定所有可引起所述目标机器人故障的初始故障部位,并按照预定条件从所述初始故障部位中确定目标故障部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811284207.0A CN109270910A (zh) | 2018-10-31 | 2018-10-31 | 一种生产线上的机器人故障分析方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811284207.0A CN109270910A (zh) | 2018-10-31 | 2018-10-31 | 一种生产线上的机器人故障分析方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109270910A true CN109270910A (zh) | 2019-01-25 |
Family
ID=65191758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811284207.0A Pending CN109270910A (zh) | 2018-10-31 | 2018-10-31 | 一种生产线上的机器人故障分析方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109270910A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08263113A (ja) * | 1995-03-23 | 1996-10-11 | Honda Motor Co Ltd | 異常処理制御装置 |
CN1770117A (zh) * | 2004-11-02 | 2006-05-10 | 华为技术有限公司 | 一种故障选择的方法及装置 |
CN102055604A (zh) * | 2009-11-05 | 2011-05-11 | 中国移动通信集团山东有限公司 | 一种故障定位方法及其系统 |
CN104260094A (zh) * | 2014-09-16 | 2015-01-07 | 深圳市佳晨科技有限公司 | 一种机器人故障处理系统及机器人故障处理方法 |
CN104518905A (zh) * | 2013-10-08 | 2015-04-15 | 华为技术有限公司 | 一种故障定位方法及装置 |
CN104639587A (zh) * | 2013-11-13 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 一种基于物联网的机器人故障监控系统及方法 |
CN104635718A (zh) * | 2013-11-12 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 一种机器人故障修复系统及方法 |
CN105171748A (zh) * | 2015-10-21 | 2015-12-23 | 鞍山松意机器人制造有限公司 | 一种机器人及其生产线设备远程状态监控方法及系统 |
CN105187255A (zh) * | 2015-09-29 | 2015-12-23 | 华为技术有限公司 | 故障分析方法、故障分析装置和服务器 |
CN105511450A (zh) * | 2015-12-30 | 2016-04-20 | 福建工程学院 | 叉装车远程故障监控及预测的方法 |
CN105527511A (zh) * | 2015-11-27 | 2016-04-27 | 小米科技有限责任公司 | 一种设备自动修复的方法、装置和系统 |
CN105610625A (zh) * | 2016-01-04 | 2016-05-25 | 杭州亚美利嘉科技有限公司 | 一种机器人终端网络异常的自恢复方法和装置 |
CN108196143A (zh) * | 2017-12-11 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 电力变压器故障深度诊断方法及终端设备 |
-
2018
- 2018-10-31 CN CN201811284207.0A patent/CN109270910A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08263113A (ja) * | 1995-03-23 | 1996-10-11 | Honda Motor Co Ltd | 異常処理制御装置 |
CN1770117A (zh) * | 2004-11-02 | 2006-05-10 | 华为技术有限公司 | 一种故障选择的方法及装置 |
CN102055604A (zh) * | 2009-11-05 | 2011-05-11 | 中国移动通信集团山东有限公司 | 一种故障定位方法及其系统 |
CN104518905A (zh) * | 2013-10-08 | 2015-04-15 | 华为技术有限公司 | 一种故障定位方法及装置 |
CN104635718A (zh) * | 2013-11-12 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 一种机器人故障修复系统及方法 |
CN104639587A (zh) * | 2013-11-13 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 一种基于物联网的机器人故障监控系统及方法 |
CN104260094A (zh) * | 2014-09-16 | 2015-01-07 | 深圳市佳晨科技有限公司 | 一种机器人故障处理系统及机器人故障处理方法 |
CN105187255A (zh) * | 2015-09-29 | 2015-12-23 | 华为技术有限公司 | 故障分析方法、故障分析装置和服务器 |
CN105171748A (zh) * | 2015-10-21 | 2015-12-23 | 鞍山松意机器人制造有限公司 | 一种机器人及其生产线设备远程状态监控方法及系统 |
CN105527511A (zh) * | 2015-11-27 | 2016-04-27 | 小米科技有限责任公司 | 一种设备自动修复的方法、装置和系统 |
CN105511450A (zh) * | 2015-12-30 | 2016-04-20 | 福建工程学院 | 叉装车远程故障监控及预测的方法 |
CN105610625A (zh) * | 2016-01-04 | 2016-05-25 | 杭州亚美利嘉科技有限公司 | 一种机器人终端网络异常的自恢复方法和装置 |
CN108196143A (zh) * | 2017-12-11 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 电力变压器故障深度诊断方法及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8560160B2 (en) | Adaptive central maintenance system and method for planning maintenance operation for systems | |
CN100538375C (zh) | 建立自诊断和自修复自动系统的方法和系统 | |
US20080303472A1 (en) | Method for replacement of a defective field device by a new field device in a system which communicates via a digital fieldbus, in particular an automation system | |
CN102109841B (zh) | 参与涉及制造执行系统的过程的部件的动态装置监控系统 | |
EP2161664A2 (en) | System and method for detecting temporal relationships uniquely associated with an underlying root cause | |
CN108010305B (zh) | 一种综合能源管理平台数据采集故障的自诊断方法 | |
US20110270432A1 (en) | Scalable manufacturing assembly verification system | |
CN103616856B (zh) | 一种基于数据库的汽车仪表装配流水线操作控制方法 | |
CN110164803B (zh) | 一种释放机台程式的方法及系统 | |
CN114860518A (zh) | 功能安全系统的检测方法、系统、电子设备、存储介质 | |
CN109270910A (zh) | 一种生产线上的机器人故障分析方法、装置及系统 | |
JP2002251212A (ja) | 品質管理方法、同システム、および同プログラムを記録した記録媒体 | |
CN110597198B (zh) | 一种tft基板玻璃的质量控制装置、质量控制系统及方法 | |
AU2006231871A1 (en) | Processing management system and computer-readable recording medium | |
CN114341814A (zh) | 通过数字孪生中模拟故障进行有效的故障分析 | |
JP3277247B2 (ja) | 自動化設備システムに於ける異常診断基準パターンの作成方法およびその基準パターンを用いた自動診断装置 | |
CN115061852B (zh) | 功能板卡、功能板卡的生产系统及伺服系统的使用方法 | |
CN110095144B (zh) | 一种终端设备本地故障识别方法及系统 | |
CN103067101B (zh) | 通信终端测试监控方法和装置 | |
JP2011192201A (ja) | リモート保全システムおよびリモート保全方法 | |
US7181301B2 (en) | Engineering and automation system | |
EP4256354B1 (en) | Safety mechanisms for artificial intelligence units used in safety critical applications | |
JP5562224B2 (ja) | 遠方監視制御システム | |
CN111861113A (zh) | 一种基于mes系统的服务器制造系统及方法 | |
JP2001306140A (ja) | 異常検出システム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190125 |
|
RJ01 | Rejection of invention patent application after publication |