CN110936405A - 异常诊断方法、异常诊断装置及非暂时性计算机记录介质 - Google Patents

Abstract

本发明涉及异常诊断方法、异常诊断装置及非暂时性计算机记录介质。异常诊断方法基于使按压构件从致动器分离来解除制动的吸引时间，对规定装置的制动部的异常进行诊断，所述规定装置具有制动部和控制由制动部实现的制动的控制器，所述规定装置使包括多个动作步骤的动作程序变更，所述制动部具备：按压构件；施力构件，对所述按压构件向致动器施力；以及吸引器，解除被所述施力构件按压的状态下的按压构件的施力状态。异常诊断方法包括：计算出规定装置执行与各动作程序分别建立了对应的规定的动作步骤时的吸引时间的工序；以及基于所计算出的吸引时间来诊断制动部的异常的工序。

Description

异常诊断方法、异常诊断装置及非暂时性计算机记录介质

技术领域

本发明涉及诊断规定装置的异常的异常诊断方法、异常诊断装置及非暂时性计算机记录介质。

背景技术

例如，公开有一种机器人，克服由弹簧产生的施加力将按压部吸引至励磁线圈侧来将按压部从摩擦板拉开，由此解除制动(参照日本特开2017-185595)。在机器人中，基于按压部的吸引时间来判断制动部的异常。

例如，机器人等会切换多个动作程序来进行作业。此外，因机器人的个体差异、姿势差异等，在动作程序中，根据在哪个动作步骤中计算出吸引时间，此吸引时间的精度会不同。因此，根据计算出吸引时间的动作步骤，恐怕此吸引时间的精度会降低，难以高精度地进行制动部的异常诊断。

发明内容

本发明提供能高精度地进行制动部的异常诊断的异常诊断方法、异常诊断装置及非暂时性计算机记录介质。

本发明的第一方案提供一种规定装置的制动部的异常诊断方法。所述制动部具备：按压构件；施力构件，对所述按压构件向致动器施力；以及吸引器，解除被所述施力构件按压的状态下的所述按压构件的施力状态。所述规定装置包括所述制动部和被配置为控制由所述制动部实现的制动的控制器。所述规定装置被配置为使包括多个动作步骤的动作程序变更。所述异常诊断方法包括：通过所述异常诊断装置计算出所述规定装置执行与各所述动作程序分别建立了对应的规定的动作步骤时的吸引时间；以及通过所述异常诊断装置，基于所述计算出的所述吸引时间来诊断所述制动部的异常。所述吸引时间是所述吸引器使所述按压构件从所述致动器分离来解除所述制动的时间。

可以是，所述异常诊断方法还包括：通过所述异常诊断装置计算出执行各所述动作程序的各动作步骤时的所述吸引时间；通过所述异常诊断装置计算出用于评价所述计算出的吸引时间的精度的评价值；以及，通过所述异常诊断装置，将各动作程序中所包括的各动作步骤中所述计算出的评价值最高的动作步骤作为所述规定的动作步骤，与所述动作程序建立对应。

可以是，在所述异常诊断方法中，在针对各所述动作程序的各动作步骤计算出了规定个数以上的所述吸引时间的情况下，通过所述异常诊断装置计算出所述吸引时间的所述评价值。

可以是，在所述异常诊断方法中，当所述规定装置重复各所述动作程序的动作步骤时，通过所述异常诊断装置按每个动作步骤计算出多个所述吸引时间。可以是，通过所述异常诊断装置，基于所述计算出的所述吸引时间的分散值和所述计算出的所述多个吸引时间中正常的吸引时间所占的正常比例，计算出所述吸引时间的评价值。

可以是，在所述异常诊断方法中，通过所述异常诊断装置，根据基于所述吸引时间的分散值和所述正常比例的评价值、基于所述吸引时间中对所述致动器发出的指令值的变化量的评价值以及基于重复各所述动作程序的动作步骤而计算出的吸引时间的个数的评价值中的至少一方，计算出每个动作步骤的所述吸引时间的评价值。

可以是，在所述异常诊断方法中，通过所述异常诊断装置，将基于所述吸引时间的分散值的评价值、基于所述吸引时间的正常比例的评价值、基于所述指令值的变化量的评价值以及基于所述吸引时间的个数的评价值与对各所述评价值所设定的规定的加权系数相乘，将所述相乘的结果相加，由此计算出所述吸引时间的评价值。

可以是，所述异常诊断方法还包括：基于所述吸引时间，进行所述制动部的异常征兆的诊断，并通过所述异常诊断装置存储所述异常征兆的诊断结果；通过所述异常诊断装置，将所述异常征兆的所述诊断结果与发生在所述制动部的实际的异常进行比较；以及通过所述异常诊断装置，变更所述评价值的加权系数和评价方法中的至少一方，以使所述异常征兆的所述诊断结果与所述实际的异常之差变小。

可以是，所述异常诊断方法还包括：通过所述异常诊断装置存储表示所述诊断出的所述制动部的异常的种类的故障模式；以及通过所述异常诊断装置，基于被存储得最多的所述故障模式，设定所述评价值的加权系数和评价方法中的至少一方。

可以是，所述异常诊断方法还包括：通过所述异常诊断装置，将表示所述制动部的异常的种类的故障模式和所述规定的动作步骤与各所述动作程序建立对应。

可以是，在所述异常诊断方法中，经由网络使所述规定装置与基于所述吸引时间诊断所述规定装置的所述制动部的异常的所述异常诊断装置建立通信连接。

可以是，在所述异常诊断方法中，通过所述异常诊断装置，基于从所述控制部对所述致动器输出的指令电流值，计算出所述吸引时间。

本发明的第二方案提供一种诊断规定装置的制动部的异常的异常诊断装置。所述制动部具备：按压构件；施力构件，对所述按压构件向致动器施力；以及吸引器，解除被所述施力构件按压的状态下的所述按压构件的施力状态。所述规定装置包括所述制动部和被配置为控制由所述制动部实现的制动的控制器。所述规定装置被配置为使包括多个动作步骤的动作程序变更。所述异常诊断装置包括被配置为在所述规定装置执行与各所述动作程序分别建立了对应的规定的动作步骤时计算出吸引时间的处理器。所述处理器被配置为基于所述计算出的所述吸引时间诊断所述制动部的异常。所述吸引时间是所述吸引器使所述按压构件从所述致动器分离来解除所述制动的时间。

可以是，在所述异常诊断装置中，所述处理器被配置为基于从所述控制部对所述致动器输出的指令电流值计算出所述吸引时间。

本发明的第三方案提供一种记录有用于通过计算机执行对规定装置的制动部的异常进行诊断的异常诊断的方法的非暂时性计算机记录介质。所述制动部具备：按压构件；施力构件，对所述按压构件向致动器施力；以及吸引器，被所述施力构件按压的状态下的所述按压构件的施力状态。所述规定装置包括所述制动部和控制由所述制动部实现的制动的控制器。所述规定装置被配置为使包括多个动作步骤的动作程序变更。所述方法包括：计算出所述规定装置执行与各所述动作程序分别建立了对应的规定的动作步骤时的吸引时间；以及基于所述计算出的所述吸引时间来诊断所述制动部的异常。所述吸引时间是所述吸引器使所述按压构件从所述致动器分离来解除所述制动的时间。

可以是，在所述方法中，基于从所述控制部对所述致动器输出的指令电流值计算出所述吸引时间。

根据上述构成，能提供能高精度地进行制动部的异常诊断的异常诊断方法、异常诊断装置及非暂时性计算机记录介质。

附图说明

以下，参照附图，对本发明的示例性实施例的特征、优点以及技术和工业意义进行说明，其中，相同的附图标记表示相同的元件，其中：

图1是表示本发明的实施方式1的控制装置的概略的系统构成的框图。

图2是表示制动部的概略构成的图。

图3是表示本发明的实施方式1的异常诊断装置的概略的系统构成的框图。

图4是表示优先顺序列表的一个例子的图。

图5是表示本发明的实施方式1的异常诊断方法的流程的流程图。

图6是表示本发明的实施方式3的异常诊断装置的概略的系统构成的框图。

具体实施方式

实施方式1

以下，参照附图对本发明的实施方式进行说明。本发明的实施方式1的异常诊断装置例如搭载于机器人，对机器人的异常进行诊断。机器人包括机械臂、足式机器人、类人机器人等。

图1是表示本实施方式1的机器人的概略的系统构成的框图。本实施方式1的机器人1具备：致动器2，旋转驱动机器人1的关节部；制动部3，对致动器2进行制动；编码器4，检测致动器2的旋转；以及控制部5，对致动器2和制动部3进行控制。

致动器2例如是伺服马达。致动器2设于机器人1的手腕关节、肘关节、肩关节等关节部，对各关节部进行旋转驱动。在致动器2的旋转轴22连结有旋转部21，旋转部21与旋转轴22一起旋转(图2)。

制动部3使衔铁(armature)31与致动器2的旋转部21接触并进行按压，由此使得在旋转部21与衔铁31之间产生摩擦力，通过此摩擦力对致动器2进行制动。衔铁31是按压构件的一个具体例子。另一方面，制动部3通过使衔铁31从致动器2的旋转部21分离来解除致动器2的制动。

图2是表示制动部的概略构成的图。制动部3具有与致动器2的旋转部21接触的衔铁31、对衔铁31施力的弹簧构件32以及吸引衔铁31的电磁线圈33。弹簧构件32是施力构件的一个具体例子。电磁线圈33是吸引器的一个具体例子。

制动部3的弹簧构件32对衔铁31向旋转部21侧施力，由此将衔铁31按压至旋转部21。另一方面，电磁线圈33克服弹簧构件32的施力，将衔铁31吸引至电磁线圈33侧，由此使衔铁31从旋转部21分离。

制动部3根据来自控制部5的制动释放信号，使电磁线圈33励磁来吸引衔铁31，使衔铁31从旋转部21分离并返回至规定位置，由此解除致动器2的制动。例如，在距电磁线圈33规定距离的位置设有止动件等。通过该止动件机械地确定规定位置。

制动部3根据来自控制部5的制动信号，使电磁线圈33的吸引停止。由此，衔铁31通过弹簧构件32的施加力而被按压至旋转部21，对致动器2的旋转部21进行制动。

编码器4检测致动器2的旋转轴22的旋转角，并将检测出的旋转角输出至控制部5。致动器2、编码器4以及制动部3可以一体地构成。

控制部5具有对致动器2进行控制的致动器控制部51和对制动部3进行控制的制动控制部52。致动器控制部51例如进行致动器2的反馈控制。

致动器控制部51基于用于控制机器人1的指令值和来自编码器4的旋转角，生成用于控制致动器2的指令电流值。致动器控制部51将所生成的指令电流值输出至致动器2。致动器2根据来自致动器控制部51的指令电流值进行旋转驱动。

制动控制部52将作为制动的触发(trigger)的制动信号输出至制动部3。制动部3根据来自制动控制部52的制动信号，进行致动器2的制动。另一方面，制动控制部52将作为制动释放的触发的制动释放信号输出至制动部3。制动部3根据来自制动控制部52的制动释放信号，释放致动器2的制动。

当致动器2不工作时，制动部3对致动器2进行制动而维持机器人1的姿势。由此，能防止机器人1的自重下落等。机器人1的姿势从该致动器2被制动的状态起进行变更。

控制部5在进行机器人1的姿势变更的情况下，首先通过对制动部3输出制动释放信号来对制动部3的电磁线圈33进行控制，使衔铁31从旋转部21分离并返回至规定位置，由此解除致动器2的制动。

在从控制部5向制动部3输出制动释放信号，衔铁31从旋转部21分离并返回至规定位置为止的制动解除期间，控制部5基于来自编码器4的旋转角来控制致动器2，进行将机器人1的关节部的旋转位置暂时地维持在当前位置的重力补偿的控制。之后，控制部5控制致动器2来驱动机器人1的关节部，由此进行机器人1的姿势变更。

图3是表示本实施方式1的异常诊断装置6的概略的系统构成的框图。本实施方式1的异常诊断装置6具有评价吸引时间的精度的精度评价部61、诊断制动部3的异常的异常诊断部62以及存储部63。

异常诊断装置6例如以微型计算机为中心形成硬件构成，该微型计算机包括：进行运算处理等的CPU(Central Processing Unit：中央处理单元)；包括存储有由CPU执行的运算程序等的ROM(Read Only Memory：只读存储器)、RAM(Random Access Memory：随机存储器)的存储器；以及与外部进行信号的输入输出的接口部(I/F)等。异常诊断装置6是处理器的一个例子。CPU、存储器以及接口部经由数据总线等彼此连接。

例如，如图2所示，当旋转部21因制动时的衔铁31与旋转部21的摩擦而产生磨耗时，在衔铁31对旋转部21进行制动的时候，衔铁31需要向旋转部21侧更大幅地移动。因此，将衔铁31向旋转部21按压的弹簧构件32的施加力会不足而使衔铁31对旋转部21的制动转矩不足。由此，发生所谓的制动打滑。

此外，如上所述，当旋转部21产生磨耗时，在衔铁31对旋转部21进行制动的时候，衔铁31向旋转部21侧更大幅地移动。在该状态下，衔铁31通过电磁线圈33的吸引从旋转部21分离并返回至规定位置而使制动解除为止的吸引时间(制动解除期间)与旋转部21未产生磨耗的情况相比变长。

因此，异常诊断部62例如在吸引时间变长为规定时间以上的情况下，诊断为旋转部21产生了磨耗的制动部3的异常。

异常诊断部62基于从致动器控制部51对致动器2输出的指令电流值，计算出衔铁31的吸引时间。需要说明的是，异常诊断部62也可以基于从致动器控制部51对致动器2输出的指令电流值的反馈电流值，计算出衔铁31的吸引时间。

例如，异常诊断部62将从制动控制部52对制动部3输出制动释放信号起到对致动器2输出用于进行重力补偿的指令电流值为止的时间计算为衔铁31的吸引时间。

再者，例如，机器人1根据加工对象而从所存储的多个动作程序中选择各种动作程序来执行。即，机器人1切换多个动作程序来进行作业等。动作程序是指执行机器人1的整体的动作目的的程序。

此外，因机器人1的个体差异、姿势等，在动作程序中，根据在哪个动作步骤中计算出吸引时间，此吸引时间的精度会不同。动作步骤是指在机器人1的整体的动作目的内接下来执行什么这样的一条一条的指令(移动至暂时停止位置、暂时停止、移动至结束位置等)。因此，根据计算出吸引时间的动作步骤，恐怕此吸引时间的精度会降低，难以高精度地进行制动部3的异常诊断。

与此相对，本实施方式1的异常诊断部62计算出机器人1执行与各动作程序分别建立了对应的规定的动作步骤时的吸引时间，并基于所计算出的吸引时间来诊断制动部3的异常。

作为对高精度地计算出吸引时间而言最佳的定时(timing)的规定的动作步骤与各动作程序建立有对应。因此，即使在机器人1根据加工对象等而使动作程序变更的情况下，在执行与此动作程序建立了对应的最佳的定时的规定的动作步骤时，也能高精度地计算出吸引时间。因此，本实施方式1的异常诊断部62能基于该计算出的高精度的吸引时间，高精度地诊断制动部3的异常。

接着，对作为对高精度地计算出吸引时间而言最佳的定时的规定的动作步骤与各动作程序建立对应的方法的一个例子进行说明。精度评价部61将作为对高精度地计算出吸引时间而言最佳的定时的规定的动作步骤与各动作程序建立对应。

例如，机器人1存储有平均100个(最大1000个)动作程序。因此，在人实际地进行吸引时间的计测等并进行了上述对应的建立的情况下，需要庞大的工时。特别是，如上所述，在存储有许多动作程序，并发生了此动作程序的变更的情况下，其工时变得庞大。根据本实施方式1的精度评价部61，能使上述对应的建立自动化，带来大幅的工时削减。

例如，工序控制盘等对机器人1进行指示，使得在各动作程序中重复各动作步骤规定次数以上。此时，精度评价部61计算出各动作步骤制动时的吸引时间。需要说明的是，对于规定次数而言，如后述那样，能精度良好地计算出第一和第二评价值α、β的值被预先设定于存储部63等。存储部63例如由上述存储器等构成。

精度评价部61进行所计算出的各吸引时间是否为正常值的判定，并计算出其正常值检测率。例如，吸引时间早于对致动器2发出的动作指令被计算出来。因此，精度评价部61在进行吸引时间的计算时的对致动器2发出的指令电流值比规定阈值大的情况下，将此吸引时间判定为正常值。

精度评价部61可以将所计算出的吸引时间与预先设定的正常时的吸引时间分别进行比较，将其差为规定阈值以下的吸引时间判定为正常值。由此，能判定受噪声等的影响而吸引时间异常变长的异常。实验性地求出吸引时间为正常时的值，基于此值的最佳值作为上述规定阈值而被设定于存储部63。

精度评价部61使用下述算式计算出正常值检测率(正常比例)。

正常值检测率＝正常的吸引时间的个数/所有吸引时间的个数×100(％)

精度评价部61基于所计算出的正常值检测率，计算出吸引时间的第一评价值α1。

例如，正常值检测率与第一评价值α1在以下的表格信息中建立有对应。表格信息被预先设定于存储部63等。例如，实验性地求出的最佳的第一评价值α1与下述正常值检测率建立有对应。

精度评价部61基于所计算出的正常值检测率和表格信息，计算出吸引时间的第一评价值α1。精度评价部61例如在所计算出的正常值检测率为60％的情况下，基于上述表格信息计算出吸引时间的第一评价值α1＝1。

接着，精度评价部61对所计算出的各吸引时间的分散值进行计算。精度评价部61基于所计算出的分散值，计算出吸引时间的第二评价值α2。例如，在衔铁31的引导件存在异常的情况下，该吸引时间有时会产生不均。在该情况下，吸引时间的分散值会变大，因此计算出基于上述那样的分散值的第二评价值α2。

例如，分散值与第二评价值α2在以下的表格信息中建立有对应。表格信息被预先设定于存储部63等。例如，实验性地求出的最佳值作为第二评价值α2与下述分散值建立有对应。

精度评价部61基于所计算出的分散值和表格信息，计算出吸引时间的第二评价值α2。精度评价部61例如在所计算出的分散值为456的情况下，基于上述表格信息计算出吸引时间的第二评价值α2＝2。精度评价部61将上述计算出的吸引时间的第一评价值α1与第二评价值α2相加，计算出最终的吸引时间的第三评价值α3。由此，能计算出考虑到吸引时间的正常值检测率和分散值的更高精度的第三评价值α3。

需要说明的是，精度评价部61也可以仅在计算出规定个数以上的吸引时间的情况下，计算出上述吸引时间的第三评价值α3。在仅以比规定个数少的吸引时间评价了吸引时间的情况下，难以精度良好地进行评价。因此，如上所述，仅在计算出规定个数以上的吸引时间的情况下，计算出上述吸引时间的第三评价值α3，由此能提高此评价值的精度，提高异常诊断的精度。

如上所述，精度评价部61针对在执行各动作程序的各动作步骤时所计算出的吸引时间分别计算第三评价值α3。第三评价值α3越高，表示此吸引时间的精度越高。

而且，精度评价部61例如如图4所示地创建优先顺序列表，所述优先顺序列表将各动作程序的各动作步骤的吸引时间的第三评价值α3以评价值从高到低的顺序进行排列。然后，精度评价部61基于优先顺序列表，将在各动作程序中第三评价值α3最高的动作步骤作为规定的动作步骤来与各动作程序分别建立对应。由此，能将作为对高精度地计算出吸引时间而言最佳的定时的规定的动作步骤与各动作程序建立对应。

例如，在图4中，动作程序Prg2的动作步骤St4的吸引时间的评价值为11，是最高的。因此，精度评价部61将规定的动作步骤St4与该动作程序Prg2建立对应。异常诊断部62在执行该动作程序Prg2的动作步骤St4时计算出吸引时间，由此，能最高精度地计算出吸引时间。

在因动作程序的变更而删除了第三评价值α3最高的动作步骤的情况下，精度评价部61可以基于优先顺序列表，将在动作程序中第三评价值α3第二高的动作步骤作为规定的动作步骤来与此动作程序建立对应。例如，如图4所示，在因动作程序Prg2的变更而删除了第三评价值α3最高的动作步骤St4的情况下，精度评价部61基于优先顺序列表，将在动作程序Prg2中第三评价值α3第二高的动作步骤St6作为规定的动作步骤来与此动作程序Prg2建立对应。这样，即使在存在动作程序的变更的情况下，也能使用优先顺序列表容易地将作为对高精度地计算出吸引时间而言最佳的定时的规定的动作步骤与各动作程序建立对应。

如上所述，精度评价部61使作为对高精度地计算出吸引时间而言最佳的定时的规定的动作步骤与各动作程序建立了对应的定时列表存储于存储部63。

异常诊断部62基于存储于存储部63的定时列表，在机器人1执行与各动作程序分别建立了对应的规定的动作步骤时，高精度地计算出吸引时间。异常诊断部62在所计算出的吸引时间变长为规定时间以上的情况下，诊断为制动部3的异常。

上述的制动部3的异常的诊断方法为一个例子，并不限定于此。例如，异常诊断部62可以在从初始评价值减去吸引时间的第三评价值α3后的评价值的变化量为规定值以上而较大的情况下，诊断为制动部3的异常。初始评价值是制动部3被判断为正常时的初始的吸引时间的评价值。

异常诊断部62在诊断为制动部3异常时，例如可以将包括错误代码等的异常信号输出至报告装置7。报告装置7可以根据来自异常诊断部62的异常信号，向用户报告致动器2的制动转矩不足这样的制动部3的异常。由此，用户能容易地知晓制动部3的异常。

报告装置7例如由通过警告声将此制动部3的异常通知给用户的扬声器、通过警告灯来通知用户的灯等构成。报告装置7也可以由通知旋转部21、衔铁31等制动部3的零件的更换的显示器构成，还可以对它们任意地进行组合来构成。用户根据来自报告装置7的报告，进行产生了磨耗的旋转部21的更换等应对，由此能抑制机器人1的姿势变形。

致动器控制部51在接收到来自异常诊断部62的异常信号时，可以进行对致动器2进行制动的控制。致动器控制部51在接收到来自异常诊断部62的异常信号时，可以使致动器2的驱动停止。而且，致动器控制部51在接收到来自异常诊断部62的异常信号时，可以进行对上述用户的报告、致动器2的制动以及致动器2的停止中的至少一个。

图5是表示本实施方式的异常诊断方法的流程的流程图。

评价工序

精度评价部61分别计算出各动作程序的各动作步骤的制动时的吸引时间(S101)。

精度评价部61对所计算出的各吸引时间的正常值检测率进行计算，并基于所计算出的正常值检测率和表格信息，计算出吸引时间的第一评价值α1(S102)。

精度评价部61对所计算出的各吸引时间的分散值进行计算，并基于所计算出的分散值，计算出吸引时间的第二评价值α2(S103)。精度评价部61将上述计算出的吸引时间的第一评价值α1与第二评价值α2相加来计算出最终的吸引时间的第三评价值α3(S104)。

精度评价部61生成将在各动作程序中第三评价值α3最高的动作步骤作为规定的动作步骤来与各动作程序分别建立了对应的定时列表(S105)。

诊断工序

异常诊断部62基于定时列表，在机器人1执行与各动作程序分别建立了对应的规定的动作步骤时，高精度地计算出吸引时间(S106)。

异常诊断部62基于所计算出的吸引时间，诊断制动部3的异常(S107)。

以上，在本实施方式1中，在机器人1执行与各动作程序分别建立了对应的规定的动作步骤时计算出吸引时间，并基于所计算出的吸引时间，诊断制动部3的异常。作为对高精度地计算出吸引时间而言最佳的定时的规定的动作步骤与各动作程序建立有对应。因此，在执行与动作程序建立了对应的最佳的定时的规定的动作步骤时，能高精度地计算出吸引时间，并能基于该计算出的高精度的吸引时间，高精度地诊断制动部3的异常。

实施方式2

在本实施方式2中，异常诊断部62可以计算出对吸引时间中对致动器2发出的指令电流值差进行了评价的第四评价值α4。该致动器2的指令电流值差是吸引时间中对致动器2发出的指令电流值的变化量，是开始进行对致动器2的重力补偿前后的指令电流值的差量，表示机器人1移动了多少(下落量等)。

精度评价部61计算出从制动控制部52对制动部3输出制动释放信号起到对致动器2输出指令电流值为止的吸引时间中的致动器2的指令电流值差。

精度评价部61基于此致动器2的指令电流值差计算出指令电流值差的第四评价值α4。例如，致动器2的指令电流值差与第四评价值α4在表格信息中建立有对应。表格信息被预先设定于存储部63等。例如，实验性地求出的值作为第四评价值α4与致动器2的指令电流值差建立有对应。

精度评价部61将所计算出的第四评价值α4与上述第三评价值α3相加来计算出最终的第五评价值α5。由此，能计算出不仅考虑到上述的吸引时间的正常值检测率和分散值还考虑到吸引时间中的致动器2的指令电流值差的更高精度的第五评价值α5，能使用该第五评价值α5将作为更佳的定时的规定的动作步骤与各动作程序建立对应。

精度评价部61创建优先顺序列表，所述优先顺序列表将各动作程序的各动作步骤的吸引时间的第五评价值α5以评价值从高到低的顺序进行排列。然后，精度评价部61基于优先顺序列表，将在各动作程序中第五评价值α5最高的动作步骤作为规定的动作步骤来与各动作程序分别建立对应。精度评价部61使作为对高精度地计算出吸引时间而言最佳的定时的规定的动作步骤与各动作程序建立了对应的定时列表存储于存储部63。由此，能通过更高精度地评价吸引时间来更高精度地计算出吸引时间。

而且，精度评价部61可以计算出第六评价值α6，该第六评价值α6对在各动作程序中重复进行制动的各动作步骤规定次数以上而计算出的吸引时间的个数进行评价。精度评价部61可以将所计算出的第六评价值与上述第五评价值α5相加来计算出最终的第七评价值α7。由此，能计算出不仅考虑到上述的吸引时间的正常值检测率、分散值以及指令电流值差还考虑到吸引时间的个数的更高精度的第七评价值α7，能使用该第七评价值α7将作为更佳的定时的规定的动作步骤与各动作程序建立对应。

各动作步骤的吸引时间的个数越增加，此吸引时间的评价精度越增加。例如，吸引时间的个数与第六评价值α6在以下的表格信息中建立有对应。表格信息被预先设定于存储部63等。例如，实验性地求出的最佳的第六评价值α6与下述吸引时间的个数建立有对应。

精度评价部61基于吸引时间的个数和表格信息，计算出吸引时间的第六评价值α6。需要说明的是，精度评价部61可以将所计算出的第六评价值α6与上述第三评价值α3相加来计算出最终的第八评价值α8。由此，能计算出不仅考虑到上述的吸引时间的正常值检测率和分散值还考虑到吸引时间的个数的更高精度的第八评价值α8，能使用该第八评价值α8将作为更佳的定时的规定的动作步骤与各动作程序建立对应。

精度评价部61可以通过对第一评价值α1、第二评价值α2、第四评价值α4以及第六评价值α6进行加权并相加，来计算出上述的第三评价值α3、第五评价值α5、第七评价值α7、第八评价值α8。精度评价部61例如通过将第一评价值α1、第二评价值α2、第四评价值α4以及第六评价值α6与规定的加权系数相乘，来进行各评价值的加权。

精度评价部61例如可以增大对吸引时间的精度影响更大的第一评价值α1和第二评价值α2的加权系数来计算出第五评价值α5、第七评价值α7、第八评价值α8。由此，能考虑到各参数对吸引时间的精度的影响度来更高精度地计算出吸引时间的评价值。在本实施方式2中，对与上述实施方式1相同的部分标注相同的附图标记，省略详细的说明。

实施方式3

在本发明的实施方式3中，异常诊断装置6可以是搭载于远离机器人1的服务器的构成。图6是表示本实施方式3的异常诊断装置的概略的系统构成的框图。

例如，异常诊断装置6为存在于云(cloud)上的构成。各机器人1与服务器8经由因特网等网络9，通过有线或无线建立通信连接。由此，能分散并减轻施加于机器人1的处理负担。

需要说明的是，异常诊断装置6的一部分的处理功能，例如精度评价部61、异常诊断部62以及存储部63中的至少一个，可以存在于机器人1。仅异常诊断装置6的功能的一部分存在于机器人1，因此能有效地减轻机器人1的处理负担。

异常诊断装置6的异常诊断部62可以诊断发生制动部3的异常的可能性高的、将来的制动部3的异常的征兆。异常诊断部62基于上述吸引时间进行制动部3的异常征兆的诊断，并将此异常征兆的诊断结果依次存储于存储部63。异常诊断装置6可以将此异常征兆的诊断结果与实际的发生在制动部3的异常进行比较，变更上述评价值的加权系数和评价方法中的至少一方，以使此异常征兆的诊断结果与实际的发生在制动部3的异常之差变小。

例如，异常诊断部62可以将此异常征兆的诊断结果与实际的发生在制动部3的异常进行比较，变更第三评价值α3、第五评价值α5、第七评价值α7以及第八评价值α8中的任一个，以使此异常征兆的诊断结果与实际的发生在制动部3的异常之差消失，来评价吸引时间。

而且，异常诊断装置6可以将此异常征兆的诊断结果与实际的发生在制动部3中产生的异常进行比较，变更上述表格信息的评价值，以使此异常征兆的诊断结果与实际的发生在制动部3的异常之差变小。

表示制动部3的异常的种类的故障模式包括上述的由旋转部21的磨耗引起的制动部3的磨耗异常、由衔铁31的引导件的异常引起的制动部3的引导件异常，除此以外，还包括由衔铁31的固接(制动器拖曳)引起的制动部3的拖曳异常等各种制动部3的异常。

也可以是在存储部63依次积累发生在制动部3的故障模式的构成。异常诊断部62可以基于在存储部63积累得最多的故障模式，设定或变更评价值的加权系数、评价方法以及表格信息的评价值中的至少一个。例如，可以将较大地有助于积累得最多的故障模式的参数的评价值的加权系数设定得更大。例如，在制动器拖曳的故障模式积累得最多的情况下，将针对较大地有助于此制动器拖曳的故障模式的吸引时间的正常值检测率和分散值的评价值的加权系数设定得更大。

由此，能与发生得更多的故障模式相匹配地最佳地设定吸引时间的评价值的加权系数、评价方法和/或表格信息的评价值。因此，能通过更高精度地对发生得更多的故障模式进行预兆诊断，将此故障模式防患于未然，有效地减少此故障模式的发生次数。

而且，作为对诊断各故障模式而言最佳的定时的规定的动作步骤可以与各动作程序建立有对应。故障模式和规定的动作步骤与各动作程序建立有对应。

例如，故障模式(磨耗异常)和规定的动作步骤St3与动作程序Prg1建立有对应。故障模式(拖曳异常)和规定的动作步骤St7与动作程序Prg2建立有对应。故障模式(引导件异常)和规定的动作步骤St10与动作程序Prg3建立有对应。

异常诊断部62在执行动作程序Prg1时，在与动作程序Prg1建立了对应的规定的动作步骤St3的定时，高精度地计算出吸引时间。异常诊断部62能基于所计算出的吸引时间，高精度地诊断制动部3的磨耗异常。

异常诊断部62在执行动作程序Prg2时，在与动作程序Prg2建立了对应的规定的动作步骤St7的定时，高精度地计算出吸引时间。异常诊断部62能基于所计算出的吸引时间，高精度地诊断制动部3的拖曳异常。

异常诊断部62在执行动作程序Prg3时，在与动作程序Prg3建立了对应的规定的动作步骤St10的定时，高精度地计算出吸引时间。异常诊断部62能基于所计算出的吸引时间，高精度地诊断制动部3的引导件异常。

如上所述，能通过作为对诊断各故障模式而言最佳的定时的规定的动作步骤与各动作程序建立对应来更高精度地诊断此故障模式。异常诊断部62例如可以基于由用户指示的故障模式，在与此故障模式建立了对应的动作程序的规定的动作步骤，自动地进行吸引时间的计算，并基于所计算出的吸引时间，进行此故障模式的异常诊断。在本实施方式3中，对与上述实施方式1和2相同的部分标注相同的附图标记，省略详细的说明。

实施方式4

在本发明的实施方式4中，异常诊断装置6可以对加工多种车辆的机器人1的制动部3的异常进行诊断。对以下的其异常诊断方法的一个例子进行说明。例如，机器人1设于加工多种车辆(组装、焊接等)的生产线。A、B、C……N型车辆在生产线上传输，由机器人1进行加工。

A型车辆与动作程序Prg1、B型车辆与动作程序Prg2、C型车辆与动作程序Prg3……N型车辆与动作程序PrgN分别建立有对应。

而且，如上述那样，作为对高精度地计算出吸引时间而言最佳的定时的规定的动作步骤St分别与各动作程序Prg建立有对应。具体而言，规定的动作步骤St3与动作程序Prg1、规定的动作步骤St1与动作程序Prg2、规定的动作步骤St7与动作程序Prg3……规定的动作步骤StN与动作程序PrgN建立有对应。

机器人1在对A型车辆进行加工的情况下，执行与A型车辆建立了对应的动作程序Prg1。异常诊断装置6的异常诊断部62在与动作程序Prg1建立了对应的规定的动作步骤St3的定时计算出吸引时间。异常诊断部62基于所计算出的吸引时间来诊断制动部3的异常。

机器人1在对B型车辆进行加工的情况下，执行与B型车辆建立了对应的动作程序Prg2。异常诊断装置6的异常诊断部62在与动作程序Prg2建立了对应的规定的动作步骤St1的定时计算出吸引时间。然后，异常诊断部62基于所计算出的吸引时间来诊断制动部3的异常。

机器人1在对C型车辆进行加工的情况下，执行与C型车辆建立了对应的动作程序Prg3。异常诊断装置6的异常诊断部62在与动作程序Prg3建立了对应的规定的动作步骤St7的定时计算出吸引时间。然后，异常诊断部62基于所计算出的吸引时间来诊断制动部3的异常。

机器人1在对N型车辆进行加工的情况下，执行与N型车辆建立了对应的动作程序PrgN。异常诊断装置6的异常诊断部62在与动作程序PrgN建立了对应的规定的动作步骤StN的定时计算出吸引时间。然后，异常诊断部62基于所计算出的吸引时间来诊断制动部3的异常。

以上，根据本实施方式4，在制造各种车辆的过程中，能在与各动作程序对应的最佳的动作步骤高精度地计算出吸引时间，高精度地诊断制动部3的异常。在本实施方式4中，对与上述实施方式1至3相同的部分标注相同的附图标记，省略详细的说明。

对本发明的几个实施方式进行了说明，但这些实施方式是作为例子而进行公开的，并不意图限定发明的范围。这些新颖的实施方式能够以其他各种方式实施，在不脱离发明的主旨的范围内，能进行各种省略、置换、变更。这些实施方式及其变形包括在发明的范围和主旨中，并且包括在权利要求书所记载的发明及其等同的范围内。

在上述实施方式中，异常诊断装置6诊断机器人1的异常，但并不限定于此。异常诊断装置6例如也可以诊断伺服压力机、制造设备等具有致动器2和制动部3的任意装置的异常。在应用于伺服压力机的情况下，只要查看重复进行压力动作和停止动作时从停止切换到动作时的吸引时间即可，在其他制造设备中，也是只要查看加工动作和停止动作进行切换的定时的吸引时间即可。

本发明例如也能通过使CPU执行计算机程序来实现图5所示的处理。

程序能使用各种类型的非暂时性计算机可读介质(non-transitory computerreadable medium)进行储存，并提供给计算机。非暂时性计算机可读介质包括各种类型的有形记录介质(tangible storage medium)。非暂时性计算机可读介质的例子包括磁记录介质(例如软盘、磁带、硬盘驱动器)、光磁记录介质(例如磁光盘)、CD-ROM(Read OnlyMemory：只读存储器)、CD-R、CD-R/W、半导体存储器(例如，掩模ROM、PROM(ProgrammableROM：可编程ROM)、EPROM(Erasable PROM：可擦除PROM)、闪存ROM、RAM(random accessmemory：随机存储器))。

程序可以通过各种类型的暂时性的计算机可读介质(transitory computerreadable medium)提供给计算机。暂时性的计算机可读介质的例子包括电信号、光信号以及电磁波。暂时性的计算机可读介质能经由电线和光纤等有线通信路径或无线通信路径将程序提供给计算机。

Claims (15)

1.一种异常诊断方法，通过异常诊断装置对规定装置的制动部的异常进行诊断，所述规定装置包括所述制动部和控制器，并被配置为使包括多个动作步骤的动作程序变更，所述制动部具备：按压构件；施力构件，对所述按压构件向致动器施力；以及吸引器，解除被所述施力构件按压的状态下的所述按压构件的施力状态，所述控制器被配置为控制由所述制动部实现的制动，所述异常诊断方法的特征在于，包括：

通过所述异常诊断装置计算出所述规定装置执行与各所述动作程序分别建立了对应的规定的动作步骤时的吸引时间，所述吸引时间是所述吸引器吸引着所述按压构件的时间；以及

通过所述异常诊断装置，基于所述计算出的所述吸引时间来诊断所述制动部的异常。

2.根据权利要求1所述的异常诊断方法，其特征在于，还包括：

通过所述异常诊断装置计算出执行各所述动作程序的各动作步骤时的所述吸引时间；

通过所述异常诊断装置计算出用于评价所述计算出的吸引时间的精度的评价值；以及

通过所述异常诊断装置，将各动作程序中所包括的各动作步骤中所述计算出的评价值最高的动作步骤作为所述规定的动作步骤，与所述动作程序建立对应。

3.根据权利要求2所述的异常诊断方法，其特征在于，

在针对各所述动作程序的各动作步骤计算出了规定个数以上的所述吸引时间的情况下，通过所述异常诊断装置计算出所述吸引时间的所述评价值。

4.根据权利要求2或3所述的异常诊断方法，其特征在于，

当所述规定装置重复各所述动作程序的动作步骤时，通过所述异常诊断装置按每个动作步骤计算出多个所述吸引时间，

通过所述异常诊断装置，基于所述计算出的所述吸引时间的分散值和所述计算出的所述多个吸引时间中正常的吸引时间所占的正常比例，计算出所述吸引时间的评价值。

5.根据权利要求4所述的异常诊断方法，其特征在于，

通过所述异常诊断装置，根据基于所述吸引时间的分散值和所述正常比例的评价值、基于所述吸引时间中对所述致动器发出的指令值的变化量的评价值以及基于重复各所述动作程序的动作步骤而计算出的吸引时间的个数的评价值中的至少一方，计算出每个动作步骤的所述吸引时间的评价值。

6.根据权利要求5所述的异常诊断方法，其特征在于，

通过所述异常诊断装置，将基于所述吸引时间的分散值的评价值、基于所述吸引时间的正常比例的评价值、基于所述指令值的变化量的评价值以及基于所述吸引时间的个数的评价值与对各所述评价值所设定的规定的加权系数相乘，将所述相乘的结果相加，由此计算出所述吸引时间的评价值。

7.根据权利要求6所述的异常诊断方法，其特征在于，还包括：

通过所述异常诊断装置，基于所述吸引时间，进行所述制动部的异常征兆的诊断，并通过所述异常诊断装置存储所述异常征兆的诊断结果；

通过所述异常诊断装置，将所述异常征兆的所述诊断结果与发生在所述制动部的实际的异常进行比较；以及

通过所述异常诊断装置，变更所述评价值的加权系数和评价方法中的至少一方，以使所述异常征兆的所述诊断结果与所述实际的异常之差变小。

8.根据权利要求6或7所述的异常诊断方法，其特征在于，还包括：

通过所述异常诊断装置存储表示所述诊断出的所述制动部的异常的种类的故障模式；以及

通过所述异常诊断装置，基于被存储得最多的所述故障模式，设定所述评价值的加权系数和评价方法中的至少一方。

9.权利要求1至8中任一项所述的异常诊断方法，其特征在于，还包括：

通过所述异常诊断装置，将表示所述制动部的异常的种类的故障模式和所述规定的动作步骤与各所述动作程序建立对应。

10.根据权利要求1至9中任一项所述的异常诊断方法，其特征在于，

经由网络使所述规定装置与基于所述吸引时间诊断所述规定装置的所述制动部的异常的所述异常诊断装置建立通信连接。

11.根据权利要求1至10中任一项所述的异常诊断方法，其特征在于，

通过所述异常诊断装置，基于从所述控制部对所述致动器输出的指令电流值，计算出所述吸引时间。

12.一种异常诊断装置，对规定装置的制动部的异常进行诊断，所述规定装置包括所述制动部和控制器，并被配置为使包括多个动作步骤的动作程序变更，所述制动部具备：按压构件；施力构件，对所述按压构件向致动器施力；以及吸引器，解除被所述施力构件按压的状态下的所述按压构件的施力状态，所述控制器被配置为控制由所述制动部实现的制动，所述异常诊断装置的特征在于，包括：

处理器，被配置为在所述规定装置执行与各所述动作程序分别建立了对应的规定的动作步骤时计算出吸引时间，所述吸引时间是所述吸引器吸引着所述按压构件的时间，

所述处理器被配置为基于所述计算出的所述吸引时间诊断所述制动部的异常。

13.根据权利要求12所述的异常诊断装置，其特征在于，

所述处理器被配置为基于从所述控制部对所述致动器输出的指令电流值计算出所述吸引时间。

14.一种非暂时性计算机记录介质，记录有用于通过计算机执行对规定装置的制动部的异常进行诊断的异常诊断的方法，所述规定装置包括所述制动部和控制器，并被配置为使包括多个动作步骤的动作程序变更，所述制动部具备：按压构件；施力构件，对所述按压构件向致动器施力；以及吸引器，解除被所述施力构件按压的状态下的所述按压构件的施力状态，所述控制器被配置为控制由所述制动部实现的制动，其特征在于，所述方法包括：

计算出所述规定装置执行与各所述动作程序分别建立了对应的规定的动作步骤时的吸引时间，所述吸引时间是所述吸引器吸引着所述按压构件的时间；以及

基于所述计算出的所述吸引时间来诊断所述制动部的异常。

15.根据权利要求14所述的非暂时性计算机记录介质，其特征在于，

在所述方法中，基于从所述控制部对所述致动器输出的指令电流值计算出所述吸引时间。

Images