CN111148609B - 异常产生的部位的推定方法和记录执行异常产生的部位的推定的程序的记录介质 - Google Patents
异常产生的部位的推定方法和记录执行异常产生的部位的推定的程序的记录介质 Download PDFInfo
- Publication number
- CN111148609B CN111148609B CN201880062326.3A CN201880062326A CN111148609B CN 111148609 B CN111148609 B CN 111148609B CN 201880062326 A CN201880062326 A CN 201880062326A CN 111148609 B CN111148609 B CN 111148609B
- Authority
- CN
- China
- Prior art keywords
- abnormality
- value
- waveform
- servo motor
- detected
- 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
Links
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
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
- B25J9/12—Programme-controlled manipulators characterised by positioning means for manipulator elements electric
- B25J9/126—Rotary actuators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/06—Safety devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
- B25J9/12—Programme-controlled manipulators characterised by positioning means for manipulator elements electric
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- 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
-
- 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
- G05B2219/37—Measurements
- G05B2219/37525—Mean, average values, statistical derived values
-
- 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
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42319—What kind of actuator failure
-
- 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
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42323—Detect wire break, short circuit of feedback
-
- 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
- G05B2219/50—Machine tool, machine tool null till machine tool work handling
- G05B2219/50197—Signature analysis, store working conditions, compare with actual
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Control Of Electric Motors In General (AREA)
- Human Computer Interaction (AREA)
Abstract
本发明提供异常产生的部位的推定方法和执行异常产生的部位的推定的程序。推定机器人中的异常产生的部位的推定方法具备:异常检查步骤,对产生了异常的情况进行检查;和部位检测步骤,当在异常检查步骤中检查到产生了异常时,检测在哪里产生了异常。
Description
技术领域
本发明涉及在机器人中推定异常产生的部位的推定方法和执行异常产生的部位的推定的程序。
背景技术
以往,在机器人中,对于为了检测由老化引起的异常而监视在伺服马达中流动的电流值、伺服马达的位置偏移量的技术,公开有专利文献1。在专利文献1中公开有:作为劣化指标参数,使用在伺服马达中流动的电流值、伺服马达的位置偏移量,在这些劣化指标参数超过了阈值时,使装置停止并发出警告。
专利文献1:国际公开第2016/103310号
在专利文献1所公开的装置中,在由于产生了老化或者异常而需要维护的情况下,能够促使进行维护。因此,能够报告用于进行维护的适当的时机。
然而,异常产生的部位尚处于不明确的状态,因此应该维护哪个部位是不明确的。因此,不清楚针对哪个部分进行部件的更换等维护即可,从而花费用于寻找进行维护的部分的工夫。
发明内容
因此,鉴于上述的情况,本发明的目的在于提供一种推定异常产生的部位的推定方法和执行异常产生的部位的推定的程序。
本发明的异常产生的部位的推定方法是使用伺服马达使臂驱动的机器人中的异常产生的部位的推定方法,其特征在于,具备:异常检查步骤,对产生了异常的情况进行检查;和部位检测步骤,当在上述异常检查步骤中检查到产生了异常时,检测在哪个部位产生了异常。
通过上述结构的异常产生的部位的推定方法,在部位检测步骤中检测异常产生的部位,因此能够省去探索异常产生的部位的麻烦。
另外,也可以构成为具备:周期被观察值检测步骤,对于上述机器人反复进行的动作中的每1个周期的动作而言,将在规定的动作中向上述伺服马达流动的电流值或者上述伺服马达的位置偏差作为被观察值来观察推移,并检测每个周期的上述被观察值的代表值;和每天被观察值检测步骤,根据按照每个周期所检测的上述被观察值的代表值,检测针对每天的上述被观察值的代表值。
检测每天的被观察值的代表值,因此能够取得基于每天的被观察值的代表值的变化的被观察值的趋势。
另外,也可以构成为:在上述异常检查步骤中,在每天的上述被观察值的代表值超出了规定的范围时,检查到产生了异常。
在每天的被观察值的代表值超出了规定的范围时,检查到产生了异常,因此能够根据每天的被观察值的代表值的变化,在产生了异常时正确地将其检出。
另外,也可以构成为:上述部位检测步骤具备推定步骤,上述推定步骤根据针对多个种类检测出的每天的上述被观察值的代表值中的超出了规定的范围的值的种类、和在上述异常检查步骤中检查到产生了异常时的上述被观察值的波形,推定异常产生的部位。
根据超出了规定的范围的值的种类、和向伺服马达流动的电流的波形,推定异常产生的部位,因此能够正确地特定异常产生的部位。
另外,也可以构成为:根据超出了上述规定的范围的值的种类、和在上述异常检查步骤中检查到产生了异常时的上述被观察值的波形,在表格中预先汇总上述异常产生的部位,在上述推定步骤中,通过参照上述表格,从而推定上述异常产生的部位。
通过基于预先制作好的表格并参照表格,从而推定异常产生的部位,因此能够容易地进行异常产生的部位的推定。
另外,也可以构成为:上述周期被观察值检测步骤按照每个周期计算上述规定的动作中的上述被观察值的平方平均值和峰值,在上述每天被观察值检测步骤中,具备:平方平均中央值计算步骤,按照每天计算上述平方平均值的中央值;平方平均标准偏差计算步骤,按照每天计算上述平方平均值的标准偏差;峰值中央值计算步骤,按照每天计算上述峰值的中央值;以及峰值标准偏差计算步骤,按照每天计算上述峰值的标准偏差。
在周期被观察值检测步骤中计算每个周期的平方平均值和峰值,在每天被观察值检测步骤中计算每天的平方平均值的中央值及标准偏差、和每天的峰值的中央值及标准偏差,因此能够正确地取得每天的平方平均值和峰值的值。
另外,也可以构成为:在上述异常检查步骤中,当在上述平方平均中央值计算步骤中计算出的上述平方平均值的中央值、在上述平方平均标准偏差计算步骤中计算出的上述平方平均值的标准偏差、在上述峰值中央值计算步骤中计算出的上述峰值的中央值、以及在上述峰值标准偏差计算步骤中计算出的上述峰值的标准偏差的任意一个值超出了规定的范围时,检查到产生了异常。
在任意一个值超出了规定的范围时,检查到产生了异常,因此能够更正确地检测产生了异常时的时机。
另外,也可以构成为:上述推定步骤具备选择步骤,上述选择步骤选择在上述异常检查步骤中检查到产生了异常时的上述被观察值的波形与预先决定好的多个类型中的哪个类型相符。
在预先决定好的多个类型中,选择被观察值的波形与哪个类型相符,因此能够容易地进行类型的选择。
另外,也可以构成为:上述被观察值是向上述伺服马达流动的电流值,在上述选择步骤中,将在上述异常检查步骤中检查到产生了异常时的向上述伺服马达流动的电流的波形相对于未产生异常时的向上述伺服马达流动的电流的基准波形相似地放大,将放大率为阈值以下时作为类型1,将放大率大于阈值时作为类型2,将相对于基准波形存在成分为一定以上的大的频率,并且该频率收敛于规定的频率范围时作为类型3,将上述频率未收敛于规定的频率范围时作为类型4,上述选择步骤具备电流值类型选择步骤,上述电流值类型选择步骤选择在上述异常检查步骤中检查到产生了异常时的向上述伺服马达流动的电流的波形与从上述类型1到上述类型4中的哪个类型相符。
在被观察值为向伺服马达流动的电流值时,在选择步骤中,选择向伺服马达流动的电流的波形与从类型1到类型4中的哪个类型相符,因此能够容易地进行选择步骤。
另外,也可以构成为:上述被观察值是上述伺服马达的位置偏差,在上述选择步骤中,将在上述异常检查步骤中检查到产生了异常时的上述伺服马达的位置偏差的波形相对于未产生异常时的上述伺服马达的位置偏差的基准波形存在成分为一定以上的大的频率,并且该频率收敛于规定的频率范围时作为类型5,将上述频率未收敛于规定的频率范围时作为类型6,上述选择步骤具备位置偏差类型选择步骤,上述位置偏差类型选择步骤选择在所述异常检查步骤中检查到产生了异常时的上述伺服马达的位置偏差的波形与上述类型5和上述类型6中的哪个类型相符。
在被观察值为伺服马达的位置偏差时,在选择步骤中,选择伺服马达的位置偏差的波形与类型5或者类型6中的哪个类型相符,因此能够容易地进行选择步骤。
另外,本发明的进行异常产生的部位的推定的程序是执行使用伺服马达使臂驱动的机器人中的异常产生的部位的推定的程序,其特征在于,使计算机执行如下步骤:异常检查步骤,对产生了异常的情况进行检查;和部位检测步骤,当在上述异常检查步骤中检查到产生了异常时,检测在哪个部位产生了异常。
通过执行上述结构的异常产生的部位的推定的程序,在部位检测步骤中检测异常产生的部位,因此能够省去探索异常产生的部位的麻烦。
根据本发明,能够检测异常产生的部位,因此能够检测应进行部件的更换之类的维护作业的部位。因此,可以省去寻找应进行维护作业的部位的工夫。
附图说明
图1示意性地表示通过本发明的实施方式所涉及的异常产生的部位的推定方法被进行异常产生的部位的检测的机器人的结构图。
图2是表示图1的机器人中的控制系统的结构的框图。
图3是表示通过针对图1的机器人的异常产生的部位的推定方法被进行异常产生的部位的检测时的流程的流程图。
图4是更详细地表示图3的流程中的异常检查步骤的流程图。
图5是更详细地表示在图4的流程中进行对关于平方平均值的中央值、标准偏差的确认时的流程的流程图。
图6是更详细地表示在图4的流程中进行对关于峰值的中央值、标准偏差的确认时的流程的流程图。
图7是更详细地表示图3的流程中的部位检测步骤的流程图。
图8是更详细地表示在图7的流程中进行针对对象波形的FFT解析时的流程的流程图。
图9是表示电流值的基准波形、和相对于基准波形相似地放大并且放大率为110%时的电流值的波形的波形图。
图10是表示电流值的基准波形、和相对于基准波形相似地放大并且放大率为200%时的电流值的波形的波形图。
图11是表示电流值的基准波形、和相对于基准波形观察到振荡趋势时的电流值的波形的波形图。
图12是表示电流值的基准波形、和相对于基准波形观察到脉冲时的电流值的波形的波形图。
图13是关于与发送针对向伺服马达流动的电流的警报或者警示的项目、和检查到异常时的向伺服马达流动的电流的波形的类型相应的异常产生的部位的预先制作好的表格。
图14是表示伺服马达的位置偏差的基准波形、和相对于基准波形观察到振荡趋势时的位置偏差的波形的波形图。
图15是表示伺服马达的位置偏差的基准波形、和相对于基准波形观察到脉冲时的位置偏差的波形的波形图。
图16是关于与发送针对伺服马达的位置偏差的警报或者警示的项目、和检查到异常时的伺服马达的位置偏差的波形的类型相应的异常产生的部位的预先制作好的表格。
具体实施方式
以下,参照附图对本发明的实施方式所涉及的异常产生的部位的推定方法进行说明。
图1是本发明的实施方式所涉及的机器人的结构图。另外,图2是机器人100中的控制系统的结构的框图。
本实施方式的机器人100具有控制部14。控制部14用于控制机器人100的动作。控制部14在内部容纳用于控制机器人100的动作的控制基板。在本实施方式中,机器人100用作多轴的工业用机器人。在本实施方式中所使用的机器人100具备机器人臂。
如图2所示,机器人100中的控制部14包括运算部14a、存储部14b以及伺服控制部14c。
控制部14例如是具备微型控制器等计算机的机器人控制器。此外,控制部14可以由进行集中控制的单独的控制部14构成,也可以由相互配合来进行分散控制的多个控制部14构成。
在存储部14b存储有作为机器人控制器的基本程序、各种固定数据等信息。运算部14a通过读出并执行在存储部14b存储的基本程序等软件,从而控制机器人100的各种动作。即,运算部14a生成机器人100的控制指令,并将其向伺服控制部14c输出。例如,运算部14a由处理器单元构成。
伺服控制部14c构成为:基于由运算部14a生成的控制指令,控制与机器人100的机器人臂的各自的关节对应的伺服马达的驱动。
另外,机器人100具备在规定期间取得向伺服马达流动的电流值的电流值取得单元15。通过电流值取得单元15,能够取得向伺服马达流动的电流值。
另外,在本实施方式中,控制装置50与控制部14连接。另外,电流值取得单元15与控制部14及控制装置50连接,控制部14与控制装置50经由电流值取得单元15连接。
控制装置50具备存储部17和运算部18。控制装置50例如由PC构成。控制装置50基于电流值取得单元15取得的在伺服马达中流动的电流值,参照在存储部17存储的数据,并通过运算部18进行运算,由此能够检查是否在机器人100产生了异常。例如,运算部18由处理器单元构成。在控制装置50中的存储部17预先存储有后述的表格等。另外,与此同时,控制装置50能够进行用于推定并检测机器人100中的异常产生的部位的处理。这样,控制装置50基于由电流值取得单元15取得的电流值,能够检查是否在机器人100产生了异常,并且能够检测异常产生的部位。
接下来,对本实施方式中的推定异常产生的部位的推定方法进行说明。
若使用机器人100长期地反复持续进行规定的周期的作业,则在机器人100产生老化。若在机器人100产生老化,则例如在构成机器人100的各部件之间,部件彼此滑动时的部件之间的阻力变大。因此,在那样的情况下,即使进行相同的动作,与劣化前相比,若不使更多的电流向伺服马达流动,则部件也不能进行相同的量的移动。这样,在因老化而在构成机器人100的部件的任一部位产生了异常时,向伺服马达流动的电流与产生劣化前相比发生变化。
另外,在因老化而产生了异常的情况下,根据劣化产生的部位,电流的波形、伺服马达的位置偏差的变化不同。因此,通过检测在使机器人100驱动后的在伺服马达中流动的电流、伺服马达的位置偏差的波形的变化,从而能够进行因老化而产生了异常的部位的推定。以下,也将为了进行产生了异常的部位的推定而观察推移的在伺服马达中流动的电流值或者伺服马达的位置偏差称为被观察值。
在图3中示出本实施方式中的推定异常产生的部位的推定方法的流程图。
首先,对使用为了进行产生了异常的部位的推定而被观察的被观察值中的在伺服马达中流动的电流来进行产生了异常的部位的推定的方法进行说明。
如图3所示,首先根据向机器人100的伺服马达流动的电流,检查是否产生了异常(S101)。若在S101的异常检查步骤中检查到在机器人100产生了异常(S102),则进行检测异常产生的部位的部位检测步骤(S103)。在本实施方式中,基于程序,控制装置50或者控制部14的计算机执行异常检查步骤和部位检测步骤。
接下来,对异常检查步骤进行说明。在图4中示出异常检查步骤的流程图。在异常检查步骤中,首先,针对1个周期中的规定动作,取得向伺服马达流动的电流的波形。这里,电流值取得单元15取得根据时间的经过而变化的向伺服马达流动的电流值,最终,取得向伺服马达流动的电流的波形(S201)。
取得向伺服马达流动的电流的波形的1个周期中的规定动作也可以仅是机器人100反复进行的作业的一次动作周期中的、一部分步骤。另外,也可以是机器人100反复进行的作业的一次动作周期中所有步骤。
若取得1个周期的电流的波形,则基于所取得的波形,计算该电流的波形的平方平均值(S202)。作为1个周期的电流值的代表值,计算平方平均值。
在本实施方式中,在计算平方平均值时,针对1个周期进行30秒钟的取样。此时,按照2(msec)的取样周期进行取样。在本实施方式中,1天进行200个周期的汇总。因此,在本实施方式中,1天中计算200个周期的平方平均值。
若计算1个周期的电流的波形的平方平均值,则参照1个周期的电流值的平方平均值的阈值,检查向伺服马达流动的电流的1个周期的平方平均值是否超过了阈值(S204)。在平方平均值超过阈值时,随即发送警报(S205)。在平方平均值未超过阈值时,流程继续进行。
接下来,根据电流的波形,检测电流的绝对值的峰值。对于电流的波形中的峰值的检测,也取得1个周期的电流的波形,并基于所取得的波形,计算该电流的波形的峰值。作为1个周期的电流值的代表值,计算有峰值。
在本实施方式中,在计算峰值时,与平方平均值的计算相同,对于1个周期,进行30秒钟取样。此时,按照2(msec)的取样周期,进行取样。在本实施方式中,1天进行200个周期的汇总。因此,在本实施方式中,1天中计算200个周期的峰值。
若针对1个周期的向伺服马达流动的电流的绝对值检测到峰值,则比较峰值与峰值的阈值(S206)。
在峰值超过阈值时(S207),随即发送警报(S208)。在峰值未超过阈值时,流程继续进行。
这样,针对机器人反复进行的动作中的每1个周期的动作,检测在规定的动作中向伺服马达流动的电流值(周期被观察值检测步骤)。这里,针对每1个周期的动作,计算在规定的动作中向伺服马达流动的电流值的平方平均值和峰值。即,在本实施方式中的周期被观察值检测步骤中,按照每个周期计算规定的动作中的向伺服马达流动的电流的平方平均值和峰值。
每1个周期计算一个平方平均值和一个峰值,并按照每个周期预先存储这些值作为代表值。
若将1个周期的电流的平方平均值和峰值与阈值进行比较,则检查从启动装置开始是否经过了一定期间。在从启动装置开始未经过一定期间的情况下,1个周期的电流的平方平均值和峰值尚在不稳定的期间内,因此即使1个周期的电流的平方平均值和峰值超过了阈值,也没有问题。因此,流程返回,到经过一定期间为止反复进行流程。
若经过一定期间,则在平方平均值或者峰值超过阈值并发送警报的情况下,判断为因老化等而产生了异常。因此,这里检查是否发送了警报(S210)。
在发送了警报并且平方平均值或者峰值超过了阈值的情况下,推测为产生了异常,流程进入至部位检测步骤。当在S210中没有发送警报的情况下,流程向对与每天的电流有关的数据的中央值和标准偏差的确认进入。
接下来,对针对与每天的电流有关的平方平均值的数据的中央值和标准偏差的确认进行说明。
在图5中示出针对与每天的电流有关的平方平均值的数据的中央值和标准偏差进行确认时的流程的流程图。
已经获得与规定动作的每1个周期的向伺服马达流动的电流值有关的平方平均值。若获得1天的该每1个周期的平方平均值的数据,则能够获得1天的数据的中央值和标准偏差。因此,汇总一整天的每1个周期的平方平均值,按照每天计算平方平均值的中央值和标准偏差(S301)。计算平方平均值的中央值和标准偏差作为每天的电流值的代表值。这样,根据每个周期所检测的电流值的代表值,检测每天的电流值的代表值(每天被观察值检测步骤)。这里,按照每天计算平方平均值的中央值和标准偏差。
若按照每天计算平方平均值的中央值和标准偏差,则通过将每天的这些值曲线化,从而能够在曲线图中表示中央值和标准偏差。因此,通过在该曲线图上描绘关于中央值和标准偏差的数据的延长线,从而使用近似曲线来预测中央值和标准偏差的每天的变化(S302)。由此,能够读取电流值的平方平均值的每天的趋势。
通常,因老化在装置内电阻变大,因此即使向伺服马达输入规定的指令值,伺服马达的电阻也变大,因此处于所输入的电流值逐渐变大的趋势。因此,通常在伺服马达中流动的电流值处于随着天数增加而变大的趋势。
针对此时的电流值,制作近似曲线,预测中央值和标准偏差的每天的变化,由此能够预测中央值和标准偏差超过阈值的日期(S303)。因此,能够预测从现在开始几天后中央值和标准偏差超过阈值。若中央值和标准偏差超过阈值的日期进入至设定好的期间内,则接近超过阈值的日期,因此随即发送警示。这样,检查中央值和标准偏差超过阈值的日期是否进入至规定的期间内(S304)。此外,也可以构成为:在达到阈值后,随即发送警示。
在超过中央值和标准偏差的阈值的日期进入至设定好的期间内的情况下,发送警示(S305)。这样,在每天的电流值(中央值和标准偏差)超出了规定的范围时,检查产生了由老化引起的异常这一情况。这里,对于检查为每天的电流值(中央值和标准偏差)超过阈值的日期进入至预先设定好的规定的期间内的情况,也判断为每天的电流值超出了规定的范围,从而判断产生了由老化引起的异常这一情况。在中央值和标准偏差未超过阈值的情况下(在未进入至预先设定好的规定的期间内的情况下),不发送警示而流程继续,从而结束对与每天的电流有关的平方平均值的数据的中央值和标准偏差的确认。
对于在1天内以大量的次数(在本实施方式中为200次)测定的数据,通过设为平方平均值的中央值和标准偏差,从而能够用作为代表值的数据来表示。因此,能够使预先存储的数据的数量大幅度地减少,例如,能够减少控制装置50中的存储部17的容量。
接下来,对针对与每天的电流有关的峰值的数据的中央值和标准偏差的确认进行说明。
在图6中示出针对与每天的电流有关的峰值的数据的中央值和标准偏差进行确认时的流程的流程图。已经获得与规定动作的每1个周期的向伺服马达流动的电流值有关的峰值。若获得1天的该每1个周期的峰值的数据,则能够获得1天的数据的中央值和标准偏差。因此,汇总一整天的每1个周期的峰值,按照每天计算峰值的中央值和标准偏差(S401)。计算峰值的中央值和标准偏差作为每天的电流值的代表值。
若按照每天计算峰值的中央值和标准偏差,则能够在曲线图中表示该中央值和标准偏差。因此,通过在该曲线图上描绘关于中央值和标准偏差的数据的延长线,从而使用近似曲线来预测中央值和标准偏差的每天的变化(S402)。由此,能够读取电流值的峰值的每天的趋势。
另外,通过使用近似曲线来预测中央值和标准偏差的每天的变化,从而能够预测中央值和标准偏差超过阈值的日期(S403)。因此,能够预测从现在开始几天后超过中央值和标准偏差。若中央值和标准偏差超过阈值的日期进入至设定好的期间内,则接近超过阈值的日期,因此随即发送警示。这样,检查中央值和标准偏差超过阈值的日期是否进入至规定的期间内(S404)。此外,也可以构成为:在达到阈值后,随即发送警示。
在超过中央值和标准偏差的阈值的日期进入至设定好的期间内的情况下,发送警示(S405)。这样,在关于峰值的每天的电流值(中央值和标准偏差)超出了规定的范围时,检查产生了由老化引起的异常这一情况。这里,对于检查到每天的电流值(中央值和标准偏差)超过阈值的日期进入至预先设定好的规定的期间内的情况,也判断为每天的电流值超出了规定的范围,从而判断为产生了由老化引起的异常。在中央值和标准偏差未超过阈值的情况下(在未进入至预先设定好的规定的期间内的情况下),不发送警示而流程继续,从而结束针对与每天的电流有关的峰值的数据的中央值和标准偏差的确认。
对于峰值也相同,对于在1天内以大量的次数(在本实施方式中为200次)测定的数据,通过设为峰值的中央值和标准偏差,从而能够用作为代表值的数据来表示。因此,能够使预先存储的数据的数量大幅度地减少,从而能够减少控制装置50中的存储部17的容量。
这样,在本实施方式中的每天被观察值检测步骤中,按照每天计算平方平均值的中央值(平方平均中央值计算步骤)。另外,按照每天计算平方平均值的标准偏差(平方平均标准偏差计算步骤)。另外,按照每天计算峰值的中央值(峰值中央值计算步骤)。另外,按照每天计算峰值的标准偏差(峰值标准偏差计算步骤)。而且,在计算出的平方平均值的中央值、平方平均值的标准偏差、峰值的中央值以及峰值的标准偏差的任意一个值超出了规定的范围时,检查为产生了异常。
若进行针对与每天的电流有关的峰值的数据的中央值和标准偏差的确认,则异常检查步骤完成。若在异常检查步骤中发送警报或者警示,则判断为有异常,并在部位检测步骤中检测存在异常的部位。
接下来,对部位检测步骤进行说明。在部位检测步骤中,检测将在异常检查步骤中检查到异常时的向伺服马达流动的电流的波形分类为哪个类型。
对于部位检测步骤的流程,在图7中示出流程图。在部位检测步骤中,检测在异常检查步骤中检查到异常时的向伺服马达流动的电流的波形相对于在异常产生前的基准的波形如何变化。
首先,检查在检查到异常时的向伺服马达流动的电流的波形相对于基准的波形是否相似地放大。
首先,放大基准波形(S501)。若放大基准波形,则比较放大后的基准波形、与检查到异常时的向伺服马达流动的电流的波形。这里,计算放大后的基准波形与取得的对象的波形之间的相关值(S502)。
若计算放大后的基准波形与检查到异常时的向伺服马达流动的电流的波形之间的相关值,则检查相关值是否相对于基准值收敛于5%以下的差值(S503)。
可以认为相关值越高,放大后的基准波形与向伺服马达流动的电流的波形越一致。在相关值相对于预先决定好的基准值收敛于5%以下的差值的情况下,判断为放大后的基准波形与取得的对象的波形大体一致。因此,判断为在检查到异常时的向伺服马达流动的电流的波形相对于基准波形相似地放大。因此,检查此时的放大率是否为110%以下(S504)。
当在检查到异常时的向伺服马达流动的电流的波形相对于基准波形相似地放大并且放大率为110%以下的情况下,推定为波形相似地放大并且放大率小。因此,在该情况下,将在检查到异常时的向伺服马达流动的电流的波形分类为类型1。这样,将在检查为产生了异常时的向伺服马达流动的电流的波形相对于在未产生异常时的向伺服马达流动的电流的基准波形相似地放大并且放大率为阈值以下时作为类型1。
在检查到异常时的向伺服马达流动的电流的波形相对于基准波形相似地放大并且放大率大于110%的情况下,推定为波形相似地放大并且放大率大。因此,在该情况下,将在检查到异常时的向伺服马达流动的电流的波形分类为类型2。这样,将在检查为产生了异常时的向伺服马达流动的电流的波形相对于未产生异常时的向伺服马达流动的电流的基准波形相似地放大并且放大率大于阈值时作为类型2。
在S503中,在相关值相对于基准值未收敛于5%以下的差值的情况下,判断为放大后的基准波形与取得的对象的波形不一致。在该情况下,检测放大后的基准波形与取得的对象的波形之间的相关值是否大于上次(S505)。
在相关值为上次的值以下的情况下,判断为放大后的基准波形接近对象的波形,并且使基准波形的放大率增加(S506),并且再次重复进行对放大后的基准波形与取得的对象的波形之间的相关的确认。
在S505中,在放大后的基准波形与取得的对象的波形之间的相关值大于上次的情况下,即使使所放大的基准波形的放大率变化,也不会接近向伺服马达流动的电流的波形,从而判断为在基准波形与向伺服马达流动的电流的波形之间相关较小。即使使放大率变化,放大后的基准波形与取得的对象的波形之间的差异也逐渐变大,因此判断为取得的对象的波形并非相对于基准波形相似地放大。因此,在那样的情况下,进行针对对象波形的FFT解析(S507)。
使用图8的流程图对关于进行FFT解析的对象波形的每个频率的分析进行说明。
针对对象波形进行FFT解析,并针对波形进行每个频率的分析(S601)。
检查特定的频带的强度是否为其他的频带的强度(功率谱)的1.5倍以上(S602)。在检查特定的频带的强度是否为其他的频带的强度的1.5倍以上时,检查与其他的频带的强度相比是否存在1.5倍以上的强度的频带,并检查该频带是否收敛于特定的频带。
在与其他的频带的强度相比存在1.5倍以上的强度的频带,并且该频带收敛于规定的频带的范围内的情况下,判断为特定的频带的强度为其他的频带的强度的1.5倍以上。在特定的频带的强度为其他的频带的强度的1.5倍以上的情况下,判断为在波形中观察到振荡趋势。因此,将在该情况下检查到异常时的向伺服马达流动的电流的波形分类为类型3。这样,将在检查为产生了异常时的向伺服马达流动的电流的波形进行傅立叶变换,相对于基准波形,存在向伺服马达流动的电流波形的成分大一定以上的频率,并且该频率收敛于规定的频率范围,将该情况作为类型3。这里所说的观察到振荡趋势的波形是指在一定的频率内观察到噪声那样的波形。
在观察到振荡趋势的波形中,通常,在高频率的区域中,观察到与通常的波形不同的噪声那样的部分。特定的频率为高频率的区域的情况较多。在本实施方式中,当在比机器人、减速机高的频率的区域中,与其他的频带的强度相比存在1.5倍以上的强度的频带的情况下,作为观察到振荡趋势的波形,并分类为类型3。
在特定频带的强度不是其他的频带的强度的1.5倍以上的情况下,检查在特定的频率强度是否为其他的频带的强度的1.5倍以上(S603)。即,检查是否仅在较窄的范围的频率成分中存在强度为其他的频率成分中的强度的1.5倍以上的部分。
在S603中,当仅在较窄的范围的频率成分中存在强度为其他的频带的强度的1.5倍以上的频率成分的情况下,判断为在波形中观察到仅较窄的范围的频率成分大幅度地突出的脉冲。这样,在存在强度与其他的频带的强度相比为1.5倍以上的频率成分并且该频率未收敛于特定的频带的区域的情况下,判断为是观察到仅在较窄的范围的频率成分中大幅度地突出的脉冲的波形。因此,在该情况下,将在检查到异常时的向伺服马达流动的电流的波形分类为类型4。这样,将在检查为产生了异常时的向伺服马达流动的电流的波形进行傅立叶变换,相对于基准波形,存在向伺服马达流动的电流波形的成分大一定以上的频率,并且该频率未收敛于规定的频率范围,将此时作为类型4。这里所说的观察到脉冲的波形是指观察到局部地偏离了一定的电平的部分那样的波形。
在S603中,当不存在只有在较窄的范围的特定的频率成分中强度为其他的频带的强度的1.5倍以上的频率成分的情况下,判断为不能检测异常部位。因此,使用其他的方法来检测异常部位。
此外,在本实施方式中,在S602中,检查特定频带的强度是否为其他的频带的强度(功率谱)的1.5倍以上,但本发明并不限定于此。也可以构成为:在整个波形中,检查对象波形的特定的频带的强度(功率谱)是否为基准波形中的相同频带的强度(功率谱)的1.5倍以上。
接下来,示出产生了异常时的各类型的波形。
在图9中示出向伺服马达流动的电流的波形相对于基准波形相似地放大并且放大率为110%时(类型1)的波形。在图10中示出向伺服马达流动的电流的波形相对于基准波形相似地放大并且放大率为200%时(类型2)的波形。在图11中示出在向伺服马达流动的电流的波形中存在振荡趋势时(类型3)的波形。在图12中示出在向伺服马达流动的电流的波形中产生有脉冲的成分时(类型4)的波形。
在检查到异常时的向伺服马达流动的电流的波形符合这4个类型中的任意一种的情况下,检测符合哪个类型,并存储符合的类型。而且,根据在异常检查步骤中发送了警报或者警示的项目、和检查到异常时的向伺服马达流动的电流的波形的类型,推定异常产生的部位。
在本实施方式中,预先制作关于异常产生的部位的表格。在该表格中,示出有与发送了警报或者警示的项目、和检查到异常时的向伺服马达流动的电流的波形的类型相应的、所推定的异常产生的部位。因此,通过参照表格,从而能够根据发送了警报或者警示的项目、和检查到异常时的向伺服马达流动的电流的波形的类型,推定异常产生的部位。这样,根据针对多个种类检测出的每天的电流值中的超出了规定的范围的值的种类、和检查为产生了异常时的向伺服马达流动的电流的波形,推定异常产生的部位(推定步骤)。在本实施方式中,选择检查为产生了异常时的向伺服马达流动的电流的波形与预先决定好的多个类型中的哪个类型相符(选择步骤)。具体而言,选择检查为产生了异常时的向伺服马达流动电流的波形与类型1~4中的哪个类型相符(电流值类型选择步骤)。
在图13中示出预先制作好的关于异常产生的部位的表格。
如图13所示,当在平方平均值的中央值超过阈值并随即发送了警报或警示时,在此时向伺服马达流动的电流的波形相似地放大并且放大率较小(类型1)时,推测为减速机发生了故障。
另外,当在平方平均值的中央值超过阈值并随即发送了警报或警示时,在此时向伺服马达流动的电流的波形相似地放大并且放大率较大(类型2)时,推测为在机器人所使用的线束中产生了异常。这里,特别是推测为在与马达制动器连接的配线上(马达制动线)产生损耗,由此电阻变大。
另外,当在平方平均值的中央值超过阈值并随即发送了警报或警示时,在此时向伺服马达流动的电流的波形是观察到振荡趋势的波形的情况(类型3)下,推定为主要是减速机中由于老化而空转(晃动)变大。
另外,当在平方平均值的标准偏差超过阈值并随即发送了警报或警示时,在此时向伺服马达流动的电流的波形是观察到振荡趋势的波形的情况(类型3)下,推测为减速机发生了故障。
另外,在峰值的中央值超过阈值,并随即发送了警报或警示,在此时向伺服马达流动的电流的波形相似地放大,并且放大率较小时(类型1),推测为减速机发生了故障。
另外,在峰值的中央值超过阈值,并随即发送了警报或警示,在此时向伺服马达流动的电流的波形相似地放大,并且放大率较大时(类型2),推测为在机器人所使用的线束中产生了异常。这里,特别是推测为在与马达制动器连接的线束产生损耗,由此电阻变大。
另外,在峰值的标准偏差超过阈值,并随即发送了警报或警示,并且在此时向伺服马达流动的电流的波形是观察到振荡趋势的波形的情况(类型3)下,推测为减速机发生了故障。
另外,在峰值的标准偏差超过阈值,并随即发送了警报或警示,并且在此时向伺服马达流动的电流的波形为观察到脉冲的波形的情况(类型4)下,可以考虑3个异常的情况。第一个情况推测为在机器人所使用的线束中产生异常,特别是推测为在与三相马达的电源线连接的线束(三相马达的线)产生了瞬间短路或者接地。第2个情况推测为在机器人所使用的线束中产生了异常,特别是推测为在与马达制动器连接的线束(马达制动器的线)产生了瞬间断线。第3个情况推测为在伺服马达产生了异常。可以考虑在伺服马达中具体而言内部的磁铁破损的情况较多。
这样,根据超出了规定的范围的值的种类、和检查为产生异常时的向伺服马达流动的电流的波形,在表格中预先汇总有异常产生的部位。而且,通过参照表格,从而推定异常产生的部位。
在本实施方式中,对于超出了规定的范围的值的种类的项目、和检查为产生了异常时的向伺服马达流动的电流的波形建立关联的异常产生的部位,可根据经验建立关联。
这样,参照预先制作好的、向伺服马达流动的电流的平方平均值、针对峰值的中央值及标准偏差、与检测到异常时的向伺服马达流动的电流的波形的关系的表格,进行对异常产生的部位的推测。在检测为产生了异常后,基于预先制作好的表格来推测异常产生的部位,因此能够对推测为产生异常的部位进行报告。对异常产生的部位进行推定,并报告异常产生的部位,因此进行针对所报告的部位的部件的更换等维护,由此能够进行装置的维护。因此,无需对异常产生的部位进行探索,从而不花费用于探索的工夫即可。
能够省去用于异常产生的部位的探索的麻烦,因此能够容易地进行维护等时的装置的操作。因此,能够提供使用便利性良好的装置。
另外,能够缩短用于维护的时间,从而能够缩短为了维护而不能进行作业的时间。因此,能够更高效地进行作业,从而能够将运转成本抑制得较少。
此外,在上述实施方式中,针对向伺服马达流动的电流值,按照每个周期计算平方平均值和峰值,并按照每天计算平方平均值和峰值的中央值、标准偏差。而且,参照表格,通过使向伺服马达流动的电流值的波形符合规定的类型,从而检测异常产生的部位。然而,上述实施方式并不局限于此,也可以构成为:针对伺服马达的位置偏差,按照每个周期计算平方平均值和峰值,并按照每天计算伺服马达的位置偏差的平方平均值和峰值的中央值、标准偏差。另外,也可以构成为:在根据每天的伺服马达的位置偏差的平方平均值和峰值的中央值、标准偏差检测出异常时,针对伺服马达的位置偏差的波形,从规定的类型中选择相符的类型,由此检测异常产生的部位。
这样,作为在异常检查步骤或者部位检测步骤中检测并观察的被观察值,也可以使用伺服马达的位置偏差。
这里所说的位置偏差是指与位置有关的指令值、同实际的机器人的位置之间的偏移。
伺服马达的位置偏差例如也可以是根据位置指令值反向计算的伺服马达的角度位置与编码器的实际的输出结果之间的偏差。在不向伺服马达给予位置指令作为指令值而仅给予电流指令、速度指令的情况下,周期中的机器人的位置也可以是根据数据(作为时间函数的位置数据)反向计算的伺服马达的角度位置。
对针对伺服马达的位置偏差,按照每个周期计算平方平均值和峰值,并按照每天计算平方平均值和峰值的中央值、标准偏差的形态进行说明。
对于机器人反复进行的动作中的每1个周期的动作而言,在规定的动作中,按照每个周期检测伺服马达的位置偏差(周期位置偏差检测步骤)。在周期位置偏差检测步骤中,按照每个周期计算规定的动作中的伺服马达的位置偏差的平方平均值和峰值。
根据按照每个周期检测的位置偏差,检测每天的位置偏差(每天位置偏差检测步骤)。在每天位置偏差检测步骤中,按照每天计算平方平均值的中央值(位置偏差平方平均中央值计算步骤),按照每天计算平方平均值的标准偏差(位置偏差平方平均标准偏差计算步骤),按照每天计算峰值的中央值(位置偏差峰值中央值计算步骤),并按照每天计算峰值的标准偏差(位置偏差峰值标准偏差计算步骤)。
在异常检查步骤中,在每天的位置偏差的代表值超出了规定的范围时,检查为产生了异常。若检查为产生了异常,则进行检测异常产生的部位的部位检测步骤。
在部位检测步骤中,根据针对多个种类检测出的每天的位置偏差中的超出了规定的范围的值的种类、和在异常检查步骤中检查为产生了异常时的伺服马达的位置偏差的波形,推定异常产生的部位(推定步骤)。
在本实施方式中,对于异常产生的部位,也根据超出了规定的范围的值的种类、和在异常检查步骤中检查为产生了异常时的伺服马达的位置偏差的波形的类型,预先汇总于表格。在推定步骤中,通过参照该表格,从而推定异常产生的部位。
对于产生了异常时的伺服马达的位置偏差的波形,如图14、15所示。图14是表示在伺服马达的位置偏差的波形中相对于基准波形产生了振荡趋势时的波形的波形图。
对于伺服马达的位置偏差而言,在观察到图14所示的波形的情况下,与观察到电流值的波形的情况下的类型3相同,判断为在波形中存在振荡趋势(类型5)。
图15是表示在伺服马达的位置偏差的波形中相对于基准波形产生了脉冲时的波形的波形图。
对于伺服马达的位置偏差而言,在观察到图15所示的波形的情况下,与观察到电流值的波形的情况下的类型4相同,判断为在波形中观察到脉冲(类型6)。
在伺服马达的位置偏差的波形中,在机构上难以考虑波形相对于基准波形相似地放大。因此,难以考虑伺服马达的位置偏差的波形为相对于基准波形相似地放大那样的波形,这里,不进行伺服马达的位置偏差的波形是否相对于基准波形相似地放大的判断。
对于伺服马达的位置偏差的波形是观察到振荡趋势的波形(类型5),还是观察到脉冲的波形(类型6),与根据向伺服马达流动的电流值的波形判断的情况相同,针对伺服马达的位置偏差的波形进行FFT解析。当在针对伺服马达的位置偏差的波形进行FFT解析后检测伺服马达的位置偏差的波形与哪个类型相符时,以与针对伺服马达的电流的波形进行检测的S601~S603(图8)相同的方式进行。
若针对伺服马达的位置偏差的波形进行FFT解析,则检查特定的频带的强度是否为其他的频带的强度的1.5倍以上。另外,在特定的频带的强度为其他的频带的强度的1.5倍以上的情况下,检查该频带是否收敛于特定的频带。
在与其他的频带的强度相比存在1.5倍以上的强度的频带,并且该频带收敛于规定的频带的范围内的情况下,判断为特定的频带的强度为其他的频带的强度的1.5倍以上。在该情况下,判断为在波形中观察到振荡趋势,并将检查到异常时的伺服马达的位置偏差的波形分类为类型5。
在作为其他的频带的强度的1.5倍以上的特定频带未收敛于规定的频带的范围内的情况下,检查在其他的特定的频率强度是否为其他的频带的强度的1.5倍以上。即,检查仅在较窄的范围的频率成分中是否存在强度为其他的频率成分中的强度的1.5倍以上的部分。
当仅在较窄的范围的频率成分中存在强度为其他的频带的强度的1.5倍以上的频率成分的情况下,判断为在波形中观察到仅特定的频率成分大幅度地突出的脉冲。因此,在该情况下,将检查到异常时的伺服马达的位置偏差的波形分类为类型6。
这样,选择检查到产生了异常时的伺服马达的位置偏差的波形与类型5或者类型6中的哪个类型相符(位置偏差类型选择步骤)。
在图16中示出与伺服马达的每天的位置偏差的超出了规定的范围的值的种类、和在异常检查步骤中检查到产生了异常时的伺服马达的位置偏差的波形的类型相应的、异常产生的部位的表格。
如图16所示,当在伺服马达的位置偏差的平方平均值的中央值超过阈值并随即发送了警报或警示时,在此时的伺服马达的位置偏差的波形为观察到脉冲的波形的情况下,推测为在机器人所使用的线束中产生了异常。这里,特别是推测为在与三相马达的电源线连接的线束(三相马达的线)产生损耗,由此电阻变大。
另外,当在伺服马达的位置偏差的平方平均值的中央值超过阈值并随即发送了警报或警示时,在此时的伺服马达的位置偏差的波形为观察到振荡趋势的波形的情况下,推测在机器人所使用的线束中产生了异常。这里,特别是推测为在与三相马达的电源线连接的线束(三相马达的线)产生瞬间断线。
另外,当在伺服马达的位置偏差的峰值的标准偏差超过阈值并随即发送了警报或警示时,在此时的伺服马达的位置偏差的波形为观察到脉冲的波形的情况下,推测为在机器人所使用的线束中产生了异常。这里,特别是推测为在与三相马达的电源线连接的线束(三相马达的线)产生了瞬间断线。
这样,参照针对伺服马达的位置偏差的平方平均值、针对峰值的中央值及标准偏差、与检测到异常时的伺服马达的位置偏差的波形的关系的表格,能够进行对异常产生的部位的推测。即使在使用检测伺服马达的位置偏差的平方平均值、峰值的中央值和标准偏差,并基于位置偏差的波形检测异常产生的位置的方法的情况下,也能够基于表格推测异常产生的部位。
例如,当在线束存在断线等异常的情况下,容易表现为对伺服马达的位置偏差影响较大。因此,为了进行是否在线束产生了异常的确认,以下方法更合适,即,针对伺服马达的位置偏差计算平方平均值、峰值的中央值和标准偏差,根据这些值进行是否产生了异常的检查,并且使用产生了异常时的位置偏差的波形来进行异常产生的部位的检测。由此,能够更可靠地检查是否在线束产生了异常。
另外,也可以复合地使用向伺服马达流动的电流值、和伺服马达的位置偏差来进行异常检查步骤,并且进行部位检测步骤。根据复合的检测结果检测产生了异常这一情况,并且在部位检测步骤中检测异常产生的部位,因此在装置中产生了由老化引起的异常时,能够更可靠地检查产生了异常这一情况。
对于图2所示的电流取得单元15的电流值的取得,除了由机器人100的运算部14a直接取得电流指令值之外,也存在通过传感器直接取得向伺服马达流动的电流值的方法。然而,在使用三相马达作为伺服马达的情况下,即使检测在三相马达的各相中流动的电流的电流值,也由于存在3个电流值、并且电流是交流电流所以3个电流值时时刻刻地进行变化的缘故,而难以形成曲线图。为了在曲线图中将电流值表示为时间序列的波形,优选用一个值计算电流值。
这里,对在取得向伺服马达流动的电流值时使用的算式进行说明。
使在三相马达的各相中流动的电流(iu,iv,iw)变换为不会有助于扭矩的电流的id轴电流(id)、和作为有助于扭矩的扭矩分量电流的iq轴电流(iq)这两个轴。
[公式1]
Iu、iv、iw为平衡三相交流,因此各相的电流能够表示为算式2。
[公式2]
另外,若假定为将作为定子励磁电流矢量的iq、作为转子励磁分量矢量的id控制为正交,则满足算式3的关系(只要不在特殊的状况下,就将马达控制为满足算式3的关系)。
[公式3]
若使用算式2、算式3来计算算式1,则导出算式4。
[公式4]
使用算式4的关系来计算各相电流的平方和。
[公式5]
若使算式5变形,则导出算式6。
[公式6]
根据算式6,能够使用iq/(2)1/2作为电流指令值。
这样,用一个值计算电流值,因此对于电流指令值能够将时间序列的波形表示为曲线图。由此,在由伺服马达产生的扭矩一定的情况下,扭矩分量电流值iq一定,从而能够容易地计算为一个电流值。
在本实施方式中,能够使用iq/(2)1/2作为电流值,因此在异常检查步骤中,在使用伺服马达的电流值作为被观察值的情况下,能够按每个周期计算电流值的平方平均值、和峰值。因此,能够计算每个周期的向伺服马达流动的电流值的代表值。另外,根据按照每个周期计算的电流值的代表值,能够计算每天的电流值的代表值。
另外,能够将关于在伺服马达中流动的电流值的波形表示为曲线图,因此在产生了异常时,能够选择关于电流值的波形与预先决定好的多个类型中的哪个类型相符。由此,能够容易地进行产生了异常的部位的推定。
附图标记说明
100…机器人;50…控制装置。
Claims (8)
1.一种异常产生的部位的推定方法,是使用伺服马达使臂驱动的机器人中的异常产生的部位的推定方法,其特征在于,
具备:
异常检查步骤,对产生了异常的情况进行检查;
部位检测步骤,当在所述异常检查步骤中检查到产生了异常时,检测在哪个部位产生了异常;
周期被观察值检测步骤,对于所述机器人反复进行的动作中的每1个周期的动作而言,将在规定的动作中向所述伺服马达流动的电流值或者所述伺服马达的位置偏差作为被观察值来观察推移,并检测每个周期的所述被观察值的代表值;以及
每天被观察值检测步骤,根据按照每个周期所检测的所述被观察值的代表值,检测每天的所述被观察值的代表值,
在所述异常检查步骤中,在每天的所述被观察值的代表值超出了规定的范围时,检查到产生了异常,
所述部位检测步骤具备推定步骤,所述推定步骤根据针对多个种类检测出的每天的所述被观察值的代表值中的超出了规定的范围的值的种类、和在所述异常检查步骤中检查到产生了异常时的所述被观察值的波形,推定异常产生的部位。
2.根据权利要求1所述的异常产生的部位的推定方法,其特征在于,
根据超出了所述规定的范围的值的种类、和在所述异常检查步骤中检查到产生了异常时的所述被观察值的波形,在表格中预先汇总所述异常产生的部位,
在所述推定步骤中,通过参照所述表格,从而推定所述异常产生的部位。
3.根据权利要求2所述的异常产生的部位的推定方法,其特征在于,
所述周期被观察值检测步骤按照每个周期计算所述规定的动作中的所述被观察值的平方平均值和峰值,
在所述每天被观察值检测步骤中,具备:
平方平均中央值计算步骤,按照每天计算所述平方平均值的中央值;
平方平均标准偏差计算步骤,按照每天计算所述平方平均值的标准偏差;
峰值中央值计算步骤,按照每天计算所述峰值的中央值;以及
峰值标准偏差计算步骤,按照每天计算所述峰值的标准偏差。
4.根据权利要求3所述的异常产生的部位的推定方法,其特征在于,
在所述异常检查步骤中,当在所述平方平均中央值计算步骤中计算出的所述平方平均值的中央值、在所述平方平均标准偏差计算步骤中计算出的所述平方平均值的标准偏差、在所述峰值中央值计算步骤中计算出的所述峰值的中央值、以及在所述峰值标准偏差计算步骤中计算出的所述峰值的标准偏差的任意一个值超出了规定的范围时,检查到产生了异常。
5.根据权利要求2~4中任一项所述的异常产生的部位的推定方法,其特征在于,
所述推定步骤具备选择步骤,所述选择步骤选择在所述异常检查步骤中检查到产生了异常时的所述被观察值的波形与预先决定好的多个类型中的哪个类型相符。
6.根据权利要求5所述的异常产生的部位的推定方法,其特征在于,
所述被观察值是向所述伺服马达流动的电流值,
在所述选择步骤中,将在所述异常检查步骤中检查到产生了异常时的向所述伺服马达流动的电流的波形相对于未产生异常时的向所述伺服马达流动的电流的基准波形相似地放大,将放大率为阈值以下时作为类型1,
将放大率大于阈值时作为类型2,
将相对于基准波形存在成分为一定以上的大的频率,并且该频率收敛于规定的频率范围时作为类型3,
将所述频率未收敛于规定的频率范围时作为类型4,
所述选择步骤具备电流值类型选择步骤,所述电流值类型选择步骤选择在所述异常检查步骤中检查到产生了异常时的向所述伺服马达流动的电流的波形与从所述类型1到所述类型4中的哪个类型相符,
所述类型3的“相对于基准波形存在成分为一定以上的大的频率”是指,在所述异常检查步骤中检查到产生了异常时的向所述伺服马达流动的电流的波形中,与其他的频带的强度相比存在1.5倍以上的强度的频带。
7.根据权利要求5所述的异常产生的部位的推定方法,其特征在于,
所述被观察值是所述伺服马达的位置偏差,
在所述选择步骤中,将在所述异常检查步骤中检查到产生了异常时的所述伺服马达的位置偏差的波形相对于未产生异常时的所述伺服马达的位置偏差的基准波形存在成分为一定以上的大的频率,并且该频率收敛于规定的频率范围时作为类型5,
将所述频率未收敛于规定的频率范围时作为类型6,
所述选择步骤具备位置偏差类型选择步骤,所述位置偏差类型选择步骤选择在所述异常检查步骤中检查到产生了异常时的所述伺服马达的位置偏差的波形与所述类型5和所述类型6中的哪个类型相符,
所述类型5的“在所述异常检查步骤中检查到产生了异常时的所述伺服马达的位置偏差的波形相对于所述基准波形存在成分为一定以上的大的频率”是指,在所述异常检查步骤中检查到产生了异常时的所述伺服马达的位置偏差的波形中,与其他的频带的强度相比存在1.5倍以上的强度的频带。
8.一种记录执行异常产生的部位的推定的程序的记录介质,该程序执行使用伺服马达使臂驱动的机器人中的异常产生的部位的推定,其特征在于,
该程序具备:
异常检查步骤,对产生了异常的情况进行检查;
部位检测步骤,当在所述异常检查步骤中检查到产生了异常时,检测在哪个部位产生了异常;
周期被观察值检测步骤,对于所述机器人反复进行的动作中的每1个周期的动作而言,将在规定的动作中向所述伺服马达流动的电流值或者所述伺服马达的位置偏差作为被观察值来观察推移,并检测每个周期的所述被观察值的代表值;以及
每天被观察值检测步骤,根据按照每个周期所检测的所述被观察值的代表值,检测每天的所述被观察值的代表值,
在所述异常检查步骤中,在每天的所述被观察值的代表值超出了规定的范围时,检查到产生了异常,
所述部位检测步骤具备推定步骤,所述推定步骤根据针对多个种类检测出的每天的所述被观察值的代表值中的超出了规定的范围的值的种类、和在所述异常检查步骤中检查到产生了异常时的所述被观察值的波形,推定异常产生的部位,
该程序使计算机执行所述异常检查步骤、所述部位检测步骤、所述周期被观察值检测步骤以及所述每天被观察值检测步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017193595A JP7021895B2 (ja) | 2017-10-03 | 2017-10-03 | 異常の生じた部位の推定方法及び異常の生じた部位の推定を行わせるプログラム |
JP2017-193595 | 2017-10-03 | ||
PCT/JP2018/036762 WO2019069877A1 (ja) | 2017-10-03 | 2018-10-02 | 異常の生じた部位の推定方法及び異常の生じた部位の推定を行わせるプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111148609A CN111148609A (zh) | 2020-05-12 |
CN111148609B true CN111148609B (zh) | 2023-10-20 |
Family
ID=65994326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880062326.3A Active CN111148609B (zh) | 2017-10-03 | 2018-10-02 | 异常产生的部位的推定方法和记录执行异常产生的部位的推定的程序的记录介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11241793B2 (zh) |
EP (1) | EP3693140A4 (zh) |
JP (1) | JP7021895B2 (zh) |
CN (1) | CN111148609B (zh) |
WO (1) | WO2019069877A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102596214B1 (ko) * | 2019-07-04 | 2023-11-01 | 엘지전자 주식회사 | 로봇의 이상감지 시스템 및 그 제어방법 |
JP6619908B1 (ja) * | 2019-09-13 | 2019-12-11 | 三菱重工業株式会社 | 診断装置、診断方法および診断プログラム |
JP7396850B2 (ja) * | 2019-10-18 | 2023-12-12 | ファナック株式会社 | ロボット |
JP2021084177A (ja) * | 2019-11-28 | 2021-06-03 | ファナック株式会社 | 無人搬送ロボットシステム |
JP7477367B2 (ja) * | 2020-05-29 | 2024-05-01 | 株式会社日立製作所 | 異常機器判定システム |
JP7452504B2 (ja) * | 2021-09-07 | 2024-03-19 | Jfeスチール株式会社 | プロセスの異常状態判定方法およびプロセスの異常状態判定装置 |
CN117233602B (zh) * | 2023-11-07 | 2024-01-30 | 迈为技术(珠海)有限公司 | 刺晶机老化检测方法和刺晶机 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07100724A (ja) * | 1993-09-30 | 1995-04-18 | Jatco Corp | 被加工物用移動機構の監視装置 |
JPH10254539A (ja) * | 1997-03-10 | 1998-09-25 | Nissan Motor Co Ltd | 機械装置の駆動系の異常診断方法 |
CN1977444A (zh) * | 2004-06-29 | 2007-06-06 | Thk株式会社 | 异常检测方法以及电动机控制装置 |
CN101290516A (zh) * | 2007-04-20 | 2008-10-22 | 发那科株式会社 | 具有误差过大检测功能的控制装置 |
CN104583887A (zh) * | 2012-09-13 | 2015-04-29 | 欧姆龙株式会社 | 监视装置、监视方法、程序及记录介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59188517A (ja) * | 1983-04-11 | 1984-10-25 | Fanuc Ltd | サ−ボ制御系の絶対位置検出方式 |
JPH06344293A (ja) * | 1993-06-03 | 1994-12-20 | Nissan Motor Co Ltd | 産業用ロボットの故障診断装置 |
JPH09311715A (ja) * | 1996-05-22 | 1997-12-02 | Fanuc Ltd | ロボットの異常発生履歴表示方法 |
JP2001333594A (ja) * | 2000-05-22 | 2001-11-30 | Sony Corp | アクチュエータの負荷検出システム、及び、脚式移動ロボット |
JP2004326417A (ja) * | 2003-04-24 | 2004-11-18 | Institute Of Physical & Chemical Research | 直動アクチュエータユニット |
JP2005228732A (ja) * | 2004-01-15 | 2005-08-25 | Omron Corp | 故障検出装置 |
US9104650B2 (en) * | 2005-07-11 | 2015-08-11 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
JP2008022590A (ja) * | 2006-07-10 | 2008-01-31 | Nachi Fujikoshi Corp | サーボモータ監視装置 |
JP6302569B2 (ja) | 2014-12-26 | 2018-03-28 | 川崎重工業株式会社 | 搬送装置の制御装置 |
JP6344293B2 (ja) | 2015-04-03 | 2018-06-20 | 株式会社デンソー | 電池パック |
DE112016001831B4 (de) | 2015-05-21 | 2019-09-19 | Kastanienbaum GmbH | Verfahren und Vorrichtung zur Steuerung/Regelung eines aktorisch angetriebenen Robotergelenks |
JP6677198B2 (ja) * | 2017-03-16 | 2020-04-08 | トヨタ自動車株式会社 | ロボットの故障診断支援システム及び故障診断支援方法 |
-
2017
- 2017-10-03 JP JP2017193595A patent/JP7021895B2/ja active Active
-
2018
- 2018-10-02 EP EP18864190.6A patent/EP3693140A4/en active Pending
- 2018-10-02 WO PCT/JP2018/036762 patent/WO2019069877A1/ja unknown
- 2018-10-02 CN CN201880062326.3A patent/CN111148609B/zh active Active
- 2018-10-02 US US16/753,407 patent/US11241793B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07100724A (ja) * | 1993-09-30 | 1995-04-18 | Jatco Corp | 被加工物用移動機構の監視装置 |
JPH10254539A (ja) * | 1997-03-10 | 1998-09-25 | Nissan Motor Co Ltd | 機械装置の駆動系の異常診断方法 |
CN1977444A (zh) * | 2004-06-29 | 2007-06-06 | Thk株式会社 | 异常检测方法以及电动机控制装置 |
CN101290516A (zh) * | 2007-04-20 | 2008-10-22 | 发那科株式会社 | 具有误差过大检测功能的控制装置 |
CN104583887A (zh) * | 2012-09-13 | 2015-04-29 | 欧姆龙株式会社 | 监视装置、监视方法、程序及记录介质 |
Also Published As
Publication number | Publication date |
---|---|
JP7021895B2 (ja) | 2022-02-17 |
EP3693140A1 (en) | 2020-08-12 |
US20200306971A1 (en) | 2020-10-01 |
JP2019067240A (ja) | 2019-04-25 |
EP3693140A4 (en) | 2021-07-28 |
WO2019069877A1 (ja) | 2019-04-11 |
US11241793B2 (en) | 2022-02-08 |
CN111148609A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111148609B (zh) | 异常产生的部位的推定方法和记录执行异常产生的部位的推定的程序的记录介质 | |
CN108638128B (zh) | 一种工业机器人的实时异常监测方法及其系统 | |
JP6765320B2 (ja) | 交流電動機の制御装置 | |
EP1772960B1 (en) | Load monitor | |
CN102019564A (zh) | 机床的三维轨迹显示装置 | |
US20060247888A1 (en) | Machine tool | |
CN109719756B (zh) | 寿命预测装置 | |
JP6649023B2 (ja) | 学習制御器の特性測定を行う機能を有するサーボ制御装置 | |
TW202040918A (zh) | 監視裝置、監視方法、伺服放大器、產業用控制器及工具機 | |
JP6708676B2 (ja) | 異常要因特定装置 | |
CN116018245A (zh) | 状态监视装置、状态异常判别方法以及状态异常判别程序 | |
WO2016121689A1 (ja) | 不具合診断方法及び不具合診断システム | |
Hofmeister et al. | Prognostic health management (PHM) of electrical systems using condition-based data for anomaly and prognostic reasoning | |
WO2016103909A1 (ja) | 電動機の診断装置 | |
US9397554B2 (en) | Motor drive device having function of estimating dead time in output stage | |
EP3599716B1 (en) | Fault isolation for pulse width modulated three phase motor systems | |
US10663943B2 (en) | Parameter determination support device, and non-transitory computer-readable medium encoded with program | |
WO2021240959A1 (ja) | 異常機器判定システム | |
Laughman et al. | A two-step method for estimating the parameters of induction machine models | |
US10928452B2 (en) | Parameter determination support device, and non-transitory computer-readable medium encoded with program | |
EP3865677A1 (en) | Health diagnosis of hybrid powerplant | |
US10802474B2 (en) | Parameter determination support device, and non-transitory computer-readable medium encoded with program | |
JP2023110262A (ja) | ロボット診断装置、ロボット診断方法およびロボット診断プログラム | |
JP2019058999A (ja) | 異常診断装置及び異常診断システム | |
DE102020208362A1 (de) | Servomotor-steuerung |
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 |