CN111579001A - 机器人的故障检测方法及装置 - Google Patents
机器人的故障检测方法及装置 Download PDFInfo
- Publication number
- CN111579001A CN111579001A CN202010493729.2A CN202010493729A CN111579001A CN 111579001 A CN111579001 A CN 111579001A CN 202010493729 A CN202010493729 A CN 202010493729A CN 111579001 A CN111579001 A CN 111579001A
- Authority
- CN
- China
- Prior art keywords
- fault
- robot
- sensing data
- data
- information
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 113
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000005299 abrasion Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004092 self-diagnosis Methods 0.000 description 2
- 238000004901 spalling Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人的故障检测方法及装置。其中，该方法包括：获取设置在机器人上的传感器采集到的传感数据，其中，所述传感器为以下之一：温度传感器、振动传感器、压力传感器；将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，所述提醒信息为以下之一：报警信息、预警信息；将所述传感数据进行信号分析，得到分析结果；根据所述分析结果和所述提醒信息，生成所述机器人故障的展示数据。本发明解决了现有技术针对机器人的故障检测效果不佳的技术问题。
Description
技术领域
本发明涉及故障检测领域，具体而言，涉及一种机器人的故障检测方法及装置。
背景技术
随着智能化机器人的不断发展，智能化机器人可以帮助人们进行很多任务，无论在生活和工作方面都提供了诸多便利。由于机器人的机构复杂，需要对机器人进行定期的故障检测和故障检修工作，以便机器人可以在得到合理保养的情况下更好的为人们服务。
目前，在机器人故障检测领域中，针对机器人本体的传统故障诊断存在的故障报警不及时，故障部位准确率低，早期故障预测难等问题，还没有合理且有效的应对方法，现有技术中技术人员仅仅将传感器安装在机器人上来收集机器人的工作运行参数，并根据参数进行简单地故障判断，例如，温度是否过高的。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种机器人的故障检测方法及装置，以至少解决现有技术针对机器人的故障检测效果不佳的技术问题。
根据本发明实施例的一个方面，提供了一种机器人的故障检测方法，包括：获取设置在机器人上的传感器采集到的传感数据，其中，所述传感器为以下之一：温度传感器、振动传感器、压力传感器；将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，所述提醒信息为以下之一：报警信息、预警信息；将所述传感数据进行信号分析，得到分析结果；根据所述分析结果和所述提醒信息，生成所述机器人故障的展示数据。
可选的，所述将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息包括：将所述传感数据的数值与所述预设阈值进行比较；当所述传感数据的数值大于所述预设阈值时，则发出所述报警信息；当所述传感数据的数值不大于所述预设阈值时，判断所述传感数据的数值是否符合预警提醒的条件，若符合，则发出所述预警信息。
可选的，所述将所述传感数据进行信号分析，得到分析结果包括：通过时域分析方法分析所述传感数据，得到所述故障程度数据；通过频域分析方法分析所述传感数据，得到所述故障位置数据。
可选的，所述传感数据中包括所述机器人目标部位的振动信号，通过时域分析方法分析所述传感数据，得到所述故障程度数据包括：对所述振动信号的有效值和所述振动信号的峰值进行分析，确定所述目标部位的故障程度数据。
可选的，所述传感数据中包括所述机器人目标部位的振动信号，通过频域分析方法分析所述传感数据，得到所述故障位置数据包括：对所述振动信号的频率幅值进行分析，确定所述目标部位的故障位置数据。
可选的，在所述将所述传感数据进行信号分析，得到分析结果之后，所述方法还包括：将所述分析结果录入故障数据库，其中，所述故障数据库用于预先判断所述机器人的故障。
可选的，所述根据所述分析结果和所述提醒信息，生成展示数据包括：获取所述分析结果和所述提醒信息；将所述分析结果和所述提醒信息传输至展示数据库；在所述展示数据库中对所述分析结果和所述提醒信息进行数据处理，得到展示数据；将所述展示数据进行展示。
根据本发明实施例的另一方面，还提供了一种机器人的故障检测装置，包括：获取模块，用于获取设置在机器人上的传感器采集到的传感数据，其中，所述传感器为以下之一：温度传感器、振动传感器、压力传感器；提醒模块，用于将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，所述提醒信息为以下之一：报警信息、预警信息；分析模块，用于将所述传感数据进行信号分析，得到分析结果；展示模块，用于根据所述分析结果和所述提醒信息，生成所述机器人故障的展示数据。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种机器人的故障检测方法。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种机器人的故障检测方法。
在本发明实施例中，采用获取设置在机器人上的传感器采集到的传感数据，其中，所述传感器为以下之一：温度传感器、振动传感器、压力传感器；将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，所述提醒信息为以下之一：报警信息、预警信息；将所述传感数据进行信号分析，得到分析结果；根据所述分析结果和所述提醒信息，生成所述机器人故障的展示数据的方式，通过对机器人传感器进行数据采集和分析，并录入相应的故障数据库，达到了检测故障和预测故障的目的，解决了现有技术针对机器人的故障检测效果不佳的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种机器人的故障检测方法的流程图；
图2是根据本发明实施例的一种机器人的故障检测装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种机器人的故障检测方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1是根据本发明实施例的一种机器人的故障检测方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取设置在机器人上的传感器采集到的传感数据，其中，传感器为以下之一：温度传感器、振动传感器、压力传感器。
具体的，本发明实施例用于检测机器人的故障情况，因此为了实时获取机器人在运行中的各种运动参数，需要在机器人装置上安装不同功能的传感器来采集不同的机器人运行参数，其中，传感器为以下之一：温度传感器、振动传感器、压力传感器，也可以包括以上三种传感器同时安装，分别采集机器人在运行中的温度、振动信号、压力信号，并将相关数据传递至机器人的处理器中进行汇总和处理。
需要说明的是，机器人上安装的传感器在进行采集数据之前，机器人需要对系统进行初始化操作，利用处理器中存在的系统初始化程序，对机器人各项装置的功能进行初始化配置，删除临时缓存数据，排除运行卡顿等情况的出现。
还需要说明的是，在机器人运行传感器采集传感参数之前，本发明实施例还需要进行系统自诊断功能，具体的，通过处理器中的系统自诊断程序对机器人各个部件发出诊断信号，并根据各个部件的反馈信息来判断是否存在损坏的部件。例如，机器人处理器向温度传感器发出高电平请求信息号，即请求温度传感器返回高电平回馈信号，那么当温度传感器返回了高电平信号至处理器后，处理器判断该温度传感器部件自诊断成功。
步骤S104，将传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，提醒信息为以下之一：报警信息、预警信息。
具体的，当机器人的传感器部件采集到不同的传感参数之后，需要将采集到的参数与预设阈值进行比较，预设阈值是用户根据部件的标准以及需求来设置的参数值，即当传感器采集的数据数值超过预设阈值或者超过预设阈值的一定百分比的时候，发处提醒信息，其中，提醒信息为以下之一：报警信息、预警信息。
需要说明的是，报警信息是当传感器采集到的机器人运行参数超过了一定界限或阈值时，存在着故障事实时所采用的提醒方式。而预警信息是当传感器采集到的机器人运行参数未超过了一定界限或阈值，但相对于正常工作运行参数值偏高，预示着存在着故障风险时，所采用的提醒方式。
可选的，将传感数据与预设阈值进行比较，并根据比较结果发出提醒信息包括：将传感数据的数值与预设阈值进行比较；当传感数据的数值大于预设阈值时，则发出报警信息；当传感数据的数值不大于预设阈值时，判断传感数据的数值是否符合预警提醒的条件，若符合，则发出预警信息。
例如，针对机器人本体、外围设备等多钟设备系统的监测管理，需要进行自动化综合管理及集中远程监测管理。机器人本体在线故障诊断系统主要由上位机通过开发上位机软件功能，文件传输功能，系统具有文本传输，通过FTP方式，将数据传输到基础平台，然后通过振动传感器采集实时监测功能，通过对电机轴承温度，振动的监测及对参数进行阀值设置。电机、滚筒轴承的振动峰值及温度实时监测，对温度，峰值上、下线设置，超过限值则进行报警警示。
步骤S106，将传感数据进行信号分析，得到分析结果。
具体的，将传感数据进行信号分析可以达到通过分析机器人传感器所采集到的数据，判断是否存在故障并判断具体的故障情况，例如故障的程度或者故障的位置。
可选的，将传感数据进行信号分析，得到分析结果包括：通过时域分析方法分析传感数据，得到故障程度数据；通过频域分析方法分析传感数据，得到故障位置数据。
可选的，传感数据中包括机器人目标部位的振动信号，通过时域分析方法分析传感数据，得到故障程度数据包括：对振动信号的有效值和振动信号的峰值进行分析，确定目标部位的故障程度数据。
可选的，传感数据中包括机器人目标部位的振动信号，通过频域分析方法分析传感数据，得到故障位置数据包括：对振动信号的频率幅值进行分析，确定目标部位的故障位置数据。
具体的，机器人传感器所在的监测部位的振动信号源主要来自设备轴承部分，对该信号的处理主要采用时、频特性分析实现，是利用时域指标的有效值和峰值进行判断；上述判断的核心方法为对轴承故障的合理评价分析：轴承的磨损程度越大，振动信号的有效值越高；冲击力越大，峰值越高；有效值适合轴承磨损，峰值适合对疲劳剥落等瞬变的冲击振动的故障进行检测。
进一步地，当机器人的机械部件有故障时，时域分析可以得到故障严重程度，而要想知道故障发生的位置时就需要进行频域分析，即要分析原时域信号的频率成分的幅值和相位信息，因此有效值、峰值等参数指标对轴承的特征频率也可作为特征参数诊断故障，从而以各项指标诊断判断出故障进行分析。有效值指标，它反映信号平均能量大小，振动的实际强度。有效值指标的数学表达式为:
其离散化计算公式为：
式中，Xrms-有效值指标；
x(t)—反映机械状态的参量；
p(x)—该机械状态参量幅值的概率密度函数；
T—信号的样样本长度；
N—离散化信号的样本点数。
峰值(Xp)定义为信号波形中的最大幅度幅值:
XP＝max[|x(ti)|]
峰值指标：
峰值指标用来检测信号是否存在冲击的统计指标。
此外，频域分析是把以时间为横坐标的时域信号通过傅里叶变换转为以频率为横坐标的频域信号，从而得到关于原时域信号频率成分的幅值和相位的一种分析方法。
其数学运算式为：
式中x(t)—时域信号(振动加速度，速度或位移等一切以时间t为自变量的函数)；
X(f)—信号的频域表示，是以频率为自变量的函数。
频域分析可以依据振动信号的频率幅值进行分析，推断故障部位更加精确。判断指标除了有效值，峰值辨别法等还有振动烈度，峭度系数法，峰值因数法等，根据检测设备属性进行故障参数选择。
可选的，在将传感数据进行信号分析，得到分析结果之后，该方法还包括：将分析结果录入故障数据库，其中，故障数据库用于预先判断机器人的故障。
具体的，根据本发明实施例的传感数据分析过程所得到的分析结果，可以判断出当次机器人的部件故障的具体程度以及故障位置，那么为了以后该机器人在发生故障或者即将发生故障的时候进行预先判断故障情况及风险，可以将分析结果录入故障数据库，其中，故障数据库用于预先判断机器人的故障。通过将分析结果中的故障情况以及发生故障时的机器人传感数据录入故障专家数据库存储，当机器人某一次运行的运行参数接近数据库中的某一组分析结果时，机器人处理器可以调用该组故障分析结果，作为预警提示信息，供维修人员参考。
步骤S108，根据分析结果和提醒信息，生成机器人故障的展示数据。
可选的，根据分析结果和提醒信息，生成展示数据包括：获取分析结果和提醒信息；将分析结果和提醒信息传输至展示数据库；在展示数据库中对分析结果和提醒信息进行数据处理，得到展示数据；将展示数据进行展示。
具体的，由于机器人发生故障后且在分析故障情况之后，需要将故障情况以及提醒信息传递给维修人员或者监管方，所以需要构建展示数据库，用于存储故障分析结果以及相应的提醒信息，当用户需要进行查看的时候，展示屏幕可以从展示数据库中调取相关的信息以供用户进行了查看。
进一步地，针对展示数据库中的分析结果和提醒信息，为了使用户更加直观方便的进行分析和判断，展示数据库可以对分析结果和提醒信息进行数据处理，例如可以是通过数据归纳统计，将分析结果中的传感数据按照时间轴分布来进行绘图，使得观看者直观地看到传感器采集到的传感数据。
通过上述步骤，可以实现故障报警及时，故障部位准确率高，早期故障预测的技术效果。
实施例二
图2是根据本发明实施例的一种机器人的故障检测装置的结构框图，如图2所示，包括：
获取模块20，用于获取设置在机器人上的传感器采集到的传感数据，其中，传感器为以下之一：温度传感器、振动传感器、压力传感器。
具体的，本发明实施例用于检测机器人的故障情况，因此为了实时获取机器人在运行中的各种运动参数，需要在机器人装置上安装不同功能的传感器来采集不同的机器人运行参数，其中，传感器为以下之一：温度传感器、振动传感器、压力传感器，也可以包括以上三种传感器同时安装，分别采集机器人在运行中的温度、振动信号、压力信号，并将相关数据传递至机器人的处理器中进行汇总和处理。
需要说明的是，机器人上安装的传感器在进行采集数据之前，机器人需要对系统进行初始化操作，利用处理器中存在的系统初始化程序，对机器人各项装置的功能进行初始化配置，删除临时缓存数据，排除运行卡顿等情况的出现。
还需要说明的是，在机器人运行传感器采集传感参数之前，本发明实施例还需要进行系统自诊断功能，具体的，通过处理器中的系统自诊断程序对机器人各个部件发出诊断信号，并根据各个部件的反馈信息来判断是否存在损坏的部件。例如，机器人处理器向温度传感器发出高电平请求信息号，即请求温度传感器返回高电平回馈信号，那么当温度传感器返回了高电平信号至处理器后，处理器判断该温度传感器部件自诊断成功。
提醒模块22，用于将传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，提醒信息为以下之一：报警信息、预警信息。
具体的，当机器人的传感器部件采集到不同的传感参数之后，需要将采集到的参数与预设阈值进行比较，预设阈值是用户根据部件的标准以及需求来设置的参数值，即当传感器采集的数据数值超过预设阈值或者超过预设阈值的一定百分比的时候，发处提醒信息，其中，提醒信息为以下之一：报警信息、预警信息。
需要说明的是，报警信息是当传感器采集到的机器人运行参数超过了一定界限或阈值时，存在着故障事实时所采用的提醒方式。而预警信息是当传感器采集到的机器人运行参数未超过了一定界限或阈值，但相对于正常工作运行参数值偏高，预示着存在着故障风险时，所采用的提醒方式。
可选的，提醒模块22包括：比较单元，用于将传感数据的数值与预设阈值进行比较；报警单元，用于当传感数据的数值大于预设阈值时，则发出报警信息；预警单元，用于当传感数据的数值不大于预设阈值时，判断传感数据的数值是否符合预警提醒的条件，若符合，则发出预警信息。
例如，针对机器人本体、外围设备等多钟设备系统的监测管理，需要进行自动化综合管理及集中远程监测管理。机器人本体在线故障诊断系统主要由上位机通过开发上位机软件功能，文件传输功能，系统具有文本传输，通过FTP方式，将数据传输到基础平台，然后通过振动传感器采集实时监测功能，通过对电机轴承温度，振动的监测及对参数进行阀值设置。电机、滚筒轴承的振动峰值及温度实时监测，对温度，峰值上、下线设置，超过限值则进行报警警示。
分析模块24，用于将传感数据进行信号分析，得到分析结果。
具体的，将传感数据进行信号分析可以达到通过分析机器人传感器所采集到的数据，判断是否存在故障并判断具体的故障情况，例如故障的程度或者故障的位置。
可选的，分析模块24包括：时域分析单元，用于通过时域分析方法分析传感数据，得到故障程度数据；频域分析单元，用于通过频域分析方法分析传感数据，得到故障位置数据。
可选的，传感数据中包括机器人目标部位的振动信号，通过时域分析方法分析传感数据，得到故障程度数据包括：对振动信号的有效值和振动信号的峰值进行分析，确定目标部位的故障程度数据。
可选的，传感数据中包括机器人目标部位的振动信号，通过频域分析方法分析传感数据，得到故障位置数据包括：对振动信号的频率幅值进行分析，确定目标部位的故障位置数据。
具体的，机器人传感器所在的监测部位的振动信号源主要来自设备轴承部分，对该信号的处理主要采用时、频特性分析实现，是利用时域指标的有效值和峰值进行判断；上述判断的核心方法为对轴承故障的合理评价分析：轴承的磨损程度越大，振动信号的有效值越高；冲击力越大，峰值越高；有效值适合轴承磨损，峰值适合对疲劳剥落等瞬变的冲击振动的故障进行检测。
进一步地，当机器人的机械部件有故障时，时域分析可以得到故障严重程度，而要想知道故障发生的位置时就需要进行频域分析，即要分析原时域信号的频率成分的幅值和相位信息，因此有效值、峰值等参数指标对轴承的特征频率也可作为特征参数诊断故障，从而以各项指标诊断判断出故障进行分析。有效值指标，它反映信号平均能量大小，振动的实际强度。有效值指标的数学表达式为:
其离散化计算公式为：
式中，Xrms-有效值指标；
x(t)—反映机械状态的参量；
p(x)—该机械状态参量幅值的概率密度函数；
T—信号的样样本长度；
N—离散化信号的样本点数。
峰值(Xp)定义为信号波形中的最大幅度幅值:
XP＝max[|x(ti)|]
峰值指标：
峰值指标用来检测信号是否存在冲击的统计指标。
此外，频域分析是把以时间为横坐标的时域信号通过傅里叶变换转为以频率为横坐标的频域信号，从而得到关于原时域信号频率成分的幅值和相位的一种分析方法。
其数学运算式为：
式中x(t)—时域信号(振动加速度，速度或位移等一切以时间t为自变量的函数)；
X(f)—信号的频域表示，是以频率为自变量的函数。
频域分析可以依据振动信号的频率幅值进行分析，推断故障部位更加精确。判断指标除了有效值，峰值辨别法等还有振动烈度，峭度系数法，峰值因数法等，根据检测设备属性进行故障参数选择
可选的，该装置还包括：录入模块，用于将分析结果录入故障数据库，其中，故障数据库用于预先判断机器人的故障。
具体的，根据本发明实施例的传感数据分析过程所得到的分析结果，可以判断出当次机器人的部件故障的具体程度以及故障位置，那么为了以后该机器人在发生故障或者即将发生故障的时候进行预先判断故障情况及风险，可以将分析结果录入故障数据库，其中，故障数据库用于预先判断机器人的故障。通过将分析结果中的故障情况以及发生故障时的机器人传感数据录入故障专家数据库存储，当机器人某一次运行的运行参数接近数据库中的某一组分析结果时，机器人处理器可以调用该组故障分析结果，作为预警提示信息，供维修人员参考。
展示模块26，用于根据分析结果和提醒信息，生成机器人故障的展示数据。
可选的，展示模块26包括：获取单元，用于获取分析结果和提醒信息；传输单元，用于将分析结果和提醒信息传输至展示数据库；处理单元，用于在展示数据库中对分析结果和提醒信息进行数据处理，得到展示数据；展示单元，用于将展示数据进行展示。
具体的，由于机器人发生故障后且在分析故障情况之后，需要将故障情况以及提醒信息传递给维修人员或者监管方，所以需要构建展示数据库，用于存储故障分析结果以及相应的提醒信息，当用户需要进行查看的时候，展示屏幕可以从展示数据库中调取相关的信息以供用户进行了查看。
进一步地，针对展示数据库中的分析结果和提醒信息，为了使用户更加直观方便的进行分析和判断，展示数据库可以对分析结果和提醒信息进行数据处理，例如可以是通过数据归纳统计，将分析结果中的传感数据按照时间轴分布来进行绘图，使得观看者直观地看到传感器采集到的传感数据。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种机器人的故障检测方法。
具体的，该方法包括：获取设置在机器人上的传感器采集到的传感数据，其中，所述传感器为以下之一：温度传感器、振动传感器、压力传感器；将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，所述提醒信息为以下之一：报警信息、预警信息；将所述传感数据进行信号分析，得到分析结果；根据所述分析结果和所述提醒信息，生成所述机器人故障的展示数据。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种机器人的故障检测方法。
具体的，该方法包括：获取设置在机器人上的传感器采集到的传感数据，其中，所述传感器为以下之一：温度传感器、振动传感器、压力传感器；将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，所述提醒信息为以下之一：报警信息、预警信息；将所述传感数据进行信号分析，得到分析结果；根据所述分析结果和所述提醒信息，生成所述机器人故障的展示数据。
通过上述步骤，可以实现故障报警及时，故障部位准确率高，早期故障预测的技术效果。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种机器人的故障检测方法，其特征在于，包括：
获取设置在机器人上的传感器采集到的传感数据，其中，所述传感器为以下之一：温度传感器、振动传感器、压力传感器；
将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，所述提醒信息为以下之一：报警信息、预警信息；
将所述传感数据进行信号分析，得到分析结果；
根据所述分析结果和所述提醒信息，生成所述机器人故障的展示数据。
2.根据权利要求1所述的方法，其特征在于，所述将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息包括：
将所述传感数据的数值与所述预设阈值进行比较；
当所述传感数据的数值大于所述预设阈值时，则发出所述报警信息；
当所述传感数据的数值不大于所述预设阈值时，判断所述传感数据的数值是否符合预警提醒的条件，若符合，则发出所述预警信息。
3.根据权利要求1所述的方法，其特征在于，所述将所述传感数据进行信号分析，得到分析结果包括：
通过时域分析方法分析所述传感数据，得到故障程度数据；
通过频域分析方法分析所述传感数据，得到故障位置数据。
4.根据权利要求3所述的方法，其特征在于，所述传感数据中包括所述机器人目标部位的振动信号，通过时域分析方法分析所述传感数据，得到所述故障程度数据包括：
对所述振动信号的有效值和所述振动信号的峰值进行分析，确定所述目标部位的故障程度数据。
5.根据权利要求3所述的方法，其特征在于，所述传感数据中包括所述机器人目标部位的振动信号，通过频域分析方法分析所述传感数据，得到所述故障位置数据包括：
对所述振动信号的频率幅值进行分析，确定所述目标部位的故障位置数据。
6.根据权利要求1所述的方法，其特征在于，在所述将所述传感数据进行信号分析，得到分析结果之后，所述方法还包括：
将所述分析结果录入故障数据库，其中，所述故障数据库用于预先判断所述机器人的故障。
7.根据权利要求1所述的方法，其特征在于，所述根据所述分析结果和所述提醒信息，生成展示数据包括：
获取所述分析结果和所述提醒信息；
将所述分析结果和所述提醒信息传输至展示数据库；
在所述展示数据库中对所述分析结果和所述提醒信息进行数据处理，得到展示数据；
将所述展示数据进行展示。
8.一种机器人的故障检测装置，其特征在于，包括：
获取模块，用于获取设置在机器人上的传感器采集到的传感数据，其中，所述传感器为以下之一：温度传感器、振动传感器、压力传感器；
提醒模块，用于将所述传感数据与预设阈值进行比较，并根据比较结果发出提醒信息，其中，所述提醒信息为以下之一：报警信息、预警信息；
分析模块，用于将所述传感数据进行信号分析，得到分析结果；
展示模块，用于根据所述分析结果和所述提醒信息，生成所述机器人故障的展示数据。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至7中任意一项所述的方法。
10.一种电子装置，其特征在于，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010493729.2A CN111579001A (zh) | 2020-06-02 | 2020-06-02 | 机器人的故障检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010493729.2A CN111579001A (zh) | 2020-06-02 | 2020-06-02 | 机器人的故障检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111579001A true CN111579001A (zh) | 2020-08-25 |
Family
ID=72116156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010493729.2A Pending CN111579001A (zh) | 2020-06-02 | 2020-06-02 | 机器人的故障检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111579001A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394344A (zh) * | 2020-10-29 | 2021-02-23 | 上海有个机器人有限公司 | 一种机器人超声禁用的方法 |
| CN113572130A (zh) * | 2021-06-16 | 2021-10-29 | 华北电力大学 | 基于实时振动/声发射监测进行安全保护的方法及系统 |
| CN114074339A (zh) * | 2021-11-29 | 2022-02-22 | 合肥欣奕华智能机器有限公司 | 一种机器人的振动检测装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
| CN205879560U (zh) * | 2016-07-01 | 2017-01-11 | 中国石油大学(北京) | 振动故障诊断装置 |
| CN107061183A (zh) * | 2017-01-17 | 2017-08-18 | 中山大学 | 一种海上风电机组的自动化故障诊断方法 |
| CN110046423A (zh) * | 2019-04-12 | 2019-07-23 | 哈工大机器人（合肥）国际创新研究院 | 一种上楼辅助装置的故障预警方法及系统 |
| CN110779716A (zh) * | 2019-11-01 | 2020-02-11 | 苏州德姆斯信息技术有限公司 | 嵌入式机械故障智能诊断设备及诊断方法 |
| CN110815224A (zh) * | 2019-11-14 | 2020-02-21 | 华南智能机器人创新研究院 | 一种机器人的远程故障诊断推送方法及装置 |
| CN110940518A (zh) * | 2019-11-27 | 2020-03-31 | 中北大学 | 一种基于故障数据的航天传动机构分析方法 |
-
2020
- 2020-06-02 CN CN202010493729.2A patent/CN111579001A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
| CN205879560U (zh) * | 2016-07-01 | 2017-01-11 | 中国石油大学(北京) | 振动故障诊断装置 |
| CN107061183A (zh) * | 2017-01-17 | 2017-08-18 | 中山大学 | 一种海上风电机组的自动化故障诊断方法 |
| CN110046423A (zh) * | 2019-04-12 | 2019-07-23 | 哈工大机器人（合肥）国际创新研究院 | 一种上楼辅助装置的故障预警方法及系统 |
| CN110779716A (zh) * | 2019-11-01 | 2020-02-11 | 苏州德姆斯信息技术有限公司 | 嵌入式机械故障智能诊断设备及诊断方法 |
| CN110815224A (zh) * | 2019-11-14 | 2020-02-21 | 华南智能机器人创新研究院 | 一种机器人的远程故障诊断推送方法及装置 |
| CN110940518A (zh) * | 2019-11-27 | 2020-03-31 | 中北大学 | 一种基于故障数据的航天传动机构分析方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394344A (zh) * | 2020-10-29 | 2021-02-23 | 上海有个机器人有限公司 | 一种机器人超声禁用的方法 |
| CN113572130A (zh) * | 2021-06-16 | 2021-10-29 | 华北电力大学 | 基于实时振动/声发射监测进行安全保护的方法及系统 |
| CN114074339A (zh) * | 2021-11-29 | 2022-02-22 | 合肥欣奕华智能机器有限公司 | 一种机器人的振动检测装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111579001A (zh) | 机器人的故障检测方法及装置 | |
| KR100764399B1 (ko) | 텔레매틱스 시스템의 차량 관리 시스템 및 그 방법 | |
| US6941204B2 (en) | System and method for diagnosing aircraft components for maintenance purposes | |
| KR102427205B1 (ko) | 인공지능 모델을 위한 학습 데이터 생성 장치 및 방법 | |
| JP2003114294A (ja) | 発電プラントの監視・診断・検査・保全システム | |
| JP6200833B2 (ja) | プラントと制御装置の診断装置 | |
| CN113982850B (zh) | 融合高低频信号的风机综合健康分析方法及系统 | |
| CN110068435A (zh) | 振动分析系统及方法 | |
| CN115145788A (zh) | 一种针对智能运维系统的检测数据生成方法和装置 | |
| CN114239734A (zh) | 一种分布式车载健康管理系统 | |
| CN114244866A (zh) | 一种基于物联网的生产设备监管系统 | |
| CN113483815A (zh) | 一种基于工业大数据的机械故障监控系统 | |
| CN115691746A (zh) | 一种基于健康档案的机体评估管理系统 | |
| US20050246593A1 (en) | Methods and apparatus for providing alarm notification | |
| JPH0793018A (ja) | 動作状態の診断方法及びシステム | |
| EP3882585A1 (en) | Methods and systems for determining a control load using statistical analysis | |
| CN117330948A (zh) | 一种断路器机械特性在线监测方法及系统 | |
| CN117637125A (zh) | 手术机器人健康状态的检测方法和手术机器人 | |
| EP3837555A1 (en) | Method and system for damage classification | |
| CN107765123A (zh) | 检测规则更新方法及用电安全监测系统 | |
| KR20210031618A (ko) | 정보 제시 장치, 정보 제시 방법, 및 정보 제시 시스템 | |
| JP5322568B2 (ja) | 機器監視診断システム及びその制御プログラム | |
| CN118561117B (zh) | 基于多源数据融合的电梯安全监测方法、系统及电子设备 | |
| KR102726495B1 (ko) | 건축 또는 토목 구조물의 안전 진단 방법 및 시스템 | |
| CN118561118B (zh) | 一种电梯运行状态判定方法、系统、介质及电子设备 |
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: 20200825 |
|
| RJ01 | Rejection of invention patent application after publication |