CN113021411A - 机器人故障预测装置及系统、以及机器人故障预测方法 - Google Patents

Abstract

本发明提供机器人故障预测装置及系统、以及机器人故障预测方法。机器人故障预测装置具备：电流数据收集部，按照一定的时间间隔收集用于驱动机器人的总电流；模式识别部，对所收集的总电流进行模式识别；个别电流提取部，从模式识别后的总电流提取个别电流；个别时间提取部，从模式识别后的总电流提取个别时间；示教程序获取部，获取用于使机器人进行规定动作的示教程序；运动控制部，基于示教程序得到机器人的动作信息；轴判定部，基于动作信息取得机器人的各关节轴的旋转角度；速度参数提取部，基于动作信息取得机器人的速度参数；预测部，基于个别电流、个别时间、各关节轴的旋转角度、速度参数进行机器人的故障预测及故障定位。

Description

机器人故障预测装置及系统、以及机器人故障预测方法

技术领域

本发明涉及机器人故障预测装置及系统、机器人故障预测方法。

背景技术

随着科学技术的不断发展，工业机器人在生产现场大量导入，可以满足快速/大批量加工生产的需求，不仅节省了人力成本，而且极大地提高了生产效率。但是现有的机器人在工作当中也会发生故障，尤其是生产流水线上使用的机器人，当某一机器人因故障发生异常而停止的情况下，可能使得生产线上与其串行的其它机器人也被迫停止，从而造成整个生产线的停止，由此带来巨大的损失。因此，对于机器人系统而言，为了早期发现机器人可能出现故障，并及时进行故障报告，对机器人进行故障诊断及预测是一种非常重要的技术。

作为故障诊断及预测方法，在专利文献1中公开了如下方法：根据所拍摄的图像，通过简单的图像解析求出机器人的手臂的旋转角，将该旋转角与根据电机的旋转角所求出的手臂的旋转角进行比较，由此判断旋转位置检测是否正常进行。

专利文献1：日本特开JP2011-125976

但是，在专利文献1所公开的方法中，其需要对每一个机器人都设置摄像头来获取机器人运转工作时的图像，并且对所获取的每一个视频进行解析运算等。因此存在处理量大，运算成本高，并且实时性以及精度差等问题。

发明内容

本发明的发明人发现，机器人的故障通常与对机器人进行驱动的电机绕组线圈的绝缘破损以及电机的机械部分磨损有关。例如由于温度过高，电机绕组线圈绝缘被破坏导致电机性能降低，则机器人完成某一动作时所需要的驱动电流变大。当电机的机械部分发生磨损，例如轴承中的钢珠出现伤痕，导致电机的性能下降，则对机器人进行驱动使其完成某一动作所需的时间变长。

此外，本发明的发明人还发现，对机器人进行控制使其完成规定动作的示教程序与机器人执行该程序时的总电流具有对应关系，机器人执行该示教程序中的每一行指令所指示的动作进度所需的时间与对应电流的持续时间一致。

本发明的目的在于提供能够以低成本进行故障预测的机器人故障预测装置及系统、以及机器人故障预测方法。通过利用简单且容易获取的对机器人进行驱动的总电流信息以及机器人示教程序，能够低成本、及时且高精度地对机器人故障进行预测，并能够定位发生故障的机器人的关节轴，从而有效地预防由于机器人故障而造成的生产线的停止，并对机器人的维护维修提供有效的信息。

为了实现上述目的，本发明的机器人故障预测装置，具备：电流数据收集部，按照一定的时间间隔收集用于驱动机器人的总电流；模式识别部，对所述电流数据收集部收集的所述总电流进行模式识别；个别电流提取部，从所述模式识别部识别后的总电流中提取个别电流；个别时间提取部，从所述模式识别部识别后的总电流中提取个别时间；示教程序获取部，从所述机器人获取用于使所述机器人进行规定动作的示教程序；运动控制部，读取所述示教程序，并基于所述示教程序得到所述机器人的动作信息；轴判定部，基于所述动作信息取得所述机器人的各关节轴的旋转角度；速度参数提取部，基于所述动作信息取得所述机器人的速度参数；以及预测部，基于所述个别电流、所述个别时间以及所述各关节轴的旋转角度、所述速度参数进行所述机器人的故障预测及故障定位。

根据本发明的机器人故障预测装置，能够使用简单且容易得到的用于驱动机器人的总电流信息，以及根据使机器人执行规定动作的示教程序所得到的机器人正常工作状态下的动作信息，以低成本进行故障预测以及故障定位，从而能够防止由于机器人故障而造成的生产线异常停止，并且由于能够对机器人的故障部位进行定位，因此，有利于对机器人的维护维修。

此外，根据本发明的一实施方式的机器人故障预测装置，所述模式识别部利用电流零值以及电流经验值对所述总电流进行模式识别，所述模式识别部利用所述电流零值确定电流模式期间，将总电流的电流值为电流零值起至相邻的下一次电流值为电流零值的期间定义为一个电流模式期间，在一个所述电流模式期间中至少出现一次峰值电流，所述模式识别部利用所述电流经验值按所述电流模式期间对所述总电流进行模式识别，并将所述总电流以M模式电流、U模式电流、J模式电流、A模式电流、和L模式电流中的至少一种的模式电流来表示。

通过对电流收集部所收集的总电流进行模式识别，将机器人进行规定动作时的总电流信息划分为与机器人进行每个动作进度时的电流信息对应的MUJAL电流模式，使得对电流信息进行测定的装置简洁化，降低了成本，减少了运算处理量。

此外，根据本发明一实施方式的机器人故障预测装置，所述个别电流提取部提取所述模式电流作为所述个别电流；所述个别时间提取部将表示所述电流模式期间的时间提取为所述个别时间。

通过对总电流信息进行模式识别，在进行故障预测时，减少了运算处理量。

此外，根据本发明一实施方式的机器人故障预测装置，所述运动控制部读取所述示教程序获取部所获取的所述示教程序中记载的用于使所述机器人进行动作进度的指令，取得包括所述机器人在进行所述动作进度时的所述速度参数、以及进行所述动作进度时的所述各关节轴的旋转角度在内的动作信息，所述规定动作由多个所述动作进度构成。

作为机器人故障预测使用的参数的示教程序能够简单容易获取。而且，由于用于使该机器人完成规定的动作的示教程序是稳定的，因此示教程序中所记载的用于进行故障预测的速度参数等参数稳定性高，有利于提高故障预测的精度。

根据本发明一实施方式的机器人故障预测装置，所述个别时间对应于所述机器人执行所述示教程序的所述指令进行所述动作进度的时间，所述个别电流对应于用于驱动所述机器人执行所述动作进度时的所述总电流。

通过将所收集的总电流信息划分为个别电流信息，并按每动作进度与示教程序中指示该动作进度的指令对应，从而提高故障预测的可靠性。

根据本发明一实施方式的机器人故障预测装置，所述预测部按所述动作进度将所述个别电流、所述个别时间、所述各关节轴的旋转角度、及所述速度参数建立关联，在所述个别电流提取部所提取的所述个别电流大于所述机器人在进行相同动作进度时的所述总电流的历史值的情况下，所述预测部预测为所述机器人故障，并基于进行所述相同动作进度时的所述各关节轴的旋转角度确定故障关节轴。

通过将基于收集到的总电流信息而得到的个别电流及个别时间、基于机器人示教程序得到的各关节轴的旋转角度及速度参数建立关联，根据机器人进行动作进度所需的电流信息的合理性进行故障预测，提高了故障预测的可靠性，并且基于机器人示教程序得到的关节轴的判定信息来进行故障定位，提高了故障定位的可靠性和定位精度。

根据本发明一实施方式的机器人故障预测装置，所述预测部按所述动作进度将所述个别电流、所述个别时间、所述各关节轴的旋转角度、及所述速度参数建立关联，在所述个别时间提取部所提取的所述个别时间大于根据所述机器人在进行相同动作进度时的所述速度参数而得到的时间的情况下，所述预测部预测为所述机器人故障，并基于进行所述相同动作进度时的所述各关节轴的旋转角度确定故障关节轴。

由此，进一步提高了故障预测的可靠性，并且基于机器人示教程序得到的关节轴的判定信息来进行故障定位，提高了故障定位的可靠性和定位精度。

根据本发明一实施方式的机器人故障预测装置，其特征在于，还具备故障结果显示部，该故障结果显示部以可视化形式显示所述电流数据收集部所收集的所述总电流、所述总电流与作为标准值的历史电流的对比、以及所述总电流的随时间的历史趋势。

通过将预测出故障的情况以可视化的形式通知给用户，使得用户能够直观地了解总电流趋势，并能够促使用户及时地对机器人进行维护

另外，本发明还可以作为机器人故障预测系统、机器人故障预测方法来实现，并且能够实现与上述机器人故障预测装置同样的效果。

附图说明

图1是本发明机器人故障预测系统的概略图。

图2是表示本发明的机器人故障预测装置的结构图。

图3是用来说明对总电流信息进行电流模式识别的图。

图4是用来说明电机电流与机器人动作关系的模式图。

图5是表示总电流信息与示教程序中的指令的对照图。

图6是表示一实施方式的机器人故障预测方法的流程图。

图7是表示对总电流信息进行模式识别的流程图。

图8是表示对示教程序进行运动控制解析的流程图。

图9是预测部基于电流的合理性进行故障预测的流程图。

图10是表示预测部基于时间的合理性进行故障预测的流程图。

图11是表示机器人故障结果输出显示的图。

具体实施方式

以下，参照附图对本发明的实施方式进行详细的说明。

实施方式一

首先，对本发明的机器人故障预测系统进行说明。

图1是表示本发明机器人故障预测系统的结构框图。如图1所示，机器人故障预测系统包括机器人1、控制柜10、电流测定机构20、模数转换器50、示教器TP、机器人故障预测装置30、以及故障预测结果输出装置(未图示)。示教器TP中记录有用于使机器人执行规定动作的示教程序；控制柜10基于示教程序控制机器人1完成各规定动作；电流测定机构20对机器人动作时的电流信息进行测定；模数转换器50将由电流测定机构20所测定的总电流的模拟信号信息转换为计算机可识别的数字信号信息，并提供给机器人故障预测装置30用于对机器人故障进行预测；机器人故障预测装置30利用基于示教程序的机器人的动作信息、例如机器人关节轴的旋转角度和旋转速度参数，以及由电流测定机构20得到的电流信息，进行机器人的故障预测以及故障定位。

在本发明中，以在工业生产中运用最多的6轴机器人为例进行说明。图1中所示的机器人1为6轴机器人。如图1中所示的6轴机器人具有①～⑥的6个关节轴，分别是本体旋转、下臂运动、上臂运动、手腕旋转、手腕摆动以及手部回转。这6个关节轴由与机器人1本体连接的机器人控制柜10内的伺服电机驱动而从空间的某一位置移动或旋转至另一位置，以实现规定的动作。这里，不同的工业机器人本体运动轴的定义有可能与本实施方式中的定义不同。另外，适用于本发明的机器人并不限定于6轴机器人，也可以是具有其以下或其以上的关节轴的机器人。

机器人1通过执行示教程序的指令来完成各种动作，实现各种作业内容。图1中所示的示教器TP中记录有示教程序，机器人根据该示教程序完成规定的动作及具体作业内容。具体而言，示教程序中记载有用于使机器人执行规定的动作进度的指令，机器人根据指令使指定的关节轴由空间的某一位置移动或旋转至空间的指定位置处，每执行一行指令即表示机器人进行一个动作进度，机器人完成示教程序中的所有指令即表示机器人完成该示教程序所规定的动作。换而言之，机器人的一个动作对应于一个示教程序，机器人所进行的一个动作进度对应于示教程序中的一行指令。机器人的动作，例如是指机器人进行搬运、焊接等。机器人的动作由一个以上的动作进度构成。例如“搬运”这一动作由“拿起”这一动作进度、“移动”这一动作进度、“放下”这一动作进度等动作进度构成。

电流测定机构对机器人动作时的电流信息进行测定。如图1中所示，本实施方式中采用的是将环状的非接触式电流传感器20安装到总电源与机器人控制柜之间的电缆上，以非接触方式无破坏地测定用于驱动机器人的总电流。通过该简单的结构能够容易地获取用于驱动机器人进行动作的总电流信息，并将该总电流信息用于机器人故障预测。但是，电流测定方法并不限定于此，只要能够测出用于驱动机器人的总电流，可以采用周知的任何一种方法。

模数转换器50对由电流测定机构20所测定的总电流进行模数转换，将其转换为计算机可识别的数字信号信息，并提供给机器人故障预测装置30用于对机器人故障进行预测。

机器人故障预测装置30按一定的时间间隔收集经由模数转换后的总电流信息，并利用该总电流信息、以及基于示教程序的机器人的动作信息，进行机器人的故障预测以及故障定位。

下面，结合附图详细说明本发明一实施方式的机器人故障预测装置。

图2是表示本发明的机器人故障预测装置的结构框图。如图2中所示，及机器人故障预测装置包括电流数据收集部31、模式识别部32、个别电流提取部33、个别时间提取部34、示教程序获取部35、运动控制部36、轴判定部37、速度参数提取部38、以及预测部39。

电流数据收集部31按照一定的时间间隔收集用于驱动机器人的总电流，例如，按照每一毫秒或更短的时间间隔进行电流数据的收集，并进行保存。

模式识别部32对电流数据收集部所收集的总电流进行模式识别。具体而言，模式识别部32利用电流零值以及电流经验值对总电流进行模式识别。该电流零值是指机器人刚开始某一动作进度以及刚结束某一动作进度时，用于驱动机器人进行该动作进度的总电流表现为接近于零的较低的电流值。该电流经验值例如可以是根据机器人正常动作时的总电流信息而得到的平均电流经验值。电流经验值的设定并不限于此，只要是能够用来进行有效的模式识别的经验值即可。

如图3中所示，模式识别部32利用电流零值以及电流经验值对总电流波形进行了模式识别，将其区划为M模式电流、U模式电流、J模式电流、A模式电流、和L模式电流，对于该模式识别方式简称为MUJAL电流模式识别。

如图3中所示，首先利用电流零值将电流波形切分为多个具有山峰的波形，图中下方黑色实线表示电流零值线，即，表示机器人刚开始某一动作进度以及刚结束某一动作进度时，用于驱动机器人进行该动作进度的总电流的电流值。通过利用电流零值来确定电流模式期间，将总电流的电流值为电流零值起至相邻的下一次电流值为电流零值的期间定义为一个电流模式期间，在一个所述电流模式期间中至少出现一次峰值电流。而且，该具有山峰的每一个波形所对应的时间即表示机器人进行相应的动作进度所需要的时间。其次，利用电流经验值如图3中所示虚线，将电流波形再次进行切分，由此发现根据上述具有山峰的波形中山峰的峰值出现的情况与电流经验值的关系，可以将电流波形分为M型、U型，J型，A型，以及L型。我们将其分别命名为M模式电流，U模式电流，J模式电流，A模式电流，以及L模式电流。

如图3中所示，M模式电流是指，在机器人进行相应的动作进度期间，出现了两次以上的大于电流经验值的较大的电流值区间，有两个以上的大于电流经验值的峰值电流，并且在这两次较大的电流值区间之间出现了小于电流经验值的较小的电流值区间，电流波形呈现字母“M”状；U模式电流是指，在机器人进行相应的动作进度期间，均处于小于电流经验值的较小的电流值区间，其峰值电流小于电流经验值，电流波形呈现倒写的字母“U”状；J模式电流是指，在机器人进行相应的动作进度期间，在动作进度的前期为小于电流经验值的较小的电流值区间，在动作后期为大于电流经验值的较大的电流值区间，且出现了一个大于电流经验值的峰值电流，电流波形呈现字母“J”状；A模式电流是指，在机器人进行相应的动作进度期间，很快成为大于电流经验值的较大的电流区间，并出现了一个大于电流经验值的峰值电流，电流波形呈现字母“A”状；L模式电流是指，在机器人进行相应的动作进度期间，在动作进度的前期为大于电流经验值的较大的电流值区间，且出现了一个大于电流经验值的峰值电流，并在动作后期为小于电流经验值的较小的电流值区间，电流波形呈现字母“L”状。

通过模式识别部32对电流收集部31所收集的总电流进行MUJAL电流模式识别，将机器人进行规定动作时的总电流信息划分为与机器人进行每个动作进度时的电流信息对应的M模式电流，U模式电流，J模式电流，A模式电流，以及L模式电流。如上述这样进行了MUJAL电流模式识别后的总电流包括M模式电流，U模式电流，J模式电流，A模式电流，以及L模式电流中的至少一种模式电流。由此，不需要测定机器人的每个关节轴动作时所需的电流信息，仅是根据总电流信息就可以得到与机器人进行每个动作进度时对应的电流信息。因而使得对电流信息进行测定的装置简洁化，降低了成本，减少了运算处理量。

此外，对于上述MUJAL电流模式识别后的总电流，也可以不使用电流波形的形式表示，而采用M、U、J、A、L这5个字符串的组合的形式来表示，使得作为用于进行故障预测的参数信息的电流信息的表示形式简化，极大地减少了内存的占用，节约了运算成本。

通过模式识别部32对总电流进行MUJAL电流模式识别后所得到M模式电流，U模式电流，J模式电流，A模式电流，以及L模式电流，每一个模式的电流表示机器人进行相应的动作进度时的驱动总电流，每一个电流模式期间表示机器人进行相应的动作进度所需的个别时间。

个别电流提取部33提取MUJAL电流模式识别后的模式电流作为个别电流。个别时间提取部34提取表示电流模式期间的时间作为个别时间。

通过对总电流信息进行MUJAL电流模式识别，将总电流信息进行分割、碎片化，仅是根据总电流信息就可以得到与机器人进行每个动作进度时对应的电流信息，以及机器人进行动作进度的个别时间，因而在利用电流信息的合理性、或时间的合理性进行故障预测时，减少了运算处理量。

示教程序获取部35从机器人获取用于使所述机器人进行规定动作的示教程序。对于生产线上每个工位的机器人而言，其所进行的动作通常是固定的，因而对其进行控制的示教程序也是固定的。在进行故障预测时，仅需使用可移动存储装置(例如USB闪存)等简单的工具将示教程序拷贝至机器人故障预测装置即可，因而作为机器人故障预测使用的参数的示教程序能够简单容易获取。而且，由于用于使该机器人完成规定的动作的示教程序是稳定的，因此示教程序中所记载的用于进行故障预测的速度参数等参数稳定性高，有利于提高故障预测的精度。

运动控制部36读取示教程序并基于示教程序得到机器人的动作信息。基于示教程序控制器使电机驱动机器人的关节轴由空间位置1移动至空间位置2，从而进行一个动作进度。示教程序中的每一行指令对应于机器人的一个动作进度。示教程序中记载有指定关节轴从某一的空间坐标移动至指定的空间坐标的、包括速度参数在内的动作信息。简而言之，基于示教程序能够确定进行动作进度的关节轴、该关节轴的速度参数、该关节轴的空间位置的变化等表示机器人进行动作进度时的动作信息。

此外，本发明的发明人发现，驱动机器人进行动作的电流的大小、电流的波形与机器人的动作有密切的关系，机器人在执行示教程序的每一行指令的情况下所进行的动作进度，都有与之相应的电流的大小、电流波形的形状，即不同的动作进度对应有不同的驱动电流的大小、电流波形的形状。因而，用于使机器人进行动作进度的示教程序的指令，与驱动机器人进行相应的做动作进度的总电流具有对应性。

为了便于理解，结合图4来说明驱动机器人进行动作的电流与控制机器人进行动作的示教程序的关系。图4是用来说明电机电流与机器人动作关系的模式图。作为一例，图4中示出了基于示教程序由控制器对3轴机器人的动作进行控制的情况。其中，图示的3个控制器，控制器1、控制器2、控制器3分别对应于3轴机器人中的关节轴1、关节轴2、关节轴3。图示的计算机中存储有预先设定的用于使机器人进行规定动作的示教程序。当计算机发出控制指令，通过与3个轴分别对应的控制器使得3个轴分别完成规定的3个动作，此时，对不同的轴进行控制的电机的动作不同，则对该3个轴分别进行驱动的电流的大小以及电流的变化趋势也不同。即，当机器人根据示教程序的控制指令来执行不同的动作进度时，用来驱动机器人执行该动作进度的总电流的大小以及电流的波形也相应于各个不同的动作进度而不同。

因此，用于使机器人进行动作进度的示教程序的指令，与驱动机器人进行相应的动作进度的总电流具有对应性，因而能够将示教程序的每一行指令与作为驱动机器人进行相应的动作进度的总电流的个别电流建立关联。

如图5是表示总电流信息与示教程序中的指令的对照图。图5中(a)表示基于示教程序得到的按每个指令行的各关节轴的旋转角度。横轴表示示教程序中记录的指令行，如图所示该示教程序有31行指令。图中的每个柱状显示了机器人执行一行指令、即进行一个动作进度时，各关节轴的旋转角度。图5(b)表示电流随时间的波形图。横轴表示时间，纵轴表示电流值。由图5中(a)、(b)比较可知，示教程序的每一行指令与驱动机器人进行相应的动作进度的总电流一一对应。

轴判定部37基于上述动作信息取得机器人在进行相应动作进度下的各关节轴的旋转角度。速度参数提取部38基于上述动作信息取得机器人在进行相应动作进度下的速度参数。

预测部39基于由个别电流提取部33提取的个别电流、由个别时间提取部34提取的个别时间、由轴判定部37提取的各关节轴的旋转角度、由速度参数提取部38提取的速度参数，进行机器人的故障预测及故障定位。

预测部39按动作进度将个别电流、个别时间、各关节轴的旋转角度、及速度参数建立关联，基于电流合理性进行故障预测，并根据各关节轴的旋转角度进行故障定位。例如，预测部39将由个别电流提取部33提取的个别电流与机器人在进行相同动作进度时的总电流的历史值进行比较，在由个别电流提取部33所提取的个别电流大于机器人在进行相同动作进度时的总电流的历史值的情况下，预测为机器人故障，并基于进行相同动作进度时的各关节轴的旋转角度确定故障关节轴，以进行故障定位。

此外，在基于电流合理性进行故障预测时，也可以将由个别电流提取部33提取的个别电流与机器人在基于示教程序中的相应指令而正常工作时的个别电流进行比较，来进行故障预测。在个别电流提取部33所提取的个别电流大于机器人基于示教程序中的相应指令而正常工作时的个别电流的情况下，预测为机器人故障。

通过将基于收集到的总电流信息而得到的个别电流及个别时间、基于机器人示教程序得到的各关节轴的旋转角度及速度参数建立关联，根据机器人进行动作进度所需的电流信息的合理性进行故障预测，提高了故障预测的可靠性，并且基于机器人示教程序得到的关节轴的判定信息来进行故障定位，提高了故障定位的可靠性和定位精度。

接着，利用图6对机器人故障预测方法的动作流程进行说明。

图6是表示第一实施方式的机器人故障预测方法的流程图。如图6所示，电流数据收集部31按照一定的时间间隔收集用于驱动机器人的总电流(步骤S1)；模式识别部32对电流数据收集部31所收集的总电流进行模式识别(步骤S2)；个别电流提取部33从由模式识别部32识别后的总电流中提取个别电流(步骤S3)；个别时间提取部34从由模式识别部32识别后的总电流中提取个别时间(步骤S4)；运动控制部36读取示教程序获取部35从机器人获取的用于使机器人进行规定动作的示教程序，并基于示教程序得到机器人的动作信息(步骤S5)；轴判定部37基于动作信息取得机器人的各关节轴的旋转角度(步骤S6)；速度参数提取部38基于动作信息取得机器人的速度参数(步骤S7)；预测部39基于个别电流、个别时间以及各关节轴的旋转角度、速度参数进行机器人的故障预测及故障定位(步骤S8)。上述步骤S1～S4与步骤S5～S7可以并行执行，也可以是按任意的顺序先后执行。

其中，在步骤S2中，由模式识别部32对电流数据收集部所收集的总电流进行模式识别。如图7是表示对总电流信息进行模式识别的流程图。在步骤S201中，模式识别部32利用电流零值确定电流模式期间，将总电流的电流值为电流零值起至相邻的下一次电流值为电流零值的期间定义为一个电流模式期间，在一个电流模式期间中至少出现一次峰值电流。上述的电流零值是指机器人刚开始某一动作进度以及刚结束某一动作进度时，用于驱动机器人进行该动作进度的总电流表现为接近于零的较低的电流值。

在步骤S202中，模式识别部32利用电流经验值按上述电流模式期间对总电流进行模式识别，并将总电流识别为M模式电流、U模式电流、J模式电流、A模式电流、和L模式电流中的至少一种的模式电流。

由此，将机器人进行规定动作时的总电流信息划分为与机器人进行每个动作进度时的电流信息对应的M模式电流，U模式电流，J模式电流，A模式电流，以及L模式电流。由此，不需要测定机器人的每个关节轴动作时所需的电流信息，仅是根据总电流信息就可以得到与机器人进行每个动作进度时对应的电流信息。因而使得对电流信息进行测定的装置简洁化，降低了成本，减少了运算处理量。

其中，在步骤S5中，由运动控制部36读取示教程序并基于示教程序得到机器人的动作信息。如图8表示由运动控制部对示教程序进行运动控制解析的流程图。步骤S501中，运动控制部36读取示教程序获取部35从机器人获取的示教程序。在步骤S502中，运动控制部36基于示教程序取得使机器人进行动作进度的各条指令。在步骤S503中，运动控制部36根据上述指令得到机器人在执行该指令时的速度参数以及关节轴的旋转角度。

图9表示本发明一实施方式的预测部所进行的故障预测的流程图。如图9中所示，在步骤S801中，预测部39按动作进度将个别电流、个别时间、各关节轴的旋转角度、及速度参数建立关联。在步骤S802中，预测部39将由个别电流提取部33提取的个别电流与机器人在进行相同动作进度时的总电流的历史值进行比较，在由个别电流提取部33所提取的个别电流大于机器人在进行相同动作进度时的总电流的历史值的情况下，预测为机器人故障。在步骤S803中，预测部39根据上述关联，确定进行相同动作进度时的各关节轴的旋转角度，由此来确定故障关节轴，以进行故障定位。

此外，在预测部基于电流合理性进行故障预测时，也可以是，在步骤S802中将由个别电流提取部33提取的个别电流与机器人在基于示教程序中的相应指令而正常工作时的个别电流进行比较，来进行故障预测。在个别电流提取部33所提取的个别电流大于机器人基于示教程序中的相应指令而正常工作时的个别电流的情况下，预测为机器人故障。

根据本发明第一实施方式的机器人故障预测装置及系统、以及机器人故障预测方法，能够使用简单且容易得到的用于驱动机器人的总电流信息，以及根据使机器人执行规定动作的示教程序所得到的机器人正常工作状态下的动作信息，以低成本进行故障预测以及故障定位，从而能够防止由于机器人故障而造成的生产线异常停止，并且由于能够对机器人的故障部位进行定位，因此，有利于对机器人的维护维修。而且由于作为故障预测参数之一的示教程序具有稳定性，因此，能够提高故障预测的可靠性以及故障定位的精度。

实施方式二

以下，对本发明的第二实施方式的机器人故障预测装置及机器人故障预测方法进行说明。

在本实施方式中，机器人故障预测装置的结构与实施方式一相同。其不同点在于，本实施方式故障预测装置基于机器人动作的时间合理性来进行故障预测。下面以上述不同点为中心进行说明，而省略与实施方式一相同或类似的说明。

图10表示实施方式二的预测部所进行的故障预测的流程图。如图10中所示，在步骤S811中，预测部39按动作进度将个别电流、个别时间、各关节轴的旋转角度、及速度参数建立关联。在步骤S812中，预测部39基于由速度参数提取部38提取的速度参数得到机器人进行动作进度所需的时间，将由个别时间提取部34所提取的个别时间与基于速度参数所得到的时间进行比较，在个别时间大于基于速度参数所得到的时间的情况下，预测部39预测为机器人故障。在步骤S813中，预测部39根据上述关联，确定进行相同动作进度时的各关节轴的旋转角度，由此来确定故障关节轴，以进行故障定位。

本发明的实施方式二通过将个别电流、个别时间、各关节轴的旋转角度、速度参数建立关联，根据机器人进行动作进度所需的时间信息的合理性进行故障预测，进一步提高了故障预测的可靠性，并且基于机器人示教程序得到的关节轴的判定信息来进行故障定位，提高了故障定位的可靠性和定位精度。

其他实施方式

在上述实施方式一中，预测部分别根据个别电流与机器人正常工作情况下的历史电流值的比较、或者根据个别电流与机器人基于示教程序进行正常工作情况下的个别电流的比较，来进行故障预测。在实施方式二中，预测部根据个别时间以及基于示教程序的速度参数来进行故障预测。但不限于此，也可以根据个别电流与基于示教程序的速度参数，基于电流的合理性来进行故障预测，或根据个别时间与基于示教程序的各关节轴的旋转角度，基于时间的合理性来进行故障预测。

另外，在上述的实施方式中，机器人故障预测装置也可以具备故障结果显示部，该故障结果显示部以可视化形式显示电流数据收集部所收集的总电流波形、总电流与作为标准值的历史电流的对比、以及所述总电流的随时间的历史趋势。图11是表示机器人故障结果输出显示的图。如图中所示，(a)表示驱动机器人进行动作的电流的实时波形。图中框选出的部分表示机器人完成一个动作所对应的电流波形。例如，机器人完成“搬运”这一动作所需要的驱动电流的波形。(b)表示框选出的电流波形的放大图。在该放大的电流波形图中显示了该电流与标准电流的波形对比。用户通过点击图11(a)中的电流波形处，故障结果输出部将该部分的电流波形以放大的形式显示，并显示该电流与标准电流的波形对比。由此，用户能够直观地发现该电流与标准电流的差异。用户通过点击出现上述差异的部分，如图(b)中竖线部分，则显示图11(c)中所示的电流随时间的波形图。在(c)中该差异表现为随时间总是存在的情况下，用户预测机器人故障。

通过将预测出故障的情况以可视化的形式通知给用户，使得用户能够直观地了解总电流趋势，对机器人进行故障预测，并能够促使用户及时地对机器人进行维护。

另外，上述实施方式中的各个构成要素可以用专用的硬件来构成，也可以通过执行各个构成要素的软件程序来实现，并且也可以通过硬件及软件的组合来实现。并且，各个构成要素，也可以通过CPU或处理器等的程序执行部读出并执行硬盘或半导体存储器等记录介质上记录的软件程序来实现。

Claims (10)

1.一种机器人故障预测装置，其特征在于，具备：

电流数据收集部，按照一定的时间间隔收集用于驱动机器人的总电流；

模式识别部，对所述电流数据收集部收集的所述总电流进行模式识别；

个别电流提取部，从所述模式识别部识别后的总电流中提取个别电流；

个别时间提取部，从所述模式识别部识别后的总电流中提取个别时间；

示教程序获取部，从所述机器人获取用于使所述机器人进行规定动作的示教程序；

运动控制部，基于所述示教程序获取部所获取的所述示教程序得到所述机器人的动作信息；

轴判定部，基于所述动作信息取得所述机器人的各关节轴的旋转角度；

速度参数提取部，基于所述动作信息取得所述机器人的速度参数；以及

预测部，基于所述个别电流、所述个别时间以及所述各关节轴的旋转角度、所述速度参数进行所述机器人的故障预测及故障定位。

2.如权利要求1所述的机器人故障预测装置，其特征在于，

所述模式识别部利用电流零值以及电流经验值对所述总电流进行模式识别，

所述模式识别部利用所述电流零值确定电流模式期间，将总电流的电流值为电流零值起至相邻的下一次电流值为电流零值的期间定义为一个电流模式期间，在一个所述电流模式期间中至少出现一次峰值电流，

所述模式识别部利用所述电流经验值按所述电流模式期间对所述总电流进行模式识别，并将所述总电流以M模式电流、U模式电流、J模式电流、A模式电流、和L模式电流中的至少一种的模式电流来表示。

3.如权利要求2所述的机器人故障预测装置，其特征在于，

所述个别电流提取部提取所述模式电流作为所述个别电流；

所述个别时间提取部将表示所述电流模式期间的时间提取为所述个别时间。

4.如权利要求1所述的机器人故障预测装置，其特征在于，

所述运动控制部读取所述示教程序获取部所获取的所述示教程序中记载的用于使所述机器人进行动作进度的指令，取得包括所述机器人在进行所述动作进度时的所述速度参数、以及进行所述动作进度时的所述各关节轴的旋转角度在内的动作信息，

所述规定动作由多个所述动作进度构成。

5.如权利要求4所述的机器人故障预测装置，其特征在于，

所述个别时间对应于所述机器人执行所述示教程序的所述指令进行所述动作进度的时间，

所述个别电流对应于用于驱动所述机器人执行所述动作进度时的所述总电流。

6.如权利要求5所述的机器人故障预测装置，其特征在于，

所述预测部按所述动作进度将所述个别电流、所述个别时间、所述各关节轴的旋转角度、及所述速度参数建立关联，

在所述个别电流提取部所提取的所述个别电流大于所述机器人在进行相同动作进度时的所述总电流的历史值的情况下，所述预测部预测为所述机器人故障，并基于进行所述相同动作进度时的所述各关节轴的旋转角度确定故障关节轴。

7.如权利要求5所述的机器人故障预测装置，其特征在于，

所述预测部按所述动作进度将所述个别电流、所述个别时间、所述各关节轴的旋转角度、及所述速度参数建立关联，

在所述个别时间提取部所提取的所述个别时间大于根据所述机器人在进行相同动作进度时的所述速度参数而得到的时间的情况下，所述预测部预测为所述机器人故障，并基于进行所述相同动作进度时的所述各关节轴的旋转角度确定故障关节轴。

8.如权利要求1～7中任一项所述的机器人故障预测装置，其特征在于，

还具备故障结果显示部，该故障结果显示部以可视化形式显示所述电流数据收集部所收集的所述总电流、所述总电流与作为标准值的历史电流的对比、以及所述总电流的随时间的历史趋势。

9.一种机器人故障预测系统，其特征在于，具备：

电流测定部，对驱动所述机器人动作的总电流进行测定；以及

如权利要求1～8中任一项所述的机器人故障预测装置，

所述机器人故障预测装置通过所述电流数据收集部收集所述电流测定部所测定的所述总电流。

10.一种机器人故障预测方法，其特征在于，

电流数据收集部按照一定的时间间隔收集用于驱动机器人的总电流；

模式识别部对所述电流数据收集部收集的所述总电流进行模式识别；

个别电流提取部从所述模式识别部识别后的总电流中提取个别电流；

个别时间提取部从所述模式识别部识别后的总电流中提取个别时间；

运动控制部读取示教程序获取部从所述机器人获取的用于使所述机器人进行规定动作的示教程序，并基于所述示教程序得到所述机器人的动作信息；

轴判定部基于所述动作信息取得所述机器人的各关节轴的旋转角度；

速度参数提取部基于所述动作信息取得所述机器人的速度参数；以及

预测部基于所述个别电流、所述个别时间以及所述各关节轴的旋转角度、所述速度参数进行所述机器人的故障预测及故障定位。

Images