CN114770607B - 一种基于大数据的机器人健康监控方法及系统 - Google Patents

一种基于大数据的机器人健康监控方法及系统 Download PDF

Info

Publication number
CN114770607B
CN114770607B CN202210695870.XA CN202210695870A CN114770607B CN 114770607 B CN114770607 B CN 114770607B CN 202210695870 A CN202210695870 A CN 202210695870A CN 114770607 B CN114770607 B CN 114770607B
Authority
CN
China
Prior art keywords
robot
health
value
matrix
health characteristic
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
Application number
CN202210695870.XA
Other languages
English (en)
Other versions
CN114770607A (zh
Inventor
孙伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xiyan Industrial Technology Co ltd
Original Assignee
Shenzhen Xiyan Industrial Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Xiyan Industrial Technology Co ltd filed Critical Shenzhen Xiyan Industrial Technology Co ltd
Priority to CN202210695870.XA priority Critical patent/CN114770607B/zh
Publication of CN114770607A publication Critical patent/CN114770607A/zh
Application granted granted Critical
Publication of CN114770607B publication Critical patent/CN114770607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B25J19/0095—Means or methods for testing manipulators
    • 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
    • B25J19/0066—Means or methods for maintaining or repairing manipulators
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G06F17/153—Multidimensional correlation or convolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Robotics (AREA)
  • Game Theory and Decision Science (AREA)
  • Manipulator (AREA)

Abstract

本发明提出了一种基于大数据的机器人健康监控方法、系统及存储介质，对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中所需时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值，将机器人健康特征值与标准健康特征值进行比较获得异常机器人数据并进行告警提示维修。本发明使用退役的机器人来学习，能够实时通过衰减程度精确获知机器人的健康状况，提高了机器人健康状态健康的效率。

Description

一种基于大数据的机器人健康监控方法及系统
技术领域
本发明涉及大数据技术领域，特别是涉及一种基于大数据的机器人健康监控方法、系统及存储介质。
背景技术
智能制造已成为工业界热点，如何提高生产设备的可靠性及生产过程的安全性是智能制造系统着力解决的关键问题。现有技术中存在着许多无法被决策者掌握的不确定因素，通常表现为设备的性能下降、健康衰退、零部件磨损、运行风险升高等。这些因素很难通过测量被定量化呈现，往往是工业生产中不可控的风险，会对企业生产过程造成不利影响，如机器意外停机和产品质量下降等。
现有技术传统的监控机器人健康状态的方式效率过低，无法及时反馈运行过程中出现的问题。
发明内容
基于上述问题，本发明提出了一种基于大数据的机器人健康监控方法、系统及存储介质，利用已退役的机器人计算并作为比较对象，获取异常机器人并进行告警维修提醒，实现了基于大数据的自适应维修告警。
一方面，本发明提出了一种基于大数据的机器人健康监控方法，所述方法包括，
步骤101，采集机器人健康数据；
步骤102，建立机器人健康特征矩阵；
步骤103，计算机器人健康特征值；
步骤104，对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中数据采集时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值；
步骤105，将所述机器人健康特征值与所述标准健康特征值进行比较获得异常机器人数据并存入异常机器人健康列表，将异常机器人监控列表中的异常数据展示到前端显示面板中，提醒维修检测人员对异常机器人进行检修。
进一步地，所述建立机器人健康特征矩阵具体为，建立包含四维度参数的机器人健康特征矩阵
Figure 869087DEST_PATH_IMAGE001
；其中，n表示机器人编号，t表示数据采集的时间，ms表示主电机转速，cv表示机器人电流值，tv表示机器人主电机温度值，vv表示机器人扭矩，hcv表示机器人健康特征值。
进一步地，所述计算机器人健康特征值具体为，以主电机转速ms参数为中心参数，以机器人电流值cv为第一特征参数，以机器人主电机温度值tv为第二特征参数，以机器人扭矩vv为第三特征参数，计算机器人健康特征值：
Figure 728459DEST_PATH_IMAGE002
，
其中，
Figure 212661DEST_PATH_IMAGE003
表示机器人健康特征矩阵
Figure 694808DEST_PATH_IMAGE001
中的三个特征参数，i=1时
Figure 767806DEST_PATH_IMAGE003
表示机器人健康特征矩阵的第一特征参数cv，i=2时
Figure 548812DEST_PATH_IMAGE003
表示机器人健康特征矩阵的第二特征参数tv，i=3时
Figure 707260DEST_PATH_IMAGE003
表示机器人健康特征矩阵的第三特征参数vv，
Figure 464870DEST_PATH_IMAGE004
为特征维度调节参数。
进一步地，所述对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中第t时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值具体为，
选取机器人健康特征矩阵
Figure 657954DEST_PATH_IMAGE001
中已退役的机器人作为建模对象，根据已经退役的机器人服役生命周期中的机器人健康特征矩阵
Figure 609860DEST_PATH_IMAGE001
信息，采用以下公式进行建模分析
Figure 255605DEST_PATH_IMAGE005
，
其中，
Figure 505321DEST_PATH_IMAGE006
表示已经退役的机器人在机器人健康特征矩阵
Figure 805109DEST_PATH_IMAGE001
中第t时刻的健康特征值的正常状态值，
Figure 177184DEST_PATH_IMAGE007
表示已经退役的机器人在机器人健康特征矩阵
Figure 60958DEST_PATH_IMAGE001
中在服役的初始时刻t0的标准健康特征值，将
Figure 176681DEST_PATH_IMAGE006
的计算结果保存至标准健康特征矩阵的标准健康特征值，f为衰退系数。
进一步地，所述
Figure 390363DEST_PATH_IMAGE007
的计算方法具体为，
步骤1041，选取9m个已退役的机器人，其中m大于等于3，建立第一计算特征矩阵；
步骤1042，对所述第一计算特征矩阵执行迭代卷积计算，卷积核对所述第一计算特征矩阵进行遍历，计算获得
Figure 684072DEST_PATH_IMAGE007
。
进一步地，所述迭代卷积计算体为，
设置卷积核，用卷积核对第一计算特征矩阵执行m层迭代卷积计算；
每层卷积计算，卷积核对第一计算特征矩阵进行遍历，每次映射特征矩阵时采用十字映射算法：
Figure 976513DEST_PATH_IMAGE008
，
其中，hcv(2，y)为每次轮询中卷积核覆盖区域的子矩阵中位于第2行第y列位置的hcv值；hcy(x,2)为每次轮询中卷积核覆盖区域的子矩阵中位于第x行第2列位置的hcv值；
Figure 895927DEST_PATH_IMAGE009
为经过映射计算后的健康特征值；将
Figure 234806DEST_PATH_IMAGE009
保存到第二计算特征矩阵中，经过循环计算后获得
Figure 948684DEST_PATH_IMAGE007
。
进一步地，所述衰退系数的计算方法具体为：
Figure 807050DEST_PATH_IMAGE010
，
其中，
Figure 264576DEST_PATH_IMAGE011
表示已经退役的机器人在机器人健康特征矩阵中服役的最后时刻ts的健康特征值hcv的平均值；
Figure 124954DEST_PATH_IMAGE007
表示已经退役的机器人在机器人健康特征矩阵中在服役的初始时刻t0的健康特征值，td为机器人的预期服役时长。
进一步地，所述预期服役时长的计算方法具体为
Figure 275312DEST_PATH_IMAGE012
，
其中tm为机器人的设计总寿命时长，
Figure 355395DEST_PATH_IMAGE013
为当前机器人工作的历史故障率，
Figure 288716DEST_PATH_IMAGE014
为当前机器人工作的历史负载率。
另一方面，本发明还提出了一种基于大数据的机器人健康监控系统，所述系统包括，
采集模块201，用于采集机器人健康数据；
建模模块202，用于建立机器人健康特征矩阵；
特征值计算模块203，用于计算机器人健康特征值；
标准特征值模块204，用于对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中数据采集时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值；
告警模块205，用于将所述机器人健康特征值与所述标准健康特征值进行比较获得异常机器人数据并存入异常机器人健康列表，将异常机器人监控列表中的异常数据展示到前端显示面板中，提醒维修检测人员对异常机器人进行检修。
此外，本发明提供一种计算机可读存储介质，用于存储计算机程序，所述程序执行前述基于大数据的机器人健康监控方法。
本发明提出了一种基于大数据的机器人健康监控方法、系统及存储介质，对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中所需时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值，将机器人健康特征值与标准健康特征值进行比较获得异常机器人数据并进行告警提示维修。本发明使用退役的机器人来学习，能够实时通过衰减程度精确获知机器人的健康状况，提高了机器人健康状态监控的效率。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于大数据的机器人健康监控方法流程图；
图2为本发明基于大数据的机器人健康监控系统结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。在本发明的描述中，需要说明的是，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本发明提出了一种基于大数据的机器人健康监控方法，如附图1所示，包括：
步骤101，采集机器人健康数据；
所述机器人为数字化工厂中的机器人，在机器人的电机等部件安装转速信息采集传感器、电流信息采集传感器、温度信息采集传感器、电容电压信息采集传感器等，按照预定时间间隔，采集机器人在整个生命周期中正常工作状态下的机器人健康状态相关数据。
步骤102，建立机器人健康特征矩阵；
通过采集到的机器人主电机转速、机器人电流值、机器人主电机温度值、机器人扭矩等信息，建立包含四维度参数的机器人健康特征矩阵
Figure 19911DEST_PATH_IMAGE001
，其中n表示机器人编号，t表示数据采集的时间（以秒为单位），ms表示主电机转速，cv表示机器人电流值，tv表示机器人主电机温度值，vv表示机器人扭矩，hcv表示机器人健康特征值。
步骤103，计算机器人健康特征值；
对于机器人健康特征矩阵
Figure 593369DEST_PATH_IMAGE001
中的数据，以主电机转速ms参数为中心参数，以机器人电流值cv为第一特征参数，以机器人主电机温度值tv为第二特征参数，以机器人扭矩vv为第三特征参数，通过机器人健康特征值计算算法，融合电流值、温度值、扭矩三个特征参数与中心参数，提取机器人健康特征值，以实现大数据降维运算。以机器人健康特征矩阵
Figure 144436DEST_PATH_IMAGE001
中编号为n的机器人在第t时刻为例（t可以为大于等于1秒的任意时刻），机器人健康特征值计算方法如下：
Figure 960076DEST_PATH_IMAGE002
，
其中，
Figure 545778DEST_PATH_IMAGE015
表示机器人健康特征矩阵
Figure 710043DEST_PATH_IMAGE001
中的三个特征参数，i=1时表示机器人健康特征矩阵的第一特征参数cv，i=2时
Figure 263253DEST_PATH_IMAGE015
表示机器人健康特征矩阵的第二特征参数tv，i=3时
Figure 866273DEST_PATH_IMAGE015
表示机器人健康特征矩阵的第三特征参数vv。其中ms表示机器人健康特征矩阵的中心参数主电机转速值。其中
Figure 57214DEST_PATH_IMAGE004
为特征维度调节参数，因参数维度为4，
Figure 720276DEST_PATH_IMAGE016
。将计算结果hcv保存到机器人健康特征矩阵
Figure 492274DEST_PATH_IMAGE001
中。
步骤104，对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中第t时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值；
选取机器人健康特征矩阵
Figure 898984DEST_PATH_IMAGE001
中已退役的机器人作为建模对象，根据已经退役的机器人服役生命周期中的机器人健康特征矩阵
Figure 210011DEST_PATH_IMAGE001
信息，采用以下公式进行建模分析
Figure 778396DEST_PATH_IMAGE005
，
其中，
Figure 994613DEST_PATH_IMAGE006
表示已经退役的机器人在机器人健康特征矩阵
Figure 188703DEST_PATH_IMAGE001
中第t时刻的健康特征值hcv的正常状态值，即机器人在t时刻应有的标准健康特征值，
Figure 603504DEST_PATH_IMAGE007
表示已经退役的机器人在机器人健康特征矩阵
Figure 93522DEST_PATH_IMAGE001
中在服役的初始时刻t0的标准健康特征值，f为衰退系数。
其中，
Figure 593774DEST_PATH_IMAGE007
的计算方法如下：
步骤1041，选取9m个已退役的机器人，其中m大于等于3，建立第一计算特征矩阵；
具体地，在机器人健康特征矩阵
Figure 594484DEST_PATH_IMAGE001
中选取9m个已退役的机器人，其中m大于等于3，建立第一计算特征矩阵
Figure 863791DEST_PATH_IMAGE017
，其中9m表示矩阵编号，t表示机器人生命周期所处时刻，x，y表示矩阵中的横坐标与纵坐标，hcv表示装载到矩阵中机器人健康特征值，hcv数据来源于已退役的机器的健康特征矩阵
Figure 977241DEST_PATH_IMAGE001
，将数据从特征矩阵
Figure 715521DEST_PATH_IMAGE001
装载到计算特征矩阵
Figure 2146DEST_PATH_IMAGE017
时，按照随机方法装载；
步骤1042，对所述第一计算特征矩阵执行迭代卷积计算，卷积核对所述第一计算特征矩阵进行遍历，计算获得初始时刻的标准健康特征值；
具体地，设置卷积核JH，JH大小为3*3，用JH对第一计算特征矩阵
Figure 640806DEST_PATH_IMAGE017
执行m层迭代卷积计算；
每层卷积计算，卷积核对第一计算特征矩阵进行遍历，每次映射特征矩阵时采用十字映射算法，例如第一层计算，对第一计算特征矩阵
Figure 987474DEST_PATH_IMAGE017
进行遍历计算，十字映射算法如下：
Figure 947471DEST_PATH_IMAGE008
，
其中，hcv(2，y)为每次轮询中卷积核覆盖区域的子矩阵中位于第2行第y列位置的hcv值；hcy(x,2)为每次轮询中卷积核覆盖区域的子矩阵中位于第x行第2列位置的hcv值。
Figure 975470DEST_PATH_IMAGE009
为经过映射计算后的健康特征值。将
Figure 219369DEST_PATH_IMAGE009
保存到第二计算特征矩阵
Figure 983276DEST_PATH_IMAGE018
中。经过循环计算后，最后结果保存为
Figure 945416DEST_PATH_IMAGE007
。
f的计算方法如下：
Figure 324576DEST_PATH_IMAGE019
，
其中，
Figure 422982DEST_PATH_IMAGE011
表示已经退役的机器人在机器人健康特征矩阵
Figure 360720DEST_PATH_IMAGE001
中服役的最后时刻ts的健康特征值hcv的平均值。
Figure 482260DEST_PATH_IMAGE007
表示已经退役的机器人在机器人健康特征矩阵
Figure 914378DEST_PATH_IMAGE001
中在服役的初始时刻t0的健康特征。其中td为机器人的预期服役时长。td计算公式如下：
Figure 883602DEST_PATH_IMAGE012
，
其中tm为机器人的设计总寿命时长，
Figure 742974DEST_PATH_IMAGE013
为当前机器人工作的历史故障率，
Figure 666324DEST_PATH_IMAGE014
为当前机器人工作的历史负载率。
将计算结果保存到标准健康特征矩阵中，具体是将
Figure 636554DEST_PATH_IMAGE006
的计算结果保存至标准健康特征矩阵的标准健康特征值中。
本发明对已退役的机器人整个生命周期的健康数据进行建模，通过建立第一计算特征矩阵，采用卷积计算算，对第一计算特征矩阵进行m层迭代计算，通过大数据处理方式提高了t0时刻标准的健康值获取的效率。
步骤105，将异常机器人监控列表中的异常数据展示到前端显示面板中，提醒维修检测人员对异常机器人进行检修。
定期对所有在位机器人进行轮询调度，将机器人健康特征矩阵
Figure 460284DEST_PATH_IMAGE001
中hcv与标准健康特征矩阵的健康特征值进行比较，若相似度度小于阈值即表示机器人健康度超限，阈值可以取0.6、0.8，将机器人编号、机器人发生异常数据时间、异常机器人主电机转速值、温度值、电流值、扭矩等信息加入到异常机器人监控列表Y中。
另一方，本发明还提出了一种基于大数据的机器人健康监控系统，如附图2所示，包括：
采集模块201，用于采集机器人健康数据；
建模模块202，用于建立机器人健康特征矩阵；
特征值计算模块203，用于计算机器人健康特征值；
标准特征值模块204，用于对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中数据采集时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值；
告警模块205，用于将所述机器人健康特征值与所述标准健康特征值进行比较获得异常机器人数据并存入异常机器人健康列表，将异常机器人监控列表中的异常数据展示到前端显示面板中，提醒维修检测人员对异常机器人进行检修。
此外，本发明提供一种计算机可读存储介质，用于存储计算机程序，所述计算机程序执行本发明的基于大数据的机器人健康监控方法。
本发明提出了一种基于大数据的机器人健康监控方法、系统及存储介质，对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中所需时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值，将机器人健康特征值与标准健康特征值进行比较获得异常机器人数据并进行告警提示维修。本发明使用退役的机器人来学习，能够实时通过衰减程度精确获知机器人的健康状况，提高了机器人健康状态监控的效率。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、 “包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (3)

1.一种基于大数据的机器人健康监控方法，其特征在于，所述方法包括，
步骤101，采集机器人健康数据；
步骤102，建立机器人健康特征矩阵；
步骤103，计算机器人健康特征值；
步骤104，对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中数据采集时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值；
步骤105，将所述机器人健康特征值与所述标准健康特征值进行比较获得异常机器人数据并存入异常机器人健康列表，将异常机器人监控列表中的异常数据展示到前端显示面板中，提醒维修检测人员对异常机器人进行检修；
其中，所述建立机器人健康特征矩阵具体为，建立包含四维度参数的机器人健康特征矩阵
Figure 402578DEST_PATH_IMAGE001
；其中，n表示机器人编号，t表示数据采集的时间，ms表示主电机转速，cv表示机器人电流值，tv表示机器人主电机温度值，vv表示机器人扭矩，hcv表示机器人健康特征值；
所述计算机器人健康特征值具体为，以主电机转速ms参数为中心参数，以机器人电流值cv为第一特征参数，以机器人主电机温度值tv为第二特征参数，以机器人扭矩vv为第三特征参数，计算机器人健康特征值：
Figure 550793DEST_PATH_IMAGE002
，
其中，
Figure 342032DEST_PATH_IMAGE003
表示机器人健康特征矩阵
Figure 420846DEST_PATH_IMAGE001
中的三个特征参数，i=1时
Figure 230408DEST_PATH_IMAGE003
表示机器人健康特征矩阵的第一特征参数cv，i=2时
Figure 798793DEST_PATH_IMAGE003
表示机器人健康特征矩阵的第二特征参数tv，i=3时
Figure 828060DEST_PATH_IMAGE003
表示机器人健康特征矩阵的第三特征参数vv，
Figure 772882DEST_PATH_IMAGE004
为特征维度调节参数；
所述对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中第t时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值具体为：
选取机器人健康特征矩阵
Figure 439880DEST_PATH_IMAGE001
中已退役的机器人作为建模对象，根据已经退役的机器人服役生命周期中的机器人健康特征矩阵
Figure 444745DEST_PATH_IMAGE001
信息，采用以下公式进行建模分析
Figure 882680DEST_PATH_IMAGE005
，
其中，
Figure 116346DEST_PATH_IMAGE006
表示已经退役的机器人在机器人健康特征矩阵
Figure 651233DEST_PATH_IMAGE001
中第t时刻的健康特征值的正常状态值，
Figure 873004DEST_PATH_IMAGE007
表示已经退役的机器人在机器人健康特征矩阵
Figure 611284DEST_PATH_IMAGE001
中在服役的初始时刻t0的标准健康特征值，将
Figure 897909DEST_PATH_IMAGE006
的计算结果保存至标准健康特征矩阵的标准健康特征值，f为衰退系数；
所述
Figure 557078DEST_PATH_IMAGE007
的计算方法具体为，
步骤1041，选取9m个已退役的机器人，其中m大于等于3，建立第一计算特征矩阵；
步骤1042，对所述第一计算特征矩阵执行迭代卷积计算，卷积核对所述第一计算特征矩阵进行遍历，计算获得
Figure 841428DEST_PATH_IMAGE007
；
所述迭代卷积计算体为：
设置卷积核，用卷积核对第一计算特征矩阵执行m层迭代卷积计算；
每层卷积计算，卷积核对第一计算特征矩阵进行遍历，每次映射特征矩阵时采用十字映射算法：
Figure 316272DEST_PATH_IMAGE008
，
其中，hcv(2，y)为每次轮询中卷积核覆盖区域的子矩阵中位于第2行第y列位置的hcv值； hcv(x,2)为每次轮询中卷积核覆盖区域的子矩阵中位于第x行第2列位置的hcv值；
Figure 891741DEST_PATH_IMAGE009
为经过映射计算后的健康特征值；将
Figure 509542DEST_PATH_IMAGE009
保存到第二计算特征矩阵中，经过循环计算后获得
Figure 777843DEST_PATH_IMAGE007
；
所述衰退系数的计算方法具体为：
Figure 739983DEST_PATH_IMAGE010
，
其中，
Figure 620608DEST_PATH_IMAGE011
表示已经退役的机器人在机器人健康特征矩阵中服役的最后时刻ts的健康特征值hcv的平均值；
Figure 719014DEST_PATH_IMAGE007
表示已经退役的机器人在机器人健康特征矩阵中在服役的初始时刻t0的健康特征值，td为机器人的预期服役时长；
所述预期服役时长的计算方法具体为：
Figure 158217DEST_PATH_IMAGE012
，
其中为tm机器人的设计总寿命时长，
Figure 607652DEST_PATH_IMAGE013
为当前机器人工作的历史故障率，
Figure 23459DEST_PATH_IMAGE014
为当前机器人工作的历史负载率。
2.一种基于大数据的机器人健康监控系统，所述系统用于运行权利要求1所述的基于大数据的机器人健康监控方法，其特征在于，所述系统包括，
采集模块201，用于采集机器人健康数据；
建模模块202，用于建立机器人健康特征矩阵；
特征值计算模块203，用于计算机器人健康特征值；
标准特征值模块204，用于对机器人健康度评价模型建模，计算已经退役的机器人在机器人健康特征矩阵中数据采集时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值；
告警模块205，用于将所述机器人健康特征值与所述标准健康特征值进行比较获得异常机器人数据并存入异常机器人健康列表，将异常机器人监控列表中的异常数据展示到前端显示面板中，提醒维修检测人员对异常机器人进行检修。
3.一种计算机可读存储介质，用于存储计算机程序，所述计算机程序执行权利要求1所述的基于大数据的机器人健康监控方法。
CN202210695870.XA 2022-06-20 2022-06-20 一种基于大数据的机器人健康监控方法及系统 Active CN114770607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210695870.XA CN114770607B (zh) 2022-06-20 2022-06-20 一种基于大数据的机器人健康监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210695870.XA CN114770607B (zh) 2022-06-20 2022-06-20 一种基于大数据的机器人健康监控方法及系统

Publications (2)

Publication Number Publication Date
CN114770607A CN114770607A (zh) 2022-07-22
CN114770607B true CN114770607B (zh) 2022-09-02

Family

ID=82421921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210695870.XA Active CN114770607B (zh) 2022-06-20 2022-06-20 一种基于大数据的机器人健康监控方法及系统

Country Status (1)

Country Link
CN (1) CN114770607B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116061233B (zh) * 2023-02-06 2024-07-23 杭州亿恒科技有限公司 在役工业关节机器人的健康监测方法
CN116034904B (zh) * 2023-03-31 2023-06-13 华南农业大学 基于轨道式巡检机器人的猪只健康监测系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108058188A (zh) * 2017-11-24 2018-05-22 苏州灵猴机器人有限公司 机器人健康监测和故障诊断系统及其控制方法
CN108152736A (zh) * 2017-12-07 2018-06-12 上海大学 利用电机系统参数监测负载变化与系统异常的自主感知系统
CN113676559A (zh) * 2021-10-23 2021-11-19 深圳希研工业科技有限公司 物联网多设备移动边缘计算的信息处理系统及方法
WO2022041064A1 (en) * 2020-08-27 2022-03-03 Rethink Robotics Gmbh Method and apparatus for robot joint status monitoring
CN114418383A (zh) * 2022-01-18 2022-04-29 青岛方维智能科技有限公司 一种工业机器人的健康风险评估方法、装置、介质和设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10843341B2 (en) * 2017-05-05 2020-11-24 Brooks Automation, Inc. Method and apparatus for health assessment of a transport apparatus

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108058188A (zh) * 2017-11-24 2018-05-22 苏州灵猴机器人有限公司 机器人健康监测和故障诊断系统及其控制方法
CN108152736A (zh) * 2017-12-07 2018-06-12 上海大学 利用电机系统参数监测负载变化与系统异常的自主感知系统
WO2022041064A1 (en) * 2020-08-27 2022-03-03 Rethink Robotics Gmbh Method and apparatus for robot joint status monitoring
CN113676559A (zh) * 2021-10-23 2021-11-19 深圳希研工业科技有限公司 物联网多设备移动边缘计算的信息处理系统及方法
CN114418383A (zh) * 2022-01-18 2022-04-29 青岛方维智能科技有限公司 一种工业机器人的健康风险评估方法、装置、介质和设备

Also Published As

Publication number Publication date
CN114770607A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN114770607B (zh) 一种基于大数据的机器人健康监控方法及系统
CN110069810B (zh) 电池故障预测方法、装置、设备和可读存储介质
CN106547852B (zh) 异常数据检测方法及装置、数据预处理方法及系统
CN112257755A (zh) 航天器运行状态的分析方法和装置
US20210042585A1 (en) Abnormality detection device, abnormality detection method and computer readable medium
CN111126822B (zh) 一种工业机器人健康评估方法、装置及存储介质
CN112862127A (zh) 一种传感器数据的异常处理方法、装置、电子设备及介质
CN109359873B (zh) 一种基于pca-t2的滚珠丝杠副健康评估方法
CN117783745B (zh) 用于换电柜的数据在线监测方法及系统
Zhang et al. Statistical monitoring of the hand, foot and mouth disease in China
CN116522096B (zh) 基于动作捕捉的三维数字孪生内容智能制作方法
CN113110403B (zh) 一种基于稀疏约束的工业过程离群点检测与故障诊断方法和系统
CN110858072B (zh) 设备运行状态的确定方法及装置
CN111823273A (zh) 一种工业机器人在线轨迹预测的运行监测系统及其监测方法
CN113110972A (zh) 一种时序数据异常检测方法、装置及介质
CN115358297A (zh) 一种基于改进mkeca方法的注塑机异常检测方法及系统
CN112163618A (zh) 一种设备故障的检测方法及检测系统
CN117952377A (zh) 一种数字孪生的离散制造车间同步演化方法、设备及介质
CN118034197A (zh) 工厂运行数据异常预警方法、预警设备及存储介质
CN115144182B (zh) 轴承健康状态监测方法、装置、计算机设备及存储介质
Haghighati et al. Feature extraction in control chart patterns with missing data
CN115344621A (zh) 基于解缠绕网络的多变量时间序列异常检测方法及系统
CN118410306B (zh) 一种滚动轴承故障跨设备深度域自适应迁移诊断方法
CN118094264B (zh) 一种智能化电力电容器局部放电检测方法及系统
CN118333284B (zh) 基于电参数分析的台区电压监测数据处理方法及系统

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