CN114812669A - 一种智能机器人驱动系统故障诊断方法及系统 - Google Patents

Abstract

本发明涉及一种智能机器人驱动系统故障诊断方法及系统，涉及故障诊断技术领域，本发明通过获取机器人液压驱动系统的参数信息，其中所述参数信息包括液压泵的压力、电液伺服阀的控制电流以及液压缸活塞杆的位移；对所述参数信息进行特征提取，得到特征数据；基于所述特征数据得到机器人液压驱动系统的诊断结果；其中所述诊断结果包括液压缸内泄漏、伺服阀堵塞以及液压泵内泄漏；将所述诊断结果发送至用户终端，够把液压油热胀冷缩的判断误差排出在外，使得诊断结果更加精准，提高了诊断结果的可靠性，并且能够对多种液压驱动系统的故障进行精准诊断，适用范围广。

Description

一种智能机器人驱动系统故障诊断方法及系统

技术领域

本发明涉及故障诊断技术领域，尤其涉及一种智能机器人驱动系统故障诊断方法及系统。

背景技术

机器人液压驱动系统对机器人的工作有着极其重要的影响，其控制精度以及使用要求都在不断地提高，系统结构也变得越来越复杂、工作强度也在逐渐的变大。由于液压驱动系统结构逐步趋向于细微化、复杂化以及对工作介质液压油的高敏感性，在高强度的持续工况下，系统产生故障的可能性节节攀升。液压驱动系统在工作中一旦出现故障，系统将无法正常驱动，将导致工作效率低、元件性能差、经济损失严重等一系列严重的后果。

并且由于机器人的液压驱动系统是一个复杂非线性系统，且液压元件都安装在油路中，油路处于封闭的状态，一些主要液压元件(液压泵、伺服阀、液压缸)的故障形式也是相当的复杂，而且也很难提取出故障的特征信息，从而难以即快又有效的确定出故障所在，以及难以对故障原因进行预判并及时作出反馈处理。

发明内容

本发明克服了现有技术的不足，提供了一种智能机器人驱动系统故障诊断方法及系统。

为了达到上述目的，本发明采用的技术方案为：

本发明第一方面提供一种智能机器人驱动系统故障诊断方法，包括如下步骤：

获取机器人液压驱动系统的参数信息，其中所述参数信息包括液压泵的压力、电液伺服阀的控制电流以及液压缸活塞杆的位移；

对所述参数信息进行特征提取，得到特征数据；

基于所述特征数据得到机器人液压驱动系统的诊断结果；其中所述诊断结果包括液压缸内泄漏、伺服阀堵塞以及液压泵内泄漏；

将所述诊断结果发送至用户终端。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，具体包括如下步骤：

通过大数据网络获取不同类型液压油在各温度变化率下的标准压力变化率，并基于所述标准压力变化率建立标准数据库；

在预设时间内获取液压泵内液压油的温度值，并基于在预设时间内获取液压泵内液压油的温度值计算出实时温度变化率；

将所述实时温度变化率导入所述标准数据库中，得到预设压力变化率；

在预设时间内获取液压泵的压力值，并基于预设时间内获取液压泵的压力值计算出实时压力变化率；

判断所述实时压力变化率是否大于预设压力变化率；

若是，则说明液压泵发生内泄漏故障。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

通过控制系统对电液伺服阀输出控制电流信号，获取电液伺服阀反馈的控制电流信号；

判断在预设时间内是否能够接收到所述电液伺服阀反馈的控制电流信号；

若否，则说明电液伺服阀完全堵塞；

若是，则在预设时间内获取电液伺服阀反馈的控制电流信号值，并基于在预设时间内获取电液伺服阀反馈的控制电流信号值计算出电流变化率；

判断所述电流变化率是否大于预设变化率或判断所述反馈的控制电流信号是否与所述输出控制电流信号方向相反；

若是，则说明电液伺服阀部分堵塞。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

在预设时间内获取液压缸活塞杆的位置信息，基于所述位置信息计算出位移变化量；

计算所述位移变化量与预设变化量之间的差值，得到位移变化率；

判断所述位移变化率是否小于预设变化率；

若是，则说明液压缸内部发生内泄漏故障。

进一步的，本发明的一个较佳实施例中，还包括如下步骤：

获取机器人液压驱动系统油路中同一位置在多个时刻上的多个压力值，并基于多个所述压力值建立压力值曲线图；

将所述压力值曲线图整合到预设曲线图中，进而得到压力值曲线图与预设曲线图的重合度；

判断所述重合度是否小于预设重合度；

若是，则进行下一步判定。

进一步的，本发明的一个较佳实施例中，若是，则进行下一步判定，具体为：

计算压力曲线图与预设曲线图在多个同一时间段上的多个斜率值；

将压力曲线图与预设曲线图在多个同一时间段上的多个斜率值进行比较，得到压力曲线图与预设曲线图在同一时间段上斜率值不相等的数目；

将所述斜率值不同的数目与总斜率值数目进行比较，得到气泡浓度信息；

判断所述气泡浓度信息是否大于预设浓度信息；

若大于，则说明液压驱动系统液压油中存在气泡故障。

本发明第二方面提供了一种智能机器人驱动系统故障诊断方法及系统，所述系统包括储存器与处理器，所述储存器包括智能机器人驱动系统故障诊断方法程序，所述储存器包括智能机器人驱动系统故障诊断方法程序被处理器执行时，实现如下步骤：

获取机器人液压驱动系统的参数信息，其中所述参数信息包括液压泵的压力、电液伺服阀的控制电流以及液压缸活塞杆的位移；

对所述参数信息进行特征提取，得到特征数据；

基于所述特征数据得到机器人液压驱动系统的诊断结果；其中所述诊断结果包括液压缸内泄漏、伺服阀堵塞以及液压泵内泄漏；

将所述诊断结果发送至用户终端。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，具体包括如下步骤：

通过大数据网络获取不同类型液压油在各温度变化率下的标准压力变化率，并基于所述标准压力变化率建立标准数据库；

在预设时间内获取液压泵内液压油的温度值，并基于在预设时间内获取液压泵内液压油的温度值计算出实时温度变化率；

将所述实时温度变化率导入所述标准数据库中，得到预设压力变化率；

在预设时间内获取液压泵的压力值，并基于预设时间内获取液压泵的压力值计算出实时压力变化率；

判断所述实时压力变化率是否大于预设压力变化率；

若是，则说明液压泵发生内泄漏故障。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

通过控制系统对电液伺服阀输出控制电流信号，获取电液伺服阀反馈的控制电流信号；

判断在预设时间内是否能够接收到所述电液伺服阀反馈的控制电流信号；

若否，则说明电液伺服阀完全堵塞；

若是，则在预设时间内获取电液伺服阀反馈的控制电流信号值，并基于在预设时间内获取电液伺服阀反馈的控制电流信号值计算出电流变化率；

判断所述电流变化率是否大于预设变化率或判断所述反馈的控制电流信号是否与所述输出控制电流信号方向相反；

若是，则说明电液伺服阀部分堵塞。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

在预设时间内获取液压缸活塞杆的位置信息，基于所述位置信息计算出位移变化量；

计算所述位移变化量与预设变化量之间的差值，得到位移变化率；

判断所述位移变化率是否小于预设变化率；

若是，则说明液压缸内部发生内泄漏故障。

本发明解决了背景技术中存在的缺陷，并能够达到如下的技术效果：

本发明通过获取机器人液压驱动系统的参数信息，其中所述参数信息包括液压泵的压力、电液伺服阀的控制电流以及液压缸活塞杆的位移；对所述参数信息进行特征提取，得到特征数据；基于所述特征数据得到机器人液压驱动系统的诊断结果；其中所述诊断结果包括液压缸内泄漏、伺服阀堵塞以及液压泵内泄漏；将所述诊断结果发送至用户终端，够把液压油热胀冷缩的判断误差排出在外，使得诊断结果更加精准，提高了诊断结果的可靠性，并且能够对多种液压驱动系统的故障进行精准诊断，适用范围广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，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实施例的附图。

图1示出了智能机器人驱动系统故障诊断方法的具体方法流程图；

图2示出了智能机器人驱动系统故障诊断方法的第一部分方法流程图；

图3示出了智能机器人驱动系统故障诊断方法的第二部分方法流程图；

图4示出了智能机器人驱动系统故障诊断方法的第三部分方法流程图；

图5示出了智能机器人驱动系统故障诊断方法的第四部分方法流程图；

图6示出了智能机器人驱动系统故障诊断方法的第五部分方法流程图；

图7示出了智能机器人驱动系统故障诊断方法的系统框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

本发明第一方面提供一种智能机器人驱动系统故障诊断方法，包括如下步骤：

S102：获取机器人液压驱动系统的参数信息，其中所述参数信息包括液压泵的压力、电液伺服阀的控制电流以及液压缸活塞杆的位移；

S104：对所述参数信息进行特征提取，得到特征数据；

S106：基于所述特征数据得到机器人液压驱动系统的诊断结果；其中所述诊断结果包括液压缸内泄漏、伺服阀堵塞以及液压泵内泄漏；

S108：将所述诊断结果发送至用户终端。

需要说明的是，液压缸与液压泵内泄漏一般由内部元件发生泄漏所引起，不易察觉，系统内泄漏会减少流量、降低系统压力、造成执行机构不稳定、从而影响系统的运动性能；伺服阀的堵塞一般由液压油不清洁、未及时更换油液等引起，当阀被堵塞、出现滑阀液压卡紧现象时，滑阀的磨损速度变会加快，进而使阀的动作产生滞后、引起故障。而在液压驱动系统运行的过程中，伴随着多种不同的动态信号。合适的状态信号可以很好地表征系统的运行状况，有利于对液压系统进行故障诊断，因此选取液压缸活塞杆的位移，伺服阀的控制电流及液压泵的压力这三种信号来表征系统信息。当液压缸发生内泄漏时，液压缸活塞杆的完全伸出与收回时间会比正常情况慢，并且其伸出与收回时间随着内泄漏的增大而变长，因此检测液压缸活塞杆的位移变化情况来反映液压缸的故障情况，并且位移信号的测取也相对容易。电液伺服阀堵塞后，伺服阀的给定量即控制电流便会经闭环控制产生变化，当通过控制系统对其施加控制电流后，伺服阀内部的反馈机构会失效，使得系统的反馈信号断开，或者出现某种正负反馈的现象，因此通过测量电流的变化进而分析电液伺服阀的故障情况。液压泵负责给整个液压系统提供液压能源，液压泵的压力变化能直接体现出系统的工作状况，当液压泵发生内泄漏，其出口压力值会有明显的变化，因此可以通过测量液压泵的出口压力值进而反馈其故障信息，并且压力信号的测取相对容易、且具有较高的信噪比和较好的灵敏性。

需要说明的是，压力、位移以及电流这些状态量都是动态波形，并不能直接用来故障识别，必须要对其进行信号处理，进行特征提取，使之能反映出液压驱动系统的状态特征，在本文中，信号处理采用时域分析方法，利用时域分析可以提取信号的峰值、平均值、有效值等特征参量。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，具体包括如下步骤：

S202：通过大数据网络获取不同类型液压油在各温度变化率下的标准压力变化率，并基于所述标准压力变化率建立标准数据库；

S204：在预设时间内获取液压泵内液压油的温度值，并基于在预设时间内获取液压泵内液压油的温度值计算出实时温度变化率；

S206：将所述实时温度变化率导入所述标准数据库中，得到预设压力变化率；

S208：在预设时间内获取液压泵的压力值，并基于预设时间内获取液压泵的压力值计算出实时压力变化率；

S210：判断所述实时压力变化率是否大于预设压力变化率；

S212：若是，则说明液压泵发生内泄漏故障。

需要说明的是，液压油在液压驱动系统循环流动的过程中，液压油的温度是不断变化的，这是由于液压系统的零部件不断摩擦生热造成的，例如活塞杆与活塞缸之间的摩擦、内轴承与外轴承之间的摩擦等，而基于热胀冷缩的原理，升温后的液压油会膨胀，而吸热膨胀后的液压油会造成液压泵内的相对压力也会增加，但这属于正常的现象，并不属于故障，在故障诊断时，也需要把液压油热胀冷缩这一因素考虑入内。因此，在本发明中，首先通过大数据网络获取不同类型液压油在各温度变化率下的标准压力变化率并建立标准数据库，然后再实际诊断检测时，在预设时间内同时获取液压泵内液压油的压力值与温度值，进而计算出在预设时间内液压油的实时温度变化率与实时压力变化率，再将该实时温度变化率导入标准数据库中，进而得到预设压力变化率，再判断所述实时压力变化率是否大于预设压力变化率，若大于，则说明液压泵发生内泄漏故障。在此过程中，能够把液压油热胀冷缩的判断误差排出在外，使得诊断结果更加精准，提高了诊断结果的可靠性。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

S302：通过控制系统对电液伺服阀输出控制电流信号，获取电液伺服阀反馈的控制电流信号；

S304：判断在预设时间内是否能够接收到所述电液伺服阀反馈的控制电流信号；

S306：若否，则说明电液伺服阀完全堵塞；

S308：若是，则在预设时间内获取电液伺服阀反馈的控制电流信号值，并基于在预设时间内获取电液伺服阀反馈的控制电流信号值计算出电流变化率；

S310：判断所述电流变化率是否大于预设变化率或判断所述反馈的控制电流信号是否与所述输出控制电流信号方向相反；

S312：若是，则说明电液伺服阀部分堵塞。

需要说明的是，在电液伺服阀上安装有电流计，该电流计与控制系统通讯连接。在电液伺服阀正常运行时，当控制系统向电液伺服阀输出正向控制电流信号时，电流计显示并反馈的电流会为正值，相反，当输出的电流信号为负值时，电流计显示并反馈的电流会为负值。而当电液伺服阀完全堵塞后，造成阀控不通，系统的反馈断开，使得电流计反馈机构会失效，此时控制系统会接收不到电流计的反馈信号，此时说明电液伺服阀已经堵塞。而当电液伺服阀出现部分堵塞或间断性堵塞的情况，即其节流孔孔径因堵塞而变小，此时在相同时间内进入阀缸内的流量变小，此时阀芯运动的行程便会变小，并且阀芯所受到的冲击力也会忽大忽小，此时电流计检测到的电流便会变小，或电流计检测到的电流与正常情况会相反，此时判断电流变化率是否大于预设变化率或判断所述反馈的控制电流信号是否与所述输出控制电流信号方向相反，若是，这说明电液伺服阀部分堵塞。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

S402：在预设时间内获取液压缸活塞杆的位置信息，基于所述位置信息计算出位移变化量；

S404：计算所述位移变化量与预设变化量之间的差值，得到位移变化率；

S406：判断所述位移变化率是否小于预设变化率；

S408：若是，则说明液压缸内部发生内泄漏故障。

需要说明的是，液压缸产生内泄漏会减少油液流量、降低液压缸的执行速度、造成执行机构不稳定、进而影响系统的运动性能。当液压缸发生内泄漏时，液压缸活塞杆的完全伸出与收回时间会比正常情况慢，并且其伸出与收回时间随着内泄漏的增大而变长，因此通过检测液压缸活塞杆的位移变化情况来反映液压缸的故障情况。在预设时间内采集液压缸活塞杆的位置信息，并计算出位移变化量，再计算位移变化量与预设变化量之间的差值，得到位移变化率，然后再判断位移变化率是否大于预设变化率，若是则说明液压缸发生内泄漏，与正常情况相比，液压缸内的流量减少，进而造成推动活塞杆伸出或收回的动力不足，使得液压缸活塞杆的完全伸出与收回时间会比正常情况慢。并且通过位移变化量能够计算出液压缸内泄漏量，进而判断出液压缸内部零件的磨损程度，进而判断其使用寿命程度，其计算公式如下：

其中，Q为液压缸往复运动一次时的净泄漏量；Q₁外行程时液压缸活塞密封结构的内泄漏量；Q₂液压缸活塞缩回时粘附在活塞上的液压油流量；D为活塞直径；L为活塞杆位移变化量；μ为液压油粘度；u₀为活塞杆伸出时的速度；P₀为活塞杆伸出时接触压力行程梯度；u₁为活塞杆缩回时的速度；P₁为活塞杆缩回时接触压力行程梯度。

进一步的，本发明的一个较佳实施例中，还包括如下步骤：

S502：获取机器人液压驱动系统油路中同一位置在多个时刻上的多个压力值，并基于多个所述压力值建立压力值曲线图；

S504：将所述压力值曲线图整合到预设曲线图中，进而得到压力值曲线图与预设曲线图的重合度；

S506：判断所述重合度是否小于预设重合度；

S508：若是，则进行下一步判定。

需要说明的是，液压驱动系统中液压油产生气泡的原因是因为油路中存在微型裂纹，进而导致油路中进入了空气，当这些气泡进入液压系统中，会导致油液氧化、变质，更主要的是空气可压缩性远远大于油液，因此混入空气的液压油弹性模量大大缩小，液压缸运动不再连续均匀，阀、缸、马达容易产生空穴损坏，会导致系统压力不稳定，管路及设备振动,也就是气浊现象。

需要说明的是，通过在液压驱动系统的油路中某一个特定位置上安装压力传感器，通过压力传感器检测该位置上多个时刻的压力值，并根据多个时刻的压力值建立压力曲线图，然后再判断压力值曲线图与预设曲线图的重合度，若重合度小于预设重合度，则说明液压油中存在气泡。具体而言，若液压油中存在气体，则气体会以气泡的形式存在液压油中，在液压油循环流动的过程中，气泡也会随之流动，而当带着气泡的液压油流动至压力传感器的位置上时，由于液压油弹性模量大大缩小，压力传感器检查到的压力值会突然减少，在这个时刻的压力曲线图中便会出现一个抖峰，该时刻的压力值与预设曲线图便会发生偏离，使得压力值曲线图与预设曲线图不能重合，此时说明液压油中存在气泡。

进一步的，本发明的一个较佳实施例中，若是，则进行下一步判定，具体为：

S602：计算压力曲线图与预设曲线图在多个同一时间段上的多个斜率值；

S604：将压力曲线图与预设曲线图在多个同一时间段上的多个斜率值进行比较，得到压力曲线图与预设曲线图在同一时间段上斜率值不相等的数目；

S606：将所述斜率值不同的数目与总斜率值数目进行比较，得到气泡浓度信息；

S608：判断所述气泡浓度信息是否大于预设浓度信息；

S610：若大于，则说明液压驱动系统液压油中存在气泡故障。

需要说明的是，当判定出驱动系统的液压油中存在气泡后，再判断气泡的浓度是否在允许的范围内，若气泡浓度在允许的范围内，其不会对驱动系统造成影响，气泡能够自行的溶解在液压油中，若气泡浓度过大，此时则会判定为气泡故障，需要启动真空滤油系统过滤液压油，让整个系统处于负压状态，进而排除液压系统残留气体。具体而言，通过计算压力曲线图与预设曲线图在多个同一时间段上的多个斜率值，然后再将压力曲线图与预设曲线图中同一时间段计算出的斜率值进行比较，判定出斜率值不相等的数目，斜率值不相等便说明在这个时间段上有气泡随着液压油流过压力传感器上，压力传感器测得的压力信息在短时间内异常后又恢复正常，然后将斜率值不同的数目与总斜率值数目进行比较，便能够计算出气泡浓度信息。

本发明第二方面提供了一种智能机器人驱动系统故障诊断系统，所述系统包括储存器41与处理器62，所述储存器41包括智能机器人驱动系统故障诊断方法程序，所述储存器41包括智能机器人驱动系统故障诊断方法程序被处理器62执行时，实现如下步骤：

获取机器人液压驱动系统的参数信息，其中所述参数信息包括液压泵的压力、电液伺服阀的控制电流以及液压缸活塞杆的位移；

对所述参数信息进行特征提取，得到特征数据；

基于所述特征数据得到机器人液压驱动系统的诊断结果；其中所述诊断结果包括液压缸内泄漏、伺服阀堵塞以及液压泵内泄漏；

将所述诊断结果发送至用户终端。

需要说明的是，液压缸与液压泵内泄漏一般由内部元件发生泄漏所引起，不易察觉，系统内泄漏会减少流量、降低系统压力、造成执行机构不稳定、从而影响系统的运动性能；伺服阀的堵塞一般由液压油不清洁、未及时更换油液等引起，当阀被堵塞、出现滑阀液压卡紧现象时，滑阀的磨损速度变会加快，进而使阀的动作产生滞后、引起故障。而在液压驱动系统运行的过程中，伴随着多种不同的动态信号。合适的状态信号可以很好地表征系统的运行状况，有利于对液压系统进行故障诊断，因此选取液压缸活塞杆的位移，伺服阀的控制电流及液压泵的压力这三种信号来表征系统信息。当液压缸发生内泄漏时，液压缸活塞杆的完全伸出与收回时间会比正常情况慢，并且其伸出与收回时间随着内泄漏的增大而变长，因此检测液压缸活塞杆的位移变化情况来反映液压缸的故障情况，并且位移信号的测取也相对容易。电液伺服阀堵塞后，伺服阀的给定量即控制电流便会经闭环控制产生变化，当通过控制系统对其施加控制电流后，伺服阀内部的反馈机构会失效，使得系统的反馈信号断开，或者出现某种正负反馈的现象，因此通过测量电流的变化进而分析电液伺服阀的故障情况。液压泵负责给整个液压系统提供液压能源，液压泵的压力变化能直接体现出系统的工作状况，当液压泵发生内泄漏，其出口压力值会有明显的变化，因此可以通过测量液压泵的出口压力值进而反馈其故障信息，并且压力信号的测取相对容易、且具有较高的信噪比和较好的灵敏性。

需要说明的是，压力、位移以及电流这些状态量都是动态波形，并不能直接用来故障识别，必须要对其进行信号处理，进行特征提取，使之能反映出液压驱动系统的状态特征，在本文中，信号处理采用时域分析方法，利用时域分析可以提取信号的峰值、平均值、有效值等特征参量。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，具体包括如下步骤：

通过大数据网络获取不同类型液压油在各温度变化率下的标准压力变化率，并基于所述标准压力变化率建立标准数据库；

在预设时间内获取液压泵内液压油的温度值，并基于在预设时间内获取液压泵内液压油的温度值计算出实时温度变化率；

将所述实时温度变化率导入所述标准数据库中，得到预设压力变化率；

在预设时间内获取液压泵的压力值，并基于预设时间内获取液压泵的压力值计算出实时压力变化率；

判断所述实时压力变化率是否大于预设压力变化率；

若是，则说明液压泵发生内泄漏故障。

需要说明的是，液压油在液压驱动系统循环流动的过程中，液压油的温度是不断变化的，这是由于液压系统的零部件不断摩擦生热造成的，例如活塞杆与活塞缸之间的摩擦、内轴承与外轴承之间的摩擦等，而基于热胀冷缩的原理，升温后的液压油会膨胀，而吸热膨胀后的液压油会造成液压泵内的相对压力也会增加，但这属于正常的现象，并不属于故障，在故障诊断时，也需要把液压油热胀冷缩这一因素考虑入内。因此，在本发明中，首先通过大数据网络获取不同类型液压油在各温度变化率下的标准压力变化率并建立标准数据库，然后再实际诊断检测时，在预设时间内同时获取液压泵内液压油的压力值与温度值，进而计算出在预设时间内液压油的实时温度变化率与实时压力变化率，再将该实时温度变化率导入标准数据库中，进而得到预设压力变化率，再判断所述实时压力变化率是否大于预设压力变化率，若大于，则说明液压泵发生内泄漏故障。在此过程中，能够把液压油热胀冷缩的判断误差排出在外，使得诊断结果更加精准，提高了诊断结果的可靠性。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

通过控制系统对电液伺服阀输出控制电流信号，获取电液伺服阀反馈的控制电流信号；

判断在预设时间内是否能够接收到所述电液伺服阀反馈的控制电流信号；

若否，则说明电液伺服阀完全堵塞；

若是，则在预设时间内获取电液伺服阀反馈的控制电流信号值，并基于在预设时间内获取电液伺服阀反馈的控制电流信号值计算出电流变化率；

判断所述电流变化率是否大于预设变化率或判断所述反馈的控制电流信号是否与所述输出控制电流信号方向相反；

若是，则说明电液伺服阀部分堵塞。

需要说明的是，在电液伺服阀上安装有电流计，该电流计与控制系统通讯连接。在电液伺服阀正常运行时，当控制系统向电液伺服阀输出正向控制电流信号时，电流计显示并反馈的电流会为正值，相反，当输出的电流信号为负值时，电流计显示并反馈的电流会为负值。而当电液伺服阀完全堵塞后，造成阀控不通，系统的反馈断开，使得电流计反馈机构会失效，此时控制系统会接收不到电流计的反馈信号，此时说明电液伺服阀已经堵塞。而当电液伺服阀出现部分堵塞或间断性堵塞的情况，即其节流孔孔径因堵塞而变小，此时在相同时间内进入阀缸内的流量变小，此时阀芯运动的行程便会变小，并且阀芯所受到的冲击力也会忽大忽小，此时电流计检测到的电流便会变小，或电流计检测到的电流与正常情况会相反，此时判断电流变化率是否大于预设变化率或判断所述反馈的控制电流信号是否与所述输出控制电流信号方向相反，若是，这说明电液伺服阀部分堵塞。

进一步的，本发明的一个较佳实施例中，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

在预设时间内获取液压缸活塞杆的位置信息，基于所述位置信息计算出位移变化量；

计算所述位移变化量与预设变化量之间的差值，得到位移变化率；

判断所述位移变化率是否小于预设变化率；

若是，则说明液压缸内部发生内泄漏故障。

需要说明的是，液压缸产生内泄漏会减少油液流量、降低液压缸的执行速度、造成执行机构不稳定、进而影响系统的运动性能。当液压缸发生内泄漏时，液压缸活塞杆的完全伸出与收回时间会比正常情况慢，并且其伸出与收回时间随着内泄漏的增大而变长，因此通过检测液压缸活塞杆的位移变化情况来反映液压缸的故障情况。在预设时间内采集液压缸活塞杆的位置信息，并计算出位移变化量，再计算位移变化量与预设变化量之间的差值，得到位移变化率，然后再判断位移变化率是否大于预设变化率，若是则说明液压缸发生内泄漏，与正常情况相比，液压缸内的流量减少，进而造成推动活塞杆伸出或收回的动力不足，使得液压缸活塞杆的完全伸出与收回时间会比正常情况慢。并且通过位移变化量能够计算出液压缸内泄漏量，进而判断出液压缸内部零件的磨损程度，进而判断其使用寿命程度，其计算公式如下：

其中，Q为液压缸往复运动一次时的净泄漏量；Q₁外行程时液压缸活塞密封结构的内泄漏量；Q₂液压缸活塞缩回时粘附在活塞上的液压油流量；D为活塞直径；L为活塞杆位移变化量；μ为液压油粘度；u₀为活塞杆伸出时的速度；P₀为活塞杆伸出时接触压力行程梯度；u₁为活塞杆缩回时的速度；P₁为活塞杆缩回时接触压力行程梯度。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种智能机器人驱动系统故障诊断方法，其特征在于，包括如下步骤：

获取机器人液压驱动系统的参数信息，其中所述参数信息包括液压泵的压力、电液伺服阀的控制电流以及液压缸活塞杆的位移；

对所述参数信息进行特征提取，得到特征数据；

基于所述特征数据得到机器人液压驱动系统的诊断结果；其中所述诊断结果包括液压缸内泄漏、伺服阀堵塞以及液压泵内泄漏；

将所述诊断结果发送至用户终端。

2.根据权利要求1所述的一种智能机器人驱动系统故障诊断方法，其特征在于，基于所述特征数据得到机器人液压驱动系统的诊断结果，具体包括如下步骤：

通过大数据网络获取不同类型液压油在各温度变化率下的标准压力变化率，并基于所述标准压力变化率建立标准数据库；

在预设时间内获取液压泵内液压油的温度值，并基于在预设时间内获取液压泵内液压油的温度值计算出实时温度变化率；

将所述实时温度变化率导入所述标准数据库中，得到预设压力变化率；

在预设时间内获取液压泵的压力值，并基于预设时间内获取液压泵的压力值计算出实时压力变化率；

判断所述实时压力变化率是否大于预设压力变化率；

若是，则说明液压泵发生内泄漏故障。

3.根据权利要求1所述的一种智能机器人驱动系统故障诊断方法，其特征在于，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

通过控制系统对电液伺服阀输出控制电流信号，获取电液伺服阀反馈的控制电流信号；

判断在预设时间内是否能够接收到所述电液伺服阀反馈的控制电流信号；

若否，则说明电液伺服阀完全堵塞；

若是，则在预设时间内获取电液伺服阀反馈的控制电流信号值，并基于在预设时间内获取电液伺服阀反馈的控制电流信号值计算出电流变化率；

判断所述电流变化率是否大于预设变化率或判断所述反馈的控制电流信号是否与所述输出控制电流信号方向相反；

若是，则说明电液伺服阀部分堵塞。

4.根据权利要求1所述的一种智能机器人驱动系统故障诊断方法，其特征在于，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

在预设时间内获取液压缸活塞杆的位置信息，基于所述位置信息计算出位移变化量；

计算所述位移变化量与预设变化量之间的差值，得到位移变化率；

判断所述位移变化率是否小于预设变化率；

若是，则说明液压缸内部发生内泄漏故障。

5.根据权利要求1所述的一种智能机器人驱动系统故障诊断方法，其特征在于，还包括如下步骤：

获取机器人液压驱动系统油路中同一位置在多个时刻上的多个压力值，并基于多个所述压力值建立压力值曲线图；

将所述压力值曲线图整合到预设曲线图中，进而得到压力值曲线图与预设曲线图的重合度；

判断所述重合度是否小于预设重合度；

若是，则进行下一步判定。

6.根据权利要求5所述的一种智能机器人驱动系统故障诊断方法，其特征在于，若是，则进行下一步判定，具体为：

计算压力曲线图与预设曲线图在多个同一时间段上的多个斜率值；

将压力曲线图与预设曲线图在多个同一时间段上的多个斜率值进行比较，得到压力曲线图与预设曲线图在同一时间段上斜率值不相等的数目；

将所述斜率值不同的数目与总斜率值数目进行比较，得到气泡浓度信息；

判断所述气泡浓度信息是否大于预设浓度信息；

若大于，则说明液压驱动系统液压油中存在气泡故障。

7.一种智能机器人驱动系统故障诊断系统，其特征在于，所述系统包括储存器与处理器，所述储存器包括智能机器人驱动系统故障诊断方法程序，所述储存器包括智能机器人驱动系统故障诊断方法程序被处理器执行时，实现如下步骤：

获取机器人液压驱动系统的参数信息，其中所述参数信息包括液压泵的压力、电液伺服阀的控制电流以及液压缸活塞杆的位移；

对所述参数信息进行特征提取，得到特征数据；

基于所述特征数据得到机器人液压驱动系统的诊断结果；其中所述诊断结果包括液压缸内泄漏、伺服阀堵塞以及液压泵内泄漏；

将所述诊断结果发送至用户终端。

8.根据权利要求7所述的一种智能机器人驱动系统故障诊断系统，其特征在于，基于所述特征数据得到机器人液压驱动系统的诊断结果，具体包括如下步骤：

通过大数据网络获取不同类型液压油在各温度变化率下的标准压力变化率，并基于所述标准压力变化率建立标准数据库；

在预设时间内获取液压泵内液压油的温度值，并基于在预设时间内获取液压泵内液压油的温度值计算出实时温度变化率；

将所述实时温度变化率导入所述标准数据库中，得到预设压力变化率；

在预设时间内获取液压泵的压力值，并基于预设时间内获取液压泵的压力值计算出实时压力变化率；

判断所述实时压力变化率是否大于预设压力变化率；

若是，则说明液压泵发生内泄漏故障。

9.根据权利要求7所述的一种智能机器人驱动系统故障诊断系统，其特征在于，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

通过控制系统对电液伺服阀输出控制电流信号，获取电液伺服阀反馈的控制电流信号；

判断在预设时间内是否能够接收到所述电液伺服阀反馈的控制电流信号；

若否，则说明电液伺服阀完全堵塞；

若是，则在预设时间内获取电液伺服阀反馈的控制电流信号值，并基于在预设时间内获取电液伺服阀反馈的控制电流信号值计算出电流变化率；

判断所述电流变化率是否大于预设变化率或判断所述反馈的控制电流信号是否与所述输出控制电流信号方向相反；

若是，则说明电液伺服阀部分堵塞。

10.根据权利要求7所述的一种智能机器人驱动系统故障诊断系统，其特征在于，基于所述特征数据得到机器人液压驱动系统的诊断结果，还包括如下步骤：

在预设时间内获取液压缸活塞杆的位置信息，基于所述位置信息计算出位移变化量；

计算所述位移变化量与预设变化量之间的差值，得到位移变化率；

判断所述位移变化率是否小于预设变化率；

若是，则说明液压缸内部发生内泄漏故障。

Images