CN117103287A - 一种工业机器人的协同控制方法及系统 - Google Patents

Abstract

本发明属于工业机器人管控技术领域，具体是一种工业机器人的协同控制方法及系统，其中，协同控制系统包括协同控制平台、机器人运动控制模块、机器人姿势检测模块、操作协同性评估模块以及周期性操作监管模块；本发明通过分析以判断对应检测时点对应机器人的动作异常或动作正常，据此将对应检测时点标记为协同时点或非协同时点，能够对各个检测时点所有机器人的协作状况进行合理分析并准确反馈，且对单次协同操作的整体协同性状况进行有效检测，实现单次协同性状况的合理评估，并在生成协同性不合格信号时通过将对应机器人进行操作表现分析和异常程度分析以捕捉异常机器人，能够针对性的进行工业机器人的检修维护，智能化程度高。

Description

一种工业机器人的协同控制方法及系统

技术领域

本发明涉及工业机器人管控技术领域，具体是一种工业机器人的协同控制方法及系统。

背景技术

工业机器人是自动化、可编程的机器，能够执行一系列动作，以按照预定的程序移动物体，它们被广泛用于制造业，以执行各种任务，包括装配、焊接、搬运、喷涂和包装等，工业机器人的主要优点是生产效率高、重复精度高、节省人力成本、可靠性强，且可以通过编程来适应各种不同的任务；

目前常通过若干组工业机器人进行配合以完成相应的工业协同操作，在反复进行相应工业协同操作时，无法对每次操作过程的协同性状况进行合理分析并准确反馈，以及在协同性不合格时无法进行各个工业机器人的操作表现分析和异常程度分析，难以针对性的进行工业机器人的检修维护，加大了诊断难度和管理难度，智能化程度低；

针对上述的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的在于提供一种工业机器人的协同控制方法及系统，解决了现有技术无法对每次操作过程的协同性状况进行合理分析并准确反馈，以及在协同性不合格时无法进行各个工业机器人的操作表现分析和异常程度分析，难以针对性的进行工业机器人的检修维护，智能化程度低的问题。

为实现上述目的，本发明提供如下技术方案：

一种工业机器人的协同控制方法，包括以下步骤：

步骤一、协同控制平台获取到进行相应工业协同操作的所有机器人，且发送相应的操控指令至机器人运动控制模块，机器人运动控制模块控制进行相应工业协同操作的所有机器人进行与其相对应的动作；

步骤二、机器人姿势检测模块通过分析以判断对应检测时点机器人i的动作异常或动作正常，以及通过分析将对应检测时点标记为协同时点或非协同时点；

步骤三、在相应工业协同操作的每次操作结束时进行协同性评估分析，据此以生成本次操作的协同性合格信号或协同性不合格信号；

步骤四、将协同性不合格信号发送至周期性操作监管模块，周期性操作监管模块将对应机器人进行操作表现分析，据此以生成本次操作的操作合格信号或操作不合格信号，以及通过异常程度分析来判断对应机器人的异常状况，据此以生成对应机器人的检修预警信号或运行正常信号。

进一步的，本发明还提出了一种工业机器人的协同控制系统，包括协同控制平台、机器人运动控制模块、机器人姿势检测模块、操作协同性评估模块以及周期性操作监管模块；协同控制平台获取到进行相应工业协同操作的所有机器人，将对应机器人标记为i，i={1,2，…，n}，n表示进行相应工业协同操作的机器人数量且n为大于1的自然数；在进行相应工业协同操作时，协同控制平台发送相应的操控指令至机器人运动控制模块，机器人运动控制模块控制进行相应工业协同操作的所有机器人进行与其相对应的动作；

机器人姿势检测模块通过分析以判断对应检测时点机器人i的动作异常或动作正常，以及通过分析将对应检测时点标记为协同时点或非协同时点，将协同时点或非协同时点经协同控制平台发送至操作协同性评估模块；操作协同性评估模块用于在相应工业协同操作的每次操作结束时进行协同性评估分析，据此以生成本次操作的协同性合格信号或协同性不合格信号，将协同性合格信号或协同性不合格信号发送至协同控制平台；

协同控制平台接收到协同性不合格信号时，及时使对应工业协同操作的所有机器人停止运行并进行原因诊断；且协同控制平台将协同性不合格信号发送至周期性操作监管模块，周期性操作监管模块将机器人i进行操作表现分析，据此以生成机器人i本次操作的操作合格信号或操作不合格信号，以及通过异常程度分析来判断机器人i的异常状况，据此以生成机器人i的检修预警信号或运行正常信号，将机器人i的检修预警信号或运行正常信号发送至协同控制平台；协同控制平台接收到检修预警信号时，及时进行机器人i的检修维护以保证其后续稳定安全运行。

进一步的，机器人姿势检测模块的具体运行过程包括：

采集到检测时点机器人i的姿势图像并标记为实际动作图像，以及从协同控制平台获取到检测时点机器人i的标准动作图像，将实际动作图像与其对应的标准动作图像进行重叠以获取到叠合值，将叠合值与预设叠合阈值进行数值比较，若叠合值超过预设叠合阈值，则判断检测时点机器人i的动作正常，若叠合值未超过预设叠合阈值，则判断检测时点机器人i的动作异常；将动作异常的机器人数量与数值n进行比值计算得到操作动异系数，将操作动异系数与预设操作动异系数阈值进行数值比较，若操作动异系数超过预设操作动异系数阈值，则将对应检测时点标记为非协同时点。

进一步的，若操作动异系数未超过预设操作动异系数阈值，则将预设叠合阈值减去动作异常的机器人的叠合值以得到叠合偏差数据，将所有叠合偏差数据进行均值计算得到叠偏系数，以及将数值最大的叠合偏差数据标记为超幅偏差数据；将操作动异系数、叠偏系数和超幅偏差数据进行数值计算得到时点评估系数，将时点评估系数与预设时点评估系数阈值进行数值比较，若时点评估系数超过预设时点评估系数阈值，则将对应检测时点标记为非协同时点；若时点评估系数未超过预设时点评估系数阈值，则将对应检测时点标记为协同时点；将协同时点以及非协同时点经协同控制平台发送至操作协同性评估模块。

进一步的，操作协同性评估模块的协同性评估分析过程具体如下：

在相应工业协同操作的每次操作结束时，采集到本次操作过程的所有协同时点和非协同时点，将非协同时点的数量与协同时点的数量进行比值计算得到非协同点占值；将相邻两组非协同时点之间的间隔时长标记为非协同间时值，将所有非协同间时值进行求和计算并取均值获取到非协同时表值，将非协同点占值与非协同时表值进行数值计算得到协同评估值，将协同评估值与预设协同评估阈值进行数值比较，若协同评估值超过预设协同评估阈值，则生成协同性不合格信号，若协同评估值未超过预设协同评估阈值，则生成协同性合格信号。

进一步的，操作表现分析的具体分析过程如下：

采集到对应工业协同操作的当次操作过程中机器人i的动作异常的检测时点数量和动作正常的检测时点数量，若不存在动作异常的检测时点，则生成机器人i本次操作的操作合格信号；若存在动作异常的检测时点，则将动作正常的检测时点数量减去动作异常的检测时点数量以得到动差数据，以及采集到机器人i在当次操作过程中数值最小的叠合值并标记为非重叠影响值；

将动差数据和非重叠影响值与预设动差数据阈值和预设非重叠影响阈值分别进行数值比较，若动差数据或非重叠影响值未超过对应预设阈值，则生成机器人i本次操作的操作不合格信号；若动差数据和非重叠影响值均超过对应预设阈值，则生成机器人i本次操作的操作合格信号。

进一步的，异常程度分析的具体分析过程如下：

设定时长为T1的监管周期，采集到机器人i在监管周期内生成操作不合格信号的次数并标记为操作不合格频率，以及采集到相邻两次操作不合格信号的生成时刻并进行差值计算，且将差值计算结果标记为不合格间隔时长，将所有不合格间隔时长进行求和计算并取均值得到不合格间隔均值；

将操作不合格频率与不合格间隔均值进行数值计算得到异常程度数据，将异常程度数据与预设异常程度数据阈值进行数值比较，若异常程度数据超过预设异常程度数据阈值，则生成机器人i的检修预警信号，若异常程度数据未超过预设异常程度数据阈值，则生成机器人i的运行正常信号。

与现有技术相比，本发明的有益效果是：

1、本发明中，通过协同控制平台发送相应的操控指令至机器人运动控制模块，机器人运动控制模块控制进行相应工业协同操作的所有机器人进行与其相对应的动作，且机器人姿势检测模块通过分析以判断对应检测时点机器人i的动作异常或动作正常，以及通过分析将对应检测时点标记为协同时点或非协同时点，能够对各个检测时点所有机器人的协作状况进行合理分析并准确反馈，为协同性评估分析提供数据支撑，保证协同性分析结果的准确性；

2、本发明中，通过在相应工业协同操作每次操作结束时进行协同性评估分析，以对单次协同操作的整体协同性状况进行有效检测，实现单次协同性状况的合理评估，以及在生成协同性不合格信号时通过将机器人i进行操作表现分析，据此以生成机器人i本次操作的操作合格信号或操作不合格信号，以及通过异常程度分析来判断机器人i的异常状况，据此以生成机器人i的检修预警信号或运行正常信号，能够针对性的进行工业机器人的检修维护，减小诊断难度和管理难度，智能化程度高。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明的方法流程图；

图2为本发明的整体系统框图。

具体实施方式

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，都属于本发明保护的范围。

实施例一：如图1所示，本发明提出的一种工业机器人的协同控制方法，包括以下步骤：

步骤一、协同控制平台获取到进行相应工业协同操作的所有机器人，且发送相应的操控指令至机器人运动控制模块，机器人运动控制模块控制进行相应工业协同操作的所有机器人进行与其相对应的动作；

步骤二、机器人姿势检测模块通过分析以判断对应检测时点机器人i的动作异常或动作正常，以及通过分析将对应检测时点标记为协同时点或非协同时点；

步骤三、在相应工业协同操作的每次操作结束时进行协同性评估分析，据此以生成本次操作的协同性合格信号或协同性不合格信号；

步骤四、将协同性不合格信号发送至周期性操作监管模块，周期性操作监管模块将对应机器人进行操作表现分析，据此以生成本次操作的操作合格信号或操作不合格信号，以及通过异常程度分析来判断对应机器人的异常状况，据此以生成对应机器人的检修预警信号或运行正常信号。

实施例二：如图2所示，本实施例与实施例1的区别在于，一种工业机器人的协同控制系统，包括协同控制平台、机器人运动控制模块、机器人姿势检测模块、操作协同性评估模块以及周期性操作监管模块，且协同控制平台与机器人运动控制模块、机器人姿势检测模块、操作协同性评估模块以及周期性操作监管模块均通信连接；

协同控制平台获取到进行相应工业协同操作的所有机器人，将对应机器人标记为i，i={1,2，…，n}，n表示进行相应工业协同操作的机器人数量且n为大于1的自然数；在进行相应工业协同操作时，协同控制平台发送相应的操控指令至机器人运动控制模块，机器人运动控制模块控制进行相应工业协同操作的所有机器人进行与其相对应的动作；

机器人姿势检测模块通过分析以判断对应检测时点机器人i的动作异常或动作正常，以及通过分析将对应检测时点标记为协同时点或非协同时点，将协同时点或非协同时点经协同控制平台发送至操作协同性评估模块，能够对各个检测时点所有机器人的协作状况进行合理分析并准确反馈；机器人姿势检测模块的具体运行过程如下：

采集到检测时点机器人i的姿势图像并标记为实际动作图像，以及从协同控制平台获取到检测时点机器人i的标准动作图像，将实际动作图像与其对应的标准动作图像进行重叠以获取到叠合值，需要说明的是，叠合值的数值越大，表明对应检测时点机器人i的动作越标准，若叠合值的数值为1，则表明检测时点机器人i的实际动作图像与其标准动作图像完全重合；将叠合值与预设叠合阈值进行数值比较，若叠合值超过预设叠合阈值，则判断检测时点机器人i的动作正常，若叠合值未超过预设叠合阈值，则判断检测时点机器人i的动作异常；

将动作异常的机器人数量与数值n进行比值计算得到操作动异系数，将操作动异系数与预设操作动异系数阈值进行数值比较，若操作动异系数超过预设操作动异系数阈值，表明对应检测时点所有机器人的协作状况较差，则将对应检测时点标记为非协同时点；若操作动异系数未超过预设操作动异系数阈值，则将预设叠合阈值减去动作异常的机器人的叠合值以得到叠合偏差数据，将所有叠合偏差数据进行均值计算得到叠偏系数，以及将数值最大的叠合偏差数据标记为超幅偏差数据；

通过公式SP=a1*DY+a2*DP+a3*CP将操作动异系数DY、叠偏系数DP和超幅偏差数据CP进行数值计算得到时点评估系数SP，其中，a1、a2、a3为预设权重系数，a1、a2、a3的取值均大于零；并且，时点评估系数SP的数值越大，表明对应检测时点所有机器人的协作状况越差；将时点评估系数SP与预设时点评估系数阈值进行数值比较，若时点评估系数SP超过预设时点评估系数阈值，表明对应检测时点所有机器人的协作状况较差，则将对应检测时点标记为非协同时点；若时点评估系数SP未超过预设时点评估系数阈值，表明对应检测时点所有机器人的协作状况较好，则将对应检测时点标记为协同时点。

操作协同性评估模块在相应工业协同操作的每次操作结束时进行协同性评估分析，据此以生成本次操作的协同性合格信号或协同性不合格信号，将协同性合格信号或协同性不合格信号发送至协同控制平台，能够对单次协同操作的整体协同性状况进行有效检测，实现单次协同性状况的合理评估；协同性评估分析的具体过程具体如下：

在相应工业协同操作的每次操作结束时，采集到本次操作过程的所有协同时点和非协同时点，将非协同时点的数量与协同时点的数量进行比值计算得到非协同点占值；将相邻两组非协同时点之间的间隔时长标记为非协同间时值，将所有非协同间时值进行求和计算并取均值获取到非协同时表值，通过公式XP=b1*FX+b2/（FB+0.857）将非协同点占值FX与非协同时表值FB进行数值计算得到协同评估值XP，其中，b1、b2为预设权重系数，b2＞b1＞0；

并且，协同评估值XP的数值越大，表明当次操作所有机器人的协同性状况越差；将协同评估值与预设协同评估阈值进行数值比较，若协同评估值超过预设协同评估阈值，表明当次操作所有机器人的协同性状况较差，则生成协同性不合格信号，若协同评估值未超过预设协同评估阈值，表明当次操作所有机器人的协同性状况较好，则生成协同性合格信号。

协同控制平台接收到协同性不合格信号时，及时使对应工业协同操作的所有机器人停止运行并进行原因诊断；且协同控制平台将协同性不合格信号发送至周期性操作监管模块，周期性操作监管模块将机器人i进行操作表现分析，据此以生成机器人i本次操作的操作合格信号或操作不合格信号，具体为：采集到对应工业协同操作的当次操作过程中机器人i的动作异常的检测时点数量和动作正常的检测时点数量，若不存在动作异常的检测时点，表明机器人i本次操作的操作表现极好，则生成机器人i本次操作的操作合格信号；若存在动作异常的检测时点，则将动作正常的检测时点数量减去动作异常的检测时点数量以得到动差数据，以及采集到机器人i在当次操作过程中数值最小的叠合值并标记为非重叠影响值；

将动差数据和非重叠影响值与预设动差数据阈值和预设非重叠影响阈值分别进行数值比较，若动差数据或非重叠影响值未超过对应预设阈值，表明机器人i本次操作的操作表现较差，则生成机器人i本次操作的操作不合格信号；若动差数据和非重叠影响值均超过对应预设阈值，若动差数据或非重叠影响值未超过对应预设阈值，表明机器人i本次操作的操作表现较好，则生成机器人i本次操作的操作合格信号；将机器人i的操作合格信号或操作不合格信号的生成次数和生成时刻进行存储。

进一步而言，周期性操作监管模块通过异常程度分析来判断机器人i的异常状况，据此以生成机器人i的检修预警信号或运行正常信号，将机器人i的检修预警信号或运行正常信号发送至协同控制平台，实现异常机器人的捕捉，协同控制平台接收到检修预警信号时，及时进行机器人i的检修维护以保证其后续稳定安全运行，且能够针对性的进行工业机器人的检修维护，减小诊断难度和管理难度，智能化程度高；异常程度分析的具体分析过程如下：

以当前时刻为时间结束点并向前追溯，以设定时长为T1的监管周期；采集到机器人i在监管周期内生成操作不合格信号的次数并标记为操作不合格频率，以及采集到相邻两次操作不合格信号的生成时刻并进行差值计算，且将差值计算结果标记为不合格间隔时长，将所有不合格间隔时长进行求和计算并取均值得到不合格间隔均值；通过公式YDi=ep1*ZPi+ep2/（HGi+1.328）将操作不合格频率ZPi与不合格间隔均值HGi进行数值计算得到异常程度数据YDi；

其中，ep1、ep2为预设比例系数，ep2＞ep1＞1；并且，异常程度数据YDi的数值越大，则表明机器人i的运行异常程度越严重；将异常程度数据与预设异常程度数据阈值进行数值比较，若异常程度数据超过预设异常程度数据阈值，表明机器人i的运行异常程度较严重，则生成机器人i的检修预警信号，若异常程度数据未超过预设异常程度数据阈值，则生成机器人i的运行正常信号。

本发明的工作原理：使用时，通过协同控制平台发送相应的操控指令至机器人运动控制模块，机器人运动控制模块控制进行相应工业协同操作的所有机器人进行与其相对应的动作；机器人姿势检测模块通过分析以判断对应检测时点机器人i的动作异常或动作正常，以及通过分析将对应检测时点标记为协同时点或非协同时点，能够对各个检测时点所有机器人的协作状况进行合理分析并准确反馈；操作协同性评估模块在相应工业协同操作的每次操作结束时进行协同性评估分析，能够对单次协同操作的整体协同性状况进行有效检测，实现单次协同性状况的合理评估；在生成协同性不合格信号时通过周期性操作监管模块将机器人i进行操作表现分析，据此以生成机器人i本次操作的操作合格信号或操作不合格信号，以及通过异常程度分析来判断机器人i的异常状况，据此以生成机器人i的检修预警信号或运行正常信号，能够针对性的进行工业机器人的检修维护，减小诊断难度和管理难度，智能化程度高。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.一种工业机器人的协同控制方法，其特征在于，包括以下步骤：

步骤一、协同控制平台获取到进行相应工业协同操作的所有机器人，且发送相应的操控指令至机器人运动控制模块，机器人运动控制模块控制进行相应工业协同操作的所有机器人进行与其相对应的动作；

步骤二、机器人姿势检测模块通过分析以判断对应检测时点机器人i的动作异常或动作正常，以及通过分析将对应检测时点标记为协同时点或非协同时点；

步骤三、在相应工业协同操作的每次操作结束时进行协同性评估分析，据此以生成本次操作的协同性合格信号或协同性不合格信号；

步骤四、将协同性不合格信号发送至周期性操作监管模块，周期性操作监管模块将对应机器人进行操作表现分析，据此以生成本次操作的操作合格信号或操作不合格信号，以及通过异常程度分析来判断对应机器人的异常状况，据此以生成对应机器人的检修预警信号或运行正常信号。

2.一种工业机器人的协同控制系统，其特征在于，包括协同控制平台、机器人运动控制模块、机器人姿势检测模块、操作协同性评估模块以及周期性操作监管模块；协同控制平台获取到进行相应工业协同操作的所有机器人，将对应机器人标记为i，i={1,2，…，n}，n表示进行相应工业协同操作的机器人数量且n为大于1的自然数；在进行相应工业协同操作时，协同控制平台发送相应的操控指令至机器人运动控制模块，机器人运动控制模块控制进行相应工业协同操作的所有机器人进行与其相对应的动作；

机器人姿势检测模块通过分析以判断对应检测时点机器人i的动作异常或动作正常，以及通过分析将对应检测时点标记为协同时点或非协同时点，将协同时点或非协同时点经协同控制平台发送至操作协同性评估模块；操作协同性评估模块用于在相应工业协同操作的每次操作结束时进行协同性评估分析，据此以生成本次操作的协同性合格信号或协同性不合格信号，将协同性合格信号或协同性不合格信号发送至协同控制平台；

协同控制平台接收到协同性不合格信号时，及时使对应工业协同操作的所有机器人停止运行并进行原因诊断；且协同控制平台将协同性不合格信号发送至周期性操作监管模块，周期性操作监管模块将机器人i进行操作表现分析，据此以生成机器人i本次操作的操作合格信号或操作不合格信号，以及通过异常程度分析来判断机器人i的异常状况，据此以生成机器人i的检修预警信号或运行正常信号，将机器人i的检修预警信号或运行正常信号发送至协同控制平台；协同控制平台接收到检修预警信号时，及时进行机器人i的检修维护以保证其后续稳定安全运行。

3.根据权利要求2所述的一种工业机器人的协同控制系统，其特征在于，机器人姿势检测模块的具体运行过程包括：

采集到检测时点机器人i的姿势图像并标记为实际动作图像，以及从协同控制平台获取到检测时点机器人i的标准动作图像，将实际动作图像与其对应的标准动作图像进行重叠以获取到叠合值，将叠合值与预设叠合阈值进行数值比较，若叠合值超过预设叠合阈值，则判断检测时点机器人i的动作正常，若叠合值未超过预设叠合阈值，则判断检测时点机器人i的动作异常；将动作异常的机器人数量与数值n进行比值计算得到操作动异系数，将操作动异系数与预设操作动异系数阈值进行数值比较，若操作动异系数超过预设操作动异系数阈值，则将对应检测时点标记为非协同时点。

4.根据权利要求3所述的一种工业机器人的协同控制系统，其特征在于，若操作动异系数未超过预设操作动异系数阈值，则将预设叠合阈值减去动作异常的机器人的叠合值以得到叠合偏差数据，将所有叠合偏差数据进行均值计算得到叠偏系数，以及将数值最大的叠合偏差数据标记为超幅偏差数据；将操作动异系数、叠偏系数和超幅偏差数据进行数值计算得到时点评估系数，将时点评估系数与预设时点评估系数阈值进行数值比较，若时点评估系数超过预设时点评估系数阈值，则将对应检测时点标记为非协同时点；若时点评估系数未超过预设时点评估系数阈值，则将对应检测时点标记为协同时点；将协同时点以及非协同时点经协同控制平台发送至操作协同性评估模块。

5.根据权利要求4所述的一种工业机器人的协同控制系统，其特征在于，操作协同性评估模块的协同性评估分析过程具体如下：

在相应工业协同操作的每次操作结束时，采集到本次操作过程的所有协同时点和非协同时点，将非协同时点的数量与协同时点的数量进行比值计算得到非协同点占值；将相邻两组非协同时点之间的间隔时长标记为非协同间时值，将所有非协同间时值进行求和计算并取均值获取到非协同时表值，将非协同点占值与非协同时表值进行数值计算得到协同评估值，将协同评估值与预设协同评估阈值进行数值比较，若协同评估值超过预设协同评估阈值，则生成协同性不合格信号，若协同评估值未超过预设协同评估阈值，则生成协同性合格信号。

6.根据权利要求2所述的一种工业机器人的协同控制系统，其特征在于，操作表现分析的具体分析过程如下：

采集到对应工业协同操作的当次操作过程中机器人i的动作异常的检测时点数量和动作正常的检测时点数量，若不存在动作异常的检测时点，则生成机器人i本次操作的操作合格信号；若存在动作异常的检测时点，则将动作正常的检测时点数量减去动作异常的检测时点数量以得到动差数据，以及采集到机器人i在当次操作过程中数值最小的叠合值并标记为非重叠影响值；

将动差数据和非重叠影响值与预设动差数据阈值和预设非重叠影响阈值分别进行数值比较，若动差数据或非重叠影响值未超过对应预设阈值，则生成机器人i本次操作的操作不合格信号；若动差数据和非重叠影响值均超过对应预设阈值，则生成机器人i本次操作的操作合格信号。

7.根据权利要求2所述的一种工业机器人的协同控制系统，其特征在于，异常程度分析的具体分析过程如下：

设定时长为T1的监管周期，采集到机器人i在监管周期内生成操作不合格信号的次数并标记为操作不合格频率，以及采集到相邻两次操作不合格信号的生成时刻并进行差值计算，且将差值计算结果标记为不合格间隔时长，将所有不合格间隔时长进行求和计算并取均值得到不合格间隔均值；

将操作不合格频率与不合格间隔均值进行数值计算得到异常程度数据，将异常程度数据与预设异常程度数据阈值进行数值比较，若异常程度数据超过预设异常程度数据阈值，则生成机器人i的检修预警信号，若异常程度数据未超过预设异常程度数据阈值，则生成机器人i的运行正常信号。