JP2006285884A - 故障診断方法およびそれを備えた制御装置 - Google Patents
故障診断方法およびそれを備えた制御装置 Download PDFInfo
- Publication number
- JP2006285884A JP2006285884A JP2005108222A JP2005108222A JP2006285884A JP 2006285884 A JP2006285884 A JP 2006285884A JP 2005108222 A JP2005108222 A JP 2005108222A JP 2005108222 A JP2005108222 A JP 2005108222A JP 2006285884 A JP2006285884 A JP 2006285884A
- Authority
- JP
- Japan
- Prior art keywords
- sensor group
- failure diagnosis
- measurement value
- sensor
- control device
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
【課題】制御対象の故障診断を実施する制御装置を提供する。
【解決手段】 制御対象4には制御対象の状態を計測するセンサ群3を備え、制御装置には、予め故障診断用の関数パターンを記憶する関数パターン記憶部5と、関数パターンに記憶部5に記憶された関数パターンを故障診断関数として、センサ群3の計測結果をもとに制御対象4の故障診断を実施するセンサ群計測値評価部6と、センサ群計測値評価部6の評価結果をもとに制御対象4の運転状況を使用者に提示する運転状況提示部7を備え、制御対象4の稼働中にセンサ群計測値評価部6がセンサ群3の各計測値の未来計測値を予想して、予め定めた基準値と比較して故障診断を実施する。
【選択図】図1
【解決手段】 制御対象4には制御対象の状態を計測するセンサ群3を備え、制御装置には、予め故障診断用の関数パターンを記憶する関数パターン記憶部5と、関数パターンに記憶部5に記憶された関数パターンを故障診断関数として、センサ群3の計測結果をもとに制御対象4の故障診断を実施するセンサ群計測値評価部6と、センサ群計測値評価部6の評価結果をもとに制御対象4の運転状況を使用者に提示する運転状況提示部7を備え、制御対象4の稼働中にセンサ群計測値評価部6がセンサ群3の各計測値の未来計測値を予想して、予め定めた基準値と比較して故障診断を実施する。
【選択図】図1
Description
本発明は、ロボットやロボットアームなどの制御対象にセンサ群を取付けて、制御対象の運転状況を確認し、その故障診断を行うことができる制御装置に関する。
従来例1としての故障診断装置は、異常判定基準を自動的に設定するとともに、監視箇所に異常が発生した場合、その異常を程度情報と得ることができ、ファジィ推論を利用してシステム全体の故障診断を実施できるようにすることを目的とするものがある。これは、予めRAMに複数の関数パターンを格納しておくとともに、RAMに監視対象となる入力間の遷移時間を示すヒストグラムを格納する。そして、CPUではRAMに格納された関数パターン中から、RAMに格納されたヒストグラムと最も一致度の高い関数を判定基準関数として選択するようになっている(例えば、特許文献1参照)。
従来例1を説明する。図10において、故障診断装置は、システムバス109にはCPU101、ROM102とともに、RAM103、RAM104、RAM105、RAM106が接続され、さらにPLCモニタインタフェース107および操作部インタフェース108が接続されている。ここで、CPU101は装置全体を統轄制御するもので、マイクロプロセッサより構成される。ROM102はCPU101で実行される各種情報が格納されるメモリで、PLCの異常を判定するための関数パターンが複数個書き込まれている。RAM103はユーザの書き込む任意の関数パターンが格納されるメモリで、判定基準関数を生成する際、上記ROM102に書き込まれた関数パターンに加えてユーザが新たに書き込む関数パターンが書き込まれる。RAM104は判定基準関数が格納されるメモリで、このRAM104に格納された判定基準関数に基づいて、システム稼動時、監視箇所の異常情報が程度情報として出力される。RAM105はヒストグラムが格納されるメモリで、指定された監視箇所のモニタ情報がヒストグラムの形で格納されるものである。RAM106はワークRAMで、各種演算などを行うためのワークエリアとなるものである。PLCモニタインタフェース107は図示しないPLCのCPUユニットが制御しているユニットを監視するものである。操作部インタフェース108はユーザーとのインタフェースとなるもので、コンソール(図示せず)等に接続される。
従来例1を説明する。図10において、故障診断装置は、システムバス109にはCPU101、ROM102とともに、RAM103、RAM104、RAM105、RAM106が接続され、さらにPLCモニタインタフェース107および操作部インタフェース108が接続されている。ここで、CPU101は装置全体を統轄制御するもので、マイクロプロセッサより構成される。ROM102はCPU101で実行される各種情報が格納されるメモリで、PLCの異常を判定するための関数パターンが複数個書き込まれている。RAM103はユーザの書き込む任意の関数パターンが格納されるメモリで、判定基準関数を生成する際、上記ROM102に書き込まれた関数パターンに加えてユーザが新たに書き込む関数パターンが書き込まれる。RAM104は判定基準関数が格納されるメモリで、このRAM104に格納された判定基準関数に基づいて、システム稼動時、監視箇所の異常情報が程度情報として出力される。RAM105はヒストグラムが格納されるメモリで、指定された監視箇所のモニタ情報がヒストグラムの形で格納されるものである。RAM106はワークRAMで、各種演算などを行うためのワークエリアとなるものである。PLCモニタインタフェース107は図示しないPLCのCPUユニットが制御しているユニットを監視するものである。操作部インタフェース108はユーザーとのインタフェースとなるもので、コンソール(図示せず)等に接続される。
以上の構成で、以下の動作を実施する。ここでは、監視箇所の異常判別の判定手法を、出力値xが得られた場合、従来のように「x1以上、x2以下は異常」とするのではなく、新たに異常判断のための判定基準関数f(x)を設け、「出力値x1の異常はf(x1)、出力値x2の異常はf(x2)」というように関数値の形で表現するものである。このように、従来例1では、監視箇所の異常情報を程度情報として出力し、これを実稼動中随時監視することにより異常を検知し、故障診断を行うものである。また、関数f(x)で与えられる程度情報はシステム全体の故障診断や予知をファジィ推論を利用して行う場合の入力値として利用することができ、さらに判定基準関数f(x)そのものをメンバーシップ関数として利用して、入力値に対応する関数値をメンバーシップ関数の適合度として利用できるようにしたものである。
このように従来例1の故障診断装置は、異常判定基準を自動的に設定するとともに、監視箇所に異常が発生した場合、その異常を程度情報として得ることができ、ファジィ推論を利用してシステム全体の故障診断を実施できるのである。
従来例2としての異常診断装置および異常診断方法は、診断対象の異常の特徴を抽出し易いマザーウェーブレットを自動的に決定し、決定されたマザーウェーブレットを用いて診断対象の計測波形やシミュレーション結果にウェーブレット変換を行うことにより、異常を検出できる異常診断装置およびその方法を提供するものである(例えば、特許文献2参照)。
従来例2を説明する。図11に示すように、異常診断装置210は、対象物から発生する波形信号を検出するセンサ201と、データベース204とを備えている。データベース204には、例えば診断対象種毎に設定された診断アルゴリズムや状態判定しきい値等が蓄積される。センサ201には、センサ201からの波形信号に基づいてウェーブレット変換に用いるマザーウェーブレットを自動的に決定する解析関数決定手段202が接続されている。そして解析関数決定手段202には、解析関数決定手段202が決定したマザーウェーブレットを用いて、センサ201が検出した波形信号をウェーブレット変換する変換処理手段203が接続されている。変換処理手段203及びデータベース204には、変換処理手段203による変換結果及びデータベース204に設定された診断アルゴリズムに基づいて、対象物の異常診断を行う診断判定手段205とが接続されている。さらに診断判定手段205には、判定結果を表示するための出力手段206が接続されている。解析関数決定手段202は、図12に示すように、センサ201で検出した信号波形を周波数成分にフーリエ変換するフーリエ変換部221と、フーリエ変換部221の出力である複数のフーリエ変換結果から、例えば最確値を求め、強度が微小な周波数成分をカットして平均フーリエデータを作成するフーリエ近似部222と、平均フーリエデータを逆フーリエ変換する逆フーリエ変換部223と、逆フーリエ変換部223によってフーリエ変換された関数を補助的に処理してマザーウェーブレットとする補助処理部224とを有している。
次に、以上のような構成からなる異常診断装置210の作用について説明する。図13は、従来例2の異常診断装置210を用いる異常診断方法を示すフロー図である。図13に示すように、まず対象物の異常信号(特徴信号でもよい)を模擬実験やシミュレーションで発生させる(STEP11)。そして、センサ201によってその異常信号を検出し(STEP12)、解析関数決定手段202に入力する。解析関数決定手段202は、この検出信号からマザーウェーブレットを決定する(STEP13)。
解析関数決定手段202がマザーウェーブレットを決定する過程について説明する。センサ201から入力された信号波形について、フーリエ変換部221によって周波数スペクトルを求める。ここで、信号波形のばらつきを考慮し、最も確からしいフーリエ変換結果を得るため、センサ201による検出を複数回行い、複数の測定データについて同様にフーリエ変換する(手順1)。次に、フーリエ近似部222により、それらの周波数スペクトルの平均値を取り、スペクトル強度が小さい周波数成分についてはカットして平均フーリエデータを作成する(手順2)。その後、フーリエ近似部222で得られた平均フーリエデータ(平均の周波数スペクトル)を逆フーリエ変換し、信号波形の時間関数φ(t)を求める(手順3)。ここで、逆フーリエ変換部209によって求められたφ(t)は、フーリエ変換−逆フーリエ変換で求めた関数であるので時間軸の無限遠まで続く周期関数である。一方、マザーウェーブレットは、数学的には[−∞、∞]における積分値がゼロとなる局在関数でなければならない。そこで、補助処理部224によって、解析したい時間領域のみφ(t)の値を持たせ、それ以外の時間領域においてはφ(t)=0とし、この部分的なφ(t)をマザーウェーブレットとする。すなわち、φ(t)に1周期分の窓関数を掛けて得られるφ(t)1周期分の波形をマザーウェーブレットとする(手順4)。この場合、マザーウェーブレットは、三角関数で近似されているとも言える。なお、このマザーウェーブレットは、依然として[−∞、∞]における積分値がゼロという条件を満たしていないが、φ(t)を用いた診断ではウェーブレット係数の計算ができれば足り、逆ウェーブレット変換を必要としないので、以上のような補助処理で十分である。
次に、図13に示すように、実際の対象物からの波形信号f(t)をセンサ201で計測し(STEP14)、解析関数決定手段202で導出したマザーウェーブレットを用いて変換処理手段203によってウェーブレット変換を実行する(STEP15)。この時、マザーウェーブレットが異常信号に基づいて決定されているため、得られるウェーブレット変換結果では、異常信号成分が含まれる時間−周波数領域においてウェーブレット係数が大きくなる。なぜなら、ウェーブレット変換の定義式から、診断で検出したい信号とマザーウェーブレットとの一致度が高い場合にウェーブレット係数のピークの大きさとピーク位置とから、対象物の状態を判定することができる。従来例2の形態の変換処理手段203は、以下の式(数1)に従い、各パラメータ(a:スケールパラメータ、b:位置パラメータ)に対するウェーブレット係数を計算する。
ウェーブレット係数のピークの大きさは異常(劣化)の度合いを表し、ピークの位置は異常(劣化)のモードを示す。診断対象となる対象物毎に、ピークの大きさと劣化の度合いとの関係、あるいは、ピークの位置と劣化モードとの関係は異なるため、その時の対象物に関するデータと、対応する状態判定しきい値とをデータベース204から読み込む(STEP16)。そして、ウェーブレット変換結果によるウェーブレット係数とデータベース204から読み込んだ状態判定しきい値とから診断判定手段205が状態を判定し(STEP17)、異常と判定した場合、警報や異常シグナルを出力手段206に出力する。例えばディスプレイ等に表示する(STEP18)。異常でないと判断した場合も、異常(劣化)の度合いや異常(劣化)モードを判定して出力手段206に出力する(STEP19)。診断の結果は、診断情報としてデータベース204に保存され、同様の診断ケースなどがあった場合の診断辞書として再利用できるように処理される。
このように、従来例2の異常診断装置および異常診断方法は、異常診断に適するマザーウェーブレットを、診断対象の波形信号にFFT及びFFTを適用して波形信号との一致度が高くなるように自動的に決定するため、ウェーブレット係数による異常検出感度を向上させることができるのである。
特開平5−11836公報(第5頁、図1)
特許第3561151公報(第10頁、図1、2、3)
従来例1の故障診断装置は、異常判定基準を自動的に設定するとともに、監視箇所に異常が発生した場合、その異常を程度情報として得ることができ、ファジィ推論を利用してシステム全体の故障診断を実施できるが、ファジィ推論による故障診断のための処理が複雑であるという問題点があった。
また、従来例2の異常診断装置および異常診断方法は、異常診断に適するマザーウェーブレットを、診断対象の波形信号にFFT及びFFTを適用して波形信号との一致度が高くなるように自動的に決定するため、ウェーブレット係数による異常検出感度を向上させることができるが、従来例1と同様に、ウェーブレット変換、FFTによる故障診断のための処理が複雑であるという問題点があった。
また、従来例2の異常診断装置および異常診断方法は、異常診断に適するマザーウェーブレットを、診断対象の波形信号にFFT及びFFTを適用して波形信号との一致度が高くなるように自動的に決定するため、ウェーブレット係数による異常検出感度を向上させることができるが、従来例1と同様に、ウェーブレット変換、FFTによる故障診断のための処理が複雑であるという問題点があった。
本発明はこのような問題点に鑑みてなされたものであり、制御対象の故障診断を比較的簡単に実施する制御装置を提供するとともに、制御対象の運転状況と故障診断の結果とを制御装置の使用者にわかりやすく通知することを目的とする。
上記問題を解決するため、本発明は、次のように構成したのである。
請求項1に記載の発明は、制御対象に取り付けられたセンサ群の計測値によって前記制御対象の故障診断を行う制御装置において、予め故障診断用の関数パターンを記憶する関数パターン記憶部と、前記関数パターンと前記センサ群の計測値結果とから、前記計測値の未来の計測値を予想し、制御対象の故障診断を実施するセンサ群計測値評価部と、を備えた制御装置とするものである。
請求項2に記載の発明は、前記関数パターンが、スプライン曲線である請求項1記載の制御装置とするものである。
請求項3に記載の発明は、前記関数パターンが、ベジェ曲線である請求項1記載の制御装置とするものである。
請求項4に記載の発明は、前記センサ群が複数の種類のセンサによって構成される場合、前記センサ群計測値評価部は、前記関数パターンと前記センサ群の計測値結果とから前記センサ群の未来の各計測値を予想し、さらに、予想された未来の各計測値から重み付けした評価関数を定義することで、前記制御対象の故障診断を実施する請求項1記載の制御装置とするものである。
請求項5に記載の発明は、前記センサ群計測値評価部の評価結果をもとに前記制御対象の運転状況を使用者に提示する運転状況提示部を、さらに備えた請求項1記載の制御装置とするものである。
請求項6に記載の発明は、前記運転状況提示部が、画像を提示する視覚提示手段、音を提示する聴覚提示手段、および振動を提示する振動提示手段のいずれか1つ以上の手段を用いて、前記制御対象の運転状況を使用者に提示する請求項5記載の制御装置とするものである。
請求項7に記載の発明は、制御対象に取り付けられたセンサ群の計測値結果によって、前記制御対象の故障診断を実施する制御装置の故障診断方法であって、予め故障診断用の関数パターンを関数パターン記憶部に記憶させるステップと、前記関数パターンを故障診断関数として用い、前記センサ群の計測値結果から未来の計測値を予想し、前記制御対象の故障診断を行うステップと、からなる制御装置の故障診断方法とするものである。
請求項1に記載の発明は、制御対象に取り付けられたセンサ群の計測値によって前記制御対象の故障診断を行う制御装置において、予め故障診断用の関数パターンを記憶する関数パターン記憶部と、前記関数パターンと前記センサ群の計測値結果とから、前記計測値の未来の計測値を予想し、制御対象の故障診断を実施するセンサ群計測値評価部と、を備えた制御装置とするものである。
請求項2に記載の発明は、前記関数パターンが、スプライン曲線である請求項1記載の制御装置とするものである。
請求項3に記載の発明は、前記関数パターンが、ベジェ曲線である請求項1記載の制御装置とするものである。
請求項4に記載の発明は、前記センサ群が複数の種類のセンサによって構成される場合、前記センサ群計測値評価部は、前記関数パターンと前記センサ群の計測値結果とから前記センサ群の未来の各計測値を予想し、さらに、予想された未来の各計測値から重み付けした評価関数を定義することで、前記制御対象の故障診断を実施する請求項1記載の制御装置とするものである。
請求項5に記載の発明は、前記センサ群計測値評価部の評価結果をもとに前記制御対象の運転状況を使用者に提示する運転状況提示部を、さらに備えた請求項1記載の制御装置とするものである。
請求項6に記載の発明は、前記運転状況提示部が、画像を提示する視覚提示手段、音を提示する聴覚提示手段、および振動を提示する振動提示手段のいずれか1つ以上の手段を用いて、前記制御対象の運転状況を使用者に提示する請求項5記載の制御装置とするものである。
請求項7に記載の発明は、制御対象に取り付けられたセンサ群の計測値結果によって、前記制御対象の故障診断を実施する制御装置の故障診断方法であって、予め故障診断用の関数パターンを関数パターン記憶部に記憶させるステップと、前記関数パターンを故障診断関数として用い、前記センサ群の計測値結果から未来の計測値を予想し、前記制御対象の故障診断を行うステップと、からなる制御装置の故障診断方法とするものである。
以上、本発明によると、制御対象の稼働中にセンサ群計測値評価部が、故障診断を従来より簡単に実施することができるため、異常状態になる前に制御対象の部品交換が可能となり、修理のための装置停止時間を短縮することができる。
以下、本発明の実施の形態について図を参照して説明する。
図1は、本発明の第1の実施の形態の制御対象の故障診断を行う制御装置の概略構成を示す図である。制御装置は、図1の構成要素以外のものが多数搭載されているが、本図では、本案に関連する構成のみを示している。図1に示すように、制御対象には例えばロボットアームを記載しており、本制御装置は、ロボットアームの故障予知を実施するものである。1は制御装置、2はロボットアーム、3はロボットアームに取付けられ運転状況を監視するトルクセンサ、温度センサ、および加速度センサ等のセンサ群、4はロボットアームなどの制御対象、5は予め故障診断用の関数パターンを記憶する関数パターン記憶部、6はセンサ群の計測結果をもとにロボットアームの故障診断を実施するセンサ群計測値評価部、7は使用者にロボットアームの運転状況を提示する運転状況提示部である。
センサ群3は、図示しないが、例えばトルクセンサとして、ロボットアーム2の減速機にひずみゲージを取付け、ロボットアーム2の各軸で発生するトルクを計測する。トルク変動を計測することで、各軸の過負荷や回転状態が分かるので、正常か異常かを判断することができる。
また、センサ群3は、図示しないが、例えば温度センサとして、ロボットアーム2のモータ、エンコーダ、および減速機の近傍に熱電対、サーミスタ等を取付け、ロボットアーム2のモータ、エンコーダ、および減速機の各部で発生する熱を計測する。温度変動を計測することで、各部の発熱状態が分かるので、正常か異常かを判断することができる。
また、センサ群3は、図示しないが、例えば加速度センサとして、ロボットアーム2のモータ、エンコーダ、および減速機の近傍に加速度センサを取付け、ロボットアーム2のモータ、エンコーダ、および減速機の各部で発生する振動を計測する。振幅変動を計測することで、各部の振動状態が分かるので、正常か異常かを判断することができる。
また、センサ群3は、図示しないが、ロボットアーム2にマイクロホンを取付け、ロボットアームで発生する音を計測する。音の振幅変動を計測することで、ガタなどの回転状態が分かるので、正常か異常かを判断することができる。
センサ群3は、図示しないが、例えばトルクセンサとして、ロボットアーム2の減速機にひずみゲージを取付け、ロボットアーム2の各軸で発生するトルクを計測する。トルク変動を計測することで、各軸の過負荷や回転状態が分かるので、正常か異常かを判断することができる。
また、センサ群3は、図示しないが、例えば温度センサとして、ロボットアーム2のモータ、エンコーダ、および減速機の近傍に熱電対、サーミスタ等を取付け、ロボットアーム2のモータ、エンコーダ、および減速機の各部で発生する熱を計測する。温度変動を計測することで、各部の発熱状態が分かるので、正常か異常かを判断することができる。
また、センサ群3は、図示しないが、例えば加速度センサとして、ロボットアーム2のモータ、エンコーダ、および減速機の近傍に加速度センサを取付け、ロボットアーム2のモータ、エンコーダ、および減速機の各部で発生する振動を計測する。振幅変動を計測することで、各部の振動状態が分かるので、正常か異常かを判断することができる。
また、センサ群3は、図示しないが、ロボットアーム2にマイクロホンを取付け、ロボットアームで発生する音を計測する。音の振幅変動を計測することで、ガタなどの回転状態が分かるので、正常か異常かを判断することができる。
以上の構成による制御装置の故障診断について説明する。
まず前提として、制御装置1が、故障診断を実施するためには、予め故障診断を実施する関数パターンを関数パターン記憶部5に記憶しておく。
次に、制御装置1に備えられたセンサ群計測値評価部6のフローについて説明する。図2は、本発明の第1の実施の形態の制御装置に備えられたセンサ群計測値評価部のフローを示す図である。図3は、本発明の第1の実施の形態のトルクセンサによる故障予知を示す図である。図4は、本発明の第1の実施の形態の温度センサによる故障予知を示す図である。図5は、本発明の第1の実施の形態の加速度センサによる故障予知を示す図である。センサ群計測値評価部6は、以下の処理を実施する。
1.センサ群による計測(F1参照)
ロボットアーム2に取付けられたトルクセンサ、温度センサ、および加速度センサ等のセンサ群3により、ロボットアーム2の運転状況を計測する。
2.センサ計測値の記憶(F2参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の計測値を記憶する。
3.センサ計測値の曲線近似(F3参照)
トルクセンサ、温度センサ、および加速度センサ等によるセンサ群3の計測値を曲線近似する。現時点t0より過去の各計測値を用いて、各センサの計測値を曲線近似し、未来の計測値を予測する。具体的には、現時点t0より過去の各計測値をもとに各計測値を曲線近似し、現時点t0における傾き(計測値変動/時間変動)αと現時点t0の計測値S(t0)より次時点t=t0+1における計測値S(t0+1)をS(t0+1)=α×(t−t0)+S(t0)と予測する。
したがって、トルクセンサ、温度センサ、加速度センサの次時点t=t0+1における計測値は、以下のとおり予測できる。
トルクセンサ出力[Nm]は、N(t0+1)=α1×(t−t0)+N(t0)
温度センサ出力[℃]は、 T(t0+1)=α2×(t−t0)+T(t0)
加速度センサ出力[m/s2]は、A(t0+1)=α3×(t−t0)+A(t0)
4.故障診断(F4参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の次時点t0+1における計測値と予め定めた基準値との大小関係を比較し、前者が後者よりも大きい場合は故障を予知し、前者が後者よりも小さい場合は正常と判断する。
5.使用者への提示(F5参照)
運転状況提示部7を用いて、ロボットアーム2の運転状況をモニタ等により使用者へ提示する。また、故障予知を提示した場合は、使用者に速やかに部品の交換を促す。
6.一定時間ごとに上記1から5を繰り返す。
まず前提として、制御装置1が、故障診断を実施するためには、予め故障診断を実施する関数パターンを関数パターン記憶部5に記憶しておく。
次に、制御装置1に備えられたセンサ群計測値評価部6のフローについて説明する。図2は、本発明の第1の実施の形態の制御装置に備えられたセンサ群計測値評価部のフローを示す図である。図3は、本発明の第1の実施の形態のトルクセンサによる故障予知を示す図である。図4は、本発明の第1の実施の形態の温度センサによる故障予知を示す図である。図5は、本発明の第1の実施の形態の加速度センサによる故障予知を示す図である。センサ群計測値評価部6は、以下の処理を実施する。
1.センサ群による計測(F1参照)
ロボットアーム2に取付けられたトルクセンサ、温度センサ、および加速度センサ等のセンサ群3により、ロボットアーム2の運転状況を計測する。
2.センサ計測値の記憶(F2参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の計測値を記憶する。
3.センサ計測値の曲線近似(F3参照)
トルクセンサ、温度センサ、および加速度センサ等によるセンサ群3の計測値を曲線近似する。現時点t0より過去の各計測値を用いて、各センサの計測値を曲線近似し、未来の計測値を予測する。具体的には、現時点t0より過去の各計測値をもとに各計測値を曲線近似し、現時点t0における傾き(計測値変動/時間変動)αと現時点t0の計測値S(t0)より次時点t=t0+1における計測値S(t0+1)をS(t0+1)=α×(t−t0)+S(t0)と予測する。
したがって、トルクセンサ、温度センサ、加速度センサの次時点t=t0+1における計測値は、以下のとおり予測できる。
トルクセンサ出力[Nm]は、N(t0+1)=α1×(t−t0)+N(t0)
温度センサ出力[℃]は、 T(t0+1)=α2×(t−t0)+T(t0)
加速度センサ出力[m/s2]は、A(t0+1)=α3×(t−t0)+A(t0)
4.故障診断(F4参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の次時点t0+1における計測値と予め定めた基準値との大小関係を比較し、前者が後者よりも大きい場合は故障を予知し、前者が後者よりも小さい場合は正常と判断する。
5.使用者への提示(F5参照)
運転状況提示部7を用いて、ロボットアーム2の運転状況をモニタ等により使用者へ提示する。また、故障予知を提示した場合は、使用者に速やかに部品の交換を促す。
6.一定時間ごとに上記1から5を繰り返す。
ここで、トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の基準値はロボットアーム2の特性や使用状況に基づき変更する必要がある。
また、上記実施例では、トルクセンサ、温度センサ、および加速度センサ等のセンサ群の計測値と基準値との大小関係により故障診断を実施しているが、センサ群の計測値の平均値、標準偏差、および一定時間における最大値、最小値等の、大小関係や変動幅により故障診断を実施してもよい。
また、現時点の次時点の計測値を予測しているが、現時点からn時点先の計測値を予測してもよい。
さらに、センサ群の計測値の曲線近似方法として、n次曲線、ベジェ曲線、およびスプライン曲線等の一般的な種々の方法を採用できる。
また、複数の関数パターンを記憶しておき、ロボットアームの運転状況に応じ、最適な関数パターンに切り替えてロボットアームの故障診断を実施してもよい。
また、使用者へのロボットアームの運転状況の提示は、インターネットや携帯電話等を用いてもよい。
また、上記実施例では、トルクセンサ、温度センサ、および加速度センサ等のセンサ群の計測値と基準値との大小関係により故障診断を実施しているが、センサ群の計測値の平均値、標準偏差、および一定時間における最大値、最小値等の、大小関係や変動幅により故障診断を実施してもよい。
また、現時点の次時点の計測値を予測しているが、現時点からn時点先の計測値を予測してもよい。
さらに、センサ群の計測値の曲線近似方法として、n次曲線、ベジェ曲線、およびスプライン曲線等の一般的な種々の方法を採用できる。
また、複数の関数パターンを記憶しておき、ロボットアームの運転状況に応じ、最適な関数パターンに切り替えてロボットアームの故障診断を実施してもよい。
また、使用者へのロボットアームの運転状況の提示は、インターネットや携帯電話等を用いてもよい。
以上のように、実施例1では、センサ群計測値評価部が、センサ群の各計測値と各基準値との大小関係を比較して故障診断を比較的簡単に実施することができている。
構成は第1の実施の形態と同様なので、説明は省略する。
実施例2の故障診断について説明する。
まず、実施例1と同様、制御装置1が、故障診断を実施するためには、予め故障診断を実施するスプライン曲線を関数パターン記憶部5に記憶しておく
次に、制御装置1に備えられたセンサ群計測値評価部6のフローについて説明する。図6は、本発明の第2の実施の形態の制御装置に備えられたセンサ群計測値評価部のフローを示す図である。センサ群計測値評価部6は、以下の処理を実施する。
1.センサ群による計測(F1参照)
ロボットアーム2に取付けられたトルクセンサ、温度センサ、および加速度センサ等のセンサ群3により、ロボットアーム2の運転状況を計測する。
2.センサ計測値の記憶(F2参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の計測値を記憶する。
3.センサ計測値の曲線近似(F3参照)
トルクセンサ、温度センサ、および加速度センサ等によるセンサ群3の計測値をスプライン曲線により近似する。現時点t0より過去の各計測値を用いて、各センサの計測値をスプライン曲線により近似し、未来の計測値を予測する。スプライン曲線は、時間t1、t2、t3に対するそれぞれのセンサ計測値をs1、s2、s3として以下の式で与えられる。
t=(1−u)2t1+2u(1−u)t2+u2t3
S=(1−u)2s1+2u(1−u)s2+u2s3
ただし、0≦u≦1
そして、現時点t0より過去の各計測値をもとに各計測値を前記スプライン曲線により近似し、現時点t0における傾き(計測値変動/時間変動)β=(s3´―s2´)/(t3´―t2´)と現時点t0の計測値S(t0)より次時点t=t0+1における計測値S(t0+1)をS(t0+1)=β×(t−t0)+S(t0)と予測する。ここで、s2´、s3´、t2´、t3´はスプライン曲線近似後の計測値と時間である。
したがって、トルクセンサ、温度センサ、加速度センサの次時点t=t0+1における計測値は、以下のとおり予測できる。
トルクセンサ出力[Nm]は、N(t0+1)=β1×(t−t0)+N(t0)
温度センサ出力[℃]は、T(t0+1)=β2×(t−t0)+T(t0)
加速度センサ出力[m/s2]は、A(t0+1)=β3×(t−t0)+A(t0)
4.故障診断(F4参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の次時点t0+1における計測値と基準値との大小関係を比較し、前者が後者よりも大きい場合は故障予知、前者が後者よりも小さい場合は正常と判断する。
5.使用者への提示(F5参照)
運転状況提示部7を用いて、ロボットアーム2の運転状況をモニタ等により使用者へ提示する。また、故障予知を提示した場合は、使用者に速やかに部品の交換を促す。
6.一定時間ごとに上記1から5を繰り返す。
実施例2の故障診断について説明する。
まず、実施例1と同様、制御装置1が、故障診断を実施するためには、予め故障診断を実施するスプライン曲線を関数パターン記憶部5に記憶しておく
次に、制御装置1に備えられたセンサ群計測値評価部6のフローについて説明する。図6は、本発明の第2の実施の形態の制御装置に備えられたセンサ群計測値評価部のフローを示す図である。センサ群計測値評価部6は、以下の処理を実施する。
1.センサ群による計測(F1参照)
ロボットアーム2に取付けられたトルクセンサ、温度センサ、および加速度センサ等のセンサ群3により、ロボットアーム2の運転状況を計測する。
2.センサ計測値の記憶(F2参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の計測値を記憶する。
3.センサ計測値の曲線近似(F3参照)
トルクセンサ、温度センサ、および加速度センサ等によるセンサ群3の計測値をスプライン曲線により近似する。現時点t0より過去の各計測値を用いて、各センサの計測値をスプライン曲線により近似し、未来の計測値を予測する。スプライン曲線は、時間t1、t2、t3に対するそれぞれのセンサ計測値をs1、s2、s3として以下の式で与えられる。
t=(1−u)2t1+2u(1−u)t2+u2t3
S=(1−u)2s1+2u(1−u)s2+u2s3
ただし、0≦u≦1
そして、現時点t0より過去の各計測値をもとに各計測値を前記スプライン曲線により近似し、現時点t0における傾き(計測値変動/時間変動)β=(s3´―s2´)/(t3´―t2´)と現時点t0の計測値S(t0)より次時点t=t0+1における計測値S(t0+1)をS(t0+1)=β×(t−t0)+S(t0)と予測する。ここで、s2´、s3´、t2´、t3´はスプライン曲線近似後の計測値と時間である。
したがって、トルクセンサ、温度センサ、加速度センサの次時点t=t0+1における計測値は、以下のとおり予測できる。
トルクセンサ出力[Nm]は、N(t0+1)=β1×(t−t0)+N(t0)
温度センサ出力[℃]は、T(t0+1)=β2×(t−t0)+T(t0)
加速度センサ出力[m/s2]は、A(t0+1)=β3×(t−t0)+A(t0)
4.故障診断(F4参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の次時点t0+1における計測値と基準値との大小関係を比較し、前者が後者よりも大きい場合は故障予知、前者が後者よりも小さい場合は正常と判断する。
5.使用者への提示(F5参照)
運転状況提示部7を用いて、ロボットアーム2の運転状況をモニタ等により使用者へ提示する。また、故障予知を提示した場合は、使用者に速やかに部品の交換を促す。
6.一定時間ごとに上記1から5を繰り返す。
以上のように、実施例2では、センサ群計測値評価部が、スプライン曲線を故障診断関数としてロボットアームの故障診断を比較的簡単に実施している。
構成は第1の実施の形態と同様なので、説明は省略する。
実施例3の故障診断について説明する。
まず、実施例1と同様、制御装置1が、故障診断を実施するためには、予め故障診断を実施するベジェ曲線を関数パターン記憶部5に記憶しておく。
次に、制御装置1に備えられたセンサ群計測値評価部6のフローについて説明する。図7は、本発明の第3の実施の形態のロボットアーム故障診断装置に備えられたセンサ群計測値評価部のフローを示す図である。センサ群計測値評価部は、以下の処理を実施する。
1.センサ群による計測(F1参照)
ロボットアームに取付けられたトルクセンサ、温度センサ、および加速度センサなどのセンサ群により、ロボットアームの運転状況を計測する。
2.センサ計測値の記憶(F2参照)
トルクセンサ、温度センサ、および加速度センサなどのセンサ群の計測値を記憶する。
3.センサ計測値の曲線近似(F3参照)
トルクセンサ、温度センサ、および加速度センサなどによるセンサ群の計測値をベジェ曲線により近似する。現時点t0より過去の各計測値を用いて、各センサの計測値をベジェ曲線により近似し、未来の計測値を予測する。ベジェ曲線は、時間t1、t2、t3、t4に対するそれぞれのセンサ計測値をs1、s2、s3、s4として以下の式で与えられる。
t=(1−u)3t1+3(1−u)2ut2+3(1−t)u2t3+u3t4
S=(1−u)3s1+3(1−u)2us2+3(1−t)u2s3+u3s4
ただし、0≦u≦1
そして、現時点t0より過去の各計測値をもとに各計測値を前記ベジェ曲線により近似し、現時点t0における傾き(計測値/時間軸)γ=(s4´―s3´)/(t4´―t3´)と現時点t0の計測値S(t0)より次時点t=t0+1における計測値S(t0+1)をS(t0+1)=γ×(t−t0)+S(t0)と予測する。ここで、s3´、s4´、t3´、t4´はベジェ曲線近似後の計測値と時間である。
したがって、トルクセンサ、温度センサ、加速度センサの次時点t=t0+1における計測値は、以下のとおり予測できる。
トルクセンサ出力[Nm]は、N(t0+1)=γ1×(t−t0)+N(t0)
温度センサ出力[℃]は、T(t0+1)=γ2×(t−t0)+T(t0)
加速度センサ出力[m/s2]は、A(t0+1)=γ3×(t−t0)+A(t0)
4.故障診断(F4参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の次時点t0+1における計測値と基準値との大小関係を比較し、前者が後者よりも大きい場合は故障予知、前者が後者よりも小さい場合は正常と判断する。
5.使用者への提示(F5参照)
運転状況提示部7を用いて、ロボットアーム2の運転状況をモニタ等により使用者へ提示する。また、故障予知を提示した場合は、使用者に速やかに部品の交換を促す。
6.一定時間ごとに上記1から5を繰り返す。
実施例3の故障診断について説明する。
まず、実施例1と同様、制御装置1が、故障診断を実施するためには、予め故障診断を実施するベジェ曲線を関数パターン記憶部5に記憶しておく。
次に、制御装置1に備えられたセンサ群計測値評価部6のフローについて説明する。図7は、本発明の第3の実施の形態のロボットアーム故障診断装置に備えられたセンサ群計測値評価部のフローを示す図である。センサ群計測値評価部は、以下の処理を実施する。
1.センサ群による計測(F1参照)
ロボットアームに取付けられたトルクセンサ、温度センサ、および加速度センサなどのセンサ群により、ロボットアームの運転状況を計測する。
2.センサ計測値の記憶(F2参照)
トルクセンサ、温度センサ、および加速度センサなどのセンサ群の計測値を記憶する。
3.センサ計測値の曲線近似(F3参照)
トルクセンサ、温度センサ、および加速度センサなどによるセンサ群の計測値をベジェ曲線により近似する。現時点t0より過去の各計測値を用いて、各センサの計測値をベジェ曲線により近似し、未来の計測値を予測する。ベジェ曲線は、時間t1、t2、t3、t4に対するそれぞれのセンサ計測値をs1、s2、s3、s4として以下の式で与えられる。
t=(1−u)3t1+3(1−u)2ut2+3(1−t)u2t3+u3t4
S=(1−u)3s1+3(1−u)2us2+3(1−t)u2s3+u3s4
ただし、0≦u≦1
そして、現時点t0より過去の各計測値をもとに各計測値を前記ベジェ曲線により近似し、現時点t0における傾き(計測値/時間軸)γ=(s4´―s3´)/(t4´―t3´)と現時点t0の計測値S(t0)より次時点t=t0+1における計測値S(t0+1)をS(t0+1)=γ×(t−t0)+S(t0)と予測する。ここで、s3´、s4´、t3´、t4´はベジェ曲線近似後の計測値と時間である。
したがって、トルクセンサ、温度センサ、加速度センサの次時点t=t0+1における計測値は、以下のとおり予測できる。
トルクセンサ出力[Nm]は、N(t0+1)=γ1×(t−t0)+N(t0)
温度センサ出力[℃]は、T(t0+1)=γ2×(t−t0)+T(t0)
加速度センサ出力[m/s2]は、A(t0+1)=γ3×(t−t0)+A(t0)
4.故障診断(F4参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の次時点t0+1における計測値と基準値との大小関係を比較し、前者が後者よりも大きい場合は故障予知、前者が後者よりも小さい場合は正常と判断する。
5.使用者への提示(F5参照)
運転状況提示部7を用いて、ロボットアーム2の運転状況をモニタ等により使用者へ提示する。また、故障予知を提示した場合は、使用者に速やかに部品の交換を促す。
6.一定時間ごとに上記1から5を繰り返す。
以上のように、実施例3では、センサ群計測値評価部が、ベジェ曲線を故障診断関数としてセンサ群の計測結果をもとにロボットアームの故障診断を実施している。
構成は第1の実施の形態と同様なので、説明は省略する。
実施例4の故障診断について説明する。
まず、実施例1と同様、制御装置1が、故障診断を実施するためには、予め故障診断を実施する関数パターンを関数パターン記憶部に記憶しておく。
次に、制御装置1に備えられたセンサ群計測値評価部6のフローについて説明する。図8は、本発明の第4の実施の形態のロボットアーム故障診断装置に備えられたセンサ群計測値評価部のフローを示す図である。ロボットアーム故障診断装置は、以下の処理を実施する。
1.センサ群による計測(F1参照)
ロボットアームに取付けられたトルクセンサ、温度センサ、および加速度センサなどのセンサ群により、ロボットアームの運転状況を計測する。
2.センサ計測値の記憶(F2参照)
トルクセンサ、温度センサ、および加速度センサなどのセンサ群の計測値を記憶する。
3.センサ計測値の曲線近似(F3参照)
トルクセンサ、温度センサ、および加速度センサ等によるセンサ群3の計測値を曲線近似する。現時点t0より過去の各計測値を用いて、各センサの計測値を曲線近似し、未来の計測値を予測する。
具体的には、現時点t0より過去の各計測値をもとに各計測値を曲線近似し、現時点t0における傾き(計測値変動/時間変動)αと現時点t0の計測値S(t0)より次時点t=t0+1における計測値S(t0+1)をS(t0+1)=α×(t−t0)+S(t0)と予測する。
したがって、トルクセンサ、温度センサ、加速度センサの次時点t=t0+1における計測値は、以下のとおり予測できる。
トルクセンサ出力[Nm]は、N(t0+1)=α1×(t−t0)+N(t0)
温度センサ出力[℃]は、T(t0+1)=α2×(t−t0)+T(t0)
加速度センサ出力[m/s2]は、A(t0+1)=α3×(t−t0)+A(t0)
4.評価関数の定義(F4)
センサ群3より計測された計測値を重み付けした評価関数Jを定義する。
J=a×N(t0+1)/N0+b×T(t0+1)/T0+c×A(t0+1)/A0
ただし、0≦a≦1、0≦b≦1、0≦c≦1、a+b+c=1
N0、T0、A0:基準値
5.故障診断(F5参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の次時点t0+1における計測値と基準値との大小関係を比較し、前者が後者よりも大きい場合は故障予知、前者が後者よりも小さい場合は正常と判断する。
6.使用者への提示(F6)
運転状況提示部7を用いて、ロボットアーム2の運転状況をモニタ等により使用者へ提示する。また、故障予知を提示した場合は、使用者に速やかに部品の交換を促す。
7.一定時間ごとに1から5を繰り返す。
実施例4の故障診断について説明する。
まず、実施例1と同様、制御装置1が、故障診断を実施するためには、予め故障診断を実施する関数パターンを関数パターン記憶部に記憶しておく。
次に、制御装置1に備えられたセンサ群計測値評価部6のフローについて説明する。図8は、本発明の第4の実施の形態のロボットアーム故障診断装置に備えられたセンサ群計測値評価部のフローを示す図である。ロボットアーム故障診断装置は、以下の処理を実施する。
1.センサ群による計測(F1参照)
ロボットアームに取付けられたトルクセンサ、温度センサ、および加速度センサなどのセンサ群により、ロボットアームの運転状況を計測する。
2.センサ計測値の記憶(F2参照)
トルクセンサ、温度センサ、および加速度センサなどのセンサ群の計測値を記憶する。
3.センサ計測値の曲線近似(F3参照)
トルクセンサ、温度センサ、および加速度センサ等によるセンサ群3の計測値を曲線近似する。現時点t0より過去の各計測値を用いて、各センサの計測値を曲線近似し、未来の計測値を予測する。
具体的には、現時点t0より過去の各計測値をもとに各計測値を曲線近似し、現時点t0における傾き(計測値変動/時間変動)αと現時点t0の計測値S(t0)より次時点t=t0+1における計測値S(t0+1)をS(t0+1)=α×(t−t0)+S(t0)と予測する。
したがって、トルクセンサ、温度センサ、加速度センサの次時点t=t0+1における計測値は、以下のとおり予測できる。
トルクセンサ出力[Nm]は、N(t0+1)=α1×(t−t0)+N(t0)
温度センサ出力[℃]は、T(t0+1)=α2×(t−t0)+T(t0)
加速度センサ出力[m/s2]は、A(t0+1)=α3×(t−t0)+A(t0)
4.評価関数の定義(F4)
センサ群3より計測された計測値を重み付けした評価関数Jを定義する。
J=a×N(t0+1)/N0+b×T(t0+1)/T0+c×A(t0+1)/A0
ただし、0≦a≦1、0≦b≦1、0≦c≦1、a+b+c=1
N0、T0、A0:基準値
5.故障診断(F5参照)
トルクセンサ、温度センサ、および加速度センサ等のセンサ群3の次時点t0+1における計測値と基準値との大小関係を比較し、前者が後者よりも大きい場合は故障予知、前者が後者よりも小さい場合は正常と判断する。
6.使用者への提示(F6)
運転状況提示部7を用いて、ロボットアーム2の運転状況をモニタ等により使用者へ提示する。また、故障予知を提示した場合は、使用者に速やかに部品の交換を促す。
7.一定時間ごとに1から5を繰り返す。
以上のように、実施例4では、センサ群が複数種用いられた場合、センサ群計測値評価部が、前記センサ群より計測された計測値を重み付けした評価関数を定義し、ロボットアームの故障診断を比較的簡単に実施している。
図9は、本発明の第5の実施の形態の制御装置の概略構成を示す図である。図9に示すように本実施の形態は、例えばロボットアームの故障予知を実施するものであって、1は制御装置、2はロボットアーム、3はロボットアームに取付けられ運転状況を監視するトルクセンサ、温度センサ、および加速度センサなどのセンサ群、4はロボットアームなどの制御対象、5は予め故障診断用の関数パターンを記憶する関数パターン記憶部、6はセンサ群の計測結果をもとにロボットアームの故障診断を実施するセンサ群計測値評価部、7は使用者にロボットアームの運転状況を提示する運転状況提示部、8は運転状況提示手段として画像を提示する 視覚提示手段、9は運転状況提示手段として音を提示する聴覚提示手段、10は運転状況提示手段として振動を提示する振動提示手段である。
実施例1と同様にして、制御装置1は、ロボットアームの故障診断を実施する。そして、運転状況提示部7は、モニタ等の画像を提示する視覚提示手段8、スピーカ等の音を提示する聴覚提示手段9、およびバイブレータ等の振動を提示する振動提示手段10のいずれか1つ以上を選択的に用いて、ロボットアーム2の運転状況を使用者へ提示する。ここで、運転状況提示部をロボットアームの近傍、管理室、およびサブ管理室等に配置してもよく、使用者に携帯させてもよい。
以上のように実施例5においては、センサ群計測値評価部の評価結果をもとにロボットアームの運転状況を使用者に提示する運転状況提示部が、画像を提示する視覚提示手段、音を提示する聴覚提示手段、及び振動を提示する振動提示手段のいずれかを選択的に用いて、前記ロボットアームの運転状況を使用者に提示することで、異常状態になる前にロボットアームの部品交換が可能となり、修理のためのロボットアームの停止時間を短縮することができる。
以上、実施例1から5によれば、予め故障診断用の関数パターンを記憶する関数パターン記憶部と、前記関数パターン記憶部に記憶された関数パターンを故障診断関数として前記センサ群の計測結果をもとにロボットアームの故障診断を実施するセンサ群計測値評価部と、前記センサ群計測値評価部の評価結果をもとにロボットアームの運転状況を使用者に提示する運転状況提示部と、を備えているため、ロボット稼働中に前記センサ群計測値評価部が、故障診断を実施することができるため、異常状態になる前にロボットアームの部品交換が可能となり、修理のためのロボットアームの停止時間を短縮することができる。
本発明が特許文献1、特許文献2と異なる部分は、関数パターン記憶部に予め記憶させた故障診断用の関数パターンを故障診断関数とし、センサ群計測値評価部が、前記センサ群の計測結果をもとに、この計測結果の未来値を予想することで、ロボットアームなどの制御対象の故障診断を実施するとともに、前記センサ群計測値評価部の評価結果をもとに制御対象の運転状況を使用者に提示する運転状況提示部と、を備え、制御対象の故障診断を比較的簡単に実施する制御装置を提供していることである。
なお、予め記憶された関数パターンをもとに比較的簡単に故障診断を実施するとともに、異常状態になる前にロボットアームの部品交換が可能となり、修理のためのロボットアームの停止時間を短縮することができるため、電気設備、機械設備、自動車、およびプラント等の故障診断等に適用できる。
1 制御装置
2 ロボットアーム
3 センサ群
4 制御対象
5 関数パターン記憶部
6 センサ群計測値評価部
7 運転状況提示部
8 視覚提示手段
9 聴覚提示手段
10 振動提示手段
2 ロボットアーム
3 センサ群
4 制御対象
5 関数パターン記憶部
6 センサ群計測値評価部
7 運転状況提示部
8 視覚提示手段
9 聴覚提示手段
10 振動提示手段
Claims (7)
- 制御対象に取り付けられたセンサ群の計測値によって前記制御対象の故障診断を行う制御装置において、
予め故障診断用の関数パターンを記憶する関数パターン記憶部と、
前記関数パターンと前記センサ群の計測値結果とから、前記計測値の未来の計測値を予想し、制御対象の故障診断を実施するセンサ群計測値評価部と、を備えたことを特徴とする制御装置。 - 前記関数パターンが、スプライン曲線であることを特徴とする請求項1記載の制御装置。
- 前記関数パターンが、ベジェ曲線であることを特徴とする請求項1記載の制御装置。
- 前記センサ群が複数の種類のセンサによって構成される場合、前記センサ群計測値評価部は、前記関数パターンと前記センサ群の計測値結果とから前記センサ群の未来の各計測値を予想し、さらに、予想された未来の各計測値から重み付けした評価関数を定義することで、前記制御対象の故障診断を実施することを特徴とする請求項1記載の制御装置。
- 前記センサ群計測値評価部の評価結果をもとに前記制御対象の運転状況を使用者に提示する運転状況提示部を、さらに備えたことを特徴とする請求項1記載の制御装置。
- 前記運転状況提示部が、画像を提示する視覚提示手段、音を提示する聴覚提示手段、および振動を提示する振動提示手段のいずれか1つ以上の手段を用いて、前記制御対象の運転状況を使用者に提示することを特徴とする請求項5記載の制御装置。
- 制御対象に取り付けられたセンサ群の計測値結果によって、前記制御対象の故障診断を実施する制御装置の故障診断方法であって、
予め故障診断用の関数パターンを関数パターン記憶部に記憶させるステップと、
前記関数パターンを故障診断関数として用い、前記センサ群の計測値結果から未来の計測値を予想し、前記制御対象の故障診断を行うステップと、からなることを特徴とする制御装置の故障診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005108222A JP2006285884A (ja) | 2005-04-05 | 2005-04-05 | 故障診断方法およびそれを備えた制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005108222A JP2006285884A (ja) | 2005-04-05 | 2005-04-05 | 故障診断方法およびそれを備えた制御装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006285884A true JP2006285884A (ja) | 2006-10-19 |
Family
ID=37407711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005108222A Pending JP2006285884A (ja) | 2005-04-05 | 2005-04-05 | 故障診断方法およびそれを備えた制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006285884A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009146086A (ja) * | 2007-12-13 | 2009-07-02 | Toyota Central R&D Labs Inc | 車両故障診断予測装置 |
JP2009169556A (ja) * | 2008-01-12 | 2009-07-30 | Kanto Auto Works Ltd | トレーシングシステム |
JP2017097839A (ja) * | 2015-11-16 | 2017-06-01 | 株式会社ジェイテクト | 異常解析システム及び解析装置 |
CN112276937A (zh) * | 2019-07-25 | 2021-01-29 | 发那科株式会社 | 故障预测系统 |
JP6856230B1 (ja) * | 2020-02-03 | 2021-04-07 | 株式会社名張ホールディングス | 生産設備監視装置、及び生産設備監視プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS54142470A (en) * | 1978-04-27 | 1979-11-06 | Tohoku Electric Power Co | Forecast monitor |
JP2004355330A (ja) * | 2003-05-29 | 2004-12-16 | Fujitsu Ltd | 診断装置及び診断方法 |
JP2005028114A (ja) * | 2003-06-18 | 2005-02-03 | Canon Inc | 放射線撮影装置及び放射線撮影方法 |
-
2005
- 2005-04-05 JP JP2005108222A patent/JP2006285884A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS54142470A (en) * | 1978-04-27 | 1979-11-06 | Tohoku Electric Power Co | Forecast monitor |
JP2004355330A (ja) * | 2003-05-29 | 2004-12-16 | Fujitsu Ltd | 診断装置及び診断方法 |
JP2005028114A (ja) * | 2003-06-18 | 2005-02-03 | Canon Inc | 放射線撮影装置及び放射線撮影方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009146086A (ja) * | 2007-12-13 | 2009-07-02 | Toyota Central R&D Labs Inc | 車両故障診断予測装置 |
JP2009169556A (ja) * | 2008-01-12 | 2009-07-30 | Kanto Auto Works Ltd | トレーシングシステム |
JP2017097839A (ja) * | 2015-11-16 | 2017-06-01 | 株式会社ジェイテクト | 異常解析システム及び解析装置 |
CN112276937A (zh) * | 2019-07-25 | 2021-01-29 | 发那科株式会社 | 故障预测系统 |
US11559896B2 (en) | 2019-07-25 | 2023-01-24 | Fanuc Corporation | Failure prediction system |
JP6856230B1 (ja) * | 2020-02-03 | 2021-04-07 | 株式会社名張ホールディングス | 生産設備監視装置、及び生産設備監視プログラム |
JP2021124816A (ja) * | 2020-02-03 | 2021-08-30 | 株式会社名張ホールディングス | 生産設備監視装置、及び生産設備監視プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bafroui et al. | Application of wavelet energy and Shannon entropy for feature extraction in gearbox fault detection under varying speed conditions | |
KR101874472B1 (ko) | 진동신호의 주파수 에너지를 이용한 회전체 고장 예측 시스템 및 방법 | |
WO2020039565A1 (ja) | 回転機械に用いられる軸受の異常診断方法 | |
US20180168515A1 (en) | Methods and Systems of Random Projection Filter Banks for Time Series Prediction and Fault Prognosis | |
JP6620290B2 (ja) | 振動音響解析方法及び装置と機器異常部位推定方法及び装置 | |
JP2006285884A (ja) | 故障診断方法およびそれを備えた制御装置 | |
CN116755386A (zh) | 诊断用数据取得系统、诊断用系统以及计算机可读介质 | |
WO2019045699A1 (en) | RECURRENT GAUSSIAN MIXTURE MODEL FOR ESTIMATING SENSOR STATUS IN STATUS MONITORING | |
EP2135144B1 (en) | Machine condition monitoring using pattern rules | |
US20080288213A1 (en) | Machine condition monitoring using discontinuity detection | |
JP2007108107A (ja) | 設備診断装置 | |
JP2018189522A (ja) | 設備故障の予兆診断方法 | |
JP2009156650A (ja) | 強度評価装置 | |
KR102433483B1 (ko) | 진동 센서를 통한 설비 예지 보전 시스템 | |
JP5476413B2 (ja) | 回転機械の健全性診断方法 | |
WO2020195536A1 (ja) | 構造物の異常判別方法及び異常判別システム | |
JP3567073B2 (ja) | 時系列データ予測方法および装置 | |
WO2020071066A1 (ja) | 異常判定装置、信号特徴量予測器、異常判定方法、学習モデルの生成方法及び学習モデル | |
US6281814B1 (en) | Data conversion method, data converter, and program storage medium | |
JP2011180082A (ja) | すべり軸受の診断方法および診断装置 | |
Yi et al. | On a prediction method for remaining useful life of rolling Bearings via VMD-based dispersion entropy and GAN | |
WO2022054197A1 (ja) | 設備状態監視装置、異常判定システムおよび設備状態監視方法 | |
JP3561151B2 (ja) | 異常診断装置および異常診断方法 | |
US20230333067A1 (en) | Method and device for evaluating a state of an object, and computer program | |
RU2451299C1 (ru) | Устройство диагностирования в реальном времени системы электродвижения судна |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080314 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20091203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091207 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110426 |