JP2021160031A - 故障予測方法および故障予測装置 - Google Patents

故障予測方法および故障予測装置 Download PDF

Info

Publication number
JP2021160031A
JP2021160031A JP2020063884A JP2020063884A JP2021160031A JP 2021160031 A JP2021160031 A JP 2021160031A JP 2020063884 A JP2020063884 A JP 2020063884A JP 2020063884 A JP2020063884 A JP 2020063884A JP 2021160031 A JP2021160031 A JP 2021160031A
Authority
JP
Japan
Prior art keywords
failure prediction
failure
robot arm
robot
vibration characteristics
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.)
Withdrawn
Application number
JP2020063884A
Other languages
English (en)
Other versions
JP2021160031A5 (ja
Inventor
俊憲 平出
Toshinori Hiraide
イメイ 丁
Imei Cho
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.)
Seiko Epson Corp
Original Assignee
Seiko Epson Corp
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 Seiko Epson Corp filed Critical Seiko Epson Corp
Priority to JP2020063884A priority Critical patent/JP2021160031A/ja
Priority to EP21163506.5A priority patent/EP3888855A1/en
Priority to CN202110333365.6A priority patent/CN113459082A/zh
Priority to US17/216,738 priority patent/US11931905B2/en
Publication of JP2021160031A publication Critical patent/JP2021160031A/ja
Publication of JP2021160031A5 publication Critical patent/JP2021160031A5/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/003—Controls for manipulators by means of an audio-responsive input
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/085—Force or torque sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/088—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices with position, velocity or acceleration sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G01M7/02—Vibration-testing by means of a shake table
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33025—Recurrent artificial neural network
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33296—ANN for diagnostic, monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34048—Fourier transformation, analysis, fft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37209—Estimate life of gear, drive
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37351—Detect vibration, ultrasound
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37388—Acceleration or deceleration, inertial measurement
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37435—Vibration of machine
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39529—Force, torque sensor in wrist, end effector
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40549—Acceleration of end effector
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]

Abstract

【課題】ロボットアームが有する要素部品の故障を簡単に予測することができる故障予測方法および故障予測装置を提供すること。【解決手段】要素部品を有するロボットアームと、前記ロボットアームが動作した際の振動特性に関する情報を検出する検出部と、を有するロボットの前記要素部品の故障を予測する故障予測方法であって、前記振動特性に関する情報に基づいて、前記要素部品の故障を予測するための故障予測モデルを機械学習により生成し、生成した前記故障予測モデルに前記振動特性に関する情報が入力されることにより、生成した前記故障予測モデルが出力する故障予測の推定値に基づいて、前記要素部品の故障を予測することを特徴とする故障予測方法。【選択図】図３

Description

本発明は、故障予測方法および故障予測装置に関する。
近年、工場では人件費の高騰や人材不足により、各種ロボットやそのロボット周辺機器によって、人手で行われてきた作業の自動化が加速している。例えば、特許文献１に記載されているロボットは、ロボットアームと、ロボットアームを駆動する駆動部と、を有する。また、駆動部は、モーターと、減速機と、を有する。
このようなロボットでは、例えば減速機等の要素部品は、使用とともに故障してしまうことがある。この故障を予測する手段として、特許文献１には、ロボットの速度と減速機のグリスの鉄粉濃度データから、機械学習を用いて減速器の故障を予測する制御システムが開示されている。このため、制御システムが減速機のメンテナンスの推奨時期を導出することができる。
特開２０１９−１００３５３号公報
しかしながら、ロボットの関節に内蔵されている減速機の故障を予測するために、減速機のグリスの鉄粉濃度データを元に予測する方法を用いてしまうと、その都度、ロボットアームを分解して減速機を確認する必要があった。このような作業を行うのは手間がかかる。
本発明の故障予測方法は、要素部品を有するロボットアームと、前記ロボットアームが動作した際の振動特性に関する情報を検出する検出部と、を有するロボットの前記要素部品の故障を予測する故障予測方法であって、
前記振動特性に関する情報に基づいて、前記要素部品の故障を予測するための故障予測モデルを機械学習により生成し、生成した前記故障予測モデルに前記振動特性に関する情報が入力されることにより、生成した前記故障予測モデルが出力する故障予測の推定値に基づいて、前記要素部品の故障を予測することを特徴とする。
本発明の故障予測装置は、要素部品を有するロボットアームと、前記ロボットアームが動作した際の振動特性に関する情報を検出する検出部と、を有するロボットの前記要素部品の故障を予測する故障予測装置であって、
前記振動特性に関する情報に基づいて、前記要素部品の故障を予測するための故障予測モデルを機械学習により生成する故障予測モデル生成部と、
生成された前記故障予測モデルが出力する故障予測の推定値に基づいて、前記要素部品の故障を予測する処理部と、を備えることを特徴とする。
図１は、第１実施形態のロボットシステムの全体構成を示す図である。 図２は、図１に示すロボットシステムのブロック図である。 図３は、図１に示す故障予測装置のブロック図である。 図４は、図３に示す故障予測モデル生成部の構成例の一例であり、ニューラルネットワークの模式図である。 図５は、縦軸がロボットアームに対し特定動作を実行させた際の特定のモーターの動作速度、横軸が時間で表されるグラフの一例である。 図６は、縦軸がロボットアームに対し特定動作を実行させた際の特定のモーターの動作速度、横軸が時間で表されるグラフの一例である。 図７は、横軸が周波数、縦軸が各周波数のパワーの実効値で表されるグラフである 図８は、横軸が周波数、縦軸が各周波数のパワーの実効値で表されるグラフである 図９は、慣性センサーの検出結果の一例を示すグラフであり、横軸が時間、縦軸が角速度で表されるグラフである。 図１０は、慣性センサーの検出結果の一例を示すグラフであり、横軸が時間、縦軸が加速度で表されるグラフである。 図１１は、横軸が振動特性を測定した回数、縦軸が異常度で表されるグラフである。 図１２は、図１に示すロボットシステムが行う制御動作の一例を示すフローチャートである。
＜第１実施形態＞
図１は、第１実施形態のロボットシステムの全体構成を示す図である。図２は、図１に示すロボットシステムのブロック図である。図３は、図１に示す故障予測装置のブロック図である。図４は、図３に示す故障予測モデル生成部の構成例の一例であり、ニューラルネットワークの模式図である。図５は、縦軸がロボットアームに対し特定動作を実行させた際の特定のモーターの動作速度、横軸が時間で表されるグラフの一例である。図６は、縦軸がロボットアームに対し特定動作を実行させた際の特定のモーターの動作速度、横軸が時間で表されるグラフの一例である。図７は、横軸が周波数、縦軸が各周波数のパワーの実効値で表されるグラフである。図８は、横軸が周波数、縦軸が各周波数のパワーの実効値で表されるグラフである。図９は、慣性センサーの検出結果の一例を示すグラフであり、横軸が時間、縦軸が角速度で表されるグラフである。図１０は、慣性センサーの検出結果の一例を示すグラフであり、横軸が時間、縦軸が加速度で表されるグラフである。図１１は、横軸が振動特性を測定した回数、縦軸が異常度で表されるグラフである。図１２は、図１に示すロボットシステムが行う制御動作の一例を示すフローチャートである。
以下、本発明の故障予測方法および故障予測装置を添付図面に示す好適な実施形態に基づいて詳細に説明する。なお、以下では、説明の便宜上、ロボットアームについては、図１中の基台１１側を「基端」、その反対側、すなわち、エンドエフェクター２０側を「先端」とも言う。
図１に示すように、ロボットシステム１００は、ロボット１と、ロボット１を制御する制御装置３と、教示装置４と、故障予測装置５と、を備える。
まず、ロボット１について説明する。
図１に示すロボット１は、本実施形態では単腕の６軸垂直多関節ロボットであり、基台１１と、ロボットアーム１０と、を有する。また、ロボットアーム１０の先端部にエンドエフェクター２０を装着することができる。エンドエフェクター２０は、ロボット１の構成要件であってもよく、ロボット１の構成要件でなくてもよい。
なお、ロボット１は、図示の構成に限定されず、例えば、双腕型の多関節ロボットであってもよい。また、ロボット１は、水平多関節ロボットであってもよい。
基台１１は、ロボットアーム１０を下側から駆動可能に支持する支持体であり、例えば工場内の床に固定されている。ロボット１は、基台１１が中継ケーブルを介して制御装置３と電気的に接続されている。なお、ロボット１と制御装置３との接続は、図１に示す構成のように有線による接続に限定されず、例えば、無線による接続であってもよく、さらには、インターネットのようなネットワークを介して接続されていてもよい。
本実施形態では、ロボットアーム１０は、第１アーム１２と、第２アーム１３と、第３アーム１４と、第４アーム１５と、第５アーム１６と、第６アーム１７とを有し、これらのアームが基台１１側からこの順に連結されている。なお、ロボットアーム１０が有するアームの数は、６つに限定されず、例えば、１つ、２つ、３つ、４つ、５つまたは７つ以上であってもよい。また、各アームの全長等の大きさは、それぞれ、特に限定されず、適宜設定可能である。
基台１１と第１アーム１２とは、関節１７１を介して連結されている。そして、第１アーム１２は、基台１１に対し、鉛直方向と平行な第１回動軸を回動中心とし、その第１回動軸回りに回動可能となっている。第１回動軸は、基台１１が固定される床の法線と一致している。
第１アーム１２と第２アーム１３とは、関節１７２を介して連結されている。そして、第２アーム１３は、第１アーム１２に対し、水平方向と平行な第２回動軸を回動中心として回動可能となっている。第２回動軸は、第１回動軸に直交する軸と平行である。
第２アーム１３と第３アーム１４とは、関節１７３を介して連結されている。そして、第３アーム１４は、第２アーム１３に対して水平方向と平行な第３回動軸を回動中心として回動可能となっている。第３回動軸は、第２回動軸と平行である。
第３アーム１４と第４アーム１５とは、関節１７４を介して連結されている。そして、第４アーム１５は、第３アーム１４に対し、第３アーム１４の中心軸方向と平行な第４回動軸を回動中心として回動可能となっている。第４回動軸は、第３回動軸と直交している。
第４アーム１５と第５アーム１６とは、関節１７５を介して連結されている。そして、第５アーム１６は、第４アーム１５に対して第５回動軸を回動中心として回動可能となっている。第５回動軸は、第４回動軸と直交している。
第５アーム１６と第６アーム１７とは、関節１７６を介して連結されている。そして、第６アーム１７は、第５アーム１６に対して第６回動軸を回動中心として回動可能となっている。第６回動軸は、第５回動軸と直交している。
また、第６アーム１７は、ロボットアーム１０の中で最も先端側に位置するロボット先端部となっている。この第６アーム１７は、ロボットアーム１０の駆動により、エンドエフェクター２０ごと回動することができる。
ロボット１は、駆動部としてのモーターＭ１、モーターＭ２、モーターＭ３、モーターＭ４、モーターＭ５およびモーターＭ６と、エンコーダーＥ１、エンコーダーＥ２、エンコーダーＥ３、エンコーダーＥ４、エンコーダーＥ５およびエンコーダーＥ６とを備える。モーターＭ１は、関節１７１に内蔵され、基台１１と第１アーム１２とを相対的に回転させる。モーターＭ２は、関節１７２に内蔵され、第１アーム１２と第２アーム１３とを相対的に回転させる。モーターＭ３は、関節１７３に内蔵され、第２アーム１３と第３アーム１４とを相対的に回転させる。モーターＭ４は、関節１７４に内蔵され、第３アーム１４と第４アーム１５とを相対的に回転させる。モーターＭ５は、関節１７５に内蔵され、第４アーム１５と第５アーム１６とを相対的に回転させる。モーターＭ６は、関節１７６に内蔵され、第５アーム１６と第６アーム１７とを相対的に回転させる。
また、エンコーダーＥ１は、関節１７１に内蔵され、モーターＭ１の位置を検出する。エンコーダーＥ２は、関節１７２に内蔵され、モーターＭ２の位置を検出する。エンコーダーＥ３は、関節１７３に内蔵され、モーターＭ３の位置を検出する。エンコーダーＥ４は、関節１７４に内蔵され、モーターＭ４の位置を検出する。エンコーダーＥ５は、第５アーム１６に内蔵され、モーターＭ５の位置を検出する。エンコーダーＥ６は、第６アーム１７に内蔵され、モーターＭ６の位置を検出する。
エンコーダーＥ１〜Ｅ６は、制御装置３と電気的に接続されており、モーターＭ１〜モーターＭ６の位置情報、すなわち、回転量が制御装置３に電気信号として送信される。そして、この情報に基づいて、制御装置３は、モーターＭ１〜モーターＭ６を、図示しないモータードライバーＤ１〜モータードライバーＤ６を介して駆動させる。すなわち、ロボットアーム１０を制御するということは、モーターＭ１〜モーターＭ６を制御することである。
また、エンコーダーＥ１〜Ｅ６は、後述するように、ロボットアーム１０に加わる振動を検出する振動検出部としても機能する。なお、この構成に限定されず、振動センサーとして、他の振動計を用いてもよい。
また、ロボットアーム１０の先端部には、角速度または加速度を検出する慣性センサー１８が内蔵されている。慣性センサー１８としては、特に限定されず、例えば、３軸ジャイロセンサーを用いることができる。
また、慣性センサー１８は、ロボットアーム１０の先端部に設けられている。ロボットアーム１０の先端部は、角速度、加速度が高くなりやすい部分である。したがって、慣性センサー１８をロボットアーム１０の先端部に設置することにより、角速度または加速度をより感度よく検出することができる。よって、後述するように、要素部品の故障予測をより正確に行うことができる。
また、図示はしないが、後述する特定動作を実行する際には、各関節１７１〜関節１７６に、慣性センサー１８とは異なる専用の慣性センサーをそれぞれ設置する。
また、ロボット１では、ロボットアーム１０に、力を検出する力検出部１９が着脱自在に設置される。そして、ロボットアーム１０は、力検出部１９が設置された状態で駆動することができる。力検出部１９は、本実施形態では、６軸力覚センサーである。また、後述するように、力検出部１９は、互いに直交する３個の検出軸上の力の大きさと、当該３個の検出軸まわりのトルクの大きさとを検出するトルクセンサーである。また、力検出部１９は、６軸力覚センサーに限定されず、他の構成のものであってもよい。
また、ロボットシステム１００は、集音センサー２１を有する。図示の構成では、集音センサー２１は、ロボット１から離れた位置に設置されている。なお、この構成に限定されず、例えば、集音センサー２１は、ロボット１に設置されていてもよい。また、集音センサー２１は、高周波を測定可能なセンサーであるのが好ましい。
このような振動センサーとしてのエンコーダーＥ１〜Ｅ６、慣性センサー１８、トルクセンサーとしての力検出部１９および集音センサー２１が、ロボットアームが動作した際の振動特性に関する情報を検出する検出部６０を構成する。換言すれば、検出部６０は、エンコーダーＥ１〜Ｅ６、慣性センサー１８、力検出部１９および集音センサー２１を有する。また、振動特性に関する情報とは、ロボットアームに加わる振動、または、残留振動、角速度、加速度、トルク、音等の情報を含むものである。
エンコーダーＥ１〜Ｅ６、慣性センサー１８、力検出部１９および集音センサー２１は、後述する故障予測装置５に対し、制御装置３を介して、または、直接、電気的に接続されている。このため、エンコーダーＥ１〜Ｅ６、慣性センサー１８、力検出部１９および集音センサー２１が検出した振動特性に関する情報は、故障予測装置５に送信される。
力検出部１９には、エンドエフェクター２０を着脱可能に装着することができる。エンドエフェクター２０は、本実施形態では、互いに接近離間可能な一対の爪部を有し、各爪部によりワークを把持、解除するハンドで構成される。なお、エンドエフェクター２０としては、図示の構成に限定されず、吸引により作業対象物を把持するハンドであってもよい。また、エンドエフェクター２０としては、例えば、研磨機、研削機、切削機や、ドライバー、レンチ等の工具であってもよい。
また、ロボット座標系において、エンドエフェクター２０の先端には、制御点であるツールセンターポイントＴＣＰが設定される。ロボットシステム１００では、ツールセンターポイントＴＣＰの位置をロボット座標系で把握しておくことにより、ツールセンターポイントＴＣＰを制御の基準とすることができる。
次に、制御装置３および教示装置４について説明する。
図１に示すように、制御装置３は、本実施形態では、ロボット１と離れた位置に設置されている。ただし、この構成に限定されず、基台１１に内蔵されていてもよい。また、制御装置３は、ロボット１の駆動を制御する機能を有し、前述したロボット１の各部と電気的に接続されている。制御装置３は、制御部３１と、記憶部３２と、通信部３３と、を有する。これらの各部は、例えばバスを介して相互に通信可能に接続されている。
制御部３１は、例えば、ＣＰＵ（Central Processing Unit）で構成され、記憶部３２に記憶されている動作プログラム等の各種プログラムを読み出し、実行する。制御部３１で生成された信号は、通信部３３を介してロボット１の各部に送信される。これにより、ロボットアーム１０が所定の作業を所定の条件で実行したりすることができる。記憶部３２は、制御部３１が実行可能な各種プログラム等を保存する。記憶部３２としては、例えば、ＲＡＭ（Random Access Memory）等の揮発性メモリー、ＲＯＭ（Read Only Memory）等の不揮発性メモリー、着脱式の外部記憶装置等が挙げられる。通信部３３は、例えば有線ＬＡＮ（Local Area Network）、無線ＬＡＮ等の外部インターフェースを用いて制御装置３との間で信号の送受信を行う。
図１および図２に示すように、教示装置４は、表示部４１を有し、ロボットアーム１０に対して動作プログラムを作成、入力したりする機能を有する。教示装置４としては、特に限定されず、例えば、タブレット、パソコン、スマートフォン、ティーチングペンダント等が挙げられる。
このような制御装置３または教示装置４には、以下のような振動付与プログラムが記憶されており、振動付与プログラムを実行することによって、後述するようなロボットアーム１０の振動特性に関する情報を得ることができる。
振動付与プログラムは、モーターＭ１〜モーターＭ６を駆動して、予め定められた特定動作をロボットアーム１０に行わせることにより、ロボットアーム１０を駆動するプログラムである。
図５および図６は、縦軸がロボットアーム１０に対し特定動作を実行させた際の特定のモーターの動作速度、横軸が時間で表されるグラフの一例である。図５は、時刻Ｔ０から動作を開始し、時刻Ｔ１にて一旦停止し、動作を再開し、時刻Ｔ２に再度動作を停止するという特定動作を行った場合の慣性センサー１８の検出結果である。一方、図６は、時刻Ｔ０から動作を開始し、時刻Ｔ３にて一旦停止し、時刻Ｔ４で動作を再開し、時刻Ｔ５に再度動作を停止するという特定動作を行った場合の特定のモーターの動作速度である。
なお、図５および図６に示す例では、時刻Ｔ０から時刻Ｔ１まで、時刻Ｔ１から時刻Ｔ２まで、時刻Ｔ０から時刻Ｔ３まで、時刻Ｔ４から時刻Ｔ５までの間、ロボットアーム１０の特定のモーターの動作速度は、直線的に変化している。また、時刻Ｔ３から時刻Ｔ４の間は、ロボットアーム１０は、停止している状態である。
このような動作をモーターＭ１〜モーターＭ６ごとに行うことにより、関節１７１〜関節１７６に内蔵された減速機の故障を予測するための振動特性に関する情報を得ることができる。なお、特定動作は、関節１７１〜関節１７６ごとに異なる動作である。この特定動作を行い、エンコーダーＥ１〜Ｅ６の検出結果、慣性センサー１８の検出結果、力検出部１９の検出結果および集音センサー２１の検出結果を故障予測装置５に入力する。
次に、本発明の故障予測装置５について説明する。
図１〜図３に示すように、故障予測装置５は、ロボットアーム１０の要素部品の故障を予測する故障予測方法を実行する装置である。なお、要素部品としては、特に限定されず、減速機、エンコーダー、モーター、ベルト、プーリー、ベアリング等が挙げられる。なお、以下では、要素部品として減速機を適用した場合について説明する。
故障予測装置５は、例えば、ＧＰＧＰＵ（General-Purpose computing on Graphics Processing Units）、大規模ＰＣクラスター等により構成することができる。これにより、高速な処理を行うことができる。
なお、故障予測装置５は、図１に示すように、制御装置３と別体で構成されていてもよく、制御装置３に組み込まれていてもよい。故障予測装置５が制御装置３と別体で構成されている場合、例えば、イーサネット（登録商標）等の通信回線を介したネットワーク上のサーバーに設けてもよい。
図３に示すように、故障予測装置５は、故障予測モデル生成部５１と、変換部５２と、処理部５３と、入力装置６と、を備える。
故障予測モデル生成部５１は、機械学習により故障予測モデル５０を生成するものである。なお、機械学習により故障予測モデル５０を生成するということは、入力データから反復的に学習し、各入力データから読み取れる特徴、傾向等を見出し、その結果を新たな入力データに当てはめて予測しつつ、故障予測モデル５０を生成することを言う。
故障予測モデル５０とは、入力値を受け取り、評価、判定を行い、その結果を出力値として出力するもののことを言う。入力値は、ロボットアーム１０の振動特性に関する情報のことを言い、出力値とは、故障予測の推定値のことを言う。すなわち、故障予測装置５は、ロボットアーム１０の固有振動特性を学習するものであると言える。
故障予測モデル生成部５１は、例えば、図４に示すようなニューラルネットワークを使用して構築することができる。具体的には、故障予測モデル生成部５１は、入力層と、中間層と、出力層と、を有する構成とすることができる。各情報が、隣り合う層の情報と、ネットワークでつながり、より大きなネットワークが展開される。また、中間層は、図示の構成では、１層であるが、複数層有しているのが好ましい。これにより、中間層の各層において、情報の重要性に重み付けを行うことができ、さらに正確な故障予測を行うことができる。
また、ニューラルネットワークとしては、リカレント型のニューラルネットワークを適用することができる。リカレントニューラルネットワークでは、時系列情報が回帰的に保持されるため、時間軸に沿って展開すると一般的なニューラルネットワークとみなすことができる。また、前回の時刻の中間層と、今回の時刻の入力と合わせて学習に用いることで、時系列情報を考慮したネットワーク構造とすることができる。
なお、故障予測モデル生成部５１における学習法としては、教師あり学習や、教師なし学習や、これらを組み合わせた学習法が挙げられる。教師あり学習の場合、入力値と出力値のデータの組を大量に準備しておき、故障予測モデル生成部５１に与えることで、それらのデータセットにある特徴を学習し、入力から結果を推定するモデル、すなわち、その関係性を帰納的に獲得することができる。教師なし学習の場合、出力値、または、その合否結果を入力値に反映できるように学習が行われる。よって、故障予測の合否の判定に関する情報が与えられなくても、再構築された出力と入力との乖離から異常を検知することができる。その結果、要素部品の故障の予兆を明確に検知することができる。リカレント型のニューラルネットワークでは、通常のニューラルネットワークと異なって、時間を遡るように誤差が伝搬されるため、バックプロパゲーションスルータイム（ＢＰＴＴ）法で学習を行われる。
例えば、図１１は、横軸が振動特性を測定した回数、縦軸が異常度で表されるグラフである。図１１に示すように、振動特性を測定するたびに、学習済みの予測モデルにより求められる異常度を回数に紐づけて蓄積しておく。そして、前回と比べて異常度が所定値以上の値になると、故障の予兆ととらえることができる。
また、故障予測モデル生成部５１に対し、前述した特定動作を行ってロボットアーム１０に付与した際の、エンコーダーＥ１〜Ｅ６の検出結果、慣性センサー１８の検出結果、力検出部１９の検出結果および集音センサー２１の検出結果を入力する。
この際、オペレーターが、例えばパソコン等の入力装置６を用いて、エンコーダーＥ１〜Ｅ６の検出結果、慣性センサー１８の検出結果、力検出部１９の検出結果および集音センサー２１の検出結果に対して情報を付与し、これらを紐づけて故障予測モデル生成部５１に入力する。
オペレーターが付与する情報としては、例えば、要素部品の故障の有無、要素部品の交換推奨時期、要素部品の使用開始日等が挙げられる。なお、入力装置６を省略して教示装置４を用いて上記入力作業を行ってもよい。
変換部５２は、エンコーダーＥ１〜Ｅ６の検出結果、慣性センサー１８の検出結果、力検出部１９の検出結果および集音センサー２１の検出結果を高速フーリエ変換し、変換後のデータを故障予測モデル生成部５１に入力する。例えば、図５に示すような、ロボットアーム１０の動作速度と時間との関係を示すデータを高速フーリエ変換することにより、図７に示すようなデータが得られる。また、例えば、図６に示すような、ロボットアーム１０の動作速度と時間との関係を示すデータを高速フーリエ変換することにより、図８に示すようなデータが得られる。高速フーリエ変換とは、離散フーリエ変換を高速で行うアルゴリズムのことを言う。これにより、図５および図６に示すデータの特徴点を顕著に得ることができる。
図７および図８は、横軸が周波数、縦軸が各周波数のパワーの実効値で表されるグラフである。図７に示すグラフでは、周波数Ｆ１において最も高いパワーの実効値が得られ、周波数Ｆ１から離れていくと、パワーが落ちている。図８に示すグラフでは、図７に示す周波数Ｆ１よりも低い周波数Ｆ２において最も高いパワーの実効値が得られ、周波数Ｆ２から離れていくと、パワーが落ちている。
特定動作の速度変化の波形によって、各周波数成分が有するパワーが異なる。加速度が大きく高周波成分が多い特定動作は、加速度が小さく高周波成分が少ない特定動作に比べて、より広い範囲の周波数の残留振動を発生させることができる。一方、加速度が小さい特定動作は、ロボットにかかる力が小さいため、ロボットのハードウェアに与える影響も小さい。
このような要件を考慮しつつ、要素部品の故障予測に必要な周波数帯において必要な周波数において、十分なパワーが得られるように、特定動作のプログラムを作成することにより、正確な故障予測を行うことができる。
なお、関節１７１〜関節１７６ごとに、周波数のパワーの実行値が異なっている場合が多く、これらを予め実験的に測定しておくことが好ましい。
故障予測装置５に入力される検出部６０の検出結果としては、モーターの速度の他、以下のようなものが挙げられる。図９は、慣性センサー１８の検出結果の一例を示すグラフであり、横軸が時間、縦軸が角速度で表されるグラフである。図１０は、慣性センサー１８の検出結果の一例を示すグラフであり、横軸が時間、縦軸が加速度で表されるグラフである。これらのグラフでは、互いに直交するＸ軸回りの方向、Ｙ軸回りに方向およびＺ軸回りの方向における角速度を一括して表示している。
また、図９および図１０に示すグラフは、特定動作を終えた後に残留振動が発生している状態を示すものである。このような残留振動の振動特性は、要素部品の状態変化が顕著に表れる。このため、故障予測には有効である。
変換部５２は、このようなデータについても高速フーリエ変換を行い、変換後のデータを故障予測モデル生成部５１に入力する。また、図示はしないが、エンコーダーＥ１〜Ｅ６の検出結果、力検出部１９の検出結果および集音センサー２１の検出結果のデータを変換して、故障予測モデル生成部５１に入力する。
そして、故障予測モデル生成部５１は、故障予測モデル５０の入力値として、変換されたデータを入力する。そして、出力層から故障予測の推定値を得ることができる。なお、故障予測の推定値は、故障予測結果に関する情報であり、例えば、故障しているか否かの情報、故障までの推定期間等に関するスコア等が挙げられる。そして、処理部５３は、このような故障予測の推定値に基づいて、その結果を解釈し、故障しているか否か、または、異常が生じているか否かの判断を行い、その判断結果を報知部５４に放置させる処理を行う。なお、処理部５３による判断は、例えば、予め記憶されている基準値、検量線に基づいてなされる。
このような故障予測装置５によれば、ロボットアーム１０を分解することなく、過去に蓄積されたデータに基づいて、ロボットアーム１０の要素部品の故障を予測することができる。すなわち、ロボットアーム１０の要素部品が故障しているか否かに関する情報や、故障までの推定期間等を算出することができる。そして、その結果を報知することにより、オペレーターは、ロボットアーム１０を分解することなく、すなわち、簡単な方法により、ロボットアーム１０の要素部品が故障しているか否かに関する情報や、故障までの推定期間等を知ることができる。また、本発明によれば、日々のロボット１の起動時のテスト動作中や、暖機運転中等のタイミングで故障予測を行うことができるため、ロボット１の運転予定を変更してまで故障予測を行う必要がない。
なお、報知部５４としては、特に限定されず、モニター、スピーカー、ランプ等が挙げられる。また、報知部５４の機能を教示装置４に付与した構成であってもよい。
このように、本発明の故障予測装置５は、減速機等の要素部品を有するロボットアーム１０と、ロボットアーム１０が動作した際の振動特性に関する情報を検出する検出部６０と、を有するロボット１の要素部品の故障を予測するものである。また、故障予測装置５は、振動特性に関する情報に基づいて、要素部品の故障を予測するための故障予測モデル５０を機械学習により生成する故障予測モデル生成部５１と、生成された故障予測モデル５０が出力する故障予測の推定値に基づいて、要素部品の故障を予測する処理部５３と、を備える。これにより、従来のようにロボットアーム１０を分解して要素部品を観察する作業を省略しつつ、簡単な方法により要素部品の故障予測の結果を知ることができる。
また、処理部５３は、故障予測モデル５０が出力した推定値に基づいて、故障しているか否かの判断を行う。これにより、オペレーターは、故障予測モデル５０が出力した推定値を明確な形で把握することができる。
また、故障予測の対象となる要素部品は、ロボットアーム１０の関節に設置された減速機である。減速機は、特に、機械的に複雑な構成であり、分解、組み立てが特に難しい部品である。したがって、減速機を故障予測の対象とすることにより、本発明の効果をより顕著に得ることができる。
次に、ロボットシステム１００が行う制御動作の一例について、図１２に示すフローチャートに基づいて説明する。なお、以下では、一例として、ステップＳ１０１およびステップＳ１０２に関しては、制御装置３または教示装置４が実行し、ステップＳ１０３〜ステップＳ１０７に関しては、故障予測装置５が実行することとする。
また、図示はしないが、ステップＳ１０２を実行するまでに、各関節１７１〜関節１７６に、慣性センサー１８とは異なる専用の慣性センサーをそれぞれ設置する。
まず、ステップＳ１０１において、特定動作を設定する。特定動作の設定は、教示装置４または入力装置６を用いて行う。例えば、前述したように、故障を予測したい要素部品が内蔵されている関節を選択し、その関節が特定動作を行うように設定する。
次に、ステップＳ１０２において、ステップＳ１０１で設定した特定動作を実行する。これにより、ロボットアーム１０が振動して、その残留振動を、検出部６０を用いて検出する。検出部６０は、前述したように、関節１７１〜関節１７６に設置した慣性センサー、エンコーダーＥ１〜Ｅ６、慣性センサー１８、トルクセンサーとしての力検出部１９および集音センサー２１等が挙げられる。
このようなステップＳ１０２が、ロボットアーム１０に対して振動を付与する振動付与ステップである。なお、上記のような構成に限定されず、例えば、ハンマーを用いてロボットアーム１０を叩くことによりロボットアーム１０に振動を付与する構成であってもよく、これらを組み合わせた構成であってもよい。
次いで、ステップＳ１０３において、振動特性に関する情報を取得する。この際、関節１７１〜関節１７６のうちの、どの関節に対して行った特定動作であるかという情報と、検出した振動特性に関する情報を紐づけて故障予測装置５に入力する。このようなステップＳ１０３が、振動特性に関する情報を取得する情報取得ステップである。
次いで、ステップＳ１０４において、全ての特定動作が完了し、全ての関節の振動特性に関する情報を取得したか否かを判断する。ステップＳ１０４において、全ての関節の振動特性に関する情報を取得していないと判断した場合ステップＳ１０２に戻り、特定動作を順次実行する。
また、振動特性に関する情報は、ロボットアーム１０の角速度または加速度に関する情報を含み、検出部６０は、慣性センサー１８や、図示しない各関節に内蔵された慣性センサーを有する。これにより、角速度または加速度に関する情報を故障予測モデル５０に入力することができ、より正確な故障予測を行うことができる。
このように、振動特性に関する情報は、前記ロボットアームに加わるトルクに関する情報を含み、検出部６０は、トルクセンサーとしての力検出部１９を有する。これにより、トルクに関する情報を故障予測モデル５０に入力することができ、入力のサンプルをさらに増やすことができる。よって、より正確な故障予測を行うことができる。
また、振動特性に関する情報は、ロボットアーム１０の動作音に関する情報を含み、検出部６０は、集音センサー２１を有する。これにより、動作音に関する情報を故障予測モデル５０に入力することができ、入力のサンプルをさらに増やすことができる。よって、より正確な故障予測を行うことができる。
ステップＳ１０４において、全ての特定動作が完了し、全ての関節の振動特性に関する情報を取得したと判断した場合、ステップＳ１０５において、入力された振動特性に関する情報を高速フーリエ変換し、ステップＳ１０６において、変換後のデータを故障予測モデル生成部５１に入力する。そして、変換後のデータは、故障予測モデル５０に入力される。
このように、故障予測モデル５０に入力される振動特性に関する情報は、高速フーリエ変換することで得られたデータである。これにより、入力された情報の特徴点を顕著に得ることができる。よって、要素部品の故障予測をより正確に行うことができる。
このように、本発明の故障予測方法は、減速機等の要素部品を有するロボットアーム１０と、ロボットアーム１０が動作した際の振動特性に関する情報を検出する検出部６０と、を有するロボット１の要素部品の故障を予測する方法である。また、故障予測方法は、振動特性に関する情報に基づいて、要素部品の故障を予測するための故障予測モデル５０を機械学習により生成し、生成した故障予測モデル５０に振動特性に関する情報が入力されることにより、生成した故障予測モデル５０が出力する故障予測の推定値に基づいて、要素部品の故障を予測する。これにより、従来のようにロボットアーム１０を分解して要素部品を観察する作業を省略しつつ、簡単な方法により要素部品の故障予測の結果を知ることができる。
以上、本発明の故障予測方法および故障予測装置を図示の実施形態について説明したが、本発明は、これに限定されるものではない。また、故障予測方法および故障予測装置の各工程、各部は、同様の機能を発揮し得る任意の工程、構造物と置換することができる。また、任意の工程、構造体が付加されていてもよい。
１…ロボット、３…制御装置、４…教示装置、５…故障予測装置、６…入力装置、１０…ロボットアーム、１１…基台、１２…第１アーム、１３…第２アーム、１４…第３アーム、１５…第４アーム、１６…第５アーム、１７…第６アーム、１８…慣性センサー、１９…力検出部、２０…エンドエフェクター、２１…集音センサー、３１…制御部、３２…記憶部、３３…通信部、４１…表示部、５０…故障予測モデル、５１…故障予測モデル生成部、５２…変換部、５３…処理部、５４…報知部、６０…検出部、１００…ロボットシステム、１７１…関節、１７２…関節、１７３…関節、１７４…関節、１７５…関節、１７６…関節、Ｄ１…モータードライバー、Ｄ２…モータードライバー、Ｄ３…モータードライバー、Ｄ４…モータードライバー、Ｄ５…モータードライバー、Ｄ６…モータードライバー、Ｅ１…エンコーダー、Ｅ２…エンコーダー、Ｅ３…エンコーダー、Ｅ４…エンコーダー、Ｅ５…エンコーダー、Ｅ６…エンコーダー、Ｆ１…周波数、Ｆ２…周波数、Ｍ１…モーター、Ｍ２…モーター、Ｍ３…モーター、Ｍ４…モーター、Ｍ５…モーター、Ｍ６…モーター、ＴＣＰ…ツールセンターポイント

Claims (9)

  1. 要素部品を有するロボットアームと、前記ロボットアームが動作した際の振動特性に関する情報を検出する検出部と、を有するロボットの前記要素部品の故障を予測する故障予測方法であって、
    前記振動特性に関する情報に基づいて、前記要素部品の故障を予測するための故障予測モデルを機械学習により生成し、生成した前記故障予測モデルに前記振動特性に関する情報が入力されることにより、生成した前記故障予測モデルが出力する故障予測の推定値に基づいて、前記要素部品の故障を予測することを特徴とする故障予測方法。
  2. 前記故障予測モデルに入力される前記振動特性に関する情報は、高速フーリエ変換することにより得られたデータである請求項１に記載の故障予測方法。
  3. 前記故障予測モデルが出力した前記推定値に基づいて、故障しているか否かの判断を行う請求項１または２に記載の故障予測方法。
  4. 要素部品を有するロボットアームと、前記ロボットアームが動作した際の振動特性に関する情報を検出する検出部と、を有するロボットの前記要素部品の故障を予測する故障予測装置であって、
    前記振動特性に関する情報に基づいて、前記要素部品の故障を予測するための故障予測モデルを機械学習により生成する故障予測モデル生成部と、
    生成された前記故障予測モデルが出力する故障予測の推定値に基づいて、前記要素部品の故障を予測する処理部と、を備えることを特徴とする故障予測装置。
  5. 前記振動特性に関する情報は、前記ロボットアームに加わるトルクに関する情報を含み、
    前記検出部は、トルクセンサーを有する請求項４に記載の故障予測装置。
  6. 前記振動特性に関する情報は、前記ロボットアームの角速度または加速度に関する情報を含み、
    前記検出部は、慣性センサーを有する請求項４または５に記載の故障予測装置。
  7. 前記慣性センサーは、前記ロボットアームの先端部に設けられている請求項６に記載の故障予測装置。
  8. 前記振動特性に関する情報は、前記ロボットアームの動作音に関する情報を含み、
    前記検出部は、集音センサーを有する請求項４ないし７のいずれか１項に記載の故障予測装置。
  9. 前記要素部品は、前記ロボットアームの関節に設置された減速機である請求項４ないし８のいずれか１項に記載の故障予測装置。
JP2020063884A 2020-03-31 2020-03-31 故障予測方法および故障予測装置 Withdrawn JP2021160031A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020063884A JP2021160031A (ja) 2020-03-31 2020-03-31 故障予測方法および故障予測装置
EP21163506.5A EP3888855A1 (en) 2020-03-31 2021-03-18 Failure prediction method and failure prediction apparatus
CN202110333365.6A CN113459082A (zh) 2020-03-31 2021-03-29 故障预测方法及故障预测装置
US17/216,738 US11931905B2 (en) 2020-03-31 2021-03-30 Failure prediction method and failure prediction apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020063884A JP2021160031A (ja) 2020-03-31 2020-03-31 故障予測方法および故障予測装置

Publications (2)

Publication Number Publication Date
JP2021160031A true JP2021160031A (ja) 2021-10-11
JP2021160031A5 JP2021160031A5 (ja) 2023-03-29

Family

ID=75108259

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020063884A Withdrawn JP2021160031A (ja) 2020-03-31 2020-03-31 故障予測方法および故障予測装置

Country Status (4)

Country Link
US (1) US11931905B2 (ja)
EP (1) EP3888855A1 (ja)
JP (1) JP2021160031A (ja)
CN (1) CN113459082A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102471973B1 (ko) * 2022-09-19 2022-11-29 주식회사 성진로지스 플라스틱 도금 자동화 시스템

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114167842B (zh) * 2021-12-08 2023-06-09 中国船舶科学研究中心 一种基于振动主动控制系统的故障预测与健康管理方法
EP4245481A1 (en) * 2022-03-15 2023-09-20 Automationware S.r.l. Robotic device with improved robotic joint for impact and vibration detection and related detection method
CN114734438A (zh) * 2022-04-02 2022-07-12 中科新松有限公司 一种机器人关节的故障诊断方法及系统
CN117092933B (zh) * 2023-07-26 2024-04-16 天津通信广播集团有限公司 转动机械设备控制方法、装置、设备和计算机可读介质

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9104650B2 (en) * 2005-07-11 2015-08-11 Brooks Automation, Inc. Intelligent condition monitoring and fault diagnostic system for preventative maintenance
US9205560B1 (en) * 2013-06-24 2015-12-08 Redwood Robotics, Inc. System and method for failure detection of a robot actuator
WO2015182317A1 (ja) * 2014-05-29 2015-12-03 株式会社 日立メディコ Ｘ線管故障予兆検知装置、ｘ線管故障予兆検知方法およびｘ線撮像装置
KR101677358B1 (ko) * 2015-01-28 2016-11-18 주식회사 엑센솔루션 인공 신경망 알고리즘을 이용한 주조 설비에 대한 고장 예지 시스템 및 방법
JP6148316B2 (ja) * 2015-07-31 2017-06-14 ファナック株式会社 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム
DE102016008987B4 (de) * 2015-07-31 2021-09-16 Fanuc Corporation Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt
US10907722B2 (en) * 2015-09-14 2021-02-02 Tolomatic, Inc. Actuator diagnostics and prognostics
JP6140331B1 (ja) * 2016-04-08 2017-05-31 ファナック株式会社 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム
CN114625076A (zh) 2016-05-09 2022-06-14 强力物联网投资组合2016有限公司 用于工业物联网的方法和系统
JP6603192B2 (ja) 2016-10-25 2019-11-06 ファナック株式会社 学習モデル構築装置、故障予測システム、学習モデル構築方法及び学習モデル構築プログラム
US10843341B2 (en) * 2017-05-05 2020-11-24 Brooks Automation, Inc. Method and apparatus for health assessment of a transport apparatus
JP2019008675A (ja) * 2017-06-27 2019-01-17 ファナック株式会社 故障予測装置及び機械学習装置
JP6972971B2 (ja) 2017-11-28 2021-11-24 株式会社安川電機 制御システム、機械学習装置、メンテナンス支援装置、及びメンテナンス支援方法
JP6693939B2 (ja) * 2017-12-14 2020-05-13 ファナック株式会社 ロボットシステム
JP6711854B2 (ja) * 2018-02-22 2020-06-17 ファナック株式会社 故障予測装置及び機械学習装置
CN111819042B (zh) 2018-02-28 2023-06-13 日产自动车株式会社 异常检测装置及异常检测方法
JP6858353B2 (ja) 2018-03-08 2021-04-14 オムロン株式会社 ロボット制御装置、異常診断方法、及び異常診断プログラム
JP6909410B2 (ja) * 2018-05-08 2021-07-28 オムロン株式会社 ロボット制御装置、保守管理方法、及び保守管理プログラム
JP7225563B2 (ja) 2018-05-14 2023-02-21 セイコーエプソン株式会社 ロボット、制御装置およびロボットの制御方法
WO2020026344A1 (ja) * 2018-07-31 2020-02-06 日産自動車株式会社 異常判定装置及び異常判定方法
JP6971951B2 (ja) 2018-10-18 2021-11-24 コベルコ・コンプレッサ株式会社 冷凍装置
JP7107830B2 (ja) * 2018-12-21 2022-07-27 ファナック株式会社 学習用データ確認支援装置、機械学習装置、故障予知装置
CN109800861A (zh) * 2018-12-28 2019-05-24 上海联影智能医疗科技有限公司 一种设备故障识别方法、装置、设备及计算机系统
CN109632309A (zh) * 2019-01-17 2019-04-16 燕山大学 基于改进s变换与深度学习的滚动轴承故障智能诊断方法
US11215535B2 (en) * 2019-11-14 2022-01-04 Hitachi, Ltd. Predictive maintenance for robotic arms using vibration measurements

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102471973B1 (ko) * 2022-09-19 2022-11-29 주식회사 성진로지스 플라스틱 도금 자동화 시스템

Also Published As

Publication number Publication date
US20210299871A1 (en) 2021-09-30
CN113459082A (zh) 2021-10-01
EP3888855A1 (en) 2021-10-06
US11931905B2 (en) 2024-03-19

Similar Documents

Publication Publication Date Title
JP2021160031A (ja) 故障予測方法および故障予測装置
US10486309B2 (en) Robot controlling method, robot apparatus, program, recording medium, and method for manufacturing assembly component
JP6652292B2 (ja) 制御方法、制御プログラム、ロボットシステム、回転駆動装置の制御方法、およびロボット装置
CN103213134B (zh) 机械手的控制方法和机械手
JP6512790B2 (ja) ロボット制御方法、ロボット装置、プログラム、記録媒体及び物品の製造方法
EP1932629B1 (en) A method and a control system for monitoring the condition of an industrial robot
US20170312922A1 (en) Vibration measurement method for moving part, vibration measurement method for robot, and control device
CN109849025B (zh) 振动抑制装置
US20110238329A1 (en) Method and a device for detecting abnormal changes in play in a transmission unit of a movable mechanical unit
JP6710969B2 (ja) ロボット制御装置、及びロボットシステム
JP2021060313A (ja) 診断装置及び機械学習装置
JP2020110877A (ja) ロボット診断方法、ロボット診断装置、制御プログラム、記録媒体、生産システム、および物品の製造方法
US20230052996A1 (en) Method of obtaining vibrational properties of robot arm
JP5316395B2 (ja) ロボットのばね定数同定方法およびロボットのばね定数同定装置
JP7267725B2 (ja) ロボットの制御方法、プログラム、記録媒体、ロボットシステム、物品の製造方法
JP7278803B2 (ja) 情報処理方法、情報処理装置、ロボットシステム、ロボットシステムの制御方法、ロボットシステムを用いた物品の製造方法、プログラム及び記録媒体
JP2017164833A (ja) マニピュレータ装置の制御装置、マニピュレータ装置の制御方法及びマニピュレータ装置の制御プログラム
JP2022117612A (ja) 動作パラメーター調整方法、動作パラメーター調整プログラムおよびロボットシステム
JP7351656B2 (ja) 減速機の故障診断装置及び故障診断方法
US20240139948A1 (en) Robot, robot control method, article manufacturing method using robot, and control program and storage medium
US20230405822A1 (en) A robot system and a method for monitoring a robot system
Nguyen et al. Motion and Condition Monitoring of an Industrial Robot Based on Digital Twins
JP2020059122A (ja) 制御方法、制御プログラム、記録媒体、ロボットシステム、物品の製造方法、回転駆動装置の制御方法、およびロボット装置
JP2023041428A (ja) 学習データ生成装置および状態解析システム
JP2022071927A (ja) ロボットアームの状態判断方法、ロボットシステム、及び、コンピュータープログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230320

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230320

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231214

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231219

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20240131