JP6659730B2 - アクチュエータ駆動ロボットジョイントの開ループ/閉ループ制御のための方法および装置 - Google Patents
アクチュエータ駆動ロボットジョイントの開ループ/閉ループ制御のための方法および装置 Download PDFInfo
- Publication number
- JP6659730B2 JP6659730B2 JP2017560790A JP2017560790A JP6659730B2 JP 6659730 B2 JP6659730 B2 JP 6659730B2 JP 2017560790 A JP2017560790 A JP 2017560790A JP 2017560790 A JP2017560790 A JP 2017560790A JP 6659730 B2 JP6659730 B2 JP 6659730B2
- Authority
- JP
- Japan
- Prior art keywords
- fault
- sensor
- failure
- torque
- detector
- 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
Links
- 238000000034 method Methods 0.000 title claims description 123
- 238000001514 detection method Methods 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 claims description 2
- 230000003213 activating effect Effects 0.000 claims 2
- 230000011664 signaling Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 91
- 238000006243 chemical reaction Methods 0.000 description 22
- 238000004088 simulation Methods 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 18
- 230000008878 coupling Effects 0.000 description 14
- 238000010168 coupling process Methods 0.000 description 14
- 238000005859 coupling reaction Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000002955 isolation Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 12
- 238000000926 separation method Methods 0.000 description 12
- 238000013459 approach Methods 0.000 description 11
- 238000013016 damping Methods 0.000 description 11
- 238000013461 design Methods 0.000 description 11
- 230000003321 amplification Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 10
- 238000003199 nucleic acid amplification method Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 9
- 230000018109 developmental process Effects 0.000 description 9
- 238000013139 quantization Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 230000016507 interphase Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000005347 demagnetization Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
- B25J19/06—Safety devices
-
- 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
- B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
-
- 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
- G05B9/00—Safety arrangements
- G05B9/02—Safety arrangements electric
- G05B9/03—Safety arrangements electric with multiple-channel loop, i.e. redundant control systems
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24182—Redundancy
-
- 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
- G05B2219/39001—Robot, manipulator control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Description
を用いて電動モータを作動させ、および/またはロボットジョイントの移動を制動するための機械的機構を作動させる。後者の場合、制動は能動的であってもよいし、安全ブレーキによって実行されてもよい。
および/または故障状態FZは、検出された故障Fのタイプに依存する。例えば、異なる故障状態FZが、異なるタイプの故障に対して定義され得るか、制御変数
が、異なるタイプの故障Fに対して相違のあるよう定義することができる。すなわち、検出される故障のタイプに応じて反応を定義することができる。
さらなるステップで、故障の存在をチェックするための第2の故障検出器とを含み、プロセスモデルに基づく方法の測定値θm(t),ik,1(t),τJ(t),q(t)に基づいて故障を検出し、プロセスモデルがロボットジョイントの所定の数学的動的モデルであり、モデルのパラメータ、プロセスモデルによって再構成された変数間の残差、およびモデル内で計算された測定された変数θm(t),ik,1(t),τJ(t),q(t)および/またはパラメータが所定の第2の閾値条件を満たしていないとき故障が検出される。
を用いて電気モータを制御し、および/またはロボットジョイントの移動を制動するために機械的機構を作動させるよう構成される。
a)行動または変数の期待値の範囲に関する予備知識の利用
b)故障フリーの変数値の推定を含み、比較のために引き出すことができる方法
行動または期待値の範囲に関する予備知識を利用する方法には、変数の予想される故障フリーの値の範囲における特定の制限(特に第4章で後に説明する一定の制限、ただし動的制限も同様に可能である)が含まれる。
単一故障保護を確実にすべきであることから、特に、他の変数を使用して計算された1つまたは複数の推定値を用いて比較を実行することができる。1つの欠陥であろうと存在している限り、システムは、測定される変数と推定される変数との間に差異が存在し、検出のための計算に組み込まれているという事実によって、欠陥を認識することができなければならない。ここで、測定値と推定値との間に直接的な微分を成す必要はなく、代わりに他の実際的な数学的/物理的相関を利用できることに留意すべきである。別の好ましい展開によれば、変数の故障フリーの変化(特に、変数に対するノイズまたは意図的な変化)までたどらない、測定値と推定値との間に差があることを示す計算を用いることができる。言い換えれば、名目上の理由ではない。
2.システム内の重要な弾性を結び付け、感知可能な点で弾性を生じさせること(特に、歯車列の下流で、かつモータの前側ではなく、要は側面で、ジョイントの柔軟性を仮定する);
3.ロボットの運動学に関する感知可能な仮定、特にDenavit−Hartenbergの慣習;
4.各効果をそれ自体の慣性本体などに割り当てるのではなく、著しい摩擦効果を組み合わせ、共通のトルクベクトルに至るようにすること。
M(q)*q”+c(q,q’)+g(q)+場合によりtau_extまたはtau_friction_left+またはtau_disturbance_left
2.駆動側の計算:B*theta”−tau_m(コントローラ入力)+場合によりtau_friction_motor
3.2つの方程式を以下により結合する:tau_J=K*(theta−q)
・論理:予備知識の他に、観測値または実測値に基づく閾値のある相互排除または判定木
・確率ベースのアプローチ(例えば、隠れマルコフモデル、ガウスプロセスなど)。
・ファジー論理などのヒューリスティックアプローチ。
例えば、推定変数theta_m(「isolating theta_m」列)による計算が使用されている限り、これは故障が発見されていないという故障「shutdown theta_m」のテーブルに示される。theta_mの故障値を利用する他の3つの計算では、故障を「拒否」し、したがって、これを通知する。これは、この場合の故障がtheta_mにあることを示す。
用語と定義
国際自動制御連盟(IFAC)の技術プロセスに関する故障検出、監督、安全に関する技術委員会(SAFEPROCESS)は、「故障/故障検出など」というテーマで一般的に使用される用語のリストを作成し、様々な定義を構築させてきた。
種々の状態や信号を、以下のように定義する。
システムの少なくとも1つの特徴的な特性またはパラメータが、許容可能/通常の/標準的な状態から許容できないほど逸脱していること。
特定の動作状況で必要な機能を実行するシステムの能力が永続的に止まること。
システムの所望の機能を実行する際の間欠的な不規則性。
(出力変数の)測定値または計算値と、実際の値、指定された値、または理論上正しい値との間の偏差。
システムに作用する未知の(および制御されていない)入力。
システムに作用する入力。現在の状態から一時的に逸脱する結果となる。
測定値とモデル方程式に基づく計算との間の偏差に基づいて故障を示すもの。
正常な挙動からの観測可能な量の変化。
システムの挙動のモニタリングおよび管理は、様々な機能の助力により達成することができる。
システムに存在する故障と検出時間の判定。
故障の種類、場所、検出時間の判定。故障検出に従う。
故障の大きさと時変行動の判定。故障の分離に従う。
故障の種類、サイズ、場所および検出時間の判定。故障検出に従う。故障の分離と識別が含まれる。
情報を記録し、行動の異常を認識し、示すことによって、物理システムの状態を判定する連続的なリアルタイムのタスク。
物理システムをモニタリングし、故障の場合でも作動を維持するための適切な処置を講じること。
可能であれば、システムの潜在的に危険な行動が抑制される手段、または危険な行動の結果を回避する手段。
システムの変数間の関係に応じて、基礎となるシステムモデルを様々な方法で記述することができる。
システムの行動を定量的な数学的な用語で記載するために、システムの変数やパラメータの間で、静的および動的な関係を利用すること。
システムの行動を定性的な数学的な用語で記載するために、システムの変数やパラメータの間で、静的および動的な関係を利用すること。例えば、因果関係やif−thenルールを利用すること。
特定の入力変数(症状)を特定の出力変数(故障)にリンクする静的または動的な関係の集合。
変数の決定に2つ以上の(ただし必ずしも同一ではない)方法を使用することであり、そのうちの1つが解析フォームで数学的プロセスモデルを使用する。
システムの個々の状態や信号だけでなく、システム全体についてもステートメントを作成することができる。
所与の期間に所与の範囲内で、所定の条件下で機能するシステムの能力。尺度:平均故障(failure)間隔(MTBF)は、故障(failure)率A(例えば、1年当たりの故障(failure))を伴い、以下が当てはまる。
人、設備または環境に危険を及ぼすことのないシステムの能力。
任意の時点で、システムまたは機器が十分かつ効果的に動作する確率。測定は、
により得られ、平均修復時間(MTTR=1/μ)および修復率μを伴う。
必要なときは常に利用できる特性を備える利用可能率の一形態。項目が期間の開始時に利用できれば、指定された稼働時間の任意のランダムに選択した時間にシステムが作動可能であり、要求された機能を果たすことができる程度である。依存性は、
により得られる。Tvは利用可能な時間であり、TRは要求される時間である。
図1.1に、故障検出、故障診断、および故障管理を示す図表を示す。通常、故障検出と正しい反応には、次の3点の計画を使用する。
2.故障診断
3.故障への反応(故障管理)
モデルベースの方法では、不規則性を検出するために、基礎となるモデルに関する知識が必要である。例えば、ロボットの物理的構造を有するモデル、または特定の標準偏差などの特定の特性を有する信号のモデルを含むことができる。
プロセスモデルベースの方法は、通常、特定のパラメータを有する数学的構造の形態の動的プロセスモデルを必要とする。これは、システムの入力変数UJt)および出力変数Y_(t)の測定の補助により実装される。
n次の線形数学モデルの構造に関する知識に基づいて、状態方程式を以下のように設定することができる。
WT=0(1.5)
を満たさねばならない。
r(t)=WY(t)−WQU(t)(1.6)
で続く。
・r(t)=0→故障フリー
・r(t)≠0→故障が発生した。
r(t)≒0
に拡張できる。
名前が示唆するように、古典的な状態オブザーバは、状態変数Δxiの変化を認識することによって故障を検出することができる。プロセスモデルは、次のように定義される:
式中、v(t)およびn(t)は干渉信号を表し、fL(t)およびfM(t)は加算故障信号である。
さらに、状態オブザーバ用の得られた式(図1.2参照)により、
が得られる。
Δx(t)=x(t)−x0(t),e(t)またはr(t)=We(t)
により記述できる。
T1A−AξT1=HξC,(1.13)
Bξ=T1B,(1.14)
T1V=0,(1.15)
CξT1−T2C=0.(1.16)
である。
r(t)=Cξξ(t)−T2MfM(t)(1.17)
で得られる。
使用する事例で、パラメータが部分的にしか分かっていないか、完全に未知であることが頻繁にある。しかし、単純なモデル構造が利用可能であれば、入力信号および出力信号を測定することによって、パラメータを推定することができる。この場合、式の誤差を最小化するアプローチと、出力誤差を最小化するアプローチという基本的な2つのアプローチがある。
e(t)=y(t)−Ψ T(t)Θ(1.18)
と定義する。これは、
と同等である。
の結果が得られ[17]、
を伴う。
または再帰的に
を実行することができる。
が必要であり、モデル出力
を伴う。
信号モデルに基づく方法では、基礎となるプロセスモデルの知識は必要ない。システム出力y(t)のみを解析する。周期的な出力を有するシステムでは、出力信号は、使用可能な部分yu(t)とノイズ部分n(t)からなると仮定する。
出力信号が依然として特定の周波数範囲にあることを確実にするために、バンドパスフィルタを故障検出に使用することもできる。これらはアナログとデジタルの形態両方で使用できる。いくつかのフィルタ構成では、さらに、パワースペクトルを観測することができる。この場合、信号は、平均電力を計算するために二乗し、積分する。RMS振幅は平方根をとることで得られる。図1.6は、階段状フィルタ適合の図表を示す。
高速フーリエ変換(FFT)により、信号のスペクトルを故障について検証することができる。
この方法はスペクトル分析に似ている。しかし、ほんのわずかな周波数しか対象にしていなければ、この方法はFFTよりも正確な結果をもたらす。
システムの正常な行動からの逸脱は、他の方法によっても認識することができる。例えば、ランダムな信号の平均値または分散の変化は故障を示し、または静的確率密度関数のパラメータの変化は突然変わる[35]。
故障診断の問題は、検出された故障のタイプ、範囲、位置および時間をより正確に判定することである。特定の故障に対していくつかの症状が異なる様式で変化する場合、症状ベクトルの変化に基づく分類方法を適用することができる。一般に使用される分類方法は、幾何学的間隔および確率の方法、人工ニューラルネットワークまたは「ファジークラスタリング」である。症状と故障の間の関係についてより多くのことが分かっている場合、決定木のような診断判定モデルも採用できる。次に、単純なIF−THENルールで関係を表すことができる。「近似的推論」方法の例には、確率の思考や人工ニューラルネットワークによる思考が含まれる。
フレキシブルロボットジョイントにおける故障
ロボットシステムは、熱や湿気や電磁放射などの様々な外的影響を受ける。リークや、不適切な潤滑や、短絡などの内部の問題も、同様に発生する可能性がある。これらは、内部プロセスパラメータまたは状態変数に変化をもたらす可能性があり、その結果、頻繁にロボットによる不良な行動を引き起こす。前述のように、これらの変化は故障と呼ばれる。以下では、フレキシブルロボットジョイントにおける可能な一連の故障を、分類を試みながら提示していく。
故障は、その形態、その時間の振舞い、またはその程度に基づいて分類することができる。
故障の形態は、系統的とランダムのいずれかになる。システムの構造およびパラメータが分かっている場合、系統的な故障を予測することができる。これらには、別の故障の影響を表す故障、または単に特定の時間後に生じる故障(摩耗)も含まれる。ランダムな故障はいつでも発生する可能性があり、予測できない。
様々な時間の振舞いのパターンは、分類の別の変形を表しているものである。この場合、突発的な故障とドリフト故障の間で大まかに区別できる。突発的または段階的な故障は突然最大限出現し、その後定常とみなすことができる(図2.1)が、ドリフトな故障はゆっくりと、徐々に明白になるように現れる(図2.2)。突発的な故障の特別な形態は間欠的な故障であり、これは断続的に逸脱を経て、再開したときにその振幅が変わり得る(図2.3)。典型的な緩み接触が例である。
程度による分類は非常に簡単である。故障の影響は、システムの内部(ローカル)または外部(グローバル)のいずれかで作用する可能性がある。ロボットシステムでは、ローカルの程度は内部コンポーネントに影響を与える内部温度の上昇にすぎないが、グローバルな程度の故障はロボットが環境と相互作用するのを阻止する。
以下に、ロボットジョイントで発生し得る可能な故障のリストを示す。リストは完全に網羅しているわけではない。
機械式アクチュエータのあらゆる概念において、ベアリングは回転エネルギーを可能な限り少ない損失で他の部品に伝達するなど、重要な役割を果たす。この例では、回転軸が同心での回転を可能にする正確な位置に保持されている。故障解析の観点から、ベアリングはロボットシステムの外乱の最も一般的な原因を代表する。交流モータシステムにおけるすべての外乱の51%は、ベアリングに関与する故障に遡ることができる。以下の故障が発生する可能性がある:
ロボットジョイントでは、歯車列を使用して、モータのより速い動きを、遅いが強いトルクを有する隣の部材の動きに変換する。簡素な設計のために、ハーモニックドライブ(登録商標)(HD)がよく使用される。可能性のある歯車列の故障は、以下を含む:
ケーブルが破損しているか、正しく接続されていないと、電子部品が正常に機能しないかまったく機能しなくなることが多い。この場合、電力供給が不十分なことから、信号が失われたり、コンポーネントがオフになったりする。
ブラシレスDCモータ(BLDC)は、多くの利点のおかげで、ロボット工学にて頻繁に採用されている。すでに対処している機械的故障以外にも、これらの他の故障が発生する可能性がある:
測定される各々の実際のプロセスは、アナログの世界で行われる。信号をマイクロコントローラまたはDSPが利用するのに有用であるようにすべく、アナログデジタル変換器(ADC)が必要である。これらは、プロセッサまたはセンサに統合すること、または自律したコンポーネントとして存在させることができる。ADCの欠点は、避けられない量子化ノイズにある(図2.4)。このため、常に適切な解像度を選択しなければならない。
何が測定されているかに関わらず、すべてのセンサでいくつかの故障が発生する可能性がある。故障の原因がセンサごとに異なり得るだけである。
一般に、BLDCの3相のそれぞれに1つの電流センサがある。一般的なセンサの故障に加えて、それらはまた焼損する可能性がある。これはセンサを完全に破壊し、システムが過度に高い温度または電流になることによって引き起こされる。
このタイプの位置センサでは、以下の故障が発生し得る:
トルクセンサの設計が非常に多様であるため、特定の故障を特定することは困難である。一般的な故障が扱われる。いくつかを例としてここに挙げる:
次のような電圧源の故障があり得る。
インバータは、BLDCを流れる電流を制御する。本発明の概念を制限することなく、本議論は三相インバータを含む。これは2つの分岐部からなり、各々上部および下部用のスイッチがある。MOSFETは通常、スイッチとして使用される(図2.7)。次の誤差が発生する可能性がある:
ロボットジョイントのシミュレーション
本文書は、FDIをジョイントのレベルで検討している。したがって、図3.1に概略的に示しているように、単一のジョイントを検証するべきである。
問題のジョイントは、Simulinkモデルであり、コントローラ、物理モデル、およびセンサシステムに大別することができる(図3.2)。これらのシミュレーションの一部の信号には、「実際の」値と「測定された」値の両方が存在する。両バージョンの変数を同じ文脈で記述している場合、混乱を避けるために「実際の」値には「*」という印を付けている。例えば、
はモータの実際の位置を示し、θmは測定された異種、すなわち位置センサの出力である。ここではコントローラは特に重要ではないので、詳細な説明は行わない。代わりに従来技術を参照している。これは、モータの必要トルクのみを計算し、それに対して与えられた軌道の1つを追跡するようにする。この目的のためにセンサ出力を利用することができる。コントローラは、モータを所望のトルクで動作させるためにインバータをどのように切り替えねばならないかを示している。これらの切り替わる状態は、ベクトル
として、図3.3に示すような可能な状態で表される。
および位置
を用いて計算される:
電気角
θe=pθm mod 2π(3.2)
を伴い、式中、pは磁対数を表す。標準化されたBEMFAphaseは、実際のモータでの以前の測定の結果である(図3.5)。既知のパラメータL(インダクタンス)およびR(抵抗)ならびに誘起電圧を用いて、相電流iab、ibc、およびicaを計算することができる。続いて測定される線電流は、
により形成される。
を付与し、これはトルク定数kmとコギングトルクrcを伴う。コギングトルクはΘmにのみ依存し、手作業で測定結果を記入したループアップテーブルにて見出すことができる。
と速度
カップリング位置q*と速度
ならびにカップリングトルク
を計算する。ジョイントは常にゼロの位置で開始するため、モータの位置と速度は、
により、モータ座標のモータ慣性Bm、ギア伝達比N、減衰トルクtDで計算することができ、減衰トルクtDは、
を伴い、減衰定数dと摩擦トルクτfを伴う。出力側については、式
が当てはまり、出力側の慣性Mを伴う。外部トルクτextは、重力トルクτgと負荷トルクτLからなる。
と表される。
で計算でき、τhは係数Aと係数aをもつヒステリシストルクである([10]による)。
および
から決定される。これら2つのセンサは、[14]によるエンコーダモデルを利用する。この場合、インクリメンタルエンコーダがシミュレートされ、これは2つの信号AおよびBをエミュレートし、それらの位置の関数として90°互いにオフセットされる。このようにして、現在位置と移動方向の両方を決定することができる。さらに、インデックス信号Zも生成され、これはジョイントのゼロ交差を通知する。さらに実装されたセンサは、トルクセンサであり、これは「実際の」
を測定してτJを放出する。その際、最初に付加的なノイズが加えられ、次いで信号が量子化されて飽和(saturated)される。最後に、線電流i1*、i2*、i3*を測定する。この動作の過程は、トルクセンサの過程と一致する。
と定義する。式中、[°]と時間tにおける基準位置qidを伴う。コントローラは偏差Δq=qid−qを最小化しようとする。
として定義され、ギア伝達比Nを伴う。図3.7にエンコーダ信号と計算された位置を示す。実行時間t=3sの誤動作では、物理モデルの出力は、図3.8、図3.9、図3.10、および図3.11に示すように現れる。この例では、θとqはほぼ一致している。慣性、遅れ、コントローラによる調整の結果、現在の位置は常に所望の位置より少し遅れている。センサシステム内のノイズは、ここでは実際の値との差異が肉眼では分からないほど低くなるように選択される。
シミュレーションで故障検出を検証できるようにするために、故障がSimulinkで実装された。すべての故障を「パラメータスクリプト」に設定することができ、いつでも作動/非作動にできる。故障は物理的モデルとセンサモデルに統合されているが、コントローラはそのままである。以後、インデックスID(例えば、qid内)は理想を表し、故障フリーの場合の変数の進捗を記載する。
図3.12に、一般的なセンサの故障の信号操作の図表を示す。センサの故障ブロックは、センサモデルのすぐ後ろにある(図3.12)。測定結果は操作され、その後コントローラに転送される。信号操作の図表を図3.13に示す。
増幅:センサ値に特定の値を乗算する。図3.14は、0.5s≦t<1.5sの間、2の増幅で不良な位置センサqを示している。qはセンサ値、q*は「実際の」位置であり、qidは故障なしの位置を示す。コントローラが誤った値で計算を実行しているため、q*はqidと差異がある。
インクリメントスキップ(Increment Skip) 前述のように、位置センサはインクリメントをスキップすることもできる。この故障が能動的なときは、位置信号にそれ以上の変化は検出されない。この故障が非作動になると、信号にオフセットが残る。信号Zの正のフランク(positive flank)はこのオフセットをリセットする。図3.18に0.25s≦t<0.5sの場合のこの故障を示す。
電流センサに追加の故障は実装されていない。一般的なセンサの故障の各々は、各電流センサに対して個別に設定することができる。
一般的なセンサの故障を除いて、このセンサに追加の故障は作出しなかった。
インバータには以下の故障が含まれていた:
実装されているBLDCの故障には、次のものがある:
機械的故障は、以下を含む:
シミュレーションにおけるFDI法の実装
ここでの目的は、以前に説明したロボットジョイントのシミュレーションで、実装された故障を検出することである。これを行うための様々な手法が可能であり、そのために多数のセンサ信号が利用可能である。これらのセンサ信号は、位置センサθmおよびqならびに電流センサi1、i2およびi3、ならびにトルクセンサτJの出力を包含する。コントローラと故障検出は後で同じチップに実装するべきであるため、一部の信号をコントローラからタップできる可能性が存在する。シミュレーションでは、次のパラメータが故障検出に使用されている(タブ4.1)。
最も簡単で最もリソースに優しい方法は、リミットチェックである。この方法では、センサ信号yの値が閾値ε内にあるかどうかが判定される。εが閾値を超えるかそれを下回ると、故障が通知される。
と
からの信号で、各々がそれ自身の閾値
を有する。
ジョイントの基礎となるプロセスモデルが分かると、いくつかのプロセスパラメータを推定し、以前に測定または設定した値と比較することができる。
に対して残差が、
で構築される。
で、ギア伝達比が
である。
故障検出のための別の可能な手段は、比較用の値がない状態を観測することである。これらのオブザーバは、観測の過程で故障が極端な変化を経たとき、または故障の結果として、観測値が既知の物理モデルともはや一致しない値であると推定するとき、FDIに適している。
・減衰トルクrD
・モータトルクτm
・摩擦トルクτf
・外部トルクText
により達成され、減衰定数dを伴う。モータトルクを計算するにはd/q変換が必要である。このためには、モータの電気的位置θeと相電流iphaseが必要である。極対数pを用いて、以下で電気的位置θe
θe=(pθm) mod 2π.(4.18)
を計算する。
は、そのとき
として表すことができ、トルク定数kmを伴う。
で認められる。式中、Lをオブザーバ利得とし、Bmをモータの慣性、τJを測定したカップリングトルク、
を測定された速度とし、
をモータトルクのオブザーバから得る。摩擦オブザーバと減衰トルクオブザーバを用いて、外部トルクも観測することができる。
により観測できる。
この方法は、オブザーバと組み合わせたパリティ方程式の理論に基づいている。基礎となるモデルは、(4.37)
で得られる。
電流には次の関係が当てはまる:
i1+i2+i3=0(4.39)
を利用してその他の2つで置き換えることができる。
の3つの異なるバージョン
に至る。
式中、
は、
のd/q変換によって計算される。ここで、位置センサθmのいずれかの故障、電流センサのいずれかの故障、トルクセンサτJの誤った増幅やオフセットなどのように、信号qの突然の変化は同様に検出することができる。相間短絡、モータのブロック、および衝突も同様に検出可能である。また、先に述べたように、残差は、分離されているが、信号i1の不良を通知する。これは、不良の信号がコントローラの副作用をトリガし、それに対して残差が反応するという事実に遡ることができる(図4.5参照)。
位置信号は、
置き換えることができる。
は、観測された位置q?の微分により得られ、これによりパリティ方程式が得られる。
位置θmは、
により置換できる。
および加速度
は、i1、i2、i3のd/q変換および観測位置
を介して、観測位置
および電流
を微分することによって得られる。パリティ方程式は、
のように定義される。式中、
である。
に導いている。これらの不確実性の増加はまた、偏差
および
で再現されている。したがって、残差はこの場合使用できない。不良がない場合でも、25%を超える誤警報の確率が生じる(図4.6)。
トルクセンサτJを分離する場合、トルクは、
と近似される。
である。式中、
フレキシブルロボットジョイントのプロトタイプにおける故障検出法の評価
シミュレーションの結果を確認するために、ここで提示した故障検出法をフレキシブルロボットジョイントのプロトタイプで検証した。図5.1は、この目的のための基本的なジョイントの設計を示している。
故障検出法を検証するために、第4章で提示したアプローチの大半を、フレキシブルロボットジョイントのプロトタイプにも実装している。まず、リミットチェックが検証される。ここで、速度
および
ならびにトルクτJがモニタリングされる。ただし、相電流の代わりに電流iqがチェックされる。オブザーバも実装されており、モータトルクのオブザーバ
から始まり、これはトルク定数kmを伴う。また、摩擦トルク
が観測され、オブザーバ利得Lfを伴い、同様に減衰トルクは
であり、減衰定数dを伴い、外部トルク
を伴うものとする。
を用いて近似にされる。
は、作動している位置センサの測定値から大きく外れるべきではない。
シミュレーションでは、ほぼすべての故障をわずかな労力で実行することができるが、ハードウェアで故障のシミュレーションを実行するにはいくつかの制約がある。このため、選択された故障のみがジョイントのプロトタイプで検証される。可能性のあるすべての故障を網羅することは、本報告書の範囲を超える。センサの故障は、入力されるセンサ信号を最初に操作してそれらをFDIで評価することにより、ソフトウェア側で実装される。ただし、これらの操作信号はコントローラに戻されない。再度図5.3は、センサ信号操作がどのように機能するかを示している。入力される信号は、2つの位置qおよびθm、ジョイントのトルクτJおよび電流iqを含む。これらの信号のそれぞれについて、オフセットと増幅を設定することができ、故障「シャットダウン」は信号を0に設定する。ハードウェア側では、故障「シャットダウン」は同様に、単にセンサのプラグを引くことで(電流センサを除く)引き起こされる。この場合、コントローラであっても故障信号を受信する。さらに、外力によってモータを減速させることにより、摩擦の増大が生み出される。「実際の」ハードウェアの故障の欠点は、故障が発生した正確な時間を特定すること、または外乱の質(例えばNmの摩擦トルク)を測定することが困難であることである。また、検証された故障のリストは、以下の表に見出される。
実際のジョイントのFDI法で実行された検証では、以前のシミュレーションと類似した結果が得られた。リミットチェックによって検出できる故障を下の表に示す。位置の値が急激に変化すると、対応する速度のピークが短くなる。当然、検出は故障がいつ発生したかにも依存する。例えば、ジョイントがすでにゼロの位置にあるときにプラグが位置センサから引き抜かれた場合、故障は当然表示されない。
[図1.1]故障検出、診断、管理の図表である。
[図1.2]状態オブザーバの図表である。
[図1.3]出力オブザーバの図表である。
[図1.4]方程式の誤差の最小化の図表である。
[図1.5]パラメータ推定時の出力誤差の最小化の図表である。
[図1.6]バンドパスフィルタの階段状の配置の図表である。
[図2.1]急峻な故障のグラフ表示である。
[図2.2]ドリフト故障のグラフ表示である。
[図2.3]間欠的な故障のグラフ表示である。
[図2.4]量子化ノイズを伴う量子化信号の図である。
[図2.5]単一ピークの図である。
[図2.6]信号ノイズである。
[図2.7]三相インバータの回路図である。
[図2.8]各種インバータ故障の概略図である。
[図3.1]フレキシブルロボットジョイントの概略図である。
[図3.2]ジョイントシミュレーションの一般的な構造の図である。
[図3.3]インバータの可能な切り替え状態の図である。
[図3.4]ジョイントシミュレーションの物理モデルの図である。
[図3.5]BEMFの測定の図である。
[図3.6]デルタ接続におけるBLDCの図表である。
[図3.7]エンコーダ信号と位置の計算の図である。
[図3.8]基準位置と比較したモータとカップリングの位置(故障なし)の図である。
[図3.9]モータとカップリング速度(故障なし)の図である。
[図3.10]ジョイントトルク(故障なし)
[図3.11]線電流(故障なし)の図である。
[図3.12]一般的なセンサの故障の信号操作の図表である。
[図3.13]センサ読み取り操作の信号フローチャートである。
[図3.14]故障「増幅」に関する測定位置qと実際の位置q*の図である。
[図3.15]故障「オフセット」に関する測定位置qと実際の位置q*の図である。
[図3.16]故障「ノイズ」に関する測定位置qと実際の位置q*の図である。
[図3.17]故障「ホールド」および「シャットダウン」に関する測定位置qと実際の位置q*の図である。
[図3.19]測定値センサの操作の図表である。
[図3.18]誤差「インクリメントスキップ」に関する測定位置qと実際の位置q*である。
[図3.20]誤差「Aの損失」に関する測定位置qと実際の位置q*である。
[図3.21]インバータの故障「シャットダウン」を伴うモータトルクτmの図である。
[図3.22]インバータの故障「シャットダウン」を伴う相電流の図である。
[図3.23]インバータの故障「シャットダウン」を伴うカップリング位置q*である。
[図3.24]インバータの故障「単一スイッチ開」を伴うモータトルクτmの図である。
[図3.25]インバータの故障「単一スイッチ閉」を伴うモータトルクτmの図である。
[図3.26]インバータの故障「単一スイッチ閉」を伴う位置の誤差Δq=q*−qidの図である。
[図3.27]誤差「相の破断」を伴う相電流の図である。
[図3.28]誤差「相の破断」を伴うジョイントトルクの図である。
[図3.29]誤差「相間短絡」を伴う相電流の図である。
[図3.30]故障「相間短絡」を伴うモータトルクτmの図である。
[図3.31]故障「相間短絡」を伴うカップリング位置q*の図である。
[図3.32]歯車列の破損を伴う位置θ*とq*の図である。
[図3.33]歯車列破損間のジョイントトルクの図である。
[図3.34]ジョイントのブロックの位置θ*とq*の図である。
[図3.35]ジョイントブロック中のトルクの図である。
[図3.36]モータのブロックの位置θ*とq*の図である。
[図3.37]モータのブロックにおけるジョイントのトルクの図である。
[図3.38]摩擦の増加を伴う位置q*の図である。
[図3.39]トルクリップルを伴う摩擦トルクの図である。
[図4.1]i1の故障「シャットダウン」を伴う電流の合計の図である。
[図4.2]能動的故障がない場合の推定剛性
の図である。
[図4.3]能動的故障なしでのギア伝達比
の推定の図である。
[図4.4]センサ信号を分離しないパリティ方程式の残差の図である。
[図4.5]パリティ方程式の残差と能動的故障(i1の分離)の図である。
[図4.6]能動的故障のない分離したθmを伴うパリティ方程式の残差の図である。
[図5.1]フレキシブルジョイントのプロトタイプの設計の図である。
[図5.2]検証軌道に続く故障フリーの動作のプロトタイプの出力側位置qの図である。
[図5.3]FDIと検証構造との接続の図表である。
[図5.4]故障「シャットダウンiq」を伴うセンサ信号が分離されていないパリティ方程式の残差の図である。
[図5.5]故障「センサqmのジョイントのプロトタイプがアンプラグ」を伴うオブザーバ信号の図である。
[図5.6]故障「センサqmのジョイントのプロトタイプがアンプラグ」を伴うパリティ方程式の残差の図である。
[図6.1]提案された方法の概略的なプロセスシーケンスの図である。
[図6.2]提案された装置の概略的な設計の図である。
を用いて電動モータを作動させる。
を用いて電気モータを作動させ、および/またはロボットジョイントの移動を制動するための機械的機構を作動させるように構成される。
Claims (12)
- 電気モータによって駆動されるロボットジョイントの開ループ/閉ループ制御のための方法であって、
前記ロボットジョイントは、
前記電気モータの第1の動作電流ik,1(t)(式中k=1、2、...、)を検出する第1のセンサエレクトロニクスを含む電流センサと、
前記ロボットジョイントの駆動列の駆動位置θm(t)を検出する第1の位置センサと、
前記ロボットジョイントの出力列の出力位置q(t)を検出する第2の位置センサと、
前記駆動列のトルクτJ,1(t)を検出する第1のトルクセンサであって、前記電気モータが所定の目標制御変数τm(t)に基づいて開ループ/閉ループ制御によって制御される第1のトルクセンサと
を備え、
前記方法は、
−前記変数:θm(t),ik,1(t),τJ,1 (t),q(t)の測定値を提供するステップ(101)と、
−θ m(t),ik,1(t),τJ,1 (t),q(t)の前記測定値および/またはその時間微分が所定の第1の閾値条件を満たしていないときに故障の存在を検出する第1の故障検出器により、前記故障の存在をチェックするステップ(102)と、
−プロセスモデルに基づく方法のθ m (t),i k,1 (t),τ J,1 (t),q(t)の前記測定値に基づいて故障を検出する第2の故障検出器により、前記故障の存在をチェックするステップ(103)であって、前記プロセスモデルは前記ロボットジョイントの所定の数学的動的モデルであり、前記モデルのパラメータ、前記プロセスモデルによって再構成された変数間の残差、および前記モデル内で計算された前記測定された変数および/またはパラメータが所定の第2の閾値条件を満たしていないときに故障が検出される、ステップ(103)と、
−信号ベースの方法に基づいて前記故障の存在を検出する第3の故障検出器に前記変数τJ,1 (t)の前記測定値を提供するステップ(104a)であって、τ J,1 (t)の前記測定値の振幅および/または特性周波数などの信号変数が所定の第3の閾値を満たしていないときに故障が検出される、ステップ(104a)、または
第2のトルクセンサまたは前記第1のトルクセンサの重複して設計されたセンサエレクトロニクスによって前記出力列のトルクτJ,2(t)を計算するステップ(104b)であって、τJ,1(t)とτJ,2(t)の比較の結果が第4の閾値条件を満たしていないときに第4の故障検出器によって故障を検出するステップ(104b)と、
−前記第1の故障検出器、第2の故障検出器、第3の故障検出器及び第4の故障検出器の1つによって故障が検出されるたびに、警告信号を生成(105a)するステップ、および/または所定の故障状態FZで前記ロボットジョイントを制御する制御変数
を用いて前記電動モータを作動させるステップ(105b)、および/または前記ロボットジョイントの移動を制動するための機械的機構を作動させるステップ(105c)と
を有する方法。 - 前記警告信号が、視覚的および/または音響的に放出される、請求項1に記載の方法。
- 前記検出された故障の1つのタイプは、前記第1の故障検出器および前記第2の故障検出器のそれぞれによって識別される、請求項1または2に記載の方法。
- 前記制御変数
および/または前記故障状態FZは、検出された故障Fの種類に依存する、請求項1〜3のいずれか一項に記載の方法。 - 前記第2の故障検出器が、前記モデルおよび/または状態変数オブザーバおよび/またはカルマンフィルタおよび/または故障を検出するためのパリティ方程式に基づく故障検出機能をベースにしたパラメータ推定値を使用する、請求項1〜4のいずれか一項に記載の方法。
- 前記第3の故障検出器は、高速フーリエ変換および/または電力密度スペクトルおよび/またはモーダル解析および/または補正分析および/またはニューロンネットワークおよび/または故障検出のための統計的推定法を使用する、請求項1〜5のいずれか一項に記載の方法。
- 前記第1の電流センサが、前記第1のセンサエレクトロニクスに対して重複する第2のセンサエレクトロニクスを有し、前記電気モータの第2の動作電流ik,2(t)(式中k=1、2、...)を決定し、ik,1(t)とik,2(t)との比較の結果が第5の閾値条件を満たしていないときに第5の故障検出器によって故障が検出される、請求項1〜5のいずれか一項に記載の方法。
- データ処理装置を有するコンピュータシステムであって、前記データ処理装置が、請求項1〜7のいずれか一項に記載の方法が前記データ処理装置で実行されるよう設計される、コンピュータシステム。
- プログラムコードをデータ処理装置で実行させるとき、請求項1〜7のいずれか一項に記載の方法を実行するための、機械可読のキャリアに保存されるプログラムコードを有する、コンピュータプログラム製品。
- 電気モータによって駆動されるロボットジョイントの開ループ/閉ループ制御のための装置であって、
前記ロボットジョイントは、前記電気モータの第1の動作電流ik,1(t)を識別するための第1のセンサエレクトロニクス(式中k=1、2)を有する電流センサと、前記ロボットジョイントの出力列の出力位置θm(t)を検出する第1の位置センサと、前記ロボットジョイントの駆動列の駆動位置q(t)を検出する第2の位置センサと、前記出力列のトルクτJ,1(t)を検出する第1のトルクセンサとを有し、前記電気モータは所定の目標制御変数τm(t)に基づいて開ループおよび閉ループ制御ユニット(206)の前記開ループ/閉ループ制御下にあり、
−前記変数:θm(t),ik,1(t),τJ,1 (t),q(t)の測定値を提供するためのインターフェース(201)と、
−前記変数:θm(t),ik,1(t),τJ,1 (t),q(t)の前記測定値および/またはその時間微分が所定の第1の閾値条件を満たしていないときに故障の存在を検出するように設計される、前記故障の存在を検証するための第1の故障検出器(202)と、
−前記故障の存在をチェックするための第2の故障検出器(203)であって、プロセスモデルに基づく方法のθ m(t),ik,1(t),τJ,1 (t),q(t)の前記測定値に基づいて故障を検出するよう構成され、前記プロセスモデルは前記ロボットジョイントの所定の数学的動的モデルであり、前記モデルのパラメータ、前記プロセスモデルによって再構成された変数間の残差、および前記モデル内で計算された前記変数:θm(t),ik,1(t),τJ,1 (t),q(t)の前記測定値および/またはパラメータが所定の第2の閾値条件を満たしていないとき故障が検出される第2の故障検出器(203)と、
−前記故障の存在を検証するための第3の故障検出器(204)であって、τ J,1 (t)の前記測定値および信号に基づく方法に基づいて前記故障の存在が検出されるように設計され、τ J,1 (t)の前記測定値の振幅および/または特性周波数などの信号変数が所定の第3の閾値条件を満たしていないときに故障が検出される第3の故障検出器(204)、または
前記出力列のトルクτJ,2(t)を検出するための、または該トルクτJ,2(t)を検出するための前記第1のトルクセンサの重複して設計されたセンサエレクトロニクスにある第2のトルクセンサ、および前記故障の存在を検証する第4の故障検出器であって、該第4の故障検出器(205)は、前記故障の存在がτ J,1(t)及びτJ,2(t)の前記測定値を基にして検出するよう設計され、τJ,1(t)とτJ,2(t)の比較の結果が第4の閾値条件を満たしていないときに故障を検出する第4の故障検出器、
を含み、
前記開ループおよび閉ループ制御ユニット(206)は、前記第1の故障検出器、第2の故障検出器、第3の故障検出器及び第4の故障検出器の1つによって故障が検出されるたびに、警告信号を生成し、および/または所定の故障状態FZで前記ロボットジョイントを制御する制御変数
を用いて前記電気モータを作動させ、および/または前記ロボットジョイントの移動を制動するための機械的機構を作動させる、装置。 - 請求項10に記載の装置を有するロボットマニピュレータ。
- 請求項10に記載の装置を有するロボット。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015108097.4 | 2015-05-21 | ||
DE102015108097 | 2015-05-21 | ||
PCT/DE2016/000219 WO2016184451A1 (de) | 2015-05-21 | 2016-05-21 | Verfahren und vorrichtung zur steuerung/regelung eines aktorisch angetriebenen robotergelenks |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018524185A JP2018524185A (ja) | 2018-08-30 |
JP6659730B2 true JP6659730B2 (ja) | 2020-03-04 |
Family
ID=56292403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017560790A Active JP6659730B2 (ja) | 2015-05-21 | 2016-05-21 | アクチュエータ駆動ロボットジョイントの開ループ/閉ループ制御のための方法および装置 |
Country Status (9)
Country | Link |
---|---|
US (1) | US10730186B2 (ja) |
EP (1) | EP3297794B1 (ja) |
JP (1) | JP6659730B2 (ja) |
KR (1) | KR102034652B1 (ja) |
CN (1) | CN107645980B (ja) |
DE (1) | DE112016001831B4 (ja) |
DK (1) | DK3297794T3 (ja) |
SG (1) | SG11201709621TA (ja) |
WO (1) | WO2016184451A1 (ja) |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107710082B (zh) * | 2015-09-29 | 2021-01-26 | 宝马股份公司 | 用于控制和/或调节机器人系统的外部控制系统的自动配置方法 |
JP6457473B2 (ja) * | 2016-12-16 | 2019-01-23 | ファナック株式会社 | ロボットおよびレーザスキャナの動作を学習する機械学習装置,ロボットシステムおよび機械学習方法 |
US11351680B1 (en) | 2017-03-01 | 2022-06-07 | Knowledge Initiatives LLC | Systems and methods for enhancing robot/human cooperation and shared responsibility |
EP3418007A1 (en) * | 2017-06-19 | 2018-12-26 | ABB Schweiz AG | Method of determining a joint torque in a joint of an articulated industrial robot |
JP7021895B2 (ja) * | 2017-10-03 | 2022-02-17 | 川崎重工業株式会社 | 異常の生じた部位の推定方法及び異常の生じた部位の推定を行わせるプログラム |
JP6950612B2 (ja) * | 2018-03-30 | 2021-10-13 | オムロン株式会社 | センサ、情報処理装置、センサ制御方法、情報処理方法、プログラム、および記録媒体 |
KR102114068B1 (ko) * | 2018-04-19 | 2020-05-25 | 한국과학기술연구원 | 계산 토크 방식 제어기, 이의 파라미터 결정 및 성능 평가 방법 |
CN108908345B (zh) * | 2018-08-31 | 2023-07-14 | 上海大学 | 一种欠驱动灵巧手传动系统状态感知系统 |
KR20200044206A (ko) | 2018-10-10 | 2020-04-29 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
CN109490776B (zh) * | 2018-11-06 | 2020-10-02 | 杭州君谋科技有限公司 | 一种基于机器学习的手机振动马达良次品检测方法 |
DE102018133349A1 (de) * | 2018-12-21 | 2020-06-25 | Pilz Gmbh & Co. Kg | Verfahren und Vorrichtung zur Momentschätzung |
EP3902658A4 (en) * | 2018-12-24 | 2022-10-19 | ABB Schweiz AG | METHOD OF DIAGNOSTICS A ROBOT, DEVICE AND SERVER |
JP7358049B2 (ja) * | 2019-01-11 | 2023-10-10 | キヤノン株式会社 | 制御方法、プログラム、記録媒体、ロボットシステム、および物品の製造方法 |
US11865714B2 (en) | 2019-02-17 | 2024-01-09 | Samsung Electronics Co., Ltd. | Robotic limb |
CN109978059B (zh) * | 2019-03-28 | 2024-02-23 | 南京富岛信息工程有限公司 | 一种原油蒸馏过程初馏塔冲塔故障预警方法 |
EP3747604B1 (en) * | 2019-06-07 | 2022-01-26 | Robert Bosch GmbH | Robot device controller, robot device arrangement and method for controlling a robot device |
KR102254934B1 (ko) * | 2019-07-30 | 2021-05-25 | 한국생산기술연구원 | 로봇 관절부 고장진단 방법 및 이를 적용한 로봇 관절부 고장 진단 시스템 |
WO2021045352A1 (en) * | 2019-09-03 | 2021-03-11 | Samsung Electronics Co., Ltd. | Robotic limb |
DE102019124720B3 (de) * | 2019-09-13 | 2020-12-03 | Franka Emika Gmbh | Online Konformitätsanalyse und Konformitätskennzeichnung für Roboter |
DE102019214009B3 (de) * | 2019-09-13 | 2020-12-10 | Kuka Deutschland Gmbh | Analyse von Sensormessdaten eines Roboters oder Manipulators |
DE102019127260B4 (de) * | 2019-10-10 | 2022-03-10 | Franka Emika Gmbh | Reibungskompensation für einen Greifer eines Robotermanipulators |
DE102019128082B4 (de) * | 2019-10-17 | 2022-03-10 | Franka Emika Gmbh | Drehmomentbegrenztes Bremsen eines Robotermanipulators |
CN110733043A (zh) * | 2019-11-22 | 2020-01-31 | 江苏方时远略科技咨询有限公司 | 一种机器人运行状态监测与切换的方法 |
KR102278744B1 (ko) * | 2019-12-03 | 2021-07-20 | 주식회사 큐엔티 | 로봇의 이상 상태에 대한 알람을 출력하는 방법 및 장치 |
DE102020205265A1 (de) | 2020-04-27 | 2021-10-28 | Kuka Deutschland Gmbh | Detektieren von Störungen in Roboteranordnungen |
DE102020205379A1 (de) | 2020-04-28 | 2021-10-28 | Kuka Deutschland Gmbh | Verfahren zum Erfassen und Auswerten eines Reibungszustands an einem Gelenk, Roboterarm und Computerprogrammprodukt |
DE102020127532B3 (de) | 2020-10-20 | 2021-11-11 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Regelungsverfahren zum Regeln des Drehmoments und/oder der Position mindestens eines elastizitätsbehafteten Gelenks einer Handhabungsvorrichtung, Drehmomentregler, Positionsregler und Verwendung des Verfahrens zur Regelung der Position und/oder des Drehmoments mindestens eines elastizitätsbehafteten Gelenks einer Handhabungsvorrichtung |
TWI764377B (zh) * | 2020-11-16 | 2022-05-11 | 達明機器人股份有限公司 | 機器人安全補償重量的系統及方法 |
TWI805978B (zh) * | 2020-12-22 | 2023-06-21 | 達明機器人股份有限公司 | 雙迴路力矩感知系統及其感知方法 |
CN113609637B (zh) * | 2021-06-24 | 2023-10-27 | 国网浙江杭州市余杭区供电有限公司 | 一种考虑故障连锁的多灾害配电网弹性评估方法 |
WO2023060423A1 (en) * | 2021-10-12 | 2023-04-20 | Shanghai Flexiv Robotics Technology Co., Ltd. | Safety system, joint assembly with safety system, and robot having joint assembly |
DE102021212128B8 (de) | 2021-10-27 | 2023-04-06 | Kuka Deutschland Gmbh | Verfahren und System zum Steuern eines lasttragenden Roboters sowie zum Ermitteln eines Parameters der Last des Roboters |
CN114035550B (zh) * | 2021-11-15 | 2023-11-21 | 江苏科技大学 | 一种基于eso的自主式水下机器人执行机构故障诊断方法 |
CN113954078B (zh) * | 2021-11-17 | 2023-02-24 | 深圳市优必选科技股份有限公司 | 力控关节控制方法、装置、机器人和可读存储介质 |
DE102022105335A1 (de) | 2022-03-08 | 2023-09-14 | Schaeffler Technologies AG & Co. KG | Verfahren zum bestimmen eines drehmoments |
CN114571470B (zh) * | 2022-05-05 | 2022-07-12 | 季华实验室 | 一种补偿结果优化方法、装置、电子设备和存储介质 |
DE102022116969A1 (de) * | 2022-07-07 | 2024-01-18 | Schaeffler Technologies AG & Co. KG | Verfahren zur dynamischen Erkennung von Ratcheting bei einem kollaborativen Roboter mittels Künstlicher Intelligenz und dynamischer Kompensation der Trajektorien |
DE102022123243B3 (de) | 2022-09-13 | 2024-03-14 | Schaeffler Technologies AG & Co. KG | Künstliche Intelligenz zur präzisen Bestimmung von Ausgangsdrehmomenten kollaborativer Roboter |
DE102022128423B3 (de) * | 2022-10-27 | 2023-12-28 | Schaeffler Technologies AG & Co. KG | Verfahren und ein Antriebsmodul zur Detektion, Quantifikation und Kompensation einer Eingriffsstörung eines Spannungswellengetriebes |
CN116107219B (zh) * | 2023-04-11 | 2023-06-30 | 珞石(北京)科技有限公司 | 一种基于模型的有约束的增量预测状态空间控制方法 |
CN116533253B (zh) * | 2023-07-03 | 2023-09-19 | 佛山智能装备技术研究院 | 一种基于反馈电流频谱分析的工业机器人故障诊断方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09297614A (ja) | 1996-04-30 | 1997-11-18 | Kawasaki Steel Corp | 電動機のトルク異常監視方法およびその異常処理方法 |
TR199600527A2 (xx) * | 1996-06-24 | 1998-01-21 | Ar�El�K A.�. | Elektrik motorlar� i�in model bazl� hata tespit ve te�his sistemi. |
JP4134369B2 (ja) * | 1998-02-09 | 2008-08-20 | 株式会社安川電機 | ロボットの制御装置 |
DE102004026185A1 (de) * | 2004-05-28 | 2005-12-22 | Kuka Roboter Gmbh | Verfahren und Vorrichtung zum Betreiben einer Maschine, wie eines Mehrachs- Industrieroboters |
JP4305323B2 (ja) * | 2004-08-11 | 2009-07-29 | ソニー株式会社 | ロボット装置の動作制御装置及び動作制御方法 |
DE102004056861A1 (de) * | 2004-11-25 | 2006-06-08 | Kuka Roboter Gmbh | Verfahren und Vorrichtung zum Regeln, Steuern von Manipulatoren |
US9104650B2 (en) * | 2005-07-11 | 2015-08-11 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
KR101322434B1 (ko) * | 2005-07-11 | 2013-10-28 | 브룩스 오토메이션 인코퍼레이티드 | 지능형 상태 감시 및 결함 진단 시스템 |
EP1951482A2 (en) | 2005-11-16 | 2008-08-06 | Abb Ab | Method and device for controlling motion of an industrial robot |
JP2007301680A (ja) * | 2006-05-11 | 2007-11-22 | Nachi Fujikoshi Corp | ロボットアーム診断装置 |
EP1932629B1 (en) * | 2006-12-11 | 2019-04-24 | ABB Research Ltd. | A method and a control system for monitoring the condition of an industrial robot |
DE102008054312A1 (de) | 2008-11-03 | 2010-05-06 | Kuka Roboter Gmbh | Verfahren und Vorrichtung zur sicheren Erfassung einer kinematischen Größe eines Manipulators |
IT1401977B1 (it) | 2010-09-28 | 2013-08-28 | C N R Consiglio Naz Ricerche | Apparecchiatura robotizzata con dispositivo di sicurezza perfezionato e metodo di controllo per la verifica in tempo reale delle grandezze cinematiche di stato dell'apparecchiatura robotizzata. |
JP5149416B2 (ja) * | 2011-04-06 | 2013-02-20 | ファナック株式会社 | ロボットの異常検出機能を有するロボットシステム及びその制御方法 |
CN102831919A (zh) | 2011-06-15 | 2012-12-19 | 鸿富锦精密工业(深圳)有限公司 | 固态硬盘及支持所述固态硬盘的主板 |
JP5924107B2 (ja) | 2012-05-09 | 2016-05-25 | セイコーエプソン株式会社 | ロボットハンド、およびロボット |
WO2014036138A1 (en) | 2012-08-28 | 2014-03-06 | Rethink Robotics, Inc. | Monitoring robot sensor consistency |
EP2977150B1 (en) | 2013-03-18 | 2017-06-28 | Olympus Corporation | Manipulator |
DE102013016019B3 (de) | 2013-09-25 | 2015-03-19 | Festo Ag & Co. Kg | Verfahren zum Betreiben eines mehrgliedrigen Manipulators |
-
2016
- 2016-05-21 SG SG11201709621TA patent/SG11201709621TA/en unknown
- 2016-05-21 CN CN201680029463.8A patent/CN107645980B/zh active Active
- 2016-05-21 DE DE112016001831.2T patent/DE112016001831B4/de not_active Expired - Fee Related
- 2016-05-21 DK DK16733277.4T patent/DK3297794T3/da active
- 2016-05-21 US US15/576,244 patent/US10730186B2/en active Active
- 2016-05-21 WO PCT/DE2016/000219 patent/WO2016184451A1/de active Application Filing
- 2016-05-21 JP JP2017560790A patent/JP6659730B2/ja active Active
- 2016-05-21 KR KR1020177036417A patent/KR102034652B1/ko active IP Right Grant
- 2016-05-21 EP EP16733277.4A patent/EP3297794B1/de active Active
Also Published As
Publication number | Publication date |
---|---|
US20180169864A1 (en) | 2018-06-21 |
DE112016001831B4 (de) | 2019-09-19 |
CN107645980A (zh) | 2018-01-30 |
EP3297794B1 (de) | 2021-12-01 |
DK3297794T3 (da) | 2022-02-21 |
SG11201709621TA (en) | 2017-12-28 |
WO2016184451A1 (de) | 2016-11-24 |
CN107645980B (zh) | 2021-01-15 |
DE112016001831A5 (de) | 2017-12-28 |
EP3297794A1 (de) | 2018-03-28 |
KR102034652B1 (ko) | 2019-10-21 |
KR20180010220A (ko) | 2018-01-30 |
JP2018524185A (ja) | 2018-08-30 |
US10730186B2 (en) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6659730B2 (ja) | アクチュエータ駆動ロボットジョイントの開ループ/閉ループ制御のための方法および装置 | |
US11650581B2 (en) | Intelligent condition monitoring and fault diagnostic system for preventative maintenance | |
JP5043839B2 (ja) | 予知保全用インテリジェント状態監視及び障害診断システム | |
Huang et al. | Fault diagnosis and fault-tolerant control in linear drives using the Kalman filter | |
Isermann | Fault-diagnosis applications: model-based condition monitoring: actuators, drives, machinery, plants, sensors, and fault-tolerant systems | |
US9415515B2 (en) | Method and apparatus for fixing a manipulator axis | |
Bittencourt et al. | A Data-driven method for monitoring systems that operate repetitively-applications to wear monitoring in an industrial robot joint | |
Mellah et al. | On fault detection and isolation applied on unicycle mobile robot sensors and actuators | |
Zeng et al. | Adaptive fault diagnosis for robot manipulators with multiple actuator and sensor faults | |
Dixon et al. | Application of condition monitoring to an electromechanical actuator: a parameter estimation based approach | |
Bouibed et al. | Actuator fault detection by nonlinear sliding mode observers: Application to an actuated seat | |
Anand et al. | FAULT DETECTION AND ISOLATION IN ROBOTIC MANIPULATOR VIA HYBRID NEURAL NETWORKS. | |
Sathish et al. | A simulation based approach to detect wear in industrial robots | |
Getz | Analysis Of Faults In Lightweight Robotic Joints And Evaluation Of Possible Fault Detection Techniques | |
Mahalik et al. | Review and application of model and spectral analysis based fault detection and isolation scheme in actuators and sensors | |
Tian et al. | 2A2-M01 Experimental Verification of Double Guarantee Kidnapping Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180305 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190416 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190710 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190917 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200206 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6659730 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |