KR101849894B1 - 고장 진단 장치 및 고장 진단 방법 - Google Patents
고장 진단 장치 및 고장 진단 방법 Download PDFInfo
- Publication number
- KR101849894B1 KR101849894B1 KR1020177034047A KR20177034047A KR101849894B1 KR 101849894 B1 KR101849894 B1 KR 101849894B1 KR 1020177034047 A KR1020177034047 A KR 1020177034047A KR 20177034047 A KR20177034047 A KR 20177034047A KR 101849894 B1 KR101849894 B1 KR 101849894B1
- Authority
- KR
- South Korea
- Prior art keywords
- disturbance torque
- value
- torque
- maintenance
- circuit
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims description 38
- 238000007493 shaping process Methods 0.000 claims abstract description 44
- 238000012423 maintenance Methods 0.000 claims description 74
- 238000012937 correction Methods 0.000 claims description 26
- 230000001932 seasonal effect Effects 0.000 claims description 24
- 230000006866 deterioration Effects 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims 1
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 20
- 238000004519 manufacturing process Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- B25J9/06—Programme-controlled manipulators characterised by multi-articulated arms
-
- 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
- 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
- B25J19/02—Sensing devices
-
- 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
- B25J19/0095—Means or methods for testing manipulators
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L3/00—Measuring torque, work, mechanical power, or mechanical efficiency, in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/0061—Force sensors associated with industrial machines or actuators
-
- 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
- G05B2219/39355—Observer, disturbance observer
-
- 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
- G05B2219/39412—Diagnostic of robot, estimation of parameters
-
- 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
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S901/00—Robots
- Y10S901/46—Sensing device
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
고장 진단 장치는, 다축형 로봇이 구비하는 관절축의 이동 위치를 검출하고(S03), 관절축에 가해지는 외란 토크(Tq)를 검출한다(S01). 관절축의 이동 위치로부터 미리 정한 정형 작업을 행하고 있는지 여부를 판단하고, 미리 정한 정형 작업을 행하고 있을 때 검출된 외란 토크로부터 외란 토크 참조값을 산출한다(S07). 외란 토크 참조값을 사용하여, 외란 토크를 보정하고(S09), 보정 후 외란 토크(Tq')와 역치(α)를 비교함으로써 다축형 로봇(1)의 고장 진단을 행한다(S11 내지 S15).
Description
본 발명은 다축형 로봇의 고장을 진단하는 고장 진단 장치 및 고장 진단 방법에 관한 것이다.
다관절형의 산업용 로봇의 고장 진단 방법으로서, 종래에는 특허문헌 1이 개시되어 있다. 특허문헌 1에 개시된 고장 진단 방법에서는, 로봇의 동작 중에 있어서 소정 주기마다 로봇 관절축의 이동 위치 및 관절축에 가해지는 외란 토크를 검출하고, 검출된 이동 위치마다의 외란 토크의 평균값을 구하고 있다. 그리고, 이 평균값과 설정 역치를 비교하여, 평균값이 설정 역치를 초과한 경우에, 로봇이 이상 또는 고장이라고 진단하고 있었다.
그러나, 외란 토크는, 작업을 행하는 로봇에 따라서 변화되는 경우가 있기 때문에, 로봇마다 미리 상이한 역치를 설정할 필요가 있었다.
본 발명은 상기 과제를 감안하여 이루어진 것이며, 그 목적은, 작업을 행하는 로봇에 상관없이, 일정한 역치를 사용하여 정밀도가 높은 고장 진단을 행할 수 있는 고장 진단 장치 및 고장 진단 방법을 제공하는 것에 있다.
상술한 과제를 해결하기 위해, 본 발명의 일 형태는, 다축형 로봇의 고장을 진단하는 고장 진단 장치 및 고장 진단 방법이며, 미리 정한 정형 작업을 행하고 있을 때 검출된 외란 토크로부터 외란 토크 참조값을 산출한다. 이 외란 토크 참조값을 사용하여, 외란 토크를 보정하고, 보정 후 외란 토크와 역치를 비교함으로써 고장 진단을 행한다.
도 1은 제1 실시 형태에 관한 고장 진단 장치(23)를 포함하는 고장 진단 시스템(100)의 전체 구성을 도시하는 블록도이다.
도 2는 외란 토크(Tq)의 산출 방법의 상세를 도시하는 블록도이다.
도 3은 도 1의 연산 처리부(18a)의 상세를 도시하는 블록도이다.
도 4의 (a)는 외란 토크(Tqa, Tqb)의 시간 변화를 나타내는 그래프이고, 도 4의 (b)는 대표값이 외란 토크(Tq)의 평균값이며, 변화량이 외란 토크(Tq)의 표준 편차인 경우의 보정 후 외란 토크(Tqa', Tqb')를 나타내는 그래프이다.
도 5의 (a)는 도 4의 (a)와 동일한 외란 토크(Tqa, Tqb)의 시간 변화를 나타내는 그래프이고, 도 5의 (b)는 대표값이 외란 토크(Tq)의 최솟값이며, 변화량이 외란 토크(Tq)의 최댓값과 최솟값의 차인 경우의 보정 후 외란 토크(Tqa', Tqb')를 나타내는 그래프이다.
도 6은 제1 실시 형태에 관한 고장 진단 방법을 나타내는 흐름도이다.
도 7은 제2 실시 형태에 관한 고장 진단 장치(23)를 포함하는 고장 진단 시스템(200)의 전체 구성을 도시하는 블록도이다.
도 8은 도 7의 연산 처리부(18b)의 상세를 도시하는 블록도이다.
도 9는 계절 변동 성분을 고려하지 않는 외란 토크 정상값(R')의 예측 방법을 설명하는 그래프이다.
도 10은 외란 토크에 차지하는 계절 변동 성분을 정현파로 근사시키는 것을 설명하는 그래프이다.
도 11은 계절 변동 성분을 고려한 외란 토크 정상값(R')의 예측 방법을 설명하는 그래프이다.
도 12는 제2 실시 형태에 있어서의 역치(α)의 설정 방법의 일례를 나타내는 흐름도이다.
도 13은 정비ㆍ보전의 실시에 의해 외란 토크(Tq)가 크게 감소되는 예를 나타내는 그래프이다.
도 2는 외란 토크(Tq)의 산출 방법의 상세를 도시하는 블록도이다.
도 3은 도 1의 연산 처리부(18a)의 상세를 도시하는 블록도이다.
도 4의 (a)는 외란 토크(Tqa, Tqb)의 시간 변화를 나타내는 그래프이고, 도 4의 (b)는 대표값이 외란 토크(Tq)의 평균값이며, 변화량이 외란 토크(Tq)의 표준 편차인 경우의 보정 후 외란 토크(Tqa', Tqb')를 나타내는 그래프이다.
도 5의 (a)는 도 4의 (a)와 동일한 외란 토크(Tqa, Tqb)의 시간 변화를 나타내는 그래프이고, 도 5의 (b)는 대표값이 외란 토크(Tq)의 최솟값이며, 변화량이 외란 토크(Tq)의 최댓값과 최솟값의 차인 경우의 보정 후 외란 토크(Tqa', Tqb')를 나타내는 그래프이다.
도 6은 제1 실시 형태에 관한 고장 진단 방법을 나타내는 흐름도이다.
도 7은 제2 실시 형태에 관한 고장 진단 장치(23)를 포함하는 고장 진단 시스템(200)의 전체 구성을 도시하는 블록도이다.
도 8은 도 7의 연산 처리부(18b)의 상세를 도시하는 블록도이다.
도 9는 계절 변동 성분을 고려하지 않는 외란 토크 정상값(R')의 예측 방법을 설명하는 그래프이다.
도 10은 외란 토크에 차지하는 계절 변동 성분을 정현파로 근사시키는 것을 설명하는 그래프이다.
도 11은 계절 변동 성분을 고려한 외란 토크 정상값(R')의 예측 방법을 설명하는 그래프이다.
도 12는 제2 실시 형태에 있어서의 역치(α)의 설정 방법의 일례를 나타내는 흐름도이다.
도 13은 정비ㆍ보전의 실시에 의해 외란 토크(Tq)가 크게 감소되는 예를 나타내는 그래프이다.
이하, 본 발명을 적용한 일 실시 형태에 대하여 도면을 참조하여 설명한다. 도면의 기재에 있어서 동일 부분에는 동일 부호를 붙여 설명을 생략한다.
(제1 실시 형태)
도 1을 참조하여, 제1 실시 형태에 관한 고장 진단 장치(23)를 포함하는 고장 진단 시스템(100)의 전체 구성을 설명한다. 고장 진단 시스템(100)은 로봇(1)과, 고장 진단 장치(23)와, 생산 관리 장치(4)로 구성된다. 고장 진단 장치(23)는 로봇 제어 유닛(2)과, 고장 진단 유닛(3)을 구비한다.
로봇(1)은 다축형 로봇의 일례로서, 다축 기계의 티칭 플레이백형의 로봇이다. 로봇(1)은 동작축인 관절축으로서 모터 구동계를 구비하고 있다. 로봇 아암(5)은 서보 모터(이하, 간단히 모터라 함)(6)에 의해 감속기(8)를 통해 구동된다. 모터(6)에는, 회전각 위치 및 속도의 검출기인 펄스 코더(펄스 제너레이터 또는 인코더)(7)가 부대되어 있다.
로봇 제어 유닛(2)은 동작 통괄 제어부(9)와, 위치 검출부(24)와, 통신부(10)와, 서보 제어부(11)(토크 검출부의 일례)와, 서보 앰프부(14)를 구비하고 있다. 서보 제어부(11)는 상위의 동작 통괄 제어부(9)로부터의 지령을 받아, 서보 앰프부(14)를 통해 모터(6)를 구동한다. 모터(6)에 부대되는 펄스 코더(7)는 모터(6)의 회전각 위치 및 속도의 제어 처리를 위한 피드백 루프를, 서보 제어부(11)와의 사이에서 형성하고 있다.
서보 제어부(11)는 모터(6)의 회전각 위치, 속도 및 전류를 제어하기 위한 처리를 행하는 프로세서, 제어 프로그램을 기억하는 ROM, 설정값이나 각종 파라미터를 기억하는 불휘발성 기억부를 구비하고 있다. 또한, 서보 제어부(11)는 연산 처리 중에 있어서의 데이터를 일시 기억하는 RAM, 펄스 코더(7)로부터의 위치 피드백 펄스를 계수하여 모터(6)의 절대 회전각 위치를 검출하기 위한 레지스터 등을 구비하고 있다.
서보 제어부(11)는 프로세서에 미리 인스톨된 컴퓨터 프로그램을 실행시킴으로써, 관절축에 가해지는 외란 토크(Tq)를 검출하기 위한 회로를 구성한다. 서보 제어부(11)는 상기 회로로서, 외란 토크 연산부(12) 및 상태 데이터 취득부(13)를 구비한다.
상태 데이터 취득부(13)는 로봇(1)의 각 관절축의 작동 상태에 관한 각종 데이터(회전각 위치, 속도, 전류를 나타내는 데이터)를 정기적으로 수집한다. 외란 토크 연산부(12)는 상태 데이터 취득부(13)가 취득한 데이터에 기초하여, 외란 토크(Tq)를 연산한다. 외란 토크 연산부(12)에 의해 연산된 외란 토크(Tq)는 통신부(10)를 통해 고장 진단 유닛(3)에 출력된다. 이 구성에 의해, 서보 제어부(11)는 소위 소프트웨어 서보의 형태를 이루고 있다. 또한, 외란 토크(Tq)의 산출 방법의 상세는, 도 2를 참조하여 후술한다. 외란 토크(Tq)란, 모터(6)에 대한 토크 명령값과, 모터(6)가 발생하고 있는 토크의 차이를 나타낸다.
또한, 도 1과 같은 모터 구동계는, 로봇(1)이 구비하는 관절축의 수만큼 필요해지지만, 도 1에서는 1축분만을 도시하고, 그 이외의 모터 구동계는 도시 생략하였다. 또한, 도 1의 모터(6)와 감속기(8) 사이에 변속 기어열이 개재 장착되는 경우도 있다.
위치 검출부(24)는 상태 데이터 취득부(13)에 의해 취득된 모터(6)의 절대 회전각 위치로부터, 모터(6)가 설치된 관절축의 이동 위치를 검출한다. 위치 검출부(24)에 의해 검출된 관절축의 이동 위치를 나타내는 데이터는, 외란 토크(Tq)를 나타내는 데이터와 관련지어진 상태에서, 통신부(10)를 통해 고장 진단 유닛(3)에 출력된다. 고장 진단 유닛(3)에는, 서로 관련지어진 관절축의 이동 위치와 외란 토크의 정보가 전달된다.
동작 통괄 제어부(9)는 서보 제어부(11) 및 위치 검출부(24)의 상위에 위치하여 로봇(1)의 동작의 직접적인 제어를 담당하고 있다. 통신부(10)는 후술하는 고장 진단 유닛(3)의 통신부(15)와의 사이에서, 예를 들어 LAN 등에 의해 필요한 데이터의 수수를 행한다.
고장 진단 유닛(3)은 통신부(15)와, 참조값 데이터베이스(16)와, 외란 토크 데이터베이스(17)와, 연산 처리부(18a)를 구비하고 있다. 통신부(15)는 앞서 설명한 로봇 제어 유닛(2) 및 생산 관리 장치(4)의 각각의 통신부(10, 20)와의 사이에서 예를 들어 LAN 등에 의해 필요한 데이터의 수수를 행한다.
외란 토크 데이터베이스(17)는 로봇 제어 유닛(2)으로부터 송신되는, 관절축의 이동 위치에 관련지어진 외란 토크(Tq)를 나타내는 데이터를 축차적으로 기억한다. 외란 토크 데이터베이스(17)에는, 과거분의 외란 토크(Tq)가 축적된다.
연산 처리부(18a)는 외란 토크 데이터베이스(17)에 기억된 외란 토크(Tq)에 기초하여, 능동적으로 로봇(1)의 고장 진단을 실행한다. 연산 처리부(18a)는 메모리 기능을 구비하고, 외란 토크 데이터베이스(17)에 액세스하여 얻어진 데이터를 일시적으로 기억하고, 그들 데이터를 기초로 고장 진단을 실행한다. 연산 처리부(18a)의 상세는 도 3을 참조하여 후술한다.
생산 관리 장치(4)는, 예를 들어 공장에 있어서의 생산 라인의 가동 상황 등을 포함하는 생산 정보의 관리를 행하는 장치이며, 통신부(20)와, 생산 정보 데이터베이스(21)를 구비하고 있다. 통신부(20)는 고장 진단 유닛(3)의 통신부(15)와의 사이에서 예를 들어 LAN 등에 의해 필요한 데이터의 수수를 행한다. 생산 정보 데이터베이스(21)는 수집한 각종 생산 정보를 기억해 두는 기능을 갖는다. 따라서, 생산 정보 데이터베이스(21)에는 과거분의 각종 생산 정보가 축적되게 된다. 또한, 생산 정보에는, 로봇(1)이나 부대 설비의 긴급 정지 정보나 보전 실적 등의 정보가 포함된다.
도 2를 참조하여, 외란 토크(Tq)의 산출 방법의 일례를 설명한다. 외란 토크 연산부(12)는 펄스 코더(7)로부터의 속도 피드백 신호에 의해 구해지는 모터(6)의 실속도 Vr을 미분하여 가속도를 구한다. 이 가속도에 대하여 모터(6)에 가해지는 모든 이너셔 J를 곱하여 가속도 토크 Ta를 구한다. 다음에, 가속도 토크 Ta를, 서보 제어부(11)의 속도 루프 처리에 의해 구해지는 모터(6)에의 토크 지령 Tc로부터 뺀다. 감산 후의 값에 대하여 다시 모멘트 M을 뺌으로써, 외란 토크 Tb를 구한다. 이후, 소정의 필터링 처리를 실시함으로써 외란의 불규칙 성분을 제거하여, 「외란 토크(Tq)」를 구한다. 이와 같은 처리를 서보 제어부(11)가 소정의 샘플링 주기마다 실행함으로써, 외란 토크(Tq)를 축차적으로 검출할 수 있다.
보다 구체적으로, 서보 제어부(11)는 레지스터를 구비하고 있고, 이 레지스터는 소정의 샘플링 주기마다 펄스 코더(7)로부터의 위치의 피드백 펄스를 계수하여 모터(6)의 절대 위치를 구하고 있다. 그래서, 서보 제어부(11)는 레지스터로부터 모터(6)의 절대 위치를 검출하고, 모터(6)의 절대 위치로부터 모터(6)가 구동하는 관절축의 회전각 위치(이동 위치)를 구한다. 또한, 서보 제어부(11)는 앞서 설명한 바와 같이 도 2의 처리를 행하여 외란 토크(Tq)를 구할 수 있다.
도 3을 참조하여, 연산 처리부(18a)의 상세를 설명한다. 연산 처리부(18a)는 마이크로프로세서를 구비하고, 미리 인스톨된 프로그램을 실행함으로써, 외란 토크에 기초하여 로봇(1)의 고장 진단을 행하기 위한 일련의 연산 처리 회로를 구성한다. 연산 처리부(18a)는 일련의 연산 처리 회로로서, 정형 작업 판단 회로(25)와, 참조값 산출 회로(26)와, 토크 보정 회로(27)와, 고장 진단 회로(28)를 구비한다.
정형 작업 판단 회로(25)는 위치 검출부(24)에 의해 검출된 관절축의 이동 위치로부터, 로봇(1)이 미리 정한 정형 작업을 행하고 있는지 여부를 판단한다. 「정형 작업」이란, 로봇(1)이 행하는 작업 중, 복수의 로봇 사이에서 작업의 내용이 공통되는 작업이다. 예를 들어, 정형 작업에는, 용접건의 건 팁을 연마하여 리프레시하는 연마 작업이 포함된다. 로봇(1)이 이 연마 작업을 행할 때의 관절축의 이동 위치는 미리 정해져 있다. 따라서, 정형 작업 판단 회로(25)는 위치 검출부(24)에 의해 검출된 관절축의 이동 위치로부터, 로봇(1)이 미리 정한 정형 작업을 행하고 있는지 여부를 판단할 수 있다. 정형 작업 판단 회로(25)는 외란 토크 데이터베이스(17)로부터 외란 토크에 관련지어진 관절축의 이동 위치의 데이터를 판독하고, 관절축의 이동 위치로부터, 정형 작업을 행하고 있는지 여부를 판단한다.
참조값 산출 회로(26)는 정형 작업을 행하고 있을 때 검출된 외란 토크(Tq)로부터, 외란 토크 참조값을 산출한다. 참조값 산출 회로(26)는 정형 작업을 행하고 있다고 판단된 관절축의 이동 위치에 관련지어진 외란 토크를, 외란 토크 데이터베이스(17)로부터 판독한다. 참조값 산출 회로(26)는 판독한 외란 토크로부터(Tq), 외란 토크 참조값으로서, 외란 토크(Tq)의 대표값 및 외란 토크(Tq)의 변화량을 산출한다. 외란 토크(Tq)의 대표값에는, 정형 작업을 행하고 있는 기간에 있어서 검출된 외란 토크(Tq)의 평균값, 중앙값 및 적분값이 포함된다. 외란 토크(Tq)의 변화량에는, 정형 작업을 행하고 있는 기간에 있어서 검출된 외란 토크(Tq)의 분산, 편차, 표준 편차 및 최댓값과 최솟값의 차가 포함된다.
토크 보정 회로(27)는 참조값 산출 회로(26)에 의해 산출된 외란 토크 참조값을 사용하여 외란 토크(Tq)를 보정한다. 보정의 대상이 되는 외란 토크(Tq)는 정형 작업을 행하고 있을 때 검출된 외란 토크이다. 보정된 외란 토크(Tq)를 보정 후 외란 토크(Tq')라 칭한다. 토크 보정 회로(27)는 정형 작업을 행하고 있을 때 검출된 외란 토크(Tq)로부터 대표값을 감산하고, 감산 후의 값을 변화량으로 제산함으로써, 보정 후 외란 토크(Tq')를 취득한다. 토크 보정 회로(27)는 작업을 행하는 복수의 로봇(1) 사이에서 표준화된, 보정 후 외란 토크(Tq')를 취득할 수 있다.
고장 진단 회로(28)는 토크 보정 회로(27)에 의해 취득된 보정 후 외란 토크(Tq')와 역치(α)를 비교함으로써 로봇(1)의 고장 진단을 행한다. 구체적으로, 고장 진단 회로(28)는 보정 후 외란 토크(Tq')가 역치(α)보다도 크면, 로봇(1)은 고장났다고 판단할 수 있다. 제1 실시 형태에서, 역치(α)는 미리 정한 정형 작업에 고유의 값이며, 당해 정형 작업을 행하는 로봇(1)에 상관없이, 일정한 값이다. 보정 후 외란 토크(Tq')가 복수의 로봇(1) 사이에서 표준화된 값이기 때문에, 역치(α)는 로봇(1)마다 변화되지 않는다.
도 4 및 도 5를 참조하여, 외란 토크(Tq)의 보정에 의한 표준화의 구체예를 설명한다. 도 4는 대표값이 외란 토크(Tq)의 평균값이며, 변화량이 외란 토크(Tq)의 표준 편차인 경우의 구체예를 도시한다. 도 4의 (a)는 정형 작업을 행하는 2개의 로봇(1)의 외란 토크(Tqa, Tqb)의 시간 변화를 나타낸다. 로봇(1)이 상이하기 때문에, 동일한 정형 작업을 행하였다고 해도, 검출된 외란 토크(Tqa, Tqb)에 큰 차이가 발생해 버린다. 구체적으로는, 외란 토크(Tqa, Tqb)의 상이는, 외란 토크(Tqa, Tqb)의 평균값(RPa, RPb)과, 표준 편차(VQa, VQb)로 나타낼 수 있다. 그래서, 예를 들어 외란 토크(Tqa)에 관하여, (1)식을 사용하여, 보정 후 외란 토크(Tqa')를 구한다. 마찬가지로 하여, 보정 후 외란 토크(Tqb')를 구한다. 이에 의해, 도 4의 (b)에 도시한 바와 같이, 로봇(1) 간에서 표준화된 보정 후 외란 토크(Tqa', Tqb')를 취득할 수 있다.
보정 후 외란 토크(Tqa', Tqb')의 절댓값과 역치(α)의 대비에 의해, 고장 진단 회로(28)는 고장 진단을 행할 수 있다.
도 5는 대표값이 외란 토크(Tq)의 최솟값(mi)이며, 변화량이 외란 토크(Tq)의 최댓값(Ma)과 최솟값(mi)의 차(VQa, VQb)인 경우의 구체예를 도시한다. 이 경우도, 토크 보정 회로(27)는 (1)식을 사용하여 외란 토크(Tq)의 보정을 행할 수 있다. 도 5의 보정 후 외란 토크(Tqa', Tqb')는 0 내지 1 사이에서 표준화되는 점이 도 4와 상이하다. 도 5의 (a)의 외란 토크(Tqa, Tqb)는 도 4의 (a)의 그것과 동일하다.
도 6의 흐름도를 참조하여, 제1 실시 형태에 관한 고장 진단 방법을 설명한다. 제1 실시 형태에 관한 고장 진단 방법은, 도 1의 고장 진단 장치(23)를 사용하여 실행된다.
스텝 S01에 있어서, 상태 데이터 취득부(13)가 로봇(1)의 각 관절축의 작동 상태에 관한 각종 데이터(회전각 위치, 속도, 전류를 나타내는 데이터)를 수집하고, 외란 토크 연산부(12)는 상태 데이터 취득부(13)가 취득한 데이터에 기초하여, 외란 토크(Tq)를 연산한다. 외란 토크 연산부(12)에 의해 연산된 외란 토크(Tq)는 통신부(10)를 통해 고장 진단 유닛(3)에 출력된다.
스텝 S03에 있어서, 스텝 S01에서 취득된 외란 토크(Tq)에 링크하도록, 위치 검출부(24)는 상태 데이터 취득부(13)에 의해 취득된 모터(6)의 절대 회전각 위치로부터, 모터(6)가 설치된 관절축의 이동 위치를 검출한다.
스텝 S05에 있어서, 정형 작업 판단 회로(25)는 위치 검출부(24)에 의해 검출된 관절축의 이동 위치로부터, 로봇(1)이 미리 정한 정형 작업을 행하고 있는지 여부를 판단한다. 또한, 이때, 생산 정보 데이터베이스(21)로부터 작업 공정의 타임 스케줄을 입수하여, 정형 작업을 행하고 있는 타이밍을 판단해도 된다. 참조값 산출 회로(26)는 정형 작업을 행하고 있을 때 검출된 외란 토크(Tq)를 외란 토크 데이터베이스(17)로부터 추출한다.
스텝 S07로 진행하여, 참조값 산출 회로(26)는 추출된 외란 토크(Tq)로부터, 외란 토크 참조값으로서, 외란 토크(Tq)의 대표값 및 외란 토크(Tq)의 변화량을 산출한다. 스텝 S09로 진행하여, 도 4 및 도 5에 도시한 바와 같이, 토크 보정 회로(27)는 참조값 산출 회로(26)에 의해 산출된 외란 토크 참조값을 사용하여 외란 토크(Tq)를 보정한다. 구체적으로, 토크 보정 회로(27)는 정형 작업을 행하고 있을 때 검출된 외란 토크(Tq)로부터 대표값을 감산하고, 감산 후의 값을 변화량으로 제산함으로써, 보정 후 외란 토크(Tq')를 취득한다. 토크 보정 회로(27)는 복수의 로봇(1) 간에서 표준화된, 보정 후 외란 토크(Tq')를 취득할 수 있다.
스텝 S11로 진행하여, 고장 진단 회로(28)는 보정 후 외란 토크(Tq')가 역치(α)보다도 큰지 여부를 판단한다. 보정 후 외란 토크(Tq')가 역치(α)보다도 크면(스텝 S11에서 "예"), 스텝 S13으로 진행하여, 고장 진단 회로(28)는 로봇(1)은 고장났다고 판단한다. 보정 후 외란 토크(Tq')가 역치(α) 이하이면(스텝 S11에서 "아니오"), 스텝 S15로 진행하여, 고장 진단 회로(28)는, 로봇(1)은 고장나지 않았다고 판단한다. 이와 같이, 정기적으로 도 6의 흐름도를 실시함으로써, 고장 진단을 행한다.
이상 설명한 바와 같이, 제1 실시 형태에 따르면, 이하의 작용 효과가 얻어진다.
동일한 작업이라도 복수의 로봇 사이에 개체차가 발생하기 때문에, 로봇에 따라서, 외란 토크(Tq)가 변화되어 버리는 경우가 있다. 이 경우라도, 미리 정한 정형 작업을 행하고 있을 때 검출된 외란 토크(Tq)에 기초하여 외란 토크 참조값을 구하고, 외란 토크 참조값을 사용하여 정형 작업을 행하고 있을 때의 외란 토크를 보정한다. 로봇의 개체차에 상관없이, 일정한 역치를 사용하여 정확한 고장 진단을 행할 수 있다. 즉, 로봇마다 상이한 역치를 설정할 필요가 없어진다. 또한, 하나의 로봇이 구비하는 복수의 관절축에 관해서도 마찬가지로 하여 표준화가 가능해진다.
내용이 상이한 복수의 작업을 동일한 로봇이 실시하는 경우, 로봇의 고장 진단을 행하기 위한 역치로서, 작업마다 상이한 역치를 설정할 필요가 있었다. 그래서, 미리 정한 정형 작업을 행하고 있을 때 검출된 외란 토크(Tq)로부터 외란 토크 참조값을 산출하고, 외란 토크 참조값을 사용하여, 정형 작업과는 상이한 작업을 행하고 있을 때의 외란 토크를 보정한다. 이에 의해, 상이한 복수의 작업 간에서 표준화된 보정 후 외란 토크(Tq')를 얻을 수 있다. 따라서, 작업 내용에 상관없이, 일정한 역치를 설정할 수 있다. 즉, 작업마다 상이한 역치를 설정할 필요가 없어진다.
참조값 산출 회로(26)는 외란 토크 참조값으로서, 외란 토크(Tq)의 대표값 및 외란 토크(Tq)의 변화량을 산출한다. 토크 보정 회로(27)는 외란 토크(Tq)로부터 대표값을 감산하고, 감산 후의 값을 변화량으로 제산함으로써, 보정 후 외란 토크(Tq')를 취득한다. 이에 의해, 외란 토크의 절댓값의 차이가 대표값에 의해 해소되고, 외란 토크의 변동폭의 차이가 변화량에 의해 해소된다. 따라서, 상이한 복수의 로봇 간, 관절축 간, 혹은 작업 간에서 표준화된 보정 후 외란 토크(Tq')를 얻을 수 있다.
도 4에 도시한 바와 같이, 대표값은, 정형 작업을 행하고 있을 때 검출된 외란 토크의 평균값(RPa, RPb)이며, 변화량은, 정형 작업을 행하고 있을 때 검출된 외란 토크의 표준 편차(VQa, VQb)여도 된다. 이에 의해, 일정한 역치를 사용하여 고정밀도로 고장 진단을 행할 수 있다.
도 5에 도시한 바와 같이, 대표값은, 정형 작업을 행하고 있을 때 검출된 외란 토크의 최솟값(mia, mib)이며, 변화량은, 정형 작업을 행하고 있을 때 검출된 외란 토크의 최댓값과 상기 최솟값의 차(VQa, VQb)여도 된다. 이에 의해, 0 내지 1의 범위에서 표준화할 수 있으므로, 역치(α)를 하나만으로 정할 수 있다. 일정한 역치를 사용하여 고정밀도로 고장 진단을 행할 수 있다.
(제2 실시 형태)
로봇(1)의 정비 혹은 보전의 실시 상황에 따라서, 외란 토크가 크게 변동되는 경우가 있다. 예를 들어, 검출되는 외란 토크(Tq)는 로봇(1)의 경시 열화에 의해 서서히 커진다. 그러나, 정비ㆍ보전을 실시하여, 로봇(1)의 윤활유를 갱신함으로써, 도 13에 도시한 바와 같이, 검출되는 외란 토크(Tq)가 크게 감소되는 경우가 있다. 이 때문에, 정비 혹은 보전의 실시 상황을 고려함으로써, 보다 정확한 고장 진단을 행할 수 있다.
도 7을 참조하여, 제2 실시 형태에 관한 고장 진단 장치(23)를 포함하는 고장 진단 시스템(200)의 전체 구성을 설명한다. 고장 진단 시스템(200)은 로봇(1)과, 고장 진단 장치(23)와, 생산 관리 장치(4)로 구성된다. 도 1과 비교하여, 고장 진단 유닛(3)이 보전 실적 데이터베이스(19)를 더 구비하는 점, 연산 처리부(18b)의 회로 구성이 다른 점이 상이하지만, 그 밖의 점에 대해서는 도 1과 동일하다.
보전 실적 데이터베이스(19)는 로봇(1)의 정비 혹은 보전의 실시 상황에 관한 정보를, 로봇마다 또한 관절축마다 기억한다. 보전 실적 데이터베이스(19)에는, 과거의 보전 실적 데이터가 축적되어 있다.
도 8을 참조하여, 도 7의 연산 처리부(18b)의 상세를 설명한다. 연산 처리부(18b)는 도 3의 연산 처리부(18a)와 비교하여, 정비ㆍ보전 정보 취득 회로(29)와, 토크 정상값 예측 회로(30)와, 역치 설정 회로(31)를 더 구비하는 점에서 상이하다.
정비ㆍ보전 정보 취득 회로(29)는 보전 실적 데이터베이스(19)로부터, 로봇(1)의 정비 혹은 보전의 실시 상황에 관한 정보를 취득한다. 토크 정상값 예측 회로(30)는 정비ㆍ보전 정보 취득 회로(29)에 의해 취득된 정보를 고려하여, 로봇(1)이 정상적으로 동작하고 있을 때의 외란 토크인 외란 토크 정상값을 예측한다. 역치 설정 회로(31)는 토크 정상값 예측 회로(30)에 의해 예측된 외란 토크 정상값에 기초하여 역치(α)를 설정한다.
토크 정상값 예측 회로(30)는 미리 정한 기간(제1 기간) 동안에 취득된 외란 토크(Tq)의 데이터에 기초하여, 외란 토크 정상값을 예측한다. 도 9는 제1 기간(T1) 동안에 취득된 외란 토크(Tq)를 나타낸다. 토크 정상값 예측 회로(30)는 외란 토크 데이터베이스(17)로부터 외란 토크(Tq)의 데이터를 판독한다. 그리고, 제1 기간(T1) 동안에 취득된 외란 토크(Tq)의 시간 변화로부터, 회귀식을 사용하여, 외란 토크 정상값(R')을 예측한다. 제1 기간(T1)은 예를 들어 1 내지 3개월이다. 물론, 제1 기간(T1)보다도 긴 기간에 취득된 외란 토크(Tq)를 사용하여, 외란 토크 정상값(R')을 예측해도 된다.
예를 들어, 토크 정상값 예측 회로(30)는 최소 제곱법에 의해, 제1 기간(T1) 동안에 취득된 외란 토크(Tq)를 직선(FL)으로 근사시켜, 외란 토크의 모델식을 구할 수 있다.
고장 진단 시(t0)로부터 제2 기간(Tx) 전까지의 동안에, 정비 혹은 보전을 실시한 경우, 혹은 로봇(1)을 도입한 경우, 토크 정상값 예측 회로(30)는 정비 혹은 보전을 실시한 직후(t2) 혹은 로봇(1)을 도입한 직후를, 로봇(1)이 정상적으로 동작하고 있을 때로 간주하여, 외란 토크 정상값(R')을 예측한다. 제2 기간(Tx)은 예를 들어 1년이다.
도시는 생략하지만, 정비 혹은 보전의 실시 시기, 혹은 로봇(1)의 도입 시기가, 고장 진단 시(t0)로부터 1년 이상 전인 경우, 정비 혹은 보전의 실시 시기 등에 있어서의 외란 토크 정상값(R')을 고정밀도로 예측하는 것이 어려워진다. 예를 들어, 외란 토크(Tq)에 포함되는 계절 변동 성분을 무시할 수 없게 된다. 그래서, 토크 정상값 예측 회로(30)는 고장 진단 시(t0)로부터 제2 기간(Tx) 전까지를 한도로 하여, 계절 변동 성분을 고려하지 않고, 외란 토크 정상값(R')을 예측한다. 물론, 예측 정밀도를 높게 하기 위해, 정비 혹은 보전의 실시 시기 등이 1년 이내여도, 계절 변동 성분을 고려하여 외란 토크 정상값(R')으로 해도 된다.
고장 진단 시(t0)로부터 제2 기간(Tx) 전까지의 동안에, 정비 혹은 보전을 실시하지 않은 경우, 토크 정상값 예측 회로(30)는 외란 토크(Tq)에 차지하는 계절 변동 성분을 고려하여, 외란 토크 정상값(R')을 예측한다. 도 10에 도시한 바와 같이, 토크 정상값 예측 회로(30)는 고장 진단 시(t0)와 계절 변동(FC, FC')이 동일해지는 과거의 시기(t3)를, 로봇(1)이 정상적으로 동작하고 있을 때로 간주하여, 외란 토크 정상값(R')을 예측한다. 예를 들어, 주기를 1년으로 하는 정현파(c×sin(2πt))로, 외란 토크(Tq)에 차지하는 계절 변동 성분(FC, FC')을 근사시킬 수 있다. 고장 진단 시(t0)가 여름 혹은 겨울이면, 계절 변동이 동일해지는 과거의 시기(t3)는 1년(Tx) 전의 여름 혹은 겨울이 된다. 한편, 고장 진단 시(t0)가 봄 혹은 가을이면, 계절 변동이 동일해지는 과거의 시기(t3)는 반년(Tx/2) 전의 가을 혹은 봄이어도 된다.
구체적으로, 도 10에 도시한 바와 같이, 토크 정상값 예측 회로(30)는 제1 기간(T1) 동안에 취득된 외란 토크(Tq)의 계절 변동 성분을, 정현파(FC)로 근사시킨다. 정현파(FC)를 과거 1년(Tx) 전, 혹은 반년 전까지 연장하여, 정현파(FC')를 작성한다. 이에 의해, 토크 정상값 예측 회로(30)는 계절 변동(FC, FC')이 고장 진단 시(t0)와 동일해지는 과거의 시기(t3)에 있어서의 외란 토크를 예측할 수 있다. 바꾸어 말하면, 외란 토크(Tq)로부터 계절 변동 성분을 제거할 수 있다.
토크 정상값 예측 회로(30)는 제1 기간(T1) 동안에 취득된 외란 토크(Tq) 중, 경시 열화 성분은 도 9와 마찬가지로 하여 직선(FL)으로 근사시키고, 계절 변동 성분은 정현파로 근사시킨다. 근사시킨 직선(FL) 및 정현파를 합성함으로써, (2)식에 나타내는 함수(FCL)를 산출할 수 있다. 토크 정상값 예측 회로(30)는 비선형 회귀법에 의해 (2)식의 계수(a, b, c)를 설정한다.
그리고, 토크 정상값 예측 회로(30)는 고장 진단 시(t0)로부터 제2 기간(Tx) 전의 외란 토크를, 외란 토크 정상값(R')으로서 산출한다.
역치 설정 회로(31)는 토크 정상값 예측 회로(30)에 의해 예측된 외란 토크 정상값(R')에 기초하여 역치(α)를 설정한다. 구체적으로는, 고장 진단 시(t0)의 외란 토크(P0)가, 로봇(1)이 정상적으로 동작하고 있을 때의 외란 토크 정상값(R')으로부터, 일정값(k) 이상 증가한는 경우에 고장이라 판단할 수 있다. 따라서, 역치 설정 회로(31)는 외란 토크 정상값(R')에 대하여, 일정값(k)을 가산한 값을, 역치(α)로서 설정한다. 일정값(k)은 복수의 로봇(1) 사이에서 공통된 값이다.
다음에, 도 12를 참조하여, 제2 실시 형태에 있어서의 역치(α)를 설정하는 방법을 설명한다. 스텝 S51에 있어서, 토크 정상값 예측 회로(30)는 미리 정한 기간(제1 기간) 동안에 취득된 외란 토크(Tq)의 데이터를, 외란 토크 데이터베이스(17)로부터 판독한다. 스텝 S53에 있어서, 정비ㆍ보전 정보 취득 회로(29)에 의해 취득된 정비 혹은 보전의 실시 상황에 관한 정보에 기초하여, 정비ㆍ보전의 실시 기록이 있는지 여부를 판단한다. 실시 기록이 있는 경우(S53에서 "예"), 스텝 S55로 진행하여, 정비 혹은 보전을 실시하고 나서 1년(제2 기간) 이상이 경과하였는지 여부를 판단한다. 1년 이상이 경과한 경우(S55에서 "예"), 정비 혹은 보전의 실시 시기에 있어서의 외란 토크를 고정밀도로 예측하는 것이 어렵다고 판단할 수 있다. 따라서, 실시 기록이 없는 경우(S53에서 "아니오")와 동일하도록, 스텝 S57로 진행하여, 도 10 및 도 11에 도시한 바와 같이 계절 변동 성분을 고려하여, 외란 토크 정상값(R')을 예측한다.
한편, 고장 진단 시로부터 1년 이내에 정비 혹은 보전의 실시 기록이 있는 경우(S55에서 "아니오"), 정비 혹은 보전의 실시 시기에 있어서의 외란 토크를, 계절 변동을 고려하지 않고 예측 가능으로 판단할 수 있다. 따라서, 스텝 S59로 진행하여, 도 9에 도시한 바와 같이 계절 변동 성분을 고려하지 않고, 외란 토크 정상값(R')을 예측한다.
스텝 S61로 진행하여, 역치 설정 회로(31)는 예측된 외란 토크 정상값(R')에 일정값(k)을 가산한 값을, 역치(α)로서 설정한다. 설정된 역치(α)를 사용하여, 도 6의 스텝 S11의 판단 처리를 실시한다.
이상 설명한 바와 같이, 제2 실시 형태에 따르면, 이하의 작용 효과가 얻어진다.
로봇(1)의 정비 혹은 보전의 실시 상황에 따라서, 외란 토크(Tq)가 크게 변동되는 경우가 있다. 이 때문에, 정비 혹은 보전의 실시 상황을 고려하여 외란 토크 정상값(R')을 예측하고, 외란 토크 정상값(R')에 기초하여 역치(α)를 설정한다. 이에 의해, 정비 혹은 보전의 실시 상황을 고려하여, 보다 정확한 고장 진단을 행할 수 있다.
도 9 내지 도 11에 도시한 바와 같이, 토크 정상값 예측 회로(30)는 제1 기간(T1) 동안에 취득된 외란 토크(Tq)의 데이터에 기초하여, 외란 토크 정상값(R')을 예측한다. 외란 토크 정상값(R')을 정확하게 예측할 수 있다. 예를 들어, 도 9에 있어서, 제1 기간(T1)의 개시 시기(t1)에 있어서의 외란 토크(P1)를 외란 토크 정상값으로서 예측한 비교예를 생각한다. 이 경우, 외란 토크(P1)에 일정값(k)을 가산한 값이 역치로 된다. 이 역치는, 고장 진단 시(t0)의 외란 토크(P0)보다도 크다. 이 때문에, 비교예에 있어서, 고장나지 않았다고 잘못 판단되어 버린다. 한편, 도 9에 있어서, 개시 시기(t1)보다도 과거인 정비ㆍ보전 시기(t2)에 있어서의 외란 토크(P2)를 외란 토크 정상값(R')으로서 예측한다. 경시 열화 성분이 고려되기 때문에, 역치(α=R'+k)는 비교예의 그것보다도 작아져, 고장 진단 시(t0)의 외란 토크(P0) 이하로 된다. 이 때문에, 제2 실시 형태에서는, 고장났다고 판단할 수 있다. 도 11에 대해서도 마찬가지이다.
토크 정상값 예측 회로(30)는 제1 기간(T1) 동안에 취득된 외란 토크(Tq)의 시간 변화로부터, 직선이나 (2)식에 나타낸 함수를 포함하는 회귀식을 사용하여, 외란 토크 정상값(R')을 예측한다. 회귀식을 사용하여 외란 토크(Tq)를 근사시킬 수 있으므로, 외란 토크 정상값(R')을 정확하게 예측할 수 있다.
고장 진단 시(t0)로부터 제2 기간(Tx) 전까지의 동안에, 정비 혹은 보전을 실시한 경우, 토크 정상값 예측 회로(30)는 정비 혹은 보전을 실시하였을 때를, 로봇(1)이 정상적으로 동작하고 있을 때로 간주하여, 외란 토크 정상값(R')을 예측한다. 도 13에 도시한 바와 같이, 정비 혹은 보전을 실시한 직후에 저하된 외란 토크를 외란 토크 정상값(R')으로 간주할 수 있다. 따라서, 경시 열화에 의해 외란 토크가 증가되어 있는 경우라도, 정확한 고장 진단을 행할 수 있다.
고장 진단 시로부터 제2 기간(Tx) 전까지의 동안에, 정비 혹은 보전을 실시 하지 않은 경우, 토크 정상값 예측 회로(30)는 외란 토크의 계절 변동을 고려하여, 외란 토크 정상값을 예측한다. 토크 정상값 예측 회로(30)는 고장 진단 시와 계절 변동이 동일해지는 과거의 시기를, 로봇(1)이 정상적으로 동작하고 있을 때로 간주한다. 외란 토크의 계절 변동을 고려함으로써, 고장 진단 시로부터 장기간을 거슬러 올라간 과거의 외란 토크를 고정밀도로 예측할 수 있다.
도 11에 도시한 바와 같이, 토크 정상값 예측 회로(30)는 계절 변동을 근사시키는 정현파와, 경시 열화를 근사시키는 직선을 합성한 함수(FCL)를 회귀식으로서 사용한다. 계절 변동 성분을 제거하여, 외란 토크 정상값(R')을 고정밀도로 예측할 수 있다.
상기한 바와 같이 본 발명의 실시 형태를 기재하였지만, 이 개시의 일부를 이루는 논술 및 도면은 본 발명을 한정하는 것이라고 이해해서는 안된다. 이 개시로부터 당업자에게는 다양한 대체 실시 형태, 실시예 및 운용 기술이 명확해질 것이다.
1 : 로봇
2 : 로봇 제어 유닛
3 : 고장 진단 유닛
6 : 서보 모터(모터)
11 : 서보 제어부(토크 검출부)
23 : 고장 진단 장치
24 : 위치 검출부
25 : 정형 작업 판단 회로
26 : 참조값 산출 회로
27 : 토크 보정 회로
28 : 고장 진단 회로
29 : 정비ㆍ보전 정보 취득 회로
30 : 토크 정상값 예측 회로
31 : 역치 설정 회로
FC : 계절 변동(정현파)
FCL : 함수
R' : 외란 토크 정상값
Tq : 외란 토크
Tq' : 보정 후 외란 토크
T1 : 제1 기간
Tx : 제2 기간
α: 역치
2 : 로봇 제어 유닛
3 : 고장 진단 유닛
6 : 서보 모터(모터)
11 : 서보 제어부(토크 검출부)
23 : 고장 진단 장치
24 : 위치 검출부
25 : 정형 작업 판단 회로
26 : 참조값 산출 회로
27 : 토크 보정 회로
28 : 고장 진단 회로
29 : 정비ㆍ보전 정보 취득 회로
30 : 토크 정상값 예측 회로
31 : 역치 설정 회로
FC : 계절 변동(정현파)
FCL : 함수
R' : 외란 토크 정상값
Tq : 외란 토크
Tq' : 보정 후 외란 토크
T1 : 제1 기간
Tx : 제2 기간
α: 역치
Claims (11)
- 다축형 로봇의 고장을 진단하는 고장 진단 장치이며,
상기 다축형 로봇이 구비하는 관절축의 이동 위치를 검출하는 위치 검출부와,
상기 관절축에 가해지는 외란 토크를 검출하는 토크 검출부와,
상기 위치 검출부에 의해 검출된 상기 이동 위치로부터, 상기 다축형 로봇이 미리 정한 정형 작업을 행하고 있는지 여부를 판단하는 정형 작업 판단 회로와,
상기 정형 작업을 행하고 있을 때 검출된 상기 외란 토크로부터, 외란 토크 참조값을 산출하는 참조값 산출 회로와,
상기 참조값 산출 회로에 의해 산출된 상기 외란 토크 참조값을 사용하여, 상기 다축형 로봇이 상기 정형 작업과는 상이한 작업을 행하고 있을 때 검출된 상기 외란 토크를 보정하고, 보정 후 외란 토크를 취득하는 토크 보정 회로와,
상기 토크 보정 회로에 의해 취득된 상기 보정 후 외란 토크와 역치를 비교함으로써 고장 진단을 행하는 고장 진단 회로를 구비하는 것을 특징으로 하는, 고장 진단 장치. - 제1항에 있어서,
상기 참조값 산출 회로는, 상기 외란 토크 참조값으로서, 상기 외란 토크의 대표값 및 상기 외란 토크의 변화량을 산출하고,
상기 토크 보정 회로는, 상기 외란 토크로부터 상기 대표값을 감산하고, 감산 후의 값을 상기 변화량으로 제산함으로써, 상기 보정 후 외란 토크를 취득하는 것을 특징으로 하는, 고장 진단 장치. - 제2항에 있어서,
상기 대표값은, 상기 정형 작업을 행하고 있을 때 검출된 상기 외란 토크의 평균값이고,
상기 변화량은, 상기 정형 작업을 행하고 있을 때 검출된 상기 외란 토크의 표준 편차인 것을 특징으로 하는, 고장 진단 장치. - 제2항에 있어서,
상기 대표값은, 상기 정형 작업을 행하고 있을 때 검출된 상기 외란 토크의 최솟값이고,
상기 변화량은, 상기 정형 작업을 행하고 있을 때 검출된 상기 외란 토크의 최댓값과 상기 최솟값의 차인 것을 특징으로 하는, 고장 진단 장치. - 제1항 내지 제4항 중 어느 한 항에 있어서,
상기 다축형 로봇의 정비 혹은 보전의 실시 상황에 관한 정보를 취득하는 정비ㆍ보전 정보 취득 회로와,
상기 정비ㆍ보전 정보 취득 회로에 의해 취득된 상기 정보를 고려하여, 상기 다축형 로봇이 정상적으로 동작하고 있을 때의 상기 외란 토크인 외란 토크 정상값을 예측하는 토크 정상값 예측 회로와,
상기 토크 정상값 예측 회로에 의해 예측된 상기 외란 토크 정상값에 기초하여 상기 역치를 설정하는 역치 설정 회로를 더 구비하는 것을 특징으로 하는, 고장 진단 장치. - 제5항에 있어서,
상기 토크 정상값 예측 회로는, 제1 기간 동안에 취득된 외란 토크의 데이터에 기초하여, 상기 외란 토크 정상값을 예측하는 것을 특징으로 하는, 고장 진단 장치. - 제6항에 있어서,
상기 토크 정상값 예측 회로는, 상기 제1 기간 동안에 취득된 상기 외란 토크의 시간 변화로부터, 회귀식을 사용하여, 상기 외란 토크 정상값을 예측하는 것을 특징으로 하는, 고장 진단 장치. - 제5항에 있어서,
고장 진단 시로부터 제2 기간 전까지의 동안에, 상기 정비 혹은 보전을 실시한 경우, 상기 토크 정상값 예측 회로는, 상기 정비 혹은 보전을 실시하였을 때를, 상기 다축형 로봇이 정상적으로 동작하고 있을 때로 간주하여, 상기 외란 토크 정상값을 예측하는 것을 특징으로 하는, 고장 진단 장치. - 제5항에 있어서,
고장 진단 시로부터 제2 기간 전까지의 동안에, 상기 정비 혹은 보전을 실시 하지 않은 경우, 상기 토크 정상값 예측 회로는, 상기 외란 토크의 계절 변동을 고려하여, 고장 진단 시와 상기 계절 변동이 동일해지는 과거의 시기를, 상기 다축형 로봇이 정상적으로 동작하고 있을 때로 간주하여, 상기 외란 토크 정상값을 예측하는 것을 특징으로 하는, 고장 진단 장치. - 제7항에 있어서,
상기 토크 정상값 예측 회로는, 계절 변동을 근사시키는 정현파와, 경시 열화를 근사시키는 직선을 합성한 함수를, 상기 회귀식으로서 사용하는 것을 특징으로 하는, 고장 진단 장치. - 다축형 로봇의 고장을 진단하는 고장 진단 방법이며,
상기 다축형 로봇이 구비하는 관절축의 이동 위치를 검출하고,
상기 관절축에 가해지는 외란 토크를 검출하고,
검출된 상기 이동 위치로부터, 상기 다축형 로봇이 미리 정한 정형 작업을 행하고 있는지 여부를 판단하고,
상기 정형 작업을 행하고 있을 때 검출된 상기 외란 토크로부터, 외란 토크 참조값을 산출하고,
산출된 상기 외란 토크 참조값을 사용하여, 상기 다축형 로봇이 상기 정형 작업과는 상이한 작업을 행하고 있을 때 검출된 상기 외란 토크를 보정하고, 보정 후 외란 토크를 취득하고,
취득된 상기 보정 후 외란 토크와 역치를 비교함으로써 고장 진단을 행하는 것을 특징으로 하는, 고장 진단 방법.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/064552 WO2016185593A1 (ja) | 2015-05-21 | 2015-05-21 | 故障診断装置及び故障診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170140333A KR20170140333A (ko) | 2017-12-20 |
KR101849894B1 true KR101849894B1 (ko) | 2018-04-17 |
Family
ID=57319689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020177034047A KR101849894B1 (ko) | 2015-05-21 | 2015-05-21 | 고장 진단 장치 및 고장 진단 방법 |
Country Status (10)
Country | Link |
---|---|
US (1) | US10543604B2 (ko) |
EP (2) | EP3778157B1 (ko) |
JP (1) | JP6409965B2 (ko) |
KR (1) | KR101849894B1 (ko) |
CN (1) | CN107614214B (ko) |
BR (1) | BR112017024895B1 (ko) |
CA (1) | CA2986554C (ko) |
MX (1) | MX365933B (ko) |
RU (1) | RU2682195C1 (ko) |
WO (1) | WO2016185593A1 (ko) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6499621B2 (ja) | 2016-08-08 | 2019-04-10 | ファナック株式会社 | 制御装置及び制御システム |
CN110065091A (zh) * | 2018-01-24 | 2019-07-30 | 固德科技股份有限公司 | 一种机械手臂动态监测系统及其实施方法 |
JP6881673B2 (ja) * | 2018-03-29 | 2021-06-02 | 日産自動車株式会社 | 異常検出装置及び異常検出方法 |
CN112005256B (zh) * | 2018-04-19 | 2024-05-10 | 日产自动车株式会社 | 维护记录制作装置和维护记录制作方法 |
EP3792017A4 (en) * | 2018-05-11 | 2021-07-14 | Nissan Motor Co., Ltd. | ANOMALY DETECTION DEVICE AND ANOMALY DETECTION METHOD |
CN108638128B (zh) * | 2018-05-24 | 2021-06-22 | 安徽领云物联科技有限公司 | 一种工业机器人的实时异常监测方法及其系统 |
EP3804923A4 (en) * | 2018-06-04 | 2021-07-14 | Nissan Motor Co., Ltd. | DEVICE FOR DETERMINING ANOMALY AND METHOD FOR DETERMINING ANOMALY |
JP7056418B2 (ja) * | 2018-07-05 | 2022-04-19 | 日産自動車株式会社 | 異常判定装置及び異常判定方法 |
EP3831553A4 (en) * | 2018-07-31 | 2021-08-04 | Nissan Motor Co., Ltd. | DEVICE AND PROCESS FOR DETERMINATION OF ANOMALY |
JP7079420B2 (ja) * | 2018-08-06 | 2022-06-02 | 日産自動車株式会社 | 異常診断装置及び異常診断方法 |
JP2021111207A (ja) * | 2020-01-14 | 2021-08-02 | 中国電力株式会社 | プラント性能評価システムおよびプラント性能評価方法 |
AU2021239964A1 (en) * | 2020-03-17 | 2022-10-13 | Heartland Ag Tech, Inc. | Systems and methods for predictive irrigation system maintenance |
CN113673072A (zh) * | 2020-05-15 | 2021-11-19 | 华晨宝马汽车有限公司 | 用于确定机器人的运行状况的方法、系统、设备和介质 |
DE112022005430T5 (de) * | 2022-01-25 | 2024-08-29 | Fanuc Corporation | Ausfallvorhersagevorrichtung |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006281421A (ja) | 2005-04-05 | 2006-10-19 | Yaskawa Electric Corp | ロボットおよびロボットの異常検出方法 |
JP2014155985A (ja) | 2013-02-15 | 2014-08-28 | Panasonic Corp | ロボット、ロボットの制御装置、制御方法、及び制御プログラム |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1536357A1 (ru) * | 1988-02-29 | 1990-01-15 | Горьковский Политехнический Институт | Устройство дл диагностики неисправностей технических объектов |
DE4114804A1 (de) * | 1991-05-07 | 1992-11-12 | Messerschmitt Boelkow Blohm | Vorrichtung zur lageregelung von satelliten mit solardruckmomenten |
JP2732159B2 (ja) * | 1991-10-29 | 1998-03-25 | ファナック株式会社 | 異常負荷検出方法 |
JPH06170540A (ja) * | 1992-12-07 | 1994-06-21 | Fanuc Ltd | 溶接ロボットの溶着検出方法 |
JPH0751997A (ja) * | 1993-08-09 | 1995-02-28 | Fanuc Ltd | 加工負荷監視方式 |
JPH07132440A (ja) * | 1993-11-02 | 1995-05-23 | Fanuc Ltd | 加工負荷監視方式 |
JP3623582B2 (ja) * | 1995-12-25 | 2005-02-23 | ファナック株式会社 | ロボットの故障診断方法 |
SE509443C2 (sv) * | 1997-05-15 | 1999-01-25 | Asea Brown Boveri | Förfarande för övervakning av en manipulators rörelsestyrning |
JP3204207B2 (ja) * | 1998-03-30 | 2001-09-04 | 松下電器産業株式会社 | ロボットの制御装置とその制御方法 |
US6232572B1 (en) * | 1998-04-20 | 2001-05-15 | Nissan Motor Co., Ltd. | Spot welding control system and control method |
JP2001150374A (ja) * | 1999-11-25 | 2001-06-05 | Sony Corp | ロボットの故障診断システム |
JP4824879B2 (ja) * | 2001-09-14 | 2011-11-30 | 株式会社スター精機 | 取出機の異常診断方法 |
US7348746B2 (en) * | 2003-02-14 | 2008-03-25 | Honda Giken Kogyo Kabushiki Kaisha | Abnormality detection system of mobile robot |
DE102004026185A1 (de) * | 2004-05-28 | 2005-12-22 | Kuka Roboter Gmbh | Verfahren und Vorrichtung zum Betreiben einer Maschine, wie eines Mehrachs- Industrieroboters |
US9104650B2 (en) * | 2005-07-11 | 2015-08-11 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
EP2998894B1 (en) | 2005-07-11 | 2021-09-08 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system |
JP4487956B2 (ja) * | 2006-03-10 | 2010-06-23 | トヨタ自動車株式会社 | ブレーキ制御装置 |
JP2007250748A (ja) * | 2006-03-15 | 2007-09-27 | Omron Corp | プロセス異常分析装置および方法並びにプログラム |
US8676379B2 (en) * | 2006-07-04 | 2014-03-18 | Panasonic Corporation | Device and method for controlling robot arm, robot, and robot arm control program |
US7853431B2 (en) * | 2006-09-29 | 2010-12-14 | Fisher-Rosemount Systems, Inc. | On-line monitoring and diagnostics of a process using multivariate statistical analysis |
US9073213B2 (en) * | 2008-05-21 | 2015-07-07 | Panasonic Intellectual Property Management Co., Ltd. | Method of determining failure of robot |
JP5120082B2 (ja) * | 2008-06-12 | 2013-01-16 | 富士電機株式会社 | ロボット暴走判定方法およびロボット制御装置 |
JP2010271185A (ja) * | 2009-05-21 | 2010-12-02 | Mitsubishi Electric Corp | 異常監視装置 |
US20120283873A1 (en) * | 2011-05-03 | 2012-11-08 | Canh Le | System for auto-diagnostics of robotic manipulator |
KR101945185B1 (ko) * | 2012-01-12 | 2019-02-07 | 삼성전자주식회사 | 로봇 및 이상 상황 판단과 대응방법 |
JP5912683B2 (ja) * | 2012-03-07 | 2016-04-27 | 株式会社神戸製鋼所 | モータ駆動構造を備えたシステム、モータ駆動構造のシステムに用いられるプログラム、および溶接物製造方法 |
JP2014018941A (ja) * | 2012-07-23 | 2014-02-03 | Daihen Corp | 制御装置、及び制御方法 |
CN102873674B (zh) * | 2012-09-04 | 2015-08-19 | 上海交通大学 | 力/力矩反馈控制远程操纵系统 |
JP2014117787A (ja) * | 2012-12-19 | 2014-06-30 | Daihen Corp | 制御装置 |
JP5678979B2 (ja) * | 2013-03-15 | 2015-03-04 | 株式会社安川電機 | ロボットシステム、校正方法及び被加工物の製造方法 |
US20140288881A1 (en) * | 2013-03-19 | 2014-09-25 | Abb Technology Ag | Hoist performance diagnostic, implementation and sustaining services |
CN104015199B (zh) * | 2014-05-29 | 2017-04-19 | 中广核检测技术有限公司 | 一种机械臂及基于该机械臂的检测机器人 |
MY196467A (en) * | 2015-05-20 | 2023-04-12 | Nissan Motor | Failure Diagnostic Device and Failure Diagnostic Method |
-
2015
- 2015-05-21 EP EP20198786.4A patent/EP3778157B1/en active Active
- 2015-05-21 CN CN201580080209.6A patent/CN107614214B/zh active Active
- 2015-05-21 US US15/575,605 patent/US10543604B2/en active Active
- 2015-05-21 BR BR112017024895-6A patent/BR112017024895B1/pt active IP Right Grant
- 2015-05-21 EP EP15892592.5A patent/EP3299132B1/en active Active
- 2015-05-21 JP JP2017518694A patent/JP6409965B2/ja active Active
- 2015-05-21 MX MX2017014682A patent/MX365933B/es active IP Right Grant
- 2015-05-21 KR KR1020177034047A patent/KR101849894B1/ko active IP Right Grant
- 2015-05-21 CA CA2986554A patent/CA2986554C/en active Active
- 2015-05-21 RU RU2017144788A patent/RU2682195C1/ru active
- 2015-05-21 WO PCT/JP2015/064552 patent/WO2016185593A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006281421A (ja) | 2005-04-05 | 2006-10-19 | Yaskawa Electric Corp | ロボットおよびロボットの異常検出方法 |
JP2014155985A (ja) | 2013-02-15 | 2014-08-28 | Panasonic Corp | ロボット、ロボットの制御装置、制御方法、及び制御プログラム |
Also Published As
Publication number | Publication date |
---|---|
CN107614214B (zh) | 2019-07-09 |
MX2017014682A (es) | 2018-01-24 |
EP3778157A1 (en) | 2021-02-17 |
BR112017024895A2 (pt) | 2018-07-31 |
CA2986554C (en) | 2018-07-17 |
EP3778157B1 (en) | 2022-08-17 |
JPWO2016185593A1 (ja) | 2018-03-08 |
US20180154529A1 (en) | 2018-06-07 |
EP3299132A4 (en) | 2018-08-29 |
JP6409965B2 (ja) | 2018-10-24 |
KR20170140333A (ko) | 2017-12-20 |
US10543604B2 (en) | 2020-01-28 |
CN107614214A (zh) | 2018-01-19 |
RU2682195C1 (ru) | 2019-03-15 |
EP3299132B1 (en) | 2020-10-14 |
CA2986554A1 (en) | 2016-11-24 |
EP3299132A1 (en) | 2018-03-28 |
BR112017024895B1 (pt) | 2021-06-08 |
MX365933B (es) | 2019-06-20 |
WO2016185593A1 (ja) | 2016-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101849894B1 (ko) | 고장 진단 장치 및 고장 진단 방법 | |
KR101889248B1 (ko) | 고장 진단 장치 및 고장 진단 방법 | |
US10899023B2 (en) | Failure diagnosis device and failure diagnosis method | |
KR101930198B1 (ko) | 고장 진단 장치 및 고장 진단 방법 | |
CN107614213B (zh) | 故障诊断装置及故障诊断方法 | |
JP2018099736A (ja) | 故障診断装置及び故障診断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |