WO2019069877A1 - 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 - Google Patents

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 Download PDF

Info

Publication number
WO2019069877A1
WO2019069877A1 PCT/JP2018/036762 JP2018036762W WO2019069877A1 WO 2019069877 A1 WO2019069877 A1 WO 2019069877A1 JP 2018036762 W JP2018036762 W JP 2018036762W WO 2019069877 A1 WO2019069877 A1 WO 2019069877A1
Authority
WO
WIPO (PCT)
Prior art keywords
abnormality
value
waveform
servomotor
occurred
Prior art date
Application number
PCT/JP2018/036762
Other languages
English (en)
French (fr)
Inventor
龍 山下
敏和 杉本
Original Assignee
川崎重工業株式会社
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 川崎重工業株式会社 filed Critical 川崎重工業株式会社
Priority to CN201880062326.3A priority Critical patent/CN111148609B/zh
Priority to US16/753,407 priority patent/US11241793B2/en
Priority to EP18864190.6A priority patent/EP3693140A4/en
Publication of WO2019069877A1 publication Critical patent/WO2019069877A1/ja

Links

Images

Classifications

    • 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
    • B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
    • B25J9/12—Programme-controlled manipulators characterised by positioning means for manipulator elements electric
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
    • B25J9/12—Programme-controlled manipulators characterised by positioning means for manipulator elements electric
    • B25J9/126—Rotary actuators
    • 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
    • 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
    • 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
    • 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
    • G05B2219/37525—Mean, average values, statistical derived values
    • 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
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42319—What kind of actuator failure
    • 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
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42323—Detect wire break, short circuit of feedback
    • 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
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50197—Signature analysis, store working conditions, compare with actual

Definitions

  • the present invention relates to an estimation method for estimating a portion where an abnormality has occurred and a program for estimating a portion where an abnormality has occurred in a robot.
  • Patent Document 1 discloses that a current value flowing through a servomotor or a positional deviation amount of a servomotor is used as a degradation index parameter, and a device is stopped to issue a warning when these degradation index parameters exceed a threshold. It is done.
  • the present invention aims to provide an estimation method for estimating a region in which an abnormality has occurred and a program for performing estimation of a region in which an abnormality has occurred.
  • the method of the present invention for estimating a portion in which an abnormality has occurred is a method of estimating a portion in which an abnormality has occurred in a robot in which an arm is driven using a servomotor, and an abnormality detecting step of detecting that an abnormality has occurred;
  • the apparatus is characterized by including a part detection step of detecting in which part an abnormality has occurred when it is detected that an abnormality has occurred in the abnormality detection step.
  • the transition value is observed with the value of the current flowing through the servomotor or the positional deviation of the servomotor as the observed value, and the subject for each cycle is observed.
  • the abnormality detection step when the representative value of the observed value for each day deviates from a predetermined range, it may be detected that an abnormality has occurred.
  • the part detection step it is detected that a type of a value out of a predetermined range of representative values of the observed values for each day detected for a plurality of types and an abnormality has occurred in the abnormality detection step. From the waveform about the said to-be-observed value at the time of being done, you may comprise the estimation process which estimates the site
  • the portion where the abnormality occurs is estimated, so that the portion where the abnormality occurs can be identified accurately.
  • the table according to the type of the value where the portion where the abnormality has occurred is out of the predetermined range and the waveform of the observed value when it is detected that the abnormality has occurred in the abnormality detection step.
  • the parts in which the abnormality has occurred may be estimated by referring to the table in advance in the estimation step.
  • the part where the abnormality has occurred can be estimated, so that the part where the abnormality has occurred can be easily estimated.
  • the cycle observed value detection step calculates a root mean square value and a peak value for the observed value in the predetermined operation for each cycle, and in the daily observed value detection step, the squared value
  • the method may include a peak median calculation step of calculating each day and a peak standard deviation calculation step of calculating a standard deviation of the peak values day by day.
  • the root mean square value and peak value for each cycle are calculated, and in the daily observed value detection process, the median and standard deviation of the daily mean square value and the center of the peak value for each day Since the value and the standard deviation are calculated, it is possible to accurately obtain the daily mean square value and the peak value.
  • a central value of the root mean square value calculated in the root mean square value calculation step and a standard deviation of the root mean square value calculated in the root mean square standard deviation calculation step And any one of the median of the peak values calculated in the peak median calculation step and the standard deviation of the peak values calculated in the peak standard deviation calculation step is out of a predetermined range. Sometimes, it may be detected that an abnormality has occurred.
  • the timing when the abnormality occurs can be detected more accurately.
  • the estimation step is selected to select which pattern among the plurality of predetermined patterns the waveform of the observed value when it is detected that an abnormality has occurred in the abnormality detection step.
  • a process may be provided.
  • the observed value is a current value flowing to the servomotor
  • an abnormality occurs in the waveform of the current flowing to the servomotor when it is detected that an abnormality occurs in the abnormality detection step.
  • the pattern is expanded in a similar manner, when the enlargement ratio is less than the threshold is taken as pattern 1 and when the enlargement ratio is larger than the threshold is taken as pattern 2
  • the component has a frequency greater than or equal to a certain value and the frequency falls within a predetermined frequency range is Pattern 3
  • the frequency is not within a predetermined frequency range is Pattern 4
  • the waveform of the current flowing through the servomotor when it is detected that an abnormality has occurred in the abnormality detection step is from the pattern 1 to the pattern 4 Among them, it may comprise a current value pattern selection step of selecting whether to conform to any pattern.
  • the selection step When the observed value is a current value flowing to the servomotor, in the selection step, it is selected which of the patterns 1 to 4 the waveform of the current flowing to the servomotor conforms to. Can be done easily.
  • the observed value is a position deviation of the servomotor
  • the selection step the waveform of the position deviation of the servomotor when it is detected that an abnormality has occurred in the abnormality detection step has an abnormality.
  • a component whose frequency is larger than a certain value exists and the frequency falls within a predetermined frequency range is pattern 5, and the frequency is the predetermined frequency range
  • the pattern 6 does not fit in the pattern, and the selection step is such that the waveform of the positional deviation of the servomotor when it is detected that an abnormality occurs in the abnormality detection step is either the pattern 5 or the pattern 6
  • a position deviation pattern selection step may be provided to select whether the pattern conforms to the pattern of.
  • the selection step which of the pattern 5 or the pattern 6 the waveform of the position deviation of the servomotor conforms to is selected, so the selection step is easy Can be done.
  • the program for estimating a region where an abnormality has occurred is a program for estimating a region where an abnormality has occurred in a robot that drives an arm using a servomotor, and that an abnormality has occurred.
  • the computer is characterized by causing an abnormality detection step to be detected and a portion detection step to detect in which portion an abnormality has occurred when it is detected that an abnormality has occurred in the abnormality detection step.
  • the portion where the abnormality occurs is detected in the portion detection step, so it is possible to save the trouble of searching for the portion where the abnormality occurs.
  • the present invention it is possible to detect an abnormal part, so it is possible to detect a part where maintenance work such as replacement of parts should be performed. For this reason, it is not necessary to have to search for a part that should be subjected to maintenance work.
  • FIG. 5 is a flow chart showing in more detail the flow when checking the median and standard deviation of the mean square value in the flow of FIG. 4; FIG. FIG.
  • FIG. 5 is a flowchart showing in more detail the flow when confirming the median and standard deviation of peak values in the flow of FIG. 4;
  • FIG. It is the flowchart which showed in detail about the site
  • FIG. 8 is a flowchart showing in more detail the flow when performing FFT analysis on a target waveform in the flow of FIG. 7; It is the graph shown similarly about the reference waveform of an electric current value, and the waveform of an electric current value when it extends similarly with respect to a reference waveform, and expansion ratio is 110 percent. It is the graph shown similarly about the reference waveform of an electric current value, and the waveform of an electric current value when it extends similarly with respect to a reference waveform, and expansion ratio is 200 percent.
  • FIG. 1 is a block diagram of a robot according to an embodiment of the present invention.
  • FIG. 2 is a block diagram of a control system of the robot 100. As shown in FIG.
  • the robot 100 of the present embodiment has a control unit 14.
  • the control unit 14 is for controlling the operation of the robot 100.
  • the control unit 14 accommodates therein a control board for controlling the operation of the robot 100.
  • the robot 100 is used as a multi-axis industrial robot.
  • the robot 100 used in the present embodiment includes a robot arm.
  • control unit 14 in the robot 100 includes an arithmetic unit 14 a, a storage unit 14 b, and a servo control unit 14 c.
  • the control unit 14 is, for example, a robot controller provided with a computer such as a microcontroller.
  • the control unit 14 may be configured by a single control unit 14 that performs centralized control, or may be configured by a plurality of control units 14 that perform distributed control in cooperation with each other.
  • the storage unit 14 b stores information such as a basic program as a robot controller and various fixed data.
  • the arithmetic unit 14a controls various operations of the robot 100 by reading and executing software such as a basic program stored in the storage unit 14b. That is, the calculation unit 14a generates a control command of the robot 100 and outputs this to the servo control unit 14c.
  • the calculation unit 14a is configured by a processor unit.
  • the servo control unit 14 c is configured to control driving of a servo motor corresponding to each joint of the robot arm of the robot 100 based on the control command generated by the calculation unit 14 a.
  • the robot 100 further includes current value acquisition means 15 for acquiring the current value flowing through the servomotor for a predetermined period.
  • the current value acquisition means 15 can acquire the current value flowing through the servomotor.
  • control device 50 is connected to the control unit 14. Further, the current value acquisition means 15 is connected to the control unit 14 and the control device 50, and the control unit 14 and the control device 50 are connected via the current value acquisition means 15.
  • the control device 50 includes a storage unit 17 and an arithmetic unit 18.
  • the control device 50 is configured of, for example, a PC.
  • the control device 50 performs an operation in the operation unit 18 with reference to data stored in the storage unit 17 based on the current value flowing through the servomotor acquired by the current value acquisition unit 15, whereby the robot 100 has an abnormality. It can be detected whether it has occurred.
  • the computing unit 18 is configured by a processor unit.
  • a table to be described later is stored in advance.
  • the control device 50 can perform processing for estimating and detecting a portion where the abnormality occurs in the robot 100. As described above, the control device 50 detects whether or not the robot 100 is in an abnormal state based on the current value acquired by the current value acquisition unit 15 and detects the portion in which the abnormality is occurring. it can.
  • the robot 100 If the robot 100 is used to repeat the work for a predetermined cycle over a long period of time, the robot 100 will deteriorate over time.
  • the resistance between the components when the components slide with each other increases between the components of the robot 100. Therefore, in such a case, even if the same operation is performed, the members can not move by the same amount unless a larger current is supplied to the servomotor as compared to before deterioration.
  • the current flowing to the servomotor changes compared to that before the deterioration occurs.
  • FIG. 3 shows a flowchart of an estimation method for estimating a region where an abnormality has occurred in the present embodiment.
  • S101 it is detected from the current flowing through the servomotor of the robot 100 whether or not an abnormality has occurred (S101). If it is detected in the abnormality detection process of S101 that an abnormality has occurred in the robot 100 (S102), a part detection process for detecting a part having the abnormality is performed (S103).
  • the computer of the control device 50 or the control unit 14 executes the abnormality detection process and the part detection process based on the program.
  • FIG. 4 shows a flowchart of the abnormality detection process.
  • the waveform of the current flowing through the servomotor is acquired for a predetermined operation in one cycle.
  • the current value acquisition unit 15 acquires the value of the current flowing through the servomotor, which changes over time, and consequently acquires the waveform of the current flowing through the servomotor (S201).
  • the predetermined operation in one cycle in which the waveform of the current flowing through the servomotor is obtained may be only a part of the process cycle of the operation repeatedly performed by the robot 100. In addition, it may be a process over the entire cycle of one operation of the robot 100 repeatedly performed.
  • the root mean square value of the current waveform is calculated based on the acquired waveform (S202). As a representative value for the current value of one cycle, a root mean square value is calculated.
  • sampling is performed for 30 seconds per cycle. At this time, sampling is performed with a sampling period of 2 (msec). In the present embodiment, aggregation is performed for 200 cycles a day. Therefore, in the present embodiment, a root mean square value for 200 cycles is calculated on one day.
  • the threshold for the root mean square value of the current value of one cycle is referred to, and the root mean square value of one cycle of the current flowing through the servomotor is It is detected whether the threshold is exceeded (S204). When the root mean square value exceeds the threshold value, an alarm is issued there (S205). When the root mean square value does not exceed the threshold, the flow proceeds as it is.
  • the peak value of the absolute value of the current is detected from the waveform of the current. Also for the detection of the peak value in the current waveform, the current waveform for one cycle is acquired, and the peak value for the waveform of the current is calculated based on the acquired waveform. A peak value is calculated as a representative value for the current value of one cycle.
  • sampling is performed for 30 seconds in one cycle, as in the calculation of the root mean square value. At this time, sampling is performed with a sampling period of 2 (msec). In the present embodiment, aggregation is performed for 200 cycles a day. Therefore, in the present embodiment, peak values for 200 cycles are calculated on one day.
  • the peak value for the absolute value of the current flowing through the servomotor for one cycle is detected, the peak value is compared with the threshold for the peak value (S206).
  • the current value flowing to the servomotor is detected by the predetermined operation of the operation for each cycle in the operation repeatedly performed by the robot (cycle observed value detection step).
  • the root mean square value and the peak value of the current value flowing through the servomotor are calculated by the predetermined operation for the operation for each cycle. That is, in the cycle observed value detection step in the present embodiment, the root mean square value of the current flowing through the servomotor in a predetermined operation and the peak value are calculated for each cycle.
  • the comparison with the threshold value is performed with respect to the root mean square value and the peak value for one cycle of current, it is detected whether or not a certain period has passed since the device was started. If a fixed period has not elapsed since the device was started, the root mean square value and peak value for one cycle of current are within the unstable period, so the root mean square for the current for one cycle temporarily There is no problem if the value and the peak value exceed the threshold. Therefore, the flow returns to its original state, and the flow is repeated until a certain period of time elapses.
  • FIG. 1 A flow chart for checking the median and standard deviation of the data of the mean square value of the current for each day is shown in FIG.
  • the root mean square value of the current value flowing to the servomotor for each cycle for a predetermined operation has already been obtained.
  • the median and standard deviation of the daily data can be obtained. Therefore, the root mean square value for each cycle is counted over one day, and the median and standard deviation for the root mean square value are calculated for each day (S301).
  • the median and standard deviation of the root mean square values are calculated as representative values for the daily current values.
  • a representative value of the current value for each day is detected from the representative value of the current value detected for each cycle (daily observed value detection step).
  • the median and standard deviation for the root mean square are calculated on a daily basis.
  • the resistance increases in the device due to aging, so even if a predetermined command value is input to the servomotor, the resistance of the servomotor increases, so the input current value tends to increase. It is in. Therefore, the current value flowing through the servomotor usually tends to increase as the day passes.
  • a warning is issued (S305).
  • the daily current value (median value and standard deviation) deviates from the predetermined range, it is detected that an abnormality due to aging has occurred.
  • the daily current value is also predetermined. It is judged to be out of the range, and it is judged that an abnormality caused by the aged deterioration has occurred. If the median and standard deviation do not exceed the threshold (if they do not fall within the predetermined period set in advance), the warning will not be fired and the flow will proceed, and the root mean square of the current for each day Finish checking on median and standard deviation of value data.
  • the data measured over many times a day can be represented by data as a representative value by using the median and standard deviation of the mean square value. Therefore, the number of data to be stored can be significantly reduced, and, for example, the capacity of the storage unit 17 in the control device 50 can be reduced.
  • FIG. 1 A flow chart for checking the median value and standard deviation of peak value data for daily current is shown in FIG.
  • the peak value for the current value flowing to the servomotor for each cycle for a predetermined operation has already been obtained. Once the data of peak value per cycle is obtained for one day, the median and standard deviation of the data for one day can be obtained. Therefore, the peak values for each cycle are summed over one day, and the median and standard deviation for the peak values are calculated for each day (S401). The median and standard deviation of the peak values are calculated as representative values for the daily current values.
  • the median and standard deviation for peak values once calculated daily, can be graphed for that median and standard deviation. Therefore, by drawing extension lines of data for median and standard deviation on the graph, daily changes in median and standard deviation are predicted using the approximate curve (S402). This makes it possible to read the daily trend of the peak value of the current value.
  • a warning is issued (S405).
  • the daily current value (median value and standard deviation) for the peak value deviates from the predetermined range, it is detected that an abnormality due to aging has occurred.
  • the daily current value is also predetermined. It is judged to be out of the range, and it is judged that an abnormality caused by the aged deterioration has occurred. If the median and standard deviation do not exceed the threshold (if they do not fall within the predetermined period set in advance), the warning will not be fired and the flow will proceed, and the peak value for the daily current will be Finish checking for median and standard deviation of data.
  • peak values data measured over many times a day (200 times in the present embodiment) are represented by data as a representative value by using the median and standard deviation of peak values. be able to. Therefore, the number of data to be stored can be significantly reduced, and the capacity of the storage unit 17 in the control device 50 can be reduced.
  • the median value of the root mean square value is calculated on a daily basis (square root mean value calculation step).
  • the standard deviation of the root mean square value is calculated daily (root mean square standard deviation calculation step).
  • the median value of peak values is calculated on a daily basis (peak median value calculation step).
  • the standard deviation of peak values is calculated daily (peak standard deviation calculation step). Then, when any one of the calculated median value of the mean square value, the standard deviation of the mean square value, the median value of the peak values, and the standard deviation of the peak values deviates from the predetermined range It is detected that an abnormality has occurred.
  • the anomaly detection process is complete. If an alarm or warning is issued in the abnormality detection process, it is determined that there is an abnormality, and a part having the abnormality is detected in the part detection process.
  • the site detection process In the part detection step, it is detected which pattern the waveform of the current flowing through the servomotor is detected when an abnormality is detected in the abnormality detection step.
  • a flow chart of the flow of the part detection process is shown in FIG.
  • the part detecting step it is detected how the waveform of the current flowing through the servomotor when an abnormality is detected in the abnormality detecting step changes with respect to the reference waveform before the abnormality occurs.
  • the reference waveform is expanded (S501).
  • the expanded reference waveform is compared with the waveform of the current flowing through the servomotor when an abnormality is detected.
  • the correlation value between the expanded reference waveform and the acquired target waveform is calculated (S502).
  • the correlation value As the correlation value is higher, it is considered that the expanded reference waveform and the waveform of the current flowing through the servomotor are more in agreement. If the correlation value falls within a difference of 5% or less with respect to a predetermined reference value, it is determined that the enlarged reference waveform and the acquired target waveform substantially match. Therefore, it is determined that the waveform of the current flowing through the servomotor when an abnormality is detected is expanded in a similar manner to the reference waveform. Therefore, it is detected whether or not the enlargement factor at that time is 110% or less (S504).
  • the waveform of the current flowing through the servomotor when an abnormality is detected expands similarly to the reference waveform, and if the enlargement ratio is 110% or less, the waveform expands similarly and the enlargement ratio is small. Presumed. Therefore, in that case, the waveform of the current flowing through the servomotor when an abnormality is detected is classified into pattern 1.
  • the waveform of the current flowing through the servomotor when it is detected that an abnormality occurs is similar to the reference waveform of the current flowing through the servomotor when no abnormality occurs, and the enlargement ratio is a threshold The following time is referred to as pattern 1.
  • the waveform of the current flowing through the servomotor when an abnormality is detected expands similarly to the reference waveform, and if the enlargement ratio is greater than 110%, the waveform expands similarly and the enlargement ratio is large. Presumed. Therefore, in that case, the waveform of the current flowing through the servomotor when an abnormality is detected is classified into pattern 2.
  • the waveform of the current flowing through the servomotor when it is detected that an abnormality occurs is similar to the reference waveform of the current flowing through the servomotor when no abnormality occurs, and the enlargement ratio is a threshold Pattern 2 is set to be larger than the above.
  • the correlation value does not fall within the difference of 5% or less with respect to the reference value in S503, it is determined that the expanded reference waveform and the acquired target waveform do not match. In that case, it is detected whether the correlation value between the enlarged reference waveform and the acquired target waveform is larger than the previous one (S505).
  • the correlation value is less than or equal to the previous value, it is determined that the expanded reference waveform is approaching the target waveform, and the enlargement ratio of the reference waveform is further increased (S506). The verification of the correlation between the acquired object waveform is repeated again.
  • the waveform of the current flowing through the servomotor is obtained even if the enlargement ratio of the enlarged reference waveform is changed. It is determined that the correlation is small between the reference waveform and the waveform of the current flowing to the servomotor without approaching. Since the difference between the enlarged reference waveform and the acquired target waveform is increasing even if the enlargement ratio is changed, the acquired target waveform is not expanded similar to the reference waveform. It is judged. Therefore, in such a case, FFT analysis is performed on the target waveform (S507).
  • the FFT analysis is performed on the target waveform, and the analysis for each frequency is performed on the waveform (S601).
  • the strength of the specific frequency band is It is determined that the intensity is at least 1.5 times the intensity of the other frequency bands. If the intensity of a particular frequency band is 1.5 or more times the intensity of other frequency bands, it is determined that the waveform tends to oscillate. Therefore, in that case, the waveform of the current flowing through the servomotor when an abnormality is detected is classified into pattern 3.
  • the waveform of the current flowing through the servomotor when it is detected that an abnormality has occurred is subjected to Fourier transform, and there is a frequency where the component of the current waveform flowing through the servomotor is larger than a certain level with respect to the reference waveform. Is the pattern 3 when the frequency is within the predetermined frequency range.
  • the waveform in which the oscillation tendency is seen here refers to a waveform in which noise is seen over a certain frequency.
  • the intensity of the specific frequency band is not more than 1.5 times the intensity of the other frequency bands, it is detected whether the intensity is 1.5 times or more of the intensity of the other frequency bands at the specific frequency. (S603). That is, only in a narrow range of frequency components, it is detected whether or not there is a portion whose intensity is equal to or greater than 1.5 times the intensity in the other frequency components.
  • the waveform of the current flowing through the servomotor when it is detected that an abnormality has occurred is subjected to Fourier transform, and there is a frequency where the component of the current waveform flowing through the servomotor is larger than a certain level with respect to the reference waveform. Is not within the predetermined frequency range as Pattern 4.
  • the waveform in which a pulse is seen here refers to a waveform in which a portion out of a certain level is seen locally.
  • the present embodiment it is detected in S602 whether or not the intensity of the specific frequency band is 1.5 or more times the intensity (power spectrum) of the other frequency bands, but the present invention It is not limited. Even if it is detected over the entire waveform whether the intensity (power spectrum) of a specific frequency band of the target waveform is 1.5 or more times the intensity (power spectrum) of the same frequency band in the reference waveform Good.
  • FIG. 9 shows a waveform (pattern 1) when the waveform of the current flowing through the servomotor is similarly expanded with respect to the reference waveform and the enlargement ratio is 110%.
  • FIG. 10 shows a waveform (pattern 2) when the waveform of the current flowing through the servomotor is similarly expanded with respect to the reference waveform and the enlargement ratio is 200%.
  • FIG. 11 shows the waveform when the waveform of the current flowing through the servomotor tends to oscillate (pattern 3).
  • FIG. 12 shows a waveform when a pulse component is generated in the waveform of the current flowing through the servomotor (pattern 4).
  • the waveform of the current flowing through the servomotor when an abnormality is detected matches any of these four patterns, it is detected which pattern matches, and the stored pattern is stored. Then, the portion where the abnormality has occurred is estimated from the item for which an alarm or warning has been issued in the abnormality detection step and the waveform pattern of the current flowing through the servomotor when the abnormality is detected.
  • a table relating to the portion where the abnormality has occurred is created in advance.
  • this table an estimated abnormality site corresponding to an item for which an alarm or warning has been reported and a waveform pattern of current flowing to the servomotor when an abnormality is detected is shown. . Therefore, by referring to the table, it is possible to estimate the portion where the abnormality has occurred from the item for which the alarm or warning has been reported and the waveform pattern of the current flowing through the servomotor when the abnormality is detected. .
  • the site where the abnormality has occurred is estimated (estimation step).
  • selection step it is selected which of the patterns 1 to 4 the waveform of the current flowing through the servomotor when it is detected that an abnormality has occurred matches the current pattern (current value pattern selection step) .
  • the current waveform flowing through the servomotor at that time is a waveform that shows a tendency to oscillate (pattern 3) It is estimated that the lost motion (backlash) is increased mainly due to deterioration with age in the reduction gear.
  • the current waveform flowing through the servomotor at that time is a waveform that shows a tendency to oscillate (pattern 3) It is inferred that the reducer is at fault.
  • the current waveform flowing through the servomotor at that time is a waveform where a pulse can be seen (pattern 4).
  • three abnormalities The case of In the first case, it is assumed that an abnormality has occurred in the harness used in the robot, and in particular, a momentary short circuit or a ground fault occurs in the harness (three-phase motor line) connected to the three-phase motor power line Is presumed to have occurred. In the second case, it is inferred that an abnormality has occurred in the harness used in the robot, and in particular, it is inferred that an instantaneous disconnection occurs in the harness (motor brake line) connected to the motor brake . In the third case, it is inferred that the servomotor has an abnormality. Specifically, in the servomotor, it is considered that the internal magnet is often damaged.
  • the portion where the abnormality has occurred is collected in a table in advance according to the type of the value out of the predetermined range and the waveform of the current flowing through the servomotor when it is detected that the abnormality has occurred. There is. Then, by referring to the table, the part where the abnormality has occurred is estimated.
  • the portion where the abnormality that is related is generated: It is related empirically.
  • the table is referred to and an inference is made as to where the abnormality has occurred.
  • the site where the abnormality has occurred is estimated based on a table created in advance, so that it is possible to report on the site that is estimated that the abnormality has occurred. . Since the part where the abnormality has occurred is estimated and the part where the abnormality has occurred is notified, maintenance of the apparatus can be performed by performing maintenance such as replacement of parts for the notified part. Therefore, it is not necessary to search for the portion where the abnormality has occurred, and it is not necessary to spend time for the search.
  • the time for maintenance can be shortened, and the time for which work can not be performed for maintenance can be shortened. Therefore, the work can be performed more efficiently, and the operating cost can be reduced.
  • the current value flowing through the servomotor is calculated for the root mean square and the peak per cycle, and the median and standard deviation for the root mean square and the peak are calculated for each day There is. Then, the table is referred to, and the waveform of the current value flowing through the servomotor is applied to a predetermined pattern to detect a portion where abnormality has occurred.
  • the above embodiment is not limited thereto, and the position deviation of the servomotor is calculated for the root mean square value and the peak value every cycle, and the root mean square value and the peak value in the position deviation of the servomotor every day The median value, standard deviation may be calculated.
  • the waveform of the position deviation of the servomotor conforms from the predetermined pattern By selecting a pattern, an abnormal part may be detected.
  • the position deviation of the servomotor may be used as the observed value detected and observed in the abnormality detection step or the part detection step.
  • the positional deviation here refers to the deviation between the command value for the position and the actual position of the robot.
  • the position deviation of the servomotor may be, for example, the difference between the angular position of the servomotor, which is back-calculated from the position command value, and the actual output result from the encoder. If no position command is given to the servomotor as a command value and only the current command or speed command is given, the position of the robot in the cycle is calculated back from the data (position data as a function of time) It may be an angular position of
  • the position deviation of the servomotor is calculated for the root mean square value and the peak value for each cycle, and the median and the standard deviation for the root mean square value and the peak value for each day will be calculated.
  • the position deviation of the servomotor is detected in each cycle in a predetermined operation of the operation for each cycle in the operation repeated by the robot (cycle position deviation detection step).
  • cycle position deviation detection step a root mean square value of the position deviation of the servomotor in a predetermined operation and a peak value are calculated for each cycle.
  • a daily positional deviation is detected from the positional deviation detected in each cycle (daily positional deviation detection step).
  • the median of the mean square value is calculated on a daily basis (position deviation root mean square calculation step)
  • the standard deviation of the mean square value is calculated on a daily basis (position deviation squared Average standard deviation calculation step)
  • median value of peak value is calculated every day (position deviation peak median value calculation step)
  • standard deviation of peak value is calculated day by day (position deviation peak standard deviation calculation step).
  • the abnormality detection process it is detected that an abnormality has occurred when the representative value of the positional deviation for each day deviates from a predetermined range.
  • a part detection step is performed to detect the part where the abnormality has occurred.
  • the part detection step types of values out of a predetermined range of the daily position deviations detected for a plurality of types, and position deviations of the servomotor when it is detected that an abnormality has occurred in the abnormality detection step From the waveform, it is possible to estimate an abnormal part (estimation step).
  • the portion where the abnormality has occurred is estimated.
  • FIG. 14 is a graph showing a waveform when an oscillation tendency occurs with respect to the reference waveform in the waveform of the position deviation of the servomotor.
  • FIG. 15 is a graph showing a waveform when pulses occur with respect to the reference waveform in the waveform of the position deviation of the servomotor.
  • the FFT analysis is performed on the waveform of the position deviation of the servomotor. After the FFT analysis is performed on the waveform of the position deviation of the servomotor, when detecting which pattern the waveform of the position deviation of the servomotor conforms to, the current waveform of the servomotor is detected S601 This is performed in the same manner as step S603 (FIG. 8).
  • the FFT analysis is performed on the waveform of the position deviation of the servomotor, it is detected whether the intensity of a specific frequency band is 1.5 times or more of the intensity of the other frequency bands. In addition, if the intensity of a specific frequency band is 1.5 or more times the intensity of another frequency band, it is detected whether the frequency band falls within the specific frequency band.
  • the strength of the specific frequency band is It is determined that the intensity is at least 1.5 times the intensity of the other frequency bands. In that case, it is determined that the oscillation tendency is seen in the waveform, and the waveform of the position deviation of the servomotor when the abnormality is detected is classified into the pattern 5.
  • the intensity is 1% of the intensity of the other frequency band at the other specific frequency. It is detected whether it is five times or more. That is, only in a narrow range of frequency components, it is detected whether or not there is a portion whose intensity is equal to or greater than 1.5 times the intensity in the other frequency components.
  • the waveform of the position deviation of the servomotor at that time is In the case of a pulse-shaped waveform, it is presumed that an abnormality has occurred in the harness used by the robot. Here, it is presumed that wear occurs particularly in the harness (line of the three-phase motor) connected to the power line of the three-phase motor, and this increases resistance.
  • the waveform of the position deviation of the servomotor at that time shows the oscillation tendency. If so, it is assumed that an abnormality has occurred in the harness used by the robot. Here, in particular, it is presumed that instantaneous disconnection occurs in a harness (line of the three-phase motor) connected to the power line of the three-phase motor.
  • the waveform of the position deviation of the servomotor at that time is the waveform where a pulse can be seen It is inferred that an abnormality has occurred in the harness used by the robot.
  • instantaneous disconnection occurs in a harness (line of the three-phase motor) connected to the power line of the three-phase motor.
  • a table of the relationship between the root mean square of the position deviation of the servomotor, the median and standard deviation of the peak values, and the waveform of the position deviation of the servomotor when an abnormality is detected is referred to.
  • the influence of the position deviation of the servomotor tends to be large. Therefore, in order to confirm whether there is an abnormality in the harness, calculate the root mean square value of the position deviation of the servomotor and the median and standard deviation of the peak value, and determine whether the abnormality has occurred from these values It is more suitable to detect the area where the abnormality has occurred using the waveform of the positional deviation when the abnormality has occurred and to detect whether or not it has occurred. This makes it possible to more reliably detect whether or not there is an abnormality in the harness.
  • the abnormality detection process may be performed using the current value flowing to the servomotor and the position deviation of the servomotor in combination, and the part detection process may be performed. Since it detects from the combined detection result that an abnormality has occurred and detects the part where the abnormality has occurred in the part detection step, the abnormality is more reliably detected when an abnormality caused by aging occurs in the device. It is possible to detect that it has occurred.
  • Equation 2 Since iu, iv and iw are balanced three-phase alternating current, the current of each phase can be expressed as Equation 2.
  • equation 1 is calculated using equations 2 and 3, equation 4 is derived.
  • equation 6 is derived.
  • the current value is calculated with one value, it is possible to represent a time-series waveform of the current command value on a graph.
  • the torque component current value iq is constant and can be easily calculated as one current value.
  • iq / (2) 1/2 can be used as the current value
  • the root mean square value of the current value And the peak value can be calculated for each cycle. Therefore, it is possible to calculate a representative value of the current value flowing to the servomotor for each cycle. Further, from the representative value of the current value calculated for each cycle, the representative value of the current value for each day can be calculated.
  • the waveform for the current value flowing through the servomotor can be represented in a graph, when an abnormality occurs, the waveform for the current value conforms to any of a plurality of predetermined patterns. Can choose. Thus, it is possible to easily estimate the portion where the abnormality has occurred.

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)
  • Control Of Electric Motors In General (AREA)
  • Human Computer Interaction (AREA)

Abstract

異常の生じた部位を推定する推定方法を提供する。ロボットにおける異常の生じた部位を推定する推定方法は、異常が生じたことを検知する異常検知工程と、異常検知工程で異常が生じたと検知されたときに、どこで異常が生じているかを検出する部位検出工程とを備えている。

Description

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
　本発明は、ロボットにおいて、異常の生じた部位を推定する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に関する。
　従来、ロボットにおいて、経年劣化による異常を検出するために、サーボモータを流れる電流値やサーボモータの位置ずれ量を監視する技術について、特許文献１に開示されている。特許文献１には、劣化指標パラメータとしてサーボモータを流れる電流値やサーボモータの位置ずれ量が用いられ、これらの劣化指標パラメータが閾値を超えたときに装置を停止させ、警告を発することが開示されている。
国際公開第２０１６／１０３３１０号
　特許文献１に開示された装置では、経年劣化あるいは異常が生じたことによりメンテナンスが必要になった場合にメンテナンスを行うことを促すことができる。従って、メンテナンスを行うための適切なタイミングを報知することができる。
　しかしながら、異常の生じた部位については不明なままなので、どの部位をメンテナンスすべきなのかが不明である。そのため、どの部分について部品の交換などのメンテナンスを行えばよいかわからず、メンテナンスを行う部分を探すための手間がかかっていた。
　そこで、本発明は上記の事情に鑑み、異常の生じた部位を推定する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を提供することを目的としている。
　本発明の異常の生じた部位の推定方法は、サーボモータを用いてアームを駆動させるロボットにおける異常の生じた部位の推定方法であって、異常が生じたことを検知する異常検知工程と、前記異常検知工程で異常が生じたと検知されたときに、どの部位で異常が生じているかを検出する部位検出工程とを備えていることを特徴とする。
　上記構成の異常の生じた部位の推定方法では、部位検出工程で異常の生じている部位が検出されるので、異常の生じている部位を探索する手間を省くことができる。
　また、前記ロボットが繰り返し行う動作における１サイクルごとの動作についての所定の動作で、前記サーボモータに流れる電流値あるいは前記サーボモータの位置偏差を被観察値として推移を観察し、サイクルごとの前記被観察値についての代表値を検出するサイクル被観察値検出工程と、サイクルごとに検出される前記被観察値についての代表値から日ごとの前記被観察値についての代表値を検出する日毎被観察値検出工程と、を備えていてもよい。
　日ごとの被観察値についての代表値を検出するので、日ごとの被観察値についての代表値の変化に基づいた被観察値の傾向を取得することができる。
　また、前記異常検知工程では、日ごとの前記被観察値についての代表値が所定の範囲から外れたときに、異常が生じたことを検知してもよい。
　日ごとの被観察値についての代表値が所定の範囲から外れたときに異常が生じたことが検知されるので、日ごとの被観察値についての代表値の変化から、異常が生じたときにそのことを正確に検出することができる。
　また、前記部位検出工程は、複数の種類について検出された日ごとの前記被観察値についての代表値のうちの所定の範囲から外れた値の種類と、前記異常検知工程で異常が生じたと検知されたときの前記被観察値についての波形と、から、異常の生じている部位を推定する推定工程を備えていてもよい。
　所定の範囲から外れた値の種類と、サーボモータに流れる電流の波形と、から、異常の生じている部位を推定するので、異常の生じている部位を正確に特定することができる。
　また、前記異常の生じている部位が、前記所定の範囲から外れた値の種類と、前記異常検知工程で異常が生じたと検知されたときの前記被観察値の波形とに応じて、テーブルに予めまとめられ、前記推定工程では、前記テーブルを参照することにより、前記異常の生じている部位が推定されてもよい。
　予め作成されたテーブルに基づいてテーブルを参照することにより、異常の生じている部位が推定されるので、異常の生じている部位の推定を容易に行うことができる。
　また、前記サイクル被観察値検出工程は、前記所定の動作における前記被観察値についての２乗平均値と、ピーク値とをサイクルごとに算出し、前記日毎被観察値検出工程では、前記２乗平均値の中央値を日ごとに算出する２乗平均中央値算出工程と、前記２乗平均値の標準偏差を日ごとに算出する２乗平均標準偏差算出工程と、前記ピーク値の中央値を日ごとに算出するピーク中央値算出工程と、前記ピーク値の標準偏差を日ごとに算出するピーク標準偏差算出工程とを備えていてもよい。
　サイクル被観察値検出工程でサイクルごとの２乗平均値とピーク値とが算出され、日毎被観察値検出工程で日ごとの２乗平均値の中央値及び標準偏差、日ごとのピーク値の中央値及び標準偏差が算出されるので、日ごとの２乗平均値及びピーク値の値を正確に取得することができる。
　また、前記異常検知工程では、前記２乗平均中央値算出工程で算出された前記２乗平均値の中央値と、前記２乗平均標準偏差算出工程で算出された前記２乗平均値の標準偏差と、前記ピーク中央値算出工程で算出された前記ピーク値の中央値と、前記ピーク標準偏差算出工程で算出された前記ピーク値の標準偏差と、のいずれかの値が所定の範囲から外れたときに、異常が生じたことが検知されてもよい。
　いずれかの値が所定の範囲から外れたときに、異常が生じたことが検知されるので、異常が生じたときのタイミングをより正確に検出することができる。
　また、前記推定工程は、前記異常検知工程で異常が生じたと検知されたときの前記被観察値の波形が、予め定められている複数のパターンのうち、どのパターンに適合するかを選択する選択工程を備えていてもよい。
　予め定められている複数のパターンのうち、被観察値の波形がどのパターンに適合するかが選択されるので、パターンの選択を容易に行うことができる。
　また、前記被観察値は、前記サーボモータに流れる電流値であり、前記選択工程では、前記異常検知工程で異常が生じたと検知されたときの前記サーボモータに流れる電流の波形が、異常が生じていないときの前記サーボモータに流れる電流の基準波形に対し、相似的に拡大し、拡大率が閾値以下であるときをパターン１とし、拡大率が閾値よりも大きいときをパターン２とし、基準波形に対して、その成分が一定以上大きな周波数が存在し、該周波数が所定の周波数範囲に収まっているときをパターン３とし、前記周波数が所定の周波数範囲に収まっていないときをパターン４とし、前記選択工程は、前記異常検知工程で異常が生じたと検知されたときの前記サーボモータに流れる電流の波形が、前記パターン１から前記パターン４までのうち、いずれのパターンに適合するかを選択する電流値パターン選択工程を備えていてもよい。
　被観察値がサーボモータに流れる電流値のとき、選択工程では、サーボモータに流れる電流の波形が、パターン１からパターン４までのうち、いずれのパターンに適合するかが選択されるので、選択工程を容易に行うことができる。
　また、前記被観察値は、前記サーボモータの位置偏差であり、前記選択工程では、前記異常検知工程で異常が生じたと検知されたときの前記サーボモータの位置偏差の波形が、異常が生じていないときの前記サーボモータの位置偏差の基準波形に対し、その成分が一定以上大きな周波数が存在し、該周波数が所定の周波数範囲に収まっているときをパターン５とし、前記周波数が所定の周波数範囲に収まっていないときをパターン６とし、前記選択工程は、前記異常検知工程で異常が生じたと検知されたときの前記サーボモータの位置偏差の波形が、前記パターン５または前記パターン６のうち、いずれのパターンに適合するかを選択する位置偏差パターン選択工程を備えていてもよい。
　被観察値がサーボモータの位置偏差のとき、選択工程では、サーボモータの位置偏差の波形が、パターン５またはパターン６のうち、いずれのパターンに適合するかが選択されるので、選択工程を容易に行うことができる。
　また、本発明の異常の生じた部位の推定を行わせるプログラムは、サーボモータを用いてアームを駆動させるロボットにおける異常の生じた部位の推定を行わせるプログラムであって、異常が生じたことを検知する異常検知工程と、前記異常検知工程で異常が生じたと検知されたときに、どの部位で異常が生じているかを検出する部位検出工程とをコンピュータに実行させることを特徴とする。
　上記構成の異常の生じた部位の推定を行わせるプログラムでは、部位検出工程で異常の生じている部位が検出されるので、異常の生じている部位を探索する手間を省くことができる。
　本発明によれば、異常の生じた部位を検出することができるので、部品の交換といったメンテナンス作業を行うべき部位を検出することができる。そのため、メンテナンス作業を行うべき部位を探す手間がかからずに済む。
本発明の実施形態に係る異常の生じた部位の推定方法で、異常の生じた部位の検出の行われるロボットについて模式的に示した構成図である。 図１のロボットにおける制御系統の構成について示したブロック図である。 図１のロボットについての異常の生じた部位の推定方法によって異常の生じた部位の検出の行われる際のフローについて示したフローチャートである。 図３のフローにおける異常検知工程についてさらに詳細に示したフローチャートである。 図４のフローにおいて、２乗平均値についての、中央値、標準偏差についての確認を行う際のフローについてさらに詳細に示したフローチャートである。 図４のフローにおいて、ピーク値についての、中央値、標準偏差についての確認を行う際のフローについてさらに詳細に示したフローチャートである。 図３のフローにおける部位検出工程についてさらに詳細に示したフローチャートである。 図７のフローにおいて、対象波形についてのＦＦＴ解析を行う際のフローについてさらに詳細に示したフローチャートである。 電流値の基準波形と、基準波形に対し相似的に拡大し、拡大率が１１０パーセントであるときの電流値の波形について示したグラフである。 電流値の基準波形と、基準波形に対し相似的に拡大し、拡大率が２００パーセントであるときの電流値の波形について示したグラフである。 電流値の基準波形と、基準波形に対し発振傾向が見られたときの電流値の波形について示したグラフである。 電流値の基準波形と、基準波形に対しパルスが見られたときの電流値の波形について示したグラフである。 サーボモータに流れる電流についてのアラームあるいはワーニングが発報された項目と、異常が検知されたときのサーボモータに流れる電流の波形のパターンと、に応じた、異常の生じた部位に関する予め作成されたテーブルである。 サーボモータの位置偏差の基準波形と、基準波形に対し発振傾向が見られたときの位置偏差の波形について示したグラフである。 サーボモータの位置偏差の基準波形と、基準波形に対しパルスが見られたときの位置偏差の波形について示したグラフである。 サーボモータの位置偏差についてのアラームあるいはワーニングが発報された項目と、異常が検知されたときのサーボモータの位置偏差の波形のパターンと、に応じた、異常の生じた部位に関する予め作成されたテーブルである。
　以下、本発明の実施形態に係る異常の生じた部位の推定方法について、添付図面を参照して説明する。
　図１は、本発明の実施形態に係るロボットの構成図である。また、図２は、ロボット１００における制御系統の構成についてのブロック図である。
　本実施形態のロボット１００は、制御部１４を有している。制御部１４は、ロボット１００の動作を制御するためのものである。制御部１４は、ロボット１００の動作を制御するための制御基板を内部に収容している。本実施形態では、ロボット１００は、多軸の産業用ロボットとして用いられている。本実施形態で用いられるロボット１００は、ロボットアームを備えている。
　図２に示されるように、ロボット１００における制御部１４は、演算部１４ａと、記憶部１４ｂと、サーボ制御部１４ｃとを含む。
　制御部１４は、例えばマイクロコントローラ等のコンピュータを備えたロボットコントローラである。なお、制御部１４は、集中制御する単独の制御部１４によって構成されていてもよいし、互いに協働して分散制御する複数の制御部１４によって構成されていてもよい。
　記憶部１４ｂには、ロボットコントローラとしての基本プログラム、各種固定データ等の情報が記憶されている。演算部１４ａは、記憶部１４ｂに記憶された基本プログラム等のソフトウェアを読み出して実行することにより、ロボット１００の各種動作を制御する。すなわち、演算部１４ａは、ロボット１００の制御指令を生成し、これをサーボ制御部１４ｃに出力する。例えば、演算部１４ａは、プロセッサユニットによって構成されている。
　サーボ制御部１４ｃは、演算部１４ａにより生成された制御指令に基づいて、ロボット１００のロボットアームのそれぞれの関節に対応するサーボモータの駆動を制御するように構成されている。
　また、ロボット１００は、所定期間にサーボモータに流れる電流値を取得する電流値取得手段１５を備えている。電流値取得手段１５により、サーボモータに流れる電流値を取得することができる。
　また、本実施形態では、制御装置５０は、制御部１４に接続されている。また、電流値取得手段１５は、制御部１４及び制御装置５０に接続されており、制御部１４と制御装置５０とは、電流値取得手段１５を介して接続されている。
　制御装置５０は、記憶部１７と、演算部１８とを備えている。制御装置５０は、例えば、ＰＣによって構成される。制御装置５０は、電流値取得手段１５が取得したサーボモータを流れる電流値に基づき、記憶部１７に記憶されているデータを参照して演算部１８で演算を行うことにより、ロボット１００に異常が生じているか否かを検知することができる。例えば、演算部１８は、プロセッサユニットによって構成されている。制御装置５０における記憶部１７には、後述するテーブル等が予め記憶されている。また、それと共に、制御装置５０は、ロボット１００における異常の生じている部位を推定して検出するための処理を行うことができる。このように、制御装置５０は、電流値取得手段１５によって取得された電流値に基づいて、ロボット１００に異常が生じているか否かを検知すると共に、異常の生じている部位を検出することができる。
　次に、本実施形態における異常の生じた部位を推定する推定方法について説明する。
　ロボット１００を用いて所定のサイクルについての作業を長期間に亘って繰り返し行い続けると、ロボット１００に経年劣化が生じる。ロボット１００に経年劣化が生じると、例えば、ロボット１００を構成する各部品の間で、部品同士が摺動する際の部品の間の抵抗が大きくなる。従って、そのような場合には、同じ動作をするにしても、劣化前と比較して、サーボモータにより多くの電流を流さないと、部材が同じ量の移動をすることができない。このように、経年劣化によりロボット１００を構成する部品のいずれかの部位に異常が生じたときには、サーボモータに流れる電流が、劣化が生じる前に比べて変化する。
　また、経年劣化によって異常が生じた場合には、劣化が生じた部位により、電流の波形やサーボモータの位置偏差の変化が異なる。従って、ロボット１００を駆動させたときのサーボモータを流れる電流やサーボモータの位置偏差の波形の変化を検出することにより、経年劣化で異常が生じた部位の推定を行うことができる。以下、異常が生じた部位の推定を行うために推移が観察される、サーボモータを流れる電流値あるいはサーボモータの位置偏差のことを、被観察値ともいうものとする。
　図３に、本実施形態における異常の生じた部位を推定する推定方法についてのフローチャートを示す。
　まず、異常が生じた部位の推定を行うために観察される被観察値のうち、サーボモータを流れる電流を用いて異常が生じた部位の推定を行う方法について説明する。
　図３に示されるように、まずロボット１００のサーボモータに流れる電流から異常が生じているか否かを検知する（Ｓ１０１）。Ｓ１０１の異常検知工程でロボット１００に異常が生じていることが検知されれば（Ｓ１０２）、異常の生じている部位を検出する部位検出工程が行われる（Ｓ１０３）。本実施形態では、プログラムに基づいて、制御装置５０あるいは制御部１４のコンピュータが、異常検知工程及び部位検出工程を実行する。
　次に、異常検知工程について説明する。図４に、異常検知工程についてのフローチャートを示す。異常検知工程では、まず、１サイクルにおける所定動作について、サーボモータに流れる電流の波形を取得する。ここでは、電流値取得手段１５が、時間の経過によって変化するサーボモータに流れる電流値を取得し、結果的に、サーボモータに流れる電流の波形を取得する（Ｓ２０１）。
　サーボモータに流れる電流の波形が取得される１サイクルにおける所定動作は、ロボット１００が繰り返し行う作業の１回分のサイクルのうち、一部の工程だけでもよい。また、ロボット１００が繰り返し行う作業の１回分のサイクルの全体に亘っての工程であってもよい。
　１サイクルについての電流の波形が取得されると、取得された波形に基づき、その電流の波形についての２乗平均値が算出される（Ｓ２０２）。１サイクルの電流値についての代表値として、２乗平均値が算出されている。
　本実施形態では、２乗平均値が算出される際には、１サイクルにつき、３０秒間に亘ってサンプリングが行われる。このとき、２（ｍｓｅｃ）のサンプリング周期によって、サンプリングが行われる。本実施形態では、１日に２００サイクルについての集計が行われる。従って、本実施形態では、１日に、２００サイクルについての２乗平均値が算出される。
　１サイクルの電流の波形についての２乗平均値が算出されると、１サイクルの電流値の２乗平均値についての閾値を参照し、サーボモータに流れる電流の１サイクルについての２乗平均値が、閾値を超えたか否かを検知する（Ｓ２０４）。２乗平均値が閾値を超えているときには、そこでアラームが発報される（Ｓ２０５）。２乗平均値が閾値を超えていないときには、そのままフローが進む。
　次に、電流の波形から、電流の絶対値のピーク値を検出する。電流の波形におけるピーク値の検出についても、１サイクルについての電流の波形が取得され、取得された波形に基づき、その電流の波形についてのピーク値が算出される。１サイクルの電流値についての代表値として、ピーク値が算出されている。
　本実施形態では、ピーク値が算出される際には、２乗平均値の算出と同様に、１サイクルにつき、３０秒間に亘ってサンプリングが行われる。このとき、２（ｍｓｅｃ）のサンプリング周期によって、サンプリングが行われる。本実施形態では、１日に２００サイクルについての集計が行われる。従って、本実施形態では、１日に、２００サイクルについてのピーク値が算出される。
　１サイクル分についてのサーボモータに流れる電流の絶対値についてのピーク値が検出されると、ピーク値と、ピーク値についての閾値とが比較される（Ｓ２０６）。
　ピーク値が閾値を超えているときには（Ｓ２０７）、そこでアラームが発報される（Ｓ２０８）。ピーク値が閾値を超えていないときには、フローはそのまま進む。
　このように、ロボットが繰り返し行う動作における１サイクルごとの動作についての所定の動作で、サーボモータに流れる電流値が検出される（サイクル被観察値検出工程）。ここでは、１サイクルごとの動作についての所定の動作で、サーボモータに流れる電流値の２乗平均値とピーク値とが算出される。つまり、本実施形態におけるサイクル被観察値検出工程では、所定の動作におけるサーボモータに流れる電流の２乗平均値と、ピーク値とが、サイクルごとに算出されている。
　１サイクルにつき、１つの２乗平均値と１つのピーク値とを算出し、これらの値をサイクルごとに代表値として記憶しておく。
　１サイクル分の電流についての２乗平均値及びピーク値に関して閾値との比較が行われると、装置が起動されてから一定期間が経過しているか否かが検知される。装置が起動されてから一定期間が経過していない場合には、１サイクル分の電流についての２乗平均値及びピーク値が不安定な期間内なので、仮に１サイクル分の電流についての２乗平均値及びピーク値が閾値を超えていても問題ない。そのため、フローは元に戻り、一定期間が経過するまでフローが繰り返される。
　一定期間経過していれば、２乗平均値あるいはピーク値が閾値を超えアラームが発報されている場合には、経年劣化等によって異常が生じていると判断される。従って、ここでアラームが発報されているか否かが検知される（Ｓ２１０）。
　アラームが発報されており、２乗平均値あるいはピーク値が閾値を超えている場合には、異常が生じていると推測され、フローは部位検出工程に進む。Ｓ２１０でアラームが発報されていない場合には、フローは、日ごとの電流に関するデータの中央値及び標準偏差についての確認へ進む。
　次に、日ごとの電流に関する２乗平均値のデータの中央値及び標準偏差についての確認について説明する。
　日ごとの電流に関する２乗平均値のデータの中央値及び標準偏差について確認する際のフローについてのフローチャートを図５に示す。
　所定動作についての１サイクルごとのサーボモータに流れる電流値に関する２乗平均値は既に得られている。この１サイクルごとの２乗平均値のデータが１日分得られると、１日についてのデータの中央値と標準偏差とを得ることができる。そのため、１サイクルごとの２乗平均値が１日分に亘って集計され、２乗平均値についての中央値及び標準偏差が、日ごとに算出される（Ｓ３０１）。２乗平均値の中央値及び標準偏差が、日ごとの電流値についての代表値として算出されている。このように、サイクルごとに検出される電流値についての代表値から日ごとの電流値についての代表値が検出される（日毎被観察値検出工程）。ここでは、日ごとに、２乗平均値についての中央値及び標準偏差が算出される。
　２乗平均値についての中央値及び標準偏差が、日ごとに算出されると、日ごとのこれらの値をプロットすることにより、中央値及び標準偏差についてグラフに表すことができる。そのため、そのグラフ上に、中央値及び標準偏差についてのデータの延長線を描くことにより、中央値及び標準偏差の日ごとの変化が、近似曲線を用いて予測される（Ｓ３０２）。これにより、電流値の２乗平均値についての日々のトレンドを読み取ることができる。
　通常、経年劣化によって装置内で抵抗が大きくなるので、サーボモータに所定の指令値を入力しても、サーボモータの抵抗が大きくなっていることから、入力される電流値は大きくなっていく傾向にある。そのため、通常はサーボモータを流れる電流値は、日が経過するにつれて大きくなる傾向にある。
　このときの電流値について近似曲線を作成し、中央値及び標準偏差の日ごとの変化を予測することにより、中央値及び標準偏差が、閾値を超える日を予測することができる（Ｓ３０３）。そのため、今から何日後に、中央値及び標準偏差が閾値を超えるのかを予測することができる。中央値及び標準偏差が閾値を超える日が、設定されている期間内に入ってくれば、閾値を超える日が近づいているので、そこでワーニングが発報される。このように、中央値及び標準偏差が、閾値を超える日が、所定の期間内に入っているのか否かが検知される（Ｓ３０４）。なお、閾値に達したときに、そこでワーニングが発報されることとしてもよい。
　中央値及び標準偏差についての閾値を超える日が、設定されている期間内に入っている場合には、ワーニングが発報される（Ｓ３０５）。このように、日ごとの電流値（中央値及び標準偏差）が所定の範囲から外れたときに、経年劣化に起因する異常が生じたことを検知する。ここでは、日ごとの電流値（中央値及び標準偏差）が閾値を超える日が予め設定されている所定の期間内に入っていると検知された場合についても、日ごとの電流値が所定の範囲から外れたと判断され、経年劣化に起因する異常が生じたと判断される。中央値及び標準偏差が、閾値を超えていない場合（予め設定されている所定の期間内に入っていない場合）には、ワーニングは発砲されずにフローが進み、日ごとの電流に関する２乗平均値のデータの中央値及び標準偏差についての確認を終了する。
　１日に多くの回数（本実施形態では２００回）に亘って測定されたデータについて、２乗平均値の中央値及び標準偏差とすることにより、代表値としてのデータで表すことができる。従って、記憶させておくデータの数を大幅に減少させることができ、例えば、制御装置５０における記憶部１７の容量を少なくすることができる。
　次に、日ごとの電流に関するピーク値のデータの中央値及び標準偏差についての確認について説明する。
　日ごとの電流に関するピーク値のデータの中央値及び標準偏差について確認する際のフローについてのフローチャートを図６に示す。所定動作についての１サイクルごとのサーボモータに流れる電流値に関するピーク値は既に得られている。この１サイクルごとのピーク値のデータが１日分得られると、１日についてのデータの中央値と標準偏差とを得ることができる。従って、１サイクルごとのピーク値が１日分に亘って集計され、ピーク値についての中央値及び標準偏差が、日ごとに算出される（Ｓ４０１）。ピーク値の中央値及び標準偏差が、日ごとの電流値についての代表値として算出されている。
　ピーク値についての中央値及び標準偏差が、日ごとに算出されると、その中央値及び標準偏差についてグラフに表すことができる。そのため、そのグラフ上に、中央値及び標準偏差についてのデータの延長線を描くことにより、中央値及び標準偏差の日ごとの変化が、近似曲線を用いて予測される（Ｓ４０２）。これにより、電流値のピーク値についての日々のトレンドを読み取ることができる。
　また、近似曲線を用いて中央値及び標準偏差の日ごとの変化を予測することにより、中央値及び標準偏差が、閾値を超える日を予測することができる（Ｓ４０３）。そのため、今から何日後に、中央値及び標準偏差を超えるのかを予測することができる。中央値及び標準偏差が閾値を超える日が、設定されている期間内に入ってくれば、閾値を超える日が近づいているので、そこでワーニングが発報される。このように、中央値及び標準偏差が、閾値を超える日が、所定の期間内に入っているのか否かが検知される（Ｓ４０４）。なお、閾値に達したときに、そこでワーニングが発報されることとしてもよい。
　中央値及び標準偏差についての閾値を超える日が、設定されている期間内に入っている場合には、ワーニングが発報される（Ｓ４０５）。このように、ピーク値についての日ごとの電流値（中央値及び標準偏差）が所定の範囲から外れたときに、経年劣化に起因する異常が生じたことを検知する。ここでは、日ごとの電流値（中央値及び標準偏差）が閾値を超える日が予め設定されている所定の期間内に入っていると検知された場合についても、日ごとの電流値が所定の範囲から外れたと判断され、経年劣化に起因する異常が生じたと判断される。中央値及び標準偏差が、閾値を超えていない場合（予め設定されている所定の期間内に入っていない場合）には、ワーニングは発砲されずにフローが進み、日ごとの電流に関するピーク値のデータの中央値及び標準偏差についての確認を終了する。
　ピーク値についても同様に、１日に多くの回数（本実施形態では２００回）に亘って測定されたデータについて、ピーク値の中央値及び標準偏差とすることにより、代表値としてのデータで表すことができる。従って、記憶させておくデータの数を大幅に減少させることができ、制御装置５０における記憶部１７の容量を少なくすることができる。
　このように、本実施形態における日毎被観察値検出工程では、２乗平均値の中央値が日ごとに算出される（２乗平均中央値算出工程）。また、２乗平均値の標準偏差が日ごとに算出される（２乗平均標準偏差算出工程）。また、ピーク値の中央値が日ごとに算出される（ピーク中央値算出工程）。また、ピーク値の標準偏差が日ごとに算出される（ピーク標準偏差算出工程）。そして、算出された２乗平均値の中央値と、２乗平均値の標準偏差と、ピーク値の中央値と、ピーク値の標準偏差と、のいずれかの値が所定の範囲から外れたときに、異常が生じたと検知される。
　日ごとの電流に関するピーク値のデータの中央値及び標準偏差についての確認が行われると、異常検知工程が完了する。異常検知工程でアラームあるいはワーニングが発報されていれば、異常があると判断され、部位検出工程で異常のある箇所が検出される。
　次に、部位検出工程について説明する。部位検出工程では、異常検知工程で異常が検知されたときのサーボモータに流れる電流の波形がどのパターンに分類されるか検出される。
　部位検出工程のフローについて、図７にフローチャートを示す。部位検出工程では、異常検知工程で異常が検知されたときのサーボモータに流れる電流の波形が、異常が発生する前の基準の波形に対し、どのように変化したかを検出する。
　まず、異常が検知されたときのサーボモータに流れる電流の波形が、基準の波形に対し、相似的に拡大されたものであるか否かを検知する。
　まず、基準波形が拡大される（Ｓ５０１）。基準波形が拡大されると、拡大された基準波形と、異常が検知されたときのサーボモータに流れる電流の波形とが比較される。ここでは、拡大された基準波形と取得した対象の波形との間の相関値が算出される（Ｓ５０２）。
　拡大された基準波形と異常が検知されたときのサーボモータに流れる電流の波形との間の相関値が算出されると、相関値が基準値に対し、５パーセント以下の差に収まっているか否かが検知される（Ｓ５０３）。
　相関値が高ければ高いほど、拡大された基準波形と、サーボモータに流れる電流の波形とが、より一致していると考えられる。相関値が予め定められている基準値に対し、５パーセント以下の差に収まっている場合には、拡大された基準波形と取得した対象の波形とが概ね一致していると判断される。従って、異常が検知されたときのサーボモータに流れる電流の波形が、基準波形に対し、相似的に拡大しているものと判断される。従って、そのときの拡大率が１１０パーセント以下であるか否かが検知される（Ｓ５０４）。
　異常が検知されたときのサーボモータに流れる電流の波形が、基準波形に対し相似的に拡大し、拡大率が１１０パーセント以下である場合には、波形が相似的に拡大し、拡大率小と推定される。従って、その場合には、異常が検知されたときのサーボモータに流れる電流の波形がパターン１に分類される。このように、異常が生じたと検知されたときのサーボモータに流れる電流の波形が、異常が生じていないときのサーボモータに流れる電流の基準波形に対し、相似的に拡大し、拡大率が閾値以下であるときをパターン１とする。
　異常が検知されたときのサーボモータに流れる電流の波形が、基準波形に対し相似的に拡大し、拡大率が１１０パーセントよりも大きい場合には、波形が相似的に拡大し、拡大率大と推定される。従って、その場合には、異常が検知されたときのサーボモータに流れる電流の波形がパターン２に分類される。このように、異常が生じたと検知されたときのサーボモータに流れる電流の波形が、異常が生じていないときのサーボモータに流れる電流の基準波形に対し、相似的に拡大し、拡大率が閾値よりも大きいときをパターン２とする。
　Ｓ５０３で、相関値が基準値に対し、５パーセント以下の差に収まっていない場合には、拡大された基準波形と取得した対象の波形とが一致していないと判断される。その場合には、拡大された基準波形と取得した対象の波形との間の相関値が前回よりも大きいか否かが検出される（Ｓ５０５）。
　相関値が前回の値以下である場合には、拡大された基準波形が対象の波形に近づいていると判断され、さらに基準波形の拡大率を増加させ（Ｓ５０６）、さらに拡大された基準波形と取得した対象の波形との間の相関についての確認が再び繰り返される。
　Ｓ５０５で、拡大された基準波形と取得した対象の波形との間の相関値が前回よりも大きい場合には、拡大された基準波形の拡大率を変化させてもサーボモータに流れる電流の波形に近づいておらず、基準波形とサーボモータに流れる電流の波形との間で相関が小さいと判断される。拡大率を変化させても拡大された基準波形と取得した対象の波形との間の差が大きくなりつつあるので、取得した対象の波形が基準波形に対し相似的に拡大しているわけではないと判断される。そのため、そのような場合には、対象波形についてのＦＦＴ解析が行われる（Ｓ５０７）。
　ＦＦＴ解析の行われた対象波形についての周波数ごとの分析について図８のフローチャートを用いて説明する。
　対象波形についてＦＦＴ解析が行われ、波形について周波数ごとの分析が行われる（Ｓ６０１）。
　特定の周波数帯の強度が、他の周波数帯の強度（パワースペクトル）の１．５倍以上であるか否かが検知される（Ｓ６０２）。特定の周波数帯の強度が他の周波数帯の強度の１．５倍以上であるか否かが検知される際には、他の周波数帯の強度に比べて１．５倍以上の強度の周波数帯が有るか否かを検知し、その周波数帯が特定の周波数帯に収まっているか否かが検知される。
　他の周波数帯の強度に比べて１．５倍以上の強度の周波数帯が有り、且つ、その周波数帯が所定の周波数帯の範囲内に収まっている場合には、特定の周波数帯の強度が他の周波数帯の強度の１．５倍以上であると判断される。特定の周波数帯の強度が、他の周波数帯の強度の１．５倍以上である場合には、波形に発振傾向が見られると判断される。従って、その場合には、異常が検知されたときのサーボモータに流れる電流の波形がパターン３に分類される。このように、異常が生じたと検知されたときのサーボモータに流れる電流の波形をフーリエ変換し、基準波形に対して、サーボモータに流れる電流波形の成分が一定以上大きな周波数が存在し、その周波数が所定の周波数範囲に収まっているときをパターン３とする。ここでいう発振傾向が見られる波形は、一定の周波数に亘ってノイズが見られるような波形のことをいうものとする。
　発振傾向の見られる波形では、通常、高周波数の領域で、通常の波形とは異なるノイズのような部分が見られる。特定の周波数は、高周波数の領域となることが多い。本実施形態では、ロボットや減速機よりも高周波数の領域で、他の周波数帯の強度に比べて１．５倍以上の強度の周波数帯が有る場合に、発振傾向が見られる波形とし、パターン３に分類されるものとする。
　特定周波数帯の強度が、他の周波数帯の強度の１．５倍以上でない場合には、特定の周波数で強度が他の周波数帯の強度の１．５倍以上であるか否かが検知される（Ｓ６０３）。つまり、狭い範囲の周波数成分でのみ、強度が、他の周波数成分における強度の１．５倍以上である部分が存在するか否かが検知される。
　Ｓ６０３で、狭い範囲の周波数成分でのみ、強度が他の周波数帯の強度の１．５倍以上である周波数成分がある場合には、波形に、狭い範囲の周波数成分のみ大きく突出したパルスが見られると判断される。このように、強度が他の周波数帯の強度に比べて１．５倍以上ある周波数成分があり、その周波数が特定の周波数帯の領域に収まっていない場合には、狭い範囲の周波数成分でのみ大きく突出したパルスが見られる波形であると判断される。従って、その場合には、異常が検知されたときのサーボモータに流れる電流の波形がパターン４に分類される。このように、異常が生じたと検知されたときのサーボモータに流れる電流の波形をフーリエ変換し、基準波形に対して、サーボモータに流れる電流波形の成分が一定以上大きな周波数が存在し、その周波数が所定の周波数範囲に収まっていないときをパターン４とする。ここでいうパルスが見られる波形は、局所的に一定のレベルから外れた部分が見られるような波形のことをいうものとする。
　Ｓ６０３で、狭い範囲の特定の周波数成分でのみ、強度が他の周波数帯の強度の１．５倍以上である周波数成分が存在しない場合には、異常箇所を検出できないとして判断される。そのため、他の手法を用いて異常箇所を検出することになる。
　なお、本実施形態では、Ｓ６０２で、特定周波数帯の強度が、他の周波数帯の強度（パワースペクトル）の１．５倍以上であるか否かが検知されているが、本発明はこれに限定されない。波形の全体に亘って、対象波形の特定の周波数帯の強度（パワースペクトル）が、基準波形における同一周波数帯の強度（パワースペクトル）の１．５倍以上であるか否かが検知されてもよい。
　次に、異常が生じたときの、各パターンについての波形を示す。
　図９に、サーボモータに流れる電流の波形が、基準波形に対し、相似的に拡大し、拡大率が１１０パーセントであるとき（パターン１）の波形を示す。図１０に、サーボモータに流れる電流の波形が、基準波形に対し、相似的に拡大し、拡大率が２００パーセントであるとき（パターン２）の波形を示す。図１１に、サーボモータに流れる電流の波形に発振傾向があるとき（パターン３）の波形を示す。図１２に、サーボモータに流れる電流の波形にパルスの成分が生じているとき（パターン４）の波形を示す。
　異常が検知されたときのサーボモータに流れる電流の波形が、これらの４パターンのうちのいずれかにあてはまる場合には、どのパターンにあてはまるかが検出され、あてはまるパターンについて記憶される。そして、異常検知工程でアラームあるいはワーニングが発報された項目と、異常が検知されたときのサーボモータに流れる電流の波形のパターンと、から異常の生じた部位が推定される。
　本実施形態では、予め、異常の生じた部位に関するテーブルが作成されている。このテーブルでは、アラームあるいはワーニングが発報された項目と、異常が検知されたときのサーボモータに流れる電流の波形のパターンと、に応じた、推定される異常の生じた部位が示されている。そのため、テーブルを参照することにより、アラームあるいはワーニングが発報された項目と、異常が検知されたときのサーボモータに流れる電流の波形のパターンとから、異常の生じた部位を推定することができる。このように、複数の種類について検出された日ごとの電流値のうちの所定の範囲から外れた値の種類と、異常が生じたと検知されたときのサーボモータに流れる電流の波形と、から、異常の生じている部位が推定される（推定工程）。本実施形態では、異常が生じたと検知されたときのサーボモータに流れる電流の波形が、予め定められている複数のパターンのうち、どのパターンに適合するかが選択される（選択工程）。具体的には、異常が生じたと検知されたときのサーボモータに流れる電流の波形が、パターン１からパターン４までのうち、いずれのパターンに適合するかが選択される（電流値パターン選択工程）。
　予め作成されている、異常の生じた部位に関するテーブルについて図１３に示す。
　図１３に示されるように、２乗平均値の中央値が閾値を超え、そこでアラームもしくはワーニングが発報されたときに、そのときのサーボモータに流れる電流の波形が相似的に拡大し、拡大率が小であるとき（パターン１）には、減速機が故障していると推測される。
　また、２乗平均値の中央値が閾値を超え、そこでアラームもしくはワーニングが発報されたときに、そのときのサーボモータに流れる電流の波形が相似的に拡大し、拡大率が大であるとき（パターン２）には、ロボットで用いられているハーネスで異常が生じていると推測される。ここでは、特に、モータブレーキに接続される配線上（モータブレーキライン）で損耗が生じ、これによって電気的な抵抗が大きくなっていると推測される。
　また、２乗平均値の中央値が閾値を超え、そこでアラームもしくはワーニングが発報されたときに、そのときのサーボモータに流れる電流の波形が発振傾向の見られる波形である場合（パターン３）には、主として減速機で経年劣化によってロストモーション（ガタ）が大きくなっていると推定される。
　また、２乗平均値の標準偏差が閾値を超え、そこでアラームもしくはワーニングが発報されたときに、そのときのサーボモータに流れる電流の波形が発振傾向の見られる波形である場合（パターン３）には、減速機が故障していると推測される。
　また、ピーク値の中央値が閾値を超え、そこでアラームもしくはワーニングが発報され、そのときのサーボモータに流れる電流の波形が相似的に拡大し、拡大率が小であるとき（パターン１）には、減速機が故障していると推測される。
　また、ピーク値の中央値が閾値を超え、そこでアラームもしくはワーニングが発報され、そのときのサーボモータに流れる電流の波形が相似的に拡大し、拡大率が大であるとき（パターン２）には、ロボットで用いられているハーネスで異常が生じていると推測される。ここでは、特に、モータブレーキに接続されるハーネスで損耗が生じ、これによって電気的な抵抗が大きくなっていると推測される。
　また、ピーク値の標準偏差が閾値を超え、そこでアラームもしくはワーニングが発報され、そのときのサーボモータに流れる電流の波形が発振傾向の見られる波形である場合（パターン３）には、減速機が故障していると推測される。
　また、ピーク値の標準偏差が閾値を超え、そこでアラームもしくはワーニングが発報され、そのときのサーボモータに流れる電流の波形がパルスの見られる波形である場合（パターン４）には、３つの異常のケースが考えられる。１つ目のケースは、ロボットで用いられているハーネスで異常が生じていると推測され、特に、三相モータの電源線に接続されるハーネス（三相モータのライン）で瞬間短絡あるいは地絡が生じていると推測される。２つ目のケースは、ロボットで用いられているハーネスで異常が生じていると推測され、特に、モータブレーキに接続されるハーネス（モータブレーキのライン）で瞬間断線が生じていると推測される。３つ目のケースは、サーボモータで異常が生じていると推測される。サーボモータでは、具体的には、内部のマグネットが破損している場合が多いと考えられる。
　このように、異常の生じている部位が、所定の範囲から外れた値の種類と、異常が生じたと検知されたときのサーボモータに流れる電流の波形とに応じて、テーブルに予めまとめられている。そして、テーブルを参照することにより、異常の生じている部位が推定されている。
　本実施形態では、所定の範囲から外れた値の種類の項目と、異常が生じたと検知されたときのサーボモータに流れる電流の波形と、に対し、関係付けられる異常の生じた部位については、経験的に関係付けられている。
　このように、予め作成されていたサーボモータに流れる電流についての２乗平均値、ピーク値についての中央値と標準偏差と、異常が検出されたときのサーボモータに流れる電流の波形との関係のテーブルが参照され、異常の生じている部位についての推測が行われる。異常が生じていることが検出されたときに、予め作成されているテーブルに基づいて異常の生じている部位が推測されるので、異常の生じていると推測される部位について報知することができる。異常の生じている部位について推定し、異常の生じている部位を報知するので、報知された部位についての部品の交換等のメンテナンスを行うことによって、装置のメンテナンスを行うことができる。従って、異常の生じた部位について探索する必要がなく、探索のための手間がかからずに済む。
　異常の生じた部位の探索のための手間を省くことができるので、メンテナンス等の際の装置の取り扱いを容易に行うことができる。そのため、使い勝手の良い装置を提供することができる。
　また、メンテナンスのための時間を短縮することができ、メンテナンスのために作業が行うことのできない時間を短縮させることができる。従って、作業をより効率的に行うことができ、運転コストを少なく抑えることができる。
　なお、上記実施形態では、サーボモータに流れる電流値について、サイクルごとに２乗平均値とピーク値について算出し、日ごとに２乗平均値及びピーク値についての中央値、標準偏差を算出している。そして、テーブルを参照し、サーボモータに流れる電流値の波形を、所定のパターンに当てはめることにより異常の生じた部位を検出している。しかしながら、上記実施形態はこれに限定されず、サーボモータの位置偏差について、サイクルごとに２乗平均値とピーク値について算出し、日ごとにサーボモータの位置偏差における２乗平均値及びピーク値についての中央値、標準偏差が算出されてもよい。また、日ごとにサーボモータの位置偏差についての２乗平均値及びピーク値についての中央値、標準偏差から異常が検出されたときに、サーボモータの位置偏差の波形について、所定のパターンから適合するパターンを選択することにより異常の生じた部位を検出してもよい。
　このように、異常検知工程あるいは部位検出工程において検出されて観察される被観察値として、サーボモータの位置偏差が用いられてもよい。
　ここでいう位置偏差は、位置に関する指令値と、実際のロボットの位置との間のずれのことをいうものとする。
　サーボモータの位置偏差は、例えば、位置指令値から逆算されるサーボモータの角度位置とエンコーダによる実際の出力結果との間の差であってもよい。指令値としてサーボモータに位置指令が与えられず、電流指令や速度指令のみが与えられる場合には、サイクル中のロボットの位置は、データ（時間の関数としての位置データ）から逆算されるサーボモータの角度位置であってもよい。
　サーボモータの位置偏差について、サイクルごとに２乗平均値とピーク値について算出し、日ごとに２乗平均値及びピーク値についての中央値、標準偏差が算出される形態について説明する。
　ロボットが繰り返し行う動作における１サイクルごとの動作についての所定の動作で、サイクルごとに、サーボモータの位置偏差が検出される（サイクル位置偏差検出工程）。サイクル位置偏差検出工程では、所定の動作におけるサーボモータの位置偏差についての２乗平均値と、ピーク値とがサイクルごとに算出される。
　サイクルごとに検出される位置偏差から、日ごとの位置偏差が検出される（日毎位置偏差検出工程）。日毎位置偏差検出工程では、２乗平均値の中央値が日ごとに算出され（位置偏差２乗平均中央値算出工程）、２乗平均値の標準偏差が日ごとに算出され（位置偏差２乗平均標準偏差算出工程）、ピーク値の中央値が日ごとに算出され（位置偏差ピーク中央値算出工程）、ピーク値の標準偏差が日ごとに算出される（位置偏差ピーク標準偏差算出工程）。
　異常検知工程では、日ごとの位置偏差についての代表値が所定の範囲から外れたときに、異常が生じたことが検知される。異常が生じたことが検知されると、異常の生じた部位を検出する部位検出工程が行われる。
　部位検出工程では、複数の種類について検出された日ごとの位置偏差のうちの所定の範囲から外れた値の種類と、異常検知工程で異常が生じたと検知されたときのサーボモータの位置偏差の波形と、から、異常の生じている部位が推定される（推定工程）。
　本実施形態においても、異常の生じている部位について、所定の範囲から外れた値の種類と、異常検知工程で異常が生じたと検知されたときのサーボモータの位置偏差の波形のパターンとに応じて、テーブルに予めまとめられている。推定工程では、そのテーブルを参照することにより、異常の生じている部位が推定される。
　異常が生じたときのサーボモータの位置偏差の波形について図１４、１５に示す。図１４は、サーボモータの位置偏差の波形において、基準波形に対し、発振傾向が生じているときの波形について示したグラフである。
　サーボモータの位置偏差において、図１４に示される波形が見られる場合には、電流値の波形を見る場合のパターン３と同様に、波形に発振傾向があると判断される（パターン５）。
　図１５は、サーボモータの位置偏差の波形において、基準波形に対し、パルスが生じているときの波形について示したグラフである。
　サーボモータの位置偏差において、図１５に示される波形が見られる場合には、電流値の波形を見る場合のパターン４と同様に、波形にパルスが見られると判断される（パターン６）。
　サーボモータの位置偏差の波形では、機構上、波形が基準波形に対し相似的に拡大することは考え難い。従って、サーボモータの位置偏差の波形が、基準波形に対し相似的に拡大するような波形になることは考えられ難く、ここではサーボモータの位置偏差の波形が基準波形に対し相似的に拡大しているか否かの判断は行われない。
　サーボモータの位置偏差の波形が、発振傾向の見られる波形（パターン５）であるか、パルスの見られる波形（パターン６）であるかについては、サーボモータに流れる電流値の波形から判断する場合と同様に、サーボモータの位置偏差の波形についてＦＦＴ解析が行われる。サーボモータの位置偏差の波形についてＦＦＴ解析が行われてから、サーボモータの位置偏差の波形がどのパターンに適合するのかを検出する際には、サーボモータの電流の波形について検出の行われたＳ６０１～Ｓ６０３（図８）と同様に行われる。
　サーボモータの位置偏差の波形についてＦＦＴ解析が行われると、特定の周波数帯の強度が、他の周波数帯の強度の１．５倍以上であるか否かが検知される。また、特定の周波数帯の強度が、他の周波数帯の強度の１．５倍以上である場合には、その周波数帯が特定の周波数帯に収まっているか否かが検知される。
　他の周波数帯の強度に比べて１．５倍以上の強度の周波数帯が有り、且つ、その周波数帯が所定の周波数帯の範囲内に収まっている場合には、特定の周波数帯の強度が他の周波数帯の強度の１．５倍以上であると判断される。その場合には、波形に発振傾向が見られると判断され、異常が検知されたときのサーボモータの位置偏差の波形がパターン５に分類される。
　他の周波数帯の強度の１．５倍以上である特定周波数帯が、所定の周波数帯の範囲内に収まっていない場合には、その他の特定の周波数で強度が他の周波数帯の強度の１．５倍以上であるか否かが検知される。つまり、狭い範囲の周波数成分でのみ、強度が、他の周波数成分における強度の１．５倍以上である部分が存在するか否かが検知される。
　狭い範囲の周波数成分でのみ、強度が他の周波数帯の強度の１．５倍以上である周波数成分がある場合には、波形に、特定の周波数成分のみ大きく突出したパルスが見られると判断される。従って、その場合には、異常が検知されたときのサーボモータの位置偏差の波形がパターン６に分類される。
　このように、異常が生じたと検知されたときのサーボモータの位置偏差の波形が、パターン５またはパターン６のうち、いずれのパターンに適合するかが選択される（位置偏差パターン選択工程）。
　サーボモータの日ごとの位置偏差についての所定の範囲から外れた値の種類と、異常検知工程で異常が生じたと検知されたときのサーボモータの位置偏差の波形のパターンとに応じた、異常の生じている部位についてのテーブルを図１６に示す。
　図１６に示されるように、サーボモータの位置偏差についての２乗平均値の中央値が閾値を超え、そこでアラームもしくはワーニングが発報されたときに、そのときのサーボモータの位置偏差の波形がパルスの見られる波形である場合には、ロボットで用いられているハーネスで異常が生じていると推測される。ここでは、特に、三相モータの電源線に接続されるハーネス（三相モータのライン）で損耗が生じ、これによって抵抗が大きくなっていると推測される。
　また、サーボモータの位置偏差についての２乗平均値の中央値が閾値を超え、そこでアラームもしくはワーニングが発報されたときに、そのときのサーボモータの位置偏差の波形が発振傾向の見られる波形である場合には、ロボットで用いられているハーネスで異常が生じていると推測される。ここでは、特に、三相モータの電源線に接続されるハーネス（三相モータのライン）で瞬間断線が生じていると推測される。
　また、サーボモータの位置偏差についてのピーク値の標準偏差が閾値を超え、そこでアラームもしくはワーニングが発報されたときに、そのときのサーボモータの位置偏差の波形がパルスの見られる波形である場合には、ロボットで用いられているハーネスで異常が生じていると推測される。ここでは、特に、三相モータの電源線に接続されるハーネス（三相モータのライン）で瞬間断線が生じていると推測される。
　このように、サーボモータの位置偏差についての２乗平均値、ピーク値についての中央値と標準偏差と、異常が検出されたときのサーボモータの位置偏差の波形との関係のテーブルが参照されて、異常の生じている部位についての推測を行うことができる。サーボモータの位置偏差についての２乗平均値、ピーク値についての中央値と標準偏差とを検出し、位置偏差の波形に基づいて異常の生じた位置を検出する手法を用いた場合であっても、テーブルに基づいて異常の生じている部位を推測することができる。
　例えば、ハーネスに断線等の異常があった場合には、サーボモータの位置偏差に影響が大きく表れ易い。そのため、ハーネスに異常が生じているかどうかの確認を行うには、サーボモータの位置偏差について２乗平均値、ピーク値についての中央値と標準偏差を算出し、これらの値から異常が生じているか否かの検知を行うと共に異常の生じたときの位置偏差の波形を用いて異常の生じている部位の検出を行う方がより適している。これにより、ハーネスに異常が生じているかどうかをより確実に検知することができる。
　また、サーボモータに流れる電流値と、サーボモータの位置偏差とを複合的に用いて異常検知工程を行うと共に部位検出工程を行うこととしてもよい。複合的な検出結果から異常が生じていることを検出すると共に、部位検出工程で異常の生じた部位を検出するので、装置で経年劣化に起因する異常が生じたときに、より確実に異常が生じたことを検知することができる。
　図２に示される電流取得手段１５による電流値の取得については、ロボット１００の演算部１４ａより直接電流指令値を取得する他、サーボモータに流れる電流値をセンサにて直接取得する方法もある。しかし、サーボモータとして三相モータが用いられる場合、三相モータの各相を流れる電流についての電流値が検出されたとしても、電流値が３つあり、また電流が交流電流であることから３つの電流値が時々刻々と変化するので、グラフにすることが難しい。電流値を時系列の波形としてグラフに表すには、電流値を１つの値で算出することが望ましい。
　ここで、サーボモータに流れる電流値を取得する際に使用される式について説明する。
　三相モータの各相を流れる電流（ｉｕ、ｉｖ、ｉｗ）を、トルクに寄与しない電流のｉｄ軸電流（ｉｄ）と、トルクに寄与するトルク成分電流としてのｉｑ軸電流（ｉｑ）との２軸に変換させる。
Figure JPOXMLDOC01-appb-M000001
  
　ｉｕ、ｉｖ、ｉｗは、平衡三相交流なので、各相の電流は、式２のように表せる。
Figure JPOXMLDOC01-appb-M000002
  
　また、ステータ界磁電流ベクトルとしてのｉｑと、ロータ界磁成分ベクトルとしてのｉｄとが、直交するように制御されていると仮定すると、式３の関係が満たされる（特殊な状況下でない限りモータは式３の関係が満たされるように制御されている）。
Figure JPOXMLDOC01-appb-M000003
  
　式２、式３を用いて式１を計算すると、式４が導かれる。
Figure JPOXMLDOC01-appb-M000004
  
　式４の関係を用いて各相電流の二乗和を計算する。
Figure JPOXMLDOC01-appb-M000005
  
　式５を変形させると、式６が導かれる。
Figure JPOXMLDOC01-appb-M000006
  
　式６から、ｉｑ／（２）１／２を電流指令値として用いることができる。
　このように、電流値が一つの値で算出されるので、電流指令値について時系列の波形をグラフに表すことができる。これにより、サーボモータによるトルクが一定である場合には、トルク成分電流値ｉｑが一定し、一つの電流値として容易に算出することができる。
　本実施形態では、ｉｑ／（２）１／２を電流値として用いることができるので、異常検知工程で、被観察値としてサーボモータの電流値を用いる場合に、電流値についての２乗平均値と、ピーク値とをサイクルごとに算出することができる。従って、サイクルごとのサーボモータに流れる電流値についての代表値を算出することができる。また、サイクルごとに算出される電流値についての代表値から、日ごとの電流値についての代表値を算出することができる。
　また、サーボモータを流れる電流値についての波形をグラフに表すことができるので、異常が生じたときに、電流値についての波形が、予め定められている複数のパターンのうち、どのパターンに適合するかを選択することができる。これにより、異常が生じた部位の推定を容易に行うことができる。
　１００　ロボット
　５０　制御装置

Claims (11)

  1. 　サーボモータを用いてアームを駆動させるロボットにおける異常の生じた部位の推定方法であって、
    　異常が生じたことを検知する異常検知工程と、
    　前記異常検知工程で異常が生じたと検知されたときに、どの部位で異常が生じているかを検出する部位検出工程と
    　を備えていることを特徴とする異常の生じた部位の推定方法。
  2. 　前記ロボットが繰り返し行う動作における１サイクルごとの動作についての所定の動作で、前記サーボモータに流れる電流値あるいは前記サーボモータの位置偏差を被観察値として推移を観察し、サイクルごとの前記被観察値についての代表値を検出するサイクル被観察値検出工程と、
    　サイクルごとに検出される前記被観察値についての代表値から日ごとの前記被観察値についての代表値を検出する日毎被観察値検出工程と、を備えていることを特徴とする請求項１に記載の異常の生じた部位の推定方法。
  3. 　前記異常検知工程では、日ごとの前記被観察値についての代表値が所定の範囲から外れたときに、異常が生じたことを検知することを特徴とする請求項２に記載の異常の生じた部位の推定方法。
  4. 　前記部位検出工程は、複数の種類について検出された日ごとの前記被観察値についての代表値のうちの所定の範囲から外れた値の種類と、前記異常検知工程で異常が生じたと検知されたときの前記被観察値についての波形と、から、異常の生じている部位を推定する推定工程を備えていることを特徴とする請求項３に記載の異常の生じた部位の推定方法。
  5. 　前記異常の生じている部位が、前記所定の範囲から外れた値の種類と、前記異常検知工程で異常が生じたと検知されたときの前記被観察値についての波形とに応じて、テーブルに予めまとめられ、
    　前記推定工程では、前記テーブルを参照することにより、前記異常の生じている部位が推定されることを特徴とする請求項４に記載の異常の生じた部位の推定方法。
  6. 　前記サイクル被観察値検出工程は、前記所定の動作における前記被観察値についての２乗平均値と、ピーク値とをサイクルごとに算出し、
    　前記日毎被観察値検出工程では、
    　前記２乗平均値の中央値を日ごとに算出する２乗平均中央値算出工程と、
    　前記２乗平均値の標準偏差を日ごとに算出する２乗平均標準偏差算出工程と、
    　前記ピーク値の中央値を日ごとに算出するピーク中央値算出工程と、
    　前記ピーク値の標準偏差を日ごとに算出するピーク標準偏差算出工程とを備えていることを特徴とする請求項４または５に記載の異常の生じた部位の推定方法。
  7. 　前記異常検知工程では、
    　前記２乗平均中央値算出工程で算出された前記２乗平均値の中央値と、
    　前記２乗平均標準偏差算出工程で算出された前記２乗平均値の標準偏差と、
    　前記ピーク中央値算出工程で算出された前記ピーク値の中央値と、
    　前記ピーク標準偏差算出工程で算出された前記ピーク値の標準偏差と、のいずれかの値が所定の範囲から外れたときに、異常が生じたことを検知することを特徴とする請求項６に記載の異常の生じた部位の推定方法。
  8. 　前記推定工程は、
    　前記異常検知工程で異常が生じたと検知されたときの前記被観察値の波形が、予め定められている複数のパターンのうち、どのパターンに適合するかを選択する選択工程を備えていることを特徴とする請求項４から７のいずれか１項に記載の異常の生じた部位の推定方法。
  9. 　前記被観察値は、前記サーボモータに流れる電流値であり、
    　前記選択工程では、前記異常検知工程で異常が生じたと検知されたときの前記サーボモータに流れる電流の波形が、異常が生じていないときの前記サーボモータに流れる電流の基準波形に対し、相似的に拡大し、拡大率が閾値以下であるときをパターン１とし、
    　拡大率が閾値よりも大きいときをパターン２とし、
    　基準波形に対して、その成分が一定以上大きな周波数が存在し、該周波数が所定の周波数範囲に収まっているときをパターン３とし、
    　前記周波数が所定の周波数範囲に収まっていないときをパターン４とし、
    　前記選択工程は、前記異常検知工程で異常が生じたと検知されたときの前記サーボモータに流れる電流の波形が、前記パターン１から前記パターン４までのうち、いずれのパターンに適合するかを選択する電流値パターン選択工程を備えていることを特徴とする請求項８に記載の異常の生じた部位の推定方法。
  10. 　前記被観察値は、前記サーボモータの位置偏差であり、
    　前記選択工程では、前記異常検知工程で異常が生じたと検知されたときの前記サーボモータの位置偏差の波形が、異常が生じていないときの前記サーボモータの位置偏差の基準波形に対し、その成分が一定以上大きな周波数が存在し、該周波数が所定の周波数範囲に収まっているときをパターン５とし、
    　前記周波数が所定の周波数範囲に収まっていないときをパターン６とし、
    　前記選択工程は、前記異常検知工程で異常が生じたと検知されたときの前記サーボモータの位置偏差の波形が、前記パターン５または前記パターン６のうち、いずれのパターンに適合するかを選択する位置偏差パターン選択工程を備えていることを特徴とする請求項８に記載の異常の生じた部位の推定方法。
  11. 　サーボモータを用いてアームを駆動させるロボットにおける異常の生じた部位の推定を行わせるプログラムであって、
    　異常が生じたことを検知する異常検知工程と、
    　前記異常検知工程で異常が生じたと検知されたときに、どの部位で異常が生じているかを検出する部位検出工程と
    　をコンピュータに実行させることを特徴とする異常の生じた部位の推定を行わせるプログラム。
PCT/JP2018/036762 2017-10-03 2018-10-02 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 WO2019069877A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201880062326.3A CN111148609B (zh) 2017-10-03 2018-10-02 异常产生的部位的推定方法和记录执行异常产生的部位的推定的程序的记录介质
US16/753,407 US11241793B2 (en) 2017-10-03 2018-10-02 Method for estimating position where abnormality has occurred, and program for estimating position where abnormality has occurred
EP18864190.6A EP3693140A4 (en) 2017-10-03 2018-10-02 METHOD OF ESTIMATING THE LOCATION AT WHICH ANOMALY HAS BEEN GENERATED AND PROGRAM FOR EXECUTING THE ESTIMATION OF THE LOCATION AT WHICH ANOMALY HAS GENERATED

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-193595 2017-10-03
JP2017193595A JP7021895B2 (ja) 2017-10-03 2017-10-03 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

Publications (1)

Publication Number Publication Date
WO2019069877A1 true WO2019069877A1 (ja) 2019-04-11

Family

ID=65994326

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/036762 WO2019069877A1 (ja) 2017-10-03 2018-10-02 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

Country Status (5)

Country Link
US (1) US11241793B2 (ja)
EP (1) EP3693140A4 (ja)
JP (1) JP7021895B2 (ja)
CN (1) CN111148609B (ja)
WO (1) WO2019069877A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021049061A1 (ja) * 2019-09-13 2021-03-18 三菱重工業株式会社 診断装置、診断方法および診断プログラム

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102596214B1 (ko) * 2019-07-04 2023-11-01 엘지전자 주식회사 로봇의 이상감지 시스템 및 그 제어방법
JP7396850B2 (ja) * 2019-10-18 2023-12-12 ファナック株式会社 ロボット
JP2021084177A (ja) * 2019-11-28 2021-06-03 ファナック株式会社 無人搬送ロボットシステム
JP7477367B2 (ja) * 2020-05-29 2024-05-01 株式会社日立製作所 異常機器判定システム
JP7452504B2 (ja) * 2021-09-07 2024-03-19 Ｊｆｅスチール株式会社 プロセスの異常状態判定方法およびプロセスの異常状態判定装置
CN117233602B (zh) * 2023-11-07 2024-01-30 迈为技术(珠海)有限公司 刺晶机老化检测方法和刺晶机

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07100724A (ja) * 1993-09-30 1995-04-18 Jatco Corp 被加工物用移動機構の監視装置
JPH09311715A (ja) * 1996-05-22 1997-12-02 Fanuc Ltd ロボットの異常発生履歴表示方法
JPH10254539A (ja) * 1997-03-10 1998-09-25 Nissan Motor Co Ltd 機械装置の駆動系の異常診断方法
JP2001333594A (ja) * 2000-05-22 2001-11-30 Sony Corp アクチュエータの負荷検出システム、及び、脚式移動ロボット
JP2005228732A (ja) * 2004-01-15 2005-08-25 Omron Corp 故障検出装置
JP2018153880A (ja) * 2017-03-16 2018-10-04 トヨタ自動車株式会社 ロボットの故障診断支援システム及び故障診断支援方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59188517A (ja) * 1983-04-11 1984-10-25 Fanuc Ltd サ−ボ制御系の絶対位置検出方式
JPH06344293A (ja) * 1993-06-03 1994-12-20 Nissan Motor Co Ltd 産業用ロボットの故障診断装置
JP2004326417A (ja) * 2003-04-24 2004-11-18 Institute Of Physical & Chemical Research 直動アクチュエータユニット
JP4755593B2 (ja) * 2004-06-29 2011-08-24 Ｔｈｋ株式会社 異常検出方法およびモータ制御装置
US9104650B2 (en) * 2005-07-11 2015-08-11 Brooks Automation, Inc. Intelligent condition monitoring and fault diagnostic system for preventative maintenance
JP2008022590A (ja) * 2006-07-10 2008-01-31 Nachi Fujikoshi Corp サーボモータ監視装置
JP2008269349A (ja) * 2007-04-20 2008-11-06 Fanuc Ltd 誤差過大検出機能を有する制御装置
JP5910428B2 (ja) * 2012-09-13 2016-04-27 オムロン株式会社 監視装置、監視方法、プログラムおよび記録媒体
WO2016103310A1 (ja) 2014-12-26 2016-06-30 川崎重工業株式会社 搬送装置の制御装置
JP6344293B2 (ja) 2015-04-03 2018-06-20 株式会社デンソー 電池パック
JP6659730B2 (ja) * 2015-05-21 2020-03-04 カスタニエンバウム ジーエムビーエイチ 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07100724A (ja) * 1993-09-30 1995-04-18 Jatco Corp 被加工物用移動機構の監視装置
JPH09311715A (ja) * 1996-05-22 1997-12-02 Fanuc Ltd ロボットの異常発生履歴表示方法
JPH10254539A (ja) * 1997-03-10 1998-09-25 Nissan Motor Co Ltd 機械装置の駆動系の異常診断方法
JP2001333594A (ja) * 2000-05-22 2001-11-30 Sony Corp アクチュエータの負荷検出システム、及び、脚式移動ロボット
JP2005228732A (ja) * 2004-01-15 2005-08-25 Omron Corp 故障検出装置
JP2018153880A (ja) * 2017-03-16 2018-10-04 トヨタ自動車株式会社 ロボットの故障診断支援システム及び故障診断支援方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021049061A1 (ja) * 2019-09-13 2021-03-18 三菱重工業株式会社 診断装置、診断方法および診断プログラム
JP2021043129A (ja) * 2019-09-13 2021-03-18 三菱重工業株式会社 診断装置、診断方法および診断プログラム

Also Published As

Publication number Publication date
US11241793B2 (en) 2022-02-08
EP3693140A4 (en) 2021-07-28
US20200306971A1 (en) 2020-10-01
JP7021895B2 (ja) 2022-02-17
CN111148609A (zh) 2020-05-12
JP2019067240A (ja) 2019-04-25
EP3693140A1 (en) 2020-08-12
CN111148609B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
WO2019069877A1 (ja) 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
CN108638128B (zh) 一种工业机器人的实时异常监测方法及其系统
TWI710701B (zh) 泵浦監測裝置及其方法
JP5009791B2 (ja) インテリジェント駆動装置
JP7139122B2 (ja) 電気的シグネチャ解析に基づく機械の監視と診断のための自律的手順
EP3246689B1 (en) Method and system for monitoring mechanical bearing
JP2018169769A5 (ja)
CN110174873B (zh) 伺服控制装置
EP2613163B1 (en) Self-diagnostic apparatus and method for electric device
CN112673327A (zh) 控制装置及程序
JP2019096289A (ja) 異常検出装置、異常検出方法、異常検出プログラム及び異常検出システム
JP6708676B2 (ja) 異常要因特定装置
CN116018245A (zh) 状态监视装置、状态异常判别方法以及状态异常判别程序
EP3234706B1 (en) Apparatus and methods for monitoring subsea electrical systems using adaptive models
CN117482443B (zh) 一种消防设备健康监测方法及系统
JP4538730B2 (ja) モータ制御装置
US11005407B2 (en) Data obtaining method, inverter, and rotating electric machine
CN107924347B (zh) 用于确定电气设备的平均故障时间的方法
JP6781845B2 (ja) 工作機械の監視システム
JP6087262B2 (ja) 数値制御装置
JP7245994B2 (ja) 異常診断装置及びそれを備えたロボット制御装置
JP2023110262A (ja) ロボット診断装置、ロボット診断方法およびロボット診断プログラム
WO2021240959A1 (ja) 異常機器判定システム
US20230258538A1 (en) Synchronization device and storage medium
CN115113040A (zh) 电动机的异常诊断装置、异常诊断方法以及异常诊断程序

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18864190

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018864190

Country of ref document: EP

Effective date: 20200504