WO2024154652A1 - 異常監視装置およびロボットシステム - Google Patents

異常監視装置およびロボットシステム Download PDF

Info

Publication number
WO2024154652A1
WO2024154652A1 PCT/JP2024/000541 JP2024000541W WO2024154652A1 WO 2024154652 A1 WO2024154652 A1 WO 2024154652A1 JP 2024000541 W JP2024000541 W JP 2024000541W WO 2024154652 A1 WO2024154652 A1 WO 2024154652A1
Authority
WO
WIPO (PCT)
Prior art keywords
wiring
joint
encoder
robot
related information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2024/000541
Other languages
English (en)
French (fr)
Inventor
将司 福井
淳 川井
豪 中村
勇輝 小崎
祥平 豊福
貴志 原田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kawasaki Heavy Industries Ltd
Kawasaki Motors Ltd
Original Assignee
Kawasaki Heavy Industries Ltd
Kawasaki Jukogyo KK
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 Kawasaki Heavy Industries Ltd, Kawasaki Jukogyo KK filed Critical Kawasaki Heavy Industries Ltd
Priority to CN202480007699.6A priority Critical patent/CN120530001A/zh
Publication of WO2024154652A1 publication Critical patent/WO2024154652A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • 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
    • 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

Definitions

  • This disclosure relates to an abnormality monitoring device and a robot system.
  • JP 2006-220460 A discloses a cable diagnostic device that monitors abnormalities in a power supply cable that supplies welding current to a welding gun attached to a welding robot.
  • This cable diagnostic device comprises a pulse signal transmitting section that transmits a pulse signal to the power supply cable, and a reflected pulse signal receiving section that receives a reflected pulse signal from the power supply cable.
  • JP 2006-220460 A it is determined whether or not the power supply cable has deteriorated based on the signal level of the reflected pulse signal received by the reflected pulse signal receiving section.
  • JP 2006-220460 A deterioration of power supply cables is determined. Meanwhile, in a robot such as that described in JP 2006-220460 A, wiring such as signal lines and power lines is arranged inside the robot. Furthermore, the wiring also deforms as the robot's posture changes, making it easy for wiring abnormalities to occur. In particular, the amount of deformation of wiring is large at the robot's joints, so it is desirable to monitor abnormalities in the wiring located at the robot's joints.
  • This disclosure has been made to solve the problems described above, and one objective of this disclosure is to provide an abnormality monitoring device and robot system capable of monitoring abnormalities in wiring located at the joints of a robot.
  • the abnormality monitoring device includes a receiving unit that receives wiring-related information about wiring placed in the joints of a robot, and a control unit that monitors whether the wiring is abnormal based on the wiring-related information received by the receiving unit.
  • the receiving unit receives wiring-related information about wiring placed at the joints of the robot. This makes it possible to receive wiring-related information from wiring located at the joints of the robot. Then, the control unit monitors whether the wiring is abnormal based on the wiring-related information received by the receiving unit, thereby making it possible to monitor abnormalities in the wiring located at the joints of the robot.
  • a robot system includes a robot including joints, and an abnormality monitoring device that monitors abnormalities in wiring arranged at the joints of the robot.
  • the abnormality monitoring device includes a receiving unit that receives wiring-related information about the wiring, and a control unit that monitors whether the wiring is abnormal based on the wiring-related information received by the receiving unit.
  • the receiving unit receives wiring-related information about wiring placed at the joints of the robot. This makes it possible to receive wiring-related information from wiring located at the joints of the robot. Then, the control unit monitors whether the wiring is abnormal based on the wiring-related information received by the receiving unit, thereby providing a robot system capable of monitoring abnormalities in the wiring located at the joints of the robot.
  • FIG. 1 is a block diagram of a robot system according to a first embodiment.
  • FIG. 1 is a diagram showing a robot according to a first embodiment.
  • 3A and 3B are diagrams for explaining an encoder and encoder wiring according to the first embodiment.
  • 5A and 5B are diagrams illustrating encoder wiring and shielding wires according to the first embodiment.
  • 1 is a block diagram of an abnormality monitoring device according to a first embodiment.
  • FIG. 13 is a diagram showing a reflected wave signal when the robot is in a home posture state.
  • FIG. 13 is a diagram showing a reflected wave signal when the robot's posture is changed from the home posture.
  • FIG. 13 is a diagram illustrating a reflected wave signal when an abnormality occurs in the shielded wire.
  • FIG. 11 is a block diagram of an abnormality monitoring device according to a second embodiment. 13 is a diagram for explaining an encoder and encoder wiring according to a modified example.
  • the robot system 100 includes a robot 10 and an abnormality monitoring device 20.
  • the robot system 100 is disposed in a facility 1 such as a factory.
  • the facility 1 is provided with an alarm unit 2 that issues an alarm.
  • the robot system 100 includes a robot 10, a robot controller 12, and a teaching pendant 13.
  • the robot 10 includes a robot arm 11, an end effector 14, a drive unit 15, and an encoder 16.
  • the robot 10 is, for example, a vertical articulated robot.
  • the end effector 14 is attached to the tip of the robot arm 11.
  • the end effector 14 is, for example, a torch or servo gun for welding.
  • the robot 10 includes a six-axis vertical articulated robot in which, from the base end to the tip end, there are arranged a first joint JT1, a second joint JT2, a third joint JT3, which in particular rotate in a torsional manner, and a fourth joint JT4, a fifth joint JT5, and a sixth joint JT6, which in particular rotate in a torsional manner.
  • the first joint JT1 to the sixth joint JT6 are collectively referred to as joints JT.
  • the number of joints JT may be other than six.
  • each joint JT includes a drive unit 15.
  • the drive unit 15 is, for example, a servo motor.
  • the drive unit 15 drives each joint JT.
  • the robot controller 12 controls the operation of the robot arm 11 based on the operation taught by the operator using the teaching pendant 13.
  • the robot controller 12 includes a main control unit 12a and a servo control unit 12b.
  • the servo control unit 12b controls the operation of the drive unit 15 based on commands from the main control unit 12a.
  • the teaching pendant 13 accepts operations to teach the robot 10 how to operate.
  • the teaching pendant 13 includes a display unit 13a on which an operating program and the like are displayed.
  • each joint JT includes an encoder 16 that detects the rotational position of each joint JT.
  • the encoder 16 is disposed at each joint JT.
  • Encoder wiring 17 is connected to the encoder 16.
  • the encoder wiring 17 transmits a signal related to the rotational position of each joint JT detected by the encoder 16 to the robot controller 12.
  • the encoder wiring 17 is an example of wiring.
  • the encoder wiring 17 is included in cable C.
  • a shield wire 18 is arranged to surround the encoder wiring 17.
  • the shield wire 18 is formed, for example, by braiding metal such as copper or aluminum.
  • the shield wire 18 has the function of suppressing the intrusion of noise into the encoder wiring 17 and suppressing the emission of electromagnetic waves from the encoder wiring 17.
  • An insulating layer 19a is arranged between the encoder wiring 17 and the shield wire 18.
  • an insulating layer 19b is arranged to surround the shield wire 18.
  • Cable C may be a multi-core cable.
  • the abnormality monitoring device 20 includes a signal input unit 21, a receiving unit 22, a control unit 23, a memory unit 24, and a lamp 25.
  • the signal input unit 21 inputs a signal to the encoder wiring 17.
  • the signal input unit 21 is a pulse generator that generates high frequency and inputs a high frequency pulse to the encoder wiring 17.
  • a switching circuit 30 is connected to the base end side of the encoder wiring 17.
  • the switching circuit 30 is, for example, a rotary switch.
  • the encoder wiring 17 is arranged for each joint JT. These encoder wirings 17 are respectively referred to as encoder wirings 17a, 17b, 17c, 17d, 17e, and 17f.
  • the encoder wirings 17a to 17f are each connected to the switching circuit 30.
  • the switching circuit 30 connects any one of the encoder wirings 17a to 17f to a VNA of the abnormality monitoring device 20, which will be described later. Note that in the example shown in FIG. 3, one switching circuit 30 and one VNA of the abnormality monitoring device 20 are arranged for six joints JT.
  • the receiver 22 of the abnormality monitoring device 20 receives wiring-related information of the encoder wiring 17 via the switching circuit 30. Specifically, the receiver 22 receives a reflected wave signal of the signal input to the encoder wiring 17 as the wiring-related information. If an abnormality occurs in the encoder wiring 17, the signal input to the encoder wiring 17 is reflected at the abnormal part of the encoder wiring 17. The receiver 22 receives a reflected wave signal that is a signal reflected from the abnormal part. The presence or absence of an abnormality in the encoder wiring 17 is detected based on the magnitude of the reflected wave signal and the time it takes for the reflected wave signal to return. This method of detecting the presence or absence of an abnormality is called the TDR (time domain reflectometry) method.
  • TDR time domain reflectometry
  • the control unit 23 monitors whether or not the encoder wiring 17 is abnormal based on the reflected wave signal received by the receiving unit 22.
  • the control unit 23 includes a microcomputer 23a and a personal computer (PC) 23b.
  • a VNA vector network analyzer
  • the microcomputer 23a performs a fast Fourier transform (FFT) on the reflected wave signal received by the receiving unit 22.
  • the microcomputer 23a calculates the magnitude of the reflected wave signal and the time until the reflected wave signal returns.
  • the PC 23b monitors whether or not the shielded wire 18 is abnormal based on the magnitude of the reflected wave signal calculated by the microcomputer 23a and the time until the reflected wave signal returns.
  • the PC 23b is an example of a judgment control unit.
  • FIG. 6 shows the reflected wave signal in the home posture state of the robot 10 when no abnormality occurs in the encoder wiring 17.
  • the vertical axis of FIG. 6, FIG. 7, and FIG. 8 represents the magnitude of the reflected wave signal
  • the horizontal axis represents the length of the encoder wiring 17.
  • FIG. 6 shows the reflected wave signal in the home posture state of the robot 10 when no abnormality occurs in the encoder wiring 17.
  • the vertical axis of FIG. 6, FIG. 7, and FIG. 8 represents the magnitude of the reflected wave signal
  • the horizontal axis represents the length of the encoder wiring 17.
  • the home posture state of the robot 10 is the basic posture of the robot 10. In the home posture state of the robot 10, the change in the intensity
  • FIG. 7 shows the reflected wave signal in a state in which the posture of the robot 10 is changed from the home posture when no abnormality occurs in the encoder wiring 17.
  • the change in the intensity of the reflected wave signal is larger than the intensity of the reflected wave signal in the home posture.
  • FIG. 8 shows the reflected wave signal in a state in which the robot 10 is in the home posture state and an abnormality occurs in the encoder wiring 17 at the positions of distances L1 and L2. At distances L1 and L2, the reflected wave signal is larger than the reflected wave signal in FIG. 6.
  • Distances L1 and L2 refer to the distances from the point where the abnormality monitoring device 20 is connected to the encoder wiring 17.
  • the control unit 23 monitors whether the encoder wiring 17 is abnormal based on the reflected wave signal from the encoder wiring 17 located at the first joint JT1 that rotates torsionally and the fourth joint JT4 that rotates torsionally.
  • the control unit 23 monitors the reflected wave signal from the distance L corresponding to each of the first joint JT1 and the fourth joint JT4. All of the encoder wirings 17a to 17f extending from the encoder 16 located at all joints JT from the first joint JT1 to the sixth joint JT6 are arranged at the first joint JT1. This allows the control unit 23 to monitor the reflected wave signal from all of the encoder wirings 17a to 17f located at the first joint JT1.
  • the fourth joint JT4 is arranged with the encoder wirings 17e and 17f extending from the encoders 16 located at the fifth joint JT5 and the sixth joint JT6, respectively.
  • This allows the control unit 23 to monitor the reflected wave signals from the encoder wires 17e and 17f located at the fourth joint JT4. That is, it is possible to monitor the encoder wires 17e and 17f for abnormalities at the fourth joint JT4.
  • the drive unit 15 is disposed on the rotating side of the parts connected by the first joint JT1, so the encoder wire 17 is twisted at the first joint JT1.
  • PC 23b determines whether or not the encoder wiring 17 is abnormal based on the reflected wave signal of the encoder wiring 17 when it is normal and the current reflected wave signal of the encoder wiring 17. For example, PC 23b calculates a difference value between the reflected wave signal of the encoder wiring 17 when it is normal and the current reflected wave signal of the encoder wiring 17. PC 23b determines that the encoder wiring 17 is abnormal based on the difference value.
  • the storage unit 24 stores an abnormality determination model 24a generated by machine learning based on the reflected wave signal in each of a plurality of postures of the robot 10 having a normal encoder wiring 17.
  • AI artificial intelligence
  • a neural network such as an autoencoder is used as the AI.
  • An autoencoder means an algorithm that compresses input data once, leaves only important features, and then restores the data to the original dimensions.
  • the input data is the reflected wave signal in each of a plurality of postures of the robot 10 having a normal encoder wiring 17.
  • the abnormality determination model 24a is generated in advance by a PC or the like that is arranged separately from the abnormality monitoring device 20.
  • the generated abnormality determination model 24a is stored in the storage unit 24 of the abnormality monitoring device 20.
  • the data input to generate the abnormality determination model 24a also includes the angle values of each joint JT of the robot 10.
  • the angle values of each joint JT of the robot 10 are detection values detected by the encoder 16 of each joint JT. This generates an abnormality determination model 24a that corresponds to each of the multiple postures of the robot 10.
  • the PC 23b also estimates the reflected wave signal in the current posture of the robot 10 based on the abnormality determination model 24a. Specifically, the PC 23b inputs the angle values of each joint JT in the current posture of the robot 10 to the abnormality determination model 24a. As a result, the reflected wave signal in the current posture of the robot 10 is estimated by the abnormality determination model 24a. The PC 23b then compares the estimated reflected wave signal with the actual reflected wave signal in the current posture of the robot 10 to determine whether the encoder wiring 17 is abnormal or not. If no abnormality occurs in the encoder wiring 17, the difference between the estimated reflected wave signal and the actual reflected wave signal is small, so the difference value is equal to or smaller than a predetermined threshold value.
  • the PC 23b determines that the encoder wiring 17 is not abnormal. If an abnormality occurs in the encoder wiring 17, the difference between the estimated reflected wave signal and the actual reflected wave signal becomes large, and the difference value exceeds a predetermined threshold value. For this reason, the PC 23b determines that the encoder wiring 17 is abnormal.
  • the necessity of machine learning to accurately identify anomalies in the encoder wiring 17 will be explained. Even if there is no abnormality in the encoder wiring 17, the impedance of the encoder wiring 17 becomes locally discontinuous at the part where the multiple encoder wirings 17 branch out, at the part where the encoder wiring 17 is clamped, at the part where the encoder wiring 17 is bent, and at the part where the encoder wiring 17 is twisted.
  • the encoder wiring 17 rotates in a bending rotation, a twisting rotation, or a compound rotation of bending rotation and twisting rotation with the rotation of the joint JT. In particular, when the encoder wiring 17 rotates in a compound rotation, the impedance of the encoder wiring 17 is likely to become locally discontinuous.
  • the detection value detected by the encoder 16 of each joint JT differs depending on the posture of the robot 10 when it is stopped. Therefore, it is necessary to change the posture of the robot 10 and store all the detection values of the encoder 16 of each joint JT in each posture when the robot 10 is stopped and the data of the reflected wave signal generated in each posture. It is difficult to analyze the detection values of the encoder 16 of each joint JT and the reflected wave data stored manually. Therefore, by analyzing the patterns of the detection values of the encoder 16 of each joint JT and the reflected wave signal data stored by machine learning and generating an abnormality determination model 24a from the analyzed pattern, it becomes possible to accurately and precisely distinguish the reflected wave signal caused by the abnormality.
  • the memory unit 24 is arranged inside the PC 23b, but the memory unit 24 may be arranged outside the PC 23b.
  • an external connection terminal 26 may be arranged in the abnormality monitoring device 20, and information required to determine an abnormality in the encoder wiring 17 may be input and output via the external connection terminal 26.
  • Information required to determine an abnormality is, for example, the rotation angle of each joint JT of the robot 10.
  • the PC 23b outputs the result of the determination as to whether the encoder wiring 17 is abnormal to the notification unit. For example, if the encoder wiring 17 is abnormal, the PC 23b controls the lamp 25 arranged on the abnormality monitoring device 20 to light up. As shown in FIG. 1, the PC 23b outputs a signal to the robot controller 12 indicating that the encoder wiring 17 is abnormal. The robot controller 12 controls the display unit 13a of the teaching pendant 13 to display that the encoder wiring 17 is abnormal. The PC 23b also outputs to the notification unit 2 arranged in the facility 1 in which the robot system 100 is arranged that the encoder wiring 17 is abnormal. The lamp 25 and the display unit 13a of the teaching pendant 13 are examples of a notification unit.
  • the receiving unit 22 receives the wiring-related information of the encoder wiring 17 arranged at the joint JT of the robot 10. This makes it possible to receive the wiring-related information from the encoder wiring 17 located at the joint JT of the robot 10. Then, the control unit 23 monitors whether the encoder wiring 17 is abnormal based on the wiring-related information received by the receiving unit 22, thereby making it possible to monitor for abnormalities in the encoder wiring 17 located at the joint JT of the robot 10.
  • the abnormality monitoring device 20 includes a signal input unit 21 that inputs a signal to the encoder wiring 17.
  • the receiver unit 22 receives the reflected wave signal of the signal input to the encoder wiring 17 as a reflected wave signal, and the control unit 23 monitors whether or not the encoder wiring 17 is abnormal based on the received reflected wave signal. As a result, a reflected wave signal reflecting the abnormality is reflected from the location where the abnormality has occurred in the shield wire 18, making it possible to identify the location where the abnormality has occurred in the shield wire 18.
  • the robot 10 includes a first joint JT1 that rotates in a torsional manner and a fourth joint JT4 that rotates in a torsional manner.
  • the control unit 23 monitors whether the encoder wiring 17 is abnormal based on the reflected wave signal from the encoder wiring 17 located at the first joint JT1 and the fourth joint JT4.
  • the first joint JT1 that rotates in a torsional manner and the fourth joint JT4 that rotates in a torsional manner may rotate frequently.
  • the encoder wiring 17 is likely to be abnormal at the first joint JT1 and the fourth joint JT4.
  • control unit 23 monitors whether the encoder wiring 17 is abnormal based on the reflected wave signal from the encoder wiring 17 located at the first joint JT1 and the fourth joint JT4, thereby making it possible to appropriately monitor abnormalities in the portion of the encoder wiring 17 located at the joint JT where abnormalities are likely to occur.
  • PC23b determines whether or not the encoder wiring 17 is abnormal based on the reflected wave signal of the encoder wiring 17 when it is normal and the current reflected wave signal of the encoder wiring 17. As a result, since the reflected wave signal of the encoder wiring 17 when it is abnormal is different from the reflected wave signal of the encoder wiring 17 when it is normal, it can be easily determined whether or not the encoder wiring 17 is abnormal based on the reflected wave signal of the encoder wiring 17 when it is normal and the current reflected wave signal of the encoder wiring 17.
  • the abnormality monitoring device 20 includes a storage unit 24 that stores an abnormality determination model 24a generated by machine learning based on the reflected wave signal in each of a plurality of postures of the robot 10 having a normal encoder wiring 17.
  • the PC 23b estimates the reflected wave signal in the current posture of the robot 10 based on the abnormality determination model 24a, and judges whether the encoder wiring 17 is abnormal by comparing the estimated reflected wave signal with the actual reflected wave signal in the current posture of the robot 10. Due to the influence of noise, etc., it may be difficult for an operator to judge whether the encoder wiring 17 is abnormal even if the operator visually recognizes the reflected wave signal.
  • the PC 23b judges whether the encoder wiring 17 is abnormal based on the abnormality determination model 24a generated by machine learning, so that it is possible to easily judge whether the encoder wiring 17 is abnormal even when the operator has difficulty judging whether the encoder wiring 17 is abnormal.
  • the PC 23b of the control unit 23 outputs the result of the determination as to whether or not the encoder wiring 17 is abnormal to the lamp 25, the display unit 13a of the teaching pendant 13, and the notification unit 2 arranged on the equipment 1. This allows the worker to easily recognize that the encoder wiring 17 is abnormal based on the notification by the lamp 25, the display unit 13a of the teaching pendant 13, and the notification unit 2 arranged on the equipment 1.
  • a machine learning unit 121 is provided in an anomaly monitoring device 120.
  • the abnormality monitoring device 120 includes a machine learning unit 121 that generates an abnormality determination model 24a by executing machine learning based on the reflected wave signal.
  • the machine learning unit 121 updates the abnormality determination model 24a by executing machine learning at predetermined intervals.
  • the storage unit 24 stores the updated abnormality determination model 24a.
  • machine learning software as the machine learning unit 121 is installed in the storage unit 24 of the PC 23b.
  • the machine learning unit 121 automatically performs machine learning based on the reflected wave signal.
  • the machine learning unit 121 performs machine learning based on the reflected wave signal generated when the posture of the robot 10 is changed multiple times. At this time, the encoder wiring 17 is considered to be normal.
  • the machine learning software can be installed on the abnormality monitoring device 120 that is attached to a new robot 10, and can also be installed on the abnormality monitoring device 120 that has already been shipped. In other words, the machine learning unit 121 can be retrofitted.
  • the timing of the machine learning by the machine learning unit 121 is, for example, as follows.
  • the machine learning unit 121 When the robot 10 is started for the first time, the machine learning unit 121 generates the abnormality determination model 24a by machine learning based on the reflected wave signal.
  • the program for driving the machine learning unit 121 when the program for driving the machine learning unit 121 is changed, the machine learning unit 121 generates the abnormality determination model 24a based on the reflected wave signal.
  • the encoder wiring 17 is replaced, the machine learning unit 121 generates the abnormality determination model 24a based on the reflected wave signal.
  • the machine learning unit 121 calibrates the abnormality determination model 24a.
  • the machine learning unit 121 executes machine learning individually for the robot 10 to which the abnormality monitoring device 120 is attached. In other words, the generated abnormality determination model 24a differs from one robot 10 to another.
  • the anomaly monitoring device 120 includes a machine learning unit 121 that generates an anomaly determination model 24a by executing machine learning based on the reflected wave signal.
  • the machine learning unit 121 updates the anomaly determination model 24a by executing machine learning at predetermined intervals, and the storage unit 24 stores the updated anomaly determination model 24a.
  • the anomaly monitoring device 120 since the anomaly monitoring device 120 includes the machine learning unit 121, the anomaly monitoring device 120 can generate an anomaly determination model 24a even for a robot 10 that has already been shipped, and therefore it is possible to monitor for anomalies in the encoder wiring 17 arranged on a robot 10 that has already been shipped.
  • the wiring-related information includes information other than the reflected wave signal from the encoder wiring 17.
  • the wiring-related information includes at least one of the operation time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT, in addition to the reflected wave signal.
  • the wiring-related information includes the reflected wave signal, the operation time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT.
  • the PC 23b uses the operation time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT as reference data for judgment. Even if the encoder wiring 17 is judged not to be abnormal based on the abnormality judgment model 24a, the PC 23b may judge that the encoder wiring 17 is abnormal based on the operation time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT. For example, if the operating time of the robot 10 exceeds a predetermined time, the PC 23b determines that the encoder wiring 17 is abnormal even if the encoder wiring 17 is determined not to be abnormal based on the abnormality determination model 24a.
  • the wiring-related information includes, in addition to the reflected wave signal, at least one of the operation time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT. This allows an abnormality to be determined based on at least one of the operation time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT in addition to the reflected wave signal, thereby improving the accuracy of abnormality determination.
  • the encoder wiring 17 is monitored for abnormality, but the present disclosure is not limited to this.
  • the present disclosure may be applied to monitor abnormalities in power lines other than the encoder wiring 17 arranged at the joint JT of the robot 10.
  • the encoder wiring 17 is monitored for abnormality based on the reflected wave signal of the signal input to the encoder wiring 17, but the present disclosure is not limited to this.
  • the reflected wave signal of the signal input to the shield line 18 may be used as the wiring-related information of the encoder wiring 17.
  • the encoder wiring 17 may be monitored for abnormality based on the reflected wave signal of the signal input to the shield line 18.
  • the shield line 18 is arranged so as to surround the encoder wiring 17. An abnormality occurs in the shield line 18 arranged so as to surround the encoder wiring 17 before the encoder wiring 17.
  • an abnormality in the encoder wiring 17 can be predicted before an abnormality occurs in the encoder wiring 17.
  • a wiring other than the shield line 18 may be arranged around the encoder wiring 17, and the encoder wiring 17 may be monitored for abnormality based on the reflected wave signal of the signal input to this wiring.
  • the TDR method is used to detect the presence or absence of an abnormality in the encoder wiring 17, but the present disclosure is not limited to this.
  • a method other than the TDR method may be used to detect the presence or absence of an abnormality in the encoder wiring 17.
  • the robot 10 was a six-axis vertical articulated robot, but the present disclosure is not limited to this.
  • the present disclosure can also be applied to horizontal articulated robots other than six-axis vertical articulated robots.
  • the encoder wiring 17 is monitored for abnormalities based on reflected wave signals from the encoder wiring 17 located at the first joint JT1 that rotates torsionally and the fourth joint JT4 that rotates torsionally, but the present disclosure is not limited to this.
  • the encoder wiring 17 may be monitored for abnormalities based on reflected wave signals from the encoder wiring 17 located at the first joint JT1, the fifth joint JT5, and the sixth joint JT6.
  • all of the encoder wirings 17a to 17f are disposed at the first joint JT1.
  • the encoder wiring 17g extending from the end effector 14 is disposed at the fifth joint JT5 and the sixth joint JT6.
  • PC 23b determines whether or not the encoder wiring 17 is abnormal based on the abnormality determination model 24a generated by machine learning, but the present disclosure is not limited to this.
  • PC 23b may determine whether or not the encoder wiring 17 is abnormal based on whether or not the difference value between the normal reflected wave signal and the current reflected wave signal exceeds a predetermined threshold value, without using the abnormality determination model 24a.
  • one VNA of the abnormality monitoring device 20 is arranged for six joints JT, but the present disclosure is not limited to this.
  • a VNA of the abnormality monitoring device 20 may be arranged for each of multiple joints JT.
  • the switching circuit 30 is not required.
  • one VNA of the abnormality monitoring device 20 for six joints JT one may be arranged for every two or three joints JT. In this case, multiple VNAs will be arranged.
  • the switching circuit 30 is connected to the base end side of the encoder wiring 17, but the present disclosure is not limited to this.
  • a wiring may be branched from a predetermined position of the encoder wiring 17 of each joint JT, and the switching circuit 30 may be connected to the tip of this wiring.
  • the PC 23b uses the operating time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT as reference data for the judgment, in addition to judging whether the encoder wiring 17 is abnormal based on the abnormality judgment model 24a. That is, in the third embodiment, the operating time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT are not used in generating the abnormality judgment model 24a.
  • the operating time of the robot 10 for example, in addition to the reflected wave signal and the detection value detected by the encoder 16 of each joint JT, the operating time of the robot 10, the total rotation amount of the joint JT, the maximum speed of the joint JT, and the maximum acceleration/deceleration of the joint JT may be used in generating the abnormality judgment model 24a. This can improve the accuracy of the judgment of the abnormality judgment model 24a.
  • circuits or processing circuits including general purpose processors, special purpose processors, integrated circuits, ASICs (Application Specific Integrated Circuits), conventional circuits, and/or combinations thereof, configured or programmed to perform the disclosed functions.
  • Processors are considered processing circuits or circuits because they include transistors and other circuits.
  • a circuit, unit, or means is hardware that performs the recited functions or hardware that is programmed to perform the recited functions.
  • the hardware may be hardware disclosed herein or other known hardware that is programmed or configured to perform the recited functions. Where the hardware is a processor, which is considered a type of circuit, the circuit, means, or unit is a combination of hardware and software, and the software is used to configure the hardware and/or the processor.
  • (Aspect 1) a receiving unit that receives wiring-related information of wiring to be placed in a joint of the robot; a control unit that monitors whether or not the wiring is abnormal based on the wiring-related information received by the receiving unit.
  • a signal input unit for inputting a signal to the wiring receives, as the wiring-related information, a reflected wave signal of a signal input to the wiring, 2.
  • the abnormality monitoring device monitors whether or not the wiring is abnormal based on the received reflected wave signal.
  • the joint includes an encoder for detecting a rotational position of the joint;
  • the abnormality monitoring device according to aspect 1 or 2, wherein the wiring includes an encoder wiring connected to the encoder.
  • the joint includes a torsion-rotation joint, The abnormality monitoring device according to aspect 3, wherein the control unit monitors whether or not the encoder wiring is abnormal based on the wiring-related information from the wiring arranged in the torsionally rotating joint.
  • control unit includes a determination control unit that determines whether or not the wiring is abnormal based on the wiring-related information when the wiring is normal and the wiring-related information of the current wiring.
  • (Aspect 6) a storage unit that stores an abnormality determination model generated by machine learning based on the wiring-related information for each of a plurality of postures of the robot having the wiring that is normal;
  • the determination control unit is estimating the wiring-related information in a current posture of the robot based on the abnormality determination model; 6.
  • the abnormality monitoring device according to aspect 5, wherein the estimated wiring-related information is compared with the actual wiring-related information in the current posture of the robot to determine whether or not the wiring is abnormal.
  • (Aspect 7) a machine learning unit that generates the abnormality determination model by executing machine learning based on the wiring-related information; the machine learning unit updates the anomaly determination model by executing the machine learning at predetermined intervals; 7.
  • the anomaly monitoring device according to claim 6, wherein the storage unit stores the updated anomaly determination model.
  • a signal input unit for inputting a signal to the wiring The abnormality monitoring device according to aspect 6 or 7, wherein the wiring-related information includes a reflected wave signal of a signal input to the wiring.
  • a robot including a joint; an abnormality monitoring device for monitoring abnormalities in wiring arranged at the joints of the robot,
  • the abnormality monitoring device includes: A receiving unit for receiving wiring-related information of the wiring; a control unit that monitors whether or not the wiring is abnormal based on the wiring-related information received by the receiving unit.

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

この異常監視装置（２０）は、ロボット（１０）の関節（ＪＴ）に配置される配線（１７）の配線関連情報を受信する受信部（２２）と、受信部（２２）により受信された配線関連情報に基づいて、配線（１７）が異常であるか否かを監視する制御部（２３）と、を備える。

Description

異常監視装置およびロボットシステム
　この開示は、異常監視装置およびロボットシステムに関する。
　従来、配線の異常を監視する異常監視装置が開示されている。特開２００６－２２０４６０号公報では、溶接ロボットに取り付けられている溶接ガンに溶接電流を供給する給電ケーブルの異常を監視するケーブル診断装置が開示されている。このケーブル診断装置は、給電ケーブルにパルス信号を送信するパルス信号送信部と、給電ケーブルからの反射パルス信号を受信する反射パルス信号受信部と、を備える。特開２００６－２２０４６０号公報では、反射パルス信号受信部に受信された反射パルス信号の信号レベルに基づいて、給電ケーブルが劣化しているか否かが判定される。
特開２００６－２２０４６０号公報
　特開２００６－２２０４６０号公報では、給電ケーブルの劣化が判定されている。一方、特開２００６－２２０４６０号公報に記載のようなロボットでは、ロボットの内部に信号線や動力線などの配線が配置されている。また、ロボットの姿勢の変化に伴って配線も変形するため、配線の異常が生じやすい。特に、ロボットの関節では、配線の変形量が大きいため、ロボットの関節に位置している配線の異常を監視することが望まれている。
　この開示は、上記のような課題を解決するためになされたものであり、この開示の１つの目的は、ロボットの関節に位置している配線の異常を監視することが可能な異常監視装置およびロボットシステムを提供することである。
　この開示の第１の局面による異常監視装置は、ロボットの関節に配置される配線の配線関連情報を受信する受信部と、受信部により受信された配線関連情報に基づいて、配線が異常であるか否かを監視する制御部と、を備える。
　この開示の第１の局面による異常監視装置は、上記のように、受信部は、ロボットの関節に配置される配線の配線関連情報を受信する。これにより、ロボットの関節に位置する配線からの配線関連情報を受信することができる。そして、制御部が、受信部により受信された配線関連情報に基づいて、配線が異常であるか否かを監視することにより、ロボットの関節に位置している配線の異常を監視することができる。
　この開示の第２の局面によるロボットシステムは、関節を含むロボットと、ロボットの関節に配置される配線の異常を監視する異常監視装置と、を備え、異常監視装置は、配線の配線関連情報を受信する受信部と、受信部により受信された配線関連情報に基づいて、配線が異常であるか否かを監視する制御部と、を含む。
　この開示の第２の局面によるロボットシステムでは、上記のように、受信部は、ロボットの関節に配置される配線の配線関連情報を受信する。これにより、ロボットの関節に位置する配線からの配線関連情報を受信することができる。そして、制御部が、受信部により受信された配線関連情報に基づいて、配線が異常であるか否かを監視することにより、ロボットの関節に位置している配線の異常を監視することが可能なロボットシステムを提供できる。
　本開示によれば、ロボットの関節に位置している配線の異常を監視することができる。
第１実施形態によるロボットシステムのブロック図である。 第１実施形態によるロボットを示す図である。 第１実施形態によるエンコーダおよびエンコーダ配線を説明するための図である。 第１実施形態によるエンコーダ配線およびシールド線を示す図である。 第１実施形態による異常監視装置のブロック図である。 ロボットのホーム姿勢状態における反射波信号を示す図である。 ホーム姿勢からロボットの姿勢が変更された状態における反射波信号を示す図である。 シールド線に異常が生じている状態の反射波信号を示す図である。 第２実施形態による異常監視装置のブロック図である。 変形例によるエンコーダおよびエンコーダ配線を説明するための図である。
　［第１実施形態］
　以下、本開示を具体化した本開示の第１実施形態を図面に基づいて説明する。
　図１に示すように、ロボットシステム１００は、ロボット１０と、異常監視装置２０と、を備える。ロボットシステム１００は、工場などの設備１に配置されている。設備１には、警報を報知する報知部２が配置されている。
　図１に示すように、ロボットシステム１００は、ロボット１０と、ロボットコントローラ１２と、ティーチングペンダント１３と、を含む。ロボット１０は、ロボットアーム１１と、エンドエフェクタ１４と、駆動部１５と、エンコーダ１６と、を含む。図２に示すように、ロボット１０は、たとえば、垂直多関節ロボットである。エンドエフェクタ１４は、ロボットアーム１１の先端に取り付けられている。エンドエフェクタ１４は、たとえば、溶接を行うトーチやサーボガンである。
　ロボット１０は、基端から先端に向かって、特にねじり回転する第１関節ＪＴ１、第２関節ＪＴ２、第３関節ＪＴ３、特にねじり回転する第４関節ＪＴ４、第５関節ＪＴ５および第６関節ＪＴ６が配置される６軸の垂直多関節ロボットを含む。以下では、第１関節ＪＴ１から第６関節ＪＴ６までをまとめて関節ＪＴと呼ぶ。関節ＪＴの数は、６個以外でもよい。図１に示すように、各関節ＪＴは、各々、駆動部１５を含む。駆動部１５は、たとえば、サーボモータである。駆動部１５は、各関節ＪＴを駆動させる。
　ロボットコントローラ１２は、操作者がティーチングペンダント１３を用いて教示した動作に基づいて、ロボットアーム１１の動作を制御する。ロボットコントローラ１２は、メイン制御部１２ａとサーボ制御部１２ｂとを含む。サーボ制御部１２ｂは、メイン制御部１２ａからの指令に基づいて駆動部１５の動作を制御する。
　図１に示すように、ティーチングペンダント１３は、ロボット１０に動作を教示する操作を受け付ける。ティーチングペンダント１３は、動作プログラムなどが表示される表示部１３ａを含む。
　図３に示すように、各関節ＪＴは、各関節ＪＴの回転位置を検出するエンコーダ１６を含む。エンコーダ１６は、各関節ＪＴに配置されている。エンコーダ１６には、エンコーダ配線１７が接続されている。エンコーダ配線１７は、エンコーダ１６によって検知された各関節ＪＴの回転位置に関する信号を、ロボットコントローラ１２に伝達する。エンコーダ配線１７は、配線の一例である。
　図４に示すように、エンコーダ配線１７は、ケーブルＣに含まれている。ケーブルＣには、エンコーダ配線１７を取り囲むようにシールド線１８が配置されている。シールド線１８は、たとえば、銅またはアルミニウムなどの金属が編み込まれることにより形成されている。シールド線１８は、エンコーダ配線１７へのノイズの侵入を抑制するとともに、エンコーダ配線１７からの電磁波の放出を抑制する機能を有する。エンコーダ配線１７とシールド線１８との間には、絶縁層１９ａが配置されている。また、シールド線１８を取り囲むように絶縁層１９ｂが配置されている。ケーブルＣは多芯ケーブルであってもよい。
　図５に示すように、異常監視装置２０は、信号入力部２１と、受信部２２と、制御部２３と、記憶部２４と、ランプ２５と、を備えている。
　第１実施形態では、信号入力部２１は、エンコーダ配線１７に信号を入力する。具体的には、信号入力部２１は、高周波を発生するパルスジェネレータであり、エンコーダ配線１７に高周波のパルスを入力する。詳細には、図３に示すように、エンコーダ配線１７の基端側にスイッチング回路３０が接続されている。スイッチング回路３０は、たとえば、ロータリスイッチである。また、エンコーダ配線１７は、各関節ＪＴごとに配置されている。これらのエンコーダ配線１７を、各々、エンコーダ配線１７ａ、１７ｂ、１７ｃ、１７ｄ、１７ｅおよび１７ｆとする。エンコーダ配線１７ａから１７ｆまでが、各々、スイッチング回路３０に接続されている。スイッチング回路３０は、エンコーダ配線１７ａから１７ｆまでのいずれかと、異常監視装置２０の後述するＶＮＡとを接続する。なお、図３に示す例では、スイッチング回路３０および異常監視装置２０のＶＮＡは、６つの関節ＪＴに対して１つ配置されている。
　異常監視装置２０の受信部２２は、スイッチング回路３０を介して、エンコーダ配線１７の配線関連情報を受信する。具体的には、受信部２２は、配線関連情報として、エンコーダ配線１７に入力された信号の反射波信号を受信する。エンコーダ配線１７に異常な箇所が生じている場合、エンコーダ配線１７に入力された信号は、エンコーダ配線１７の異常な箇所において反射される。受信部２２は、異常な箇所から反射された信号である反射波信号を受信する。反射波信号の大きさや反射波信号が返ってくるまでの時間に基づいて、エンコーダ配線１７の異常の有無が検知される。このような異常の有無を検出する方法は、ＴＤＲ（時間領域反射）法とよばれる。
　第１実施形態では、制御部２３は、受信部２２により受信された反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視する。具体的には、制御部２３は、マイコン２３ａと、パーソナルコンピュータ（ＰＣ）２３ｂと、を含む。なお、信号入力部２１と、受信部２２と、マイコン２３ａとして、たとえば、ＶＮＡ（ベクトルネットワークアナライザ）を用いてもよい。マイコン２３ａは、受信部２２により受信された反射波信号を、高速フーリエ変換（ＦＦＴ）する。マイコン２３ａは、反射波信号の大きさや反射波信号が返ってくるまでの時間を算出する。ＰＣ２３ｂは、マイコン２３ａにより算出された反射波信号の大きさや反射波信号が返ってくるまでの時間に基づいて、シールド線１８が異常であるか否かを監視する。ＰＣ２３ｂは、判定制御部の一例である。
　エンコーダ配線１７からの反射波信号の挙動について説明する。図６は、エンコーダ配線１７に異常が生じていない場合での、ロボット１０のホーム姿勢状態における反射波信号が示されている。なお、図６、図７および図８の縦軸は、反射波信号の大きさを表し、横軸は、エンコーダ配線１７の長さを表している。ロボット１０のホーム姿勢状態とは、ロボット１０の基本姿勢である。ロボット１０のホーム姿勢の状態では、反射波信号の強度の変化は比較的小さい。また、反射波信号の強度は、Ｌ＝０であるシールド線１８の基端から先端に向かうにしたがって徐々に小さくなる。図７は、エンコーダ配線１７に異常が生じていない場合での、ホーム姿勢からロボット１０の姿勢が変更された状態における反射波信号が示されている。ロボット１０の姿勢が変更された状態では、ホーム姿勢の場合の反射波信号の強度と比較して、反射波信号の強度の変化が大きくなる。図８は、ロボット１０がホーム姿勢状態であり、かつ、距離Ｌ１および距離Ｌ２の位置で、エンコーダ配線１７に異常が生じている状態の反射波信号が示されている。距離Ｌ１および距離Ｌ２の位置で、図６の反射波信号に比べて、反射波信号が大きくなっている。距離Ｌ１および距離Ｌ２とは、エンコーダ配線１７に異常監視装置２０が接続されている点からの距離を意味する。
　第１実施形態では、図３に示すように、制御部２３は、ねじり回転する第１関節ＪＴ１およびねじり回転する第４関節ＪＴ４に位置するエンコーダ配線１７からの反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視する。制御部２３は、第１関節ＪＴ１および第４関節ＪＴ４の各々に対応する距離Ｌからの反射波信号を監視する。第１関節ＪＴ１には、第１関節ＪＴ１から第６関節ＪＴ６までの全ての関節ＪＴに配置されるエンコーダ１６から延びるエンコーダ配線１７ａから１７ｆまでの全てが配置されている。これにより、制御部２３は、第１関節ＪＴ１に位置するエンコーダ配線１７ａから１７ｆまでの全てからの反射波信号を監視することができる。すなわち、エンコーダ配線１７ａから１７ｆまでの全ての第１関節ＪＴ１における異常を監視することができる。また、第４関節ＪＴ４には、第５関節ＪＴ５および第６関節ＪＴ６に各々配置されるエンコーダ１６から延びるエンコーダ配線１７ｅおよび１７ｆが配置されている。これにより、制御部２３は、第４関節ＪＴ４に位置するエンコーダ配線１７ｅおよび１７ｆからの反射波信号を監視することができる。すなわち、エンコーダ配線１７ｅおよび１７ｆの第４関節ＪＴ４における異常を監視することができる。なお、第１関節ＪＴ１において、駆動部１５は、第１関節ＪＴ１により接続される部分同士のうちの回転する側に配置されるため、第１関節ＪＴ１においてエンコーダ配線１７がねじられる。
　また、第１実施形態では、ＰＣ２３ｂは、エンコーダ配線１７の正常時の反射波信号と、現在のエンコーダ配線１７の反射波信号とに基づいて、エンコーダ配線１７が異常であるか否かを判定する。たとえば、ＰＣ２３ｂは、エンコーダ配線１７の正常時の反射波信号と、現在のエンコーダ配線１７の反射波信号との差分値を算出する。ＰＣ２３ｂは、差分値に基づいて、エンコーダ配線１７が異常であると判定する。
　また、第１実施形態では、図５に示すように、記憶部２４は、正常であるエンコーダ配線１７を有するロボット１０の複数の姿勢の各々における、反射波信号に基づく機械学習により生成された異常判定モデル２４ａを記憶している。機械学習には、たとえば、ＡＩ（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）が用いられる。ＡＩとして、たとえば、オートエンコーダ（自己符号化器：Ａｕｔｏｅｎｃｏｄｅｒ）などのニューラルネットワークが用いられる。オートエンコーダとは、入力されたデータを一度圧縮し、重要な特徴量だけを残した後、再度もとの次元に復元処理をするアルゴリズムを意味する。入力されるデータは、正常であるエンコーダ配線１７を有するロボット１０の複数の姿勢の各々における反射波信号である。異常判定モデル２４ａは、異常監視装置２０とは別個に配置されたＰＣなどにより予め生成される。生成された異常判定モデル２４ａが異常監視装置２０の記憶部２４に記憶されている。また、異常判定モデル２４ａを生成するために入力されるデータは、反射波信号に加えて、ロボット１０の各関節ＪＴの角度値も入力される。ロボット１０の各関節ＪＴの角度値とは、各関節ＪＴのエンコーダ１６により検出された検出値である。これにより、ロボット１０の複数の姿勢の各々に対応する異常判定モデル２４ａが生成される。
　また、ＰＣ２３ｂは、異常判定モデル２４ａに基づいて、現在のロボット１０の姿勢において反射波信号を推定する。具体的には、ＰＣ２３ｂは、現在のロボット１０の姿勢の各関節ＪＴの角度値を異常判定モデル２４ａに入力する。これにより、異常判定モデル２４ａによって現在のロボット１０の姿勢における反射波信号が推定される。そして、ＰＣ２３ｂは、推定された反射波信号と、現在のロボット１０の姿勢における実際の反射波信号とを比較することにより、エンコーダ配線１７が異常であるか否かを判定する。エンコーダ配線１７に異常が生じていない場合、推定された反射波信号と実際の反射波信号との差は小さいため、差分値が所定の閾値以下となる。このため、ＰＣ２３ｂは、エンコーダ配線１７は異常でないと判定する。エンコーダ配線１７に異常が生じている場合、推定された反射波信号と実際の反射波信号との差が大きくなり、差分値が所定の閾値を超える。このため、ＰＣ２３ｂは、エンコーダ配線１７は異常であると判定する。
　エンコーダ配線１７の異常を正確に見分けるための機械学習の必要性について説明する。エンコーダ配線１７に異常がない場合でも、複数のエンコーダ配線１７の枝分かれる部分や、エンコーダ配線１７がクランプされる部分、エンコーダ配線１７が曲がった部分、および、エンコーダ配線１７がねじれた部分において、エンコーダ配線１７のインピーダンスが局所的に不連続になる。また、エンコーダ配線１７は、関節ＪＴの回転に伴って、屈曲回転、ねじり回転、または、屈曲回転およびねじり回転の複合回転する。特に、エンコーダ配線１７が複合回転する場合、エンコーダ配線１７のインピーダンスが局所的に不連続になり易い。このため、エンコーダ配線１７に異常がない場合でも、エンコーダ配線１７から多くの反射波信号が発生する。さらに、ロボット１０の姿勢が変化することにより、エンコーダ配線１７から不連続的に反射波信号が発生する。また、エンコーダ配線１７における異常の発生に伴って、エンコーダ配線１７の異常が生じた場所において反射波が発生する。図７に示すように、ロボット１０の姿勢が変化すると、エンコーダ配線１７が正常である場合でも、反射波信号の形状が変化する。なお、エンコーダ配線１７に入力された信号の反射波信号に基づいてエンコーダ配線１７が異常であるか否かを監視する場合、ロボット１０が停止している必要がある。また、ロボット１０が停止している状態の各姿勢によって、各関節ＪＴのエンコーダ１６により検出された検出値が異なる。そこで、ロボット１０の姿勢を変化させて、ロボット１０が停止している状態での、各々の姿勢における各関節ＪＴのエンコーダ１６の検出値、および、各々の姿勢において発生する反射波信号のデータを全て記憶する必要がある。人手によって記憶した各関節ＪＴのエンコーダ１６の検出値および反射波のデータを解析するのは困難である。そのため、記憶した各関節ＪＴのエンコーダ１６の検出値および反射波信号のデータのパターンを機械学習により解析して、解析したパターンから異常判定モデル２４ａを生成することにより、異常に起因する反射波信号を正確にかつ精度よく見分けることが可能になる。
　なお、図５では、記憶部２４が、ＰＣ２３ｂの内部に配置されているが、記憶部２４が、ＰＣ２３ｂの外部に配置されていてもよい。また、異常監視装置２０に外部接続端子２６を配置して、外部接続端子２６を介して、エンコーダ配線１７の異常を判定するために必要な情報の入出力が行われてもよい。異常を判定するために必要な情報とは、たとえば、ロボット１０の各関節ＪＴの回転角度などである。
　また、第１実施形態では、図５に示すように、ＰＣ２３ｂは、エンコーダ配線１７が異常であるか否かの判定結果を報知部に出力する。たとえば、ＰＣ２３ｂは、エンコーダ配線１７が異常である場合、異常監視装置２０に配置されたランプ２５を点灯させるように制御する。また、図１に示すように、ＰＣ２３ｂは、ロボットコントローラ１２にエンコーダ配線１７が異常である旨の信号を出力する。ロボットコントローラ１２は、ティーチングペンダント１３の表示部１３ａに、エンコーダ配線１７が異常である旨を表示されるように制御する。また、ＰＣ２３ｂは、ロボットシステム１００が配置されている設備１に配置された報知部２にエンコーダ配線１７が異常である旨を出力する。ランプ２５、および、ティーチングペンダント１３の表示部１３ａは、報知部の一例である。
　［第１実施形態の効果］
　受信部２２は、ロボット１０の関節ＪＴに配置されるエンコーダ配線１７の配線関連情報を受信する。これにより、ロボット１０の関節ＪＴに位置するエンコーダ配線１７からの配線関連情報を受信することができる。そして、制御部２３が、受信部２２により受信された配線関連情報に基づいて、エンコーダ配線１７が異常であるか否かを監視することにより、ロボット１０の関節ＪＴに位置しているエンコーダ配線１７の異常を監視することができる。
　異常監視装置２０は、エンコーダ配線１７に信号を入力する信号入力部２１を備える。受信部２２は、反射波信号として、エンコーダ配線１７に入力された信号の反射波信号を受信し、制御部２３は、受信された反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視する。これにより、シールド線１８に異常が生じている場所から異常を反映した反射波信号が反射されるので、シールド線１８の異常が生じている場所を特定できる。
　ロボット１０は、ねじり回転する第１関節ＪＴ１およびねじり回転する第４関節ＪＴ４を含む。制御部２３は、第１関節ＪＴ１および第４関節ＪＴ４に位置するエンコーダ配線１７からの反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視する。ここで、６軸の垂直多関節ロボットでは、ねじり回転する第１関節ＪＴ１およびねじり回転する第４関節ＪＴ４の回転の頻度が高い場合がある。この場合、第１関節ＪＴ１および第４関節ＪＴ４においてエンコーダ配線１７の異常が生じやすい。第１実施形態では、制御部２３が、第１関節ＪＴ１および第４関節ＪＴ４に位置するエンコーダ配線１７からの反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視することにより、異常が生じやすい関節ＪＴに位置するエンコーダ配線１７の部分の異常を適切に監視することができる。
　ＰＣ２３ｂは、エンコーダ配線１７の正常時の反射波信号と、現在のエンコーダ配線１７の反射波信号とに基づいて、エンコーダ配線１７が異常であるか否かを判定する。これにより、エンコーダ配線１７の異常時の反射波信号は、エンコーダ配線１７の正常時の反射波信号と異なるので、エンコーダ配線１７の正常時の反射波信号と、現在のエンコーダ配線１７の反射波信号とに基づいて、エンコーダ配線１７が異常であるか否かを容易に判定することができる。
　異常監視装置２０は、正常であるエンコーダ配線１７を有するロボット１０の複数の姿勢の各々における、反射波信号に基づく機械学習により生成された異常判定モデル２４ａを記憶する記憶部２４を備える。ＰＣ２３ｂは、異常判定モデル２４ａに基づいて、現在のロボット１０の姿勢において反射波信号を推定し、推定された反射波信号と、現在のロボット１０の姿勢における実際の反射波信号とを比較することにより、エンコーダ配線１７が異常であるか否かを判定する。ノイズなどの影響により、作業者が反射波信号を視認してもエンコーダ配線１７が異常であるか否かを判定することが困難な場合がある。第１実施形態では、機械学習により生成された異常判定モデル２４ａに基づいて、ＰＣ２３ｂが、エンコーダ配線１７が異常であるか否かを判定することによって、作業者による異常の判定が困難な場合でも、容易に、エンコーダ配線１７が異常であるか否かを判定することができる。
　制御部２３のＰＣ２３ｂは、エンコーダ配線１７が異常であるか否かの判定結果を、ランプ２５、ティーチングペンダント１３の表示部１３ａ、および、設備１に配置された報知部２に出力する。これにより、ランプ２５、ティーチングペンダント１３の表示部１３ａ、および、設備１に配置された報知部２による報知に基づいて、作業者はエンコーダ配線１７が異常であることを容易に認識できる。
　［第２実施形態］
　図９を参照して、本開示の第２実施形態を説明する。なお、第２実施形態では、異常監視装置１２０に機械学習部１２１が備えられている。
　異常監視装置１２０は、反射波信号に基づく機械学習を実行するにより異常判定モデル２４ａを生成する機械学習部１２１を備えている。機械学習部１２１は、所定の期間ごとに機械学習を実行することにより異常判定モデル２４ａを更新する。記憶部２４は、更新された異常判定モデル２４ａを記憶する。具体的には、ＰＣ２３ｂの記憶部２４に、機械学習部１２１としての機械学習用のソフトがインストールされる。機械学習部１２１は、反射波信号に基づいて、自動的に機械学習を行う。たとえば、機械学習部１２１は、ロボット１０の姿勢を複数変化させた際に生じる反射波信号に基づいて機械学習を行う。この時、エンコーダ配線１７は、正常であるとされる。また、機械学習用のソフトのインストールは、新しいロボット１０に取り付けられる異常監視装置１２０に対しても実行されるし、既に出荷されたロボット１０に後付けされた異常監視装置１２０に対しても実行することが可能である。すなわち、機械学習部１２１のレトロフィットも可能である。
　機械学習部１２１の機械学習のタイミングは、たとえば、以下の通りである。機械学習部１２１は、ロボット１０が最初に起動した際に、反射波信号に基づいて、機械学習により異常判定モデル２４ａを生成する。また、機械学習部１２１は、機械学習部１２１を駆動するためのプログラムが変更された際に、反射波信号に基づいて、異常判定モデル２４ａを生成する。また、機械学習部１２１は、エンコーダ配線１７の交換時に、反射波信号に基づいて、異常判定モデル２４ａを生成する。すなわち、機械学習部１２１は、異常判定モデル２４ａをキャリブレーションする。また、機械学習部１２１は、異常監視装置１２０が取り付けられるロボット１０に対して、個別に機械学習を実行する。つまり、生成される異常判定モデル２４ａは、ロボット１０ごとに互いに異なる。
　［第２実施形態の効果］
　異常監視装置１２０は、反射波信号に基づく機械学習を実行することにより異常判定モデル２４ａを生成する機械学習部１２１を備える。機械学習部１２１は、所定の期間ごとに機械学習を実行することにより異常判定モデル２４ａを更新し、記憶部２４は、更新された異常判定モデル２４ａを記憶する。これにより、異常監視装置１２０が機械学習部１２１を備えることによって、既に出荷されたロボット１０に対しても異常監視装置１２０により異常判定モデル２４ａを生成することができるので、既に出荷されたロボット１０に配置されるエンコーダ配線１７に対しても異常を監視することができる。
　［第３実施形態］
　本開示の第３実施形態を説明する。なお、第３実施形態では、配線関連情報は、エンコーダ配線１７からの反射波信号以外の情報を含む。
　第３実施形態では、配線関連情報は、反射波信号に加えて、ロボット１０の稼働時間、関節ＪＴの総回転量、関節ＪＴの最高速度、および、関節ＪＴの最大加減速度のうちの少なくとも１つを含む。たとえば、配線関連情報は、反射波信号と、ロボット１０の稼働時間と、関節ＪＴの総回転量と、関節ＪＴの最高速度と、関節ＪＴの最大加減速度と、の全てを含む。ＰＣ２３ｂは、異常判定モデル２４ａに基づいた、エンコーダ配線１７が異常であるか否かの判定に加えて、ロボット１０の稼働時間、関節ＪＴの総回転量、関節ＪＴの最高速度、および、関節ＪＴの最大加減速度を判定の参考データとする。ＰＣ２３ｂは、異常判定モデル２４ａに基づいてエンコーダ配線１７が異常でないと判定される場合でも、ロボット１０の稼働時間、関節ＪＴの総回転量、関節ＪＴの最高速度、および、関節ＪＴの最大加減速度に基づいて、エンコーダ配線１７が異常であると判定する場合がある。たとえば、ＰＣ２３ｂは、ロボット１０の稼働時間が所定の時間を超えていれば、異常判定モデル２４ａに基づいてエンコーダ配線１７が異常でないと判定される場合でも、エンコーダ配線１７が異常であると判定する。
　［第３実施形態の効果］
　配線関連情報は、反射波信号に加えて、ロボット１０の稼働時間、関節ＪＴの総回転量、関節ＪＴの最高速度、および、関節ＪＴの最大加減速度のうちの少なくとも１つを含む。これにより、反射波信号に加えて、ロボット１０の稼働時間、関節ＪＴの総回転量、関節ＪＴの最高速度、および、関節ＪＴの最大加減速度のうちの少なくとも１つに基づいて異常が判定されるので、異常を判定の精度を向上できる。
　［変形例］
　なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した実施形態の説明ではなく請求の範囲によって示され、さらに請求の範囲と均等の意味および範囲内でのすべての変更（変形例）が含まれる。
　上記第１～第３実施形態では、エンコーダ配線１７が異常であるか否かを監視する例を示したが、本開示はこれに限られない。たとえば、ロボット１０の関節ＪＴに配置されるエンコーダ配線１７以外の動力線などの異常を監視するために本開示を適用してもよい。
　上記第１～第３実施形態では、エンコーダ配線１７に入力された信号の反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視する例を示したが、本開示はこれに限られない。たとえば、エンコーダ配線１７の配線関連情報として、シールド線１８に入力された信号の反射波信号を用いてもよい。そして、シールド線１８に入力された信号の反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視してもよい。シールド線１８は、エンコーダ配線１７を取り囲むように配置される。エンコーダ配線１７を取り囲むように配置されるシールド線１８は、エンコーダ配線１７よりも先に異常が発生する。そこで、シールド線１８の反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視することにより、エンコーダ配線１７に異常が発生する前に、エンコーダ配線１７の異常を予測できる。また、エンコーダ配線１７の周囲にシールド線１８でない配線を配置して、この配線に入力された信号の反射波信号に基づいて、エンコーダ配線１７が異常であるか否かを監視してもよい。
　上記第１～第３実施形態では、エンコーダ配線１７の異常の有無の検知にＴＤＲ法が用いられる例を示したが、本開示はこれに限られない。たとえば、エンコーダ配線１７の異常の有無の検知に、ＴＤＲ法以外の方法を用いてもよい。
　上記第１～第３実施形態では、ロボット１０が６軸の垂直多関節ロボットである例を示したが、本開示はこれに限られない。たとえば、６軸の垂直多関節ロボット以外の水平多関節ロボットなどにも本開示を適用することも可能である。
　上記第１～第３実施形態では、ねじり回転する第１関節ＪＴ１およびねじり回転する第４関節ＪＴ４に位置するエンコーダ配線１７からの反射波信号に基づいてエンコーダ配線１７の異常を監視する例を示したが、本開示はこれに限られない。たとえば、図１０に示すように、第１関節ＪＴ１、第５関節ＪＴ５および第６関節ＪＴ６に位置するエンコーダ配線１７からの反射波信号に基づいてエンコーダ配線１７の異常を監視してもよい。上記のように、第１関節ＪＴ１には、エンコーダ配線１７ａから１７ｆまでの全てが配置されている。第５関節ＪＴ５および第６関節ＪＴ６には、エンドエフェクタ１４から延びるエンコーダ配線１７ｇが配置されている。これにより、エンコーダ配線１７ａから１７ｆまでの第１関節ＪＴ１における異常に加えて、エンドエフェクタ１４から延びるエンコーダ配線１７ｇの異常も監視することができる。また、エンドエフェクタ１４から延びるエンコーダ配線１７ｇの、第５関節ＪＴ５および第６関節ＪＴ６における異常も監視することができる。
　上記第１～第３実施形態では、ＰＣ２３ｂが、機械学習により生成された異常判定モデル２４ａに基づいて、エンコーダ配線１７が異常であるか否かを判定する例を示したが、本開示はこれに限られない。たとえば、ＰＣ２３ｂは、異常判定モデル２４ａを用いずに、正常時の反射波信号と、現在の反射波信号との差分値が、所定の閾値を超えているか否かに基づいて、エンコーダ配線１７が異常であるか否かを判定してもよい。
　上記第１～第３実施形態では、異常監視装置２０のＶＮＡは、６つの関節ＪＴに対して１つ配置されている例を示したが、本開示はこれに限られない。たとえば、異常監視装置２０のＶＮＡが、複数の関節ＪＴごとに配置されていてもよい。この場合、スイッチング回路３０は不要である。異常監視装置２０のＶＮＡを、６つの関節ＪＴに対して１つ配置するのではなく、２つや３つの関節ＪＴごと１つ配置してもよい。この場合、ＶＮＡは、複数配置されることになる。
　上記第１～第３実施形態では、エンコーダ配線１７の基端側にスイッチング回路３０が接続されている例を示したが、本開示はこれに限られない。たとえば、各関節ＪＴのエンコーダ配線１７の所定の位置から配線を分岐させて、この配線の先端にスイッチング回路３０を接続してもよい。
　上記第３実施形態では、ＰＣ２３ｂは、異常判定モデル２４ａに基づいた、エンコーダ配線１７が異常であるか否かの判定に加えて、ロボット１０の稼働時間、関節ＪＴの総回転量、関節ＪＴの最高速度、および、関節ＪＴの最大加減速度を判定の参考データとする例を示した。すなわち、第３実施形態では、ロボット１０の稼働時間、関節ＪＴの総回転量、関節ＪＴの最高速度、および、関節ＪＴの最大加減速度は、異常判定モデル２４ａの生成には用いられていない。一方、本願では、たとえば、異常判定モデル２４ａの生成に、反射波信号、および、各関節ＪＴのエンコーダ１６により検出された検出値に加えて、ロボット１０の稼働時間、関節ＪＴの総回転量、関節ＪＴの最高速度、および、関節ＪＴの最大加減速度を用いてもよい。これにより、異常判定モデル２４ａの判定の精度を高めることができる。
　本明細書で開示する要素の機能は、開示された機能を実行するよう構成またはプログラムされた汎用プロセッサ、専用プロセッサ、集積回路、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔｓ）、従来の回路、および／または、それらの組み合わせ、を含む回路または処理回路を使用して実行できる。プロセッサは、トランジスタやその他の回路を含むため、処理回路または回路と見なされる。本開示において、回路、ユニット、または手段は、列挙された機能を実行するハードウェアであるか、または、列挙された機能を実行するようにプログラムされたハードウェアである。ハードウェアは、本明細書に開示されているハードウェアであってもよいし、あるいは、列挙された機能を実行するようにプログラムまたは構成されているその他の既知のハードウェアであってもよい。ハードウェアが回路の一種と考えられるプロセッサである場合、回路、手段、またはユニットはハードウェアとソフトウェアの組み合わせであり、ソフトウェアはハードウェアおよび／またはプロセッサの構成に使用される。
　［態様］
　上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
　（態様１）
　ロボットの関節に配置される配線の配線関連情報を受信する受信部と、
　前記受信部により受信された前記配線関連情報に基づいて、前記配線が異常であるか否かを監視する制御部と、を備える、異常監視装置。
　（態様２）
　前記配線に信号を入力する信号入力部を備え、
　前記受信部は、前記配線関連情報として、前記配線に入力された信号の反射波信号を受信し、
　前記制御部は、受信された前記反射波信号に基づいて、前記配線が異常であるか否かを監視する、態様１に記載の異常監視装置。
　（態様３）
　前記関節は、前記関節の回転位置を検出するエンコーダを含み、
　前記配線は、前記エンコーダに接続されるエンコーダ配線を含む、態様１または態様２に記載の異常監視装置。
　（態様４）
　前記関節は、ねじり回転する関節を含み、
　前記制御部は、前記ねじり回転する関節に配置される前記配線からの前記配線関連情報に基づいて、前記エンコーダ配線が異常であるか否かを監視する、態様３に記載の異常監視装置。
　（態様５）
　前記制御部は、前記配線の正常時の前記配線関連情報と、現在の前記配線の前記配線関連情報とに基づいて、前記配線が異常であるか否かを判定する判定制御部を含む、態様１から態様４までのいずれか１項に記載の異常監視装置。
　（態様６）
　正常である前記配線を有する前記ロボットの複数の姿勢の各々における、前記配線関連情報に基づく機械学習により生成された異常判定モデルを記憶する記憶部を備え、
　前記判定制御部は、
　　前記異常判定モデルに基づいて、現在の前記ロボットの姿勢において前記配線関連情報を推定し、
　　推定された前記配線関連情報と、現在の前記ロボットの姿勢における実際の前記配線関連情報とを比較することにより、前記配線が異常であるか否かを判定する、態様５に記載の異常監視装置。
　（態様７）
　前記配線関連情報に基づく機械学習を実行することにより前記異常判定モデルを生成する機械学習部を備え、
　前記機械学習部は、所定の期間ごとに前記機械学習を実行することにより前記異常判定モデルを更新し、
　前記記憶部は、更新された前記異常判定モデルを記憶する、態様６に記載の異常監視装置。
　（態様８）
　前記配線に信号を入力する信号入力部を備え、
　前記配線関連情報は、前記配線に入力された信号の反射波信号を含む、態様６または態様７に記載の異常監視装置。
　（態様９）
　前記配線関連情報は、前記反射波信号に加えて、前記ロボットの稼働時間、前記関節の総回転量、前記関節の最高速度、および、前記関節の最大加減速度のうちの少なくとも１つを含む、態様８に記載の異常監視装置。
　（態様１０）
　前記制御部は、前記配線が異常であるか否かの判定結果を報知部に出力する、態様１から態様９までのいずれか１項に記載の異常監視装置。
　（態様１１）
　関節を含むロボットと、
　前記ロボットの前記関節に配置される配線の異常を監視する異常監視装置と、を備え、
　前記異常監視装置は、
　前記配線の配線関連情報を受信する受信部と、
　前記受信部により受信された前記配線関連情報に基づいて、前記配線が異常であるか否かを監視する制御部と、を含む、ロボットシステム。
 

Claims (11)

  1. 　ロボットの関節に配置される配線の配線関連情報を受信する受信部と、
    　前記受信部により受信された前記配線関連情報に基づいて、前記配線が異常であるか否かを監視する制御部と、を備える、異常監視装置。
  2. 　前記配線に信号を入力する信号入力部を備え、
    　前記受信部は、前記配線関連情報として、前記配線に入力された信号の反射波信号を受信し、
    　前記制御部は、受信された前記反射波信号に基づいて、前記配線が異常であるか否かを監視する、請求項１に記載の異常監視装置。
  3. 　前記関節は、前記関節の回転位置を検出するエンコーダを含み、
    　前記配線は、前記エンコーダに接続されるエンコーダ配線を含む、請求項１に記載の異常監視装置。
  4. 　前記関節は、ねじり回転する関節を含み、
    　前記制御部は、前記ねじり回転する関節に配置される前記配線からの前記配線関連情報に基づいて、前記エンコーダ配線が異常であるか否かを監視する、請求項３に記載の異常監視装置。
  5. 　前記制御部は、前記配線の正常時の前記配線関連情報と、現在の前記配線の前記配線関連情報とに基づいて、前記配線が異常であるか否かを判定する判定制御部を含む、請求項１に記載の異常監視装置。
  6. 　正常である前記配線を有する前記ロボットの複数の姿勢の各々における、前記配線関連情報に基づく機械学習により生成された異常判定モデルを記憶する記憶部を備え、
    　前記判定制御部は、
    　　前記異常判定モデルに基づいて、現在の前記ロボットの姿勢において前記配線関連情報を推定し、
    　　推定された前記配線関連情報と、現在の前記ロボットの姿勢における実際の前記配線関連情報とを比較することにより、前記配線が異常であるか否かを判定する、請求項５に記載の異常監視装置。
  7. 　前記配線関連情報に基づく機械学習を実行することにより前記異常判定モデルを生成する機械学習部を備え、
    　前記機械学習部は、所定の期間ごとに前記機械学習を実行することにより前記異常判定モデルを更新し、
    　前記記憶部は、更新された前記異常判定モデルを記憶する、請求項６に記載の異常監視装置。
  8. 　前記配線に信号を入力する信号入力部を備え、
    　前記配線関連情報は、前記配線に入力された信号の反射波信号を含む、請求項６に記載の異常監視装置。
  9. 　前記配線関連情報は、前記反射波信号に加えて、前記ロボットの稼働時間、前記関節の総回転量、前記関節の最高速度、および、前記関節の最大加減速度のうちの少なくとも１つを含む、請求項８に記載の異常監視装置。
  10. 　前記制御部は、前記配線が異常であるか否かの判定結果を報知部に出力する、請求項１に記載の異常監視装置。
  11. 　関節を含むロボットと、
    　前記ロボットの前記関節に配置される配線の異常を監視する異常監視装置と、を備え、
    　前記異常監視装置は、
    　前記配線の配線関連情報を受信する受信部と、
    　前記受信部により受信された前記配線関連情報に基づいて、前記配線が異常であるか否かを監視する制御部と、を含む、ロボットシステム。
PCT/JP2024/000541 2023-01-17 2024-01-12 異常監視装置およびロボットシステム Ceased WO2024154652A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202480007699.6A CN120530001A (zh) 2023-01-17 2024-01-12 异常监视装置及机器人系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023005328A JP2024101368A (ja) 2023-01-17 2023-01-17 異常監視装置およびロボットシステム
JP2023-005328 2023-01-17

Publications (1)

Publication Number Publication Date
WO2024154652A1 true WO2024154652A1 (ja) 2024-07-25

Family

ID=91956010

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/000541 Ceased WO2024154652A1 (ja) 2023-01-17 2024-01-12 異常監視装置およびロボットシステム

Country Status (3)

Country Link
JP (1) JP2024101368A (ja)
CN (1) CN120530001A (ja)
WO (1) WO2024154652A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006220460A (ja) * 2005-02-08 2006-08-24 Nissan Motor Co Ltd ケーブル診断装置およびケーブル診断方法
JP2008292181A (ja) * 2007-05-22 2008-12-04 Hitachi Cable Ltd 電線・ケーブルの断線検出方法及びその装置
JP2019124671A (ja) * 2018-01-19 2019-07-25 浜松ホトニクス株式会社 検査装置及び検査方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006220460A (ja) * 2005-02-08 2006-08-24 Nissan Motor Co Ltd ケーブル診断装置およびケーブル診断方法
JP2008292181A (ja) * 2007-05-22 2008-12-04 Hitachi Cable Ltd 電線・ケーブルの断線検出方法及びその装置
JP2019124671A (ja) * 2018-01-19 2019-07-25 浜松ホトニクス株式会社 検査装置及び検査方法

Also Published As

Publication number Publication date
JP2024101368A (ja) 2024-07-29
CN120530001A (zh) 2025-08-22

Similar Documents

Publication Publication Date Title
US9348331B2 (en) Robot apparatus and speed reducer state diagnosing method
KR102025100B1 (ko) 로봇 동작 모니터링 시스템 및 그 방법
KR100721642B1 (ko) 제어 대상의 원격 조정 및 진단 장치
EP3888855A1 (en) Failure prediction method and failure prediction apparatus
US20080215292A1 (en) Method of diagnosing abnormality of reduction gear and apparatus for carry out the method
US11398003B2 (en) Machine learning apparatus, robot system, and machine learning method of learning state of cable
CN106808494B (zh) 记录机器人紧急停止的发生状况的机器人控制装置
CN107614214B (zh) 故障诊断装置及故障诊断方法
US10747197B2 (en) Abnormally factor identification apparatus
EP4123327B1 (en) Cable deterioration diagnosis device, cable deterioration diagnosis method, and program
US10699929B2 (en) Controller of transfer device
CN112135720A (zh) 异常判定装置、异常判定系统以及异常判定方法
JP2024101368A (ja) 異常監視装置およびロボットシステム
CN114734438A (zh) 一种机器人关节的故障诊断方法及系统
JP2019155484A (ja) ロボット制御装置、異常診断方法、及び異常診断プログラム
Kim Robot dynamics-based cable fault diagnosis using stacked transformer encoder layers
JP2019155498A (ja) ロボット制御装置、異常診断方法、及び異常診断プログラム
JPH1049223A (ja) ニューラルネットワークを用いた故障診断方法およびその装置
JPS63123105A (ja) テイ−チング・プレイバツク方式ロボツトの故障予知診断方法
CN117681251A (zh) 机器人检测方法、装置、电子设备及存储介质
JP7024661B2 (ja) 異常判定方法及び異常判定装置
JPH07200019A (ja) ロボット制御装置
JP4577607B2 (ja) ロボットの制御装置およびロボットシステム
KR20170104696A (ko) 로봇 케이블의 진단모듈을 구비한 로봇용 제어기 및 로봇 케이블의 진단방법
JP2006116635A5 (ja)

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: 24744575

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202480007699.6

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE

WWP Wipo information: published in national office

Ref document number: 202480007699.6

Country of ref document: CN

122 Ep: pct application non-entry in european phase

Ref document number: 24744575

Country of ref document: EP

Kind code of ref document: A1