自20世纪60年代初，人类创造了第一台工业机器人以后，工业机器人就显示出了极强的生命力，在短短60多年的时间里，工业机器人技术得到了飞速的发展，在工业生产中得到了广泛的应用。如下图1所示工业生产中常用的工业机器人。
工业机器人是一种集机械、电子、控制、计算机、传感器、人工智能等跨学科的先进技术于一体的智能装备，对提高制造业的智能制造水平具有非常重要的意义，工业机器人作为现代制造业的主要自动化装备在国民经济的各个领域中应用非常广泛。目前，各个国家都非常重视工业机器人的技术研究，工业机器人的拥有量已经成为衡量一个国家制造业综合实力的重要指标之一。工业机器人的出现是人类在利用机器进行社会生产史上的一个里程碑。
目前，工业机器人大规模应用于汽车及汽车零部件制造业、机械加工行业、电子电气行业、橡胶及塑料工业、食品工业、木材与家具制造业等领域。在工业生产中，焊接机器人、装配机器人、喷涂机器人及搬运机器人等工业机器人被大量采用。提高了生产效率，降低了人工及综合成本，改善产品质量，为安全生产工作增添了多重保障，有效助力中国制造业自动化水平提升。
尽管工业机器人在现代制造业中起着越来越重要的作用，并在世界范围内，尤其在中国迅速普及，但是由于集多种高新技术于一体的工业机器人机构精密复杂，对工业机器人维护提出了极高的要求。目前工业机器人的应用企业普遍不具备自主、完全的维护能力，当机器人出现故障停机时，往往需要通知外部供应商到企业现场进行诊断和维护，这个过程需要大量的等待时间，并且由于维护技术人员到达现场前不能全面、详尽的获取故障机器人的日常运行状况、故障现象和故障发生前后的运行数据，因此维护技术人员往往到达现场后也不能迅速地对故障做出精确的诊断和处理，从而延长了恢复正常生产的时间，严重影响企业的生产节拍，加剧了停工企业的损失。因此，先进的故障诊断和智能维护对于保证工业机器人高效稳定的运行是非常必要的。
§1 工业机器人故障诊断和智能维护的发展现状
§1.1 工业机器人的故障诊断和智能维护的内容
通过从机器人控制器内采集数据和外部传感器监测信息，在数据平台中存储和管理，然后将数据转化为机器人的健康信息，最后做出生产和维护计划排程。工业机器人常见的故障诊断和智能维护的内容有以下几点：
（1）启动故障；
（2）控制器死机；
（3）控制器性能低；
（4）FlexPendant 死机；
（5）所有 LED 熄灭；
（6）FlexPendant 无法通信；
（7）FlexPendant 的偶发事件消息；
（8）维修插座中无电压；
（9）控制杆无法工作；
（10）更新固件失败；
（11）不一致的路径精确性；
（12）油脂沾污电机和（或）齿轮箱；
（13）机械噪音；
（14）关机时操纵器损毁；
（15）机器人制动闸未释放。
工业机器人的数量庞大且生产环境十分复杂，如果加装外部传感器不仅影响本身的内部控制而且还会造成大量的成本浪费，需要运用有效的控制器信号来反映设备的健康状况。
由于机器设备种类繁多和运行工况过于复杂，难以评估设备的健康状况，需要运用同类对比和集群管理的方法来判断设备的衰退情况。通过有效的控制器信号参数，实现变工况、复杂系统的产线级到工厂级的预测性维护和集群运维管理。
从控制器中获得信号的采样频率较低，针对一些高频采样或波形信号的特征提取方法将不再适用，取而代之的是按照每一个动作循环提取固定的信号统计特征，如 RMS、方差、极值和特定位置的负载值等。采用同类对比（peer to peer）的方法消除由于工况多样性造成的建模困难，通过直接对比相似设备在执行相似动作时信号特征的相似程度找到利群点，作为判断早期故障的依据。在对设备进行聚类时，首先要根据设备的型号和使用时间进行第一轮聚类，随后则要根据设备的任务、环境和工况进行第二轮聚类。
§1.2工业机器人故障诊断和智能维护的发展现状
工业机器人故障诊断和智能维护的发展可以划分为三个阶段：
第一阶段是维护技术人员通过观察故障机器人运行状态，测试噪声、运行轨迹、温度、震动等参数的异常变化，再与正常状态进行比较，凭借以往维护经验做出故障诊断。
第二阶段是工业机器人的本地状态监测与故障诊断模式，通过错位代码提示机器人的故障信息，维护技术人员依据故障信息进行故障诊断，目前此种故障处理方式比较普遍。
第三阶段是基于网络的远程实时监控和故障诊断模式，目前还处于试验研究阶段。如下图2试验研究阶段的智能机器人。
案例：
在针对机械臂的分析上，不同的动作循环所造成的驱动马达扭矩是不同的，这里选择扭矩的最大值、最小值和平均值作为聚类的依据。当机械臂执行相似的动作时，上述的特征分布应该十分相似，利用聚类模型可以进行自动识别。
在大量机械臂的数据被采集和分析的条件下，对不同种类和运行工况的机械臂进行聚类分析，形成一个个机械臂的“虚拟社区”，社区机械臂的数据分析采用集群建模的方法，通过比较每一个机械臂与集群的差异性来判断其处于异常的程度，并对集群内所有机械臂的健康状态进行排序。判断差异性程度的算法有许多种，比如PCA-T2模型、高斯混合模型、自组织映射图、统计模式识别等方法。
使用选定算法能够判断一个机械臂的每一个驱动马达的监控参数特征与统一集群内其他设备总体分布情况的相似程度，以分布偏差评估值作为最终的输出结果。使用90%或95%的置信区间确定其控制边界，当分布偏差评估值超过控制边界并持续变大时，说明早期故障正在逐步发展严重。
该方法在大量机械臂数据的验证结果中显示，大多数的驱动电机早期故障都能够在提前至少2 ~ 3 周内被发现。通过预测分布偏差评估值的发展趋势，还可以对机械臂发生故障的时间进行预测，为维护排程提供依据。
在对机械手臂的健康状态进行定量化分析之后，对分析结果进行网络化的内容管理，建立“虚拟工厂”在线监控系统。在“虚拟工厂”中，管理者可以从生产系统级、产线级、工站级、单机级和关机部件级对设备状态进行垂直立体化的管理，根据设备的实时状态进行维护计划和生产计划的调度。每天生成一份健康报告，对生产线上所有设备的健康状态进行排序和统计分析，向设备管理人员提供每一台设备的健康风险状态和主要风险部位，这样在日常的点检中就可以做到详略得当，既不放过任何一个风险点，也尽可能避免了不必要的检查和维护工作，从而实现工业机器人故障从传统维护到智能维护的转变。
§2 工业机器人故障诊断和智能维护的发展趋势
工业机器人故障诊断和智能维护经历了从现场经验判断到远程诊断、从简单到精密、从单机到网络的发展过程。从近几年工业机器人行业不断推出的新产品来看，工业机器人故障诊断和智能维护正在向着远程化、网络化、集成化和智能化的方向发展。
§2.1故障诊断和智能维护的远程化和网络化
工业机器人远程故障诊断和智能维护是现代故障诊断技术、传感器技术、视觉技术、计算机技术、和专家系统等，与物联网技术有机结合，通过对机器人运行状态的远程实时监控和网络化跟踪，实现对机器人故障的早期诊断和及时维护，并且能够实现机器人运行状态数据、故障信息、分析方法和故障诊断知识的网络共享。
§2.2故障诊断和智能维护的集成化和智能化
随着电子技术、信号检测与处理技术、计算机技术、网络通信技术及控制技术的快速发展，使得利用计算机技术对获取的传感器信息在自动分析、综合处理。使得工业机器人不断“进化”，从没有故障诊断和智能维护能力到目前具备一定的故障诊断和智能维护能力，未来最终实现拥有完全的故障诊断和智能维护能力。
上一篇
返回目录 
