復(fù)雜環(huán)境下機(jī)器人健康狀況預(yù)警模型的建立探索

郭方營(yíng)

（淄博職業(yè)學(xué)院<電子電氣工程學(xué)院>，山東 淄博255314）

0 引言

根據(jù)IFR統(tǒng)計(jì)，2018年中國(guó)、日本、韓國(guó)、美國(guó)和德國(guó)五大工業(yè)機(jī)器人市場(chǎng)占到全球安裝量的74%。其中，2018年中國(guó)工業(yè)機(jī)器人市場(chǎng)累計(jì)銷售工業(yè)機(jī)器人15.6萬臺(tái)，同比下降1.73%，占全球的比重達(dá)到36%，但年銷量連續(xù)第六年位居世界首位。2019年上半年，產(chǎn)量達(dá)到7.85萬臺(tái)，《山東省智能制造發(fā)展規(guī)劃（2017-2022年）》中提出“到2022年萬人機(jī)器人數(shù)量達(dá)到200臺(tái)以上”[1]，但目前全國(guó)工業(yè)機(jī)器人的保有量?jī)H為36萬臺(tái)。隨著新舊動(dòng)能轉(zhuǎn)換的不斷升級(jí)，我國(guó)生產(chǎn)制造智能化改造升級(jí)的需求日益凸顯，工業(yè)機(jī)器人生產(chǎn)企業(yè)的產(chǎn)能將會(huì)迅速提高，機(jī)器人的國(guó)產(chǎn)化水平大幅提升。

工業(yè)機(jī)器人是智能制造單元中重要的組成部分，特別是在汽車制造、機(jī)械加工等行業(yè)領(lǐng)域積極推廣應(yīng)用工業(yè)機(jī)器人。通過“機(jī)器換人”完成傳統(tǒng)生產(chǎn)線技術(shù)改造，提高企業(yè)勞動(dòng)生產(chǎn)率和產(chǎn)品質(zhì)量。例如，在工業(yè)機(jī)器人電動(dòng)機(jī)自動(dòng)化裝配線中包含定子上料、插紙、嵌線、初整、引線、自動(dòng)綁線、最終整形、浸漆、定子壓裝、轉(zhuǎn)子上料、軸承壓裝、轉(zhuǎn)子裝配、機(jī)殼壓裝、電機(jī)組裝、電機(jī)檢測(cè)等工序，90%以上的工藝都可以實(shí)現(xiàn)機(jī)器人的自動(dòng)裝配操作，機(jī)器人在不同的工位段都需要精確控制位置，機(jī)器人的精度和重復(fù)精度是決定機(jī)器人是否健康運(yùn)行的一個(gè)重要指標(biāo)，但是工業(yè)機(jī)器人往往工作的環(huán)境復(fù)雜，受外界不確定因素影響大，例如振動(dòng)、溫濕度、粉塵、以及人為觸碰等因素，一旦出現(xiàn)位置偏差，不僅生產(chǎn)質(zhì)量、生產(chǎn)效率等會(huì)受到影響，還會(huì)影響到生產(chǎn)線的正常運(yùn)行。

此外工業(yè)機(jī)器人結(jié)構(gòu)復(fù)雜，大部分企業(yè)和學(xué)校采購(gòu)回設(shè)備后，更關(guān)注的是設(shè)備的正常運(yùn)行，對(duì)于細(xì)微的“亞健康”狀況往往會(huì)忽略掉，而且一般企業(yè)操作人員自主維修能力有限，大多數(shù)技術(shù)員通過觀察、記錄異常數(shù)據(jù)并上報(bào)代碼信息反饋給提供商，設(shè)備供應(yīng)商再安排專門的技術(shù)人員到現(xiàn)場(chǎng)進(jìn)行維修，當(dāng)設(shè)備因?yàn)楣收显蛐枰C(jī)維修時(shí)，不僅需要較長(zhǎng)的維修周期，僅靠故障代碼也不能全面地分析故障發(fā)生時(shí)的場(chǎng)景，嚴(yán)重的故障可能會(huì)影響到生產(chǎn)加工，所以對(duì)工業(yè)機(jī)器人運(yùn)行狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)顯得尤為重要。

1 國(guó)內(nèi)外研究發(fā)展

近年來，全球機(jī)器人產(chǎn)業(yè)年均增長(zhǎng)速度始終保持在15%以上，但是工業(yè)機(jī)器人健康預(yù)警的研究相對(duì)滯后，在線健康評(píng)估和故障預(yù)警系統(tǒng)沒有得到大規(guī)模的推廣應(yīng)用，隨著先進(jìn)智能制造的升級(jí)，企業(yè)對(duì)于生產(chǎn)效率、生產(chǎn)成本的重視、工業(yè)機(jī)器人健康預(yù)警將會(huì)基于多傳感器信息融合技術(shù)、物聯(lián)網(wǎng)技術(shù)等實(shí)現(xiàn)有機(jī)結(jié)合，工業(yè)機(jī)器人出廠時(shí)就安裝有健康狀態(tài)自我診斷功能，從而提升工業(yè)機(jī)器人智能化水平。

瑞典ABB公司和日本發(fā)那科有類似的遠(yuǎn)程服務(wù)平臺(tái)，通過故障代碼檢測(cè)機(jī)器人運(yùn)行，缺少故障發(fā)生時(shí)實(shí)時(shí)的場(chǎng)景；美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）開發(fā)了一種快速健康評(píng)估方法，以快速評(píng)估機(jī)器人的工具中心位置和方向精度退化；美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究所還提出了一種支持快速健康評(píng)估方法的先進(jìn)傳感開發(fā)方法，利用先進(jìn)的傳感開發(fā)方法包括一個(gè)7維（7-D）測(cè)量?jī)x器（時(shí)間、X、Y、Z、橫搖、俯仰和偏航）和一個(gè)智能目標(biāo)，以方便快速測(cè)量機(jī)器人的工具中心精度[2]。據(jù)預(yù)測(cè)，到2020年，亞太地區(qū)新安裝工業(yè)機(jī)器人中至少40%將具備預(yù)測(cè)分析、健康狀態(tài)意識(shí)、自我診斷等功能。國(guó)家重點(diǎn)研發(fā)計(jì)劃“智能機(jī)器人”重點(diǎn)專項(xiàng)2018年度項(xiàng)目申報(bào)指南中（國(guó)科發(fā)資〔2018〕108號(hào)），將研制工業(yè)機(jī)器人在線健康評(píng)估和故障預(yù)警系統(tǒng)，基于機(jī)器人性能參數(shù)獲取、特征提取和智能診斷，實(shí)現(xiàn)工業(yè)機(jī)器人的健康評(píng)估和故障預(yù)警功能作為重點(diǎn)研究課題。趙威等提出了基于“邊-云協(xié)同架構(gòu)”的工業(yè)機(jī)器人健康評(píng)估方法[3]，周明等對(duì)碼垛機(jī)器人健康狀態(tài)評(píng)估的健康管理系統(tǒng)進(jìn)行了分析[4]。目前大部分企業(yè)操作人員還是通過觀察、記錄異常數(shù)據(jù)并上報(bào)代碼信息反饋給提供商，設(shè)備供應(yīng)商安排專門的技術(shù)人員到現(xiàn)場(chǎng)進(jìn)行維修，而且國(guó)產(chǎn)機(jī)器人品牌上很少具備健康狀態(tài)診斷功能。

2 機(jī)器人健康狀況預(yù)警模型研究路徑

2.1 研究路徑

工業(yè)機(jī)器人在復(fù)雜運(yùn)行環(huán)境下健康狀況預(yù)警模型是將傳感器技術(shù)、視覺技術(shù)、網(wǎng)絡(luò)通信以及物聯(lián)網(wǎng)技術(shù)有機(jī)的結(jié)合，通過多傳感器信息融合，對(duì)機(jī)器人精度等重要參數(shù)進(jìn)行參數(shù)獲取、特征提取并進(jìn)行故障預(yù)警，基于振動(dòng)、噪聲、溫度、運(yùn)行狀態(tài)、能效等多源特征參數(shù)融合，實(shí)現(xiàn)工業(yè)機(jī)器人的健康評(píng)估和故障診斷。健康預(yù)警模型包含兩個(gè)部分，一是將負(fù)載、故障率、運(yùn)行時(shí)間、能耗等參數(shù)構(gòu)建工業(yè)機(jī)器人的能效預(yù)警模型，作為工業(yè)機(jī)器人的常規(guī)檢測(cè)項(xiàng)目；二是依據(jù)多傳感器數(shù)據(jù)采集，將機(jī)器人工具中心位置（TCP）的精度、故障代碼停機(jī)時(shí)間、實(shí)施坐標(biāo)位置信息、成品合格率等參數(shù)進(jìn)行的重點(diǎn)指標(biāo)檢測(cè)，將能耗預(yù)警模型融入健康預(yù)警模型中，建立工業(yè)機(jī)器人運(yùn)行健康檔案，確保設(shè)備更高效的運(yùn)行。圖1所示為健康預(yù)警模型技術(shù)關(guān)聯(lián)圖。

2.2 關(guān)鍵技術(shù)

將傳感器技術(shù)、視覺技術(shù)以及網(wǎng)絡(luò)技術(shù)和物聯(lián)網(wǎng)技術(shù)有機(jī)結(jié)合，利用兩臺(tái)視覺相機(jī)，通過時(shí)間、坐標(biāo)信息位置、負(fù)載等參數(shù)實(shí)時(shí)監(jiān)測(cè)工業(yè)機(jī)器人位置精度的變化。

將健康狀況的預(yù)測(cè)分為常規(guī)監(jiān)測(cè)項(xiàng)目+重點(diǎn)指標(biāo)監(jiān)測(cè)，根據(jù)機(jī)器人的健康狀況，分為健康、亞健康、輕微故障、中度故障、重度故障5個(gè)預(yù)警階段，根據(jù)不同的健康狀況發(fā)出預(yù)警信息。

圖1 健康預(yù)警模型技術(shù)關(guān)聯(lián)圖

將傳感器技術(shù)、視覺技術(shù)以及網(wǎng)絡(luò)技術(shù)和物聯(lián)網(wǎng)技術(shù)有機(jī)結(jié)合，將眼看+診斷數(shù)據(jù)報(bào)告相結(jié)合，確認(rèn)故障診斷的可靠性。

進(jìn)行工業(yè)機(jī)器人運(yùn)行的實(shí)時(shí)監(jiān)測(cè)，減少停機(jī)檢修時(shí)間，提高生產(chǎn)效率。

3 總結(jié)

對(duì)于新建的智能制造生產(chǎn)線，可以新增健康狀況預(yù)警功能，對(duì)于已經(jīng)投入運(yùn)行的生產(chǎn)線，可以進(jìn)行技術(shù)升級(jí)，優(yōu)化生產(chǎn)線功能，生產(chǎn)線因?yàn)楣收贤C(jī)時(shí)間降低30%，生產(chǎn)效率提高10%～20%，降低因?yàn)楣收显蛲C(jī)造成的生產(chǎn)成本10%。

綜合考慮國(guó)內(nèi)外該項(xiàng)技術(shù)的發(fā)展現(xiàn)狀，工業(yè)機(jī)器人在復(fù)雜運(yùn)行環(huán)境下健康狀況預(yù)警模型的研究將為一線維修人員提供便捷的指導(dǎo)，并指導(dǎo)集成商在實(shí)際生產(chǎn)系統(tǒng)中進(jìn)行故障診斷系統(tǒng)的搭建，分析出工業(yè)機(jī)器人故障率高發(fā)的原因，根據(jù)生產(chǎn)工藝，針對(duì)故障高發(fā)區(qū)，做重點(diǎn)監(jiān)控與預(yù)警，確保設(shè)備正常使用率，在生產(chǎn)控制中，降低生產(chǎn)成本。