工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試技術(shù)發(fā)展與趨勢(shì)

湯少敏　劉桂雄　林志宇　李小兵

摘要：工業(yè)機(jī)器人伺服系統(tǒng)是工業(yè)機(jī)器人的核心部件，對(duì)其性能和可靠性進(jìn)行有效、客觀(guān)檢測(cè)，有助于優(yōu)化伺服系統(tǒng)性能及應(yīng)用。該文首先介紹工業(yè)機(jī)器人伺服系統(tǒng)組成和技術(shù)發(fā)展，總結(jié)工業(yè)機(jī)器人伺服系統(tǒng)的測(cè)試內(nèi)容，從單參數(shù)/性能測(cè)試、多參數(shù)/性能測(cè)試、智能測(cè)試3種測(cè)試模式對(duì)伺服系統(tǒng)測(cè)試技術(shù)進(jìn)展進(jìn)行系統(tǒng)分析，最后總結(jié)工業(yè)機(jī)器人伺服系統(tǒng)智能測(cè)試發(fā)展趨勢(shì)。

關(guān)鍵詞：工業(yè)機(jī)器人;伺服系統(tǒng);測(cè)試技術(shù);智能化

中圖分類(lèi)號(hào)：TP206.1 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-5124（2019）08-0001-07

0 引言

在國(guó)際制造業(yè)升級(jí)大背景下，各國(guó)出臺(tái)相應(yīng)戰(zhàn)略，如美國(guó)的“再工業(yè)化”戰(zhàn)略、德國(guó)的“工業(yè)4.0"概念，以及我國(guó)的《中國(guó)制造2025》，推動(dòng)工業(yè)革命的產(chǎn)業(yè)技術(shù)升級(jí)[1]，綜合機(jī)械、電子、計(jì)算機(jī)、傳感器、人工智能、控制技術(shù)等學(xué)科的先進(jìn)技術(shù)于一體的工業(yè)機(jī)器人，成為本次制造業(yè)革命核心之一[2]。工業(yè)機(jī)器人伺服系統(tǒng)（industrial robot servo system，IRSS）是直接影響工業(yè)機(jī)器人運(yùn)動(dòng)速度、定位精度、承載能力、作業(yè)性能的核心部件[3]，對(duì)IRSS的性能

收稿日期：2019-05-30;收到修改稿日期：2019-07-02

基金項(xiàng)目：廣東省高端裝備制造計(jì)劃項(xiàng)目（201713090914003）

作者簡(jiǎn)介：湯少敏（1987-），女，廣東珠海市人，博士研究生，專(zhuān)業(yè)方向?yàn)橹悄芑瘷z測(cè)與儀器研究。

通信作者：劉桂雄（1968-），男，廣東揭陽(yáng)市人，教授，博導(dǎo)，主要從事智能化檢測(cè)與儀器研究。和可靠性進(jìn)行有效、客觀(guān)、科學(xué)檢測(cè)，將為IRSS的設(shè)計(jì)開(kāi)發(fā)提供足夠的試驗(yàn)數(shù)據(jù)，是目前高性能高可靠性工業(yè)機(jī)器人伺服系統(tǒng)研發(fā)過(guò)程中的重要環(huán)節(jié)。

1 IRSS組成與重要測(cè)試指標(biāo)

1.1 IRSS組成與技術(shù)發(fā)展

IRSS是用于完成工業(yè)機(jī)器人特定軌跡運(yùn)動(dòng)的執(zhí)行單元，其主要任務(wù)是根據(jù)控制器的控制命令，對(duì)控制信號(hào)進(jìn)行處理，使驅(qū)動(dòng)裝置輸出相應(yīng)的力矩、速度和位置，實(shí)現(xiàn)工業(yè)機(jī)器人對(duì)外部變化負(fù)載的靈活控制。通?？梢杂伤欧?qū)動(dòng)器、伺服驅(qū)動(dòng)裝置和伺服反饋元件構(gòu)成。以圖1所示的四自由度的碼垛機(jī)器人為例[4]，機(jī)器人有4個(gè)伺服系統(tǒng)，分別位于腰部、前臂驅(qū)動(dòng)臂、大臂和腕部，實(shí)現(xiàn)腰部繞底座的旋轉(zhuǎn)運(yùn)動(dòng)、前臂的垂直方向運(yùn)動(dòng)、大臂的水平方向運(yùn)動(dòng)、末端執(zhí)行器的回轉(zhuǎn)運(yùn)動(dòng)。圖2為四自由度的碼垛機(jī)器人伺服系統(tǒng)一般工作原理示意框圖?？刂破鞲鶕?jù)上位機(jī)的運(yùn)動(dòng)控制數(shù)據(jù)與命令，進(jìn)行軌跡規(guī)劃、插補(bǔ)計(jì)算，將運(yùn)算得到的位置命令輸入伺服驅(qū)動(dòng)器;伺服驅(qū)動(dòng)器根據(jù)控制器輸入的位置命令，與位于伺服電機(jī)上的編碼器產(chǎn)生的反饋信號(hào)進(jìn)行比較得到誤差信號(hào)，基于誤差信號(hào)進(jìn)行控制運(yùn)算生成控制信息，控制逆變器輸出的PWM脈沖寬度、脈沖周期達(dá)到變壓變頻目的，從而控制對(duì)應(yīng)伺服電機(jī)轉(zhuǎn)矩、轉(zhuǎn)速和位置的輸出[5]。

1）伺服驅(qū)動(dòng)器。具體實(shí)現(xiàn)IRSS的控制運(yùn)算功能。驅(qū)動(dòng)器微處理器從以單一的DSP[6]為主，發(fā)展到DSP+FGPA[7]，ARM+FGPA[8]甚至ARM+DSP+FPGA[9]多種微處理器結(jié)合;驅(qū)動(dòng)器控制策略從PID控制發(fā)展到的自整定控制[10]、自適應(yīng)控制[11]、滑模變結(jié)構(gòu)控制[12]、智能控制[13]，以及多種控制策略與神經(jīng)網(wǎng)絡(luò)控制結(jié)合[14];驅(qū)動(dòng)器PWM技術(shù)從正弦脈沖SPVVM技術(shù)發(fā)展到以生成圓形磁鏈為目標(biāo)的SVPVVM技術(shù)（擁有高于SPVVM技術(shù)10%以上電壓利用率O[15]）驅(qū)動(dòng)器電力電子器件從半控式晶閘管，到半導(dǎo)體器件、復(fù)合型場(chǎng)控器件，再到具有更高集成度、可靠性的IPM智能功率模塊[16]。

2）伺服驅(qū)動(dòng)裝置。具體負(fù)責(zé)接收伺服驅(qū)動(dòng)器信息輸出相應(yīng)的轉(zhuǎn)矩、轉(zhuǎn)速。早期工業(yè)機(jī)器人伺服驅(qū)動(dòng)機(jī)構(gòu)主要以步進(jìn)電機(jī)、電液馬達(dá)為主，逐漸被調(diào)速性能優(yōu)異的直流伺服電機(jī)取代[17]。到20世紀(jì)80年代，交流電機(jī)變頻調(diào)速技術(shù)飛躍發(fā)展，具有高可靠性的交流伺服電機(jī)成為主流。早期交流伺服電機(jī)是以PWM方波代替電刷換向的無(wú)刷直流電機(jī)[18]，隨著永磁材料技術(shù)發(fā)展，具有勵(lì)磁效率高、功率密度高的永磁同步電機(jī)廣泛應(yīng)用于IRSS[19]。交流伺服電機(jī)具有參數(shù)多且耦合性強(qiáng)等特點(diǎn)，需要設(shè)計(jì)專(zhuān)門(mén)控制技術(shù)，包括矢量控制[20]、直接轉(zhuǎn)矩控制[21]和模型預(yù)測(cè)控制[22]等。

3）伺服反饋元件。具體將測(cè)量伺服驅(qū)動(dòng)裝置位置、速度信息等反饋給伺服驅(qū)動(dòng)器，調(diào)整控制指令實(shí)現(xiàn)伺服系統(tǒng)與負(fù)載的隨動(dòng)變化。IRSS反饋元件有旋轉(zhuǎn)變壓器[23]、光電編碼器[24]、磁編碼器[25]等位置傳感器。近年也出現(xiàn)利用電機(jī)繞組中的電信號(hào)，通過(guò)適當(dāng)方法估計(jì)轉(zhuǎn)子位置或轉(zhuǎn)速的無(wú)位置傳感技術(shù)[26]，有根據(jù)電機(jī)模型的估算方法、基于觀(guān)測(cè)器模型的閉環(huán)算法、基于電機(jī)理想特性的算法等，隨著人工智能發(fā)展，與智能算法結(jié)合使無(wú)位置傳感技術(shù)在控制精度和響應(yīng)速度上進(jìn)一步提升[27]。

1.2 IRSS測(cè)試內(nèi)容

IRSS作為核心驅(qū)動(dòng)部件，具有專(zhuān)門(mén)技術(shù)要求及對(duì)應(yīng)技術(shù)參數(shù)，目前可以參考的標(biāo)準(zhǔn)有GB/T16439-2009《交流伺服系統(tǒng)通用技術(shù)條件》、GB/T 30549-2014《永磁交流伺服電動(dòng)機(jī)通用技術(shù)條件》、JB/T 13216-2017《工業(yè)機(jī)械數(shù)字控制系統(tǒng)用交流主軸》。對(duì)伺服系統(tǒng)的技術(shù)要求包括環(huán)境適應(yīng)性好、可靠性高、安全性有保障、控制精度高、響應(yīng)速度快、運(yùn)行平穩(wěn)、力矩輸出足等，圖3列出IRSS主要測(cè)試內(nèi)容。

2 IRSS測(cè)試技術(shù)進(jìn)展

試驗(yàn)檢測(cè)技術(shù)在現(xiàn)代科學(xué)研究與產(chǎn)品研發(fā)中發(fā)揮愈發(fā)重要的作用，開(kāi)展IRSS檢測(cè)具有重要價(jià)值與意義。目前對(duì)IRSS的測(cè)試研究相對(duì)滯后，有必要通過(guò)分析伺服系統(tǒng)測(cè)試技術(shù)進(jìn)展，借鑒目前伺服系統(tǒng)測(cè)試先進(jìn)技術(shù)水平，開(kāi)展相關(guān)研究?？v觀(guān)伺服系統(tǒng)測(cè)試技術(shù)進(jìn)展，主要分成3種測(cè)試模式，即單參數(shù)/性能測(cè)試模式、多參數(shù)/性能測(cè)試模式、智能測(cè)試模式。

1）伺服系統(tǒng)單參數(shù)/性能測(cè)試模式

單參數(shù)/性能測(cè)試模式是指針對(duì)伺服系統(tǒng)某一特定參數(shù)/性能進(jìn)行測(cè)試，主要以各種單參數(shù)/性能測(cè)試裝置為代表，如轉(zhuǎn)矩測(cè)試儀、電感測(cè)試儀、磁特性測(cè)試裝置等。單參數(shù)/'A能測(cè)試模式因其測(cè)試內(nèi)容專(zhuān)一，使用靈活，測(cè)試干擾度小，測(cè)試精度較高，通常在需要測(cè)量某個(gè)參數(shù)、性能時(shí)使用。

近年來(lái)，單參數(shù)/性能測(cè)試技術(shù)研究主要集中在如下方面：①伺服系統(tǒng)單參數(shù)/性能精確測(cè)量。如文獻(xiàn)[28]（2014年）將同步采樣技術(shù)引進(jìn)伺服電機(jī)的溫升測(cè)試中，與現(xiàn)有電機(jī)溫升測(cè)量方法相比，該系統(tǒng)測(cè)試結(jié)果均方根誤差減小近90%;文獻(xiàn)[29]（2017年）設(shè)計(jì)一種伺服電機(jī)動(dòng)態(tài)響應(yīng)檢測(cè)裝置，通過(guò)設(shè)置有多個(gè)定位孔慣量盤(pán)精確測(cè)量伺服電機(jī)轉(zhuǎn)動(dòng)慣量;文獻(xiàn)[30]（2017年）提出一種有別于傳統(tǒng)方法的轉(zhuǎn)矩波動(dòng)測(cè)量方法，與傳統(tǒng)僅使用扭矩傳感器方法比較，能夠有效地獲取伺服電機(jī)高速運(yùn)轉(zhuǎn)時(shí)輸出扭矩的諧波分量，更精確地獲得更寬頻范圍的轉(zhuǎn)矩波動(dòng)尸衛(wèi)汁司服系統(tǒng)單參數(shù)戶(hù)性能簡(jiǎn)便測(cè)量。如文獻(xiàn)[31]（2016年）使用步進(jìn)電機(jī)取代齒槽轉(zhuǎn)矩經(jīng)典測(cè)試方法中的原動(dòng)機(jī)對(duì)待測(cè)伺服電機(jī)進(jìn)行牽引試驗(yàn)測(cè)試其齒槽轉(zhuǎn)矩，該方法能夠獲得與經(jīng)典方法一致的測(cè)試結(jié)果，且相對(duì)于經(jīng)典方法，更具有靈活性、可控性，以及能夠有效地避免測(cè)試的遲滯現(xiàn)象;文獻(xiàn)[32]（2017年）指出現(xiàn)有伺服電機(jī)鐵芯損耗模型具有模型復(fù)雜、測(cè)試量和計(jì)算量大、結(jié)果不精確問(wèn)題，提出一種無(wú)需考慮永磁體磁化歷史的永磁材料瞬時(shí)功率損耗模型，計(jì)算簡(jiǎn)單、結(jié)果精確，實(shí)驗(yàn)表明其最大相對(duì)模型誤差僅為3.47%;文獻(xiàn)[33]（2019年）提出一種基于電感與電流倒數(shù)關(guān)系的電感在線(xiàn)測(cè)量方法，僅依賴(lài)于伺服電機(jī)驅(qū)動(dòng)控制的脈寬調(diào)制激發(fā)，無(wú)需像傳統(tǒng)電感測(cè)試要額外附加其他激發(fā)設(shè)備。

隨著技術(shù)發(fā)展和研究深入，伺服系統(tǒng)單參數(shù)/性能測(cè)試模式能夠?qū)崿F(xiàn)參數(shù)/性能指標(biāo)高精度、簡(jiǎn)便測(cè)量，但面對(duì)進(jìn)行多個(gè)參數(shù)/性能綜合評(píng)價(jià)時(shí)，會(huì)存在如下問(wèn)題：要每個(gè)測(cè)試裝置依次測(cè)試，其測(cè)試效率較低，測(cè)試臺(tái)套多;對(duì)某些瞬間狀態(tài)多個(gè)參數(shù)決定的性能測(cè)試，會(huì)因各裝置觸發(fā)不同步而導(dǎo)致數(shù)據(jù)準(zhǔn)確度低;測(cè)試數(shù)據(jù)分散，給數(shù)據(jù)處理帶來(lái)困難。

2）伺服系統(tǒng)多彩數(shù)/性能測(cè)試模式

多參數(shù)/性能測(cè)試模式基于自動(dòng)測(cè)試集成技術(shù)應(yīng)運(yùn)而生，針對(duì)伺服系統(tǒng)某方面特性評(píng)價(jià)而進(jìn)行測(cè)試，其核心是采用微處理器控制多個(gè)測(cè)試儀器/測(cè)試裝置進(jìn)行相應(yīng)測(cè)試及測(cè)試結(jié)果集成處理。例如：文獻(xiàn)[34]（2011年）研制可實(shí)現(xiàn)異步電機(jī)的空載試驗(yàn)、堵轉(zhuǎn)試驗(yàn)和負(fù)載試驗(yàn)及相應(yīng)工作特性分析的自動(dòng)測(cè)試系統(tǒng);文獻(xiàn)[35]（2013年）設(shè)計(jì)用于評(píng)價(jià)交流伺服永磁同步電機(jī)機(jī)械特性測(cè)試系統(tǒng);文獻(xiàn)[36]（2017年）研制可實(shí)現(xiàn)電機(jī)出廠(chǎng)參數(shù)/性能如工頻耐壓性能、匝間沖擊性能、絕緣電阻、直流低電阻、空載電參數(shù)的測(cè)試和測(cè)量的綜合測(cè)試系統(tǒng)。

早期伺服系統(tǒng)多參數(shù)/性能測(cè)試模式主要由單片機(jī)微處理器控制的電機(jī)測(cè)試專(zhuān)用儀表實(shí)現(xiàn)，如文獻(xiàn)[37]（2012年）設(shè)計(jì)一種基于 DSP微處理器的電機(jī)電參數(shù)測(cè)量?jī)x;文獻(xiàn)[38]（2012年）研制基于FPGA的等精度轉(zhuǎn)矩轉(zhuǎn)速測(cè)量?jī)x，這些專(zhuān)用儀表雖能實(shí)現(xiàn)多參數(shù)/性能指標(biāo)的測(cè)試、測(cè)量精度高、測(cè)試同步觸發(fā)、測(cè)試效率較高，但存在系統(tǒng)開(kāi)發(fā)周期長(zhǎng)、硬件設(shè)計(jì)和調(diào)試工作量大、缺少測(cè)試數(shù)據(jù)存儲(chǔ)和處理能力等問(wèn)題。隨著計(jì)算機(jī)技術(shù)與測(cè)試計(jì)量技術(shù)的緊密結(jié)合，以PC機(jī)為核心的伺服系統(tǒng)自動(dòng)測(cè)試系統(tǒng)使得伺服系統(tǒng)多參數(shù)/性能測(cè)試模式實(shí)現(xiàn)得更加簡(jiǎn)便、靈活，如以PC機(jī)加虛擬儀器技術(shù)，使伺服系統(tǒng)測(cè)試系統(tǒng)設(shè)計(jì)與裝配簡(jiǎn)單、調(diào)試效率高，功能靈活、強(qiáng)大;以計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)為基礎(chǔ)的分布式、網(wǎng)絡(luò)化測(cè)試，使測(cè)試資源能夠整合并實(shí)現(xiàn)共享。文獻(xiàn)[39]（2010年）采用虛擬儀器的網(wǎng)絡(luò)測(cè)試技術(shù)整合了海寶鋼集團(tuán)7個(gè)伺服系統(tǒng)測(cè)試工作站;文獻(xiàn)[40]（2014年）采用基于以太網(wǎng)的分布式多總線(xiàn)技術(shù)整合8個(gè)不同功能的伺服系統(tǒng)測(cè)試臺(tái);文獻(xiàn)[41]（2012年）利用LabVIEW提供的Web Server遠(yuǎn)程網(wǎng)頁(yè)發(fā)布工具，實(shí)現(xiàn)客戶(hù)端對(duì)伺服電機(jī)及驅(qū)動(dòng)測(cè)試系統(tǒng)遠(yuǎn)程服務(wù)器端Ⅵ前面板的監(jiān)視和控制功能，使得測(cè)試系統(tǒng)擴(kuò)展更簡(jiǎn)便。

伺服系統(tǒng)多參數(shù)/性能測(cè)試模式多是簡(jiǎn)單地應(yīng)用計(jì)算機(jī)與互聯(lián)網(wǎng)技術(shù)，集成層次、綜合深度還不高，導(dǎo)致多參數(shù)/性能測(cè)試僅能給出部分性能評(píng)價(jià)，測(cè)試過(guò)程調(diào)度優(yōu)化較少，伺服系統(tǒng)性能評(píng)價(jià)體系研究相對(duì)滯后，對(duì)龐大的測(cè)試數(shù)據(jù)還有待高效的處理與整合，伺服系統(tǒng)輸出的智能化水平有待提高。

3）智能測(cè)試模式

智能測(cè)試模式是基于伺服系統(tǒng)自動(dòng)測(cè)試技術(shù)，借助人工智能方法，使得伺服系統(tǒng)測(cè)試效率更高，測(cè)試精度更高，測(cè)試結(jié)果更客觀(guān)可靠，已成為目前伺服系統(tǒng)測(cè)試研究熱點(diǎn)。

①應(yīng)用各種智能識(shí)別算法，使得伺服系統(tǒng)測(cè)試更簡(jiǎn)便、效率更高。如文獻(xiàn)[42]（2015年）提出一種只需電機(jī)空載運(yùn)行即能得到翻新三相感應(yīng)電機(jī)負(fù)載效率的智能識(shí)別算法，省略傳統(tǒng)測(cè)試中對(duì)測(cè)功機(jī)硬件需求，實(shí)驗(yàn)表明其100%負(fù)載效率下最大誤差僅為-0.70%;文獻(xiàn)[43-44]（2017年）智能識(shí)別算法應(yīng)用于測(cè)試系統(tǒng)，只需要采集扭矩、轉(zhuǎn)矩、電壓、電流等常規(guī)信息，即能獲得永磁同步電機(jī)轉(zhuǎn)子轉(zhuǎn)動(dòng)慣量，以及電阻、電感和磁鏈3個(gè)電參數(shù)。②智能控制方法應(yīng)用于伺服系統(tǒng)測(cè)試，使其測(cè)試負(fù)載輸出精度更高，測(cè)試結(jié)果更有意義。電動(dòng)負(fù)載模擬器是伺服系統(tǒng)測(cè)試常用負(fù)載機(jī)構(gòu)，其控制性能決定其對(duì)待測(cè)伺服系統(tǒng)給定力矩的跟蹤性能以及加載精度。文獻(xiàn)[45]（2016年）研究一種應(yīng)用于電動(dòng)負(fù)載模擬器的基于自適應(yīng)差分進(jìn)化算法變結(jié)構(gòu)小波神經(jīng)網(wǎng)絡(luò)控制策略，有效抑制電動(dòng)負(fù)載模擬器的多余力矩，提高負(fù)載輸出精度;文獻(xiàn)[46]（2017年）采用基于RBF神經(jīng)網(wǎng)絡(luò)的PID控制器對(duì)電動(dòng)負(fù)載模擬器的系統(tǒng)摩擦進(jìn)行補(bǔ)償，使得系統(tǒng)跟蹤誤差明顯減小，力矩輸出準(zhǔn)確度得到很大提高;文獻(xiàn)[47]（2017年）將模糊邏輯應(yīng)用于小腦模型關(guān)節(jié)控制器，并與PD控制器對(duì)電動(dòng)負(fù)載模擬器實(shí)現(xiàn)并行控制，提高其負(fù)載輸出精度以及抗干擾性能。③應(yīng)用各種智能算法對(duì)測(cè)試系統(tǒng)采集的數(shù)據(jù)進(jìn)行運(yùn)算、融合和分析，使獲得的伺服系統(tǒng)測(cè)瞬吉果更客觀(guān)可靠。文獻(xiàn)[48]（2011年）根據(jù)伺服系統(tǒng)的絕緣電阻、極化系數(shù)、泄漏電流、介電損耗角、局部放電等測(cè)試數(shù)據(jù)，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)和基于模糊系統(tǒng)的伺服系統(tǒng)絕緣質(zhì)量評(píng)判的專(zhuān)家系統(tǒng);文獻(xiàn)[49]（2015年）使用短時(shí)傅里葉變換、離散小波變換算法對(duì)伺服電機(jī)定子電流進(jìn)行分析，給出伺服系統(tǒng)定子、轉(zhuǎn)子故障評(píng)估結(jié)果以及相應(yīng)的嚴(yán)重程度值。

伺服系統(tǒng)智能測(cè)試模式處于快速發(fā)展階段，若將智能調(diào)度算法應(yīng)用于伺服系統(tǒng)的多參數(shù)/性能測(cè)試中，將助于提高測(cè)試效率以及降低測(cè)試功耗;若將智能算法應(yīng)用于可靠性數(shù)據(jù)的處理和分析中，將使伺服系統(tǒng)可靠性測(cè)試結(jié)果更加科學(xué)。

綜合上面進(jìn)展評(píng)述，伺服系統(tǒng)測(cè)試技術(shù)研究存在如下不足：1）測(cè)試對(duì)象多針對(duì)通用伺服系統(tǒng)，針對(duì)專(zhuān)用伺服系統(tǒng)的測(cè)試平臺(tái)研究較少，特別對(duì)工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試平臺(tái)研究幾乎沒(méi)有涉及;2）測(cè)試內(nèi)容多是針對(duì)伺服系統(tǒng)的某一特性或某幾個(gè)參數(shù)，遠(yuǎn)未達(dá)到對(duì)伺服系統(tǒng)綜合評(píng)價(jià)水平，且作為伺服系統(tǒng)關(guān)鍵性能指標(biāo)可靠性，一般沒(méi)有被考慮到測(cè)試平臺(tái)設(shè)計(jì)中;3）智能化應(yīng)用水平有待提高，隨著人工智能的不斷發(fā)展，很多前沿的人工智能研究成果有望在伺服系統(tǒng)測(cè)試平臺(tái)得到應(yīng)用。

3 IRSS智能測(cè)試發(fā)展趨勢(shì)

隨著近年來(lái)很多前沿的人工智能研究成果不斷涌現(xiàn)，在工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試中引入人工智能，實(shí)現(xiàn)其智能測(cè)試，是工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試發(fā)展的必然趨勢(shì)。具體體現(xiàn)在多測(cè)試任務(wù)調(diào)度方法應(yīng)用、數(shù)據(jù)驅(qū)動(dòng)的機(jī)械部件可靠性評(píng)估技術(shù)應(yīng)用、高性能加載系統(tǒng)智能控制技術(shù)應(yīng)用等。

3.1 多測(cè)試任務(wù)調(diào)度方法應(yīng)用

對(duì)于工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試性能指標(biāo)多，傳統(tǒng)按每個(gè)性能指標(biāo)順序測(cè)試，即每次測(cè)試都進(jìn)行一次啟動(dòng)、停機(jī)操作或裝機(jī)操作，測(cè)試耗時(shí)長(zhǎng)，測(cè)試能耗增加，測(cè)試效率低。目前主流方法是通過(guò)分單元測(cè)試的方法，將具有相同測(cè)試條件性能指標(biāo)綜合成一個(gè)測(cè)試單元，一定程度上提高效率，但仍然需要啟動(dòng)、停機(jī)操作或裝機(jī)操作。啟發(fā)于并行測(cè)試技術(shù)，將每個(gè)性能指標(biāo)作為測(cè)試任務(wù)，并根據(jù)相應(yīng)的測(cè)試標(biāo)準(zhǔn)整理各性能指標(biāo)測(cè)試相關(guān)的測(cè)試條件資源、儀器資源。當(dāng)進(jìn)行測(cè)試的時(shí)候，在測(cè)試平臺(tái)一次裝機(jī)、啟停機(jī)，過(guò)程實(shí)現(xiàn)測(cè)試條件的自動(dòng)切換，實(shí)現(xiàn)多個(gè)性能指標(biāo)測(cè)試，縮短測(cè)試時(shí)間，提高測(cè)試效率。文獻(xiàn)[50]（2015年）利用Dijkstra網(wǎng)絡(luò)路徑算法對(duì)復(fù)雜并行測(cè)試任務(wù)調(diào)度問(wèn)題進(jìn)行簡(jiǎn)化，減少傳統(tǒng)方法對(duì)調(diào)度求解的中間步驟，得到較優(yōu)測(cè)試路徑，大大提高測(cè)試效率;文獻(xiàn)[51]（2016年）對(duì)比證明，在動(dòng)態(tài)多任務(wù)調(diào)度中，應(yīng)用人工智能方法能實(shí)現(xiàn)非線(xiàn)性建模，在復(fù)雜決策中具有實(shí)時(shí)性更高優(yōu)勢(shì)。并行測(cè)試技術(shù)與裝備智能化、自動(dòng)化相關(guān)，會(huì)涉及智能調(diào)度算法，具有很大研究空間。

3.2 數(shù)據(jù)驅(qū)動(dòng)的機(jī)械部件可靠性評(píng)估技術(shù)應(yīng)用

可靠性是工業(yè)機(jī)器人伺服系統(tǒng)重要的測(cè)試指標(biāo)。目前常規(guī)的伺服系統(tǒng)測(cè)試多以性能測(cè)試為主，對(duì)可靠性指標(biāo)的考察較少。雖然有專(zhuān)門(mén)的伺服系統(tǒng)可靠性檢測(cè)平臺(tái)[52-53]，但這些平臺(tái)：1）僅能獲得可靠性測(cè)試的評(píng)估結(jié)果，而性能測(cè)試需要在其他平臺(tái)進(jìn)行，綜合評(píng)價(jià)效率較低;2）仍然采用較傳統(tǒng)可靠性評(píng)估分析方法，評(píng)估結(jié)果依賴(lài)于伺服系統(tǒng)先驗(yàn)知識(shí)（數(shù)學(xué)模型、專(zhuān)家經(jīng)驗(yàn)），存在一定的局限性。受近年來(lái)比較熱門(mén)的基于復(fù)雜系統(tǒng)可靠性考慮的故障預(yù)測(cè)與健康管理（prognostics and health management，PHM）技術(shù)啟發(fā)，以工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試平臺(tái)中采集的測(cè)試數(shù)據(jù)為基礎(chǔ)，可以通過(guò)各種數(shù)據(jù)分析處理方法挖掘其中隱含的可靠性信息，既將工業(yè)機(jī)器人伺服系統(tǒng)性能指標(biāo)測(cè)試過(guò)程、可靠性結(jié)果獲得過(guò)程相結(jié)合，又將人工智能技術(shù)應(yīng)用于數(shù)據(jù)分析、可靠性信息挖掘中，獲得較為客觀(guān)、真實(shí)、有依據(jù)的可靠性評(píng)估結(jié)果。

3.3 高性能加載系統(tǒng)智能控制技術(shù)應(yīng)用

使用交流伺服系統(tǒng)作為負(fù)載機(jī)構(gòu)，相比阻尼模擬器、磁粉制動(dòng)器等負(fù)載機(jī)構(gòu)來(lái)說(shuō)，具有轉(zhuǎn)速和轉(zhuǎn)矩控制特性?xún)?yōu)異、動(dòng)態(tài)響應(yīng)快、可靠性高等優(yōu)點(diǎn)，非常適用于作為工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試的加載系統(tǒng)，而將交流伺服系統(tǒng)作為工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試的負(fù)載機(jī)構(gòu)，交流伺服系統(tǒng)需要在工業(yè)機(jī)器人伺服系統(tǒng)拖動(dòng)的過(guò)程中按要求給與工業(yè)機(jī)器人伺服系統(tǒng)施加模擬力矩負(fù)荷，是一個(gè)典型被動(dòng)式力矩伺服系統(tǒng)（passive torque servo system，PTSS）。對(duì)于PTSS來(lái)說(shuō)，影響其加載精度的重要因素是“多余力矩”[54]。隨著人工智能技術(shù)發(fā)展，引入智能控制策略抑制“多余力矩”干擾成為一種趨勢(shì)。因此，將人工智能算法引入到負(fù)載機(jī)構(gòu)的控制策略，抑制其“多余力矩”，可以有效提高測(cè)試負(fù)載輸出精度以及跟蹤性能。

4 結(jié)束語(yǔ)

1）工業(yè)機(jī)器人伺服系統(tǒng)是完成工業(yè)機(jī)器人特定軌跡運(yùn)動(dòng)的執(zhí)行單元，是工業(yè)機(jī)器人的核心部件，對(duì)工業(yè)機(jī)器人伺服系統(tǒng)的性能和可靠性進(jìn)行有效、客觀(guān)檢測(cè)，可以有效指導(dǎo)工業(yè)機(jī)器人伺服系統(tǒng)的設(shè)計(jì)和研發(fā)，提高其應(yīng)用性能。

2）目前應(yīng)用于工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試的專(zhuān)用平臺(tái)研究幾乎空白，而常規(guī)伺服系統(tǒng)檢測(cè)平臺(tái)應(yīng)用于工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試存在綜合測(cè)試和評(píng)價(jià)水平不足，未能滿(mǎn)足工業(yè)機(jī)器人伺服系統(tǒng)測(cè)試內(nèi)容的全覆蓋，智能化水平較低。

3）必須設(shè)計(jì)專(zhuān)門(mén)應(yīng)用于工業(yè)機(jī)器人伺服系統(tǒng)檢測(cè)的綜合測(cè)試平臺(tái)，在平臺(tái)設(shè)計(jì)中需要有針對(duì)性地解決測(cè)試指標(biāo)多帶來(lái)的測(cè)試效率低、伺服系統(tǒng)的可靠性評(píng)價(jià)問(wèn)題、負(fù)載高輸出精度問(wèn)題，將人工智能技術(shù)引入到測(cè)試平臺(tái)中將有助于以上問(wèn)題解決，也是工業(yè)機(jī)器人伺服系統(tǒng)智能測(cè)試的發(fā)展趨勢(shì)。

參考文獻(xiàn)

[1]LI L.China's manufacturing locus in 2025：With a comparisonof“Made-In-China 2025”and "Industry 4.0”[J].Technological Forecasting and Social Change，2018，135：66-74.

[2]曲道奎.中國(guó)機(jī)器人產(chǎn)業(yè)發(fā)展現(xiàn)狀與展望[J].中國(guó)科學(xué)院院刊，2015，30（3）：342-346，429.

[3]FAZLOLLAHTABAR H，AKHAVAN NIAKI S T.Fault treeanalysis for reliability evaluation of an advanced complexmanufacturing system[J].Journal of Advanced ManufacturingSystems，2018，17（1）：107-118.

[4]曹家鑫.一種高速重載碼垛機(jī)器人的設(shè)計(jì)開(kāi)發(fā)[D].天津：天津大學(xué)，2012.

[5]姜華.碼垛機(jī)器人軌跡規(guī)劃算法研究[D].上海：上海交通大學(xué)，2014.

[6]ALSAYED Y M，MAAMOUN A，SHALTOUT A.Highperformance control of PMSM drive system implementationbased on DSP real-time controller[C]//Proceedings of 2019International Conference on Innovative Trends in ComputerEngineering，2019：225-230.

[7]張新華，黃建，張兆凱，等.基于DSP和FPGA的高功率密度交流伺服驅(qū)動(dòng)控制系統(tǒng)設(shè)計(jì)[J].微電機(jī)，2017，50（2）：45-49.

[8]LI Z，CHEN D H.Design and implementation of dataacquisition system based on FPGA and high-speed Al][J].Applied Mechanics and Materials，2014，556-562：1515-1519.

[9]劉大偉，王蘇洲.基于ARM+DSP+FPGA的機(jī)器人多軸運(yùn)動(dòng)控制器的設(shè)計(jì)與研究[J].制造技術(shù)與機(jī)床，2017（7）：100-104+108.

[10]TAGHIZADEH M，YARMOHAMMADI M J.Developmentof a self-tuning PI1）controller on hydraulically actuatedstewart platform stabilizer with base excitation[J].International Journal of Control Automation And Systems，2018，16（6）：2990-2999.

[11]BRUNNER D，KUANG A Q，LABOMBARI）B，et al.Linearservomotor probe drive system with real-time self-adaptiveposition control for the Alcator C-Mod tokamak[J].Reviewof Scientific Instruments，2017，88（7）：073501.

[12]ADHIKARY N，MAHANTA C.Sliding mode control ofposition commanded robot manipulators[J].ControlEngineering Practice，2018，81：183-198.

[13]嚴(yán)浩，白瑞林，朱朔.基于預(yù)測(cè)型間接迭代學(xué)習(xí)的SCARA機(jī)器人軌跡跟蹤控制[J].計(jì)算機(jī)工程，2017，43（10）：296-301，309.

[14]LIN F J，CFIEN S G，SUN I F.Intelligent sliding-modeposition control using recurrent wavelet fuzzy neural networkfor electrical power steering system[J].International Journalof Fuzzy Systems，2017，19（5）：1344-1361.

[15]MIRAFZAL B，SAGHALEINI M，KAVIANI A K.AnSVPWM-based switching pattern for stand-alone and grid-connected three-phase single-stage boost inverters[J].IEEETransactions on Power Electronics，2011，26（4）：1102-1111.

[16]孫振興.交流伺服系統(tǒng)先進(jìn)控制理論及應(yīng)用研究[D].南京：東南大學(xué)，2018.

[17]GOLL S A，KORNEEV V E，KARABANOV S M，et al.Optionally filling scalable complex of universal DC motorcontrollers and multisensory converters for mobilerobotics[C]//2015 IEEE International Conference onIndustrial Technology，2015：392-398.

[18]MANIKANDAN R，ARULMOZHIYAL R.Intelligentposition control of a vertical rotating single arm robot usingBLDC servo drive[J].Journal of Power Electronics，2016，16（1）：205-216.

[19]HONG D K，HWANG W，LEE J Y，et al.Design，analysis，and experimental validation of a permanent magnetsynchronous motor for aArticulated robot applications[J].IEEE Transactions on Magnetics，2018，54（3）：1-4.

[20]呂學(xué)勤，韓聰.燃料電池焊接機(jī)器人異步電動(dòng)機(jī)矢量控制[J].電源技術(shù)，2016，40（5）：1023-1026.

[21]YUAN T Q，WANG D Z，WANG X H，et al.High-precisionservo control of industry robot driven by PMSM-DTCutilizing composite active vectors[J].IEEE Access，2019，7：7577-7587.

[22]WEN S H，QIN G Q，ZHANG B W，et al.The study of modelpredictive control algorithm based on the force/positioncontrol scheme of the 5-DOF redundant actuation parallelrobot[J].Robotics and Autonomous Systems，2016，79：12-25.

[23]HALDER S，AGRAWAL A，AGARWAL P，et al.Resolverbased position estimation of vector controlled PMSM drive fedby matrix converter[C]//2016 2nd IEEE InternationalInnovative Applications of Computational Intelligence onPower，Energy and Controls with Their Impact on Humanity，2016：68-72.

[24]SHI B H，TIAN S P.A transmission algorithm applicable toincremental and absolute encoder and its implementation[C]//2017 2nd International Conference on Advanced Robotics andMechatronics，2017：299-304.

[25]ZHANG Z J，NI F L，DONG Y Y，et al.A novel absolutemagnetic rotary sensor[J].IEEE Transactions on IndustrialElectronics，2015，62（7）：4408-4419.

[26]莫會(huì)成，閔琳.現(xiàn)代高性能永磁交流伺服系統(tǒng)綜述傳感裝置與技術(shù)篇[J].電工技術(shù)學(xué)報(bào)，2015，30（6）：10-21.

[27]WANG M S，TSAI T M.Sliding mode and neural networkcontrol of sensorless PMSM controlled system for powerconsumption and performance improvement[J].Energies，2017，10（11）：1780.

[28]ZHANG Z H，CHI C C ，LIU J J，et al.The motor temperaturerise test system based on magnetic powder dynamometer[J].Advanced Materials Research，2014，998-999：495-498.

[29]陳良軍，韓振江，付振斌，等.一種伺服電機(jī)動(dòng)態(tài)響應(yīng)的檢測(cè)裝置：201720560522.6[P].2017-12-12.

[30]SCHRAMM A，SWOROWSKI E，ROTH-STIELOW J.Methods for measuring torque ripples in electricalmachines[C]//2017 IEEE International Electric Machines andDrives Conference，2017.

[31]FERRARIS L，F(xiàn)RANCHINI F，POSKOVIC E.The coggingtorque measurement through a new validated methodology[J].2017 11th IEEE International Conference On Compatibility，Power Electronics And Power Engineering（CPE-POWERENG），2017：398-403.

[32]BRAMERDORFER G，ANDESSNER D.Accurate and easy-to-obtain iron loss model for electric machine design[J].IEEETransactions on Industrial Electronics，2017，64（3）：2530-2537.

[33]RA J A，SEBASTIAN T，WANG M Q.Online statorinductance estimation for permanent magnet motors usingPWM excitation[J].IEEE Transactions on TransportationElectrification，2019，5（1）：107-117.

[34]周鵬.異步電機(jī)自動(dòng)測(cè)試系統(tǒng)研究[D].大連：大連交通大學(xué)，2011.

[35]陳華.交流伺服永磁同步電機(jī)機(jī)械性能測(cè)試系統(tǒng)的研究與設(shè)計(jì)[D].南寧：廣西大學(xué)，2013.

[36]沈明炎，袁偉杰，肖娜麗，等.電機(jī)出廠(chǎng)綜合測(cè)試系統(tǒng)量值溯源的校準(zhǔn)[J].上海計(jì)量測(cè)試，2017，44（3）：6-8，12.

[37]陳國(guó)茜，顏文俊.基于DSP的新型電參數(shù)測(cè)量?jī)x設(shè)計(jì)[J].機(jī)電工程，2012，29（5）：501-505.

[38]梁龍學(xué)，杜永文.基于FPGA的等精度轉(zhuǎn)矩轉(zhuǎn)速測(cè)試儀[J].自動(dòng)化儀表，2012，33（2）：76-79.

[39]林高翔.基于虛擬儀器技術(shù)的網(wǎng)絡(luò)型電機(jī)測(cè)試系統(tǒng)軟件設(shè)計(jì)[D].杭州：浙江大學(xué)，2010.

[40]姜文喜，張學(xué)成.基于以太網(wǎng)的分布式多總線(xiàn)伺服驅(qū)動(dòng)及電機(jī)測(cè)試系統(tǒng)設(shè)計(jì)[J].微電機(jī)，2014，47（10）：79-82.

[41]王玉強(qiáng).伺服電機(jī)及驅(qū)動(dòng)的網(wǎng)絡(luò)化集成測(cè)試技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[42]AL-BADRI M，PILLAY P，ANGERS P.A novel algorithmfor estimating refurbished three-phase induction motorsefficiency using only no-load tests[J].IEEE Transactions onEnergy Conversion，2015，30（2）：615-625.

[43]陳美曉.基于PMSM參數(shù)辨識(shí)的電機(jī)測(cè)試系統(tǒng)研究[Dl.哈爾濱：哈爾濱工業(yè)大學(xué)，2017.

[44]陳金鈺.交流伺服系統(tǒng)測(cè)試參數(shù)的辨識(shí)算法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2018.

[45]WANG C，HOU Y L，LIU R Z，et al.The identification ofelectric load simulator for gun control systems based onvariable-structure WNN with adaptive differentialevolution[J].Applied Soft Computing，2016，38：164-175.

[46]稅洋，尉建利，陳康，等.基于RBF神經(jīng)網(wǎng)絡(luò)的電動(dòng)負(fù)載模擬器摩擦與間隙補(bǔ)償方法研究[J].計(jì)算機(jī)測(cè)量與控制，2017，25（6）：211-214.

[47]ZHANG M，YANG B.A naive method of applying fuzzylogic to CMAC in electric load simulator[J].Transactions ofThe Institute Of Measurement And Control，2017，39（10）：1590-1599.

[48]SATHIYASEKAR K，THYAGARAJAH K，KRISHNAN A.Neuro fuzzy based predict the insulation quality of highvoltage rotating machine[J].Expert Systems withApplications，2011，38（1）：1066-1072.

[49]ATTOUI I，OMEIRI A.Fault diagnosis of an inductiongenerator in a wind energy conversion system using signalprocessing techniques[J].Electric Power Components andSystems，2015，43（20）：2262-2275.

[50]周強(qiáng)，司豐煒，修言彬.Petri網(wǎng)結(jié)合Dijkstra算法的并行測(cè)試任務(wù)調(diào)度方法研究[J].電子測(cè)量與儀器學(xué)報(bào)，2015（6）：920-927.

[51]范華麗，熊禾根，蔣國(guó)璋，等.動(dòng)態(tài)車(chē)間作業(yè)調(diào)度問(wèn)題中調(diào)度規(guī)則算法研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2016，33（3）：648-653.

[52]王遠(yuǎn)航，李小兵，黃創(chuàng)綿，等.伺服電機(jī)可靠性測(cè)試系統(tǒng)：201621226909.X[P].2016-11-15.

[53]徐連勝.伺服電機(jī)可靠性測(cè)試裝置：201720819923.9[P].2017-07-07.

[54]王哲.被動(dòng)式力矩伺服系統(tǒng)加載策略研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2015.

（編輯：李剛）