復雜環(huán)境下機器人健康狀況預警模型的建立探索

郭方營

（淄博職業(yè)學院<電子電氣工程學院>，山東 淄博255314）

0 引言

根據(jù)IFR統(tǒng)計，2018年中國、日本、韓國、美國和德國五大工業(yè)機器人市場占到全球安裝量的74%。其中，2018年中國工業(yè)機器人市場累計銷售工業(yè)機器人15.6萬臺，同比下降1.73%，占全球的比重達到36%，但年銷量連續(xù)第六年位居世界首位。2019年上半年，產(chǎn)量達到7.85萬臺，《山東省智能制造發(fā)展規(guī)劃（2017-2022年）》中提出“到2022年萬人機器人數(shù)量達到200臺以上”[1]，但目前全國工業(yè)機器人的保有量僅為36萬臺。隨著新舊動能轉(zhuǎn)換的不斷升級，我國生產(chǎn)制造智能化改造升級的需求日益凸顯，工業(yè)機器人生產(chǎn)企業(yè)的產(chǎn)能將會迅速提高，機器人的國產(chǎn)化水平大幅提升。

工業(yè)機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、機械加工等行業(yè)領域積極推廣應用工業(yè)機器人。通過“機器換人”完成傳統(tǒng)生產(chǎn)線技術改造，提高企業(yè)勞動生產(chǎn)率和產(chǎn)品質(zhì)量。例如，在工業(yè)機器人電動機自動化裝配線中包含定子上料、插紙、嵌線、初整、引線、自動綁線、最終整形、浸漆、定子壓裝、轉(zhuǎn)子上料、軸承壓裝、轉(zhuǎn)子裝配、機殼壓裝、電機組裝、電機檢測等工序，90%以上的工藝都可以實現(xiàn)機器人的自動裝配操作，機器人在不同的工位段都需要精確控制位置，機器人的精度和重復精度是決定機器人是否健康運行的一個重要指標，但是工業(yè)機器人往往工作的環(huán)境復雜，受外界不確定因素影響大，例如振動、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)效率等會受到影響，還會影響到生產(chǎn)線的正常運行。

此外工業(yè)機器人結構復雜，大部分企業(yè)和學校采購回設備后，更關注的是設備的正常運行，對于細微的“亞健康”狀況往往會忽略掉，而且一般企業(yè)操作人員自主維修能力有限，大多數(shù)技術員通過觀察、記錄異常數(shù)據(jù)并上報代碼信息反饋給提供商，設備供應商再安排專門的技術人員到現(xiàn)場進行維修，當設備因為故障原因需要停機維修時，不僅需要較長的維修周期，僅靠故障代碼也不能全面地分析故障發(fā)生時的場景，嚴重的故障可能會影響到生產(chǎn)加工，所以對工業(yè)機器人運行狀況進行實時監(jiān)測顯得尤為重要。

1 國內(nèi)外研究發(fā)展

近年來，全球機器人產(chǎn)業(yè)年均增長速度始終保持在15%以上，但是工業(yè)機器人健康預警的研究相對滯后，在線健康評估和故障預警系統(tǒng)沒有得到大規(guī)模的推廣應用，隨著先進智能制造的升級，企業(yè)對于生產(chǎn)效率、生產(chǎn)成本的重視、工業(yè)機器人健康預警將會基于多傳感器信息融合技術、物聯(lián)網(wǎng)技術等實現(xiàn)有機結合，工業(yè)機器人出廠時就安裝有健康狀態(tài)自我診斷功能，從而提升工業(yè)機器人智能化水平。

瑞典ABB公司和日本發(fā)那科有類似的遠程服務平臺，通過故障代碼檢測機器人運行，缺少故障發(fā)生時實時的場景；美國國家標準與技術研究院（NIST）開發(fā)了一種快速健康評估方法，以快速評估機器人的工具中心位置和方向精度退化；美國國家標準與技術研究所還提出了一種支持快速健康評估方法的先進傳感開發(fā)方法，利用先進的傳感開發(fā)方法包括一個7維（7-D）測量儀器（時間、X、Y、Z、橫搖、俯仰和偏航）和一個智能目標，以方便快速測量機器人的工具中心精度[2]。據(jù)預測，到2020年，亞太地區(qū)新安裝工業(yè)機器人中至少40%將具備預測分析、健康狀態(tài)意識、自我診斷等功能。國家重點研發(fā)計劃“智能機器人”重點專項2018年度項目申報指南中（國科發(fā)資〔2018〕108號），將研制工業(yè)機器人在線健康評估和故障預警系統(tǒng)，基于機器人性能參數(shù)獲取、特征提取和智能診斷，實現(xiàn)工業(yè)機器人的健康評估和故障預警功能作為重點研究課題。趙威等提出了基于“邊-云協(xié)同架構”的工業(yè)機器人健康評估方法[3]，周明等對碼垛機器人健康狀態(tài)評估的健康管理系統(tǒng)進行了分析[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)并上報代碼信息反饋給提供商，設備供應商安排專門的技術人員到現(xiàn)場進行維修，而且國產(chǎn)機器人品牌上很少具備健康狀態(tài)診斷功能。

2 機器人健康狀況預警模型研究路徑

2.1 研究路徑

工業(yè)機器人在復雜運行環(huán)境下健康狀況預警模型是將傳感器技術、視覺技術、網(wǎng)絡通信以及物聯(lián)網(wǎng)技術有機的結合，通過多傳感器信息融合，對機器人精度等重要參數(shù)進行參數(shù)獲取、特征提取并進行故障預警，基于振動、噪聲、溫度、運行狀態(tài)、能效等多源特征參數(shù)融合，實現(xiàn)工業(yè)機器人的健康評估和故障診斷。健康預警模型包含兩個部分，一是將負載、故障率、運行時間、能耗等參數(shù)構建工業(yè)機器人的能效預警模型，作為工業(yè)機器人的常規(guī)檢測項目；二是依據(jù)多傳感器數(shù)據(jù)采集，將機器人工具中心位置（TCP）的精度、故障代碼停機時間、實施坐標位置信息、成品合格率等參數(shù)進行的重點指標檢測，將能耗預警模型融入健康預警模型中，建立工業(yè)機器人運行健康檔案，確保設備更高效的運行。圖1所示為健康預警模型技術關聯(lián)圖。

2.2 關鍵技術

將傳感器技術、視覺技術以及網(wǎng)絡技術和物聯(lián)網(wǎng)技術有機結合，利用兩臺視覺相機，通過時間、坐標信息位置、負載等參數(shù)實時監(jiān)測工業(yè)機器人位置精度的變化。

將健康狀況的預測分為常規(guī)監(jiān)測項目+重點指標監(jiān)測，根據(jù)機器人的健康狀況，分為健康、亞健康、輕微故障、中度故障、重度故障5個預警階段，根據(jù)不同的健康狀況發(fā)出預警信息。

圖1 健康預警模型技術關聯(lián)圖

將傳感器技術、視覺技術以及網(wǎng)絡技術和物聯(lián)網(wǎng)技術有機結合，將眼看+診斷數(shù)據(jù)報告相結合，確認故障診斷的可靠性。

進行工業(yè)機器人運行的實時監(jiān)測，減少停機檢修時間，提高生產(chǎn)效率。

3 總結

對于新建的智能制造生產(chǎn)線，可以新增健康狀況預警功能，對于已經(jīng)投入運行的生產(chǎn)線，可以進行技術升級，優(yōu)化生產(chǎn)線功能，生產(chǎn)線因為故障停機時間降低30%，生產(chǎn)效率提高10%～20%，降低因為故障原因停機造成的生產(chǎn)成本10%。

綜合考慮國內(nèi)外該項技術的發(fā)展現(xiàn)狀，工業(yè)機器人在復雜運行環(huán)境下健康狀況預警模型的研究將為一線維修人員提供便捷的指導，并指導集成商在實際生產(chǎn)系統(tǒng)中進行故障診斷系統(tǒng)的搭建，分析出工業(yè)機器人故障率高發(fā)的原因，根據(jù)生產(chǎn)工藝，針對故障高發(fā)區(qū)，做重點監(jiān)控與預警，確保設備正常使用率，在生產(chǎn)控制中，降低生產(chǎn)成本。