基于無(wú)線(xiàn)通信技術(shù)的自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)

李銳君，胡代弟，侯維巖

（1.鄭州西亞斯學(xué)院，鄭州 451150；2.鄭州大學(xué) 信息工程學(xué)院，鄭州 450001）

0 引言

隨著工業(yè)技術(shù)的快速發(fā)展，人類(lèi)在工業(yè)自動(dòng)化方面取得了巨大成就，這主要源于歷史上的工業(yè)革命，自此之后機(jī)械隨之誕生[1]。機(jī)械的到來(lái)給人類(lèi)生活添加了色彩，致使人類(lèi)生活更加便利。21世紀(jì)后，機(jī)械技術(shù)廣泛應(yīng)用于諸多領(lǐng)域，例如生產(chǎn)線(xiàn)中的加工機(jī)器人、醫(yī)院內(nèi)部的手術(shù)機(jī)器人、日常掃地機(jī)器人及分揀機(jī)器人等。在眾多機(jī)器人中[2]，分揀機(jī)器人發(fā)揮著重要作用，它可以實(shí)現(xiàn)很多不可完成的復(fù)雜工作，具有較強(qiáng)的靈活性。但過(guò)度使用會(huì)導(dǎo)致分揀機(jī)器人的機(jī)械臂或任意零件發(fā)生故障，使分揀機(jī)器人無(wú)法正常開(kāi)展工作，所以為避免這種問(wèn)題，需要設(shè)計(jì)自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)，對(duì)其故障進(jìn)行檢測(cè)。

趙睿楠[3]等人提出基于集值觀(guān)測(cè)器的風(fēng)能轉(zhuǎn)換系統(tǒng)多類(lèi)型故障檢測(cè)的設(shè)計(jì)方法，該方法優(yōu)先對(duì)系統(tǒng)中的狀態(tài)數(shù)值及參數(shù)誤差區(qū)間更改后，再次修改了系統(tǒng)內(nèi)各個(gè)元素的取值范圍，從中得到增益矩陣，利用建立的觀(guān)測(cè)器對(duì)該矩陣開(kāi)展?fàn)顟B(tài)跟蹤，依據(jù)系統(tǒng)的理想誤差及實(shí)際誤差設(shè)計(jì)了故障檢測(cè)策略，以此實(shí)現(xiàn)故障檢測(cè)系統(tǒng)的設(shè)計(jì)，該方法設(shè)計(jì)的故障檢測(cè)策略不夠完善，導(dǎo)致該方法存在故障檢測(cè)時(shí)間長(zhǎng)的問(wèn)題。

陳欣昌[4]等人提出基于深度自編碼網(wǎng)絡(luò)的高壓斷路器操作機(jī)構(gòu)機(jī)械故障診斷方法，該方法基于小波包變換法對(duì)提取的機(jī)械振動(dòng)信號(hào)實(shí)行變換，并對(duì)其分析后計(jì)算了各類(lèi)振動(dòng)信號(hào)的能量大小，將其用作機(jī)械故障診斷的特征向量，再通過(guò)構(gòu)建故障檢測(cè)模型對(duì)機(jī)械實(shí)行故障檢測(cè)，以此完成故障檢測(cè)，該方法獲取的特征向量存有誤差，導(dǎo)致該方法存在故障檢測(cè)漏報(bào)個(gè)數(shù)多的問(wèn)題。

張立鵬[5]等人提出基于注意力BiGRU的機(jī)械故障診斷方法研究，該方法對(duì)獲取的機(jī)械振動(dòng)信號(hào)實(shí)行預(yù)處理后，以此構(gòu)建了故障檢測(cè)模型，并對(duì)其優(yōu)化，達(dá)到提升特征提取效率的目的，根據(jù)歷史機(jī)械故障數(shù)據(jù)，利用該模型對(duì)歷史故障數(shù)據(jù)和實(shí)際采集的故障數(shù)據(jù)實(shí)行檢測(cè)，根據(jù)檢測(cè)結(jié)果實(shí)現(xiàn)機(jī)械故障檢測(cè)方法，該方法的檢測(cè)結(jié)構(gòu)存有欠缺，導(dǎo)致該方法的故障檢測(cè)效果差。

為解決上述方法中存在的問(wèn)題，提出基于無(wú)線(xiàn)通信技術(shù)的自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)研究。

1 整體架構(gòu)

機(jī)械臂在分揀過(guò)程中主要分為兩部分，第一部分為鏡頭和相機(jī)，第二部分則為機(jī)械臂和控制系統(tǒng)。一般情況下相機(jī)會(huì)設(shè)置在機(jī)械臂的末端。

機(jī)械臂在運(yùn)行期間，會(huì)將PC用作系統(tǒng)中的上位機(jī)，而機(jī)械臂以及它的控制系統(tǒng)為下位機(jī)。上位機(jī)主要用于對(duì)采集圖像、圖像分割、圖像識(shí)別等操作，下位機(jī)則根據(jù)上位機(jī)采集到的數(shù)據(jù)，根據(jù)接收的數(shù)據(jù)信息完成機(jī)械臂的分揀任務(wù)，其故障檢測(cè)電路圖如圖1所示。

自動(dòng)化分揀機(jī)械臂在工作過(guò)程中，首先要對(duì)攝像機(jī)和手眼實(shí)行標(biāo)定，以此確認(rèn)相機(jī)模型、相機(jī)坐標(biāo)系與機(jī)械臂末端坐標(biāo)系三者之間的關(guān)系，再對(duì)機(jī)械臂實(shí)行初始化，初始化后要控制機(jī)械臂自動(dòng)運(yùn)行到工作位置上方的拍照點(diǎn)，利用機(jī)械臂上的相機(jī)對(duì)工作平面拍照后，取得圖片。對(duì)圖像中的目標(biāo)區(qū)域分割后，需要對(duì)目標(biāo)區(qū)域的中心像素坐標(biāo)點(diǎn)計(jì)算出來(lái)，以此取得目標(biāo)與機(jī)械臂之間的位置，依據(jù)目標(biāo)種類(lèi)確立機(jī)械臂姿態(tài)的旋轉(zhuǎn)角度，最終控制機(jī)械臂抓取目標(biāo)，將其放在指定位置后，實(shí)現(xiàn)自動(dòng)化分揀。

1.1 自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)硬件設(shè)計(jì)

1.1.1 圖像顯示功能模塊

自動(dòng)化分揀機(jī)械臂在運(yùn)行過(guò)程中，必不可少的一部分就是相機(jī)獲取圖像后的圖像顯示[8]。設(shè)計(jì)的圖像顯示功能模塊如圖2所示。

圖2 圖像顯示功能模塊

依據(jù)圖2可知，圖像顯示功能模塊可與機(jī)器人相互連接，對(duì)相機(jī)的開(kāi)關(guān)實(shí)行開(kāi)啟和關(guān)閉，對(duì)原圖像進(jìn)行處理并將其分割結(jié)果顯示，獲取機(jī)器人的位置，對(duì)機(jī)械臂進(jìn)行定位及識(shí)別等。該功能模塊主要能對(duì)分揀機(jī)械臂的各種分揀結(jié)果可視化，具有較強(qiáng)的便利性。

1.1.2 分揀控制功能模塊

自動(dòng)化分揀機(jī)械臂除可自動(dòng)化分揀外，還可通過(guò)設(shè)置手寫(xiě)指令對(duì)機(jī)械臂的分揀動(dòng)作開(kāi)展控制，其主要包括控制系統(tǒng)、計(jì)算機(jī)、觸摸屏等，可通過(guò)機(jī)械臂抓取分類(lèi)貨物。

其主要控制系統(tǒng)為PC機(jī)。利用手動(dòng)指令對(duì)機(jī)械臂控制前，要先利用觸摸屏對(duì)手動(dòng)指令圖像信息實(shí)行采集，通過(guò)PC機(jī)對(duì)圖像識(shí)別和分類(lèi)，將最終結(jié)果輸送到機(jī)械臂控制系統(tǒng)中，機(jī)械臂根據(jù)指令信息開(kāi)展分揀操作。

1.1.3 主控制功能模塊設(shè)計(jì)

機(jī)械臂在分揀期間，主控制系統(tǒng)是它的重要組成部分，它是整個(gè)主控制系統(tǒng)的核心。它的具體功能為觸摸屏采集到指令信息后，開(kāi)始接收數(shù)據(jù)；通過(guò)PC機(jī)識(shí)別指令數(shù)據(jù)，再發(fā)送識(shí)別出的控制指令；依據(jù)獲取的指令信息，實(shí)現(xiàn)機(jī)械臂的動(dòng)作路線(xiàn)規(guī)劃，令機(jī)械臂完成動(dòng)作路線(xiàn)；根據(jù)接收的控制信息，完成對(duì)機(jī)械臂位姿的控制，機(jī)械臂能進(jìn)一步實(shí)現(xiàn)動(dòng)作路線(xiàn)，具體的工作流程如圖3所示。

圖3 機(jī)械臂手動(dòng)控制流程

根據(jù)主控制系統(tǒng)的工作流程，設(shè)計(jì)主控制系統(tǒng)的功能模塊，該功能模塊主要分為4個(gè)部分，機(jī)械臂的狀態(tài)控制功能可利用計(jì)算機(jī)對(duì)機(jī)械臂的連接開(kāi)關(guān)和伺服開(kāi)關(guān)控制。

機(jī)械臂在分揀前需要對(duì)機(jī)械臂的坐標(biāo)位置調(diào)整，因而利用手動(dòng)調(diào)試功能對(duì)機(jī)械臂的關(guān)節(jié)坐標(biāo)控制，實(shí)現(xiàn)機(jī)械臂手臂的位置微調(diào)。

機(jī)械臂的各個(gè)位姿狀態(tài)可以利用通信功能直接發(fā)送到應(yīng)用程序中，實(shí)現(xiàn)機(jī)械臂當(dāng)前位置的顯示。

為使機(jī)械臂能夠?qū)崿F(xiàn)分揀作業(yè)，需要利用手寫(xiě)指令對(duì)分揀動(dòng)作數(shù)據(jù)輸入、識(shí)別和發(fā)送，以此使機(jī)械臂實(shí)現(xiàn)相關(guān)控制動(dòng)作，完成分揀作業(yè)控制。

1.2 自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)軟件設(shè)計(jì)

根據(jù)上述設(shè)計(jì)的自動(dòng)化分揀機(jī)械臂硬件，使機(jī)械臂能夠自動(dòng)化分揀，基于硬件設(shè)計(jì)，利用自動(dòng)化分揀機(jī)械臂軟件設(shè)計(jì)實(shí)現(xiàn)機(jī)械臂故障檢測(cè)，將硬件與軟件相結(jié)合后，實(shí)現(xiàn)自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)的整體設(shè)計(jì)。

1.2.1 無(wú)線(xiàn)通信技術(shù)

無(wú)線(xiàn)通信技術(shù)本身有著巨大的便利性，同時(shí)它的維護(hù)簡(jiǎn)單，組件靈活，不會(huì)因?yàn)閼?yīng)用環(huán)境的影響而發(fā)生改變。因此，將無(wú)線(xiàn)通信技術(shù)應(yīng)用到自動(dòng)化分揀機(jī)械臂中，將其作為機(jī)械臂的重要組成部分，而無(wú)線(xiàn)通信技術(shù)通信期間的好壞會(huì)對(duì)機(jī)械臂的整體分揀運(yùn)行情況造成影響。

由于自動(dòng)化分揀機(jī)械臂能夠在任意場(chǎng)合下使用，所以為了降低工作環(huán)境對(duì)機(jī)械臂的影響，要應(yīng)用通用效果強(qiáng)、安全性高、可靠性高的無(wú)線(xiàn)通信方法，因而選取以GPRS技術(shù)和nRF24L01技術(shù)相結(jié)合的無(wú)線(xiàn)通信技術(shù)。其中nRF24L01技術(shù)可以與各個(gè)功能模塊相連，使模塊與模塊之間能夠?qū)崿F(xiàn)信息傳輸，與其相反的是GPRS技術(shù)可以能夠傳輸機(jī)械臂控制中心與現(xiàn)場(chǎng)的遠(yuǎn)程信息傳輸。利用這兩種技術(shù)后，就可以實(shí)現(xiàn)近距離與遠(yuǎn)距離之間的信息傳輸，具有較強(qiáng)的通用性。那么構(gòu)建的無(wú)線(xiàn)通信架構(gòu)如圖5所示。

圖4 無(wú)線(xiàn)通信架構(gòu)

根據(jù)圖5可知，首先將用戶(hù)中心與Internet網(wǎng)相連，使其能夠獲取到公共網(wǎng)絡(luò)的動(dòng)態(tài)IP地址，根據(jù)IP地址的域名對(duì)軟件實(shí)行解析后取得GPRS網(wǎng)絡(luò)可以開(kāi)展訪(fǎng)問(wèn)的域名及端口。利用上機(jī)位對(duì)本地端口監(jiān)聽(tīng)后，需要判定在本地中是否存在GPRS模塊，再向其發(fā)出TCP的連接請(qǐng)求。當(dāng)處于現(xiàn)場(chǎng)的GPRS模塊與移動(dòng)公司的GPRS網(wǎng)絡(luò)相連時(shí)，就可對(duì)用戶(hù)中心發(fā)出需要連接的請(qǐng)求。機(jī)械臂組成后，它的任意功能模塊都要存有nRF24L01模塊，這樣上機(jī)位輸送狀態(tài)到GPRS模塊后，就能夠利用串口將輸送狀態(tài)傳輸?shù)絾纹瑱C(jī)中，經(jīng)過(guò)SPI接口輸送完目前的功能模塊。

依據(jù)上述分析，建立現(xiàn)場(chǎng)各個(gè)模塊之間的無(wú)線(xiàn)通信架構(gòu)，如圖5所示。

圖5 現(xiàn)場(chǎng)各個(gè)模塊之間的無(wú)線(xiàn)通信構(gòu)架

機(jī)械臂在運(yùn)行期間，若其中某一個(gè)功能模塊結(jié)束了運(yùn)動(dòng)，那么系統(tǒng)的當(dāng)前信息就會(huì)通過(guò)nRF24L01傳輸?shù)狡溆嗄K中，其余模塊接收到信息后就能夠?qū)嵭邢乱粍?dòng)作，從而實(shí)現(xiàn)整個(gè)自動(dòng)化分揀機(jī)械臂的分揀工作。

1.2.2 自動(dòng)化分揀機(jī)械臂故障識(shí)別

基于本文的硬件設(shè)計(jì)完成軟件系統(tǒng)設(shè)計(jì)，對(duì)機(jī)械臂傳感器中的數(shù)據(jù)進(jìn)行采集并處理。首先對(duì)采集的圖像進(jìn)行去噪處理，利用BP神經(jīng)網(wǎng)絡(luò)提取機(jī)械臂的故障特征值。

將BP神經(jīng)網(wǎng)絡(luò)的隱層輸出設(shè)為Pi，輸入層和隱層之間的權(quán)重為λ，則隱層第n個(gè)單元輸出為：

其中，N=1，2，...，n；ε表示設(shè)定閾值。設(shè)φ表示隱層與輸入層之間的權(quán)重，輸出層第j個(gè)單元的輸出為：

其中，M=1，2，...，m；γh表示預(yù)先設(shè)定的閾值。

設(shè)f表示伸縮因子；g表示變換尺度因子，得到信號(hào)處理函數(shù)：

式(3)中，f表示伸縮因子；g表示變換尺度因子。根據(jù)式(3)可確定機(jī)械臂各故障的特征。

計(jì)算故障檢測(cè)計(jì)算權(quán)重為：

其中，t表示樣本數(shù)量；?代表計(jì)算步長(zhǎng)；S(z)mj表示故障識(shí)別的誤差傳輸項(xiàng)，其檢測(cè)誤差的計(jì)算公式可設(shè)定為：

對(duì)其進(jìn)行運(yùn)算，如誤差在該范圍內(nèi)則代表機(jī)械臂并未發(fā)生故障，如超過(guò)該范圍則代表機(jī)械臂完好，并未發(fā)生故障。

1.2.3 ADC采樣程序設(shè)計(jì)

本文選擇12位單片機(jī)ADC程序，其最高采樣的頻率大致在600ksps，根據(jù)ADC采樣結(jié)果對(duì)數(shù)據(jù)實(shí)行轉(zhuǎn)換，并把轉(zhuǎn)換后的數(shù)據(jù)輸送到DMA區(qū)域內(nèi)，以此存儲(chǔ)在A(yíng)DC采樣程序中。通常情況下，采樣的時(shí)間及轉(zhuǎn)換的時(shí)間會(huì)對(duì)ADC的采樣頻率帶來(lái)影響，且采樣的模式也大不相同，具體分為自動(dòng)采樣和手動(dòng)采樣兩種，這兩種模式都依據(jù)ADC時(shí)鐘決定而成，那么ADCS的時(shí)鐘計(jì)算表達(dá)方程式如式(6)所示：

式(6)中，TCY描述的是指令周期，Tosc描述的是時(shí)鐘周期，且TOSC=120MHz，TAD描述的是ADC時(shí)鐘，ADCS描述的是控制寄存器。

根據(jù)式(6)所示，設(shè)置采樣頻率為45KHz，因而設(shè)計(jì)出ADC采樣程序，那么具體的采樣流程如圖6所示。

圖6 ADC采樣流程圖

1.2.4 數(shù)據(jù)處理流程設(shè)計(jì)

在自動(dòng)化分揀機(jī)械臂故障檢測(cè)軟件中，數(shù)據(jù)處理是軟件的核心，它主要分為兩種分析狀態(tài)，第一種是時(shí)域分析，第二種是頻域分析。通常情況下時(shí)域分析數(shù)據(jù)具有較強(qiáng)的便利性，它能夠直接分析數(shù)據(jù)。而頻域分析則廣泛應(yīng)用于故障檢測(cè)中，頻域分析能夠依據(jù)機(jī)械臂采集數(shù)據(jù)的頻域信息展現(xiàn)出更多的特征，便于對(duì)故障頻率的提取及檢測(cè)。依據(jù)頻域分析后的機(jī)械臂特征值提取，將各個(gè)特征值比對(duì)后，以此檢測(cè)機(jī)械臂是否發(fā)生故障，若不存在故障，則重新實(shí)行ADC采樣，反復(fù)驗(yàn)證直至發(fā)生到故障為止；若存在故障，就要立即報(bào)警，并把檢測(cè)出的故障類(lèi)型展現(xiàn)在顯示屏中，最終實(shí)現(xiàn)機(jī)械臂故障檢測(cè)。

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)環(huán)境

本文選取用于分揀作業(yè)型號(hào)為YST-ZL-4124的六自由度機(jī)械臂系統(tǒng)進(jìn)行研究，采用D-H坐標(biāo)轉(zhuǎn)換法完成其動(dòng)力學(xué)模型的構(gòu)建，對(duì)每個(gè)關(guān)節(jié)建立一個(gè)坐標(biāo)系，然后進(jìn)行相鄰坐標(biāo)系之間的轉(zhuǎn)換，最后根據(jù)其變換信息得到機(jī)械臂最末端對(duì)于基礎(chǔ)坐標(biāo)系的位置和姿態(tài)，其連桿之間的關(guān)系如圖7所示。

圖7 機(jī)械臂相鄰連桿關(guān)系圖

圖中，θ代表關(guān)節(jié)扭角；a代表連桿長(zhǎng)度；α代表連桿扭角；d代表連桿偏距。αi-1代表xi軸旋轉(zhuǎn)重合，zi-1與zi之間的夾角；ai-1代表xi軸旋轉(zhuǎn)重合，zi-1與zi之間的距離；θi代表繞zi軸旋轉(zhuǎn)重合，xi-1與xi之間的角度；di代表繞zi-1軸旋轉(zhuǎn)重合，xi-1與xi之間的距離。

求得其機(jī)械臂各關(guān)節(jié)的D-H參數(shù)如表1所示。

表1 機(jī)械臂各關(guān)節(jié)D-H參數(shù)

將上述機(jī)械臂各連桿的DH參數(shù)導(dǎo)入MATLAB仿真軟件中，搭建Simulink模型，如圖8所示。

圖8 機(jī)械臂仿真模型

仿真過(guò)程中的摩擦力和外界擾動(dòng)分別表示為：

根據(jù)上述完成建模，然后采用本文系統(tǒng)對(duì)其進(jìn)行故障測(cè)試。對(duì)于一個(gè)機(jī)械臂系統(tǒng)而言，可將其故障類(lèi)型分為三種，分別是執(zhí)行器故障、機(jī)械臂硬件結(jié)構(gòu)故障和傳感器故障，本文僅對(duì)其傳感器故障進(jìn)行測(cè)試。在本文的故障測(cè)試過(guò)程中采用的故障信號(hào)都是由波形發(fā)生器產(chǎn)生的，將信號(hào)導(dǎo)入模型之中，進(jìn)行各種模擬測(cè)試。

2.2 對(duì)比實(shí)驗(yàn)

選取基于深度自編碼網(wǎng)絡(luò)的高壓斷路器操作機(jī)構(gòu)機(jī)械故障診斷方法為對(duì)比方法1，基于注意力BiGRU的機(jī)械故障診斷方法為對(duì)比方法2，與本文系統(tǒng)共同進(jìn)行故障檢測(cè)，驗(yàn)證本文方法的實(shí)用性。

利用三種方法共同進(jìn)行同一故障信號(hào)檢測(cè)，測(cè)試結(jié)果如圖9所示。

由圖9可知，與對(duì)比方法1和對(duì)比方法2相比，本文方法測(cè)得的故障信號(hào)波形與實(shí)際信號(hào)波形更接近，即本文方法對(duì)于信號(hào)捕捉的精準(zhǔn)度要優(yōu)于對(duì)比方法。

圖9 故障檢測(cè)結(jié)果

基于此，進(jìn)行三種方法檢測(cè)準(zhǔn)確率的對(duì)比。采集機(jī)械臂分揀數(shù)據(jù)，設(shè)置本次采集數(shù)據(jù)集共包含600個(gè)數(shù)據(jù)樣本。利用人為技術(shù)在數(shù)據(jù)樣本點(diǎn)中引入故障，通過(guò)三種方法對(duì)設(shè)置的樣本數(shù)據(jù)開(kāi)展故障檢測(cè)準(zhǔn)確率實(shí)驗(yàn)，得到測(cè)試結(jié)果如表2所示。

表2 故障檢測(cè)率測(cè)試

分析表2中的數(shù)據(jù)發(fā)現(xiàn)，在整體測(cè)試期間，方法1的故障檢測(cè)率持最高值，最小為98.7%，表明本文方法的故障檢測(cè)效果要優(yōu)于其余兩種方法，證明了方法1的故障檢測(cè)效果強(qiáng)。

為對(duì)比三種方法的檢測(cè)效率，通過(guò)三種方法對(duì)設(shè)置的樣本數(shù)據(jù)開(kāi)展故障檢測(cè)時(shí)間測(cè)試，檢測(cè)時(shí)間越短，說(shuō)明故障檢測(cè)效率越高，驗(yàn)證該方法的故障檢測(cè)效果越好。那么具體的測(cè)試結(jié)果如圖10所示。

圖10 故障檢測(cè)時(shí)間測(cè)試

分析圖10中的數(shù)據(jù)發(fā)現(xiàn)，由于采樣數(shù)據(jù)中存在故障數(shù)據(jù)，所以檢測(cè)故障時(shí)，本文方法檢測(cè)故障耗時(shí)明顯低于對(duì)比方法的檢測(cè)耗時(shí)，且在后續(xù)測(cè)試中本文方法的故障檢測(cè)時(shí)間持續(xù)在2s，而方法2和方法3還在陸續(xù)上升，因而可判斷本文方法的故障檢測(cè)時(shí)間小，同時(shí)本文方法的故障檢測(cè)效率最佳。

3 結(jié)語(yǔ)

由于自動(dòng)分揀機(jī)械臂的日常工作任務(wù)較重，致使機(jī)械臂的負(fù)擔(dān)較大，容易在內(nèi)部發(fā)生故障，所以針對(duì)自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)方法存在的問(wèn)題，需要對(duì)自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)實(shí)行設(shè)計(jì)。該方法優(yōu)先對(duì)系統(tǒng)的硬件設(shè)計(jì)，實(shí)現(xiàn)機(jī)械臂的日常分揀，基于無(wú)線(xiàn)通信技術(shù)設(shè)計(jì)了系統(tǒng)軟件，利用軟件中的數(shù)據(jù)處理程序?qū)崿F(xiàn)分揀機(jī)械臂的故障檢測(cè)，從而完成自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)整體設(shè)計(jì)。該方法為自動(dòng)化分揀機(jī)械臂故障檢測(cè)系統(tǒng)方法提供了重要信息基礎(chǔ)，在今后有著長(zhǎng)遠(yuǎn)的發(fā)展前景。