复杂环境下机器人健康状况预警模型的建立探索

郭方营

（淄博职业学院<电子电气工程学院>，山东 淄博255314）

0 引言

根据IFR统计，2018年中国、日本、韩国、美国和德国五大工业机器人市场占到全球安装量的74%。其中，2018年中国工业机器人市场累计销售工业机器人15.6万台，同比下降1.73%，占全球的比重达到36%，但年销量连续第六年位居世界首位。2019年上半年，产量达到7.85万台，《山东省智能制造发展规划（2017-2022年）》中提出“到2022年万人机器人数量达到200台以上”[1]，但目前全国工业机器人的保有量仅为36万台。随着新旧动能转换的不断升级，我国生产制造智能化改造升级的需求日益凸显，工业机器人生产企业的产能将会迅速提高，机器人的国产化水平大幅提升。

工业机器人是智能制造单元中重要的组成部分，特别是在汽车制造、机械加工等行业领域积极推广应用工业机器人。通过“机器换人”完成传统生产线技术改造，提高企业劳动生产率和产品质量。例如，在工业机器人电动机自动化装配线中包含定子上料、插纸、嵌线、初整、引线、自动绑线、最终整形、浸漆、定子压装、转子上料、轴承压装、转子装配、机壳压装、电机组装、电机检测等工序，90%以上的工艺都可以实现机器人的自动装配操作，机器人在不同的工位段都需要精确控制位置，机器人的精度和重复精度是决定机器人是否健康运行的一个重要指标，但是工业机器人往往工作的环境复杂，受外界不确定因素影响大，例如振动、温湿度、粉尘、以及人为触碰等因素，一旦出现位置偏差，不仅生产质量、生产效率等会受到影响，还会影响到生产线的正常运行。

此外工业机器人结构复杂，大部分企业和学校采购回设备后，更关注的是设备的正常运行，对于细微的“亚健康”状况往往会忽略掉，而且一般企业操作人员自主维修能力有限，大多数技术员通过观察、记录异常数据并上报代码信息反馈给提供商，设备供应商再安排专门的技术人员到现场进行维修，当设备因为故障原因需要停机维修时，不仅需要较长的维修周期，仅靠故障代码也不能全面地分析故障发生时的场景，严重的故障可能会影响到生产加工，所以对工业机器人运行状况进行实时监测显得尤为重要。

1 国内外研究发展

近年来，全球机器人产业年均增长速度始终保持在15%以上，但是工业机器人健康预警的研究相对滞后，在线健康评估和故障预警系统没有得到大规模的推广应用，随着先进智能制造的升级，企业对于生产效率、生产成本的重视、工业机器人健康预警将会基于多传感器信息融合技术、物联网技术等实现有机结合，工业机器人出厂时就安装有健康状态自我诊断功能，从而提升工业机器人智能化水平。

瑞典ABB公司和日本发那科有类似的远程服务平台，通过故障代码检测机器人运行，缺少故障发生时实时的场景；美国国家标准与技术研究院（NIST）开发了一种快速健康评估方法，以快速评估机器人的工具中心位置和方向精度退化；美国国家标准与技术研究所还提出了一种支持快速健康评估方法的先进传感开发方法，利用先进的传感开发方法包括一个7维（7-D）测量仪器（时间、X、Y、Z、横摇、俯仰和偏航）和一个智能目标，以方便快速测量机器人的工具中心精度[2]。据预测，到2020年，亚太地区新安装工业机器人中至少40%将具备预测分析、健康状态意识、自我诊断等功能。国家重点研发计划“智能机器人”重点专项2018年度项目申报指南中（国科发资〔2018〕108号），将研制工业机器人在线健康评估和故障预警系统，基于机器人性能参数获取、特征提取和智能诊断，实现工业机器人的健康评估和故障预警功能作为重点研究课题。赵威等提出了基于“边-云协同架构”的工业机器人健康评估方法[3]，周明等对码垛机器人健康状态评估的健康管理系统进行了分析[4]。目前大部分企业操作人员还是通过观察、记录异常数据并上报代码信息反馈给提供商，设备供应商安排专门的技术人员到现场进行维修，而且国产机器人品牌上很少具备健康状态诊断功能。

2 机器人健康状况预警模型研究路径

2.1 研究路径

工业机器人在复杂运行环境下健康状况预警模型是将传感器技术、视觉技术、网络通信以及物联网技术有机的结合，通过多传感器信息融合，对机器人精度等重要参数进行参数获取、特征提取并进行故障预警，基于振动、噪声、温度、运行状态、能效等多源特征参数融合，实现工业机器人的健康评估和故障诊断。健康预警模型包含两个部分，一是将负载、故障率、运行时间、能耗等参数构建工业机器人的能效预警模型，作为工业机器人的常规检测项目；二是依据多传感器数据采集，将机器人工具中心位置（TCP）的精度、故障代码停机时间、实施坐标位置信息、成品合格率等参数进行的重点指标检测，将能耗预警模型融入健康预警模型中，建立工业机器人运行健康档案，确保设备更高效的运行。图1所示为健康预警模型技术关联图。

2.2 关键技术

将传感器技术、视觉技术以及网络技术和物联网技术有机结合，利用两台视觉相机，通过时间、坐标信息位置、负载等参数实时监测工业机器人位置精度的变化。

将健康状况的预测分为常规监测项目+重点指标监测，根据机器人的健康状况，分为健康、亚健康、轻微故障、中度故障、重度故障5个预警阶段，根据不同的健康状况发出预警信息。

图1 健康预警模型技术关联图

将传感器技术、视觉技术以及网络技术和物联网技术有机结合，将眼看+诊断数据报告相结合，确认故障诊断的可靠性。

进行工业机器人运行的实时监测，减少停机检修时间，提高生产效率。

3 总结

对于新建的智能制造生产线，可以新增健康状况预警功能，对于已经投入运行的生产线，可以进行技术升级，优化生产线功能，生产线因为故障停机时间降低30%，生产效率提高10%～20%，降低因为故障原因停机造成的生产成本10%。

综合考虑国内外该项技术的发展现状，工业机器人在复杂运行环境下健康状况预警模型的研究将为一线维修人员提供便捷的指导，并指导集成商在实际生产系统中进行故障诊断系统的搭建，分析出工业机器人故障率高发的原因，根据生产工艺，针对故障高发区，做重点监控与预警，确保设备正常使用率，在生产控制中，降低生产成本。