用于檢測工業機器人故障的方法研究

用于檢測工業機器人故障的方法研究

利用主成分分析（PCA）研究了訓練數據的來源和類型對工業機器人故障檢測的影響。具體來說，使用多個機器人執行不同任務的現場數據，比較了兩種情況：第一，將單個機器人獲得的訓練數據用于評估多個機器人（一對多），第二，每個機器人在自己的培訓數據的基礎上進行評估（一對一）。進一步檢測了運行PCA之前的預處理數據影響檢測和預測故障的能力。為了減少原始信號的任務依賴性，我們將連續測量值預處理得出的絕對差與使用原始信號單獨構建的PCA模型進行比較。

研究結果表明，使用連續測量值之間的絕對差建立的PCA模型的Q殘差的變異系數作為一對多訓練場景中機器人預測和檢測故障就有良好的描述性。最終發現，絕對差異作為信號類型的一對一訓練場景可以在故障前十九天內發出警告。

研究結果表明，使用信號類型作為絕對差異的Q殘差的變異系數和作為訓練源的OTM可以檢測機器人的故障。進一步分析表明，如果使用絕對差作為訓練PCA模型的信號類型，可以使用單個參考機器人生成用于測試多個場景的訓練數據。對于作為絕對差異的信號類型，所有描述符能夠在故障前至少七天區分故障和正常機器人。

在工業行業中，可以采用這些培訓策略的組合。使用OTM方法，完成單個機器人訓練模型可以協助識別相似識別命令的機器人。

刊名：IFAC-Papers On Line

刊期：2016年1期

作者：V Sathish et al

編譯：張帥