工业机器人系统故障诊断技术研究 .pdfVIP

工业机器人系统故障诊断技术研究

摘要：随着现代科技的高速发展，尤其是顺应“中国制造2025”、“德国

工业4.0”、“美国再工业化”等国内国际大趋势潮流推动，工业机器人在各行

各业尤其是生产制造业应用愈加广泛，如何保证工业机器人自动化运行中的可靠

性、稳定性与安全性已成为研究的热点问题。不可否定，三性研究的首要问题当

属故障问题：哪些故障类、发生原因何在、故障表征如何、怎么检测定位等，而

回归研究对象主体-工业机器人系统，其属于典型的机械-电气-控制一体化精密

设备，存在着多专业领域交互耦合、故障征兆更加隐蔽、故障过程呈动态变化等

显著特点，进而对系统故障诊断技术提出了新的挑战。

关键词：工业机器人；智能制造；故障诊断；机械-电气-控制一体化

1.研究意义

近年来，随着全球范围制造业转型升级的迫切需求和现代科技的高速发展，

以智能制造为核心的新工业革命一度/再度成为国际国内社会关注的热点，如

2010年，美国政府正式启动“再工业化”，瞄准新一轮产业结构升级所带来的机

遇；2013年，德国政府推出“工业4.0”战略，全面提升制造业的智能化水平；

2015年，我国国务院正式印发《中国制造2025》，部署全面推进实施制造强国

战略。不可否认，以信息技术与制造业加速融合为主要特征的智能制造已成为全

球制造业的主流趋势，其发展速度快，应用范围广，对生产和社会发展乃至增强

军事国防实力都具有十分深远的影响。

工业机器人作为高端自动化制造装备的必要组成部分，对于推动生产制造智

能化、自动化和高效性都发挥着重要作用，而其一旦发生故障尤其是在生产线故

障不能及时发现即无法恢复生产的时候，将严重拖延制造工期，并将产生诸多连

带负效应。因此，把如何保证工业机器人在自动化运行中的可靠性、稳定性与安

全性问题研究应用到实际项目当中，并真正投入到教学推广中同样具有重要的现

实意义。

三性问题研究具体体现为故障问题研究：哪些故障类、发生原因何在、故障

表征如何、怎么检测定位等，也就是故障诊断技术问题。而回归工业机器人系统

本身，其又属于典型的机械-电气-控制一体化精密设备，存在着多专业领域交互

耦合、故障征兆更加隐蔽、故障过程呈动态变化等显著特点，进而对系统故障诊

断技术提出了新的挑战。

1.国内外研究现状分析

工业机器人由操作机（机械本体）、控制器、伺服驱动系统和检测传感器等

装置构成，能自动控制并在三维空间完成各种作业，属现代电子科技发展的结果。

追溯至1961年，美国的ConsolidedControlCorp.和AMF公司联合研制了第一

台实用机器人-UNIMATE，经过60多年发展，美国的机器人技术在国际上一直处

于领先，如AmericanRobot、BostonDynamics等；日本1967年从美国引进机

器人后，逐渐成为工业机器人强国，如YASKAWA、FANUC、Mitsubishi等；英国、

德国、瑞典等也于1970年后先后引入机器人，发展迅速，如KUKA、Roboter、

ABBRobotics等；我国于2000年以后，工业机器人领域迅猛发展，市场保有量

也逐年提升，如沈阳新松、哈尔滨博实、上海沃迪等[1]。

与国外相比，国内工业机器人尽管在某些关键技术上取得一定进步，但还缺

乏整体核心技术的突破，特别是在制造工艺与整套装备方面，缺乏高精密、高速

与高效的减速机、伺服电动机、控制器等关键部件[2]。工业机器人系统由机械-

电气-控制等不多专业领域子系统相互作用相互耦合而成，故障发生率高且故障

征兆更加隐蔽。近年来，在工业机器人故障诊断方面也取得了一些研究成果，主

要分为两大类：基于传感器和自动监测的常规诊断技术（20世纪60年代-70年

代末）即机内测试（BuiltinTest,BIT），以信号处理技术为手段，自动采集

和分析相关的信号，再由工程技术人员结合经验，对故障原因和部位进行判断，

如函数识别方法、统计诊断方法和模糊诊断方法等，对此也开发了各种状态监测

和故障诊断系统，如美国Bently的DDM、Altanta的M600等[3][4]；第二类

为以专家系统和神经网络为基础的智能诊断技术阶段（20世纪70年代后）[5-

8]，以故障现象为起点、以知识处理为核心、以专家系统或神经网络为输出对故

障原因、机理和表现进行分析，如特性跟踪法、反推理专家系统、神经网络分析

方法、数学模型分析方法等。

1.目前存在的问题和研究重点

第一类方法以信号