用于檢測工業(yè)機器人故障的方法研究

利用主成分分析（PCA）研究了訓練數(shù)據(jù)的來源和類型對工業(yè)機器人故障檢測的影響。具體來說，使用多個機器人執(zhí)行不同任務的現(xiàn)場數(shù)據(jù)，比較了兩種情況：第一，將單個機器人獲得的訓練數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(xù)測量值預處理得出的絕對差與使用原始信號單獨構(gòu)建的PCA模型進行比較。

研究結(jié)果表明，使用連續(xù)測量值之間的絕對差建立的PCA模型的Q殘差的變異系數(shù)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(fā)現(xiàn)，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(nèi)發(fā)出警告。

研究結(jié)果表明，使用信號類型作為絕對差異的Q殘差的變異系數(shù)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(shù)據(jù)。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(qū)分故障和正常機器人。

在工業(yè)行業(yè)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(xié)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