基于一阶相关性模型的工业机器人故障诊断方法

Fault diagnosis method of industrial robot based on first-order relevant model

摘要

为提高工业机器人故障诊断实用性,减少对于产品故障机理和专家经验知识的依赖,提出一种利用一阶相关性模型理论开展工业机器人故障诊断研究的方法。该方法通过分析工业机器人内在联系和任务特点以建立典型任务模型,在此基础上采用一阶相关性列矢量法推导建立相关性数学模型,并通过数学模型优化和分割完成测试点选择、诊断树建立和故障字典编制等,为建立和优化工业机器人故障诊断策略提供基础。同时,选取焊接机器人作为典型装备,开展了机器人的相关性模型建立、模型优化和分割、建立诊断树、编制故障字典以及模拟故障试验等应用研究,故障注入模拟试验结果表明,该方法具有直观、高效的测试性建模与故障诊断能力,为提高工业机器人产品的故障诊断效率提供了新思路。

Abstract

For reducing the reliance on product fault mechanisms and expert experience knowledge, to improve the practicality of industrial robot fault diagnosis, a fault diagnosis method of industrial robots based on first-order relevant modeling theory is proposed. In this method, the typical task model is established by analyzing the internal relationship and task characteristics of industrial robots, and the first-order relevant column vector method is used to solve the relevant mathematical model. Then, through the optimization and segmentation of the mathematical model, test points selection, diagnosis tree and fault dictionary are completed, which could provide a basis for developing the product fault diagnosis strategy. Meanwhile, the welding robot is selected as a typical product to carry out the application research of relevant modeling, model optimizing and dividing, testing point selecting, diagnosis tree establishing, fault dictionary compiling and simulated fault diagnosis testing. The fault injection simulation test results show that, this method has intuitive and efficient testability modeling and diagnosis ability, and provide a new idea to improve the fault diagnosis efficiency of industrial robots.

关键词

相关性模型 / 工业机器人 / 故障诊断 / 模型分割 / 应用研究 / 故障注入模拟试验

Key words

relevant model / industrial robots / fault diagnosis / model segmentation / applied research / test verification

[1] 赵丹. 基于机器学习的轮式机器人关节爬坡运动轨迹控制方法[J]. 自动化技术与应用, 2025, 44(1):36-40.
[2] 侯智, 陈进. 工业机器人远程监控与故障诊断研究综述[J]. 机床与液压, 2018, 46 (15):172-176.
[3] 左延红, 姚燕生, 耿国庆. 分数阶偏微分在工业机器人故障诊断中的应用[J]. 计算机集成制造系统, 2023, 29(4):1137-1145.
[4] 张自勤, 庞峰, 陈睿, 等. 10 kV配电网带电作业机器人进入等电位的路径规划方法[J]. 自动化技术与应用, 2025, 44(6):180- 184.
[5] 宋俊杰, 陈翀, 王涛, 等. 基于半监督学习Informer算法的工业机器人故障诊断方法[J]. 机电工程技术, 2024, 53(2):24-28.
[6] 王晓蓥, 李帅永. 基于参数联合优化VMD-SVM的工业机器人旋转部件故障诊断方法[J]. 计算机测量与控制, 2023, 31(5):62- 72.
[7] 王龙. 智能制造网络安全多层协同联动控制系统设计[J]. 自动化技术与应用, 2024, 43(8):149-153.
[8] 杨威. 基于数据不平衡的工业机器人柔性部件故障诊断研究[D]. 长春:吉林大学, 2023.
[9] 陈乐瑞, 曹建福, 王晓琪. 工业机器人驱动系统非线性频谱故障诊断方法[J]. 西安交通大学学报, 2019, 53(4):93-99.
[10] 张跃东, 齐昕, 童一飞. 基于专家系统的焊接机器人故障诊断[J]. 机床与液压, 2018, 47(1): 173-178.
[11] 潘屹豪, 肖红, 周玉彬, 等. 基于改进一维卷积神经网络的多轴工业机器人故障诊断[J]. 组合机床与自动化加工技术, 2021(12): 10-14,18.
[12] Ameer H Sabry, Ungku Anisa Bte Ungku Amirulddin. A review on faultdetection and diagnosis of industrial robots and multi-axis machines[J]. Results in Engineering, 2024 (23): 102397.
[13] 王晶晶. 基于模糊控制的机械臂故障识别改进[J] 自动化技术与应用, 2024, 43 (8):20-23.
[14] Yang S M, Qiu J, Liu G K. Hierarchical model-based approach to testability modeling and analysis for PHM of aerospace systems[J]. Journal of Aerospace Engineering, 2014, 27(1): 131-139.
[15] 刘晓白, 梁鸿. 基于任务的舰船装备测试性建模与分析研究[J]. 舰船科学技术, 2016, 38(11): 156-160.
[16] 梁芬, 姜宏伟, 郭亚男, 等. 基于FTA的焊接机器人故障诊断技术研究[J]. 机电工程, 2014, 31(8): 1067-1070.
[17] Liu X B, Shao F. Research on testability modeling of warship′s integrated electric propulsion system[C]//Proceedings 2020 5^th Asia Conference on Power and Electrical Engineering. Chengdu:IEEE,2020:2242-2246.
[18] 刘权利. 关于装备测试性设计中相关性模型的研究[J]. 装备维修技术, 2023(1): 62-65.
[19] 翟助群, 许正, 刘刚. 复杂可修系统任务测试性建模[J]. 兵工自动化, 2016, 35(1): 37-41.
[20] 尹铁, 赵弘, 张倩, 等. 长输油气管道焊接机器人的技术现状与发展趋势[J]. 石油科学通报, 2021, 6(1): 145-157.
[21] 赵言正, 刘积昊, 管恩广, 等. 焊接机器人的试验模态分析[J]. 中国测试, 2021, 47(11): 64-68.
[22] 王姗, 尹玉鹏. 焊接机器人关键部件故障特性研究[J]. 河北水利电力学院学报, 2025, 35(1):45-51.

基金资助

上海闵行职业技术学院重点科研项目(MZTZD202406)