CN109219738A - 异常诊断装置及异常诊断方法 - Google Patents
异常诊断装置及异常诊断方法 Download PDFInfo
- Publication number
- CN109219738A CN109219738A CN201780033974.1A CN201780033974A CN109219738A CN 109219738 A CN109219738 A CN 109219738A CN 201780033974 A CN201780033974 A CN 201780033974A CN 109219738 A CN109219738 A CN 109219738A
- Authority
- CN
- China
- Prior art keywords
- unit
- acceleration
- model
- value
- diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Acoustics & Sound (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
在本发明涉及的异常诊断装置中,具备:模型加速度计算单元(1),其对作为电动机加速度的预测值的模型加速度进行计算;电动机加速度计算单元(3),其根据电动机的位置信息及速度信息的一者对电动机加速度进行计算;以及异常判别单元(4),其基于电动机加速度和模型加速度的比较结果,对动力传输机构(7)的异常进行诊断。
Description
技术领域
本发明涉及在诸如机器人这样的机械***的驱动部中使用的诸如减速机、增速机及滚珠丝杠这样的动力传输机构的异常诊断装置及异常诊断方法。
背景技术
当前,在多关节型的工业用机器人中,为了传输各关节的电动机的动力,经常使用动力传输机构。如果长时间使用工业用机器人,则由于在动作中作用的负载累积,因此有时动力传输机构会劣化而导致故障。如果故障恶化,机器人展现不出原本的性能,或工业用机器人突然停止,由此不能够继续作业,则需要使生产线停止而进行修理。因此,要求对动力传输机构发生了劣化进行诊断的技术。
在专利文献1所记载的方法中公开了下述技术,即,对由于动力传输机构劣化而产生的振动模式和正常驱动时的振动模式进行比较,对劣化进行诊断的技术。另外,在专利文献1所记载的方法中,根据从作用于动力传输机构的干扰转矩提取出的波谱对劣化进行诊断。
专利文献1:日本特开2008-32477号公报
发明内容
根据上述现有技术,能够基于振动模式或提取出的波谱而进行动力传输机构的劣化的诊断。但是,在现有技术中存在不能够将由于动力传输机构的温度而产生变动的摩擦转矩的影响去除的课题。
本发明就是鉴于上述课题而提出的,其目的于得到通过使用难以受到摩擦变动的影响的电动机加速度,从而高精度地对动力传输机构的异常进行诊断的异常诊断装置。
为了解决上述课题,达成目的,本发明涉及的异常诊断装置的特征在于具备:模型加速度计算单元,其对作为电动机加速度的预测值的模型加速度进行计算;电动机加速度计算单元,其根据电动机的位置信息及速度信息的一者对电动机加速度进行计算;以及异常判别单元,其基于电动机加速度和模型加速度的比较结果,对动力传输机构的异常进行诊断。
发明的效果
根据本发明,实现下述效果,即,通过使用难以受到作为特性变化的摩擦变动的影响的电动机加速度,从而高精度地对动力传输机构的异常进行诊断。
附图说明
图1是实施方式1的异常诊断装置的框图。
图2是表示实施方式1涉及的模型加速度计算单元的内部的框图。
图3是表示实施方式1涉及的控制***模拟单元的内部的框图。
图4是表示实施方式1涉及的反馈控制单元的内部的框图。
图5是表示实施方式1涉及的异常诊断装置中的控制用CPU的安装例的图。
图6是在实施方式1中将异常诊断装置的范围的定义变更后的情况下的结构图。
图7是在实施方式1中将异常诊断装置的范围的定义变更后的情况下的结构图。
图8是表示实施方式3涉及的控制***模拟单元的内部的框图。
图9是表示实施方式4涉及的控制***模拟单元的内部的框图。
图10是表示实施方式5涉及的模型加速度计算单元的内部的框图。
图11是表示实施方式7涉及的模型加速度计算单元的内部的框图。
图12是表示实施方式8涉及的模型加速度计算单元的内部的框图。
图13是实施方式9涉及的异常诊断装置的框图。
图14是表示实施方式9涉及的控制***模拟单元的内部的框图。
图15是表示实施方式9涉及的控制***模拟单元的内部的框图。
图16是表示实施方式9涉及的控制***模拟单元的内部的框图。
图17是表示实施方式9涉及的异常诊断装置的安装例的图。
图18是实施方式10涉及的异常诊断装置的框图。
图19是表示实施方式10涉及的异常诊断装置的安装例的图。
图20是实施方式15涉及的异常诊断方法的流程图。
图21是实施方式16涉及的异常诊断方法的流程图。
图22是表示实施方式17的异常诊断装置的结构的图。
图23是表示实施方式18的异常诊断装置的结构的图。
图24是表示实施方式19的异常诊断装置的结构的图。
图25是表示实施方式19的控制***模拟单元的内部的图。
图26是表示实施方式20涉及的控制***模拟单元的内部的图。
图27是实施方式1至20的硬件结构图。
图28是实施方式1至20的硬件结构图。
具体实施方式
下面,基于附图对本发明的实施方式涉及的异常诊断装置及异常诊断方法进行详细说明。此外,该实施方式并不是对本发明的限定。
实施方式1.
图1是表示本发明的实施方式1涉及的异常诊断装置的框图。本实施方式涉及的异常诊断装置具备模型加速度计算单元1、电动机加速度计算单元3、以及异常判别单元4。模型加速度计算单元1将与机械装置所具有的动力传输机构7连接的电动机6的模型加速度作为模型加速度,通过预测值计算处理而进行计算。电动机加速度计算单元3根据电动机6的位置信息或速度信息对电动机加速度进行计算。异常判别单元4基于电动机加速度和模型加速度的比较结果,对驱动轴的动力传输机构7的异常进行诊断。此外,本实施方式涉及的动力传输机构7作为减速机、加速机、或齿轮电动机发挥功能。
机械装置为工业用机器人(未图示)、工作机械、成型机、或输送机等工业机械,机械装置具有的驱动机构具备单轴或多个驱动轴。本实施方式为能够应用于任意机械装置的实施方式,但下面以具有6个驱动轴的工业用机器人为控制对象的情况为例进行说明。在具有6个驱动轴的工业用机器人的情况下,驱动用的电动机6、以及动力传输机构7也各自存在6个。
在图1所示的结构例的异常诊断装置中,在机械装置所具有的控制装置内部,生成对各轴进行驱动的电动机6的位置指令。各轴控制***5按照从机械装置赋予的位置指令对电动机6进行控制。
就模型加速度计算单元1而言,被输入位置指令,与位置指令对应地,通过预测值计算处理对作为电动机6的模型加速度的模型加速度进行计算。图2是表示实施方式1涉及的模型加速度计算单元1的内部的框图。在模型加速度计算单元1中,位置指令被输入至控制***模拟单元9,对于作为控制***模拟单元9的输出的位移推定值,通过由差分单元10进行的预测值计算处理进行2次时间差分而对模型加速度进行计算。
图3是表示实施方式1涉及的控制***模拟单元9的内部的框图。控制***模拟单元9具备前馈控制单元11、反馈控制单元12、以及各轴简易模型13。前馈控制单元11由1级或多级滤波单元构成,对从外部输入的位置指令进行前馈控制,输出由前馈控制决定的控制量。图4是表示实施方式1涉及的反馈控制单元12的内部的框图。反馈控制单元12具备在机械装置的反馈控制中使用的控制***的比例控制单元16、比例积分控制单元17、差分处理单元21。比例控制单元16对输入的前馈控制中的控制量的输出进行位置比例控制及速度比例积分控制。
各轴简易模型13为将从各轴观察到的控制对象视为惯性和摩擦的1个惯性***的近似模型。由控制***模拟单元9中的各轴简易模型13输出的位移推定值,成为考虑了前馈控制及反馈控制的特性的电动机位移的推定值。此外,在本实施方式中,模型加速度计算单元1中的控制***模拟单元9分别对加速度推定值及速度推定值进行运算。具体而言,在控制***模拟单元9中,首先对加速度推定值进行运算,通过对运算出的加速度推定值进行时间积分,从而对速度推定值进行运算,通过进一步对速度推定值进行时间积分,从而能够对位移推定值进行计算。
另外,模型加速度计算单元1中的控制***模拟单元9也可以输出速度推定值,在对输出的速度推定值进行1级时间差分后作为模型加速度进行输出。控制***模拟单元9中的控制,在面向6轴工业用机器人时,是针对6轴的每一轴进行的。此外,在本实施方式中,作为控制***模拟单元9采用了还包含控制对象特性的模型,但作为控制***模拟单元9的简单模型也可以将前馈控制单元11用作控制***模拟单元9。
各轴简易模型13所包含的摩擦模型使用由模型校正单元2计算出的摩擦参数进行摩擦转矩的计算。机器人的第i轴的摩擦力fi能够通过下式(1)而模型化。
fi=k1i*sgn(vi)+k2i*vi…(1)
此处,vi为第i轴的速度,sgn()是在为正的情况下输出1,在为负的情况下输出-1,在为0的情况下输出0的函数。在本实施方式中,利用依赖于移动方向的库仑摩擦和与速度成比例的粘性摩擦之和表现各轴的摩擦力。此处,粘性摩擦不必与速度的1次方成比例,也可以假设与1次方之外成比例,例如视为与速度的1/2次方成比例等。此处,以视为粘性摩擦与速度的1次方成比例的情况为例进行说明。在模型加速度计算单元1中,通过逐次识别处理对式(1)的参数k1i、k2i进行计算。
在本实施方式中,在模型加速度计算单元1中,使用将转矩常数乘以电动机电流测量值而计算出的电动机转矩τm,或使用从转矩传感器检测出的电动机转矩τm。此处,电动机位移pm是通过编码器等电动机位移测量单元进行测量的。模型校正单元2对测量出的电动机位移pm的时间差分vm、时间差分vm的时间差分am进行计算。接着,根据电动机位移pm、时间差分vm及时间差分am,通过下式(2)对摩擦力之外的驱动转矩τl进行计算。此外,在本实施方式涉及的异常诊断装置中,各轴控制***5具备电动机电流测量单元。电动机电流测量单元能够将转矩常数乘以测量出的电动机电流而对电动机转矩τm进行计算。
τl=M(pm)am+h(pm,vm)+g(pm)…(2)
将驱动转矩τl、电动机转矩τm及时间差分vm的第i轴成分各自设为τli、τmi及vmi,将第k个识别周期的值用[k]表现,利用下式(3)至(5)对yi、Ri及ri进行计算,利用式(6)对kpi[k]进行计算。
yi[k]=[sgn(vmi[k]),vmi[k]]…(3)
Ri[k]=Ri[k-1]+st*(-si*Ri[k-1]+yi[k]Tyi[k])…(4)
ri[k]=ri[k-1]+st*(-si*ri[k-1]+(τmi[k]-τli[k])*yi[k]T)…(5)
kpi[k]=kpi[k-1]-st*Gi(Ri[k]kpi[k-1]-ri[k])…(6)
此时,kpi[k]的第1要素为第k个识别周期中的k1i的识别值k1i[k],kpi[k]的第2要素为第k个识别周期中的作为k2i的识别值的k2i[k]。具体而言,通过式(6)计算出的kpi被计算为2行1列的矢量。kpi的第1行1列表示第1要素。kpi的第2行1列表示第2要素。此处,st为进行逐次识别的周期,si及Gi为预先设定的增益。模型校正单元2将作为各轴识别结果的摩擦参数识别值k1i[k]和k2i[k]作为摩擦参数识别结果,向模型加速度计算单元1内部的控制对象模拟单元18输出。控制对象模拟单元18为从各轴观察到的控制对象的模型。此外,识别出的增益为常数及由常数构成的矩阵。在控制对象模拟单元18的内部,基于式(1)对摩擦力进行计算。在本实施方式1中,控制对象模拟单元18也可以作为各轴简易模型13发挥功能。此处,控制对象模拟单元18也可以将与工业用机器人中的各轴向对应的摩擦推定值,与由模型校正单元2计算出的摩擦参数识别值对应地进行修正。
在电动机加速度计算单元3中,输入由编码器等位移测量单元测量出的电动机6的、表示位置信息的电动机位移、或表示电动机6的速度的速度信息。在电动机加速度计算单元3中,对输入的电动机位移进行2次时间差分,或对速度信息进行1次时间差分,从而对电动机加速度进行计算。此处,电动机位移表示电动机角度。电动机加速度计算单元3从由模型加速度计算单元1计算出的模型加速度,减去由电动机加速度计算单元3计算出的电动机加速度。减法运算后得到的结果被输入至异常判别单元4。在本实施方式中,在对模型加速度及电动机加速度进行计算后进行了减法运算,但模型校正单元2也可以从模型加速度计算单元1的内部的位移推定值减去电动机位移,对位移推定值进行2次时间差分。另外,模型校正单元2也可以对模型加速度计算单元1的内部的位移推定值进行1次时间差分而输出模型速度,在从输出的模型速度减去电动机速度后实施1次时间差分。另外,也可以替代2次时间差分进行具有同样特性的高通滤波器的处理。高通滤波器具有与预先设定的频率相比仅使高频的信号成分通过的特性。此处,异常判别单元4能够基于通过高通滤波器的信号成分,对动力传输机构7的异常进行诊断。
在异常判别单元4中,基于电动机加速度及模型加速度的比较结果,对驱动轴的动力传输机构7的异常进行诊断。具体而言,异常判别单元4对从模型加速度减去电动机加速度后得到的结果的绝对值的最大值进行计算。将计算出的绝对值的最大值大于或等于基准值的情况诊断为异常。图5是实施方式1涉及的异常诊断装置101中的控制用CPU的安装例。在图5所示的例中,在异常诊断装置101中,在对象机械控制装置28中安装控制用CPU(Central Processing Unit)。控制用CPU将各轴控制装置25或控制对象机械27作为控制对象而分别执行模型加速度计算单元1、模型校正单元2、电动机加速度计算单元3、指令生成单元29及异常判别单元4具有的功能。此外,控制用CPU也可以安装于外部PC(PersonalComputer)(未图示),对各轴控制装置25或控制对象机械27进行控制。
图6及图7是在实施方式1中将异常诊断装置的范围的定义变更后的情况下的结构图。在图6所示的异常诊断装置中,由于使用电动机6的信息对异常进行诊断,因此也包含电动机、动力传输机构、负载单元8等控制对象机械27作为异常诊断装置,但也可以如图6所示的异常诊断装置那样,将各轴控制***和控制对象机械27除外,视为由模型加速度计算单元1、模型校正单元2、电动机加速度计算单元3及异常判别单元4构成异常诊断装置。另外,如图7所示,上述异常诊断装置也可以安装于外部的计算机。
已知如果减速机劣化,则有时由减速机引起的振动会逐渐变大。在基于由减速机引起的振动的大小对异常进行诊断时,通过运用振动之外的转矩成分小的动作的数据,能够期待提高诊断的精度。另外,由减速机引起的振动与转速相关,因此在利用转速恒定的区间的数据进行判别时,解析也会变得容易。
作为减速机劣化后的情况的特性,不仅由减速机引起的振动增大,有时还产生其它特性变化。例如,如果波动齿轮减速机劣化而磨损恶化,则减速机的刚性降低。另外,如果在施加了预压的滚珠丝杠机构中滚珠丝杠机构的磨损恶化,则预压会被释放,降低滚珠丝杠机构的刚性。如上所述,如果减速机的刚性降低,则在加减速中振动被激励,或在刚停止后振动立刻被激励。因此,为了根据电流或转矩对刚性降低进行判别,需要基于正在进行加减速的区间的电流或刚停止后的电流进行判别。使用差分等高通滤波器从电流波形提取基于刚性降低的振动是有效的,但需要通过进行加减速将原本包含的加减速转矩、摩擦转矩的影响去除。关于加减速转矩,如果控制对象的机器人等机械装置的质量、重心位置等参数是已知的,则能够通过计算去除影响。但是,就摩擦转矩而言,即使为同一机械,会根据关节部的温度而产生变动,因此不能够预先去除,存在不能够高精度地对机械的刚性产生了变动进行判别。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式2.
实施方式2的模型校正单元2的内部和异常判别单元4的内部与实施方式1不同。在实施方式1中,模型校正单元2对摩擦参数进行逐次识别,计算出摩擦参数。在本实施方式中,模型校正单元2预先确定进行异常判别的周期的区间、或表示进行异常判别的时间的期间,根据进行异常判别的区间或期间中的驱动转矩、电动机位移、电动机速度及电动机加速度,使用最小二乘法进行摩擦参数的识别处理。在本实施方式中,在模型加速度计算单元1中,使用将转矩常数乘以电动机电流测量值而计算出的电动机转矩τm,或使用从转矩传感器检测出的电动机转矩τm。此处,将由编码器等电动机位移测量单元测量出的电动机位移设为pm。此处,模型校正单元2使用下式(7)对第i轴的电动机转矩τm和驱动转矩τl之差τdi进行计算。此外,通过将电动机位移pm的时间差分vm、以及时间差分vm的时间差分am赋予式(2),对驱动转矩τl进行计算。
τdi=τmi-τli…(7)
此时,在利用识别周期的第1周期至第n周期为止的数据对摩擦力进行识别时,将n行2列的矩阵设为Ai,将Ai的伪逆矩阵设为Ai+时,通过下式(8)计算出的P的第1要素为库仑摩擦系数k1i的推定值,P的第2要素为粘性摩擦系数k2i的推定值,其中,n行2列的矩阵Ai的n行矢量为Yti,n行矢量中的第m行要素为τdi[m],将第m行1列的要素为sgn(vmi[m]),第m行2列的要素为vmi[m]。此处,n表示各周期中的数据的样品数量。m表示Yti及Ai的各行。n及m为1≤m≤n的范围的自然数。
P=Ai+Yti…(8)
识别或推定出的摩擦参数针对每个异常判别区间是固定的值。模型加速度计算单元1内部的控制对象模拟单元18使用识别或推定出的摩擦参数进行摩擦转矩的运算。异常判别单元4对从进行异常判别的区间中的模型加速度减去电动机加速度后得到的结果的绝对值的最大值进行计算。异常判别单元4将计算出的绝对值的最大值大于或等于基准值的情况诊断为异常。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式3.
实施方式3的控制***模拟单元9的内部与实施方式1不同。因此,仅对控制***模拟单元9的内部进行说明。图8是表示实施方式3涉及的控制***模拟单元9的内部的框图。在实施方式1中,作为控制***模拟单元9的内部的控制对象模拟单元18使用了各轴简易模型13。图8表示实施方式3涉及的控制***模拟单元9。在图8所示的刚体模型14中,通过下式(9)对加速度a进行计算,利用加速度a的时间积分对速度v进行计算,利用速度v的时间积分对位移p进行计算。式(9)的τ为反馈控制单元12的输出,式(9)的a、v及p各自为由刚体模型14计算的加速度、速度及位移。
a=M(p)-1(τ-h(p,v)-g(p)-f(v))…(9)
M(p)-1为M(p)的逆矩阵。M(p)为惯性矩阵。h(p,v)为离心力及科里奥利力,g(p)为重力,f(v)为摩擦力。控制***模拟单元9将计算出的位移p作为位移推定值输出至运动方程式计算单元。另外,在式(9)的摩擦力f(v)的计算中,使用由模型加速度计算单元1识别出的参数。由刚体模型14计算出的位移p作为位移推定值而输入至反馈控制单元12。
此外,在本实施方式中,将控制***模拟单元9的输出设为了位移推定值,但在控制***模拟单元9的内部,分别对加速度推定值及速度推定值进行运算。因此,也可以将控制***模拟单元9内部的加速度推定值作为模型加速度计算单元1的输出。另外,模型加速度计算单元1中的控制***模拟单元9也可以将运算出的速度推定值输出,在对输出的速度推定值进行1级时间差分后作为模型加速度进行输出。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式4.
实施方式4的控制***模拟单元9的内部与实施方式3不同。因此,仅对控制***模拟单元9的内部进行说明。图9是表示实施方式4涉及的控制***模拟单元9的内部的框图。在实施方式3中,作为控制对象模拟单元18的模型使用了刚体模型14,但在实施方式4中如图9所示,使用关节部弹性考虑模型15。在电动机6和动力传输机构7之间,设置由连杆机构连结的关节部,使用考虑了关节部的弹性的模型,该关节部具有弹簧常数恒定的线性弹簧的特性。关节部弹性考虑模型15是将弹簧常数乘以负载单元侧位移和电动机侧位移之差后得到的值对负载单元8侧进行驱动的模型。
在关节部弹性考虑模型15中,将表示各轴的电动机加速度的矢量的am、表示电动机速度的矢量的vm、以及表示电动机位移的矢量的pm用于模型,该模型用于对负载单元8侧进行驱动。在关节部弹性考虑模型15中,将表示作为动力传输机构7的输出轴的负载单元8侧的加速度的矢量的al、表示速度的矢量的vl、以及表示位移的矢量的pl、表示电动机转矩的矢量的τm、表示动力传输机构7的输出转矩的矢量用于模型,该模型用于对负载单元8侧进行驱动。另外,在关节部弹性考虑模型15中,将表示由电动机惯性力矩构成的对角矩阵的Im、表示由摩擦转矩构成的矢量的f、表示惯性矩阵的M、表示由离心力及科里奥利力构成的矢量的h、表示由重力构成的矢量的g、以及表示由各轴的关节部的弹簧常数构成的对角矩阵的Kb赋予下式(10)至(12),能够对电动机加速度am、动力传输机构7的输出转矩τl、以及负载单元8侧的加速度al进行计算。
am=Im-1(τm-τl-f(vm))…(10)
τl=Kb(pl-pm)…(11)
al=M(pl)-1(τl-h(pl,vl)-g(pl))…(12)
电动机速度vm是通过对电动机加速度am的各要素进行时间积分而计算的。电动机位移pm是通过对电动机速度vm的各要素进行时间积分而计算的。负载单元8侧的速度vl是通过对负载单元8侧的加速度al的各要素进行时间积分而计算的。负载单元8侧的位移pl是通过对负载单元8侧的速度vl的各要素进行时间积分而计算的。在n轴驱动轴的机械装置中,将电动机加速度am、电动机速度vm、加速度al、以及速度vl表示为n行1列的矢量。具体而言,各要素中的1行1列的成分表示第1要素。2行1列的成分表示第2要素。3行1列的成分表示第3要素。即,n行1列的成分表示第n要素。此外,Im-1、M(pl)-1各自为Im、M(pl)的逆矩阵。在本实施方式中,将控制***模拟单元9的输出设为了电动机位移推定值,但由于在控制***模拟单元9的内部还分别对电动机加速度推定值及电动机速度推定值进行运算,因此也可以将控制***模拟单元9的内部的电动机加速度推定值作为模型加速度计算单元1的输出。另外,也可以从模型加速度计算单元1中的控制***模拟单元9输出电动机速度推定值,在对输出的电动机速度推定值进行1级时间差分后作为模型加速度进行输出。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式5.
实施方式5的模型校正单元2的内部及模型加速度计算单元1的内部与实施方式1不同。因此,仅对模型校正单元2的内部及模型加速度计算单元1的内部进行说明。在模型校正单元2的内部,以与实施方式1相同的方法进行摩擦参数的逐次识别。并且,模型加速度计算单元1中的控制***模拟单元9具备前馈控制单元11、反馈控制单元12、控制对象模拟单元18、以及2级差分单元。模型校正单元2使用进行逐次识别的摩擦参数值,对模型加速度进行计算。另外,模型校正单元2根据由编码器测量出的电动机位移进行电动机加速度的计算。在模型校正单元2中,将从电动机加速度am减去模型加速度a后得到的结果设为ea,对校正函数的参数进行识别以使得ea尽可能小。
在实施方式5中,将上述校正函数的输入设为由位置指令的差分得到的速度指令值vd、和进一步进行差分而得到的加速度指令值ad这两者,从而能够通过包含作为位置参数值的加速度指令值和速度指令值的多项式表现校正函数。具体而言,利用加速度的1次方及2次方、速度指令值的1次方及2次方的加权和表现为下式(13)。另外,模型校正单元2通过下述顺序对该加权系数ka1i、ka2i、ka3i、ka4i进行识别。即、将eai设为下式(13)而进行计算。下标i表示第i轴的值。
eai=ka1i*adi+ka2i*adi2+ka3i*vdi+ka4i*vdi2…(13)
此时,通过下式(14)至(16)分别对yai、Rai及rai进行计算,通过式(17)对kpai[k]进行计算。此处,k表示第k周期的识别周期的值。
yai[k]=[adi[k],adi[k]2,vdi[k],vdi[k]2]…(14)
Rai[k]=Rai[k-1]+st*(-si*Rai[k-1]+yai[k]Tyai[k])…(15)
rai[k]=rai[k-1]+st*(-si*rai[k-1]+(ami[k]-ai[k])*yai[k]T)…(16)
kpai[k]=kpai[k-1]-st*Gi(Rai[k]kpai[k-1]-rai[k])…(17)
模型校正单元2将计算出的识别值发送至模型加速度计算单元1。就发送至模型加速度计算单元1的识别值而言,kpai[k]的第1要素为第k个识别周期中的ka1i的识别值ka1i[k],kpai[k]的第2要素为第k个识别周期中的ka2i的识别值ka2i[k],kpai[k]的第3要素为第k个识别周期中的ka3i的识别值ka3i[k],kpai[k]的第4要素为第k个识别周期中的ka4i的识别值ka4i[k]。具体而言,通过式(17)计算出的kpai被计算为4行1列的矢量。kpai的第1行1列表示第1要素。kpai的第2行1列表示第2要素。kpai的第3行1列表示第3要素。kpai的第4行1列表示第4要素。模型校正单元2也将kpai[k]的值发送至模型加速度计算单元1。
图10是表示实施方式5涉及的模型加速度计算单元1的内部的框图。由于实施方式5涉及的前馈控制单元11、以及反馈控制单元12中的处理与实施方式1相同,因此省略说明,对位移校正单元19的内部进行说明。位移校正单元19被输入位置指令,通过对位置指令进行时间差分,从而对速度指令及加速度指令进行计算。接着,控制对象模拟单元18使用从模型校正单元2输入的校正参数kpai[k]而基于式(13)对加速度校正值eai进行计算。控制对象模拟单元18对计算出的eai进行2次积分而作为位移的校正值,然后加上位移推定值而输出。此外,在本实施方式中,也可以在控制***模拟单元9内部不进行校正,而是控制对象模拟单元18将位移推定值和加速度校正值eai输出,将加速度校正值eai加上根据位移推定值的2级时间差分计算出的加速度推定值后得到的值作为模型加速度而输出。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式6.
由于实施方式6的模型校正单元2及异常判别单元4的内部与实施方式5不同,因此仅对模型校正单元2及异常判别单元4进行说明。在实施方式6中,与实施方式2同样地,模型校正单元2预先确定进行异常判别的周期的区间、或表示进行异常判别的时间的期间,根据进行异常判别的区间或期间中的驱动转矩τmi、电动机位移pmi、电动机速度vmi、及电动机加速度ami,使用最小二乘法进行摩擦参数的识别。接着,模型校正单元2根据作为从电动机加速度减去模型加速度后得到的结果的eai、加速度指令adi、速度指令vdi,通过式(13)所示的最小二乘法对加速度校正值的参数进行识别。模型校正单元2将识别出的摩擦参数及加速度校正值的参数,在进行异常判别的区间作为同一值输出至模型加速度计算单元1。异常判别单元4对从进行异常判别的区间中的模型加速度减去电动机加速度后得到的结果的绝对值的最大值进行计算。异常判别单元4将计算出的绝对值的最大值大于或等于基准值的情况诊断为异常。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式7.
由于实施方式7的模型校正单元2及模型加速度计算单元1与实施方式5不同,因此仅对模型校正单元2及模型加速度计算单元1进行说明。在实施方式5中,将加速度指令及速度指令设为了加速度校正值ea的输入,但在实施方式7中,将前馈控制单元11的输出的时间差分及该时间差分的时间差分分别设为输入vd及ad。模型校正单元2针对前馈控制单元11的输出,与实施方式5同样地使用式(14)至(17)进行逐次识别。
图11是表示实施方式7涉及的模型加速度计算单元1的内部的框图。位移校正单元19将前馈控制单元11的输出设为输入,对作为控制***模拟单元9的输出的位移推定值进行2次时间差分,使用从模型校正单元2输入的校正参数kpai[k]而基于式(13)对加速度校正值ea进行计算。控制对象模拟单元18对计算出的ea进行2次积分而作为位移的校正值,然后加上位移推定值而输出。此外,在本实施方式中,也可以在控制***模拟单元9内部不进行校正,而是控制对象模拟单元18将位移推定值和加速度校正值ea输出,将加速度校正值ea加上根据位移推定值的2级时间差分计算出的加速度推定值后得到的值作为模型加速度而输出。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式8.
由于实施方式8的模型校正单元2及模型加速度计算单元1与实施方式5不同,因此仅对模型校正单元2及模型加速度计算单元1进行说明。在实施方式5中,将加速度指令及速度指令设为了加速度校正值ea的输入,但在实施方式8中将作为控制对象模拟单元18的输出的电动机位移推定值的时间差分及该时间差分的时间差分分别设为输入vd及ad。模型校正单元2针对控制对象模拟单元18的输出,与实施方式5同样地使用式(14)至(17)进行逐次识别。
图12是表示实施方式8涉及的模型加速度计算单元1的内部的框图。位移校正单元19将控制对象模拟单元18的输出设为输入,进行2次时间差分,使用从模型校正单元2输入的校正参数kpai[k]而基于式(13)对加速度校正值ea进行计算。控制对象模拟单元18对计算出的ea进行2次积分而作为位移的校正值,然后加上位移推定值而输出。此外,在本实施方式中,也可以在控制***模拟单元9内部不进行校正,而是控制对象模拟单元18将位移推定值和加速度校正值ea输出,将加速度校正值ea加上根据位移推定值的2级时间差分计算出的加速度推定值后得到的值作为模型加速度而输出。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式9.
图13是实施方式9涉及的异常诊断装置的框图。实施方式9与实施方式1的不同之处在于不存在模型校正单元2。在实施方式9中,模型加速度计算单元1内部的控制对象模拟单元18将预先确定的固定值用作摩擦参数。图14是表示本实施方式涉及的控制***模拟单元9的内部的框图。如图14所示,控制***模拟单元9使用各轴简易模型13作为控制对象模拟单元18。
另外,图15示出在将刚体模型14用作控制对象模拟单元18的情况下的控制***模拟单元9内部的框图,图16示出将关节部弹性考虑模型15用作控制对象模拟单元18的情况下的控制***模拟单元9内部的框图。也可以将控制***模拟单元9用作前馈控制单元11。图17示出实施方式9的异常诊断装置的安装例。在本实施方式涉及的异常诊断装置中,将模型加速度计算单元1、电动机加速度计算单元3、异常判别单元4及各轴控制***5全部安装于对控制对象的电动机6进行控制的各轴控制装置25的CPU。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。
实施方式10.
图18示出实施方式10的异常诊断装置的框图。在实施方式10中,根据重复执行的相同动作的数据对异常进行判别。本实施方式涉及的异常诊断装置101具备记录单元,该记录单元对作为机械装置正常动作时的动作信息的动作数据进行记录。记录单元作为初始数据记录单元34发挥功能。作为正常时的动作数据,举出检测正常时的电动机转矩及电动机位移。初始数据记录单元34将记录的数据输入至模型加速度计算单元1。模型加速度计算单元1根据作为初始数据而记录的动作数据对摩擦参数进行计算,将计算出的摩擦参数也作为初始摩擦参数而记录于初始数据记录单元34。模型校正单元2的内部与实施方式2同样地,根据在初始数据记录单元34记录的正常时的动作数据而一并对摩擦参数进行识别。
在异常诊断时,在进行与记录于初始数据记录单元34的动作数据对应的动作相同的动作时,模型校正单元2对当前的摩擦参数进行计算,输出至模型加速度计算单元1。在模型加速度计算单元1的内部,通过对记录于初始数据记录单元34的电动机位移进行时间差分,从而将记录于初始数据记录单元34的动作数据中的电动机加速度作为时间序列数据data1进行计算。
接着,模型加速度计算单元1将记录于初始数据记录单元34的摩擦参数及位置指令输入至控制***模拟单元9,对控制***模拟单元9的输出进行时间差分。模型加速度计算单元1针对记录于初始数据记录单元34的相同动作数据,对包含根据初始数据记录时的动作数据计算出的摩擦参数在内的模型加速度的时间序列数据data2进行计算。另外,模型加速度计算单元1通过将从模型校正单元2输出的当前的摩擦参数及位置指令输入至控制***模拟单元9,对控制***模拟单元9的输出进行时间差分,从而对模型加速度的时间序列数据data3进行计算。
模型加速度计算单元1将校正了摩擦变动的影响后的初始数据记录时的电动机加速度,即data1-data2+data3作为时间序列数据进行输出。模型加速度计算单元1将从计算出的模型加速度减去同一时刻的电动机加速度后得到的结果输入至异常判别单元4。在异常判别单元4中,对作为对象的动作中的上述输入的绝对值的最大值、或绝对值的平均值进行计算,在最大值或平均值大于或等于基准值的情况下判别为异常。图19示出实施方式10的异常诊断装置101的安装例。将模型校正单元2、模型加速度计算单元1、电动机加速度计算单元3、以及异常判别单元4安装于对机器人等控制对象进行控制的机械控制装置的CPU。初始数据记录单元34安装于上述机械控制装置的控制装置内置存储器32。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。另外,在本实施方式涉及的异常诊断装置中,能够降低由于没有进行控制对象的模型化而产生的影响,因此能够高精度地进行动力传输机构7的异常诊断。
实施方式11.
实施方式11的异常诊断装置为与图1所示的框图相同的结构。由于本实施方式的异常判别单元4的内部与实施方式1不同,因此仅对异常判别单元4内部进行说明。在实施方式11中,在异常判别中使用输入的绝对值的平均值。就平均值而言,可以对另外指定的区间的平均值进行计算,也可以针对每个恒定周期对平均值进行计算。异常判别单元4在计算出的平均值超过基准值的情况下判别为异常。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。另外,在本实施方式涉及的异常诊断装置中,能够降低由于没有进行控制对象的模型化而产生的影响,因此能够高精度地进行动力传输机构7的异常诊断。
实施方式12.
实施方式12的异常诊断装置为与图1所示的框图相同的结构。由于本实施方式的异常判别单元4的内部与实施方式1不同,因此仅对异常判别单元4内部进行说明。在实施方式12中,异常判别单元4具有对无量纲参数进行计算的无量纲参数计算单元。无量纲参数用于动力传输机构7的异常判别。作为无量纲参数,存在波形率、冲击指数、波峰因数,偏度(Skewness)、及峰度(Kurtosis)。异常判别单元4在另外指定出的区间、或针对各个恒定周期对这些无量纲参数的至少1个进行计算。异常判别单元4具有预先确定的阈值,通过对计算出的无量纲参数和阈值进行比较,从而能够对动力传输机构7的异常进行诊断。
波形率、冲击指数、波峰因数、偏度、以及峰度是使用在实施方式10使用的n个时间序列数据的平均值、离散及标准偏差等统计值计算的,作为无量纲参数用于异常判别。此处,统计值是通过模型加速度计算单元1计算而取得的。下面对使用计算出的平均值、分散及标准偏差等统计值计算波形率、冲击指数、波峰因数、偏度、以及峰度的具体方法进行叙述。波形率能够通过将上述计算出的标准偏差除以绝对值的平均值而进行计算。冲击指数能够通过将峰值除以上述计算出的标准偏差而进行计算。此外,将峰值设为从n个时间序列数据中的绝对值大的值起直至10个为止的平均值。波峰因数能够通过将上述使用的峰值除以绝对值的平均值而进行计算。偏度为表示以平均值为中心,动力传输机构中的振动的振动波形的正负变形程度的值,如果将上述时间序列数据Xi的绝对值的平均值设为Xa、以及将标准偏差设为Xrms,则能够通过下式(18)进行计算。此处,N为时间序列数据的数据数量。另外,峰度为表示波形如何冲击的值,能够通过下式(19)进行计算。
[数学式1]
[数学式2]
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。另外,在本实施方式涉及的异常诊断装置中,能够降低由于没有进行控制对象的模型化而产生的影响,因此能够高精度地进行动力传输机构7的异常诊断。
实施方式13.
实施方式13的异常诊断装置为与图1所示的框图相同的结构。由于与实施方式1的不同之处在于异常判别单元4的内部,因此仅对异常判别单元4内部进行说明。在实施方式13中,在异常判别中使用频率解析。异常判别单元4根据频率解析结果的峰值频率的变迁对异常进行诊断。具体而言,在将16Hz设定为基准值的情况下,异常判别单元4在动力传输机构7的动作刚开始后的正常状态下,在20Hz处存在峰值,但在峰值的频率逐渐变低,变为小于或等于基准值时诊断为异常。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。另外,在本实施方式涉及的异常诊断装置101中,由于能够更显著地提取动力传输机构7的刚性变动,因此能够高精度地进行动力传输机构7的异常诊断。
实施方式14.
实施方式14的异常诊断装置为与图1所示的框图相同的结构。由于与实施方式1的不同之处在于异常判别单元4的内部,因此仅对异常判别单元4内部进行说明。在实施方式14中,在异常判别中使用带通滤波器的输出。带通滤波器具有仅使预先设定的频率的信号成分通过的特性。此处,异常判别单元4在检测出通过了带通滤波器的信号成分的情况下,对动力传输机构7的异常进行诊断。具体而言,假设在异常判别单元4中,如果由于动力传输机构7的劣化而导致振动频率变为小于或等于16Hz,则判断为异常,在此情况下,在动力传输机构7的振动频率通过了16Hz的带通滤波器后得到的结果的绝对值的平均值变为大于或等于基准值的情况下,判别为异常。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。另外,在本实施方式涉及的异常诊断装置中,由于能够更显著地提取动力传输机构7的刚性变动,因此能够高精度地进行动力传输机构7的异常诊断。
实施方式15.
图20示出实施方式15的异常诊断方法的流程图。模型加速度计算单元1将计数初始化,即、将N设为1,进行摩擦参数的识别(步骤S1及S2)。对摩擦参数进行识别的方法与实施方式1的模型校正单元2相同。模型加速度计算单元1对模型加速度进行计算(步骤S3)。模型加速度是通过与实施方式1的模型加速度计算单元1相同的方法计算的。模型加速度计算单元1从模型加速度减去电动机加速度(步骤S4)。在实施方式15涉及的异常诊断方法中,如果没有达到预先确定的基准值,则重复步骤S2至S4。异常判别单元4对是否达到预先确定的基准值进行判定,如果达到,则对从模型加速度减去电动机加速度后得到的结果的绝对值的最大值进行计算(步骤S5及S6)。异常判别单元4对从模型加速度减去电动机加速度后得到的结果的绝对值的最大值是否大于或等于基准值进行判定,在判定出最大值大于或等于基准值的情况下输出警报并判别为动力传输机构7的异常(步骤S8)。
在本实施方式涉及的异常诊断装置中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。另外,在本实施方式涉及的异常诊断装置中,即使由于温度等条件使动力传输机构7的摩擦产生变动,也能够高精度地进行动力传输机构7的异常诊断。
实施方式16.
图21示出实施方式16的异常诊断方法的流程图。模型加速度计算单元1将计数初始化,即,将N设为1,进行摩擦参数的识别(步骤S1及S2)。对摩擦参数进行识别的方法与实施方式1的模型校正单元2相同。模型加速度计算单元1对模型加速度进行计算(步骤S3)。模型加速度是通过与实施方式1的模型加速度计算单元1相同的方法计算的。模型加速度计算单元1从模型加速度减去电动机加速度(步骤S4)。在異常诊断方法中,对是否达到预先确定的基准值进行判定,如果没有达到,则重复步骤S2至S4。就异常判别单元4而言,如果达到预先确定的基准值,则对减法运算结果的峰度进行计算(步骤S5及S6)。异常判别单元4对计算出的峰度是否大于或等于基准值进行判定(步骤S8)。另外,异常判别单元4在判定出计算出的峰度大于或等于基准值的情况下输出警报并判别为动力传输机构7的异常。
在本实施方式涉及的异常诊断方法中,通过将作为特性变化的摩擦变动的影响降低,从而能够高精度地对动力传输机构7的异常进行诊断。另外,在本实施方式涉及的异常诊断方法中,即使由于温度等条件使动力传输机构7的摩擦产生变动,也能够高精度地进行动力传输机构7的异常诊断。
实施方式17.
图22是表示实施方式17的异常诊断装置的结构的图。由于除了程序生成单元35及阈值变更单元36之外与实施方式1相同,因此省略说明。在程序生成单元35中,对例如用于使工业用机器人、工作机械等控制对象动作的程序进行创建。在指令生成单元29中基于由程序生成单元35创建出的程序所记载的动作命令,生成用于使控制对象动作的各个时刻的指令,即各轴的位置指令。将各个时刻的指令输入至各轴控制***5,并且也输入至阈值变更单元36。在阈值变更单元36中基于输入的各个时刻的指令而决定阈值。
例如,阈值变更单元36在内部对2种阈值进行存储,根据各轴的位置指令,分别对各轴的速度指令及加速度指令进行计算。这些阈值为对异常进行判别的阈值。阈值变更单元36,在速度指令及加速度指令小于或等于各自的规定值的情况下,选择小的值作为阈值而进行输出,在速度指令及加速度指令小于或等于各自的规定值的条件不成立的情况下,选择大的值而进行输出。
阈值的变更可以不切换2个值,而是切换大于或等于3个值。阈值也可以是连续值进行变更。另外,阈值的变更可以不基于速度及加速度,而是根据是否在特定的位置附近而对阈值进行切换。阈值变更单元36也可以在异常判别单元4的内部对阈值进行变更。
实施方式18.
图23是表示实施方式18的异常诊断装置的结构的图。由于除了程序生成单元35、阈值变更单元36之外与实施方式1相同,因此省略说明。在程序生成单元35中,对例如用于使工业用机器人、工作机械等控制对象动作的程序进行创建。在由程序生成单元35创建的程序中,记载例如用于使工业用机器人、工作机械等控制对象动作的动作命令,并且记载以该动作命令进行动作时的异常判别单元4中的阈值或异常判别的灵敏度的设定。
在指令生成单元29中基于由程序生成单元35创建出的程序所记载的动作命令,生成用于使控制对象动作的各个时刻的指令,即各轴的位置指令。各个时刻的指令被输入至各轴控制***5。在阈值变更单元36中,基于由程序生成单元35创建出的程序所记载的异常判别的阈值或灵敏度,异常判别单元4对异常判别所使用的阈值进行变更。在将阈值记载于程序的情况下,切换为由程序指定的阈值。在由程序指定了灵敏度的情况下,与指定的灵敏度对应地变更内置于阈值变更单元36的内部的阈值,输出至异常判别单元4。阈值变更单元36也可以在异常判别单元4的内部对阈值进行变更。
实施方式19.
图24是表示实施方式19的异常诊断装置的结构的图。图25是表示实施方式19的控制***模拟单元的内部的图。实施方式19的异常诊断装置与实施方式1不同,不具备模型校正单元。模型加速度计算单元1的内部与图2所示的结构相同。图25的控制对象模拟单元18与实施方式1相同地具备各轴简易模型13,但在各轴简易模型13中使用的摩擦参数不是使用模型校正单元2的输出,而是使用在各轴模型简易13内部预先存储的摩擦参数进行计算。在本实施方式中存在如下效果,即,对于模型加速度没有考虑摩擦变动的影响,但由于电动机加速度对各轴的电动机进行反馈控制,因此与电动机转矩相比难以受到摩擦变动的影响,即使存在摩擦变动也能够高精度地进行异常诊断。
实施方式20.
图26是表示实施方式20涉及的控制***模拟单元的内部的图。实施方式20的异常诊断装置的结构与图24所示的异常诊断装置相同。与实施方式19的不同之处在于控制***模拟单元9的内部为图26所示的结构。在本实施方式中存在如下效果,即,对于模型加速度没有考虑摩擦变动的影响,但由于电动机加速度对各轴的电动机进行反馈控制,因此与电动机转矩相比难以受到摩擦变动的影响,即使存在摩擦变动也能够高精度地进行异常诊断。
下面对由上述各实施方式涉及的异常诊断装置或异常诊断方法带来的效果进行说明。在各实施方式涉及的异常诊断装置或异常诊断方法中,基于电动机加速度对异常进行诊断,因此即使存在由温度变动引起的摩擦变化的影响的情况下也能够高精度地进行异常诊断,其中,电动机加速度与电动机电流相比,由在电动机6和动力传输机构7之间通过连杆机构连结的关节部的温度变动引起的摩擦变化的影响受到抑制。另外,在各实施方式涉及的异常诊断装置或异常诊断方法中,由于对由关节部的温度变动引起的摩擦变化进行识别并校正,因此与即使存在由温度变动引起的摩擦变化的影响也不校正的情况相比,能够进一步高精度地进行异常诊断。根据各实施方式涉及的异常诊断装置或异常诊断方法,由于校正摩擦变动的影响并与正常时的加速度数据进行比较,因此即使没有进行控制对象的详细的模型化也能够高精度地进行异常诊断。
各实施方式通过将控制用CPU安装于对象机械控制装置28而实现。另外,各实施方式也可以通过将作为异常诊断装置的各部发挥功能的软件安装于对象机械控制装置28外部的外部PC而实现。此处,使用图27及28对执行软件的外部PC的硬件结构进行说明。各实施方式涉及的外部PC由图27所示的硬件100,即处理电路102实现。即,异常诊断装置具备处理装置,该处理装置用于对模型加速度进行计算,根据电动机6的位置信息或速度信息对电动机加速度进行计算,基于计算出的电动机加速度和模型加速度的比较结果对驱动轴的动力传输机构7的异常进行诊断。处理电路102可以是专用的硬件,也可以是执行在存储器储存的程序的CPU(也称为Central Processing Unit、中央处理装置、处理装置、运算装置、微处理器、微型计算机、处理器、DSP(Digital Signal Processor))。
在处理电路102为专用的硬件的情况下,处理电路102相当于例如,单一电路、复合电路、编程处理器、并行编程处理器、ASIC(Application Specific Integrated Circuit)、FPGA(Field Programmable Gate Array)、或将它们组合的结构。在处理电路102中,模型加速度计算单元1、电动机加速度计算单元3及异常判别单元4各自可以由处理电路102实现,也可以将各部的功能汇总而由1个处理电路实现。
在处理电路102为CPU的情况下,异常诊断装置由与图28所示的硬件100a,即与异常诊断装置连接的处理器103及存储器104实现。在该情况下,模型加速度计算单元1、电动机加速度计算单元3及异常判别单元4由软件、固件、或软件和固件的组合实现。软件及固件被记为程序,储存于存储器104。通过处理器103读出在存储器104存储的程序而执行,从而实现各部的功能。即,异常诊断装置具备用于存储程序的存储器,该程序在通过处理电路102执行时,从结果来看执行进行模型加速度的计算的步骤、根据电动机6的位置信息或速度信息对电动机加速度进行计算的步骤、对动力传输机构7的异常进行诊断的步骤。另外,这些程序使计算机执行模型加速度计算单元1、电动机加速度计算单元3及异常判别单元4的顺序及方法。此处,存储器相当于例如,RAM(Random Access Memory)、ROM(Read OnlyMemory)、闪存、EPROM(Erasable Programmable Read Only Memory)、EEPROM(Electrically Erasable Programmable Read-Only Memory)等非易失性或易失性半导体存储器、磁盘、软盘、光盘、高密度盘、迷你盘、以及DVD(Digital Versatile Disc)。
以上的实施方式所示的结构表示的是本发明的内容的一个例子,也可以与其它的公知的技术组合,在不脱离本发明的主旨的范围,也可以对结构的一部分进行省略、变更。
标号的说明
1模型加速度计算单元,2模型校正单元,3电动机加速度计算单元,4异常判别单元,5各轴控制***,6电动机,7动力传输机构,8负载单元,9控制***模拟单元,10差分单元,11前馈控制单元,12反馈控制单元,13各轴简易模型,14刚体模型,15关节部弹性考虑模型,16比例控制单元,17比例积分控制单元,18控制对象模拟单元,19位移校正单元,21差分处理单元,25各轴控制装置,27控制对象机械,28对象机械控制装置,29指令生成单元,32控制装置内置存储器,34初始数据记录单元,35程序生成单元,36阈值变更单元,100、100a硬件,102处理电路,103处理器,104存储器。
Claims (12)
1.一种异常诊断装置,其特征在于,具备:
模型加速度计算单元,其对作为电动机加速度的预测值的模型加速度进行计算;
电动机加速度计算单元,其根据所述电动机的位置信息及速度信息的一者对电动机加速度进行计算;以及
异常判别单元,其基于所述电动机加速度和所述模型加速度的比较结果,对动力传输机构的异常进行诊断。
2.根据权利要求1所述的异常诊断装置,其特征在于,
所述模型加速度计算单元具备控制***模拟单元,该控制***模拟单元与发送至各轴控制***的位置指令对应地对所述模型加速度进行计算。
3.根据权利要求2所述的异常诊断装置,其特征在于,
所述控制***模拟单元具备控制对象模拟单元,该控制对象模拟单元为从各轴观察到的控制对象的模型。
4.根据权利要求2或3所述的异常诊断装置,其特征在于,
还具备模型校正单元,该模型校正单元通过识别处理,将所述电动机的摩擦参数检测值作为摩擦参数识别值进行计算,
所述控制对象模拟单元对应于由所述模型校正单元计算出的所述摩擦参数识别值,对与使所述电动机驱动的各轴向对应的摩擦推定值进行修正。
5.根据权利要求4所述的异常诊断装置,其特征在于,
所述模型加速度计算单元还具备位移校正单元,该位移校正单元对应于所述位置指令,将速度指令值和加速度指令值作为位置参数值进行计算,
所述控制对象模拟单元对应于由所述模型校正单元计算出的所述摩擦参数识别值,对所述位置参数值进行修正。
6.根据权利要求1至5中任一项所述的异常诊断装置,其特征在于,还具备:
存储单元,其对正常动作时的所述电动机的动作信息进行存储;以及
模型校正单元,其通过识别处理将所述动作信息作为初始摩擦参数识别值进行计算,使计算出的所述初始摩擦参数识别值存储于所述存储单元,
所述模型加速度计算单元对应于由所述模型校正单元计算出的所述初始摩擦参数识别值、由所述存储单元存储的所述动作信息,通过预测值计算处理对所述动力传输机构的模型加速度进行计算。
7.根据权利要求1至6中任一项所述的异常诊断装置,其特征在于,
所述异常判别单元具备高通滤波器,该高通滤波器使所述电动机加速度的信号成分中的与预先设定的频率相比高频的信号成分通过,
在检测出通过了所述高通滤波器的信号成分的情况下,与检测出的信号成分对应地对所述动力传输机构是否异常进行诊断。
8.根据权利要求1至6中任一项所述的异常诊断装置,其特征在于,
所述异常判别单元具备频率解析单元,该频率解析单元进行所述动力传输机构中的振动的频率解析,
基于由所述频率解析单元得到的峰值频率的变迁,对所述动力传输机构是否异常进行诊断。
9.根据权利要求1至6中任一项所述的异常诊断装置,其特征在于,
所述异常判别单元具备无量纲参数计算单元,该无量纲参数计算单元使用从所述模型加速度计算单元取得的统计值,对无量纲参数进行计算,
基于所述无量纲参数和预先确定的阈值的比较结果,对所述动力传输机构是否异常进行诊断。
10.一种异常诊断装置,其特征在于,
具备阈值变更单元,该阈值变更单元在异常判别单元的内部对判别异常的阈值进行变更,
该异常诊断装置基于由指令生成单元生成的指令,决定由阈值变更单元输出的所述阈值。
11.一种异常诊断装置,其特征在于,
具备阈值变更单元,该阈值变更单元在异常判别单元的内部对判别异常的阈值进行变更,
该异常诊断装置根据由程序生成单元创建的程序,对所述阈值进行指定。
12.一种异常诊断方法,其特征在于,进行如下步骤:
模型加速度计算步骤,对作为电动机加速度的预测值的模型加速度进行计算;
电动机加速度计算步骤,根据所述电动机的位置信息及速度信息的一者对电动机加速度进行计算;以及
异常判别步骤,基于所述电动机加速度和所述模型加速度的比较结果,对所述动力传输机构的异常进行诊断。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016113860 | 2016-06-07 | ||
JP2016-113860 | 2016-06-07 | ||
PCT/JP2017/021170 WO2017213183A1 (ja) | 2016-06-07 | 2017-06-07 | 異常診断装置及び異常診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109219738A true CN109219738A (zh) | 2019-01-15 |
CN109219738B CN109219738B (zh) | 2020-12-08 |
Family
ID=60578759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780033974.1A Active CN109219738B (zh) | 2016-06-07 | 2017-06-07 | 异常诊断装置及异常诊断方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11314241B2 (zh) |
JP (1) | JP6584662B2 (zh) |
CN (1) | CN109219738B (zh) |
DE (1) | DE112017002300T5 (zh) |
WO (1) | WO2017213183A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110567663A (zh) * | 2019-08-22 | 2019-12-13 | 歌尔股份有限公司 | 一种检测连接部位异常的方法以及检测装置 |
CN111549456A (zh) * | 2019-02-12 | 2020-08-18 | 重机株式会社 | 缝纫机的控制方法以及缝纫机的控制装置 |
CN112686450A (zh) * | 2020-12-30 | 2021-04-20 | 杭州未名信科科技有限公司 | 基于振动检测的切割面积预测方法、***及计算机介质 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7001439B2 (ja) * | 2017-11-24 | 2022-01-19 | 川崎重工業株式会社 | 監視方法 |
JP6882719B2 (ja) * | 2018-03-07 | 2021-06-02 | オムロン株式会社 | ロボット制御装置、異常診断方法、及び異常診断プログラム |
US11054803B2 (en) * | 2018-07-13 | 2021-07-06 | Delta Electronics, Inc. | Motor drive, production system and method thereof with quality measuring and mechanism diagnosing functions using real and virtual system modules |
CN108920882B (zh) * | 2018-08-15 | 2020-01-10 | 东南大学 | 高速机床滚珠丝杠进给***动态设计方法 |
JP2020057165A (ja) * | 2018-10-01 | 2020-04-09 | 株式会社椿本チエイン | 異常判定装置、信号特徴量予測器、異常判定方法、学習モデルの生成方法及び学習モデル |
JP7268722B2 (ja) * | 2019-03-27 | 2023-05-08 | 日産自動車株式会社 | 異常検知装置、及び異常検知方法 |
CN110243513B (zh) * | 2019-06-28 | 2024-02-06 | 无锡双益精密机械有限公司 | 滚珠丝杠副效率检测装置 |
EP4177692A4 (en) * | 2020-07-01 | 2024-07-17 | Hitachi Industry Equipment Systems Co Ltd | MANAGEMENT DEVICE FOR POWER TRANSMISSION MECHANISM AND MANAGEMENT METHOD FOR POWER TRANSMISSION MECHANISM |
CN112597622B (zh) * | 2020-10-12 | 2024-01-19 | 北京卫星导航中心 | 一种用于检测铯原子钟频率异常的方法、***和介质 |
JP2022143423A (ja) * | 2021-03-17 | 2022-10-03 | 株式会社リコー | 診断装置、診断システム、診断方法及び診断プログラム |
DE112021006951T5 (de) * | 2021-06-25 | 2023-12-28 | Hitachi Industrial Equipment Systems Co., Ltd. | Verschleißdiagnosevorrichtung, Verschleißdiagnoseverfahren und Elektromotorsteuervorrichtung. |
FR3130371B1 (fr) * | 2021-12-10 | 2023-12-22 | Ntn Snr Roulements | Procédé de surveillance d’au moins un état caractéristique du déplacement d’un système mécanique |
CN115499458A (zh) * | 2022-07-29 | 2022-12-20 | 国家电投集团云南国际电力投资有限公司 | 基于物联网的振动监测方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1310800A (zh) * | 1998-06-16 | 2001-08-29 | M.E.A.电动机检测有限公司 | 旋转电机性能测试的方法和*** |
JP2002295464A (ja) * | 2001-03-30 | 2002-10-09 | Nsk Ltd | 転がり軸受ユニットの異常検出装置 |
US20060110086A1 (en) * | 2000-12-01 | 2006-05-25 | Nsk Ltd. | Sensor and rollling bearing apparatus with sensor |
CN1969237A (zh) * | 2004-11-25 | 2007-05-23 | 库卡罗伯特有限公司 | 用于调整、控制操作器的方法和装置 |
CN102460529A (zh) * | 2009-06-11 | 2012-05-16 | 株式会社日立制作所 | 装置异常监视方法以及*** |
CN102834701A (zh) * | 2010-03-03 | 2012-12-19 | 旭化成工程株式会社 | 滑动轴承的诊断方法和诊断装置 |
CN102959379A (zh) * | 2011-06-21 | 2013-03-06 | 日本精工株式会社 | 转矩检测装置的异常诊断方法以及电动助力转向装置 |
CN104718055A (zh) * | 2012-10-25 | 2015-06-17 | 松下知识产权经营株式会社 | 机器人的异常显示方法 |
CN204789941U (zh) * | 2015-07-10 | 2015-11-18 | 巴州极飞农业航空科技有限公司 | 一种无人机状态检测装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5540051A (en) * | 1990-11-26 | 1996-07-30 | Komatsu Ltd. | Control mechanism for hydrostatic-mechanical power transmission system |
JP3970829B2 (ja) * | 2003-10-10 | 2007-09-05 | 三菱電機株式会社 | サーボ制御装置 |
WO2006043511A1 (ja) * | 2004-10-18 | 2006-04-27 | Nsk Ltd. | 機械設備の異常診断システム |
US7853356B2 (en) * | 2006-04-14 | 2010-12-14 | Fanuc Robotics America, Inc. | Method for optimizing a robot program and a robot system |
JP4112594B2 (ja) | 2006-07-27 | 2008-07-02 | ファナック株式会社 | 減速機異常診断方法及び減速機異常診断装置 |
EP2344854A1 (en) * | 2008-10-30 | 2011-07-20 | ABB Research Ltd. | A method and a device for detecting abnormal changes in play in a transmission unit of a movable mechanical unit |
JP2010271185A (ja) * | 2009-05-21 | 2010-12-02 | Mitsubishi Electric Corp | 異常監視装置 |
JP5733913B2 (ja) * | 2010-06-11 | 2015-06-10 | 株式会社高田工業所 | 回転機械系の異常診断方法 |
JP5198514B2 (ja) * | 2010-07-22 | 2013-05-15 | 株式会社東芝 | ロボット制御装置 |
JP5365595B2 (ja) | 2010-09-15 | 2013-12-11 | 株式会社安川電機 | 減速機の異常判定方法、異常判定装置、ロボット及びロボットシステム |
JP5482699B2 (ja) * | 2011-03-16 | 2014-05-07 | トヨタ自動車株式会社 | 減速機異常診断装置および減速機異常診断方法 |
WO2013000094A1 (en) * | 2011-06-29 | 2013-01-03 | University Of Calgary | Autodriller system |
JP2013190289A (ja) * | 2012-03-13 | 2013-09-26 | Kobe Steel Ltd | 電動機の回転速度検出方法及び電動機の回転速度検出装置 |
JP6120720B2 (ja) * | 2013-08-09 | 2017-04-26 | 株式会社神戸製鋼所 | 周波数分析方法、及びこの周波数分析方法を用いた回転機器の診断方法 |
JP6144404B1 (ja) * | 2016-12-27 | 2017-06-07 | 川崎重工業株式会社 | 減速機の故障診断装置及び故障診断方法並びに前記故障診断装置を備える機械装置 |
-
2017
- 2017-06-07 JP JP2018521759A patent/JP6584662B2/ja active Active
- 2017-06-07 CN CN201780033974.1A patent/CN109219738B/zh active Active
- 2017-06-07 DE DE112017002300.9T patent/DE112017002300T5/de active Pending
- 2017-06-07 WO PCT/JP2017/021170 patent/WO2017213183A1/ja active Application Filing
- 2017-06-07 US US16/301,111 patent/US11314241B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1310800A (zh) * | 1998-06-16 | 2001-08-29 | M.E.A.电动机检测有限公司 | 旋转电机性能测试的方法和*** |
US20060110086A1 (en) * | 2000-12-01 | 2006-05-25 | Nsk Ltd. | Sensor and rollling bearing apparatus with sensor |
JP2002295464A (ja) * | 2001-03-30 | 2002-10-09 | Nsk Ltd | 転がり軸受ユニットの異常検出装置 |
CN1969237A (zh) * | 2004-11-25 | 2007-05-23 | 库卡罗伯特有限公司 | 用于调整、控制操作器的方法和装置 |
CN102460529A (zh) * | 2009-06-11 | 2012-05-16 | 株式会社日立制作所 | 装置异常监视方法以及*** |
CN102834701A (zh) * | 2010-03-03 | 2012-12-19 | 旭化成工程株式会社 | 滑动轴承的诊断方法和诊断装置 |
CN102959379A (zh) * | 2011-06-21 | 2013-03-06 | 日本精工株式会社 | 转矩检测装置的异常诊断方法以及电动助力转向装置 |
CN104718055A (zh) * | 2012-10-25 | 2015-06-17 | 松下知识产权经营株式会社 | 机器人的异常显示方法 |
CN204789941U (zh) * | 2015-07-10 | 2015-11-18 | 巴州极飞农业航空科技有限公司 | 一种无人机状态检测装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111549456A (zh) * | 2019-02-12 | 2020-08-18 | 重机株式会社 | 缝纫机的控制方法以及缝纫机的控制装置 |
CN111549456B (zh) * | 2019-02-12 | 2024-02-06 | 重机株式会社 | 缝纫机的控制方法以及缝纫机的控制装置 |
CN110567663A (zh) * | 2019-08-22 | 2019-12-13 | 歌尔股份有限公司 | 一种检测连接部位异常的方法以及检测装置 |
CN110567663B (zh) * | 2019-08-22 | 2021-10-08 | 潍坊歌尔微电子有限公司 | 一种检测连接部位异常的方法以及检测装置 |
CN112686450A (zh) * | 2020-12-30 | 2021-04-20 | 杭州未名信科科技有限公司 | 基于振动检测的切割面积预测方法、***及计算机介质 |
Also Published As
Publication number | Publication date |
---|---|
US11314241B2 (en) | 2022-04-26 |
US20190137984A1 (en) | 2019-05-09 |
DE112017002300T5 (de) | 2019-02-14 |
CN109219738B (zh) | 2020-12-08 |
JP6584662B2 (ja) | 2019-10-02 |
WO2017213183A1 (ja) | 2017-12-14 |
JPWO2017213183A1 (ja) | 2018-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109219738A (zh) | 异常诊断装置及异常诊断方法 | |
JP6324641B1 (ja) | 異常診断装置及び異常診断方法 | |
CN106409120B (zh) | 机械学习方法及机械学习装置、以及故障预知装置及*** | |
CN107272586B (zh) | 机械学习装置、机械学习方法、故障预知装置及*** | |
KR101889248B1 (ko) | 고장 진단 장치 및 고장 진단 방법 | |
US20080140321A1 (en) | Method and a control system for monitoring the condition of an industrial robot | |
WO2016194029A1 (ja) | 故障診断装置及び故障診断方法 | |
CN108058188A (zh) | 机器人健康监测和故障诊断***及其控制方法 | |
CN113748597B (zh) | 电动机控制装置 | |
CN114216640A (zh) | 用于检测工业设备故障状态的方法、设备和介质 | |
CN110941183A (zh) | 一种基于神经网络的工业机器人动力学辨识方法 | |
CA2986207C (en) | Failure diagnostic device and failure diagnostic method | |
US20210229282A1 (en) | Abnormality determination device and abnormality determination method | |
CN111936278B (zh) | 机器人控制装置、维护管理方法以及计算机可读存储介质 | |
CN116635802A (zh) | 数控装置 | |
CN112424714A (zh) | 使用现有的伺服驱动变量进行运动***健康管理 | |
CN113167680A (zh) | 用于诊断机器人的方法和设备 | |
US11820007B2 (en) | Abnormality detection device and abnormality detection method | |
TW202315730A (zh) | 機器人系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |