CN116872206A - 一种基于工业互联网的机器人故障检测方法及*** - Google Patents

Abstract

本发明属于机器人管控技术领域，具体是一种基于工业互联网的机器人故障检测方法及***，机器人故障检测***包括服务器、操作实时监控摄像模块、动作姿态重合度检测模块、运行参数实时评估模块、运行监管综合评估模块以及故障监管预警端；本发明通过将机器人进行对应工业操作的每次运行过程进行姿态分析和参数分析以精准评估其运行质量，实现机器人运行故障实时预警反馈，故障分析结果更加全面准确，且基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，以便及时进行机器人的检修维护和故障原因追溯调查，且在生成综评不合格信号时通过分析以判断对应工业操作与机器人的匹配程度，以便在后续及时终止机器人进行该工业操作。

Description

一种基于工业互联网的机器人故障检测方法及***

技术领域

本发明涉及机器人管控技术领域，具体是一种基于工业互联网的机器人故障检测方法及***。

背景技术

机器人是一种自动化的机器，通常具有传感器、控制器和执行器等组件。它们可以执行各种任务，包括但不限于工业生产、医疗手术、家庭服务、军事行动等；机器人可按照其智能化程度和自主性程度进行分类，根据其智能化程度，机器人可以分为低智能、中智能和高智能三个等级。根据其自主性程度，机器人可以分为被动型、半主动型和主动型三种类型；

目前主要通过机器人完成工业生产中的相应工业操作以代替人工操作，但在机器人的实际运行过程中，无法将机器人的运行姿态和运行参数进行有效监测并准确分析评估，难以将机器人进行对应工业操作的每次运行过程进行故障实时反馈预警，且不能自动判断机器人与对应工业操作的匹配程度，不利于管理人员及时进行机器人的检修维护并终止与其不相适配的工业操作；

针对上述的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的在于提供一种基于工业互联网的机器人故障检测方法及***，解决了现有技术难以将机器人进行对应工业操作的每次运行过程进行实时实时反馈预警，且不能自动判断机器人与对应工业操作的匹配程度，不利于及时终止与其不相适配的工业操作，智能化程度低的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于工业互联网的机器人故障检测方法，包括以下步骤：

步骤一、将对应机器人的运行进行监控摄像，以采集到机器人进行对应工业操作的动作轨迹图像；

步骤二、基于机器人的动作轨迹图像，将机器人的当次操作进行动作姿态重合度检测分析，通过分析以判断操作合格或操作不合格，并将机器人进行对应工业操作的操作合格次数和操作不合格次数进行实时更新存储；

步骤三、采集到机器人进行对应工业操作时的运行参数，并通过参数检测评估分析以判断当次操作的运行参数合格或运行参数不合格，并将机器人进行对应工业操作的参数合格次数和参数不合格次数进行实时更新存储；

步骤四、设定监管时期，并基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，以生成综评合格信号或综评不合格信号，将综评不合格信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警。

进一步的，本发明还提出了一种基于工业互联网的机器人故障检测***，包括服务器、操作实时监控摄像模块、动作姿态重合度检测模块、运行参数实时评估模块、运行监管综合评估模块以及故障监管预警端；操作实时监控摄像模块将对应机器人的运行进行监控摄像，将机器人进行对应工业操作的动作轨迹图像经服务器发送至动作姿态重合度检测模块；动作姿态重合度检测模块接收到相应动作轨迹图像后，将机器人的当次操作进行动作姿态重合度检测分析，通过分析以判断操作合格或操作不合格，在判断操作不合格时将对应工业操作的操作不合格次数加一，且将对应工业操作的操作不合格次数存储至服务器，在判断操作合格时将对应工业操作的操作合格次数加一，且将对应工业操作的操作合格次数存储至服务器；

运行参数实时评估模块获取到机器人进行对应工业操作时的运行参数，并通过参数检测评估分析以判断当次操作的运行参数合格或运行参数不合格；在判断运行参数合格时将对应工业操作的参数不合格次数加一，且将对应工业操作的参数不合格次数存储至服务器，在判断运行参数合格时将对应工业操作的参数合格次数加一，且将对应工业操作的参数合格次数存储至服务器；运行监管综合评估模块用于设定监管时期，并基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，通过分析以生成综评合格信号或综评不合格信号，将综评不合格信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警。

进一步的，动作姿态重合度检测分析的具体分析过程包括：

采集到机器人开始进行对应工业操作的时刻并标记为时刻一，将结束进行对应工业操作的时刻标记为时刻二，将时刻一与时刻二之间的时间间隔标记为动作时长，将动作时长与所设定的预设动作时长范围进行数值比较，若动作时长未处于预设动作时长范围内，则判断操作不合格；

若动作时长位于预设动作时长范围内，则按照时间顺序将机器人进行对应工业操作的动作轨迹图像分割为若干个待分析图像，以及获取到机器人进行对应工业操作的标准姿态轨迹图像，并将标准姿态轨迹图像分割为若干个参照图像，且待分析图像与参照图像一一对应；将待分析图像与对应参照图像进行重叠以得到其图像重合度，将图像重合度与预设图像重合度范围进行数值比较；

若图像重合度超过预设图像重合度范围的最大值，则判断待分析图像与对应参照图像基本重合并将其标记为无差异图像，若图像重合度位于预设图像重合度范围内，则判断待分析图像与对应参照图像的偏差小并将其标记为高重合图像，若图像重合度未超过预设图像重合度范围的最小值，则判断待分析图像与对应参照图像的偏差大并将其标记为低重合图像；

将无差异图像的数量、高重合图像的数量和低重合图像的数量分别标记为TX1、TX2和TX3，若TX3≥TX1+TX2，则判断操作不合格，否则通过综合分析公式TX＝(a1*TX1+a2*TX2+a3*TX3)/(TX1+TX2+TX3)进行数值计算以得到姿态偏离系数TX；其中，a1、a2、a3为预设比例系数且a3＞a2＞a1＞0；若TX≥TXmax，则判断操作不合格，若TX＜TXmax，则判断操作合格；其中，TXmax为姿态偏离系数TX的预设判定阈值且TXmax的取值大于零。

进一步的，运行参数实时评估模块的具体分析过程如下：

采集到机器人进行对应工业操作的振动频率曲线、振动幅度曲线、温度曲线和所产生的噪音曲线，在振动频率曲线中作出呈水平状态的第一频率阈值线和第二频率阈值线，且第一频率阈值线位于第二频率阈值线的上方，将振动频率曲线位于第一频率阈值线上方的时长和位于第二频率阈值线下方的时长进行求和计算以得到频率偏时值；同理获取到幅度偏时值、温度偏时值和噪音偏时值；将频率偏时值和幅度偏时值进行求和计算并取均值以得到振动偏时值，将振动偏时值、温度偏时值和噪音偏时值与预设振动偏时阈值、预设温度偏时阈值和预设噪音偏时阈值分别进行数值比较，若振动偏时值、温度偏时值和噪音偏时值中存在至少一项超过对应预设阈值，则判断对应工业机器人进行对应工业操作时运行参数不合格。

进一步的，若振动偏时值、温度偏时值和噪音偏时值均未超过对应预设阈值，则将预设振动偏时阈值减去振动偏时值以得到振动时差，同理获取到温度时差和噪音时差，将振动时差、温度时差和噪音时差进行归一化计算以得到运参时差值；将运参时差值与预设运参时差阈值进行数值比较，若运参时差值未超过预设运参时差阈值，则判断对应工业机器人进行对应工业操作时运行参数不合格；若运参时差值超过预设运参时差阈值，则判断对应工业机器人进行对应工业操作时运行参数合格。

进一步的，运行监管综合评估模块的具体运行过程包括：

设定时长为Q1的监管时期，采集到监管时期内机器人进行对应工业操作的操作合格次数和操作不合格次数以及参数合格次数和参数不合格次数，将操作不合格次数与操作合格次数进行比值计算以得到操异比，将参数不合格次数和参数合格次数进行比值计算以得到参异比，将操异比和参异比进行数值计算以得到机器人的监管综评值；将监管综评值与预设监管综评阈值进行数值比较，若监管综评值超过预设监管综评阈值，则生成综评不合格信号，若监管综评值未超过预设监管综评阈值，则生成综评合格信号。

进一步的，在生成综评不合格信号时，获取到机器人在相邻若干个监管时期的监管综评值，将所有监管综评值建立综评值集合，将综评值集合进行均值计算和方差计算以得到综评均值和综评离散值；将综评均值和综评离散值与预设综评均值阈值和预设综评离散值阈值分别进行数值比较，若综评均值超过预设综评均值阈值且综评离散值未超过预设综评离散值阈值，则判断对应工业操作与机器人不匹配并生成匹配预警信号；

其余情况则将生成综评不合格信号的监管时期数量与生成综评合格信号的监管时期数量进行比值计算以得到匹配异常分析值；将匹配异常分析值与预设匹配异常分析阈值进行数值比较，若匹配异常分析值超过预设匹配异常分析阈值，则判断对应工业操作与机器人不匹配并生成匹配预警信号；将匹配预警信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警。

与现有技术相比，本发明的有益效果是：

1、本发明中，通过操作实时监控摄像模块将对应机器人的运行进行监控摄像，将当次的动作轨迹图像发送至动作姿态重合度检测模块，动作姿态重合度检测模块将机器人的当次操作进行动作姿态重合度检测分析，据此以判断操作合格或操作不合格，实现机器人进行对应工业操作的当次运行过程的准确合理评估，有助于后续判断机器人是否适合进行对应工业操作，也有助于及时进行机器人的检查维护；通过运行参数实时评估模块获取到机器人进行对应工业操作时的运行参数，并通过参数检测评估分析以判断当次操作的运行参数合格或运行参数不合格，将机器人进行对应工业操作的每次运行过程进行姿态分析和参数分析以精准评估其运行质量，实现机器人运行故障实时预警反馈，故障分析结果更加全面准确；

2、本发明中，通过运行监管综合评估模块基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，以生成综评合格信号或综评不合格信号，以便及时进行机器人的检修维护，并进行故障原因追溯调查，从而有助于保证机器人后续运行的稳定顺利，且在生成综评不合格信号时获取到机器人在相邻若干个监管时期的监管综评值，并据此以分析机器人进行对应工业操作的整体操作状况分析，判断对应工业操作与机器人的匹配程度，以便在后续及时终止机器人进行该工业操作，并安排机器人进行与其相匹配的其它工业操作，从而保证机器人稳定顺利运行的同时提升其运行效果。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明的方法流程图；

图2为本发明的整体***框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：如图1所示，本发明提出的一种基于工业互联网的机器人故障检测方法，包括以下步骤：

步骤一、将对应机器人的运行进行监控摄像，以采集到机器人进行对应工业操作的动作轨迹图像；

步骤二、基于机器人的动作轨迹图像，将机器人的当次操作进行动作姿态重合度检测分析，通过分析以判断操作合格或操作不合格，并将机器人进行对应工业操作的操作合格次数和操作不合格次数进行实时更新存储；

步骤三、采集到机器人进行对应工业操作时的运行参数，并通过参数检测评估分析以判断当次操作的运行参数合格或运行参数不合格，并将机器人进行对应工业操作的参数合格次数和参数不合格次数进行实时更新存储；

步骤四、设定监管时期，并基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，以生成综评合格信号或综评不合格信号，将综评不合格信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警。

实施例二：如图2所示，本实施例与实施例1的区别在于，本发明提出的一种基于工业互联网的机器人故障检测***，包括服务器、操作实时监控摄像模块、动作姿态重合度检测模块、运行参数实时评估模块、运行监管综合评估模块以及故障监管预警端，且服务器与操作实时监控摄像模块、动作姿态重合度检测模块、运行参数实时评估模块、运行监管综合评估模块以及故障监管预警端均通信连接；

操作实时监控摄像模块将对应机器人的运行进行监控摄像，将机器人进行对应工业操作的动作轨迹图像经服务器发送至动作姿态重合度检测模块；动作姿态重合度检测模块接收到相应动作轨迹图像后，将机器人的当次操作进行动作姿态重合度检测分析，通过分析以判断操作合格或操作不合格，实现机器人进行对应工业操作的当次运行过程的准确合理评估，有助于后续判断机器人是否适合进行对应工业操作，也有助于及时进行机器人的检查维护；在判断操作不合格时将对应工业操作的操作不合格次数加一，且将对应工业操作的操作不合格次数存储至服务器，在判断操作合格时将对应工业操作的操作合格次数加一，且将对应工业操作的操作合格次数存储至服务器；动作姿态重合度检测分析的具体分析过程如下：

采集到机器人开始进行对应工业操作的时刻并标记为时刻一，将结束进行对应工业操作的时刻标记为时刻二，将时刻一与时刻二之间的时间间隔标记为动作时长，将动作时长与所设定的预设动作时长范围进行数值比较，若动作时长未处于预设动作时长范围内，表明机器人运行反应存在异常，则判断当次的操作不合格；若动作时长位于预设动作时长范围内，则按照时间顺序将机器人进行对应工业操作的动作轨迹图像分割为若干个待分析图像，以及获取到机器人进行对应工业操作的标准姿态轨迹图像，并将标准姿态轨迹图像分割为若干个参照图像，且待分析图像与参照图像一一对应；将待分析图像与对应参照图像进行重叠以得到其图像重合度，将图像重合度与预设图像重合度范围进行数值比较；

若图像重合度超过预设图像重合度范围的最大值，表明两者基本一致，则判断待分析图像与对应参照图像基本重合并将其标记为无差异图像，若图像重合度位于预设图像重合度范围内，则判断待分析图像与对应参照图像的偏差小并将其标记为高重合图像，若图像重合度未超过预设图像重合度范围的最小值，则判断待分析图像与对应参照图像的偏差大并将其标记为低重合图像；将无差异图像的数量、高重合图像的数量和低重合图像的数量分别标记为TX1、TX2和TX3，若TX3≥TX1+TX2，则判断当次的操作不合格；

若TX3＜TX1+TX2，则通过综合分析公式TX＝(a1*TX1+a2*TX2+a3*TX3)/(TX1+TX2+TX3)进行数值计算以得到姿态偏离系数TX；其中，a1、a2、a3为预设比例系数且a3＞a2＞a1＞0；需要说明的是，姿态偏离系数TX的数值越大，表明进行对应工业操作的机器人当次运行姿态越不标准；将姿态偏离系数TX与TXmax进行数值比较，其中，TXmax为姿态偏离系数TX的预设判定阈值且TXmax的取值大于零；若TX≥TXmax，则判断对应工业操作的当次的操作不合格，若TX＜TXmax，则判断对应工业操作的当次的操作合格。

运行参数实时评估模块获取到机器人进行对应工业操作时的运行参数，并通过参数检测评估分析以判断当次操作的运行参数合格或运行参数不合格；在判断运行参数合格时将对应工业操作的参数不合格次数加一，且将对应工业操作的参数不合格次数存储至服务器，在判断运行参数合格时将对应工业操作的参数合格次数加一，且将对应工业操作的参数合格次数存储至服务器；运行参数实时评估模块的具体分析过程如下：

采集到机器人进行对应工业操作的振动频率曲线、振动幅度曲线、温度曲线和所产生的噪音曲线，在振动频率曲线中作出呈水平状态的第一频率阈值线和第二频率阈值线，且第一频率阈值线位于第二频率阈值线的上方，将振动频率曲线位于第一频率阈值线上方的时长和位于第二频率阈值线下方的时长进行求和计算以得到频率偏时值；同理获取到幅度偏时值、温度偏时值和噪音偏时值；需要说明的是，频率偏时值的数值越大、幅度偏时值的数值越大、温度偏时值的数值越大、噪音偏时值的数值越大，表明机器人当次操作的运行效果越差，运行过程存在异常的可能性越大；

将频率偏时值和幅度偏时值进行求和计算并取均值以得到振动偏时值，将振动偏时值、温度偏时值和噪音偏时值与预设振动偏时阈值、预设温度偏时阈值和预设噪音偏时阈值分别进行数值比较，若振动偏时值、温度偏时值和噪音偏时值中存在至少一项超过对应预设阈值，则判断对应工业机器人进行对应工业操作时运行参数不合格；若振动偏时值、温度偏时值和噪音偏时值均未超过对应预设阈值，则将预设振动偏时阈值减去振动偏时值以得到振动时差，同理获取到温度时差和噪音时差；

通过公式CS＝ep1*ZS+ep2*WS+ep3*YS将振动时差ZS、温度时差WS和噪音时差YS进行归一化计算以得到运参时差值CS；其中，ep1、ep21、ep3为预设权重系数，ep1、ep21、ep3的取值均大于零；并且，运参时差值CS的数值越大，表明机器人的当次运行越正常；将运参时差值CS与预设运参时差阈值进行数值比较，若运参时差值CS未超过预设运参时差阈值，则判断对应工业机器人进行对应工业操作时的当次运行的运行参数不合格；若运参时差值CS超过预设运参时差阈值，则判断对应工业机器人进行对应工业操作时的当次运行的运行参数合格。

运行监管综合评估模块用于设定监管时期，并基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，通过分析以生成综评合格信号或综评不合格信号，将综评不合格信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警，以便及时进行机器人的检修维护，并进行故障原因追溯调查，从而有助于保证机器人后续运行的稳定顺利；运行监管综合评估模块的具体运行过程如下：

设定时长为Q1的监管时期，采集到监管时期内机器人进行对应工业操作的操作合格次数和操作不合格次数以及参数合格次数和参数不合格次数，将操作不合格次数与操作合格次数进行比值计算以得到操异比，将参数不合格次数和参数合格次数进行比值计算以得到参异比，通过公式ZP＝tq1*CY+tq2*WY将操异比CY和参异比WY进行数值计算以得到机器人的监管综评值ZP；其中，tq1、tq2为预设权重系数，tq1、tq2的取值均大于零；监管综评值ZP的数值越大，表明监管时期机器人进行对应工业操作的操作效果越差；将监管综评值ZP与预设监管综评阈值进行数值比较，若监管综评值ZP超过预设监管综评阈值，则生成综评不合格信号，若监管综评值ZP未超过预设监管综评阈值，则生成综评合格信号。

实施例三：本实施例与实施例1、实施例2的区别在于，在生成综评不合格信号时，获取到机器人在相邻若干个监管时期的监管综评值，将所有监管综评值建立综评值集合，将综评值集合进行均值计算和方差计算以得到综评均值和综评离散值；将综评均值和综评离散值与预设综评均值阈值和预设综评离散值阈值分别进行数值比较，若综评均值超过预设综评均值阈值且综评离散值未超过预设综评离散值阈值，表明机器人进行对应工业操作的操作状况整体而言普遍较差，则判断对应工业操作与机器人不匹配并生成匹配预警信号；

其余情况则将生成综评不合格信号的监管时期数量与生成综评合格信号的监管时期数量进行比值计算以得到匹配异常分析值；将匹配异常分析值与预设匹配异常分析阈值进行数值比较，若匹配异常分析值超过预设匹配异常分析阈值，则判断对应工业操作与机器人不匹配并生成匹配预警信号；将匹配预警信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警；对应管理人员接收到匹配预警信号时及时进行原因调查，并在后续终止机器人进行该工业操作，以及安排机器人进行与其相匹配的其它工业操作，从而保证机器人稳定顺利运行的同时提升其运行效果。

本发明的工作原理：使用时，通过操作实时监控摄像模块将对应机器人的运行进行监控摄像，将当次的动作轨迹图像发送至动作姿态重合度检测模块；动作姿态重合度检测模块将机器人的当次操作进行动作姿态重合度检测分析，据此以判断操作合格或操作不合格，实现机器人进行对应工业操作的当次运行过程的准确合理评估，有助于后续判断机器人是否适合进行对应工业操作，也有助于及时进行机器人的检查维护；通过运行参数实时评估模块获取到机器人进行对应工业操作时的运行参数，并通过参数检测评估分析以判断当次操作的运行参数合格或运行参数不合格，将机器人进行对应工业操作的每次运行过程进行姿态分析和参数分析以精准评估其运行质量，实现机器人运行故障实时预警反馈，故障分析结果更加全面准确；以及通过运行监管综合评估模块基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，以生成综评合格信号或综评不合格信号，以便及时进行机器人的检修维护，并进行故障原因追溯调查，从而有助于保证机器人后续运行的稳定顺利。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.一种基于工业互联网的机器人故障检测方法，其特征在于，包括以下步骤：

步骤一、将对应机器人的运行进行监控摄像，以采集到机器人进行对应工业操作的动作轨迹图像；

步骤二、基于机器人的动作轨迹图像，将机器人的当次操作进行动作姿态重合度检测分析，通过分析以判断操作合格或操作不合格，并将机器人进行对应工业操作的操作合格次数和操作不合格次数进行实时更新存储；

步骤三、采集到机器人进行对应工业操作时的运行参数，并通过参数检测评估分析以判断当次操作的运行参数合格或运行参数不合格，并将机器人进行对应工业操作的参数合格次数和参数不合格次数进行实时更新存储；

步骤四、设定监管时期，并基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，以生成综评合格信号或综评不合格信号，将综评不合格信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警。

2.一种基于工业互联网的机器人故障检测***，其特征在于，包括服务器、操作实时监控摄像模块、动作姿态重合度检测模块、运行参数实时评估模块、运行监管综合评估模块以及故障监管预警端；操作实时监控摄像模块将对应机器人的运行进行监控摄像，将机器人进行对应工业操作的动作轨迹图像经服务器发送至动作姿态重合度检测模块；动作姿态重合度检测模块接收到相应动作轨迹图像后，将机器人的当次操作进行动作姿态重合度检测分析，通过分析以判断操作合格或操作不合格，在判断操作不合格时将对应工业操作的操作不合格次数加一，且将对应工业操作的操作不合格次数存储至服务器，在判断操作合格时将对应工业操作的操作合格次数加一，且将对应工业操作的操作合格次数存储至服务器；

运行参数实时评估模块获取到机器人进行对应工业操作时的运行参数，并通过参数检测评估分析以判断当次操作的运行参数合格或运行参数不合格；在判断运行参数合格时将对应工业操作的参数不合格次数加一，且将对应工业操作的参数不合格次数存储至服务器，在判断运行参数合格时将对应工业操作的参数合格次数加一，且将对应工业操作的参数合格次数存储至服务器；运行监管综合评估模块用于设定监管时期，并基于监管时期内的操作判断信息和参数判断信息进行综合评估分析，通过分析以生成综评合格信号或综评不合格信号，将综评不合格信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警。

3.根据权利要求2所述的一种基于工业互联网的机器人故障检测***，其特征在于，动作姿态重合度检测分析的具体分析过程包括：

采集到机器人开始进行对应工业操作的时刻并标记为时刻一，将结束进行对应工业操作的时刻标记为时刻二，将时刻一与时刻二之间的时间间隔标记为动作时长，将动作时长与所设定的预设动作时长范围进行数值比较，若动作时长未处于预设动作时长范围内，则判断操作不合格；

若动作时长位于预设动作时长范围内，则按照时间顺序将机器人进行对应工业操作的动作轨迹图像分割为若干个待分析图像，以及获取到机器人进行对应工业操作的标准姿态轨迹图像，并将标准姿态轨迹图像分割为若干个参照图像，且待分析图像与参照图像一一对应；将待分析图像与对应参照图像进行重叠以得到其图像重合度，将图像重合度与预设图像重合度范围进行数值比较；

若图像重合度超过预设图像重合度范围的最大值，则判断待分析图像与对应参照图像基本重合并将其标记为无差异图像，若图像重合度位于预设图像重合度范围内，则判断待分析图像与对应参照图像的偏差小并将其标记为高重合图像，若图像重合度未超过预设图像重合度范围的最小值，则判断待分析图像与对应参照图像的偏差大并将其标记为低重合图像；

将无差异图像的数量、高重合图像的数量和低重合图像的数量分别标记为TX1、TX2和TX3，若TX3≥TX1+TX2，则判断操作不合格，否则通过综合分析公式TX＝(a1*TX1+a2*TX2+a3*TX3)/(TX1+TX2+TX3)进行数值计算以得到姿态偏离系数TX；其中，a1、a2、a3为预设比例系数且a3＞a2＞a1＞0；若TX≥TXmax，则判断操作不合格，若TX＜TXmax，则判断操作合格；其中，TXmax为姿态偏离系数TX的预设判定阈值且TXmax的取值大于零。

4.根据权利要求3所述的一种基于工业互联网的机器人故障检测***，其特征在于，运行参数实时评估模块的具体分析过程如下：

采集到机器人进行对应工业操作的振动频率曲线、振动幅度曲线、温度曲线和所产生的噪音曲线，在振动频率曲线中作出呈水平状态的第一频率阈值线和第二频率阈值线，且第一频率阈值线位于第二频率阈值线的上方，将振动频率曲线位于第一频率阈值线上方的时长和位于第二频率阈值线下方的时长进行求和计算以得到频率偏时值；同理获取到幅度偏时值、温度偏时值和噪音偏时值；将频率偏时值和幅度偏时值进行求和计算并取均值以得到振动偏时值，将振动偏时值、温度偏时值和噪音偏时值与预设振动偏时阈值、预设温度偏时阈值和预设噪音偏时阈值分别进行数值比较，若振动偏时值、温度偏时值和噪音偏时值中存在至少一项超过对应预设阈值，则判断对应工业机器人进行对应工业操作时运行参数不合格。

5.根据权利要求4所述的一种基于工业互联网的机器人故障检测***，其特征在于，若振动偏时值、温度偏时值和噪音偏时值均未超过对应预设阈值，则将预设振动偏时阈值减去振动偏时值以得到振动时差，同理获取到温度时差和噪音时差，将振动时差、温度时差和噪音时差进行归一化计算以得到运参时差值；将运参时差值与预设运参时差阈值进行数值比较，若运参时差值未超过预设运参时差阈值，则判断对应工业机器人进行对应工业操作时运行参数不合格；若运参时差值超过预设运参时差阈值，则判断对应工业机器人进行对应工业操作时运行参数合格。

6.根据权利要求2所述的一种基于工业互联网的机器人故障检测***，其特征在于，运行监管综合评估模块的具体运行过程包括：

设定时长为Q1的监管时期，采集到监管时期内机器人进行对应工业操作的操作合格次数和操作不合格次数以及参数合格次数和参数不合格次数，将操作不合格次数与操作合格次数进行比值计算以得到操异比，将参数不合格次数和参数合格次数进行比值计算以得到参异比，将操异比和参异比进行数值计算以得到机器人的监管综评值；将监管综评值与预设监管综评阈值进行数值比较，若监管综评值超过预设监管综评阈值，则生成综评不合格信号，若监管综评值未超过预设监管综评阈值，则生成综评合格信号。

7.根据权利要求6所述的一种基于工业互联网的机器人故障检测***，其特征在于，在生成综评不合格信号时，获取到机器人在相邻若干个监管时期的监管综评值，将所有监管综评值建立综评值集合，将综评值集合进行均值计算和方差计算以得到综评均值和综评离散值；将综评均值和综评离散值与预设综评均值阈值和预设综评离散值阈值分别进行数值比较，若综评均值超过预设综评均值阈值且综评离散值未超过预设综评离散值阈值，则判断对应工业操作与机器人不匹配并生成匹配预警信号；

其余情况则将生成综评不合格信号的监管时期数量与生成综评合格信号的监管时期数量进行比值计算以得到匹配异常分析值；将匹配异常分析值与预设匹配异常分析阈值进行数值比较，若匹配异常分析值超过预设匹配异常分析阈值，则判断对应工业操作与机器人不匹配并生成匹配预警信号；将匹配预警信号经服务器发送至故障监管预警端，故障监管预警端发出相应预警。