JP2005293332A - ロボットの負荷状態診断方法 - Google Patents
ロボットの負荷状態診断方法 Download PDFInfo
- Publication number
- JP2005293332A JP2005293332A JP2004108697A JP2004108697A JP2005293332A JP 2005293332 A JP2005293332 A JP 2005293332A JP 2004108697 A JP2004108697 A JP 2004108697A JP 2004108697 A JP2004108697 A JP 2004108697A JP 2005293332 A JP2005293332 A JP 2005293332A
- Authority
- JP
- Japan
- Prior art keywords
- robot
- load
- axis
- angular velocity
- cumulative
- 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.)
- Pending
Links
Landscapes
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
【課題】実機ロボットを動作させることなくロボットの駆動源にかかる負荷状態を診断することができる診断方法を提供する。
【解決手段】ロボットの動作プログラムにしたがってロボット動作をシミュレーションし(S2)、その間のロボット各自軸の角度変化量を取得して(S3)、角度変化量から角速度を求め(S4)、角速度と軸の慣性モーメントを掛けて負荷を求め(S5)、求めた負荷を加算して累積負荷を求めて(S6)、累積負荷をマハラノビスタグチ法における特徴量としてマハラノビス距離を求め(S7)、マハラノビス距離が基準値か以下か否かにより不具合の有無を判定する(S8〜10)。
【選択図】図2
【解決手段】ロボットの動作プログラムにしたがってロボット動作をシミュレーションし(S2)、その間のロボット各自軸の角度変化量を取得して(S3)、角度変化量から角速度を求め(S4)、角速度と軸の慣性モーメントを掛けて負荷を求め(S5)、求めた負荷を加算して累積負荷を求めて(S6)、累積負荷をマハラノビスタグチ法における特徴量としてマハラノビス距離を求め(S7)、マハラノビス距離が基準値か以下か否かにより不具合の有無を判定する(S8〜10)。
【選択図】図2
Description
本発明は、ロボットの負荷状態診断方法に関する。
ロボットの負荷状態を推定する方法として、従来から、ロボットや工作機械においては、その駆動源であるサーボモータへの電流量を測定して負荷状態を把握し、過負荷によるモータコイルの焼損やアンプなどの電気系統の破損を防止する方法がある。
たとえば、サーボモータを備えた制御系において、サーボモータの測定電流を用いて推測した発熱量により熱シミュレーションを行い、制御系の温度特性を推測し、過負荷を判定するアラーム特性と比較することによってサーボモータの過負荷を監視する方法において、過負荷と判定する条件を緩和してアラーム特性を設定し、測定電流に重み付けを行い、重み付けした電流を用いて温度特性を求め、求めた温度特性と緩和したアラーム特性とを比較してサーボモータの過負荷監視を行う方法がある(特許文献1)。
特開平9−93795号公報
しかしながら、従来の方法は、実際のロボットが動作中におけるサーボモータに流れる電流を測定して発熱量を推定して過負荷の監視を行っているため、実施にロボットが運用状態に供された後、または試験的に動作させなければ、負荷状態を診断することができない。また、電流の測定値から、負荷を求めているため、電流測定時の瞬間における負荷状態を推定しているに過ぎず、累積的にモータに加わる負荷量を知ることができないという問題がある。
そこで、本発明の目的は、ロボットを実際に動作させることなく、ロボットの駆動源における負荷状態を診断することのできるロボットの負荷状態診断方法を提供することである。
上記目的を達成するための本発明は、ロボットの動作を動作プログラムにしたがってシミュレーションし、当該シミュレーション中における前記ロボットの診断対象軸の動作に伴う角度変化量を任意の一定時間間隔ごとに取得する段階と、前記角度変化量から、角速度、加速度、前記診断対象軸に作用する前記時間間隔ごとの負荷、および前記時間間隔ごとの前記負荷を全て加算した累積負荷の少なくともいずれか一つを求める段階と、前記角速度、前記加速度、前記負荷、および前記累積負荷の少なくともいずれか一つの値から前記診断対象軸の負荷状態を診断する段階と、を有することを特徴とするロボットの負荷状態診断方法である。
また、本発明においては、前記診断対象軸の負荷状態を診断する段階は、前記角速度、前記加速度、前記負荷、および前記累積負荷のうち少なくともいずれか一つの値をマハラノビスタグチ法における特徴量としてマハラノビス距離を求める段階と、前記マハラノビス距離と、あらかじめ決められた基準値を比較して前記診断対象軸の診断を行う段階と、を有することを特徴とする。
本発明のロボットの負荷状態診断方法によれば、シミュレーションによって診断対象軸の角度変化量を取得し、その値から角速度、加速度、負荷、および累積負荷の少なくともいずれか一つを求めて負荷状態診断することとしたので、実際にロボットを動作させることなく、診断対象軸の負荷状態を診断することが可能となる。特に、マハラノビスタグチ法を用いて診断することで、確実に負荷状態を診断することができる。また、累積負荷を用いることで、累積された負荷による不具合の診断も可能となる。
以下、図面を参照して本発明を実施するための最良の形態を説明する。
本実施の形態は、ロボットの動作シミュレーションを利用して評価対象となるロボットの負荷状態を診断する負荷診断方法である。
図1は評価対象となるロボットの一例を示す図である。
このロボットは6軸の多関節型ロボットであって、このロボット1は、ロボット全体を旋回させる第1軸11、ロボット全体を傾斜させる第2軸12、アーム21を傾斜させる第3軸13、アーム21を回転させる第4軸14、ハンド22を傾斜させる第5軸15、ハンド22を回転させる第6軸16よりなる6軸ロボットである。各軸には、サーボモータが内蔵されており、各軸を駆動する。ハンド22には、エンドエフェクタとしてたとえば、スポット溶接機、把持装置などが接続される。
図2は負荷状態の診断方法を実施するための処理手順を示すフローチャートである。
まず、診断を行うロボットの動作プログラムをシミュレーション装置に取り込む(S1)。なお、ここで動作プログラムとは、ロボットを実際に動作させる際の動作軌跡とその動作軌跡上での動作速度を定めたものであり、具体的には、ロボットのティーチングプログラムまたは実際のロボットの動作軌跡と速度を示すものなどである。また、シミュレーションを行う装置は、周知のCAD装置などロボットの動作を、その動作プログラムにしたがってシミュレートできるものであれば特に限定されない。
次に、ロボットの動作シミュレーション装置によって取得した動作プログラムによりロボット動作をシミュレーションする(S2)。そして、シミュレーションにおけるロボットの動作に伴うロボット各軸の角度変化量を任意の一定時間間隔ごとに取得する(S3)。なお、ここで任意の一定時間間隔は、特に限定されず、ロボットの1サイクルの動作時間を分割できる値であればよい。たとえば、1サイクルと5等分、10等分、または100等分など、まったく任意の時間間隔でよいが、実際には使用するシミュレーション装置(コンピュータ)の処理能力に応じて決定することになる。
次に、取得した角度変化量から時間単位の角速度を算出する(S4)。これには、取得した角度変化量を時間微分すればよい。
次に、算出した角速度から各軸に作用する負荷を算出する(S5)。作用する負荷の算出には、あらかじめ入力された慣性モーメントを上記角速度に掛けることによって求める。
次に、各軸に作用する負荷の頻度から累積負荷を算出する(S6)。累積負荷の算出は、ロボットの1サイクルの動作におけるステップS5で求めた負荷の値を全て加算することによって算出する。
次に、ステップS6で求めた累積負荷の値と、その他の因子を、マハラノビスタグチ法(以下MT法と称する)で用いる特徴量として用いて、マハラノビス距離を求める(S7、詳細後述)。
次に、求めたマハラノビス距離をあらかじめ求められているマハラノビス距離による診断の基準値と比較する(S8)。このとき、ステップS7で求めたマハラノビス距離が基準値以下であれば、不具合の発生する可能性はないものと判断する(S9)。一方、ステップS7で求めたマハラノビス距離が基準値よりも大きければ不具合の発生する可能性が高いものと判断する(S10)。不具合発生の可能性が高い場合には、その後、ロボットの動作(ティーチング)を見直したり、負荷(主にハンド22に取り付けられているエンドエフェクタやハンド22で把持するワークなど)を見直したりすることになる。
MT法は、周知のとおり、複数の特徴量から正常空間の距離を求める必要がある。そこで、本実施の形態では、特徴量として、1:ステップS6で求めた累積負荷値、2:ロボット型式、3:各軸における負荷重量、4:各軸の動作した角度最大値、5:各軸の負荷モーメント6:各軸の負荷イナーシャを用いている。
ここで、5:各軸の負荷モーメントは、Mx=Σmi・Lxiで求める。ただし、Mxは各軸の負荷モーメント、miはエンドエフェクタやワークなど各要素の質量、Lxiは各軸中心からエンドエフェクタおよびワークなどの各要素の重心位置までの距離であり、添え字xは各軸をあらわし(6軸ロボットの場合1〜6となる)、iは各要素をあらわす(要素の数だけ変化する数となる)。また、6:各軸の負荷イナーシャは、Jx=Σmi・Lxi 2+ΣJxiで求める。ただし、Jxは各軸の負荷イナーシャ、miはエンドエフェクタやワークなど各要素の質量、Lxiは各軸中心からエンドエフェクタおよびワークなどの各要素の重心位置までの距離、Jxiは各軸方向のエンドエフェクタやワークなどの要素の自分自身の慣性モーメントであり、添え字xは各軸をあらわし、iは要素をあらわす。
MT法では、これらの特徴量を用いて正常空間の距離を求める。したがって、実際に稼動しており、不具合の発生していないロボットについて、その動作軌跡と動作速度、または動作プログラムを用いたシミュレーション結果から上記各特徴量を取得して上記同様にしてマハラノビス距離を算出し、これによって算出されたマハラノビス距離の最大値が、上記ステップS4で用いる基準値となる。なお、MT法の実行には、市販のソフトウェアを利用すればよい。MT法を実行するための市販ソフトとしては、たとえば、株式会社オーケン製MTS for windows Excel版などがある。
なお、上記特徴量のうち、特徴量2:ロボット形式は、評価対象となるロボット形式が同じものであれば、特徴量としての入力を省いてもよい。また、特徴量3〜6についても、ロボットが同じで負荷重量も同じ(すなわち動作経路および速度のみが異なる)場合には、省略してもよい。一方、本実施形態のように、ロボット形式をも特徴量とすることで、形式の異なるさまざまなロボットを用いて正常空間を規定すれば、ロボットの形式が異なるロボットを対象に診断を行う場合でも、負荷状態の診断を的確に行うことが可能となる。
ここで、実際の診断結果の一例を説明する。
図3はロボットの第6軸における動作角度を0.1秒ごとに示すグラフであり、(a)は過負荷を与えたロボット、(b)は過負荷のないロボットである。図4は図3に示した動作角度を時間微分した結果を示すグラフである((a)は過負荷を与えたロボット、(b)は過負荷のないロボットである。図5も同様)。図5は、図4に示した角速度の結果に慣性モーメントを掛けて負荷を求めた結果を示すグラフである。図6は図5に示した負荷の結果を時間間隔ごとに過負荷を与えたロボットと過負荷のないロボットについて示したグラフである。図7は図6に示した各負荷の値を全て加算した累積負荷を示すグラフである。各図はそれぞれ上記ステップS3〜6の処理結果に対応するものである。
図3〜5の結果から、ここでは、過負荷を与えたロボットでは、過負荷を与えていないロボットに対していずれの結果も激しく振動していることがわかり、図6において、負荷が一時的に高くなっていることがわかる。そして、図7に示したように、累積負荷も過負荷を与えたロボットのほうが高くなっている。
さらに、本実施形態では、ロボットの累積負荷の値と、ロボットの諸特性を示す上述したその他の因子とからマハラノビス距離を求めてMT法により判定している。
その結果、上記過負荷をかけたロボットについては、マハラノビス法における正常空間(基準値)から外に出た位置になり、一方、過負荷を与えていないロボットは正常空間内となった。
次に、さらに多くの実機ロボットについて、用いる特徴量のみを変えて、上述した手順にしたがってシミュレーションによりマハラノビス距離を求め、実機ロボットの実際のガタつきを比較した。
用いた特徴量は、上述した特徴量のうち1:累積負荷の値を後述する各図の説明のとおり変えたものであり、その他の特徴量2〜8については、同じである。なお、以下の各図においては、いずれもロボットの第6軸についての結果である。
図8は、特徴量として、角度変化量を用いた場合のマハラノビス距離とガタつきの関係を示すグラフである。実際の入力特徴量は、上記特徴量2〜8の他に、角速度変化量(一つ前の時点の角度からある時点の角度に変化した量、以下同様)の累計、角速度の累計、角度変化の3σ(3σは統計処理におけるばらつきの値、以下同様)、角度変化量の3σである。
なお、角度変化は回転方向が変化するまでの角度であり、角度変化量は1つ前の角度からある時点の角度まで変化した量である。
図から、マハラノビス距離とガタ量に比例関係があることがわかる。
図9は、特徴量として、角度変化量と角速度を用いた場合のマハラノビス距離とガタつきの関係を示すグラフである。実際の入力特徴量は、上記特徴量2〜8の他に、角速度変化量の累計、角速度の累計、角度変化の3σ、角度変化量の3σ、角速度の最大値、角速度の平均値、角速度の3σである。
図から、マハラノビス距離とガタ量に比例関係があり、比例線に実測値が近くなっていることがわかる。
図10は、特徴量として、角度変化量と角加速度を用いた場合のマハラノビス距離とガタつきの関係を示すグラフである。実際の入力特徴量は、上記特徴量2〜8の他に、角速度変化量の累計、角加速度の累計、角度変化の3σ、角度変化量の3σ、角加速度の最大値、角加速度の平均値、角加速度の3σである。
図から、マハラノビス距離とガタ量に比例関係があり、比例線に実測値が良く乗っていることがわかる。
図11は、特徴量として、角度変化量と累積負荷を用いた場合のマハラノビス距離とガタつきの関係を示すグラフである。実際の入力特徴量は、上記特徴量2〜8の他に、角速度変化量の累計、累積負荷の累計、角度変化の3σ、角度変化量の3σ、累積負荷の最大値、累積負荷の平均値、累積負荷の3σである。なお、ここで累積負荷とは、
図から、マハラノビス距離とガタ量に比例関係があり、最も良く比例線の周囲に実測値が集まっていることがわかる。
図から、マハラノビス距離とガタ量に比例関係があり、最も良く比例線の周囲に実測値が集まっていることがわかる。
以上の結果から、シミュレーションで算出したマハラノビス距離と、実機におけるロボットの過負荷が原因となって現れるガタつきとが比例しており、マハラノビスタグチ法により不良判定が可能であることがわかる。特に図11に示した累積負荷を特徴量として用いる場合が最も比例関係が良く、正確に不良判定を行えることがわかる。
なお、上記の各グラフからわかるように、角度変化量、角速度、各加速度、負荷、および累積負荷の値を、いずれか一つ、またはさまざまに組み合わせて特徴量とすることでロボット駆動源の負荷状態をMT法を用いて診断することが可能である。
また、本実施形態によれば、シミュレーションとマハラノビスタグチ法を組み合わせて診断することで、これから動作させるロボットの諸特性(負荷モーメントや負荷イナーシャ、ロボットの型式などの特徴量とする値)と、そのロボットの動作プログラムさえあれば、実際のロボット(実機)を動かすことなく、負荷の状態を予測して診断することが可能となる。このため、実地運用前の段階で、過負荷状態や累積負荷の状態などから、動作プログラムや負荷重量の見直しができる。
以上説明した実施形態においては、処理手順として、シミュレーション中の各軸の角度変化量を取得することとしたが、必ずしもロボットの全ての軸についての角度変化量を取得する必要はなく、過負荷が起こる可能性のある軸(診断対象軸)についての角度変化量のみを取得し、その軸についてのみ負荷の状態を診断するようにしてもよい。
これは、たとえば、先の具体例のように第6軸についての結果のみを求めたい場合には、第6軸についてのみ角度変化量を取得すればよいことである。なお、先の具体例として第6軸を診断対象軸として示したのは、ハンドに持たせるエンドフェクタやワークなどの荷重が変化し、また、ハンドの移動量が変化した場合に、この第6軸にかかる負荷が最も大きく変化するためである。なお、第6軸以外でも、当然に、本発明を適用して過負荷状態の診断に利用できることは言うまでもない。たとえば、過負荷の状態は、第6軸の他に、第4軸、第5軸なども第1〜第3軸に比較して負荷が過剰にかかりやすくなる傾向があるので、その場合には、第4〜6軸の3軸を診断対象軸としてそれらの角度変化量を取得するようにするとよい。
このように診断対象軸を決めて診断することで、どの軸に過負荷や累積負荷などによる不具合が生じるかを個別に診断することができる。
また、基準値については、MT法における正常空間の距離の値を使用すればよいが、これに限らず正常空間の距離の値に、さらに危険率(正常範囲内でも不具合の発生する可能性のある率)を考慮して、正常空間の距離よりも小さな値を基準値としたり、逆に正常空間よりも広い大きな値としてもよい。
以上説明した実施形態においては、角度変化量を微分することにより角速度を、同様に、角速度を微分することにより角加速度を求めているが、簡易的には、たとえば、図12に示すように、角度変化量(または角速度)の時間変化の値を所定の値で区切った線(イ〜チ)を引き、時間変化の値がイ〜チの各線を横切った値を区間ごとに求めてその横切った回数を角速度(または角加速度)としてもよい。
このような簡易的な微分値を用いても累積的な過負荷の状態を推定して、MT法を用いて診断することができる。
本発明は、新たに設置するロボットの動作に伴う過負荷の状態を検証できるほか、既存のロボットにおいても新たに動作軌跡をティーチングしなおす場合、また、既存のロボットにおいて、現状の見た目では、不具合が発生していないものでも、今後不具合の発生する可能性があるか否かを検証することもできる。また、本発明は、サーボモータを工作機械などにおける駆動源にかかる過負荷の状態を診断することもできる。
1…ロボット、
11…第1軸、
12…第2軸、
13…第3軸、
14…第4軸、
15…第5軸、
16…第6軸、
21…アーム、
22…ハンド。
11…第1軸、
12…第2軸、
13…第3軸、
14…第4軸、
15…第5軸、
16…第6軸、
21…アーム、
22…ハンド。
Claims (5)
- ロボットの動作を動作プログラムにしたがってシミュレーションし、当該シミュレーション中における前記ロボットの診断対象軸の動作に伴う角度変化量を任意の一定時間間隔ごとに取得する段階と、
前記角度変化量から、角速度、加速度、前記診断対象軸に作用する前記時間間隔ごとの負荷、および前記時間間隔ごとの前記負荷を全て加算した累積負荷の少なくともいずれか一つを求める段階と、
前記角速度、前記加速度、前記負荷、および前記累積負荷の少なくともいずれか一つの値から前記診断対象軸の負荷状態を診断する段階と、
を有することを特徴とするロボットの負荷状態診断方法。 - 前記診断対象軸の負荷状態を診断する段階は、
前記角速度、前記加速度、前記負荷、および前記累積負荷のうち少なくともいずれか一つの値をマハラノビスタグチ法における特徴量としてマハラノビス距離を求める段階と、
前記マハラノビス距離と、あらかじめ決められた基準値を比較して前記診断対象軸の診断を行う段階と、
を有することを特徴とする請求項1記載のロボットの負荷状態診断方法。 - 前記角速度は、前記角度変化量を微分することにより求めることを特徴とする請求項1または2記載のロボットの負荷状態診断方法。
- 前記加速度は、前記角速度を微分することにより求めることを特徴とする請求項1または2記載のロボットの負荷状態診断方法。
- 前記負荷は、前記角速度に前記診断対象軸の慣性モーメントを掛けることにより求めることを特徴とする請求項1または2記載のロボットの負荷状態診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004108697A JP2005293332A (ja) | 2004-04-01 | 2004-04-01 | ロボットの負荷状態診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004108697A JP2005293332A (ja) | 2004-04-01 | 2004-04-01 | ロボットの負荷状態診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005293332A true JP2005293332A (ja) | 2005-10-20 |
Family
ID=35326181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004108697A Pending JP2005293332A (ja) | 2004-04-01 | 2004-04-01 | ロボットの負荷状態診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005293332A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340821B2 (en) | 2007-08-10 | 2012-12-25 | Fanuc Ltd | Robot program adjusting system |
CN106737867A (zh) * | 2017-01-13 | 2017-05-31 | 广东省智能制造研究所 | 一种Delta机器人最宜负载测定的装置和方法 |
CN106737587A (zh) * | 2016-12-30 | 2017-05-31 | 华南智能机器人创新研究院 | 一种delta机器人动平衡的装置和方法 |
CN110640791A (zh) * | 2019-10-28 | 2020-01-03 | 浙江工业大学 | 模拟工业机器人关节变负载变惯量的实验方法 |
-
2004
- 2004-04-01 JP JP2004108697A patent/JP2005293332A/ja active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340821B2 (en) | 2007-08-10 | 2012-12-25 | Fanuc Ltd | Robot program adjusting system |
CN106737587A (zh) * | 2016-12-30 | 2017-05-31 | 华南智能机器人创新研究院 | 一种delta机器人动平衡的装置和方法 |
CN106737587B (zh) * | 2016-12-30 | 2023-10-13 | 华南智能机器人创新研究院 | 一种delta机器人动平衡的装置和方法 |
CN106737867A (zh) * | 2017-01-13 | 2017-05-31 | 广东省智能制造研究所 | 一种Delta机器人最宜负载测定的装置和方法 |
CN110640791A (zh) * | 2019-10-28 | 2020-01-03 | 浙江工业大学 | 模拟工业机器人关节变负载变惯量的实验方法 |
CN110640791B (zh) * | 2019-10-28 | 2021-04-27 | 浙江工业大学 | 模拟工业机器人关节变负载变惯量的实验方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6348137B2 (ja) | 工作物の良否を判定する加工機械システム | |
JP6469065B2 (ja) | 機械学習装置及び加工時間予測装置 | |
JP6411380B2 (ja) | ロボットとその環境との衝突の検出を改善する方法、同方法を実施するシステムおよびコンピュータプログラム製品 | |
JP6711854B2 (ja) | 故障予測装置及び機械学習装置 | |
JP3946753B2 (ja) | ロボットプログラム評価・修正方法及びロボットプログラム評価・修正装置 | |
US8442685B2 (en) | Robot control apparatus | |
JP6443311B2 (ja) | 制御装置、制御プログラムおよび記録媒体 | |
CN108693833B (zh) | 机器学习装置、伺服控制装置和***以及机器学习方法 | |
JP7262847B2 (ja) | 安全重視用途に関する産業ロボット動力学のシステム識別 | |
JP6324641B1 (ja) | 異常診断装置及び異常診断方法 | |
JP2019166626A (ja) | 制御装置及び機械学習装置 | |
CN110941183B (zh) | 一种基于神经网络的工业机器人动力学辨识方法 | |
JP2020101541A (ja) | トルク推定のための方法および装置 | |
CN112179551A (zh) | 机器人的关节电机转矩系数与摩擦力同步测试方法和装置 | |
JP2005293332A (ja) | ロボットの負荷状態診断方法 | |
JP2010513039A (ja) | コントロール・システム | |
JP3607009B2 (ja) | 産業用ロボットの故障予知方法 | |
CN113711138A (zh) | 伺服控制装置 | |
WO2022162740A1 (ja) | 数値制御装置 | |
JPH08249008A (ja) | 等価回路参照型制御装置と制御方法 | |
JP2000141275A (ja) | 産業用ロボットの寿命測定方法および装置 | |
JP3165087B2 (ja) | 産業用ロボットの故障検出方法 | |
JP7278803B2 (ja) | 情報処理方法、情報処理装置、ロボットシステム、ロボットシステムの制御方法、ロボットシステムを用いた物品の製造方法、プログラム及び記録媒体 | |
Nguyen et al. | Improving the Tracking Performance under Nonlinear Time‐Varying Constraints in Motion Control Applications: From Theoretical Servo Model to Experimental Validation | |
WO2019215909A1 (ja) | 異常検出装置及び異常検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Effective date: 20070402 Free format text: JAPANESE INTERMEDIATE CODE: A621 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090630 |
|
A02 | Decision of refusal |
Effective date: 20091027 Free format text: JAPANESE INTERMEDIATE CODE: A02 |