[發明專利]故障預測方法及故障預測裝置

在審

• 申請號: 202110333365.6
• 申請日: 2021-03-29
• 公開（公告）號: CN113459082A
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 平出俊憲;丁熠玫
• 申請（專利權）人: 精工愛普生株式會社
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙曦

提供故障預測方法及故障預測裝置，能夠簡單地預測機械手臂所具有的要素部件的故障。故障預測方法的特征在于，預測機器人的要素部件的故障，所述機器人具有機械手臂以及檢測部，所述機械手臂具有所述要素部件，所述檢測部檢測與所述機械手臂動作時的振動特性相關的信息，在所述故障預測方法中，基于與所述振動特性相關的信息，通過機器學習而生成用于預測所述要素部件的故障的故障預測模型，通過向生成的所述故障預測模型輸入與所述振動特性相關的信息，從而基于生成的所述故障預測模型所輸出的故障預測的推定值，預測所述要素部件的故障。

技術領域

本發明涉及故障預測方法及故障預測裝置。

背景技術

近年來，由于在工廠中人工費的高漲、人材不足，通過各種機器人、該機器人周邊設備，加速了由人工進行的作業的自動化。例如，專利文獻1記載的機器人具有機械手臂和驅動機械手臂的驅動部。此外，驅動部具有電機和減速器。

在這種機器人中，例如減速器等要素部件有時隨著使用而發生故障。作為預測該故障的單元，在專利文獻1中公開了一種控制系統，根據機器人的速度和減速器的潤滑脂的鐵粉濃度數據，利用機器學習來預測減速器的故障。因此，控制系統能夠導出減速器的維護的推薦時期。

專利文獻1：日本特開2019-100353號公報

但是，為了預測內置于機器人的關節的減速器的故障，如果使用根據減速器的潤滑脂的鐵粉濃度數據進行預測的方法，則每次都需要分解機械手臂來確認減速器。進行這種作業比較費時費事。

發明內容

本發明的故障預測方法的特征在于，預測機器人的要素部件的故障，所述機器人具有機械手臂以及檢測部，所述機械手臂具有所述要素部件，所述檢測部檢測與所述機械手臂動作時的振動特性相關的信息，在所述故障預測方法中，基于與所述振動特性相關的信息，通過機器學習而生成用于預測所述要素部件的故障的故障預測模型，通過向生成的所述故障預測模型輸入與所述振動特性相關的信息，從而基于生成的所述故障預測模型所輸出的故障預測的推定值，預測所述要素部件的故障。

本發明的故障預測裝置的特征在于，預測機器人的要素部件的故障，所述機器人具有機械手臂以及檢測部，所述機械手臂具有所述要素部件，所述檢測部檢測與所述機械手臂動作時的振動特性相關的信息，所述故障預測裝置具備：故障預測模型生成部，基于與所述振動特性相關的信息，通過機器學習而生成用于預測所述要素部件的故障的故障預測模型；以及處理部，基于生成的所述故障預測模型所輸出的故障預測的推定值，預測所述要素部件的故障。

附圖說明

圖1是示出第一實施方式的機器人系統的整體構成的圖。

圖2是圖1所示的機器人系統的框圖。

圖3是圖1所示的故障預測裝置的框圖。

圖4是圖3所示的故障預測模型生成部的構成例的一個例子，是神經網絡的示意圖。

圖5是縱軸表示使機械手臂執行特定動作時的特定的電機的動作速度、橫軸表示時間的曲線圖的一個例子。

圖6是縱軸表示使機械手臂執行特定動作時的特定的電機的動作速度、橫軸表示時間的曲線圖的一個例子。

圖7是橫軸表示頻率、縱軸表示各頻率的功率的有效值的曲線圖。

圖8是橫軸表示頻率、縱軸表示各頻率的功率的有效值的曲線圖。

圖9是示出慣性傳感器的檢測結果的一個例子的曲線圖，是橫軸表示時間、縱軸表示角速度的曲線圖。

圖10是示出慣性傳感器的檢測結果的一個例子的曲線圖，是橫軸表示時間、縱軸表示加速度的曲線圖。

圖11是橫軸表示測定振動特性的次數、縱軸表示異常度的曲線圖。