[發明專利]一種基于聚類分析的工業機器人運行趨勢診斷方法

有效

• 申請號: 202210336270.4
• 申請日: 2022-04-01
• 公開（公告）號: CN114418042B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 甘中學;馬玲玉;苑忠亮;陳益飛;鄭青山;馮浩然
• 申請（專利權）人: 智昌科技集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;B25J19/00
• 代理公司: 北京星通盈泰知識產權代理有限公司 11952
• 代理人: 夏晶

1.一種基于聚類分析的工業機器人運行趨勢診斷方法，其特征在于：包括以下步驟，

S1、數據采集，采集工業機器人的靜態數據以及運行時的動態數據；

S2、平滑濾波，采用中值濾波方式對采集到的動態數據進行平滑處理，去掉異常的噪聲數據；

S3、數據匹配分組，對于采集到的靜態數據匹配已有的靜態數據組合，然后對動態數據匹配已有的動態數據的類別，根據馬式距離法，得出最接近的類別，進行歸類；

S4、更新數據平均值，當采集到的動態數據匹配到某一個類別之后，將該類別數據的平均值更新為該類別全部數據的平均值；

S5、健康狀況分析，將采集的數據與已有的數據類別組進行比對，并根據比對的差距結果，進行評分；

其中，所述步驟S3數據匹配分組還包括，對每個機器人根據靜態數據分組，其次在每個靜態數據下，根據速度進行分組，然后再根據位置進行分組，最后再根據扭矩進行分組；

所述的步驟S3中“對動態數據匹配已有的動態數據的類別，根據馬式距離法，得出最接近的類別，進行歸類”還包括，

S32、在歸類之前，先對動態數據進行傅里葉變換，找出數據的周期數，并在每個周期內對應位置取數據并取平均值；

S33、將取得的平均值數據與已有的動態類別數據使用馬氏距離法進行匹配，找到與已有動態類別數據中的最接近的類別；

所述步驟S5中對數據類別組進行比對時，對同類數據進行對比，先比較速度數據，再比較位置數據，再比較扭矩數據；

所述步驟S32中“并在每個周期內對應位置取數據并取平均值”的計算方法為：，其中為每個周期位置i處的數據平均值，n為任一周期內位置i處的數據值，m為周期數。

2.根據權利要求1所述的一種基于聚類分析的工業機器人運行趨勢診斷方法，其特征在于：所述的步驟S1中，所述靜態數據為實時采集，包括機器人型號、機器人類型、操作系統版本、程序名稱、協議版本；所述動態數據包括，速度數據、位置數據以及扭矩數據。

3.根據權利要求1所述的一種基于聚類分析的工業機器人運行趨勢診斷方法，其特征在于：所述的步驟S3中“對于采集到的靜態數據匹配已有的靜態數據組合”還包括，

S31、將采集到的靜態數據與已有的靜態數據組合進行匹配，若不一致，則新加一個靜態數據組合。

4.根據權利要求1所述的一種基于聚類分析的工業機器人運行趨勢診斷方法，其特征在于：所述的步驟S3還包括，

S331、若采集到的動態數據沒有匹配到最接近的類別，則單獨新建一個動態數據組合。

5.根據權利要求1所述的一種基于聚類分析的工業機器人運行趨勢診斷方法，其特征在于：所述的步驟S4還包括，

S41、當有新的速度數據要匹配類別時，與上一次計算好的類別數據平均值進行對比，對比方式為馬氏距離法。

6.根據權利要求1所述的一種基于聚類分析的工業機器人運行趨勢診斷方法，其特征在于：所述的步驟S5中“將采集的數據與已有的數據類別組進行比對，并根據比對的差距結果，進行評分”還包括，

S51、分析扭矩數據的匹配結果，速度數據與位置數據的匹配結果不做健康狀況分析。

7.根據權利要求6所述的一種基于聚類分析的工業機器人運行趨勢診斷方法，其特征在于：所述的步驟S51中，當采集的扭矩數據，與已有的扭矩數據類別組相差為10%以上，則認為該機器人的健康情況出現故障，并根據差距的結果，進行評分；當差距為50%以上時，則進行故障預警。