[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

本發明涉及一種基于聚類分析的工業機器人運行趨勢診斷方法，包括以下步驟，S1、采集周期性數據；S2、平滑濾波；S3、數據匹配分組；S4、更新數據平均值；S5、健康狀況分析。本發明通過使用本發明中的故障診斷方法，可實時的給出機器人的運行狀態評分，同時不同的機器人，也可適配的使用該方法，并且無需提前訓練模型，無需有大量的歷史數據，即可直接使用，對工業機器人的健康狀態進行評估，提高了工業機器人的壽命，保障了工業的效益。

相關申請參考：

本申請根據《專利法》第二十九條要求2022年12月30日向國家知識產權局提交的發明專利申請（一種基于聚類分析的工業機器人運行趨勢診斷方法，申請號為：2021116566457）的優先權，本文以此申請的內容為基礎并通過參考將其完整地結合于此。

技術領域

本發明涉及智能機器人技術領域，尤其是一種基于聚類分析的工業機器人運行趨勢診斷方法。

背景技術

工業機器人是集自動化生產和集成生產的特點于一身的，面向工業領域的機器裝置。近年來在裝配制造業中，工業機器人的應用規模在不斷擴大，用以提高生產效率，因此，工業機器人自身的正常運行是整個制造系統中的基石，對工業機器人運行狀態的健康評估成為需要研究的問題。

由于工業機器人設備運行具有工況復雜和設備多樣的特點，為了給機器人的運行狀態進行健康評估，目前的現有技術大多是采用有監督學習，以大量的歷史數據集為前提，進行訓練，從而預測機器人的運行狀態，進而達到來為機器人的健康狀態進行評分的目的。但是，此方法具有有一定的局限性，即需要大量的歷史數據集，因此如何對工業機器人的運行狀態進行簡單有效的評估，是目前需要解決的問題。

發明內容

本發明提供一種基于聚類分析的工業機器人運行趨勢診斷方法，能夠采用無監督學習的聚類方式，達到對機器人的健康情況進行打分，并給出故障預警的效果。

本發明解決上述技術問題所采用的技術方案如下：一種基于聚類分析的工業機器人運行趨勢診斷方法，包括以下步驟，

S1、采集周期性數據，包括靜態數據以及動態數據，通過觀察數據的時間序列圖，確定數據為周期性的數據；

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。

進一步的，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。

進一步的，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。

進一步的，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。

進一步的，所述的步驟S3還包括，