故障诊断装置及故障诊断方法与流程

本发明涉及具备作为各动作轴的驱动源而分别独立的电机的机械装置的故障诊断装置及其方法。

背景技术：

作为多关节型的工业用机器人的故障诊断方法，目前公开有专利文献1。专利文献1所公开的故障诊断方法中，在机器人的动作中每隔规定周期检测机器人关节轴的移动位置及对关节轴作用的干扰扭矩，并求得检测的每个移动位置的干扰扭矩的平均值。而且，比较该平均值和设定阈值，在平均值超过设定阈值的情况下，诊断为机器人异常或故障。这样，目前通过干扰扭矩是否超过一定的设定阈值来诊断故障，因此，与机器人的动作姿势及由机器人手把持的工件等的重量无关，检测机器人驱动系统的异常。

现有技术文献

专利文献

专利文献1：日本特开平9－174482号公报

技术实现要素：

但是，当对动作轴实施更换油脂而油脂粘度变化那样的维护时，由于维护的影响，干扰扭矩值变动。在该情况下存在下述问题：当仅基于干扰扭矩值诊断故障时，尽管为正常，还是常发生诊断为异常的错误判定，故障的诊断精度降低。

另外，对干扰扭矩值造成影响的干扰因素涉及多个方面，因此，难以从干扰扭矩值排除所有的干扰因素。因此存在下述问题：当仅基于干扰扭矩值诊断故障时，故障的诊断精度降低。

这样，存在下述问题：当仅基于干扰扭矩值诊断机器人驱动系统的故障时，错误判定常发生而故障的诊断精度降低。

因此，本发明是鉴于上述课题而完成的，其目的在于，提供一种通过将干扰扭矩值以外的维护实绩、检查结果用于故障的诊断，能够防止错误判定并提高故障的诊断精度的故障诊断装置及其方法。

为了解决所述的课题，本发明的一个方式的故障诊断装置及其方法，在干扰扭矩值比规定的故障判定阈值大的情况下，将动作轴诊断为故障，对于诊断为故障的动作轴，基于过去的维护实绩及检查结果实施故障的再判定。

附图说明

图1是表示本发明一实施方式的故障诊断系统的整体结构的框图。

图2是用于说明求得干扰扭矩的步骤的框图。

图3是表示本发明一实施方式的故障诊断装置进行的干扰扭矩选定处理的步骤的流程图。

图4是表示本发明一实施方式的故障诊断装置进行的故障诊断处理的步骤的流程图。

图5是表示本发明一实施方式的故障诊断装置进行的故障诊断处理的步骤的流程图。

具体实施方式

以下，参照附图说明应用了本发明的一实施方式。附图的记载中，对相同部分标注相同标号并省略说明。

[故障诊断系统的结构]

图1是表示具备本实施方式的故障诊断装置的故障诊断系统的结构的框图。如图1所示，本实施方式的故障诊断系统100由机器人1、机器人控制装置2、故障诊断装置3、以及生产管理装置4构成。作为机械装置的一例，机器人1是多轴机械的教学回放型并且多关节型的机器人。但是，机器人1也可以不是多轴机械，而是单轴的机械。

机器人1具备多个电机驱动系统作为动作轴即关节轴，但图1中，示出单轴量的电机驱动系统。机器人臂5被伺服电机(以下，简称为电机)6经减速器8驱动。电机6中附带有旋转角位置及速度的检测器即脉冲编码器(脉冲发生器或编码器)7。

机器人控制装置2具备动作集成控制部9、通信部10、伺服控制部11、以及伺服放大器部14。伺服控制部11包含干扰扭矩运算部12和状态数据取得部13，接收来自上层的动作集成控制部9的指令，并经由伺服放大器部14驱动电机6。电机6中所附带的脉冲编码器7在与伺服控制部11之间形成用于电机6的旋转角位置及速度的控制处理的反馈环路。

伺服控制部11除了具备干扰扭矩运算部12及状态数据取得部13以外，还具备进行用于控制电机6的旋转角位置、速度、电流的处理的处理器、存储控制程序的rom、存储设定值及各种参数的非易失性存储部。另外，伺服控制部11具备暂时存储运算处理中的数据的ram、用于计数来自脉冲编码器7的位置反馈脉冲而检测电机6的绝对旋转角位置的寄存器等。

另外，机器人1为多关节，因此，需要关节轴的数的图1那样的电机驱动系统，但图1中仅图示单轴量，除此以外的电机驱动系统省略图示。另外，有时还在图1的电机6与减速器8之间介装变速齿轮组。

动作集成控制部9位于伺服控制部11的上层，管理机器人1的动作的直接的控制。通信部10在与后述的故障诊断装置3的通信部15之间，通过例如lan等进行必要的数据的授受。另外，状态数据取得部13具有定期地收集与机器人1的各关节轴的工作状态相关的各种数据的功能。收集的数据中包含表示收集期间的数据。干扰扭矩运算部12具有基于状态数据取得部13取得的数据，运算干扰扭矩值的功能。以包含这些干扰扭矩运算部12及状态数据取得部13的方式构成伺服控制部11，因此，通过干扰扭矩运算部12的运算求得的干扰扭矩值被经由通信部10输出到故障诊断装置3。通过该结构，伺服控制部11构成所谓的软件伺服的形式。

故障诊断装置3具备通信部15、干扰扭矩选定部16、干扰扭矩数据库17、故障诊断部18、以及维护实绩数据库19。在此，故障诊断装置3由微型计算机、微处理器、包含cpu的通用的电子电路和存储器等周边设备构成。因此，通过执行特定的程序，故障诊断装置3作为通信部15、干扰扭矩选定部16、干扰扭矩数据库17、故障诊断部18进行动作。

通信部15具有在与已经叙述的机器人控制装置2及生产管理装置4各自的通信部10、20之间，通过例如lan等进行必要的数据的授受的功能。干扰扭矩选定部16具有从生产管理装置4取得必要的生产信息，并且根据机器人1的工作状况分选收集的干扰扭矩值中应存储的值的功能。另外，干扰扭矩数据库17具有依次存储由干扰扭矩选定部16分选的干扰扭矩值的功能。因此，在该干扰扭矩数据库17中积累过去量的干扰扭矩值。

维护实绩数据库19具有用于在对机器人1实施维护或检查的情况下，将其维护实绩及检查结果以各个关节轴为单位进行存储的功能。因此，在维护实绩数据库19中积累过去量的维护实绩数据及检查结果数据。

故障诊断部18具有基于干扰扭矩值能动地执行故障诊断的功能。该故障诊断部18具备存储器功能，因此，暂时性地存储分别访问干扰扭矩数据库17及维护实绩数据库19而得到的数据，并以这些数据为基础执行故障诊断。特别是，故障诊断部18每隔规定周期取得各动作轴的移动位置和作用于各动作轴的每个移动位置的干扰扭矩值，在取得的干扰扭矩值比规定的故障判定阈值大的情况下诊断为故障。另外，故障诊断部18具备再判定部25。

再判定部25基于过去的维护实绩及检查结果对诊断为故障的动作轴实施故障的再判定。具体而言，再判定部25使用减速器的更换实绩作为维护实绩，实施再判定。例如，在最近更换了动作轴的减速器的情况下，即使根据干扰扭矩值诊断为动作轴故障，动作轴为正常的可能性也较高。因此，再判定部25使用减速器的更换实绩进行再判定。另外，再判定部25使用铁粉浓度的测定结果作为检查结果，实施再判定。对动作轴进行了换油后的油脂中，由于经年劣化或负载的增大，铁粉逐渐增加。因此，在铁粉浓度增加至规定的阈值以上的情况下，动作轴发生故障的可能性变高。因此，再判定部25使用对动作轴进行了换油的油脂的铁粉浓度的测定结果进行再判定。此外，减速器的更换实绩及铁粉浓度的测定结果的数据积累于维护实绩数据库19中，因此，再判定部25从维护实绩数据库19取得数据并执行再判定。

具体而言，再判定部25在对于成为再判定的对象的动作轴，在过去的规定期间内存在铁粉浓度的测定实绩的情况下，如果该测定实绩所记录的铁粉浓度的测定值为规定的阈值以下，则将成为再判定的对象的动作轴判定为正常。

另外，再判定部25在对于成为再判定的对象的动作轴，在过去的规定期间内没有铁粉浓度的测定实绩的情况下，推算当前的铁粉浓度并算出推算值，如果该推算值为规定的阈值以下，则将成为再判定的对象的动作轴判定为正常。

另外，再判定部25在对于成为再判定的对象的动作轴，在过去的规定期间内没有铁粉浓度的测定实绩的情况下，如果在过去的规定期间内对成为再判定的对象的动作轴的减速器存在更换实绩，则将成为再判定的对象的动作轴判定为正常。

通过这样执行再判定，再判定部25能够使用除干扰扭矩值以外的维护实绩及检查结果诊断动作轴的故障。由此，能够防止即使为正常也诊断为故障的错误判定，并提高故障的诊断精度。但是，除了铁粉浓度的测定结果及减速器的更换实绩以外，如果存在能够诊断动作轴的故障的数据，则也可以使用该数据执行再判定。

生产管理装置4是进行包含例如工场的生产线的工作状况等的生产信息的管理的装置，具备通信部20和生产信息数据库21。通信部20在与故障诊断装置3的通信部15之间，通过例如lan等进行必要的数据的授受。生产信息数据库21具有存储收集的各种生产信息的功能。因此，在生产信息数据库21中积累过去量的各种生产信息。此外，生产信息中包含机器人1及附带设备的紧急停止信息及维护实绩等信息。

在此，本实施方式中，检测对驱动机器人1的各关节轴的电机6作用的干扰扭矩(干扰负载扭矩)，基于该干扰扭矩值将符合的电机驱动系统的异常作为机器人的故障进行诊断。求该干扰扭矩的步骤概略如下。

如图2的框图所示，对根据来自脉冲编码器7的速度反馈信号求得的电机6的实际速度vr进行微分而求得加速度，对该加速度乘以对电机6作用的所有的惯性j，求得加速度扭矩ta。接着，从伺服控制部11的速度循环处理中求得的对电机6的扭矩指令tc减去求得的加速度扭矩ta，进一步减去力矩m，求得干扰扭矩tb。然后，通过实施规定的过滤处理，除去干扰的不规则成分，求得干扰扭矩tg。伺服控制部11每隔规定的采样周期执行这种处理，求得干扰扭矩tg。

更具体而言，伺服控制部11具备寄存器，该寄存器每隔规定的采样周期计数来自脉冲编码器7的位置的反馈脉冲，求得电机6的绝对位置。因此，伺服控制部11根据寄存器检测电机6的绝对位置，并根据该电机6的绝对位置求得电机6驱动的关节轴的旋转角位置(移动位置)。另外，伺服控制部11如之前说明的那样，进行图2的处理而求得干扰扭矩tg。

[干扰扭矩选定处理]

接着，参照图3说明本实施方式的故障诊断装置3的干扰扭矩选定部16进行的干扰扭矩选定处理。图3是表示干扰扭矩选定部16进行的干扰扭矩选定处理的处理步骤的流程图。

如图3所示，步骤s1中，干扰扭矩选定部16取得机器人控制装置2运算出的干扰扭矩值。该干扰扭矩值是各动作轴的每个移动位置的值。另外，此时，同时还取得表示收集了干扰扭矩值的期间的信息。

接着，步骤s2中，干扰扭矩选定部16从生产管理装置4的生产信息数据库21取得设备的紧急停止信息。步骤s3中，干扰扭矩选定部16判断在取得的干扰扭矩值的收集期间内是否发生了设备的紧急停止，在判定为发生了紧急停止的情况下，进入步骤s4。另一方面，在判定为未发生紧急停止的情况下，进入步骤s5。

步骤s4中，干扰扭矩选定部16仅删除取得的干扰扭矩值中紧急停止发生时的干扰扭矩值并进入步骤s5。步骤s5中，干扰扭矩选定部16将取得的干扰扭矩值记录于干扰扭矩数据库17中，并结束本实施方式的干扰扭矩选定处理。

通过这种处理来选定干扰扭矩值，由此，在干扰扭矩数据库17中仅存储、积累排除了设备的紧急停止导致的异常值的干扰扭矩值。

[故障诊断处理]

接着，参照图4、5说明本实施方式的故障诊断装置3的故障诊断部18进行的故障诊断处理。图4、5是表示故障诊断部18进行的故障诊断处理的处理步骤的流程图。

如图4、5所示，步骤s11中，故障诊断部18从干扰扭矩数据库17一并取得最近的干扰扭矩值及进行诊断的日期的去年同月的干扰扭矩值。步骤s12中，故障诊断部18基于进行诊断的日期的去年同月的干扰扭矩值，算出它们的平均值、方差值及中央值中的至少一项(也可以是多个)，基于该值算出、设定故障判定阈值。例如，也可以将平均值、方差值、中央值中的任一项作为故障判定阈值进行设定，也可以将它们中的多个作为故障判定阈值进行设定。

步骤s13中，故障诊断部18算出最近的干扰扭矩值的平均值、方差值及中央值中的至少任一项(也可以是多个)，并判断该值是否为步骤s12中设定的故障判定阈值以下。而且，如果最近的干扰扭矩值的平均值、方差值及中央值中算出的值为故障判定阈值以下，则判断为未发生故障，并立即结束本实施方式的故障诊断处理。另一方面，在最近的干扰扭矩值的平均值、方差值及中央值中算出的值比故障判定阈值大的情况下，判断为存在故障的可能性并进入步骤s14。

步骤s14中，故障诊断部18以在维护实绩数据库19中积累的数据为基础，判断在最近3个月以内是否实施维护。而且，如果未实施维护，则判断为发生故障并进入步骤s22。另一方面，如果在最近3个月以内实施维护，则为了判断维护的影响，而进入步骤s15。

步骤s15中，故障诊断部18对于实施了维护的机器人的所有的动作轴，算出实施了维护的前后的干扰扭矩值的变化率。实施了维护的机器人中具有多个动作轴，如果还具有实施了维护的动作轴，则还具有未实施维护的动作轴。这是由于，如果还具有需要频繁地维护的动作轴，则还具有不需要长期间维护的动作轴。在此，对这些动作轴的全部算出干扰扭矩值的变化率。

步骤s16中，故障诊断部18判断步骤s15中算出的干扰扭矩值的变化率是否为规定的阈值以下，如果为规定的阈值以下，则判断为没有维护的影响，发生故障，并进入步骤s22。另一方面，在干扰扭矩值的变化率比规定的阈值大的情况下，判断为具有维护的影响并进入步骤s17。

步骤s17中，故障诊断部18算出维护实施后的干扰扭矩值的平均值、方差值及中央值中的至少任一项(也可以是多个)，并基于该值算出、再设定故障判定阈值。

步骤s18中，故障诊断部18判断关节轴的干扰扭矩值中是否存在季节变动，在没有季节变动的情况下进入步骤s21，在存在季节变动的情况下进入步骤s19。在此，干扰扭矩值中是否具有季节变动的判断能够根据例如每个季节的外气温度的变化与干扰扭矩值之间的相关度进行判断，能够通过核对另行积累的外气温度的数据和干扰扭矩值的数据进行判断。

步骤s19中，故障诊断部18对步骤s17中再设定的故障判定阈值乘以与季节变动相应的常数(系数)，再三设定故障判定阈值。

步骤s21中，故障诊断部18将再设定的故障判定阈值或再三设定的故障判定阈值存储于存储器中并结束本实施方式的故障诊断处理。

步骤s22中，再判定部25为了对诊断为故障的动作轴执行再判定，访问维护实绩数据库19，实施最近的减速器更换及油脂更换以后，判断是否存在铁粉浓度的测定实绩。当实施减速器更换或油脂更换等的维护时，铁粉浓度大幅变化，因此，判断实施了维护以后是否存在铁粉浓度的测定实绩。而且，在存在铁粉浓度的测定实绩的情况下，进入步骤s23，在没有铁粉浓度的测定实绩的情况下，进入步骤s28。

步骤s23中，再判定部25判断从最近的铁粉浓度的测定日到目前为止的经过期间是否为规定的阈值以内，如果为规定的阈值以内，则进入步骤s24，在超过规定的阈值的情况下，进入步骤s25。当从最近的铁粉浓度的测定日到目前为止的经过期间变长时，在该期间，存在铁粉浓度增加的可能性，因此，不利用经过了长期间的测定结果。

步骤s24中，再判定部25判断最近的铁粉浓度的测定值是否为规定的阈值以下，如果为规定的阈值以下，则判断为未产生故障，并结束本实施方式的故障诊断处理。另一方面，在最近的铁粉浓度的测定值比规定的阈值大的情况下，判断为产生故障并进入步骤s30。此外，对于规定的阈值，预先求得并设定根据过去的数据或实验等能够判断为故障的铁粉浓度即可。

步骤s25中，再判定部25判断铁粉浓度的测定实绩是否为多次。即使是步骤s23中判定为经过了经过期间的以前的测定实绩，如果有多次，则能够通过最小二乘法等推算当前的铁粉浓度。因此，在铁粉浓度的测定实绩具有几次的情况下进入步骤s26。另一方面，在铁粉浓度的测定实绩没有几次的情况下，不能推算当前的铁粉浓度，因此，判定为产生有故障并进入步骤s30。

步骤s26中，再判定部25使用有多次的铁粉浓度的测定实绩，通过最小二乘法等推算当前的铁粉浓度，算出推算值。

步骤s27中，再判定部25判断算出的铁粉浓度的推算值是否为规定的阈值以下，如果为规定的阈值以下，则判断为未产生故障，并结束本实施方式的故障诊断处理。另一方面，在铁粉浓度的推算值比规定的阈值大的情况下，判断为发生故障并进入步骤s30。此外，对于规定的阈值，预先求得并设定根据过去的数据或实验等能够判断为故障的铁粉浓度即可。

步骤s28中，再判定部25访问维护实绩数据库19，取得最近的减速器的更换实绩。

步骤29中，再判定部25判断从最近的减速器更换的实施日到目前为止的经过期间是否为规定的阈值以内。如果为刚更换了减速器之后，则发生故障的可能性较低，因此，如果经过期间为规定的阈值以内，则判断为未发生故障，并结束本实施方式的故障诊断处理。另一方面，在经过期间超过规定的阈值的情况下，判断为发生故障并进入步骤s30。

步骤s30中，故障诊断部18在附属设置于故障诊断装置3的未图示的监视器的显示画面上，显示关于关节轴的故障报警，并结束本实施方式的故障诊断处理。

[实施方式的效果]

以上，如详细地说明的，本实施方式的故障诊断装置3中，在干扰扭矩值比故障判定阈值大的情况下将动作轴诊断为故障，对诊断为故障的动作轴，基于过去的维护实绩及检查结果实施故障的再判定。由此，能够使用干扰扭矩值以外的维护实绩及检查结果来诊断故障，因此，能够防止即使为正常仍诊断为故障的错误判定并提高故障的诊断精度。

另外，本实施方式的故障诊断装置3中，对于成为再判定的对象的动作轴，在过去的规定期间内存在铁粉浓度的测定实绩的情况下，如果测定实绩所记录的铁粉浓度的测定值为规定的阈值以下，则将成为再判定的对象的动作轴判定为正常。由此，能够基于干扰扭矩值以外的铁粉浓度的测定实绩来诊断故障，因此，能够防止即使为正常仍诊断为故障的错误判定，并提高故障的诊断精度。

另外，本实施方式的故障诊断装置3中，对于成为再判定的对象的动作轴，在过去的规定期间内没有铁粉浓度的测定实绩的情况下，推算当前的铁粉浓度并算出推算值。而且，如果该推算值为规定的阈值以下，则将成为再判定的对象的动作轴判定为正常。由此，能够基于干扰扭矩值以外的铁粉浓度的推算值来诊断故障，因此，能够防止即使为正常仍诊断为故障的错误判定，并提高故障的诊断精度。

另外，本实施方式的故障诊断装置3中，对于成为再判定的对象的动作轴，在过去的规定期间内没有铁粉浓度的测定实绩的情况下，对于成为再判定的对象的动作轴的减速器取得更换实绩。而且，如果在过去的规定期间内减速器有更换实绩，则将成为再判定的对象的动作轴判定为正常。由此，能够基于干扰扭矩值以外的减速器的更换实绩来诊断故障，因此，能够防止即使为正常仍诊断为故障的错误判定，并提高故障的诊断精度。

如上述，记载了本发明的实施方式，但不应理解为构成该公开的一部分的论述及附图限定本发明。根据该公开内容，本领域技术人员将会明确各种替代的实施方式、实施例及运用技术。

标记说明

1机器人

2机器人控制装置

3故障诊断装置

4生产管理装置

5机器人臂

6伺服电机(电机)

7脉冲编码器

8减速器

9动作集成控制部

10、15、20通信部

11伺服控制部

12干扰扭矩运算部

13状态数据取得部

14伺服放大器部

16干扰扭矩选定部

17干扰扭矩数据库

18故障诊断部

19维护实绩数据库

21生产信息数据库

25再判定部

100故障诊断系统