本发明涉及一种机器人控制装置、维护管理方法以及维护管理程序。
背景技术：
：：在制造工业产品的生产线中，是多个机器人一边相互合作一边工作，所以有时即使一台机器人发生故障，生产线也会停止。例如，在构成为利用减速器将马达的输出扭矩加以放大而传递至臂的机器人中，若对驱动系统的随时间经过的老化(例如，减速器的齿轮机构的磨损等)的发展置之不理，则有时会导致故障。在机器人的故障修理中，需要长时间，因此自避免生产线的长时间的停止的角度而言，期望尽可能准确地预测机器人导致故障之前的剩余寿命。鉴于如上所述的情况，专利文献1已提出如下的方法：根据对臂进行驱动的马达的电流指令值的将来的变化倾向，计算电流指令值达到预先规定的阈值之前的预估经过时间，自所述预估经过时间推断剩余寿命。现有技术文献专利文献专利文献1：日本专利特开2016-117148号公报技术实现要素：发明所要解决的问题但是，在机器人的随时间经过的老化的初始阶段，尽管随时间经过的老化正在发展，也在马达的电流指令值中，几乎未出现定量地表示老化的程度的变化，因此难以基于检测到的电流指令值，准确地判定老化的程度。在马达的电流指令值中出现定量地表示老化的程度的变化，且可明显地检测出老化的程度之前，需要某种程度的时间。然而，在之前，尽管是在马达的电流指令值中几乎未出现定量地表示老化的程度的变化的随时间经过的老化的初始阶段，也基于所检测出的电流指令值推断剩余寿命，因此推断精度低，实用上不充分。因此，必须防备机器人的故障而保管预备的零件，或定期地检查机器人，从而期望维护管理的效率化。因此，本发明的课题在于解决如上所述的问题，提出一种可高精度地推断机器人本体的剩余寿命的技术。解决问题的技术手段为了解决所述问题，本发明的相关机器人控制装置包括：驱动控制部，对机器人本体的驱动进行控制；检测部，检测特征量，所述特征量定量地表示伴随着机器人本体的驱动随时间经过而老化的机器人本体的老化的程度；判定部，基于特征量判定机器人本体的故障的征兆的有无；以及推断部，当判定为有机器人本体的故障的征兆时，推断机器人本体的剩余寿命。如上所述，并非在检测机器人本体的故障的征兆之前，推断机器人本体的剩余寿命，而是在检测出机器人本体的故障的征兆之后，推断机器人本体的剩余寿命，由此可提高剩余寿命的推断精度。判定部也可在特征量中明显地开始出现定量地表示机器人本体的老化的程度的变化时，判定为有机器人本体的故障的征兆。由此，可准确地判断故障的征兆。推断部也可根据特征量的伴随着时间经过的变化的倾向，推断预估特征量超过作为表示机器人本体的故障的参数而预先设定的阈值的故障时期，估计自当前时点至故障时期为止的期间作为剩余寿命。检测出故障的征兆之后，特征量的大小由于伴随着时间经过而明显地开始增加，因此可根据特征量的伴随着时间经过的变化的倾向，高精度地估计剩余寿命。定量地表示伴随着机器人本体的驱动随时间经过而老化的机器人本体的老化的程度的特征量也可包含自机器人本体产生的振动或声音。又，机器人本体也可包含臂、及使将动力传递至所述臂的旋转轴旋转的马达，定量地表示伴随着机器人本体的驱动随时间经过而老化的机器人本体的老化的程度的特征量也可包含马达的电流指令值。作为定量地表示伴随着机器人本体的驱动随时间经过而老化的机器人本体的老化的程度的特征量，通过使用声音、振动或电流指令值中的任一者，可不使机器人本体分解，而检测出故障的征兆。本发明的相关维护管理方法是机器人控制装置执行如下的步骤：对机器人本体的驱动进行控制；检测特征量，所述特征量定量地表示伴随着机器人本体的驱动随时间经过而老化的机器人本体的老化的程度；基于特征量判定机器人本体的故障的征兆的有无；以及当判定为有机器人本体的故障的征兆时，推断机器人本体的剩余寿命。如上所述，并非在检测机器人本体的故障的征兆之前，推断机器人本体的剩余寿命，而是在检测出机器人本体的故障的征兆之后，推断机器人本体的剩余寿命，由此可提高剩余寿命的推断精度。本发明的相关维护管理程序是使机器人控制装置执行如下的步骤：对机器人本体的驱动进行控制；检测特征量，所述特征量定量地表示伴随着机器人本体的驱动随时间经过而老化的机器人本体的老化的程度；基于特征量判定机器人本体的故障的征兆的有无；以及当判定为有机器人本体的故障的征兆时，推断机器人本体的剩余寿命。如上所述，并非在检测机器人本体的故障的征兆之前，推断机器人本体的剩余寿命，而是在检测出机器人本体的故障的征兆之后，推断机器人本体的剩余寿命，由此可提高剩余寿命的推断精度。发明的效果根据本发明，可高精度地推断机器人本体的剩余寿命。附图说明图1是表示本发明的实施方式的相关机器人的结构的一例的说明图。图2是表示定量地表示本发明的实施方式的相关机器人本体的老化的程度的特征量的伴随着时间经过的变化的曲线图。图3是表示本发明的实施方式的相关机器人的硬件结构的一例的说明图。图4是表示本发明的实施方式的相关维护管理方法的一例的流程图。图5是表示本发明的实施方式的相关故障的征兆的有无的判定处理的一例的流程图。图6是表示推断本发明的实施方式的相关剩余寿命的处理的一例的说明图。具体实施方式以下，基于附图，对本发明的一方面的相关实施方式进行说明。本发明的实施方式是为了使本发明容易理解的形态，并非用以对本发明限定性地进行解释。本发明在不脱离其主旨的情况下，可进行变更或改良，并且在本发明中，也包含其等效物。再者，同一符号表示同一构成组件，并省略重复的说明。[应用例]首先，一面参照图1，一面对本发明的应用例进行说明。图1表示本发明的实施方式的相关机器人100的结构的一例。机器人100例如，也可包括作为操作器(manipulator)而自发地运行的机器人本体200、以及对机器人本体200的动作进行控制的机器人控制装置300。作为机器人100的具体例，可举出垂直多关节机器人、水平多关节机器人、正交机器人或平行链接机器人(parallellinkrobot)等。机器人100例如可用于零件的组装、搬运、涂饰、检查、研磨或清洗等之中的任一用途。机器人本体200例如也可包括：臂203，作为操作器而运行；马达201，使将动力传递至臂203的旋转轴204旋转；以及减速器202，使旋转轴204的旋转速度减速而使扭矩增大，将具有经增大的扭矩的动力通过输出轴205而传递至臂203。此处，旋转轴204例如是马达201的输出轴。为了便于说明，在图1中，例示有机器人本体200的轴数(关节数)为1的情况，但轴数也可为2以上(例如，四轴～七轴)。机器人控制装置300例如也可包括：运行指令部302，生成马达201的运行指令；驱动控制部305，响应来自运行指令部302的运行指令，对马达201的驱动进行控制；检测部306，检测特征量，所述特征量定量地表示伴随着机器人本体200的驱动随时间经过而老化的机器人本体200的老化的程度；判定部303，基于所检测出的特征量，判定机器人本体200的故障的征兆的有无；以及推断部304，当判定为有机器人本体200的故障的征兆时，推断机器人本体200的剩余寿命。作为定量地表示机器人本体200的老化的程度的特征量的示例，可举出自机器人本体200的零件(例如，减速器202)产生的振动(例如，振动成分的振幅及频率)或声音(例如，声音的振幅及频率)、或马达201的电流指令值(例如，电流指令值的振幅及频率)。机器人控制装置300例如也可包括具有微计算机的控制部301，运行指令部302，判定部303及推断部304的功能也可通过控制部301的微计算机所具备的信息处理功能而实现。机器人控制装置300也可还包括输出表示机器人本体200的剩余寿命的信息的输出装置307。输出装置307既可为通过文字或记号等在视觉上可识别的信息而传达剩余寿命的显示装置(例如，液晶显示器、电场发光显示器或等离子体显示器等平板显示器)，也可为通过音响信号等在听觉上可识别的信息而传达剩余寿命的音响装置(例如，扬声器(speaker)装置)。输出装置307也可为经由有线线路或经由无线线路发送表示机器人本体200的剩余寿命的信息的通信装置。表示剩余寿命的信息的发送目的地例如既可为使用者的通信终端(例如，智能电话、智能手表(smartwatch)或被称为平板(tablet)终端的移动通信终端、或具有通信功能的个人计算机)，或也可为具有通信功能的外部设备。图2表示曲线图10，曲线图10表示定量地表示机器人本体200的老化的程度的特征量的伴随着时间经过的变化。图2的横轴表示时间，纵轴表示特征量的大小(例如，振动成分的振幅)。存在如下的倾向：机器人本体200的老化的程度越大，特征量的大小也越大。在本说明书中，将在特征量中明显地开始出现定量地表示机器人本体200老化的程度的变化的现象称为“故障的征兆”，将检测出故障的征兆的时期称为“征兆检测时期”。符号th1表示作为表示机器人本体200的故障的征兆的参数而预先设定的阈值。阈值th1例如是，在特征量中明显地开始出现定量地表示机器人本体200的老化的程度时的特征量的大小。也可根据定量地表示多个机器人本体的各自的老化的程度的特征量的伴随着时间经过的变化的过去的统计倾向，通过使用者的判断而确定阈值th1，或者，也可通过判定部303的判断而自动确定阈值th1。符号t1表示征兆检测时期。在本说明书中，将对机器人本体200的正常动作带来显着障碍的状态称为“故障”，将产生故障的时期称为“故障时期”。符号th2表示作为表示机器人本体200的故障的参数而预先设定的阈值。阈值th2是例如，对机器人本体200的正常动作开始产生显着的障碍时的特征量的大小。也可根据定量地表示多个机器人本体的各自的老化的程度的特征量的伴随着时间经过的变化的过去的统计倾向，通过使用者的判断而确定阈值th2，或者，也可通过判定部303的判断而自动确定阈值th2。符号t2表示故障时期。在机器人本体200的随时间经过的老化的初始阶段，尽管随时间经过的老化正在发展，也在特征量中，几乎不出现定量地表示老化的程度的变化。当特征量为阈值th1以下时，判定部303判定为无机器人本体200的故障的征兆。并且，若特征量超过阈值th1，则判定部303判定为有机器人本体200的故障的征兆。若检测出故障的征兆，则特征量的变化量伴随着时间经过而明显地增大。推断部304例如，根据自征兆检测时期t1至当前时点为止的特征量的伴随着时间经过的变化的倾向，推断预估特征量超过阈值th2的故障时期t2。推断部304也可估计自当前时点至故障时期t2为止的期间作为剩余寿命。如上所述，并非在检测机器人本体200的故障的征兆之前，推断机器人本体200的剩余寿命，而是在检测出机器人本体200的故障的征兆之后，推断机器人本体200的剩余寿命，由此可整体上提高剩余寿命的推断精度。[硬件结构]其次，一面以图3为中心，适当参照图1，一面说明机器人100的硬件结构的一例。机器人本体200中，作为图1所示的马达201的一例，包括带编码器的伺服马达206。机器人控制装置300中，作为图1所示的控制部301的一例，包括控制器308。控制器308也可为例如包括处理器309、存储装置310及输入输出界面311作为硬件资源的微计算机。存储装置310也可保存用以执行本发明的实施方式的相关维护管理方法的维护管理程序312，维护管理程序312也可包括在所述主程序之中被调出而执行的多个软件模块(例如，运行指令模块313、判定模块314及推断模块315)。存储装置310例如是半导体存储器或盘片媒体等计算机可读取的记录媒体。运行指令模块313是通过处理器309来解释及执行，通过控制器308的硬件资源与运行指令模块313合作，而实现作为图1所示的运行指令部302的功能。判定模块314是通过处理器309来解释及执行，通过控制器308的硬件资源与判定模块314合作，而实现作为图1所示的判定部303的功能。推断模块315是通过处理器309来解释及执行，通过控制器308的硬件资源与推断模块315合作，而实现作为图1所示的推断部304的功能。如上所述，运行指令部302、判定部303及推断部304的功能既可通过控制器308的硬件资源与维护管理程序312的合作而实现，或者也可使用专用的硬件资源(例如，面向特定用途的专用集成电路(applicationspecificintegratedcircuit，asic)、或现场可编程门阵列(fieldprogrammablegatearray，fpga)等)或固件(firmware)而实现。机器人控制装置300中，作为图1所示的驱动控制部305的一例，包括伺服驱动器316。机器人控制装置300中，作为图1所示的检测部306的一例，包括检测自机器人本体200的零件(例如，减速器202)产生的振动的振动传感器317。再者，减速器202例如既可包括与旋转轴204的旋转联动地旋转的轴承机构或齿轮机构，也可由于轴承机构或齿轮机构的随时间经过的老化而产生振动。振动的产生原因并不限于减速器202的随时间经过的老化，例如，也可因与旋转轴204的旋转联动的零件的随时间经过的老化而引起。作为减速器202，例如，也可使用被称为简谐驱动(harmonicdrive)(注册商标)的波动齿轮装置。[维护管理方法]其次，一面参照图4，一面对本发明的实施方式的相关维护管理方法的一例进行说明。在步骤401中，伺服驱动器316对机器人本体200的驱动进行控制。在步骤402中，振动传感器317检测特征量(例如，振动成分的振幅及频率等)，所述特征量定量地表示伴随着机器人本体200的驱动随时间经过而老化的机器人本体200的老化的程度。在步骤403中，判定模块314判定机器人本体200的故障的征兆是否已检测完毕。在步骤404中，判定模块314基于步骤402中所检测出的特征量，判定机器人本体200的故障的征兆的有无。关于步骤404的详情，将在后文描述。在步骤405中，推断模块315推断机器人本体200的剩余寿命。关于步骤405的详情，将在后文描述。在步骤406中，输出装置307输出表示步骤405中所推断的剩余寿命的信息。在步骤407中，推断模块315基于机器人本体200的实际的运转条件，计算寿命时间lh。例如，若将10％保证概率时的减速器202的寿命时间设为l10，将额定扭矩设为tr，将额定旋转速度设为nr，将输出侧的平均负载扭矩设为tar，将平均输入旋转速度设为nav，则可作为寿命时间lh＝l10(tr/tar)3(nr/nav)而计算。基于实际的运转条件而计算出的寿命时间lh成为判断故障时期的大概的基准。在步骤408中，输出装置307输出表示步骤407中所计算出的寿命时间lh的信息。再者，步骤401～步骤408的步骤也可在机器人本体200正在运行时定期地反复执行。若检测出一次机器人本体200的故障的征兆，则其后，省略步骤404、步骤407、步骤408的步骤。步骤404的执行频次与步骤405的执行频次既可相同，也可不同。例如，步骤404的执行频次也可十分钟一次，步骤405的执行频次也可一天一次。又，步骤407、步骤408并非必需，因此也可省略。其次，一边参照图5，一面对步骤404中的故障的征兆的有无的判定处理的一例进行说明。在步骤501中，判定模块314针对步骤402中所检测出的特征量，计算时间区域的特征量。作为时间区域的特征量的示例，可举出(1)平均值、(2)标准偏差、(3)最大值、(4)最小值、(5)应变度、(6)尖度、(7)均方根、(8)振幅、(9)波峰因数等。在步骤502中，判定模块314针对步骤402中所检测出的特征量，计算频率区域的特征量。作为频率区域的特征量的示例，可举出(1)旋转频率、(2)内轮损伤频率、(3)外轮损伤频率等。此处，将谐波的阶数设为k，旋转频率设为f，将造波机内径设为r1，将造波机外径设为r2，将轴承球数设为bn，将减速比设为c。第k谐波的旋转频率可作为k×f而计算。第k谐波的内轮损伤频率可作为k×r2×(1+c)×bn×f/(r1+r2)而计算。第k谐波的外轮损伤频率可作为k×r1×(1+c)×bn×f/(r1+r2)而计算。在步骤503中，判定模块314使用步骤501中所计算出的一个或多个时间区域的特征量、以及步骤502中所计算出的一个或多个频率区域的特征量制作特征矢量，并使其标准化。在步骤504中，判定模块314削减步骤503中所获得的特征矢量的维数。在步骤505中，判定模块314利用步骤504中所获得的特征矢量，通过一类识别方法或二类识别方法，而判定故障的征兆的有无。在一类识别方法中，只要预先学习未检测出故障的征兆的机器人本体200的特征量，判定步骤504中所获得的特征矢量是否属于未检测出故障的征兆的类别即可。二类识别方法中，只要分别预先学习未检测出故障的征兆的其他机器人本体的特征量与已检测出故障的征兆的其他机器人本体的特征量，判定步骤504中所获得的特征矢量是属于未检测出故障的征兆的类别，还是属于已检测出故障的征兆的类别即可。再者，用于判定故障的征兆的有无的特征矢量不一定必须包含一个或多个时间区域的特征量、及一个或多个频率区域的特征量，例如，也可不含时间区域的特征量，而包含一个或多个频率区域的特征量，或者也可不含频率区域的特征量，而包含一个或多个时间区域的特征量。又，在步骤505中的判定故障的征兆的有无的步骤中，不一定必须使用类别识别方法，例如，也可对任一个时间区域的特征量与阈值进行比较而判定故障的征兆的有无，或者也可对任一个频率区域的特征量与阈值进行比较而判定故障的征兆的有无。例如，在步骤505中，对任一个时间区域的特征量与阈值进行比较而判定故障的征兆的有无时，也可省略步骤503、步骤504。又，例如，在步骤505中，对任一个频率区域的特征量与阈值进行比较而判定故障的征兆的有无时，也可省略步骤503、步骤504。其次，一边参照图6，一边说明步骤405中的推断剩余寿命的处理的一例。图6的横轴表示时间，纵轴表示特征量的大小(例如，振动成分的振幅)。符号11表示自征兆检测时期t1至当前时点t3为止所检测出的特征量11。推断模块315对回归线12进行分析，所述回归线12是逼近自征兆检测时期t1至当前时点t3为止的特征量11的伴随着时间经过的变化的线。回归线12例如也可为单回归直线。推断模块315基于回归线12，推断可预估特征量超过阈值th2的故障时期t2。推断模块315将自当前时点t3至故障时期t2为止的期间推断为剩余寿命。此处，已说明根据自征兆检测时期t1至当前时点t3为止的特征量11的伴随着时间经过的变化的倾向，推断故障时期t2的情况，但也可根据自征兆检测时期t1至当前时点t3为止的距离(例如，在步骤505中，通过一类识别方法而计算的距离)的伴随着时间经过的变化的倾向，推断故障时期t2。在上述说明中，作为定量地表示机器人本体200的老化的程度的特征量的示例，已例示自机器人本体200的零件(例如，减速器202)产生的振动(例如，振动成分的振幅及频率)，但当使用声音(例如，声音的振幅及频率)作为特征量时，只要将收集来自机器人本体200的声音的集音装置用作检测部306即可。又，当使用马达201的电流指令值(例如，电流指令值的振幅及频率)作为特征量时，只要将获取马达201的电流指令的器件用作检测部306即可。再者，也可使用振动、声音及电流指令值之中任两个以上的组合，检测机器人本体200的故障的征兆。根据本实施方式，并非在检测机器人本体200的故障的征兆之前，推断机器人本体200的剩余寿命，而是在检测出机器人本体200的故障的征兆之后，推断机器人本体200的剩余寿命，由此可提高剩余寿命的推断精度。由此，可有助于机器人100的长期维护管理，例如，可抑制防备机器人100的故障而保管的零件的管理成本、机器人100的定期检查的成本。再者，本发明的实施方式的相关机器人100并不限定于用于工厂自动化(factoryautomation)的产业机器人，例如，也可为用于服务业的机器人(例如，操作机器人(operatingrobot)、医疗用机器人、扫地机器人、救援机器人(rescuerobot)、安保机器人(securityrobot)等)。[附记]本发明的实施方式的一部分或全部可如以下的附记所述，但并不限定于以下所述。(附记1)一种机器人控制装置300，包括：驱动控制部305，对机器人本体200的驱动进行控制；检测部306，检测特征量，所述特征量定量地表示伴随着机器人本体200的驱动随时间经过而老化的机器人本体200的老化的程度；判定部303，基于特征量，判定机器人本体200的故障的征兆的有无；以及推断部304，当判定为有机器人本体200的故障的征兆时，推断机器人本体200的剩余寿命。(附记2)根据附记1所述的机器人控制装置300，其中判定部303在特征量中明显地开始出现定量地表示机器人本体200的老化的程度的变化时，判定为有机器人本体200的故障的征兆。(附记3)根据附记1或附记2所述的机器人控制装置300，其中推断部304根据特征量的伴随着时间经过的变化的倾向，推断预估特征量超过作为表示机器人本体200的故障的参数而预先设定的阈值的故障时期t2，估计自当前时点t3至故障时期t2为止的期间作为剩余寿命。(附记4)根据附记1至附记3之中任一项所述的机器人控制装置300，其中特征量包含时间区域的特征量及频率区域的特征量。(附记5)根据附记1至附记4之中任一项所述的机器人控制装置300，其中特征量是由机器人本体200产生的振动或声音。(附记6)根据附记1至附记4之中任一项所述的机器人控制装置300，其中机器人本体200包含使将动力传递至臂203的旋转轴204旋转的马达201，特征量是马达201的电流指令值。(附记7)根据附记1至附记6之中任一项所述的机器人控制装置300，其中当判定为无机器人本体200的故障的征兆时，推断部304基于机器人本体200的实际的运转条件，计算寿命时间lh。(附记8)一种维护管理方法，机器人控制装置300执行如下的步骤：对机器人本体200的驱动进行控制的步骤401；检测特征量的步骤402，所述特征量定量地表示伴随着机器人本体200的驱动随时间经过而老化的机器人本体200的老化的程度；基于特征量判定机器人本体200的故障的征兆的有无的步骤404；以及当判定为有机器人本体200的故障的征兆时，推断机器人本体200的剩余寿命的步骤405。(附记9)一种维护管理程序312，使机器人控制装置300执行如下的步骤：对机器人本体200的驱动进行控制的步骤401；检测特征量的步骤402，所述特征量定量地表示伴随着机器人本体200的驱动随时间经过而老化的机器人本体200的老化的程度；基于特征量判定机器人本体200的故障的征兆的有无的步骤404；以及当判定为有机器人本体200的故障的征兆时，推断机器人本体200的剩余寿命的步骤405。(附记10)一种记录媒体，记录附记9所述的维护管理程序312，计算机可读取。符号的说明100：机器人200：机器人本体201：马达202：减速器203：臂204：旋转轴205：输出轴206：伺服马达300：机器人控制装置301：控制部302：运行指令部303：判定部304：推断部305：驱动控制部306：检测部307：输出装置308：控制器309：处理器310：存储装置311：输入输出界面312：维护管理程序313：运行模块314：判定部模块315：推断模块316：第三驱动器317：振动传感器当前第1页12当前第1页12