致动器诊断和预测的制作方法

相关申请的交叉引证

本申请要求在2015年9月14日提交的美国临时申请序列号62/218,222“致动器诊断和预测(actuatordiagnosticsandprognostics)”的优先权，出于所有目的，该专利申请通过引证整体并入本文。

背景技术：

本申请涉及致动器系统，并且更一般地涉及致动器诊断和预测。具体地，本申请涉及用于自动化致动器系统，包括但不限于在焊接、加工和其他工业过程中使用的致动器的高级诊断和预测技术。

致动器系统包括线性和旋转设计，不同的驱动机构包括电动机、旋转螺杆、皮带传动和气动缸。杆式致动器包括在焊接、加工和其他制造过程中使用的短冲程螺杆驱动装置。螺杆驱动致动器也可以被配置用于增加的加载和延伸，而气动缸和无杆(例如导轨和滑架)系统通常用于速度、冲程长度和节省空间是设计考虑的地方。

主要设计考虑因素包括致动器重量、大小和系统复杂程度。可靠性和使用寿命也是重要因素，特别是在机器人焊接和其他大规模工业应用中，非计划维护和停机时间可能导致生产率大幅下降和相关成本。因此，对于现有技术所没有达到的更高级的致动器诊断和预测技术有持续的需求。

技术实现要素：

本申请涉及用于电机致动器的监控器。监控器被配置为通过使用存储在存储器中并在机载计算装置或处理器中执行的传感器数据分析传感器数据以生成系统状态和健康指示符来执行致动器诊断和预测。传感器提供表征具有已知系统功能、正常工作模式和系统故障模式的致动器部件的数据。监控器被配置为将集成式电机致动器的当前状态和健康状况传送给更高级别的监控器，例如致动器控制器或用户界面。数据也可以被转换为更低级别的维护控制器。

利用这种监控器的电机致动器系统包括被配置为将螺杆轴和螺母组件驱动为围绕轴线相对旋转的电机。推力杆被耦接至螺母组件，其中推力杆被配置为响应于螺杆轴和螺母组件的相对旋转而沿轴线执行往复运动。一个或多个传感器可以被配置为采集表征电机致动器的操作状况的传感器数据。存储器被配置用于存储表示操作状况的模型数据，例如用于电机致动器系统的正常操作模式和故障模式。处理器被配置为基于由传感器数据表征的操作状况相对于模型数据的分析来生成状态指示符。界面被配置为将状态指示符传送到被配置为或适用于操作电机致动器的控制装置。

附图说明

图1为具有诊断监控的机器人致动器系统的示意图。

图2为具有外部诊断监控器封装的致动器系统的剖视图。

图3为具有内部诊断监控器的集成控制杆配置中的致动器系统的剖视图。

图4为具有集成编码器和诊断监控器封装的集成电动机致动器配置中的致动器系统的剖视图。

图5为具有诊断监控的致动器系统的框图。

图6为示出用于致动器系统的诊断和预测监控的方法的框图。

具体实施方式

图1为机器人致动器系统10的示意图，机器人致动器系统10包括具有外部诊断监控器14的(例如，线性的)致动器12。在该特定示例中，线性致动器12被配置为用在自动化机器操作，如机器人焊接或其他工业任务中。如本文所述，监控系统14被配置为执行致动器12的高级诊断和预测功能，包括生成适于减少停机时间和非计划维护的健康状态和预测指示符。

诊断监控器14可以被安装到或密闭在致动器12的保护外壳内，或者设置在机器人设备16上或其他地方。例如，如图1所示，监控器14可以与被安装或密闭在致动器外壳内的“第七轴”反馈装置或其他反馈/控制子系统集成在一起。另选地，监控器14可以作为独立的模块或硬件包提供，并连接到外部用户界面或更高级别的控制器。如下所述，监控器14也可以与机器人控制器集成在一起，例如与设置在机器人控制器内部的第七轴控制系统集成在一起，并且被配置为允许机器人控制器控制并与致动器12通信，或者在单独的致动器/执行器控制子系统中。

在机器人系统10的操作中，机器人设备16操纵机器人臂17以将焊枪或其他端部执行器18相对于工件定位，并且致动器12被操作以执行对应的功能(例如，在汽车组装工艺中的焊接操作或其他工业任务)。如图1所示，机器人系统10包括具有示教盒或其他手动界面21的机器人控制器20，示教盒或其他手动界面21适于编程和控制机器人设备16以与致动器12和焊枪型执行器18一起定位机器人臂17。单独的控制器22被配置为例如通过利用机器人缆线包或类似的缆线24通过用于电力的附加连接28、电机控制以及分别来自致动器12和监控器14的反馈在焊枪或执行器(或其他机器工具部件)18上操作变压器26以控制执行器的操作。

机器人焊接和其他自动化机器工艺相对于手动方法具有许多优点，包括精确定位、一致质量、节能以及对设计变更和其他工业需求的适应性。例如，在机器人焊接中，有效性取决于焊嘴的精确和可靠的定位，并且合适的电动机驱动器线性致动器12可以提高操作速度和定位精度以用于每分钟更一致、高质量的焊接，并具有更少的焊穿和更长的焊嘴寿命。

在数周、数月和数年的过程中，致动器12和端部执行器18的部件被暴露于磨损、应力和其他操作效果。可以安排例行维护以取代焊嘴和其他磨损部件，但解决其他可预测性较差的服务要求，特别是在不同应用中操作状况可能变化很大的情况下，更高级的监控可能是必要的。

为了解决这些问题，可以利用监控器14来提供高级的诊断和预测功能，包括针对一系列不同操作状况和潜在故障模式的自适应和预测功能。通过合适的传感器布置，可以利用这些功能来增加致动器12的有用使用寿命，减少机器人系统10的停机时间和意外的维护要求。

图2为具有外部监控器(或监控器封装)14的致动器系统12的剖视图。在该特定示例中，监控器14通过一个或多个连接器30安装到致动器外壳32。另选地，监控器14可以被安装到机器人臂或者集成到另一控制或反馈系统中，例如作为焊接控制器或其他更高阶的过程级装置的硬件或软件模块。

如图2所示，致动器系统12包括安装到外壳32的监控器封装14，致动器系统12具有内部电机系统34，该内部电机系统34包括中空转子35，该中空转子35邻近定子(或定子绕组)36围绕螺杆轴40同轴地延伸。转子35被支撑在一个或多个轴承38上，并且旋转地耦接至螺纹螺杆或螺杆轴40。取决于冲程末端处杆顶端位置的期望转矩和重复性特性，定子36可以以分段或偏斜设计提供。

螺母42(例如滚珠或滚柱螺母)在致动器外壳32内部的后(远端)端处耦接至推力管44。推力管44也被支撑到位于外壳32的前端(近端)处的一个或多个末端轴承或套管元件46上。响应于转子35对螺杆轴40的旋转，螺母42接合致动器12的螺纹螺杆轴(或动力螺杆)40以使推力管44和杆端48在直线方向上沿轴线a来回移动。在一些设计中，使用伺服电机34来驱动耦接至螺杆轴40的转子35(参见例如图3)。另选地，螺纹轴40可以耦接至推力管44，螺母42在轴向固定的位置与转子35可旋转地耦接，使得轴40和推力管44响应于螺母42的旋转沿轴线a来回移动。这些示例仅仅为代表性的，并且其他构造也包含在内。这些构造包括但不限于如本领域已知的滚柱螺杆组件、滚珠螺杆组件、倒置滚柱螺杆组件、倒置滚珠螺杆组件和其他致动器构造。

高分辨率数字编码器50用于确定螺杆轴40的旋转位置，并因此控制推力管44和杆端48的线性位置。杆端48可以为多个应用提供共同的接口，例如通过螺纹耦接至焊帽或其他工作元件，从而允许致动器12在焊接过程或其他自动化工业操作期间控制对应的执行器位置。

取决于实施例，可以利用擦拭器或刮擦器元件52来防止污染物进入致动器外壳32，并且可以设置一个或多个内部缓冲器54以在冲程结束时保护螺杆和螺母组件。外部安装孔56可以被配置为用于端部执行器的直接安装，并且当致动器12断电时，手动超控装置(manualoverride)58可用于定位转子35并伸出或缩回推力管44。

监控器14包括耦接至一个或多个传感器60t、60c、60v、60p、60l等的处理器和各种存储器部件，这些传感器被安装在致动器外壳32的内部或外部并且经由传感器导线或无线信号元件连接(参见图6)。所述传感器能够直接或间接采集与致动器系统12的温度以及其他环境和操作参数相关的数据。更具体地，各个传感器被配置为直接感测或生成与所选择的致动器部件的温度和其他参数相关的传感器数据，包括在宽的不同操作状况的范围内在长期致动器使用过程中具有实质磨损或故障风险的部件。

关键部件的故障或实质磨损可能导致意外停机，并且存在损坏致动器12的电机、螺母、螺杆轴和其他机械元件的风险。温度和其他传感器数据可以提供有关电机和致动器状态的有价值的信息，以用于生成适于在发生故障前通过检测磨损来预测维护需求的诊断和预测指示符，使得在实际发生故障之前安排适当的服务。

例如，可以配置一个或多个温度传感器60t(例如，热电偶、热敏电阻、电阻温度检测器(rtd)或红外(ir)传感器)以感测致动器系统12的内部温度，例如螺母42的邻近螺杆轴40的后推力轴承38的温度。ir传感器60t或其他元件也可以用于确定在特定冲程位置处的螺母42的温度。附加的温度传感器60t可以被定位以确定定子36，例如在定子绕组的端圈处的温度(其中曲率半径相对较高，并且电流-温度效应更明显)。

一个或多个电流传感器60c可以用于确定定子和转子35的对应转矩输出，例如使用围绕用于定子绕组36的电机电流源耦接的电感式传感器。另选地，负荷传感器60l可以配置为直接确定转子35上的转矩负荷或推力管44的输出力。也可以使用一个或多个位置传感器60p(例如，线性编码器或变换器)以独立于或者与来自旋转编码器50的对应数据协作来确定推力管44和杆端48的线性位置。

一个或多个加速度计或其他振动传感器60v可以耦接至致动器外壳32，以便观察与致动器系统12的操作有关的振动的频率和振幅。对于振动信号，相关部件包括但不限于转子35、螺杆轴40、螺母42和其他机械部件，振动信号可以从该部件传递到外壳32。因此，振动传感器60v也可以安装到处理器和存储器板或监控器14的其他部件，因为这些传感器经由外壳32机械地耦接至螺母42和致动器12的其他内部部件。另选地，一个或多个振动传感器60v可以直接(或相邻)耦接至螺母42，或者光学运动传感器可以用于在特定的冲程位置处查看螺母42的振动状态。

图3为具有内部或嵌入式诊断监控器14的集成控制杆(icr)配置中的致动器系统12的剖视图。在该示例中，使用电动伺服电机34来驱动螺杆轴40，该螺杆轴40经由螺母或滚柱螺杆组件42耦接至推力管44。提供防旋转轴承39以支撑致动器外壳32内的推力管44，并在整个冲程循环期间稳定杆端48以防止旋转。

如图3所示，诊断监控器14设置在内部构造中、排列在致动器/电机外壳32的后部(远侧)部分中、邻近编码器50和电机34以及在外壳32的前(近侧)区段中的相对杆端48。另选地，如本文所述，监控器电子器件可以与数字编码器50的类似部件组合或集成到数字编码器50的类似部件中，或者作为单独的监控器硬件封装或软件模块提供。除了其诊断和预测功能之外，监控器14的集成实施例还可以被配置为利用编码器50的高级分度器编程和经由附加连接器30的菊花链(daisy-chain)控制功能提供数字驱动系统的可操作性。

对于高需求应用，合适的伺服电机和其他电机系统34可以以基本上100％的占空比运行，利用内部热保护和散热片33或类似特征以从外壳32消散热量。取决于应用，电机34可以以直列或同轴配置安装；即，如图3所示，沿着旋转轴线a直接耦接至螺杆轴40，使用过大的后推力轴承38来支撑电机34的前端处的螺杆轴(或导螺杆)40。另选地，电机34可以以平行或反向平行构造安装，使用皮带驱动将电机34耦接至螺杆轴，并且减小致动器系统12和外壳32的总长度。

根据设计，一个或多个振动传感器60v(例如，加速度计或声频率传感器)可以设置在滚柱螺杆组件42上或其附近，或机械地耦接至致动器外壳32(例如，安装在用于监控器14的一个或多个电子板上)。类似地，可以在靠近后轴承38和电机34中的一者或两者处提供热传感器60t，并且可以提供ir传感器60t或光学/声学运动传感器60v以采样滚柱螺杆螺杆/螺母组件42的温度和振动状态。如上所述，附加的位置和负荷传感器60p/l可以用于直接确定冲程位置和力或转矩输出，或者这些可以从电流传感器60c和编码器50导出。

图4为在具有组合的编码器50和诊断监控器14的集成式电机致动器(ima)构造中的致动器系统12的剖视图。在该配置中，编码器50和诊断监控器14被嵌入在致动器外壳32的后端中，并且可以共享处理器和存储器部件。

电机部分34包括围绕螺杆轴40延伸的开放式转子35，其通过与定子36的电磁相互作用而被驱动。可替换的杆擦拭器52被设置在外壳32的前端处，螺杆润滑端口49位于杆端48附近，以便润滑致动器12的内部部件而无需拆开外壳32。

取决于应用，一个或多个振动传感器60v可以耦接至外壳32以例如与感测连接器30处的驱动电流的电流传感器60c一起对通过螺母42、轴40以及致动器12的其他机械部件传送的振动特性采样。如图4所示，热传感器60t也可以设置在后推力轴承38附近或定子36的端圈位置处。如上所述，可以提供位置传感器60p和负荷传感器60l以确定推力管位置和力矩或力的加载。

在图4的内部构造中，监控器14被安装在致动器外壳32内部，以通过分析传感器60t、60c、60v、60p、60l等的数据来执行诊断和预测，从而使用在机载计算装置或处理器中执行的监控器软件生成的指示符生成系统状态和健康信息。监控器软件执行算法，该算法提供由监控器14存储在存储器中的附加应用数据、表示已知的系统功能、操作参数以及正常和异常(例如，系统故障)模式。监控器14也可以被配置为将操作状态和健康数据传送到或用户界面或致动器控制器，或传送到另一个更高级别的系统，例如机器人控制器。

在一些设计中，监控器14与模块化智能位置反馈装置或编码器50集成在一起，监控器14包括处理器、存储器和用于传感器的电连接，所述传感器被配置为测量在致动器12的操作期间生成的温度、电流、位置、力、转矩、振动和声音信号。集成的编码器/监控器模块或硬件封装50还可以包括处理器或微处理器，该处理器或微处理器适于通过将系统状态、健康参数以及诊断和预测指示符传达给用户界面或更高级别的控制系统的界面执行对由监控器14存储的传感器数据进行的诊断操作。

类似的智能编码器/监控器系统50可以适合与集成在致动器外壳32内的电机系统34一起使用，或者不必连接到致动器12用于单独的伺服电机或类似电机系统的独立操作。还可以包括一个或多个负荷传感器60l和位置传感器60p，例如绝对式或增量式光学数字位置编码器、基于磁性或基于电容的数字位置编码器和/或解算器，其被配置用于确定所选致动器部件包括但不限于转子、螺杆轴、螺母、推力管和杆端上的旋转和线性位置以及对应的转矩和力负荷。

可以提供各种其他传感器60t、60c、60v等以用于确定温度、电流和振动或声音参数(例如，频率和振幅)，其所述参数可以被存储在存储器中以供位置反馈装置和处理器使用。因此，合适的编码器50也可以用作监控器14的计算平台、执行存储在存储器中的诊断和预测监控算法并提供数据处理平台以用于利用有线或无线通信接口记录致动器系统历史和组件级应用程序参数，该有线或无线通信接口传送集成的传感器数据以及对应的诊断和预测指示符。

图5为具有诊断监视系统14的致动器系统12的框图，例如如本文所述被配置用于机器人焊接或其他自动化工业过程的线性或旋转致动器12。如图5所示，诊断/预测(或健康监控)系统14包括一个或多个传感器60t、60c、60v、60p、60l等，计算机处理器或微处理器(μp)62，存储器(mem)64，以及用于与更高级别的控制器或用户界面(if)例如图形用户界面(gui)、机器人控制器20或焊接/端部执行器控制22进行通信的输入/输出(i/o)接口65。

监控器14可以安装到外壳32中或设置在外壳32内，例如在具有集成式或嵌入式监控器的致动器系统12中。另选地，监控器14可以远程定位，其中微处理器62和存储器部件64使用外部信号线或无线通信系统耦接至传感器。类似地，处理器62和存储器64可以作为独立部件提供，或者与机器人控制器20或端部执行器控制22中的类似部件集成在一起。在嵌入式构造中，处理器62和存储器64可以与单独的数字编码器50一起安装在外壳32中，或与对应的编码器部件集成在一起。

如本文所述，传感器60t、60c、60v、60p、60l等能够直接或间接采集与致动器系统12的各种部件，包括但不限于电机34、转子35、定子36、轴承38、轴40、螺母42和推力管44的温度、振动、电流、转矩、位置、力、转矩和其他操作参数有关的数据。这些包括在某些操作和环境状况下部件可能会失效，并且其状态是致动器健康状况的敏感指示符。因此，对应的传感器数据提供了有价值的信息，该信息可用于诊断磨损、预测维护需求并减少意外停机时间。

处理器62被配置为使用存储在存储器64中的定制算法和诊断/预测指示符逻辑来处理由传感器采集的数据，以对致动器系统12及其部件的操作状态和健康进行建模。随着时间的推移，指示电动机和致动器健康状况的数据被跟踪并存储在存储器64中，并且监控代码在处理器62上执行以生成具有用于输出到用户界面66和/或更高级别的系统如机器人控制器20或端部执行器控制22的警告或故障指示符的操作历史。

由监控器14生成的诊断和预测信息包括但不限于基于转子速度、定子电流和致动器负荷的电机和致动器剩余维修时间、润滑间隔以及过热指示符和警告。在一个示例中，时间平均的参数值基于对应的传感器数据生成，并且将其与预定的阈值进行比较以生成警告或预测性维护指示符。如本文所述，还可以生成额外的部件级健康和状态指示符，如关于电机和定子部件以及轴承、螺杆轴、螺母、推力管和致动器系统12的其他部件的温度、电机电流、振动、位置、转矩、力负荷和其他操作参数。

存储器64被配置为存储用于致动器系统12的生命周期数据的记录，包括来自一个或多个热传感器60t、电流传感器60c、振动传感器60v、位置传感器60p、负荷变换器60l等的数据，其指示电机、轴、螺母和其他致动器系统部件所暴露的操作和环境状况。生命周期数据可以以直方图形式集成和显示，例如使用内部或外部用户图形界面(或gui)66。

使用存储在存储器64中的致动器电机特定型号信息可以单独配置每个电机致动器装置。特定型号信息可以包括例如在诊断和预测计算以及相关算法中使用的基于操作负荷和冲程数据的有效的剩余有用使用寿命和维修间隔。生命周期记录数据包括传感器数据和关联的参数信息以及时间记录以及来自在处理器62上执行以确定致动器系统12的操作状态的监控代码的结果。在一个示例中，传感器数据根据以存储在存储器64中的各种温度、电流电平和其他操作参数操作的致动器系统12的时间量来分类，并且处理器62可以基于这些结果预测致动器系统12及其部件的剩余使用寿命。可以执行附加代码以生成诊断和预测指示符，例如部件状态的诊断指示符和推荐的维护程序，例如润滑和修理/更换计划以及预测性指示符或用于在一个或多个致动器部件中发生故障的警告。

温度传感器

合适的温度传感器60t包括热电偶、热敏电阻、rtd、ir传感器和其他温度敏感装置，其被配置为生成指示接近所选致动器部件的温度的传感器信号。取决于应用，温度传感器60t可以被配置为感测致动器系统12内部的多个不同温度，例如螺母42沿着螺杆轴40接近后(推力)轴承38的温度，或者ir传感器60t可以用于确定在特定冲程位置处的螺母42的温度。可以提供附加的温度传感器60t以确定定子36，例如在定子绕组的端圈处的温度，其中曲率半径相对较高并且电流-温度效应更明显。

电流和负荷传感器

合适的电流传感器包括电感式传感器、霍尔传感器以及被配置用于确定致动器电机的电流数据包括但不限于定子36中的电流的其他装置。电机电流与致动器的转矩或线性力输出有关，并因此与操作应力有关。

监控器14被配置为观察随时间推移的电流，以便对当前周期进行计数并确定频率，并且生成推力管44和杆端48的行程距离和速度曲线的估算。监控器14还被配置为确定电流脉冲的幅度，以便估算电机正在产生多少转矩并且致动器输送多少推力或线性力。另选地，可以使用力和转矩变换器或负荷传感器60l来更直接地确定这些量。

位置传感器

合适的位置传感器60p包括光学编码器、磁性编码器、线性和旋转变换器以及被配置用于直接或间接确定致动器的可移动部分的位置的其他装置。合适的位置传感器数据包括但不限于转子35(或电机34)和轴40的旋转位置以及螺母42、推力管44和杆端48的线性位置。

监控器14被配置为观察这些致动器部件的位置，以便确定总旋转或线性行进距离。例如，旋转编码器50可以用于确定转子35和轴40的旋转位置，由此可以确定螺母42、推力管44和杆端48的线性位置。另选地，可以定位线性变换器以确定螺母42沿螺杆40的位置，并且可以使用光学或磁性编码器对推力管44和杆端48中的一者或两者进行编码以用于直接测量。

监控器14还被配置为组合位置和电流或力/转矩数据，以便确定在每个致动器周期期间执行多少工作。整合随着时间推移的这些数据，监控器14可以确定相关电机致动器部件的速度和加速度。这些数据用于确定总的累计操作负荷，并估算选定的致动器部件包括但不限于螺杆轴40、螺母42和其他使用寿命有限的机械元件的磨损估算值。这些数据继而被用于在指示预定的维护操作之前估算剩余的使用寿命或致动器系统12。

振动传感器

合适的振动传感器60v包括加速计和力或速度变换器，其被配置为确定选定的致动器部件包括但不限于转子35、轴40、螺母42的振动的振幅和频率。振动传感器60v也可以经由至外壳32的耦接，直接或通过安装在外壳32内的电子部件(例如，在监控器14或编码器50中的处理器或存储器板上)来确定振动的振幅和频率。另选地，可以基于音频或光学信号使用声学或光学振动传感器60v来确定振动特性，并且传感器布置在外壳32的内部或外部。

监控器14被配置为确定包括振动数据的频率和能量谱的振动特性，并且使用该特性来标识生成用于致动器系统12的负面健康指示符的机械部件。更具体地，振动特性随时间推移的变化可以指示致动器12的不同机械部件上的磨损，该振动特性的变化可以用于生成指示特定部件中发生故障的预测故障指示符或警告并且还生成对应的维护警告或标志。

诊断和预测

图6为示出用于致动器系统，例如如本文所述的具有诊断和预测模块或硬件封装14的电机致动器系统12的诊断监控的方法70的框图。如图6所示，方法70包括一个或多个步骤，包括但不限于感测致动器部件的操作状况和环境参数(步骤72)、处理传感器数据(步骤73)、存储(原始和/或处理过的)传感器数据(步骤74)、整合随时间推移的数据(步骤76)以及输出、通信和显示数据(步骤78)。此外，方法70还可以包括生成诊断指示符(步骤80)、生成预测指示符(步骤82)以及推荐维护警告、标志和其他指示符的传送(步骤84)中的一个或多个步骤。如本文所述，这些步骤可以以不同的顺序和组合执行、适于提供用于致动器健康状况和操作状态的诊断和预测指示符并且推荐特定的维护动作。

感测数据(步骤72)包括采集与环境状况和致动器系统上的操作负荷有关的传感器数据。如本文所述，合适的传感器数据包括但不限于温度、电流、负荷、位置和振动数据，其中的任何一者可以直接或间接地从对应的致动器部件获得，例如利用一个或多个温度传感器、电流传感器、负荷传感器、振动传感器和位置传感器。

执行对传感器数据的处理(步骤73)以将传感器信号(或其他传感器数据)转换为有用的输出，包括导出的参数，例如温度、电流、负荷和位置信息等，所述有用的输出表示电机致动器的操作状态和环境状况。通常，处理步骤包括使用查找表或校准数据(或两者)将原始传感器输出(例如，以模拟或数字传感器信号的形式)转换为操作数据的有用记录(例如数字数据或作为时间的函数的表示相关状况和操作参数的其他信息)。

数据存储(步骤74)包括例如利用集成(内部)或模块化(外部)诊断监控器14中的一个或多个存储器部件64将原始传感器数据和导出参数或其他操作信息存储在存储器中。除了由传感器采集的原始数据之外，还存储表示对应的操作和环境参数以及振动特性的导出数据以例如使用如在合适的处理器或微处理器62上执行的软件监控代码和相关算法所确定的存储和处理标准构建随时间推移的电机致动器的操作记录或操作历史。

数据整合(步骤76)包括对所随时间推移所存储的数据进行求和、合并、添加以及以其他方式整合或累积。还可以生成环境参数和操作状况的变化，包括选定的致动器部件的振动特性，如在延长的几天、几小时、几周、几个月和几年的致动器周期中获得的变化。所整合的数据(和整合数据中的变化)也存储在存储器中(步骤74)。

如上所述，输出(步骤78)包括在独立用户界面上例如以直方图或其他整合数据汇总的形式或者经由与机器人控制20或更高级别的端部执行器控制22的通信传达并显示原始传感器数据、导出的环境和操作参数、整合的数据和振动特性中的任一者。还可以传达数据的变化，包括传感器数据或导出的环境状况和随时间推移观测的操作参数的变化、整合的数据汇总的变化以及振动特征的变化(例如频率或振幅谱的变化)。

输出(步骤78)还包括出于传送与致动器操作有关的状态、健康和诊断以及预测信息的目的，与外部用户或过程控制系统的通信。此外，通信还可以允许用户或过程控制系统利用额外的诊断和预测计算信息配置致动器和监控器。这些信息通常与电机致动器规范有关，并且可以包括专有和非专有部件级别的统计数据和用于生成致动器状态报告、预测和诊断潜在的系统和部件故障、估算剩余的使用寿命并生成指示选定电机和致动器部件的实质磨损或故障发生的维护标志的其他应用数据。

生成诊断(步骤80)包括基于环境和操作参数并且基于表示累计操作应力的整合的传感器数据的致动器健康和部件状态的状态指示符。生成预测(步骤82)包括基于整合的传感器数据、振动特性以及其中的变化的用于部件故障和其他潜在维护事件的发生的预测指示符。

如上所述，生成指示符(步骤84)包括推荐的维护程序，例如以避免潜在的部件故障并减少非计划停机时间。在步骤80、82和84中生成的各种指示符和标志也可以存储在致动器监控器数据库中(步骤74)，并显示或以其他方式传送给用户或过程控制系统(步骤78)。更一般地，方法70可以作为迭代过程来执行，其中感测环境参数和操作状况(步骤72)、数据存储(步骤74)、数据整合(步骤76)以及通信和显示(步骤72)的各个步骤以合适的顺序和组合的范围执行，以便开发更好的诊断(步骤80)和预测(步骤82)，并且提供改进的预测性维护标志和其他指示符(步骤84)以减少意外的停机时间并增加整个致动器系统的有用使用寿命。

模型和基于状况的监控

可以利用两大类基于模型和基于状况的分析来生成诊断(步骤80)和预测指示符(步骤82)。继而，可以利用这两种状态指示符来生成维护标志和警告(步骤84)。

在基于模型的方法中，多个冲程和累积的转矩以及力负荷被整合以确定致动器系统执行的总功，并且与针对给定致动器配置和环境状况(例如，系统和组件温度)的实时操作模型进行比较。还可以包括额外的操作参数，如冲程速度、重复速率、最大冲程长度和每次冲程输送的总电流，以便在安排重新润滑(润滑)操作或其他预防性维护之前估算剩余使用寿命。

虽然累积的冲程数和整合的电机电流可以被认为是所做的功总量的关键指示符，但基于模型的动态负荷响应计算和其他更高级的指标也包含在内。这些诊断指标还可以考虑动态负荷和实时环境状况，包括润滑脂和部件温度。与简单的基于时间或冲程计数的维护程序相比，这种方法具有显着的优点，并提供了更完整的致动器系统操作的历史记录。因此，维护标志可以更及时并更详细，并且更具体地针对特定的致动器部件，例如螺杆轴或螺母、电机维护和其他推荐的维修操作。

在基于模型的方法中，每个单独的电机致动器装置可以具有存储在存储器64中的特定模型的经验数据以用于诊断和预测计算。这些数据可以针对特定的电机致动器硬件和操作状况范围进行配置，使得可以将经验数据与实际操作数据和自传感器信号导出的其他信息进行比较，以便确定有用的诊断和预测指示符。合适的示例包括但不限于剩余有用使用寿命或其一部分(例如，预测的有用使用寿命的结束或有用使用寿命的一半)的指示符，以及基于操作状况的类似维护指示符(例如，润滑服务间隔)，包括冲程距离和负荷的积分(或做的功)以及温度、电流、振动和其他传感器信息。

在基于状况的类别中，振动特性、温度特征和其他操作状况也可用于诊断特定致动器部件的健康状况，并预测实际停机事件发生前的故障发生。更具体地，当经受给定的一组操作状况(例如，在给定的轴速度和负荷下)时，振动特性中的变化或偏移可以指示螺杆轴、螺母或其他致动器部件中的磨损或疲劳。类似地，对于给定的电流脉冲和轴负荷，工作温度的变化也可以指示所推荐的独立于基于模型(累积负荷)的方法提出的那些动作的维护动作。

可以使用快速傅立叶变换(fft)或其他合适的算法来分析来自加速度计或其他运动传感器的振动特性，该快速傅立叶变换或其他合适的算法适用于检测振动信号的振幅或频率中的移位。可以独立于或基于运动的振动分析使用类似的算法来检测来自音频变换器或其他音频装置的信号的变化。频率和振幅分析也可以应用于其他传感器输出，包括电机驱动电流的频率响应分析以及对应的负荷传感器和线性或旋转编码器输出的频率和振幅分析。适用于任何传感器信号的其他合适的算法包括基于一阶、二阶和更高阶微分的小波变换、高通、低通和窄通频率滤波、多项式曲线拟合、样条拟合和投影。这些拟合和过滤算法的结果可以用于基于简单的阈值函数和时间预测，通过查看关于一组建模或参考值的变化或差异或通过整合结果并与预测的整合维护标准(例如时间积分电机电流、转矩输入、线性冲程等)进行比较来生成维护标志和诊断/预测指示符。指示符功能还可以被归一化为特定的参考温度，例如通过基于实际操作温度和标准参考温度之间的差异来缩放每个条目或者简单地与建模标称操作模式和系统的已知故障模式的对应功能进行比较。

实例

可以提供诊断致动器系统，其完全在线性致动器内部或与集成的电动机致动器组合并且能够通过从板上和/或外部传感器采集数据并分析数据以生成致动器系统状态和健康指示符、使用存储在存储器中并在机载计算装置或其他处理器部件中执行的算法来执行诊断和预测。所述算法可以使用存储在装置存储器中的应用数据、表示已知的系统功能、正常操作模式和系统故障模式。该系统可以将集成式电机致动器的当前状态和健康指示符传送给更高级别的监控器，该监控器可以为例如致动器的主控制器、用户界面或者系统级装置如机器人控制器。

例1。该系统可以包括能够直接或间接采集与致动器的关键部件的温度和其他操作状况有关的数据的一个或多个传感器。致动器的关键部件可以包括在致动器操作期间具有相对较高的故障风险(或最高风险)的部件和/或其健康对温度相对敏感(或最敏感)的部件。此类部件的故障对于电机致动器来说可能是灾难性的，并因此传感器数据会提供有关电机致动器和部件健康状况的宝贵信息。

例2。该系统可以包括能够采集致动器电机的电流数据的一个或多个传感器。电机的电流直接或间接地与致动器上的应力有多大相关，例如操作转矩或力负荷。通过观察随着时间推移的电流，可以对当前周期进行计数以获得推杆或其他致动器部件的冲程距离的估算。通过观察电流的振幅，可以估算电动机产生多少转矩，以及致动器传递给杆端或其他应用的推力。通过观察电流的频率，还可以获得所选致动器部件例如转子、螺杆、推力管和杆端的速度的估算值。

例3。该系统可以包括能够直接或间接地采集致动器的可移动部分或可移动部件的位置的一个或多个传感器。通过观察这些集成式电机致动器部件的位置，可以确定总冲程距离，并且在与电机电流的数据组合时，可以确定致动器部件在运动时完成了多少工作。当将该数据与时间信息组合时，例如通过积分累积的电流、位置和/或负荷数据，可以确定运动电机致动器部件的速度和加速度。这些数据可以用于计算磨损，包括可用于确定致动器系统的剩余使用寿命的关键系统部件的磨损，并据此推荐诊断和预测维护动作。

例4。该系统可以包括能够采集与振动相关的数据的一个或多个传感器。振动可以为集成到电机致动器中的许多机械部件的磨损或潜在故障(或其开始)的最初迹象之一。通过观察振动的频率和能量，可以标识对致动器的健康有负面影响的特定机械部件。声学传感器可以用作加速度计、光学运动传感器或其他振动传感器的替代品。

例5。该系统可以嵌入电机致动器，并且包括一些形式的存储器，使得处理器可以创建和维护表示电机致动器已经被操作的时间段的生命周期数据的记录。生命周期数据可以以直方图或其他整合格式(例如，通过对致动器系统已经在各种当前水平和温度下操作的时间量或其他操作和环境参数进行排序)来生成和/或显示。生命周期记录可以包含任何或全部传感器输入数据，以及相关的时间数据和用于确定致动器状态、剩余使用寿命以及与推荐的维护、实际和预测部件故障相关的诊断和预测以及其他真实或潜在的灾难性事件的任何处理信息。

例6。该系统可以包括微处理器，该微处理器被配置为使用存储在存储器中的定制算法来执行软件代码以处理由传感器采集的数据，以便建模致动器系统状态。随着时间的推移，电机致动器的健康可以被跟踪，并且处理器可以被配置为向用户或更高级别的监控系统提醒与部件状态有关的关键故障的警告。由诊断和预测算法创建的一些信息可能涉及电动机致动器的剩余可用寿命、润滑间隔、由于(例如)高时间平均轴或转子速度引起的过热、由于高时间平均电流引起的过热和/或具体的部件级健康和状态指示符。

例7。出于传送与潜在的部件故障或推荐的维护事件有关的致动器状态信息、部件健康指示符和/或预测信息的目的，系统可以向外部用户或过程控制系统提供通信。通信协议还可以允许外部用户或控制系统为系统配置选定诊断和预测计算所需的应用信息。

例8。该系统可以包括存储器，该存储器被配置为存储可以用于生成状态指示符、诊断潜在的部件或系统故障、预测电机致动器内的部件的故障(或其开始)和/或估算集成式电机致动器系统的剩余可用寿命的集成式电机致动器规范、专有部件级别统计信息和/或应用信息。

例9。该系统可以由模块化智能位置反馈装置组成，该装置包括用于测量物理和操作参数例如温度、电流和振动或声音的其他传感器的电输入连接部。位置反馈装置可以包括能够执行上述诊断算法并且将系统状态信息和健康指示符传送给更高级别的控制器的机载计算机或处理器部件。

智能编码器可以用于上述任何与线性致动器集成的电机系统、也可以单独应用于电机系统，而无需连接线性致动器。这样的反馈装置还可以包括绝对式或增量式光学数字位置编码器、基于磁性或基于电容的数字位置编码器和/或用于确定位置的解算器。用于温度、电流和振动或声音的一个或多个传感器可以连接到位置反馈装置，该位置反馈装置也可以用作执行诊断和预测算法的计算平台以及用于存储系统历史和装置和应用参数的数据存储平台以及被配置为向更高级别的监控器发送对应的数据和消息的通信装置。

附加实例

根据应用，用于电机致动器的诊断系统可以包括被配置用于采集与电机致动器的操作状况有关的数据的多个传感器、被配置用于分析数据以确定电机致动器的致动器系统状态的处理器以及用于利用可在处理器上执行以确定状态的算法或代码模块来存储数据的存储器。该算法可以基于系统功能、正常操作模式和电机致动器的故障模式来表示指示符，例如，其中，所述系统被配置为将所述状态传达给用于电动机致动器的用户界面或控制器。

在这种诊断系统的一些示例中，所述传感器中的至少一个传感器被配置为采集与电机致动器的部件的温度有关的数据。然后所述状态可以基于与正常操作模式相比的温度来指示部件的健康状态，或者所述状态可以基于与至少一个失败模式相比的温度来预测部件的故障。

至少一个传感器可以被配置为利用在处理器上可执行的至少一个算法或代码模块采集与电机致动器上的应力相关联的电机电流的数据以基于电机电流的周期数估算由致动器的推力杆的行进距离、基于电机电流的幅度估算由致动器产生的转矩或推力或基于电机电流的频率估算推力杆的速度。在这样的系统中，所述状态可以基于与正常操作模式相比的电机电流指示致动器上的累积应力。所述状态还可以基于与至少一种故障模式下的电机电流的对应值相比的电机电流(或集成式电机电流)来预测致动器的故障。

至少一个传感器可以被配置为利用在处理器上可执行的至少一种算法采集关于电机致动器的可移动部分(例如，推力杆)的位置的数据、基于所述位置确定所述可动部分的行进距离、基于行进距离并结合用于电机电流的数据来确定所述致动器所做的功或者基于所述位置数据并结合表征作为时间的函数的位置的相关时序数据来确定所述可动部分的速度和加速度中的一者或两者。在这些示例中，所述状态可以基于行进距离、完成功、速度和加速度中的至少一者来指示所述电机致动器的特定部件上的磨损。

至少一个传感器可以被配置为例如利用基于与正常操作模式相比的振动的频率或振幅的指示机械部件上的磨损的状态或者利用基于与至少一种故障模式相比的振动的频率或振幅预测机械部件的故障的状态，采集与电机致动器的机械部件的振动相关的数据。在这些示例中，至少一个传感器可以包括声学传感器，该声学传感器被配置为采集作为与机械部件的振动有关的音频信号的数据。

处理器和存储器可以嵌入或集成在电机致动器内，并且所述存储器可以被配置为供处理器创建并保持电机致动器已经操作的循环的生命周期记录。这样的生命周期记录可以以直方图形式提供，其中磁带存储器将电机致动器以各种电机电流电平和温度操作的时间分类，或者生命周期记录可以包含由传感器采集的数据、相关的时间数据和用于确定所述状态的处理信息。所述状态可以指示电机致动器的估算剩余使用寿命，或所述状态可以预测电机致动器的故障事件。

所述处理器可以被配置为使用算法或代码模块来处理由传感器采集的数据，以建模电机致动器系统状态并跟踪随时间推移的电机致动器的健康状况或利用警告或关键故障信息向用户界面或控制器提醒。合适的警报和警告可以为从电机执行器剩余可用寿命、润滑间隔、由于高时间平均速度导致的过热、由于高时间平均电流导致的过热以及特定部件级别的健康和状态中选择的关键故障信息。

通信给用户界面或控制器的状态可以包括基于用于配置系统以进行诊断和预测计算的应用信息而传送的健康或预测信息(或两者)。在这些示例中，应用信息可以包括用于电机致动器的一个或多个规范和用于生成所述状态、诊断电机致动器的部件或系统故障、预测电机致动器内的部件的故障或估算电机致动器的剩余可用寿命的部件级统计信息。

模块化智能位置反馈装置可以配备有用于一个或多个传感器的电输入连接部，该一个或多个传感器被配置为采集与从部件温度、电机电流、电机致动器的振动和由电机致动器发出的声音中选择的物理致动器参数有关的数据。所述位置反馈装置可以包括编码器，该编码器包括机载计算机，该机载计算机包括处理器，该处理器被配置为执行存储在存储器中的算法并且还将所述状态传送给用户界面或控制器。

这样的系统可以包括绝对或增量光学数字位置编码器、基于磁性或基于电容的数字位置编码器或用于确定电动机致动器(例如推力管)的可移动元件的位置的解算器中的一者或多者。被配置为采集数据的一个或多个传感器可以连接到位置反馈装置，其中所述装置可以作为用于执行所述算法的计算平台、用于存储所述装置的操作历史和电机致动器的应用参数的数据存储平台或向所述用户界面或控制器发送传达所述状态的消息的通信装置中的一者或多者进行操作。

如本文所述，合适的系统可以包括被配置为操作致动器的电机、被配置为确定致动器的部件温度、电机电流、振动状态、部件位置和部件负荷中的一者或多者的一个或多个传感器以及被配置为基于一个或多个传感器的数据生成所述致动器的状态指示符的处理器。这样的系统可以包括被配置用于存储致动器的操作模型的存储器，所述操作模型包括致动器的规范和作为来自一个或多个传感器的数据的函数的部件级统计信息。在一些示例中，处理器还被配置为基于来自一个或多个传感器的数据与操作模型的比较来生成状态指示符。

这样的处理器可以被配置为基于致动器的累积功和操作模型来估算致动器从电机电流中完成的所述累积功，并且生成作为推荐维修操作的估算间隔的状态指示符。处理器还可以被配置为基于部件温度来修改估算的间隔。

处理器可以基于部件的振动状态的频率或振幅配置来生成状态指示符以作为部件故障的预测。在这些示例中的一些示例中，处理器可以进一步被配置为基于所述部件的振动状态的频率或振幅的变化来生成作为部件故障的指示符的预测。

所述电机可以配置为将螺杆轴和螺母组件驱动为围绕致动器的轴线进行相对旋转，其中所述致动器被配置为响应于螺杆轴和螺母组件的相对旋转而驱动推力管沿着轴线往复运动。一个或多个传感器可以包括至少一个电流传感器，该电流传感器被配置为确定在操作致动器以沿该致动器的轴线往复运动以使推力管循环时提供给电机的电机电流，例如，至少一个电流传感器从电感式传感器或霍尔传感器中选择。

一个或多个传感器可以包括至少一个位置传感器，其被配置为确定推力管沿致动器的轴线的位置，其中位置传感器选自光学编码器、光学数字编码器、磁性编码器和电容式编码器。一个或多个传感器可以包括至少一个负荷传感器，该至少一个负荷传感器被配置为确定致动器上的转矩或力负荷，其中所述处理器被配置为基于所述转矩矩或力负荷的时间积分来生成状态指示符。

一个或多个传感器可以包括至少一个温度传感器，该至少一个温度传感器靠近一个或多个所述螺母以及与所述推力管相对的位于所述螺杆轴的远端处的推力轴承，其中所述至少一个温度传感器选自热电偶、热敏电阻、电阻温度检测器和红外传感器。一个或多个传感器还可以包括靠近所述螺母、处理器和致动器的外壳中的一者或多者的至少一个振动传感器，所述至少一个振动传感器选自加速度计、光学运动传感器和声学传感器。

存储器可以设置成与一个或多个传感器进行信号通信，并且被配置用于存储用于在处理器上执行以生成状态指示符的软件模块或算法。在一些这样的示例中，处理器和存储器以模块形式提供并且耦接至致动器或电机的外壳。另选地，所述电机和致动器可以作为具有设置在集成式电机致动器的外壳内的处理器和存储器的集成电机致动器提供，或者所述致动器可以包括具有处理器和与公共外壳中的编码器集成或组合的存储器的编码器。

操作此类系统的合适方法包括以下一个或多个步骤：感测致动器系统的操作状况、存储表示操作状况的传感器数据、整合随时间推移的传感器数据、基于与致动器系统的操作模型相比较的整合的传感器数据生成诊断指示符、基于与所述操作模型中的一组基于状况的标准的比较生成预测指示符并且将所述诊断和预测指示符中的至少一者传送给被配置为操作所述致动器系统的用户界面或过程控制装置。如本文所述，这些步骤还可以包括基于诊断指示符和预测指示符中的至少一者来传送致动器系统的推荐的维护动作。

利用这种方法的诊断系统典型地包括被配置用于采集与电机致动器的操作状况有关的数据的多个传感器，被配置用于分析数据以确定电机致动器的状态的处理器以及用于存储可在处理器上执行以确定状态的软件的存储器。可以执行该软件以表示系统功能、正常工作模式以及电机致动器的故障模式，并且系统可以被配置为将对应的状态指示符传送给用户界面或更高级别的控制器。

虽然已经参考示例性实施例描述了本发明，但是本领域技术人员应理解，在不脱离本发明的精神和范围的情况下可以进行各种改变并且可以替换等同物。在不脱离这些教导的基本范围的情况下，还可以进行修改以使这些教导适应于其他应用以及特定问题、技术和材料。因此，本发明不限于所公开的具体示例，而是包含落入所附权利要求的范围内的所有实施例。