本发明涉及机器人技术领域，特别涉及一种机器人运行状况评价方法。
背景技术：
机器人在对工业产品进行生产、加工、制造的过程中发挥着重要作用。机器人的运行状况好坏将直接影响到工厂生产产品的品质。对机器人运行状况的评价对于使用机器人的制造业车间具有非要重要的意义。
目前对机器人运行状况好坏的评价办法大多是采用对机器人设备有经验的相关人员进行现场观察，相关人员在现场观察后给机器人评分，因此需要有经验的技术人员，人为主观因素过强，只靠观察无法准备获取机器人运行时振动信号，因此，无法准确地评价机器人的运行状态，可能出现误评和错评的情况，会对机器人后续的工作造成不良影响。
技术实现要素：
本发明提出一种机器人运行状况评价方法，解决了现有技术中无法准确地评价机器人的运行状态的问题。
本发明的一种机器人运行状况评价方法，包括步骤：
采集机器人运行过程中的振动信号，所述振动信号表现为空间坐标下x，y，z方向的信号分量x(i)、y(i)和z(i)，i＝1,2,3,…；
按每采集到n个振动信号为一组，对采集到的振动信号依次分组，得到m组振动信号，n＞1，m＞1；
对每一组振动信号构造参数c，得到c1,c2,......cm，所述参数c呈正态分布，且与所述振动信号的稳定性相关；
计算c1,c2,......cm的均值μ和均方差σ；
对于m组之后的每一组振动信号按上述步骤计算参数c＇，按如下公式计算机器人运行状态的评分值e，e的值若低于预定值，则说明机器人运行状态存在异常，其中t为积分变量，
其中，所述振动信号通过安装在机器人上的振动传感器进行采集。
其中，采集机器人运行过程中的振动信号的采集方式为：每间隔预定时间段采集一次振动信号。
其中，所述预定时间段小于机器人正常运行状态下振动周期的1/5。
其中，采集机器人运行过程中的振动信号的采集方式为：连续采集每一次振动信号。
其中，所述对每一组振动信号构造参数c，得到c1,c2,......cm的步骤具体包括：
对每一组振动信号按组内顺序重新编号如下：x1,x2,x3,......,xn；y1,y2,y3,......,yn和z1,z2,z3,......,zn；并构造如下矩阵：
对于每一组振动信号，根据上述矩阵按如下方式计算参数c：cx＝(axtax)-1axtbx；cy＝(aytay)-1aytby；cz＝(aztaz)-1aztbz；c＝cxtcxcytcycztcz；以得到c1,c2,......cm。
其中，所述n为800～1200。
其中，所述m为8000～12000。
其中，所述k为4～10。
本发明中对机器人运行时振动信号进行采集，通过对振动信号的分析计算来评价机器人运行状况，无需有经验的人员，可以进行自动、客观的评价，避免人为主观因素过强导致的误评和错评的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种机器人运行状况评价方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例的机器人运行状况评价方法流程如图1所示，包括：
步骤s1，采集机器人运行过程中的振动信号，所述振动信号表现为空间坐标下x，y，z方向的信号分量x(i)、y(i)和z(i)，i＝1,2,3,…。
步骤s2，按每采集到n个振动信号为一组，对采集到的振动信号依次分组，得到m组振动信号，n＞1，m＞1。
步骤s3，对每一组振动信号构造参数c，得到c1,c2,......cm，所述参数c呈正态分布，且与所述振动信号的稳定性相关。其中，稳定性是指机器人在正常运行状态下振动信号的表征量(例如：频率、振幅)在允许的误差范围内保持一致。
步骤s4，计算c1,c2,......cm的均值μ和均方差σ。由于机器人正常运行状态下振动信号是稳定的，因此采用上述公式计算得到的参数c，在机器人正常运行时具有稳定性，服从正态分布的概率分布特征。当机器人运行出现异常(例如：出现螺丝松动、润滑不足等问题)时，机器人运行过程中的振动情况会出现异常(例如：振动频率变化或振幅变化)，于是参数c会偏离正态分布的中心。
步骤s5，对于m组之后的每一组振动信号按上述步骤计算参数c＇，按如下公式计算机器人运行状态的评分值e，e的值若低于预定值，则说明机器人运行状态存在异常，其中t为积分变量，积分的区间是从-c＇到+c＇积分求取之后不会存在t，
评价机器人运行状态时，前m组振动信号在工作人员监视下进行，以保证采集正常的振动信号，计算出机器人在正常状态下振动信号的均值和方差。在m组之后的振动中，机器人运行状态的评分值e是在机器人运行过程中不断刷新的，也就是振动传感器不断取得振动的信号，例如：每得到1000个信号就可以计算一次c＇，然后计算一次e，不断得到运行状态的评分值e。由于参数c＇在机器人运行异常时会偏离正太分布的中心，因此机器人运行状态的评分值e会突然减小(如：出现碰撞等情况)，或在不断刷新时也会呈减小的趋势(如：出现螺丝慢慢松动、润滑油损耗等情形)。例如：e＝95分，就表示运行状态非常稳定，e值在不断刷新的过程中不断减小，例如：e≤75分(预定值)，就表示机器人存在螺丝慢慢松动或润滑油损耗等异常，生产的产品品质可能出现问题，需要对工业机器人进行停机检修，不同的机器人可选择不同的预定值。
可见，本发明中对机器人运行时振动信号进行采集，通过对振动信号的分析计算来评价机器人运行状况，无需有经验的人员，可以进行自动、客观的评价，避免人为主观因素过强导致的误评和错评的情况。
步骤s1中，采集机器人运行过程中的振动信号通过安装在机器人上的振动传感器进行振动信号采集。振动传感器采集到的振动信号实际为空间三个方向的加速度信号，即振动传感器将采集到的振动信号分成空间坐标系下的三个加速度信号分量，例如，某一时刻采集到的振动信号为(1，2，3)。其稳定性是指机器人在正常运行状态下三个加速度信号分量在允许的误差范围内保持一致。
步骤s1中，采集机器人运行过程中的振动信号的采集方式为可以为连续采集每一次振动，也可以间隔预定时间段采集一次。连续采集是按传感器固有的采集频率采集机器人的振动信号。间隔预定时间段采集时，该预定时间段小于机器人正常运行状态下振动周期的1/5，以保证每个振动周期都能采集到信号，计算出的e值更准确。
本实施例中，步骤s3采用如下方式(但不限于该方式)对每一组振动信号构造参数c，得到c1,c2,......cm：
对每一组振动信号按组内顺序重新编号如下：x1,x2,x3,......,xn；y1,y2,y3,......,yn和z1,z2,z3,......,zn；并构造如下矩阵：
对于每一组振动信号，根据上述矩阵按如下方式计算参数c：cx＝(axtax)-1axtbx；cy＝(aytay)-1aytby；cz＝(aztaz)-1aztbz；c＝cxtcxcytcycztcz；以得到c1,c2,......cm。
本实施例中，所述n为800～1200，所述m为8000～12000。n和m可根据实际情况选择。
本实施例中，k理论上可以取小于n的任意值，当k取更大时，对参数c的计算结果影响不大，而且k取太大时，会增加计算时间。因此k取值4～10，优选地，k＝5。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。