[发明专利]一种基于深度学习的工业机器人可靠性建模方法

说明书

技术领域

本发明属于深度学习技术领域，具体涉及一种基于深度学习的工业机器人可 靠性建模方法。

背景技术

工业机器人是面向工业领域的多关节机械手或多自由度的机器装置，它能自 动执行工作，是靠自身动力和控制能力来实现各种功能的一种机器。它可以接受 人类指挥，也可以按照预先编排的程序运行，现代的工业机器人还可以根据人工 智能技术制定的原则纲领行动。

现有技术中工业机器人的国内外研究现状分析如下：

(1)工业机器人质量可靠性试验发展：

机器人可靠性研究的最早报道是美国Minnesota大学Maria等人；Khodaban 等人首先提出了故障树分析法(FAT)与失效模式及可靠性分析(FMEA)进行 机器人的可靠性预计；在国内，部分学者也给出了工业机器人可靠性的预测模型。 尽管工业机器人可靠性越来越得到各国学者的重视，但是国外的许多关于机器人 的文献中，只有少许论述了机器人可靠性方面问题，且国外对工业机器人技术实 行严格保密，其系统故障数据资料难以获得，而我国工业机器人研究开发起步较 晚，目前对工业机器人系统可靠性的研究很少。

在标准方面，国内已有工业机器人相关标准近30项，包括GB 11291.1-2011 《工业环境用机器人安全要求第1部分：机器人》、GB/T 12642-2013《工业机器 人性能规范及其试验方法》，但均为模拟初期失效的安全试验，因此与实质意义 的可靠性(寿命)试验仍有一定差距，因此缺少统一规范的质量可靠性检测方法， 既影响工业用户的使用体验，也严重制约国内工业机器人产业的发展。

(2)基于性能退化的可靠性快速检测方法

传统可靠性评估方法以失效时间为统计分析对象，进行大量试验得到产品或 其部件失效数据，利用统计判断准则通过系统可靠性结构模型、部件寿命分布模 型分析得到产品可靠性。随着科技技术发展，长寿命、高可靠性产品越来越多(如 外资品牌工业机器人可靠寿命已达10万小时(约11.5年)),传统可靠性评估方法 暴露出测试周期长、无失效时无法评估等问题。

为克服传统可靠性评估方法存在问题，始于上世纪70年代基于性能退化可 靠性评估方法为长寿命高可靠性产品评估开辟一条新途径。基于性能退化的可靠 性评估是以性能退化特征指标为分析对象，确立退化失效标准，建立性能退化模 型，进而开展可靠性评估，具有快速评估，测试周期短，可评估无失效数据新兴 产品等特点。

可以看出，由于高端工业机器人可靠寿命已达10万小时(约11.5年)，若按 传统可靠性评估方法试验周期太长，试验成本过高，无法满足新兴产业高速发展 和客户对于提升产品质量需求。基于性能退化可靠性检测技术的出现为长寿命产 品可靠性检测提供了新的解决思路，因此有必要开展智能工业机器人可靠性快速 检测技术研究，在保证试验精度前提下，缩短试验周期、降低试验成本。

目前我国已成全球最大的机器人生产国及消费市场，在全球经济不景气的背 景下，机器人产业逆势增长：2013年全球增长12％，中国增长58％；2014年全 球增长27％，中国增长54％，中国增速一直领跑全球机器人市场。机器人产业 高速发展，构筑了中国机器人市场繁荣表象，但由于质量问题也带来可持续发展 隐患。据2015年《新世纪周刊》报道，中国制造的机器人在可靠性方面处于劣 势，国产机器人可靠性寿命为8000小时，而外资品牌达到5～10万小时；著名自 动控制专家、中科院院士吴宏鑫指出“没有质量，没有可靠性，就没有市场。一 台机器人，维修的时间比干活的时间还长，这样的产品不可能有市场”，可见机 器人可靠性已成为我国工业机器人产业进一步可持续发展的瓶颈。

因此，随着国内工业机器人产业的快速发展，解决工业机器人服役可靠性快 速检测方法问题，为用户提供有信服力检测技术支撑，为生产企业提供产品性能 提升技术服务，为工业机器人可靠性检测标准的制修订奠下基础，对于培育国内 工业机器人质量可靠性这一目前处于空白的检测市场有着重要的意义。

工业机器人发展的趋势是人工智能化，深度学习和云机器人是智能机器人领 域的前沿技术，是近几年社会各界的关注热点。深度学习构建的神经网络是驱动 工业机器人的引擎，而云机器人则为工业机器人提供大量的燃料，二者的相互结 合与促进，必将引领一场工业机器人走向人工智能化的变革。

在工业机器人市场化的过程中，最困难的两点是降低成本和提升易用性。后 者比前者更难。然而随着深度学习算法在机器人中应用的越来越多，这个两个问 题都得到了不同程度的解决。