[发明专利]在线预警和离线诊断的“预测-验证-反馈-优化”闭环系统

说明书

一种在线预警和离线诊断的“预测‑验证‑反馈‑优化”闭环系统，包括在线预警、离线诊断闭环系统；在线预警闭环系统包括在线预测、验证、反馈、优化，在线预测实现故障类型预测，在线验证判别在线预测是否正确，在线反馈将故障信息反馈至故障预警系统，在线优化对在线误差自检算法进行优化，完善故障案例库；离线诊断闭环系统包括离线预测、验证、反馈、优化，离线预测建立精度退化模型，实现机器人健康状况离线预测，离线验证离线预测准确性，离线反馈将离线预测参数反馈至精度退化模型，离线优化分析参数影响以及精度退化模型演变规律，对数模联动算法进行改进以及参数优化；本发明实现在复杂工况下的准确故障预警，实现更准确的预测性维保。

技术领域

本发明涉及工业机器人技术领域，尤其涉及一种在线预警和离线诊断的“预测-验证-反馈-优化”闭环系统。

背景技术

随着我国产业升级和智能制造快速发展，工业机器人已成为推进制造强国建设的关键支撑装备。虽然我国已连续5年成为工业机器人应用大国，但整体水平与国际相比还存在显著差距，究其原因是：国产机器人在其安全可靠运行方面缺乏有效的故障诊断和预测性维护支撑。工业机器人与传统诊断对象不同，不仅有实时驱控、连续作业、机电控感耦合等特点，而且个体差异显著、工况复杂多变，导致现有定期维保方式难以保障工业机器人的可靠运行。此外，工业机器人不仅有结构本体、执行部件和控制电路的失效模式，还存在精度丧失、性能衰退等问题，使得对其开展健康评估与性能预测难上加难。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种在线预警和离线诊断的“预测-验证-反馈-优化”闭环系统，协同大数据、神经网络等方法，实现工业机器人在复杂工况下的准确故障预警，实现更准确的预测性维保。

为达到上述目的，本发明采用如下技术方案：

一种在线预警和离线诊断的“预测-验证-反馈-优化”闭环系统，包括在线预警闭环系统和离线诊断闭环系统；在线预警闭环系统包括在线预测、在线验证、在线反馈、在线优化四个环节，在线预测环节实现故障类型预测，在线验证环节判别在线预测是否正确，在线反馈环节将故障信息反馈至故障预警系统，在线优化环节对在线误差自检算法进行优化，完善故障案例库；离线诊断闭环系统包括离线预测、离线验证、离线反馈、离线优化四个环节，离线预测环节通过数模联动算法建立精度退化模型，实现某一时间节点机器人健康状况离线预测，离线验证环节验证离线预测准确性，离线反馈环节将离线预测参数反馈至精度退化模型，离线优化环节分析参数影响以及精度退化模型演变规律，对数模联动算法进行改进以及参数优化。

所述的在线预警闭环系统的故障预警系统搭载在边缘端服务器上，故障预警系统包括在线误差自检算法和故障案例库和报警模块；在线误差自检算法提取故障信息，故障案例库提供不同故障的特征信息，报警模块对故障进行报警。

所述的在线预警闭环系统中在线预测环节包括故障预警系统对误差自检算法提取的故障信息与故障案例库进行对比，对故障类型进行识别，同时利用报警模块进行报警。

所述的在线预警闭环系统中在线验证环节包括将在线预测的故障类型与实际故障类型进行对比，判别在线预测结果，若在线预测结果准确，则继续对机器人运行状态进行监测，收集故障信息；若在线预测结果错误，则继续进行在线反馈及在线优化环节。

所述的在线预警闭环系统中在线反馈环节是指将在线误差自检算法提取的故障信息反馈至故障预警系统。

所述的在线预警闭环系统中在线优化环节是指根据故障信息对在线误差自检算法进行优化，改进算法；若出现新型故障，则将故障信息录入故障案例库，提高系统的报警正确率。

所述的离线诊断闭环系统中离线预测环节包括根据工业机器人历史工作状况，利用数模联动算法建立工业机器人精度退化模型，历史工作状况包括工作时间、工作载荷参数，通过精度退化模型计算工业机器人在某一时间节点的运行特征参数，从而对工业机器人健康状态进行离线预测。