[发明专利]一种基于聚类分析的工业机器人运行趋势诊断方法

权利要求书

1.一种基于聚类分析的工业机器人运行趋势诊断方法，其特征在于：包括以下步骤，

S1、数据采集，采集工业机器人的静态数据以及运行时的动态数据；

S2、平滑滤波，采用中值滤波方式对采集到的动态数据进行平滑处理，去掉异常的噪声数据；

S3、数据匹配分组，对于采集到的静态数据匹配已有的静态数据组合，然后对动态数据匹配已有的动态数据的类别，根据马式距离法，得出最接近的类别，进行归类；

S4、更新数据平均值，当采集到的动态数据匹配到某一个类别之后，将该类别数据的平均值更新为该类别全部数据的平均值；

S5、健康状况分析，将采集的数据与已有的数据类别组进行比对，并根据比对的差距结果，进行评分；

其中，所述步骤S3数据匹配分组还包括，对每个机器人根据静态数据分组，其次在每个静态数据下，根据速度进行分组，然后再根据位置进行分组，最后再根据扭矩进行分组；

所述的步骤S3中“对动态数据匹配已有的动态数据的类别，根据马式距离法，得出最接近的类别，进行归类”还包括，

S32、在归类之前，先对动态数据进行傅里叶变换，找出数据的周期数，并在每个周期内对应位置取数据并取平均值；

S33、将取得的平均值数据与已有的动态类别数据使用马氏距离法进行匹配，找到与已有动态类别数据中的最接近的类别；

所述步骤S5中对数据类别组进行比对时，对同类数据进行对比，先比较速度数据，再比较位置数据，再比较扭矩数据；

所述步骤S32中“并在每个周期内对应位置取数据并取平均值”的计算方法为：，其中为每个周期位置i处的数据平均值，n为任一周期内位置i处的数据值，m为周期数。

2.根据权利要求1所述的一种基于聚类分析的工业机器人运行趋势诊断方法，其特征在于：所述的步骤S1中，所述静态数据为实时采集，包括机器人型号、机器人类型、操作系统版本、程序名称、协议版本；所述动态数据包括，速度数据、位置数据以及扭矩数据。

3.根据权利要求1所述的一种基于聚类分析的工业机器人运行趋势诊断方法，其特征在于：所述的步骤S3中“对于采集到的静态数据匹配已有的静态数据组合”还包括，

S31、将采集到的静态数据与已有的静态数据组合进行匹配，若不一致，则新加一个静态数据组合。

4.根据权利要求1所述的一种基于聚类分析的工业机器人运行趋势诊断方法，其特征在于：所述的步骤S3还包括，

S331、若采集到的动态数据没有匹配到最接近的类别，则单独新建一个动态数据组合。

5.根据权利要求1所述的一种基于聚类分析的工业机器人运行趋势诊断方法，其特征在于：所述的步骤S4还包括，

S41、当有新的速度数据要匹配类别时，与上一次计算好的类别数据平均值进行对比，对比方式为马氏距离法。

6.根据权利要求1所述的一种基于聚类分析的工业机器人运行趋势诊断方法，其特征在于：所述的步骤S5中“将采集的数据与已有的数据类别组进行比对，并根据比对的差距结果，进行评分”还包括，

S51、分析扭矩数据的匹配结果，速度数据与位置数据的匹配结果不做健康状况分析。

7.根据权利要求6所述的一种基于聚类分析的工业机器人运行趋势诊断方法，其特征在于：所述的步骤S51中，当采集的扭矩数据，与已有的扭矩数据类别组相差为10%以上，则认为该机器人的健康情况出现故障，并根据差距的结果，进行评分；当差距为50%以上时，则进行故障预警。