[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

说明书

本发明涉及一种基于聚类分析的工业机器人运行趋势诊断方法，包括以下步骤，S1、采集周期性数据；S2、平滑滤波；S3、数据匹配分组；S4、更新数据平均值；S5、健康状况分析。本发明通过使用本发明中的故障诊断方法，可实时的给出机器人的运行状态评分，同时不同的机器人，也可适配的使用该方法，并且无需提前训练模型，无需有大量的历史数据，即可直接使用，对工业机器人的健康状态进行评估，提高了工业机器人的寿命，保障了工业的效益。

相关申请参考：

本申请根据《专利法》第二十九条要求2022年12月30日向国家知识产权局提交的发明专利申请（一种基于聚类分析的工业机器人运行趋势诊断方法，申请号为：2021116566457）的优先权，本文以此申请的内容为基础并通过参考将其完整地结合于此。

技术领域

本发明涉及智能机器人技术领域，尤其是一种基于聚类分析的工业机器人运行趋势诊断方法。

背景技术

工业机器人是集自动化生产和集成生产的特点于一身的，面向工业领域的机器装置。近年来在装配制造业中，工业机器人的应用规模在不断扩大，用以提高生产效率，因此，工业机器人自身的正常运行是整个制造系统中的基石，对工业机器人运行状态的健康评估成为需要研究的问题。

由于工业机器人设备运行具有工况复杂和设备多样的特点，为了给机器人的运行状态进行健康评估，目前的现有技术大多是采用有监督学习，以大量的历史数据集为前提，进行训练，从而预测机器人的运行状态，进而达到来为机器人的健康状态进行评分的目的。但是，此方法具有有一定的局限性，即需要大量的历史数据集，因此如何对工业机器人的运行状态进行简单有效的评估，是目前需要解决的问题。

发明内容

本发明提供一种基于聚类分析的工业机器人运行趋势诊断方法，能够采用无监督学习的聚类方式，达到对机器人的健康情况进行打分，并给出故障预警的效果。

本发明解决上述技术问题所采用的技术方案如下：一种基于聚类分析的工业机器人运行趋势诊断方法，包括以下步骤，

S1、采集周期性数据，包括静态数据以及动态数据，通过观察数据的时间序列图，确定数据为周期性的数据；

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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，所述的步骤S3还包括，