一种工业机器人健康评估方法、装置及存储介质制造方法及图纸

本发明专利技术涉及智能机器人技术领域，具体涉及一种工业机器人健康评估方法、装置及存储介质，首先根据获取的特征量生成样本数据集，所述特征量表征工业机器人运行状态；接着采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型；从而根据工业机器人的当前运行状态实时评估工业机器人的健康评估类别，本发明专利技术有效利用各种传感器采集的数据，更加客观准确的对工业机器人健康进行评估。

A health assessment method, device and storage medium for industrial robots

【技术实现步骤摘要】
一种工业机器人健康评估方法、装置及存储介质
本专利技术涉及智能机器人
，具体涉及一种工业机器人健康评估方法、装置及存储介质。
技术介绍
工业机器人因其集自动化生产和集成生产的特点于一身，在装配制造业中规模地使用了工业机器人来提高生产效率，工业机器人自身的正常运行是整个制造系统中的基石，对工业机器人的健康评估成为需要研究的问题。在大数据时代，基于数据对工业机器人进行健康评估成为更好的选择，工业机器人数据源主要有两种：中控系统和数据采集传感器，两种方式采集的数据通过工业现场总线协议，完成底层数据向上层网络传输过程中的协议解析以及上层网络向底层设备传输数据过程中的数据协议封装。鉴于此，如何有效利用各种传感器采集的数据，更加客观准确的对工业机器人健康进行评估，成为亟待解决的问题。
技术实现思路
为解决上述问题，本专利技术提供一种工业机器人健康评估方法、装置及存储介质，能够有效利用各种传感器采集的数据，更加客观准确的对工业机器人健康进行评估。为了实现上述目的，本专利技术提供以下技术方案：根据本专利技术第一方面实施例的一种工业机器人健康评估方法，包括：根据获取的特征量生成样本数据集，所述特征量用于表征工业机器人运行状态；采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型；根据工业机器人的当前运行状态实时评估工业机器人的健康评估类别。进一步，所述根据获取的特征量生成样本数据集，具体为：从工业机器人上设置的传感器获取特征量，所述特征量包括负载、误差、速度、力矩、振动、温度；采用主元分析法对特征量进行降维处理，生成样本数据；将所述样本数据中的无效数据进行剔除，得到样本数据集。进一步，所述采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型，包括：获取工业机器人运行的工艺条件，以确定对工业机器人进行评估的特征量组；确定工业机器人在所述工艺条件下的健康评估类别，每个健康评估类别作为一个聚类，所述聚类的总类别数m；确定每个健康评估类别下特征量组的典型值，将所述典型值作为初始聚类中心；计算各样本数据到m个初始聚类中心的距离，并将各样本数据划归到距离其最近的初始聚类中心所在的聚类；计算出各个初始聚类的中心位置，以该位置作为聚类中心重新聚类，直至得到聚类中心不再变化，且最小平方误差准则函数呈现收敛状态。进一步，所述确定每个健康评估类别下特征量组的典型值，具体为：将每个特征量的极大值和极小值按总类别数m进行等分，每个等分点所对应的数值即为该聚类的典型值；将特征量组的全部典型值汇总形成特征量组的典型值。进一步，所述根据工业机器人的当前运行状态实时评估工业机器人的健康评估类别，具体为：实时获取工业机器人的当前特征量，根据所述当前特征量得出工业机器人运行状态的划分结果；根据所述工业机器人运行状态的划分结果计算最近的聚类中心，以该聚类中心得到聚类结果作为工业机器人的健康评估类别。根据本专利技术第二方面实施例的一种工业机器人健康评估装置，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述一种工业机器人健康评估方法。根据本专利技术第三方面实施例的一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述一种工业机器人健康评估方法。本专利技术的有益效果是：本专利技术公开一种工业机器人健康评估方法、装置及存储介质，首先根据获取的特征量生成样本数据集，所述特征量表征工业机器人运行状态；接着采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型；从而根据工业机器人的当前运行状态实时评估工业机器人的健康评估类别。本专利技术有效利用各种传感器采集的数据，更加客观准确的对工业机器人健康进行评估。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，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是本专利技术实施例一种工业机器人健康评估方法的流程示意图；图2是本专利技术实施例步骤S200的流程示意图。具体实施方式以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。参考图1，如图1所示为一种工业机器人健康评估方法，包括以下步骤：步骤S100、根据获取的特征量生成样本数据集，所述特征量表征工业机器人运行状态。本实施例中，所述特征量可通过设置在工业机器人关键节点上的传感器进行采集，通过采集工业机器人在过往运行工作中的大量数据，可形成特征量的大数据，通过大量的特征量形成样本数据集，从而反映工业机器人的整体运行状态。工业机器人运行状态需要从多个维度进行表征，相应的，所述传感器采集的特征量也需要包括多个维度，以客观准确的反映工业机器人的运行状态。通过与传感器进行联网通信即可获取传感器采集的特征量，典型的，可通过WSN网络(wirelesssensornetwork，无线传感器网络)进行联网通信。步骤S200、采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型。在采集到样本数据集后，需要对样本数据集与工业机器人运行状态进行对应，以便于后续的工业机器人健康评估，本实施例中，采用聚类分析的方式对样本数据集进行划分，相比采用人工方式直接对样本数据集进行分类，对所述样本数据集进行聚类分析，可以更加客观准确的对样本数据集进行划分，获得的聚类结果更优。步骤S300、根据工业机器人的当前运行状态实时评估工业机器人的健康评估类别。在通过聚类分析形成之后，可生成聚类模型，通过获得的工业机器人的当前运行状态，可实时评估工业机器人的健康评估类别，即获得工业机器人健康评估结果，由于这一评估过程是根据前期训练好的聚类模型进行判断的，避免了人为判断所造成的主观失误，对工业机器人健康评估结果更加客观准确。本实施例首先根据获取的特征量生成样本数据集，所述特征量表征工业机器人运行状态；接着采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型；从而根据工业机器人的当前运行状态实时评估工业机器人的健康评估类别。本公开提供的实施例可以有效利用各种传感器采集的数据，更加客观准确的对工业机器人健康进行评估。在一个优选的实施例中，所述步骤S100中，根据获取的特征量生成样本数据集，具体为：(1)从工业机器人上设置的传感器获取特征量，所述特征量包括负载、误差、速度、力矩、振动、温度；(2)采用主元分析法对特征量进行降维处理，生成样本数据；主元分析法(Pri本文档来自技高网...

【技术保护点】
1.一种工业机器人健康评估方法，其特征在于，包括：/n根据获取的特征量生成样本数据集，所述特征量用于表征工业机器人运行状态；/n采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型；/n根据工业机器人的当前运行状态实时评估工业机器人的健康评估类别。/n

【技术特征摘要】
1.一种工业机器人健康评估方法，其特征在于，包括：
根据获取的特征量生成样本数据集，所述特征量用于表征工业机器人运行状态；
采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型；
根据工业机器人的当前运行状态实时评估工业机器人的健康评估类别。


2.根据权利要求1所述的一种工业机器人健康评估方法，其特征在于，所述根据获取的特征量生成样本数据集，具体为：
从工业机器人上设置的传感器获取特征量，所述特征量包括负载、误差、速度、力矩、振动、温度；
采用主元分析法对特征量进行降维处理，生成样本数据；
将所述样本数据中的无效数据进行剔除，得到样本数据集。


3.根据权利要求2所述的一种工业机器人健康评估方法，其特征在于，所述采用聚类分析算法对所述样本数据集进行聚类分析，生成聚类模型，包括：
获取工业机器人运行的工艺条件，以确定对工业机器人进行评估的特征量组；
确定工业机器人在所述工艺条件下的健康评估类别，每个健康评估类别作为一个聚类，所述聚类的总类别数m；
确定每个健康评估类别下特征量组的典型值，将所述典型值作为初始聚类中心；
计算各样本数据到m个初始聚类中心的距离，并将各样本数据划归到距离其最近的初始聚类中心所在的聚类；
计算出各个初始聚类的中心位置，以该位置作为聚类中心重新...

【专利技术属性】
技术研发人员：张彩霞，王向东，胡绍林，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44