一种基于K-S检验的机器人运行状态判断方法技术

本发明专利技术涉及一种基于K

【技术实现步骤摘要】
一种基于K
‑
S检验的机器人运行状态判断方法


[0001]本专利技术涉及一种基于K
‑
S检验的机器人运行状态判断方法，属于机器人状态评估


技术介绍

[0002]随着工业自动化程度的不断提高，关节型工业机器人广泛应用于自动化工厂。工业机器人传动系统的核心是RV减速器，占到其总成本的1/3以上。其作为专业机器人中的主要旋转部件，随着服役时间的延长，可靠性逐渐降低，故障率上升。故障停机会造成自动化生产线停止运行，再加上机器人更换减速机需要将其调离工位，耗费大量时间，会给企业带来很大经济损失。
[0003]因此，有必要针对减速机运行状态进行监测，目前已经提出的关于工业机器人状态监测的方法已经较为成熟，但还是存在着一定的问题，目前机器人运行信号正常状态区间的建立主要方法有：调用数据库内数据，这种方法在机器人负载和动作路径未在数据库时无法进行状态判断；根据机器人往复运动时不同周期运动轨迹上同一点的监测值来建立基准范围，如果机器人运行周期中有一段机器人静止或者快速的在一个位置附近反复穿梭，可能会造成不同周期中相同运动位置的判断错误。目前的方法中针对机器人异常的判断主要停留在是否存在异常以及异常总持续时间或周期上，针对异常程度和一个周期中异常持续没有一个具体的判断方式，以及目前的方法中主要是针对一个周期进行异常判断，异常判断精度可能会存在误差。

技术实现思路

[0004]本专利技术提供了一种基于K
‑
S检验的机器人运行状态判断方法，以用于解决上述针对基准周期建立和数据异常判断中存在的问题。
[0005]本专利技术的技术方案是：一种基于K
‑
S检验的机器人运行状态判断方法，所述方法具体步骤如下：
[0006]Step1、获得K
a
组机器人往复运动的正常运行离散周期信号K
ai
(n)，和相同组数的K
b
组机器人往复运动的测试周期信号K
bi
(n)；信号类型可以是扭矩、电流、转速等具有周期性变化的机器人运行信号；进一步地，所述步骤Step1中，对信号处理获得周期信号可以参照申请号为：201710486447.8的专利申请：基于频率校正和互相关原理的往复运动周期提取方法。
[0007]Step2、若选取的信号类型为交变信号，则对K
ai
(n)和K
bi
(n)进行处理，分别获得其单边包络信号P
i
(n)和Q
i
(n)，若选取的信号类型是单边信号，则不需要进行处理，直接将K
ai
(n)和K
bi
(n)等效于P
i
(n)和Q
i
(n)；所述Step2中，若需对K
ai
(n)和K
bi
(n)进行处理，获得其单边包络信号的方法不做限。
[0008]Step3、对Step2得到的P
i
(n)通过M等分逐段平均得到信号X
i
(n)，其中M等分后第j段对应的信号为X
ij
(n)，对周期基准信号每一段的值将G
j
(n)连接起
来得到周期基准信号G(n)；
[0009]Step4、将Step3中得到的X
i
(n)与周期基准曲线G(n)进行比较，根据标准差计算公式计算标准差，再根据标准差倍数k建立基准状态上限曲线G
ul
(n)和基准状态下限曲线G
dl
(n),G
ul
(n)＝G(n)+kσ(n)，G
dl
(n)＝G(n)
‑
kσ(n)；
[0010]Step5、将Step2中获得的信号Q
i
(n)选取其第一组Q1(n)，通过M等分逐段平均得到Y1(n)与Step4中建立的基准状态上限和下限曲线进行对比，如果截取出的周期信号的单边包络信号满足以下公式：G
dl
(n)≤Y1(n)≤G
ul
(n),则机器人状态判别为正常，反之，机器人状态存在异常；
[0011]Step6、若机器人往复运动的测试信号K
bi
(n)存在异常，对Step2中得到的Q
i
(n)通过M等分逐段平均得到Y
i
(n)；
[0012]Step7、将X
i
(n)和Y
i
(n)逐点进行K
‑
S检验，判断其是否具有显著性差异；
[0013]Step8、求出测试周期信号K
bi
(n)的异常程度γ和异常持续β％。
[0014]作为本专利技术的进一步方案，所述Step7中，X
i
(n)和Y
i
(n)逐点进行K
‑
S检验的方法为：对于两组不同信号的同一时刻各组的值，分别设为A1和A2，每组都有a个信号值，对A1和A2分别做其累积分布函数F1(x)和F2(x),求得F1(x)和F2(x)差的绝对值的最大值D,最后判断D是否在指定的置信区间内，若D在指定的置信区间D
α
内，则说明两组数据之间没有显著性差异，信号没有出现异常，若D在指定的置信区间D
α
之外，则说明两组数据之间有显著性差异，信号出现异常。
[0015]作为本专利技术的进一步方案，所述累积分布函数的定义为：对连续函数，所有小于等于c的值，其出现概率的和，即F(c)＝P(x≤c)；置信区间的求取方法为：D
α
通过查相关系数显著性检验表获得，其中，α为显著性水平。
[0016]作为本专利技术的进一步方案，所述步骤Step8中，异常程度γ的计算方法为：在Step7中逐点进行K
‑
S检验的过程中，第i个点都会求得一个D
i
，一共有M个点，若D
i
在指定的置信区间D
α
内，则此时异常程度γ
i
＝0,若D
i
在指定的置信区间D
α
外，则此时异常程度γ
i
＝D
i
‑
D
α
，全周期的异常程度γ为γ
i
的最大值，异常持续β％的计算方法为：统计γ
i
＝0的个数记为m，
[0017]本专利技术的有益效果是：
[0018]针对机器人运行状态异常的监测问题，本专利技术提出的计算周期基准曲线，建立基准上下限曲线，计算运行信号与基准曲线差异判断是否存在异常，再通过K
‑
S检验计算异常程度和异常持续的方法，不仅能够准确的判断存在异常，精准的计算异常程度和异常持续，在没有存在异常时只需判断一周期测试信号，内存占用小。本方法已在工业机器人上开展了实验测试，实验结果符合实际异常程度及异常持本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于K
‑
S检验的机器人运行状态判断方法，其特征在于：所述方法具体步骤如下：Step1、获得K
a
组机器人往复运动的正常运行离散周期信号K
ai
(n)，和相同组数的K
b
组机器人往复运动的测试周期信号K
bi
(n)；Step2、若选取的信号类型为交变信号，则对K
ai
(n)和K
bi
(n)进行处理，分别获得其单边包络信号P
i
(n)和Q
i
(n)，若选取的信号类型是单边信号，则不需要进行处理，直接将K
ai
(n)和K
bi
(n)等效于P
i
(n)和Q
i
(n)；Step3、对Step2得到的P
i
(n)通过M等分逐段平均得到信号X
i
(n)，其中M等分后第j段对应的信号为X
ij
(n)，对周期基准信号每一段的值将G
j
(n)连接起来得到周期基准信号G(n)；Step4、将Step3中得到的X
i
(n)与周期基准曲线G(n)进行比较，根据标准差计算公式计算标准差，再根据标准差倍数k建立基准状态上限曲线G
ul
(n)和基准状态下限曲线G
dl
(n),G
ul
(n)＝G(n)+kσ(n)，G
＝l
(n)＝G(n)
‑
kσ(n)；Step5、将Step2中获得的信号Q
i
(n)选取其第一组Q1(n)，通过M等分逐段平均得到Y1(n)与Step4中建立的基准状态上限和下限曲线进行对比，如果截取出的周期信号的单边包络信号满足以下公式：G
dl
(n)≤Y1(n)≤G
ul
(n),则机器人状态判别为正常，反之，机器人状态存在异常；Step6、若机器人往复运动的测试信号K
bi
(n)存在异常，对Step2中得到的Q
i
(n)通过M等分逐段平均得到Y...

【专利技术属性】
技术研发人员：柳小勤，叶俊辉，伍星，刘韬，刘畅，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：