基于自组织临界理论的工业机器人故障分析*
2018-09-12刘河星
机械研究与应用 2018年4期
刘河星
(天津职业技术师范大学 机器人及智能装备研究所,天津 300222)
0 引 言
随着原材料、人力成本以及客户对产品要求的不断提高,工业生产开始越来越多的强调自动化生产,工业机器人作为直接执行者,在工业制造业的自动化整体转型中起着决定性的作用。由于工业机器人系统的集成度和复杂度越来越高,个别部件故障常常会引起链式反应,从而导致任务过程失败甚至是整个系统不能运行乃至瘫痪且工业机器人系统的可维护性不高,单一依赖经验的维护、知识积累已经无法跟上系统复杂程度的提高。Luh等利用人工神经网络,通过生成残差并对其进行滤波、故障报警集中和人工免疫规则,实现对机器人系统进行故障诊断[1]。MichaZając提出了一种基于粒子滤波的方法,结合负数似然检验来解决故障检测任务[2]。Ikbal Eski等在研究中采用了两种类型的神经网络预测模型,对机器人关节的噪声和振动进行了分析,结果显示RBNN类型的模型可以用于预测工业机器人的振动[3]。对机器人故障的相关研究有许多,但存在如何解释发生故障的原因,如何有效的实现故障诊断、预测等问题。因此,笔者借鉴自组织临界理论及其自组织演化模型思想,论述以自组织临界理论解释工业机器人故障相关问题的可行性,从内部分析工业机器人发生故障时的特点和联系,进而寻找到能保障机器人正常工作效率的有效方法。
1 工业机器人故障的自组织临界
SOC理论是复杂性科学中的一个重要分支[4-5],它可以用一个简单的幂律分布把看似没有关联的现象联系在一起,并且可以解释这些现象存在的物理机制。……
登录APP查看全文
