Vitamix沙冰机维修电话工业机器人维修的故障诊断

　　自20世纪60年代初制造出第一台工业机器人以来，工业机器人显示出了强大的生命力。在短短的60多年里，工业机器人技术发展迅速，并在工业生产中得到广泛应用。如下图1所示，工业生产中普遍使用工业机器人。 　　工业机器人是集机械、电子、控制、计算机、传感器和人工智能等先进技术于一体的智能装备，对提高制造业的智能制造水平具有重要意义。工业机器人作为现代制造业的主要自动化设备，广泛应用于国民经济的各个领域。目前，各国都非常重视工业机器人的技术研究，工业机器人的数量已经成为衡量一个国家制造业综合实力的重要指标之一。工业机器人的出现是人类利用机器进行社会生产历史上的一个里程碑。 　　目前，工业机器人广泛应用于汽车及汽车零部件制造、机械加工行业、电子电气行业、橡胶塑料行业、食品行业、木材及家具制造等领域。在工业生产中，焊接机器人、装配机器人、涂装机器人、搬运机器人等工业机器人得到了广泛的应用。提高了生产效率，降低了人工和综合成本，提高了产品质量，为安全生产工作增加了多重保障，有效提升了我国制造业的自动化水平。 　　虽然工业机器人在现代制造业中发挥着越来越重要的作用，并在世界范围内迅速普及，特别是在中国，但由于集成了多种高新技术的工业机器人机构的精密性和复杂性，对工业机器人的维护提出了极高的要求。目前工业机器人的应用企业普遍不具备独立完整的维修能力。当机器人出现故障时，往往需要通知外部供应商前往企业现场进行诊断和维修。这个过程需要大量的等待时间，并且由于维修技术人员无法全面、详尽地获取日常的运行状态、故障现象以及故障前后的运行数据。因此， 维修技术人员到达现场后往往不能迅速对故障做出准确的诊断和处理，从而延长了恢复正常生产的时间，严重影响了企业的生产节奏，加重了已停工企业的损失。因此，先进的故障诊断和智能维护对于保证工业机器人的高效稳定运行是非常必要的。 　　1工业机器人故障诊断与智能维护的发展现状 　　1.1工业机器人故障诊断与智能维护的内容 　　通过收集机器人控制器的数据和外部传感器的监测信息，在数据平台中存储和管理这些数据，然后将这些数据转换为机器人的健康信息，最后制定生产和维护计划。工业机器人的常见故障诊断和智能维护包括以下几点: 　　(1)启动失败； 　　(2)控制器崩溃； 　　(3)控制器性能低； 　　(4)FlexPendant崩溃； 　　(5)所有发光二极管熄灭； 　　(6)FlexPendant无法通讯； 　　(7)7)flex pendant的应急消息； 　　(8)维修插座无电压； 　　(9)控制杆不能工作； 　　(10)固件更新失败； 　　(11)路径精度不一致； 　　(12)油脂污染电机和/或齿轮箱； 　　(13)机械噪音； 　　(14)关闭时机械手损坏； 　　(15)机器人制动器未释放。 　　工业机器人数量庞大，生产环境非常复杂。如果安装外部传感器，不仅会影响机器人本身的内部控制，还会造成大量的成本浪费。有必要使用有效的控制器信号来反映设备的健康状态。 　　由于机械设备的种类繁多，运行工况复杂，设备健康状况的评估比较困难。需要用相似比较和聚类管理的方法来判断设备的衰退。通过有效的控制器信号参数，可以实现从生产线级到工厂级的变工况复杂系统的预测维护和集群运维管理。 　　从控制器获得的信号的采样频率较低，因此对于一些高频采样或波形信号的特征提取方法将不再适用。取而代之的是固定的信号统计特征，比如特定位置的RMS、方差、极值、载荷值等，会按照每个动作周期提取。采用对等的方法，消除了工况多样性带来的建模困难，通过直接比较相似设备执行相似动作时信号特征的相似性，找到优势点，作为判断早期故障的依据。设备分群时，第一轮分群要以设备的型号和服役时间为依据，第二轮分群要以设备的任务、环境和工作条件为依据。 　　1.2工业机器人故障诊断与智能维护的发展现状 　　工业机器人故障诊断和智能维护的维他美仕料理机维修电话发展可以分为三个阶段: 　　第一阶段，维修技术人员观察故障机器人的运行状态，测试噪声、运行轨迹、温度、振动等参数的异常变化，然后与正常状态进行对比，结合以往的维修经验做出故障诊断。 　　第二阶段是工业机器人的局部状态监测和故障诊断模式。机器人的故障信息由错位码提示，维修技术人员根据故障信息进行故障诊断。目前这种故障处理模式比较常见。 　　第三阶段是基于网络的远程实时监测和故障诊断模式，目前还处于实验研究阶段。图2显示了处于实验研究阶段的智能机器人。 　　案例: 　　在机械手的分析中，不同的动作循环所引起的驱动电机的力矩是不同的。这里，选择扭矩的最大值、最小值和平均值作为聚类的基础。当机械手执行类似动作时，上述特征分布应该非常相似，可以使用聚类模型进行自动识别。 　　在收集和分析大量机械臂数据的情况下，将不同类型和操作条件的机械臂进行聚类，形成机械臂“虚拟社区”。社区机械臂的数据分析采用聚类建模的方法，通过比较每个机械臂与聚类的差异来判断每个机械臂的异常程度，并对聚类中所有机械臂的健康状态进行排序。判断差异程度的算法有很多，如PCA-T2模型、高斯混合模型、自组织映射、统计模式识别等。 　　利用所选择的算法，可以判断一个机械手的各个驱动电机的监控参数特性与统一集群中其他设备的整体分布的相似性，并将分布偏差评估值作为最终输出结果。用90%或95%置信区间确定其控制边界，当分布偏差估计值超过控制边界并继续增大时，说明早期故障逐渐发展严重。 　　大量机械手数据的验证结果表明，大部分驱动电机的早期故障至少可以提前2 ~ 3周发现。通过预测分布偏差评估值的发展趋势，还可以预测机械手的故障时间，为维修调度提供依据。 　　对机械臂的健康状态进行定量分析后，将分析结果进行网络内容管理，在“虚拟工厂”中建立“虚拟工厂”在线监控系统，管理人员可以从生产系统级、生产线级、工位级、单机级和停机部件级对设备状态进行垂直和立体的管理，并根据设备的实时状态调度维修计划和生产计划。每天生成一份健康报告，对生产线上所有设备的健康状况进行整理和统计分析，将每台设备的健康风险状况和主要风险部位提供给设备管理人员，做到在日常例行检查中做到详细、恰当，不放过任何一个风险点，同时也尽可能避免不必要的检查和维护， 从而实现工业机器人故障从传统维修向智能维修的转变。 　　2工业机器人故障诊断和智能维护的发展趋势 　　工业机器人的故障诊断和智能维护经历了从现场经验判断到远程诊断、从简单到精确、从单机到网络的发展过程。从近年来工业机器人行业不断推出的新产品来看，工业机器人的故障诊断和智能维护正在向远程化、网络化、集成化和智能化方向发展。 　　2.1故障诊断和智能维护的远程化和网络化 　　工业机器人的远程故障诊断和智能维护是现代故障诊断技术、传感器技术、视觉技术、计算机技术和专家系统等的结合。，与物联网技术有机结合。通过对机器人运行状态的远程实时监控和网络跟踪，实现机器人故障的早期诊断和及时维护，实现机器人运行状态数据、故障信息、分析方法和故障诊断知识的网络共享。 　　2.2故障诊断和智能维护的集成化和智能化 　　随着电子技术、信号检测与处理技术、计算机技术、网络通信技术和控制技术的飞速发展，利用计算机技术对采集的传感器信息进行自动分析和综合处理。工业机器人在不断“进化”，从目前不具备故障诊断和智能维护能力，到具备一定的故障诊断和智能维护能力，最终达到未来完全的故障诊断和智能维护能力。