[发明专利]一种工业机器人健康评估方法、装置及存储介质

说明书

本发明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。

技术领域

本发明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。

背景技术

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。

发明内容

为解决上述问题，本发明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，本发明提供以下技术方案：

根据本发明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：