智能制造裝備設計與故障診斷第7章智能故障診斷技術CONTENTS章節目錄7.2故障樹分析方法概述7.17.3基于神經網絡的故障診斷方法7.4計算機輔助診斷7.5基于故障樹的工業機器人的故障診斷7.6基于6sigma的工況監測與故障診斷導讀基本內容：故障診斷的方法多種多樣，其中隨著計算機和人工智能的發展，形成了多種智能故障診斷技術，例如故障樹方法、基于實例的推理方法、基于專家系統的方法、基于神經網絡的方法及計算機故障診斷技術等等。本章重點對基于故障樹的故障診斷、基于神經網絡的故障診斷和計算機故障診斷進行了重點討論。同時采用基于故障樹的方法對某型號的工業機器人進行了故障診斷，以加強理解。最后除了對智能制造裝備的故障診斷，本書還提出了在制造過程中基于6sigma的質量控制方法，該方法可有效解決在機械加工過程中的故障診斷問題，是當今企業常用的一種故障診斷方法。學習要點：了解神經網絡和計算機故障診斷技術；掌握故障樹故障診斷方法和基于6sigma的工況監視和狀態識別。7.1One概述智能故障診斷是人工智能和故障診斷相結合的產物，主要體現在診斷過程中領域專家知識和人工智能技術的運用。它是一個由人（尤其是領域專家）、能模擬腦功能的硬件及其必要的外部設備、物理器件以及支持這些硬件的軟件所組成的系統。故障診斷技術的主要方法如下：根據系統采用的特征描述和決策方法，公認檢測診斷的方法概括起來分為：基于系統數學模型的故障診斷方法和基于非模型的故障診斷方法兩大類。基于系統數學模型的故障診斷方法是通過構造觀測器估計出系統輸出，然后將它與輸出的測量值比較，從中取得故障信息。該方法能與控制系統緊密結合，是監控、容錯控制、系統修復和重構的前提；是以現代控制理論和現代優化方法為指導，以系統的數學模型為基礎，利用觀測器、等價空間方程、濾波器、參數模型估計和辨識等方法產生殘差，然后給予某種準則或閾值對該殘差進行評價和決策。基于非模型的故障診斷方法主要包括以下幾種方法：1）基于可測信號處理的故障診斷方法。2）基于故障診斷專家系統的診斷方法。3）故障模式識別的故障診斷方法。4）基于故障樹的故障診斷方法。此外，神經網絡、現代信息技術、計算機等新技術在裝備故障診斷中均得到了很好的應用。同時，除了針對單一設備的狀態監測和故障診斷外，在生產過程中的設備運行狀態、運行參數、產品質量參數等也需進行實時監測，從而對生產過程中的故障起到預防和診斷的作用。本章重點對故障樹分析方法、神經網絡的基本原理、計算機在故障診斷中的應用分別進行了介紹，并提出當前生產過程中廣為應用的6sigma方法。7.2One故障樹分析方法7.2.1故障樹分析法簡介故障樹分析法簡稱FTA(FaultTreeAnaiysis)，它是1961年由貝爾電話實驗室的H.A.Watson提出的。目前已廣泛地應用于宇航、核能、電子、機械、化工、采礦等領域。故障樹分析法是一種圖形演繹方法，是故障事件在一定條件下發生的邏輯規律。它是用一種特殊的倒立樹狀邏輯因果關系圖，清晰地說明系統是怎樣失效的。故障樹分析法把系統的故障樹與組成系統各部件的故障有機地聯系在一起，可以找出系統的全部可能的失效狀態。故障樹本身也是一種形象化的技術資料，在它建成以后，對系統的管理和運行人員也起到了直觀教學和維修指南的作用，該法常用于分析復雜系統。7.2.2故障樹的定性分析對于故障樹，邏輯分析的目標就是系統最不希望發生的故障狀態，通常把最不希望發生的事件稱為頂事件，不再深究的事件為底事件，而介于頂事件與底事件之間的一切事件稱為中間事件。中間事件與頂事件稱為結果事件，用相應的符號代表這些事件，再用適當的邏輯門把頂事件、中間事件和底事件聯結成樹形圖，即得故障樹。故障樹是一種為研究系統某功能故障而建立的一種倒樹狀的邏輯因果關系，故障樹的部分元件圖如表7-1所示。7.2.2故障樹的定性分析7.2.3下行法下行法的基本方法是： 對每一個輸出事件而言，如果它是或門輸出的，則將該或門的輸出事件各排成一行；如果它是與門輸出的，則將該門的所有輸入事件排在同一行。下行法的工作步驟是：從頂事件開始由上而下逐個地進行處理，處理的基本方法如前所述，直到所有的結構事件已被處理為止。最后所得每一行的底事件集合都是故障樹的一個割集，將這些割集進行比較，即得出所有的最小割集。7.2.3下行法上行法的基本方法是：對每一個輸出事件而言，如果它是或門輸出的，則用該或門的諸輸出事件的布爾和表示此輸出事件；如果它是與門輸出的，則用該與門的諸輸入事件的布爾積表示此輸出事件。上行法的工作步驟是：從底事件開始由下而上逐個進行處理，直到所有的結果事件都已被處理完為止，這樣得到一個頂事件的布爾表達式。根據布爾代數運算法則，將頂事件化成諸底事件的積的和的最簡式，此最簡式的每一項所包括的底事件集即一個最小割集，從而得出故障樹的所有最小割圖。通過對下行法與上行法進行比較及結合工業機器人的故障情況，合理選擇分析方法。7.3One7.3基于神經網絡的故障診斷方法7.3.1概述神經網絡的框架結構如圖7-1所示，且神經網絡是一個非常廣義的稱呼，它包括兩類，一類是用計算機的方式去模擬人腦，這就是我們常說的人工神經網絡（ArtificialNeuralNetwork，ANN），另一類是研究生物學上的神經網絡，又叫生物神經網絡（BiologicalNeuralNetworks，BNN）。在ANN中，又分為前向饋神經網絡和反饋神經網絡這兩種。再次，本書對前向神經網絡加以重點介紹。7.3.2前向神經網絡的拓撲結構1.單層神經網如圖7-2a）所示為一個經典的神經網絡，包括三個層次的神經網絡，分別是：輸入層、中間層（隱藏層）和輸出層。神經網絡的拓撲結構的特點是：1）通常在設計一個神經網絡時，輸入層與輸出層的節點數往往是固定的，中間層（隱藏層）則可以自由指定。2）神經網絡結構圖中的拓撲與箭頭代表著預測過程時數據的流向，跟訓練時的數據流有一定的區別。3）結構圖里的關鍵不是圓圈（代表“神經元”），而是連接線（代表“神經元”之間的連接）。每個連接線對應一個不同的權重（其值稱為權值），這是需要訓練得到的。7.3.2前向神經網絡的拓撲結構除了從左到右的形式表達的結構圖，還有一種常見的表達形式是從下到上來表示一個神經網絡。這時候，輸入層在圖的最下方。輸出層則在圖的最上方，如圖7-2b）所示：7.3.2前向神經網絡的拓撲結構（1）神經元的概念7.3.2前向神經網絡的拓撲結構（2）神經元模型圖7-4是一個典型的神經元模型：包含有3個輸入，1個輸出，以及2個計算功能。7.3.2前向神經網絡的拓撲結構（3）單層神經網絡的拓撲結構如將圖7-4b）再進一步，在輸入位置添加神經元節點，標志其為“輸入單元”將內部計算函數和權重放到連接里面，則神經元模型變為如圖7-5a）所示，也稱為單層神經網絡。7.3.2前向神經網絡的拓撲結構2.兩層神經網絡7.3.2前向神經網絡的拓撲結構3.多層神經網絡7.3.3基于內部回歸神經網絡的故障診斷1.IRN網絡結構內部回歸神經網絡(InternallyRecurrentNet,IRN)是利用網絡的內部狀態反饋來描述系統的非線性動力學行為。構成回歸神經網絡模型的方法有很多，但總的思想都是通過對前饋神經網絡中加入一些附加的和內部的反饋通道來增加網絡本身處理動態信息的能力，克服BP網絡固有的缺點。圖7-8給出了一種IRN網絡模型的結構，它由3層節點組成：輸入層節點、隱層節點和輸出節點，兩個模糊偏差節點分別被加在隱層和輸出層上，隱層節點不僅接收來自輸入層的輸出信號，還接收隱層節點自身的一步延時輸出信號，稱為關聯節點。7.3.3基于內部回歸神經網絡的故障診斷7.3.3基于內部回歸神經網絡的故障診斷2.基于IRN的故障診斷方法神經網絡故障診斷模型，主要包括三層：1）輸入層。即從實際系統接收的各種故障信息及現象。2）中間層。是把從輸入層得到的故障信息，經內部的學習和處理，轉化為針對性的解決辦法。3）輸出層。是針對輸入的故障形式，經過調整權系數后，得到的處理故障方法。7.4One計算機輔助診斷7.4.1概述1.計算機在監測和診斷中的應用現狀在工礦企業中，當有大量機器需要監測和診斷時，或者關鍵設備需要連續監測時，要頻繁地進行數據采集、分析和比較，這是一項十分繁重的工作。如果依靠人力來進行上述工作，將必須配備大量訓練有素的監測人員。這時如果應用計算機進行自動監測和診斷，將節省人力和開支，并能保證判斷的客觀性和可靠性。目前計算機輔助設計（ComputerAidedDesign，CAD）和計算機輔助制造（ComputerAidedManufacturing，CAM）技術已經逐漸在生產中得到承認和普及。但把計算機應用于監測設備的運行狀態并診斷其故障的產生和發展，則是近年來發展起來的技術，這種技術稱為計算機輔助監測和診斷技術。7.4.1概述近年來，許多現代化科學技術手段被廣泛地應用到機械故障診斷中來，如信號處理技術、模式識別和技術、人工智能技術、模糊數學和神經網絡技術等，促進了現代故障診斷技術的迅速發展。特別是，隨著人工智能科學向實用化方向的發展，已經開發出了機器診斷專家系統目前已有一些系統投入使用。但是，計算機在各種診斷方法中應用的程序是不盡相同的，其中，在振動監測與診斷中應用的程度較高，而在其他診斷方法中的應用起步較晚。7.4.1概述2.計算機監測和診斷系統的分類（1）根據監測范圍分類1）整個工廠的監測和診斷系統。對全廠設備進行大量的測量與標準狀態進行比較程分析，以判斷整個工廠設備的技術狀態，制定可以自動報警及修復的步驟，需要計算機的在線監測技術，以進行大量的數據采集及分析。整個監測系統可以和過程自動控制聯系起來，整個系統所需的費用很高，設備很復雜并且要求專門設計，要求由專業人員建立和運用該系統。該系統僅適用于很少的重要工廠，這類工廠的產品很重要，或有戰略意義。7.4.1概述2）關鍵設備的監測和診斷系統。對工廠中起關鍵作用的機器做在線監測，可在任何時刻了解其狀態，并可實現自動報警。這種方式需要在線監測技術，監測設備通常很貴。該系統適合于大多數工廠企業。3）關鍵設備的重要部件的監測和診斷系統。根據以往出現故障的經驗，可選擇少量關鍵零部件進行監測。這種方式可廣泛采用，而且設備價格不高。監測工作可由企業內部職工進行或雇傭企業外的技術人員進行。7.4.1概述（2）根據計算機監測和診斷系統所采用的診斷技術分類可分為以下三種：1）簡易自動診斷系統。簡易自動診斷通常采用某些簡單的特征參數，如信號的RMS值，峰值等，與標準參考狀態的值進行比較，能判斷故障的有無，但不能判斷是何種故障。因所用檢測技術和設備簡單、操作容易掌握和價格便宜，這種系統得到了廣泛的應用。7.4.1概述2）精密自動診斷系統。精密自動診斷要綜合采用各類診斷技術，對簡易診斷認為有異常可能的設備進一步的診斷，以確定故障的類型和部位，并預測故障的發展。要求由專門的技術人員操作，在作出診斷結果及其解釋，以及采取對策方面往往仍然需要有豐富經驗的人員參與。3）專家診斷系統。專家診斷系統與一般的精密自動診斷系統不同，它是一種基于人工智能的計算機診斷系統。它能模擬故障診斷專家的思維方式，運用已有的故障診斷技術知識和專家經驗，對收集到的設備信息進行推理作出判斷，并能不斷修改、補充知識以完善專家系統的性能。這對于復雜系統的診斷是十分有效的，也是當前的發展方向。7.4.1概述（3）根據計算機監測和診斷系統的工作方式分類根據計算機監測和診斷系統的工作方式分類計算機監測和診斷系統按其工作方式不同可分為以下兩種1）連續監測診斷系統。對機械設備的工作狀態連續不斷地進行監測和診斷，可以隨時了解設備的工況，這種方法也稱為在線監測診斷系統，一般用于重要、關鍵設備的監測。按照投入使用的計算機的數量及工作方式不同，這種系統可分為單機系統和多機系統。2）定期監測診斷系統。對機械設備的工作狀態定期進行監測和診斷，也稱離線監測診斷系統。7.4.2計算機自動檢測和診斷系統的構成計算機自動監測和診斷系統（ComputerAutomaticMonitoringandDiagnosisSystem，CAMD）的構成與它所服務的對象、所采用技術的復雜程度有很大關系。各種類型的CAMD差別很大，但一般都包含下列幾個部分。1）數據采集部分。其作用是對所要監測的信息進行采集。對振動監測而言，包括各種傳感器、調適放大器和A/D轉換器，如果是多通道的監測則還要有多路選擇器。2）計算機。計算機起中樞作用，用以控制整個系統，并進行運算、邏輯推理、給出診斷結果。對振動監測而言，為了加快運算，有的系統還配有快遞運算器的芯片或FFT分析儀。7.4.2計算機自動檢測和診斷系統的構成3）輸出結果和警報部分。將監測診斷結果輸出，可采用打印輸出、屏幕顯示、聲或光報警和繼電器切斷設備等方式。4）數據傳輸、通信部分。簡單的計算機監測系統通過內部總線或通過接口在部件間或設備間傳遞數據和信息，對復雜的多機系統往往要采用網絡，距離較遠時則采用調制解調器及光纖通信。7.4.2計算機自動檢測和診斷系統的構成1.連續監測和診斷系統連續監測和診斷系統（ContinuousMonitoringandDiagnosisSystem，CMDS）是采用儀表和計算機信息處理系統對機器的運行狀態隨時進行監視或控制的系統。這種監測系統一般適用于被監測對象比較重要，而且便于安裝長期固定的傳感器的場合。這種系統可以監測機器每時每刻的工作狀態，并且可記錄下運行過程中的各種數據，對機器的狀態隨時進行分析。對這種系統，在操作上應盡量提高系統運行的自動化程度，減少人工干預，以提高監測速度，降低操作人員的工作強度。在硬件的組成上，要求將傳感器測得的信號直接送入計算機進行分析和監測。按采用的計算機的數量及工作方式不同，可分為單機系統和多機系統。7.4.2計算機自動檢測和診斷系統的構成（1）單機系統以一臺計算機為主題的CMSD，稱為單機系統。這種系統的典型結構如圖7-11。用傳感器測取被監測對象在運行時所產生的信號(如振蕩信號等)；用A/D接口板將連續變化的電信號變成離散的數據信號，這些數據信號可以供計算機接收和處理；處理的結果由打印機或顯示器輸出；當被監測對象出現異常時，報警裝置可發出報警：計算機可以通過磁盤讀取或儲存各種數據信息。其中計算機是監測系統的心臟，它負責完成信號的分析、診斷工作，還控制著A/D接口板的轉換工作。7.4.2計算機自動檢測和診斷系統的構成7.4.2計算機自動檢測和診斷系統的構成（2）多機系統面向多臺設備乃至整個車間、工廠設備的CMDS，往往采用多臺計算機的分級管理形式，即為多機監測和診斷系統，簡稱多機系統。這種系統的典型結構如圖7-12。7.4.2計算機自動檢測和診斷系統的構成多機系統的性能特點主要包含以下幾個方面：1）信息采集全息化。它包括三方面的內容：一是所采集的信息種類比較全面；二是對參量的信息都采集有足夠的通道數；三是不僅可對穩態信息進行采集，而且對非穩態信（如起停過程、故障發生前后等）也可進行采集。2）狀態監測連續化。這種系統可以不斷低對每一信息通道進行檢測。3）數據處理實時化。通過采用新的數據處理技術，可以大大加快數據處理的速度，提高狀態監測和診斷的實時性，可以及時了解設備的運行狀態。7.4.2計算機自動檢測和診斷系統的構成4）故障診斷精密化。在單機系統中，計算機既要進行狀態監測，又要進行故障診斷，因而往往出現顧此失彼的現象。而在多機監測系統中，子計算機承擔繁重的狀態監測工作，為主計算機節約了大量的時間，因此，主計算機可以“集中精力”進行故障的精密診斷。由于這種系統具有這些優點，國內也日益重現，與國外同類產品相比，國內開發的系統能夠較好地結合生產現場的具體情況，避免了引進系統的二次開發及漢字化問題，而且成本較低，其性能在很多方面達到或超過了國外同類產品的水平。7.4.2計算機自動檢測和診斷系統的構成2.定期監測和診斷系統定期監測和診斷系統（RegularMonitoringandDiagnosisSystem，PDMS）是指每隔一定時間對機器的工作狀態進行常規檢查的系統。這種系統通常是定期取樣并作出分析，以此來監測和診斷機械設備的故障。當被監測的對象很多而又不是很關鍵的設備，采用連續監測和診斷系統顯得太昂貴時，或者難以安裝長期固定的傳感器時，這時就可采用定期監測和診斷系統。它一般由一臺便攜式數據采集器和計算機組成可分離的聯機系統。這種系統如美國的ScientificAtlanta公司生產的M77數據采集器（Data-trap）。圖7-14為該系統的使用流程示意圖。7.4.3計算機在故障監測和診斷中的應用實例目前，計算機在各種診斷方法中都已經得到不同程度的應用，已經成為現代檢測和診斷技術的必備手段，可以說沒有計算機就沒有現代的檢測和診斷技術。下面介紹幾個應用實例。1.計算機在振動監測中的應用圖7-15為國內研制的利用計算機進行機械故障振動監測的系統。7.4.3計算機在故障監測和診斷中的應用實例（1）系統的硬件組成系統的硬件組成如圖7-16所示。壓電式加速度傳感器固定在對機器故障敏感、干擾小的位置；監測的信號經放大，濾波后進入A/D轉換器，并進入TMS32032高速信號處理芯片進行快速處理，以提高系統的實時能力；計算機主要負責文件的管理等其他非計算任務；監測結果主要由計算機屏幕輸出或用打印機輸出。7.4.3計算機在故障監測和診斷中的應用實例（2）監測和診斷方法本系統的監測方法是將機器的狀態分為正常和異常狀態兩種。通過采集足夠多的機器在正常狀態下運行的振動信號，提取特征參數，并計算出特征參數在正常狀態下的波動范圍。在實際監測中，根據測得的振動信號進行特征參數分析，并與預先確定的正常范圍數據進行比較，一旦超出此范圍，就將機器判為異常狀態并發出警報。為了克服采用單一特征參數作為判斷指標，會造成誤判和漏判等缺點，系統同時采用了12個不同的特征參數，當2個以上的特征參數同時超過正常范圍時才判為異常。7.4.3計算機在故障監測和診斷中的應用實例（3）系統的特點本系統采用了先進的數字信號處理方法和故障診斷理論，并在系統中配備了高速數字信號處理芯片TMS32020，而且充分利用了計算機的色彩、音響及漢字化等功能，使系統的可靠性、監測的準確性及實時性得到了保證。它可以在極短的時間內完成振動信號的采集、分析處理、判斷及報警。7.4.3計算機在故障監測和診斷中的應用實例2.計算機在性能趨勢監測中的應用圖7-17是用來監測采油機拉缸故障的計算機監測系統。7.4.3計算機在故障監測和診斷中的應用實例本系統通過測量柴油機的曲軸箱壓力和柴油機瞬態轉速、排氣溫度等參數，可實時監測柴油機拉缸故障及其他不正常工況。（1）監測原理拉缸是柴油機的一種常見故障。其常見的外部特征有：柴油機曲軸箱通氣口的排煙明顯增多、壓力增高、轉速自動降低、運轉無力、潤滑油溫度明顯升高、振動加劇等，根據這些參數的特征變化就可診斷故障是否存在。7.4.3計算機在故障監測和診斷中的應用實例（2）系統的構成該監測和診斷系統的構成如圖7-17所示，它包括：各種信號采集器、計算機硬件、計算機軟件。其中軟件分為：主程序、熱電偶(測排氣溫度)線性化子程序、瞬態轉速測量子程序、數據運算子程序等。7.4.3計算機在故障監測和診斷中的應用實例3.故障診斷專家系統（1）專家系統概述將先進傳感技術和信號處理技術與設備診斷領域專家的豐富經驗和思維方式相結合，就可形成機械設備診斷的專家系統。專家系統實際上是人工智能計算機程序系統，它利用大量人類專家的專門知識和方法來解決現實生活中的某些復雜的問題，這些問題主要有：1）只有專家才能解決的復雜問題。2）專家診斷系統用模仿人類專家推理過程的計算機模型來解決這些問題，并能達到人類專家解決問題的水平。7.4.3計算機在故障監測和診斷中的應用實例特點：1）它能記錄和傳播診斷專家的珍貴經驗，使得少數人類診斷專家的專長可以不受時間和空間的限制，隨時可加以有效地應用。2）故障診斷專家系統可以吸收不同診斷專家的知識，從而使得診斷結果更準確和全面。3）在實際工作中應用故障診斷專家系統，可以提高診斷效率，取得較大的經濟效益。7.4.3計算機在故障監測和診斷中的應用實例（2）專家系統的構成目前，比較典型的故障診斷專家系統由以下幾個部分組成：知識庫、推理機、數據庫、解釋程序和只是獲取程序。它們的互相關系如圖7-18所示。7.4.3計算機在故障監測和診斷中的應用實例4.計算機在油液監測中的應用油液監測和診斷技術目前已經成為一種重要的監測和診斷技術，在生產實際中得到了廣泛的應用。對油液監測中的各類信息進行計算機處理，是這一監測技術發展的必然趨勢。因為，首先，油液監測設計的信息很多，依靠有限的人力來進行這些數據的管理與處理較困難；其次，考慮到企業應用油液監測技術的機械數量較多，將有更多的信息量需要及時處理；最后，人們在進行診斷分析時，往往是通過比較歷次所取油樣的分析結果來評價機械的磨損狀態，這需要操作人員積累經驗和分析數據，計算機在數據存儲方面的功能和邏輯判斷能力，恰好可以滿足這一要求。將信息與專家經驗相結合就可組成具有專家功能的系統。7.4.3計算機在故障監測和診斷中的應用實例美國鐵譜儀公司曾設計了專門處理直讀鐵譜儀數據的軟件；國內也有單位開展過鐵譜數據庫的研究，如圖7-20所示是武漢交通科技大學開發的油液監測數據處理系統。7.5One基于故障樹的工業機器人的故障診斷7.5.1概述工業機器人是面向工業領域的多關節機械手或多自由度的機器人。工業機器人是自動執行工作的機器裝置，是靠自身動力和控制能力來實現各種功能的一種機器。它可以接受人類指揮，也可以按照預先編排的程序運行，現代的工業機器人還可以根據人工智能技術制定的原則綱領行動。7.5.1概述機器人控制系統是機器人的大腦，是決定機器人功能和性能的主要因素。工業機器人控制技術的主要任務就是控制工業機器人在工作空間中的運動位置、姿態和軌跡、操作順序及動作的時間等。具有編程簡單、軟件菜單操作、友好的人機交互界面、在線操作提示和使用方便等特點；其關鍵技術主要包括：開放性模塊化的控制系統體系結構、模塊化層次化的控制器軟件系統、機器人故障診斷與安全維護技術及網絡化機器人控制器技術。其中機器人的故障診斷與安全維護技術是指通過各種信息，對機器人故障進行診斷，并進行相應維護，是保證機器人安全性的關鍵技術。7.5.2基于故障樹的工業機器人故障分析本書以重慶華數機器人有限公司新研發的HSR-JR605六關節串聯型工業機器人為研究對象進行故障診斷分析，HSR-JR605六關節工業機器人是由示教器、控制柜、機械本體及其三者之間的連接線組成。在調試和測試過程中不難發現，HSR-JR605六關節工業機器人的故障形式主要為執行系統故障和控制系統故障兩部分，本書針對以上故障形式進行相應分析。7.5.2基于故障樹的工業機器人故障分析1.執行系統故障（1）執行系統故障分類HSR-JR605六關節工業機器人的執行系統是以機械本體的形式存在，其作為HSR-JR605六關節工業機器人的主要核心部件，其故障主要分為電機故障、減速機故障、連桿結構故障和末端執行機構故障。電機故障主要由電機損壞、操作不當導致電機無法正常運行導致。減速機故障主要由減速機損壞、減速機異常（如受撞擊、潤滑油泄露等導致運轉出現異響、抖動等現象）。連桿結構故障產生原因較多，主要有螺釘松動、傳動軸等部件損壞、齒輪或同步帶等傳動部件損壞。抓取重物超重、驅動結構未正常運行（如抓取氣缸未能執行正確動作）是造成末端執行機構故障的主要原因。HSR-JR605六關節工業機器人的機械本體外觀如圖7-22所示。7.5.2基于故障樹的工業機器人故障分析7.5.2基于故障樹的工業機器人故障分析（2）執行系統故障實例分析針對HSR-JR605機器人在調試及測試過程中出現的一些故障，現列舉三個典型的執行系統故障分析實例如下：故障1：在使用過程中出現末端執行機構無法正常到達指定位置。出現此問題時，優先檢測機器人優先檢查機器人是否零點丟失，我們將機器人回零，發現零點未丟失。手動旋轉末端執行機構，發現能夠轉動。此時考慮將末端執行機構拆卸，旋轉機器人末端法蘭，發現機器人末端法蘭能夠旋轉，即問題點在機器人第六軸的電機、減速機或結構上。之后經過拆卸發現問題點為機器人減速機螺釘松動導致。重新擰緊螺釘即將問題解決。7.5.2基于故障樹的工業機器人故障分析故障2：運動時機器人五軸未能正常動作，即停在某一位置無法動作，且無報警出現。拆卸機器人防護罩后發現同步帶斷裂，更換同步帶故障得以解決。故障3：在運行過程中第六軸出現報警。機器人其它軸能夠正常運行，在運行第六軸時出現報警。去掉末端執行機構，空載運行依舊出現報警，且未出現螺釘松動即出現問題點主要應在線纜、驅動、電機上。經排查，控制柜帶動其它機器人無問題即問題點在本體線纜和電機上。經檢查，線纜未磨損，更換電機后問題解決，即電機出現故障。7.5.2基于故障樹的工業機器人故障分析2.控制系統故障HSR-JR605六關節工業機器人控制系統主要包括：IPC控制器、伺服驅動器、總線式I/O模塊、示教器（含連接線）、伺服電機（內置絕對式編碼器）、動力/抱閘連接線及編碼器連接線等部件。控制系統故障分為硬件系統故障和軟件系統故障。（1）硬件系統故障分類示教器單元故障、運動控制單元故障和伺服驅動單元故障是造成硬件系統故障的主要原因，具體的硬件系統故障內容詳列如下。（2）示教器單元故障示教器的外觀圖如圖7-23所示。7.5.2基于故障樹的工業機器人故障分析7.5.2基于故障樹的工業機器人故障分析HSR-JR605六關節工業機器人示教器采用高性能8"彩色LCD觸摸屏+周邊按鍵的操作方式，具有多組按鍵，進行機器人的參數設置、運動控制及狀態監視；示教器設有手動/自動模式選擇鑰匙旋鈕，設置有急停按鈕和三段式安全開關，確保機器人操作的安全性；示教器至控制柜的連接線纜長8米，保證操作員處于機器人的安全范圍內。示教器單元的硬件故障主要有觸摸屏無反應、觸摸不靈敏、按鍵、三段式安全開關和急停按鈕操作失靈、連接線斷線或接觸不良、網絡插頭松脫及網絡通信失敗等故障。7.5.2基于故障樹的工業機器人故障分析7.5.2基于故障樹的工業機器人故障分析伺服驅動單元的硬件故障主要是伺服驅動單元故障、供電線路故障、輸出至伺服電機動力/抱閘線路故障，連接電機編碼器信號線路故障及通訊線路故障。HSV-160U系列伺服驅動單元提供了30種不同的保護功能和故障診斷。當其中任何一種保護功能被激活時，驅動單元面板上的報警燈AL點亮，同時進入顯示菜單DP-ALM可查看具體的報警號，常見伺服驅動報警信息如表7-3所示。7.5.2基于故障樹的工業機器人故障分析（3）軟件系統故障分類示教編程錯誤、參數設置錯誤、系統軟件與數據問題是軟件系統故障的三大表現，軟件系統故障主要包括示教器單元、運動控制單元和伺服驅動單元的軟件故障,具體的軟件系統故障內容詳列如下。1）示教器單元的軟件故障主要是示教編程錯誤、機械參數及軸參數設置錯誤、網絡設置錯誤及示教器系統軟件故障。2）運動控制單元的軟件故障主要是IPC控制器系統軟件故障、系統軟件版本過低、系統數據丟失、內置PLC控制程序與實際硬件接口定義不符及I/O模塊控制軟件故障。3）伺服驅動單元的軟件故障主要是控制軟件與硬件不符、伺服參數設置錯誤及伺服軟件故障。7.5.2基于故障樹的工業機器人故障分析（4）執行系統故障實例分析針對HSR-JR605機器人在調試及測試過程中出現的一些故障，現列舉四個典型的控制系統故障分析實例如下：故障1：開機上電，示教器觸摸屏無顯示。遇到此問題，首先確保示教器的24V供電線路正常，經測量控制柜端接示教器電源線纜處24V電壓正常；拆開示教器外殼，以便測量示教器控制板24V供電情況，經檢查為示教器控制板24V電源插頭松脫，重新插緊24V電源插頭，上電示教器顯示正常，問題得以解決。此故障即為典型的示教器單元硬件故障中供電線路故障問題。7.5.2基于故障樹的工業機器人故障分析故障2：自動運行示教編輯的程序時，示教器出現報警號“7700無效運動”報警。此示教程序包含有關節和直線兩種運動指令，自動運行此示教程序，示教器出現報警號“7700無效運動”報警。經查詢示教器報警定義，此故障是由于直角坐標下運動的前后兩個示教點采用了不同的關節屬性，機器人無法生成軌跡所致。經修改報警處示教指令下直角坐標的關節屬性，問題得以解決。此故障即為典型的軟件系統故障中示教編程錯誤問題。7.5.2基于故障樹的工業機器人故障分析故障3：示教器手動落下J3軸可正常運行，但抬起J3軸時，J3軸不動，電機發出嗡嗡的聲音。針對抬起J3軸時，J3軸不動，電機發出嗡嗡的聲音，根據以往的經驗判斷是否電機缺相所致，故檢查伺服驅動器輸出至電機動力線路。經檢查線路，發現伺服驅動器端動力輸出線U相線與PE線反接，導致電機缺相，將U相線與PE線進行正確接線，問題得以解決。此故障即為典型的硬件系統故障中伺服驅動單元動力線路故障問題。7.5.2基于故障樹的工業機器人故障分析故障4：J3軸運行報電機過載故障。經檢查相應的線路、機械本體及負載情況均無異常，同一本體，更換別的控制柜進行聯機，J3軸運行正常；經對比，J3處于同種狀態下，兩個控制柜的伺服驅動器電流顯示不同，經分析及查閱伺服驅動器使用說明書得知，聯機J3軸運行報電機過載故障的伺服驅動器伺服驅動器軟件代碼設置與硬件電路不符，伺服驅動器對J3軸電機電流采樣虛高，導致伺服驅動器誤報電機過載故障，正確設置伺服驅動器的軟件代碼，問題得以解決。此故障即為典型的伺服驅動單元故障中控制軟件與硬件不符問題。7.5.2基于故障樹的工業機器人故障分析通過對調試及測試過程中，工業機器人常出現的故障、問題進行匯總，形成故障診斷記錄，建立工業機器人故障樹；以便在下次遇到類似的問題，能夠快速進行故障診斷定位，及時有效地將問題解決；同時亦可以對早前出現的問題，以維護時對相應故障可能點進行檢查，及早避免不必要故障的發生，避免影響設備的使用。7.5.2基于故障樹的工業機器人故障分析4.安全維護正確的檢修作業能使機器人耐用且對防止故障和確保安全也是必不可少的。根據設備維修制度，設備維修主要分為以下幾類：（1）事后維修設備運行至故障停車后才進行修理。（2）預防維修按照預定的檢修時間間隔進行維修（計劃維修）。（3）預知維修對設備進行狀態監測，根據設備監測和診斷的結果，視設備劣化或故障的程度，安排在適當的時間進行必要的設備維修。7.5.2基于故障樹的工業機器人故障分析通過對工業機器人采用故障樹診斷技術，能夠快速進行故障診斷定位，及時有效地將問題解決；同時亦可以對早前出現的問題，以維護時對相應故障可能點進行預知維修，及早避免不必要故障的發生；提高機器人運行安全性，防止不足維修而導致的事故；提高機器人使用合理性、運行安全性和經濟性。7.5.2基于故障樹的工業機器人故障分析5.結論本節以重慶華數機器人有限公司的HSR-JR605六關節串聯型工業機器人為研究對象，采用基于故障樹的故障診斷方法，通過對調試及測試過程中，工業機器人常出現的故障、問題進行匯總，形成故障診斷記錄，建立工業機器人故障樹；以便在下次遇到類似的問題，能夠快速進行故障診斷定位；通過找出工業機器人中容易發生的故障，以對相應故障可能點進行預知維護。通過此方法提高了工業機器人故障排除率，也大大提高了故障的維修效率。本節采用故障樹分析方法來診斷推理、排查工業機器人系統故障，通過文中故障分析證明，基于故障樹的故障診斷方法是有效的、高效的，可以實現快速診斷故障的目的，也為今后工業機器人的故障維修提供了經驗，提高了生產制造系統的工作效率，節約成本，具有實用意義。7.6One基于6sigma的工況監測與故障診斷7.6.16sigma簡介目前，美國公司的平均水平已從十年前的三sigma上下提高到了接近五sigma的程度，而日本則已超過了5.5sigma的水平。可以毫不夸張的說sigma水平已成為衡量一個國家綜合實力與競爭力的最有效的指標。7.6.26sigma的概念1.6sigma推進過程及其統計工具表7-4展示了6sigma在不同推進階段中，改善問題使用的統計工具：7.6.26sigma的概念2.6sigma各階段推進內容6SigmaProcess是以D-M-A-I-C5階段構成并經過重要的13步驟。6Sigma活動是通過現象分析，展開問題，查明臨時性因素，以D-M-A-I-C5程序改善關鍵少數因素。先把握現象，能夠1次性改善的部門采取1次性改善活動；然后，下一個階段再接著進行改善活動。表7-5展示了6Sigma各階段推進內容。7.6.26sigma的概念3.6sigma的定義sigma是希臘字母，表示工序的散布。sigma是統計學記述接近平均值的標準偏差(StandardDeviation)或變化(Variation)，或定義為事件發生的可能性。Sigma是表示工序能力的統計單位，測定的sigma跟DPU(單位缺陷，DefectPerUnit)，PPM等一起出現。可以說明擁有高sigma值的工序，具備不良率低的工序能力。Sigma值越大品質費用越少，周期越短。平均值和拐點之間距離用標準偏差表示。如果目標值(T)和規格上下限(USL或LSL)距離是標準偏差的3倍的話，說明具備了3Sigma的工序能力。如圖7-27所示。7.6.26sigma的概念7.6.26sigma的概念5.6sigma品質水平6sigma的業務流程幾乎是完美的。對于制造性業務流程來說，6sigma意味著每一百萬次加工只有3.4個不良品。請注意，本書所指的sigma值是當平均值有1.5sigma漂移時的情形，在6sigma中這叫做流程的長期sigma值。如表7-6所示，展示了sigma值與產品不良品率(DPPM)的關系：7.6.3定義階段1）確定問題范圍。問題范圍的確定可通過過程流程圖、質量指標分解（QFD）、FMEA（FailureModes&EffectsAnalysis）等手段進行分析得到；2）決定活動課題和相關非常勤人員。即用邏輯樹等方法展開問題后，找出最終區域，選定經驗豐富的工程師來執行課題活動；3）找出活動課題的具體事項。可通過頭腦風暴、魚骨圖等手段找到活動課題的具體事項；4）確定活動題目的相關利益。為保證達成，明確改善金額；5）對活動課題的問題記錄。在現象分析時，記錄現在現象和所希望的現象；6）計劃時間管理表。通過分析把全部日程用具體的圖表管理。7.6.4測量階段測量階段（MeasurementSystemsAnalysis，MSA），簡稱MSA分析，從以下幾個方面分別加以介紹說明。1.概述測量系統是用來對被測特性定量測量或定性評價的儀器或量具、標準、操作、方法、夾具、軟件、人員、環境的集合；用來獲得測量結果的整個過程。測量系統分析是指用統計學的方法來了解測量系統中的各個波動源，以及它們對測量結果的影響，最后給出測量系統是否合乎使用要求的明確判斷。測量系統分析的目的是為了確保收集的信息能真實反映整個過程，即確保收集到的數據質量可靠。7.6.4測量階段2.測量變差測量系統的變差的組成部分：1）準確性。偏倚，多次測量結果均值與基準值之間的偏差（偏倚、線性、穩定性）；2）精確性。波動，多次重復測量結果的分散程度（重復性、再現性）。7.6.4測量階段3.執行測量系統分析（1）測量系統分析的前提條件1）測量系統必須具有足夠的分別率—1/10原則（公差/過程變差）。2）測量過程必須統計穩定。（2）變量數據的測量系統分析測量系統能力判別如表7-7所示：7.6.4測量階段（3）特性數據的測量系統分析特性數據的測量系統分析，需從以下四個方面去度量：1）操作者自身的一致性（考察重復性）。2）操作者之間的一致性（考察再現性）。3）操作者與標準的一致性（考察正確性）。4）總體一致性（考察測量系統有效性）。7.6.5分析階段在分析階段主要是利用各種分析手段，對各個影響因素進行數據收集，然后進行數據處理和數據分析，找到問題的關鍵影響因子。主要的分析方法有：過程能力計算、假設實驗、箱線圖等等。在此對數據的過程能力計算加以介紹。7.6.5分析階段2.變量性數據的過程能力計算1）過程能力指數（ProcessCapabilityIndex，CP或CPK）。指針對統計受控