码垛机器人健康状态评估与诊断方法研究

周明，刘军，，胡晓青

（1.北京物资学院信息学院；2.北京物资学院物流技术工程研究中心，北京 101149）

1 设备健康状态评估与诊断的发展

由于计算机技术的不断提高，物流设备越来越自动化和智能化，其内部构造也变得越来越复杂，由于过大负载或长时间工作，任何机器的性能都会不断地发生退化，最终会出现功能失效等问题。物流设备健康状态评估与诊断是指实时监测设备运行动作和状态，根据物流设备的运行状态和动作判断该设备的健康状态，设备健康状态的评估与诊断经历了3个阶段。第一阶段主要以基于故障的事后维修或定期维修为主，维修作为一种维护设备健康状态的有效方式，在一定程度上可以保证设备的健康程度。起初，当机器发生故障停止运作之后再进行诊断和维修，这样既影响工作效率又增加了维修成本。随后又出现了计划检修，是基于每隔一段时间对设备进行一次检查对其健康状态进行评估。第二阶段主要是传统的基于设备状态的维修(conditionbasedmaintenance,CBM)，这种维修方式通过实时监测当前设备的健康状态，并采用简单的阈值法作为评判当前设备健康状态的标准，以阈值为界限，低于阈值不进行维修操作继续监控设备的健康状态指标，高于阈值，马上进行维修。这种只在出现设备异常状态后才进行的合理维修，可以较大程度地减少维修费用和维修带来的停机时间。这种维修方式有效避免了维修过度和时效性差等问题，随着CBM理论以及设备预测与健康管理技术的发展，第三阶段主要是基于状态的故障预测维修，设备预测和健康管理技术最初是用于修复飞行器与原部件状态的技术。设备预测和健康管理技术主要是利用传感器技术、计算机技术、通信技术和智能算法分析技术等，提取数据科学地分析出设备当前的健康状态，并在此基础上预测其走向，为接下来设备的健康管理措施提供依据。设备预测与健康管理技术一般用在机械设备的健康状态评估中，在风力发电机的健康状态评估中，航空发动机的健康状态评估中，电力设备的健康状态评估中以及基于状态监测的车辆技术状态评估中也都有应用，主要采用的方法有模型法、层次分析法、模糊综合评估法、神经网络法、贝叶斯网络发等；设备健康状态评估基于的参数主要包括传感器所提取的特征参数、设备的规格参数、设备的历史运行参数等；设备健康状态的评估主要是利用设备的当前状态参数和历史运行参数，选择合适的评估方法对其健康状态进行分析和综合，得到一个反应设备当前状态的结果。从而达到设备健康管理的目的。

2 码垛机器人的运行故障分析

码垛机器人作为物流生产线的核心设备之一，负责物品的分拣、拣选和码垛，在货物的流通过程中发挥着至关重要的作用，码垛机器人发生故障，将影响物流仓储生产线的正常作业。了解码垛机器人运作过程中有哪些部件易发生故障以及发生故障的类型，对码垛机器人在健康状态评估和使用过程中该如何维护该设备具有重要的意义。码垛机器人一个搬运工作周期的动作，具体如下：手臂放下→手爪抓包→手臂上升→腰部旋转→腕部旋转→手臂放下→手爪放包→手臂抬起→腰部旋转→腕部旋转，箱体码垛运动过程中存在的故障总结分析如下。

2.1 抓取包故障

抓取包故障是指码垛机器人在手爪抓包和放包的作业过程中，由于箱体的倾斜或定位装置故障导致定位不准以至于机器人手爪抓取货物的位置不准从而造成故障，以及在码垛的过程中当箱体倾斜到一定程度时可能出现箱提掉落等情况导致不能继续码箱等。再者，由于码垛机制故障，箱体码错位置，继续进行码垛作业，可能发生撞箱如果监测到这几种故障，应该立即采取措施并及时纠正。

2.2 手臂升降故障

物流仓储下的码垛机器人主要负责使生产线上的物品在脱离生产线后堆放到指定位置供下一个环节使用。码垛机器人的起升降机构主要由驱动电机、联轴器、减速器、钢丝绳、卷筒和滑轮等部分组成。机械臂的升降主要通过电机驱动钢丝绳作用联轴器带动机械臂实现箱体的抓放和箱体的移动等工作。机械臂在升降过程中钢丝绳断裂及运行不稳定产生的晃动现象不可避免，这对码垛机器人机械臂抓取的箱体产生影响，甚至出现抓手松动，箱体掉落等现象。

2.3 旋转机构故障

码垛机器人的旋转机构由减速器输出轴带动标准直齿轮副进而带动旋转轴旋转，实现旋转机构运动。主要有腰部旋转和腕部旋转两个动作。目的是把生产线上的货物通过码垛机器人抓取到码垛的区域内进行码垛。齿轮长时间运作、摩擦，过热可能导致齿轮故障。如果在正常的使用过程中码垛机器人的机械臂停止旋转且时间过长，系统若监视到这种情况后，判断为设备已经故障，发出故障信号，提示相关人员注意并检查设备健康情况。

2.4 电机故障

电动机的故障根据部件是否带电可分为电气故障和机械故障。电气故障是指带电体及其附属机构，包括定子绕组、转子绕组、电刷等故障；机械故障是指非带电体的故障，包括轴承、转轴、端盖、机壳、风扇等故障，造成电动机不能正常运作的原因主要包括：（1）电源电压不符合额定电压。电压过低于额定电压，导致电机启动后达不到额定转速，以至于电机电流过大，绕组温度升高，甚至冒烟烧毁；电压过高超出额定电压，导致电机超速工作，长时间使电机过热而损坏。（2）电机负载不符合规格。由于货物本身太大，电机负载超过额定值，或者码垛机器人其他部分出现卡顿，阻止电机动作致使电机负载过大。如果电机长时间过载运行，将会导致电机转速过低、电流变大、绕组的温度随之升高，最终导致电机故障。因此必须经常监视电动机的电流，防止过载。

3 码垛机器人健康评估与诊断的研究现状及发展趋势

王海静的基于多传感器信息融合的码垛过程监控与故障诊断的研究中，提出了将视觉和内部传感器信号感知信息融合监控诊断的方法。分析了单独使用视觉或内部传感器进行系统监控的不足之处，在此基础上，针对码垛机器人的码垛过程、产品的安全性等要求，将多传感器信息融合技术应用到码垛系统中，并以信息融合技术理论知识为基础，总结得到码垛系统的多传感器信息融合的基本原理图、所采用的结构形式以及信息融合故障检测方法。针对码垛机器人多传感器系统的特性和现场环境特点，总结出系统常见的故障类型，并采用模糊BP神经网络信息融合方法实现对码垛系统的故障监控和诊断。

刘久富、陈珂等人基于含不可观变迁Petri网的码垛机器人零件加工系统故障检测方法，对Petri网在机器系统故障诊断中的应用进行了研究，建立了Petri网系统模型，应用基本可达树故障检测算法进行检测。

王瑞芳、刘林等在机器人系统的故障预测技术研究提到将故障预测与健康管理(PHM)技术应用到机器人系统的维护中。论述了PHM关键技术——故障预测技术的特点和研究内容。对故障预测技术进行分类和分析，总结出各种预测方法的特点。最后提出了基于统计过程控制(SPC)进行故障预测的方法。

上述学者将健康状态评估与诊断技术应用于码垛机器人运行监测之中，取得了一定的成果，为以后的学者研究该设备的健康状态评估与诊断指导了一个新的发展方向。然而相对于健康状态的评估与诊断技术在航空飞行器领域的应用，其在码垛机器人上的运用还处于探索阶段，真正投入到物流上码垛机器人健康状态诊断的实例并不多，该技术在码垛机器人上的运用仍然需要更多的研究和创新。

4 码垛机器人健康管理系统的设计方案

用于码垛机器人健康状态评估的健康管理系统的设计应该包括设备监测系统、数据处理系统、健康评估系统、故障时间预测系统以及维修决策系统组成。

（1）设备监测系统主要是对当前设备的状态信息进行实时监测，由多传感器组成传感网络进行实时监控，其位置的安放应该有效覆盖整个设备涉及到的应检测的零件和局部部位，并且将所测实时数据通过网络传输到系统终端，由于用于物流生产线的设备体型较大，且1台终端所能外扩的数据采集模块有限，故采用1台检测机对应管理1个传感器网络。

（2）数据处理系统由两部分组成，首先在传感器采集设备的特征信号（振动信号，温湿度信号，视觉图像信号）时，进行初步的数据处理，在提取特征信号时，利用成熟的技术手段，算法等降低噪声或者其他干扰信号的影响。然后对终端接收到的数据进行处理，首先是验证数据是否正确。通过于本地服务器数据进行校验，若服务器中存在该设备信息，则接入反应该码垛机器人状态信息的数据，存储数据。

（3）健康评估系统用于判断当前的健康状况，一般设置为定期或不定期地对设备状态做出评估，以规则库为核心，经过数据处理系统处理过的数据，导入特定的应用程序，由程序中的规则库对读取的数据进行处理。如果数据正常，按常规规律波动，则说明设备良好，若数据波动较理论数据波动较大或完全不一样，做出故障判断信息，根据设备性能衰退趋势的分析和决定设备隐形故障的关键因素（时间，工作强度）制定出设备健康状态分级标准，以便之后在此标准下进行维修保养等操作。

（4）维修决策系统以数据库为核心，存储着大量的设备维修解决方案，这些方案的设定来源基于不同的历史数据导致的健康评估分级指标，对于每次健康评估分级指标，若系统数据库中有匹配的信息，系统直接调用其解决方案进行设备的维修决策。若系统数据库中没有与之匹配的信息，则报警，由设备管理员根据健康评估分级指标提出设备的维修方案进行维修，观察后效，如果效果明显，则把维修方案添加到数据库中，供以后使用。

码垛机器人是机械和计算机技术结合的产物，对于码垛机器人的研究重点更多的是在其路径的优化和运动学等方面，就其设备监测方面研究较少。本文主要采用无线传感器网络进行特征信号的提取，然后利用健康管理系统进行设备的健康状态的评估和维修决策。随着传感器技术、数据处理技术、计算机技术、网络通讯技术、人工智能技术、并行计算软件和硬件技术等相关技术的发展，尤其是人工智能技术的进步，利用多传感器融合技术来提取码垛机器人的状态信息更准确，多传感器数据融合将成为未来复杂工业系统智能检测与数据处理的重要技术，其应用领域将不断扩大。

多传感器融合技术有以下两点优势，①可以克服利用一种信息判断机器故障和不可靠现象。②避免不同的故障可能以同一征兆形式表现出来误判断操作。对同一部位多中特征信息综合得到的结果更能反映当前设备的真实情况。只有从多方面获得关于同一对象的多维信息，并加以综合利用，才能对设备进行更可靠更准确地诊断。多传感器数据融合不是一门单一的技术，而是一门跨学科的综合理论和方法，并且是一个不太成熟的新研究领域，尚处在不断变化和发展过程中

5 结语

本文首先介绍了码垛机器人运行过程中健康状态评估与诊断技术的发展历程，从最初的人工维修、计划检修发展到基于无线传感网络的健康管理系统。分析了码垛机器人使用期间可能出现故障的部位以及常见故障产生的原因，在国内外设备健康评估与诊断的研究基础之上介绍了码垛机器人的监测与诊断研究现状。设备健康状态的评估与诊断理论研究及应用已经相当成熟，最早广泛用于航天飞行器的健康状态监测上，码垛机器人很多研究是关于其轨迹和路径的优化以及运动学等方面，而对码垛机器人的健康状态评估与诊断的应用起步比较晚，理论及应用还不够成熟，仍然有很大的发展空间。