谷裕 李健 付建生 師占群

摘要?橡塑自送料機器人故障源的檢測速度影響著橡塑自送料機器人的可靠性。針對以往該類機器人故障檢測系統(tǒng)檢測速度緩慢的問題，設(shè)計開發(fā)了一款可以快速定位的橡塑自送料機器人的故障檢測系統(tǒng)。該系統(tǒng)利用故障樹分析法對橡塑自送料機器人進行分析，結(jié)合虛擬儀器技術(shù)、無線通信技術(shù)，?從而實現(xiàn)快速、可靠的橡塑自送料機器人故障檢測。通過現(xiàn)場試驗表明該故障檢測系統(tǒng)可快速檢測出故障發(fā)生的位置，準(zhǔn)確可靠，有力地提高了現(xiàn)場維護人員的故障診斷效率。

關(guān)?鍵?詞?機器人;虛擬儀器;故障檢測;故障樹;GSM

中圖分類號?TP242.2?????文獻標(biāo)志碼?A

A?rapidly?locating?fault?detection?system?for?a?rubber-plastic

self-feeding?robot

GU?Yu1，?LI?Jian1，?FU?Jiansheng2，?SHI?Zhanqun1

（1.?School?of?Mechanical Engineering，?Hebei?University?of?Technology，?Tianjin?300130，?China;?2.Hebei?Tuoli?Intelligent?Equipment?Technology?Co?Ltd，?Shijiazhuang，?Hebei 050035，?China）

Abstract?The?detection?speed?of?fault?sources?in?a?rubber-plastic?self-feeding?robot?affects?the?reliability?of?the?robot.?To?solve?the?low?detection?speed?problem?in?the?existing?robots，?a?rapid?locating?fault?detection?system?for?a?rubber-plastic?self-feeding?robot?is?designed.?The?new?system?applies?the?fault?tree?analysis?method?for?the?rubber-plastic?self-feeding?robots，?and?combines?the?virtual?instrument?technology?and?wireless?communication?technology?to?accomplish??quick?and?reliable?fault?detection?in?rubber-plastic?self-feeding?robots.?Experimental?results?show?that?the?fault?detection?system?can?quickly?and?accurately?detect?the?fault?location，?thus?effectively?improving?the?fault?diagnosis?efficiency?of?field?maintenance?staff.

Key?words?robot;?virtual?instrument;?fault?detection;?fault?tree;?GSM

隨著我國《中國制造2025》的快速推行，計算機自動控制和管理已成為現(xiàn)代企業(yè)的發(fā)展方向，尤其是勞動強度大，工作危險性高的場合，更是企業(yè)技術(shù)升級的首選[1]。相對于醫(yī)用膠塞生產(chǎn)過程中的傳統(tǒng)人工模切上料，橡塑自送料機器人可幫助實現(xiàn)自動化，提高生產(chǎn)效率，降低危險性。然而，機器人的使用也帶來了系統(tǒng)的復(fù)雜性，一旦橡塑自送料機器人發(fā)生故障，整個醫(yī)用膠塞生產(chǎn)線都無法正常工作。為了快速診斷出故障發(fā)生的位置，保證系統(tǒng)穩(wěn)定運行，設(shè)計開發(fā)了一款基于LabVIEW和故障樹的橡塑自送料機器人的故障檢測系統(tǒng)。

傳統(tǒng)的故障樹診斷方法需要用戶選擇診斷模塊或者依次遍歷故障樹所有分支才能得到診斷結(jié)果，這種方法故障修復(fù)時間長，當(dāng)有相同的多個模塊需要診斷時，其診斷的準(zhǔn)確度不高[2]。本文提出了一種基于虛擬儀器、故障樹分析法、控制器的橡塑自送料機器人的故障檢測系統(tǒng)，通過對故障樹的定性與定量分析，將控制器程序按故障樹的最小割集分割，結(jié)合虛擬儀器技術(shù)、無線通信技術(shù)搭建故障診斷系統(tǒng)進行故障源的檢測，發(fā)現(xiàn)橡塑自送料機器人的故障源，并且將診斷數(shù)據(jù)發(fā)送給中央監(jiān)控中心，以便于發(fā)現(xiàn)橡塑自送料機器人可靠性較差的部分，進行相應(yīng)的改進。

1?故障樹建立及分析

1.1?故障樹的建立

故障樹分析法的目的是確定故障發(fā)生的原因和發(fā)生的概率，它把系統(tǒng)從整體到部分逐級分解，將系統(tǒng)故障的各種可能因素聯(lián)系起來，形成一個倒樹狀的邏輯結(jié)構(gòu)[3-4]。對于橡塑自送料機器人，首先分析系統(tǒng)流程和故障案例，選定對系統(tǒng)影響最大的系統(tǒng)故障作為頂事件，然后將造成頂事件的原因逐步分解，直至分解為不能再分解或者不需要再分解的基本事件，稱之為底事件，這樣就得到自送料機器人的故障樹。通過對故障樹的定性與定量分析，確定對整個系統(tǒng)的影響，進而檢測故障，并且針對故障改善系統(tǒng)。

橡塑機器人的操作過程如圖1、2所示，分為2個互相配合的流程：送料流程和放料流程。主要由上料系統(tǒng)、輸送系統(tǒng)、空料檢測系統(tǒng)、機械手換位系統(tǒng)、直線導(dǎo)軌、平整度檢測系統(tǒng)等構(gòu)成。

根據(jù)橡塑自送料機器人的結(jié)構(gòu)流程，構(gòu)建如圖3所示的故障樹。

故障樹中的符號含義如下：T為橡塑自送料機器人故障，?E1為送料過程故障，E2為放料過程故障，E3為輸送部分故障，E4為機械手故障，E5為導(dǎo)軌故障，E6為壓床故障，X1為工件檢測模塊故障，X2為放料到位檢測模塊故障，X3為送料檢測模塊，X4為送料電機模塊故障，X5為送料到位檢測模塊故障，X6為機械手抓取模塊故障，X7為機械手換位模塊故障，X8為機械手到位檢測故障，X9為導(dǎo)軌啟動模塊故障，X10為放料電機模塊故障，X11為導(dǎo)軌停止檢測模塊故障，X12為壓床下壓裝置故障，X13為壓床自鎖裝置故障。

1.2?故障樹定性分析

故障樹定性分析的目的是確定自送料機器人可能引發(fā)頂事件故障的全部情況，在圖3所示的橡塑自送料機器人的故障樹中，頂事件T為“橡塑自送料機器人故障”，分析所有導(dǎo)致頂事件發(fā)生的輸入事件，若輸入事件不能再分解，即得到底事件。能導(dǎo)致頂事件發(fā)生的所有底事件的合集定義為割集，若某個割集去掉任意一個事件就不能成為割集，則這個集合叫最小割集，一個最小割集代表能引起故障樹頂事件發(fā)生的一種故障模式，分析最小割集可以分析出設(shè)備的薄弱環(huán)節(jié)，為故障檢測、故障分析和提高系統(tǒng)可靠性提供依據(jù)。在圖3所示的故障樹中，其結(jié)構(gòu)函數(shù)可以表示為?T=X1∪X2∪（X3∪X4∪X5）∪（X6∪X7∪X8）∪（X9∪X10∪X11）∪（X12∪X13）。在本系統(tǒng)中，最小割集為{X1}，{X2}，{X3}，{X4}，{X5}，{X6}，{X7}，{X8}，{X9}，{X10}，{X11}，{X12}，{X13}，共有13項。

1.3?定量分析

定量分析的目的就是分析系統(tǒng)故障發(fā)生的概率以及每個底事件的重要程度，可以根據(jù)底事件發(fā)生的概率計算出頂事件發(fā)生的概率[7]。通過咨詢相關(guān)設(shè)計專家，確定橡塑自送料機器人底事件發(fā)生的概率如表1所示。

根據(jù)底事件概率計算頂事件概率為

[PT=1-i=113（1-pxi）=0.3931×10-3?，]???????（1）

求得各中間事件概率為?PE1?=?0.210?1×10-3，PE2?=?0.235?1×10-3，PE3?=?0.206?1×10-3，PE4?=?0.116?4×10-3，PE5?=0.116?9×10-3，PE6?=0.002?3×10-3。

概率重要度是故障樹定量分析的重要組成部分，最小割集的重要度可以得到最小割集對頂事件的影響程度，從而在系統(tǒng)設(shè)計過程中可以采取必要的措施提高系統(tǒng)對應(yīng)位置的穩(wěn)定性，定義最小割集的重要度為[PM=PX/PT]?。[PT]為頂事件的發(fā)生概率，[PX]為最小割集的發(fā)生概率，最小割集的概率重要度為：PM1?=?0.012?7，PM2?=?0.195?9，PM3?=?0.241?6，PM4?=?0.124?6，PM5?=?0.043?2，PM6?=?0.053?4，?PM7?=?0.089?0，?PM8?=?0.162?8，?PM9?=0.022?9，?PM10?=0.063?6，?PM11?=0.213?7，?PM12?=0.002?5，?PM13?=0.002?5，從計算結(jié)果上可以清楚地看到不同的最小割集對頂事件的影響。其中，{X12}，{X13}的概率重要度≤0.01，在系統(tǒng)中的重要度太小，可以考慮忽略不計。

1.4?PLC程序模塊化

完成故障樹的定性定量分析后，依據(jù)故障樹的最小割集對PLC程序模塊化劃分。要獲取底事件發(fā)生與橡塑自送料機器人運行位置的關(guān)系，需要對橡塑自送料機器人的動作之間的聯(lián)系進行分析，找出每個動作對應(yīng)的是哪個模塊，因為橡塑自送料機器人按工序運行，一定工序的組合組成了機器人的一個動作，每個動作的配合對應(yīng)著各個模塊的工作狀態(tài)，將PLC程序按不同動作分成多個模塊，每個模塊配上專用的標(biāo)志位，橡塑自送料機器人當(dāng)前在哪個動作，PLC標(biāo)志位也對應(yīng)發(fā)生著變化。當(dāng)頂事件發(fā)生時，橡塑自送料機器人在當(dāng)前動作停止，標(biāo)志位也隨之停止改變。通過PLC程序中的標(biāo)志位提取，可立即判斷當(dāng)前橡塑自送料機器人的動作下發(fā)生故障的底事件，相比于傳統(tǒng)的遍歷故障樹，這種通過PLC配合的故障樹更加的精準(zhǔn)和高效。

2?專家系統(tǒng)的構(gòu)建

專家系統(tǒng)主要由人機交互界面、知識庫、推理機、解釋器、綜合數(shù)據(jù)庫、知識獲取等6個部分構(gòu)成，在橡塑自送料機器人故障檢測系統(tǒng)中，在故障樹的基礎(chǔ)上建立專家系統(tǒng)[5-8]，如圖4所示。

1）?人機交互界面：人機交互界面通過NI?LabVIEW編程實現(xiàn)，通過OPC（OLE?for?Process?Control）建立LabVIEW與橡塑自送料機器人控制器SIMENS?S7-200?PLC的連接，傳送PLC中的所需要的傳感器和執(zhí)行器數(shù)據(jù)。

2）?推理機：通過對橡塑自送料機器人的分析，監(jiān)測指定的系統(tǒng)參數(shù)，當(dāng)參數(shù)發(fā)出異常信號后，認(rèn)為頂事件發(fā)生，執(zhí)行故障診斷，按照PLC系統(tǒng)中的標(biāo)志位判斷對應(yīng)的動作中的檢測模塊，與正常狀態(tài)下該模塊的狀態(tài)對比，如果有異常，系統(tǒng)發(fā)出報警，發(fā)送給數(shù)據(jù)庫，通知現(xiàn)場工作人員檢查故障。

3）?解釋器：在故障檢測完成后，將故障診斷結(jié)果顯示在主界面上，供現(xiàn)場工作人員參考，并將診斷結(jié)果通過GSM模塊發(fā)送給指定的設(shè)備，使得機器人設(shè)計公司第一時間就了解故障信息。

4）?知識庫：將橡塑自送料機器人故障樹的定性定量分析與專家系統(tǒng)的知識庫相結(jié)合，以頂事件當(dāng)作用戶對專家系統(tǒng)的提問，底事件當(dāng)作專家系統(tǒng)對該問題得出的結(jié)果，故障樹的層次和邏輯聯(lián)系就是自送料機器人專家系統(tǒng)的推理過程。故障樹的一個割集是自送料機器人系統(tǒng)的一種故障模式，對應(yīng)于知識庫的一條規(guī)則。

5）?數(shù)據(jù)庫：將故障診斷結(jié)果添加上發(fā)生時間，并且以日期的格式保存在電腦指定的文件夾里，供設(shè)計人員以及用戶查看故障信息。記錄相應(yīng)底事件的發(fā)生次數(shù)，在一定的運行次數(shù)之后，重新計算計算底事件的發(fā)生概率和概率重要度，使得測試人員十分方便的就能知道系統(tǒng)當(dāng)前的薄弱地方。

故障檢測系統(tǒng)的軟件流程如圖5所示。

2.1?規(guī)則庫生成

規(guī)則庫的建立是專家系統(tǒng)的核心，相比于傳統(tǒng)的人工建庫的方法，本文通過與PLC系統(tǒng)的聯(lián)合分析，在橡塑自送料機器人程序正常運行的時候，會每隔一定時間就發(fā)送脈沖給計算機，程序采用生產(chǎn)者/消費者設(shè)計模式，保證輸入信號不會丟失。如果在限定的時間內(nèi)，計算機沒有收到脈沖且自送料機器人狀態(tài)處于運行狀態(tài)時，則說明機器發(fā)生故障，系統(tǒng)發(fā)出停機報警，開始故障診斷。

規(guī)則庫通過判斷PLC中對應(yīng)寄存器的標(biāo)志位，通過標(biāo)志位判斷故障發(fā)生在哪個動作，轉(zhuǎn)到對應(yīng)動作的故障檢測分支，若為真則報警，且記錄每個底事件的發(fā)生次數(shù)，便于底事件發(fā)生概率和概率重要度的階段性更新。若為假，則記錄此時的數(shù)據(jù)，留給現(xiàn)場工作人員檢查更新故障樹，邏輯圖如圖6所示。

2.2?數(shù)據(jù)庫建立

在專家系統(tǒng)運行期間，程序自動記錄橡塑自送料機器人的送料次數(shù)，并且統(tǒng)計每個故障發(fā)生的次數(shù)，送料次數(shù)每達到100萬次時，程序自動計算每個故障的發(fā)生概率和故障重要度，通過這種方式，保持故障發(fā)生概率和故障重要度的更新，便于設(shè)計人員分析橡塑自送料機器人的可靠性[9]。圖7是故障診斷模塊中故障發(fā)生概率和故障重要度更新部分。每次程序停止運行時，都會把運行總次數(shù)存儲在本地計算機中，待下次程序運行時，先把數(shù)據(jù)從本地計算機中提取出來，再跟本次運行的工件數(shù)相加，實現(xiàn)不間斷的計算總次數(shù)，保證故障發(fā)生概率和故障重要度的計算正確。

故障診斷完成后，一方面故障檢測系統(tǒng)會把診斷結(jié)果在前面板上顯示出來，另一方面，故障檢測系統(tǒng)也會把診斷結(jié)果保存在本地計算機中，如圖8所示，故障信息以TXT格式文件存儲，簡單并且方便查看。文件按日期的格式進行存儲，當(dāng)天的故障信息存儲在的當(dāng)天文件中，便于設(shè)計人員階段性的查看和整理。

在橡塑自送料機器人工作工廠的現(xiàn)場沒有因特網(wǎng)的覆蓋，為了保證橡塑自送料機器人設(shè)計公司能及時的掌握故障檢測機器人的故障信息，在故障檢測系統(tǒng)中加入GSM模塊[10]。GSM模塊選擇USR-GPRS232-730模塊，該模塊在加入手機SIM卡之后就可以發(fā)送短信和使用GPRS網(wǎng)絡(luò)發(fā)送數(shù)據(jù)。本系統(tǒng)現(xiàn)僅使用它的GSM發(fā)送和接收功能。其中，GSM模塊發(fā)送如圖9所示，首先將GSM模塊調(diào)整到短信配置模式，設(shè)置手機號，配置串口信息，再將檢測完成的故障信息發(fā)送給GSM模塊中，發(fā)送數(shù)據(jù)給指定的手機，待服務(wù)端接收后，可及時的針對此故障信息作出相應(yīng)的處理。

3?實驗結(jié)果

故障診斷系統(tǒng)的前面板如圖10所示，當(dāng)故障發(fā)生時，故障指示燈亮起，系統(tǒng)啟動故障診斷程序，通過標(biāo)識判斷當(dāng)前運行的動作中的模塊，并且僅選擇對此模塊和節(jié)點進行分析，通過與真值的比較，查找出有故障的位置和模塊，指導(dǎo)現(xiàn)場工作人員對工作節(jié)點進行故障排除，并且將故障代碼通過GSM模塊發(fā)送給中央監(jiān)控中心，便于中央監(jiān)控中心針對故障及時做出準(zhǔn)備。通過多次實驗，橡塑自送料機器人故障檢測系統(tǒng)可以在幾秒內(nèi)實現(xiàn)故障檢測和數(shù)據(jù)傳輸。

4?結(jié)論

提出一種基于故障樹和虛擬儀器相結(jié)合用于橡塑自送料機器人的故障診斷系統(tǒng)，以故障樹作為知識獲取的手段，結(jié)合模塊化的PLC程序，構(gòu)建了專家系統(tǒng)，相對于傳統(tǒng)的故障樹檢測方法，本故障檢測系統(tǒng)大量節(jié)約了故障檢測的時間，快速、準(zhǔn)確的定位故障位置。實驗表明，本系統(tǒng)可以在幾秒地檢測橡塑自送料機器人的故障并且發(fā)送數(shù)據(jù)給中央監(jiān)控中心，準(zhǔn)確率高，利于提高機器人的穩(wěn)定性，實用性強，已成功應(yīng)用于某新型橡塑自送料機器人系統(tǒng)。

參考文獻：

[1]????曾祥丹.?工業(yè)機器人故障診斷技術(shù)的發(fā)展趨勢[J].?科技風(fēng)，2017（8）：10，15.

[2]????許榮，車建國，楊作賓，等.?故障樹分析法及其在系統(tǒng)可靠性分析中的應(yīng)用[J].?指揮控制與仿真，2010，32（1）：112-115.

[3]????朱芳儀.?故障樹分析法在工控故障診斷中的應(yīng)用[J].?現(xiàn)代電子技術(shù)，2012，35（8）：104-106.

[4]????羅航，王厚軍，黃建國.?故障樹定量分析及其交互方式的實現(xiàn)[J].?電子測量與儀器學(xué)報，2010，24（5）：473-480.

[5]????蘇健，陳玉強，陳軍偉，等.?基于故障樹分析的火控系統(tǒng)故障診斷專家系統(tǒng)設(shè)計[J].?計算機測量與控制，2013，21（11）：3008-3010，3020.

[6]????楊世鳳，章對磊，楊燁，等.?裁斷機實時監(jiān)控與故障診斷專家系統(tǒng)[J].?自動化與儀表，2014，29（11）：8-11，48.

[7]????高國慶，周璐春.?基于故障樹的自適應(yīng)光學(xué)電控系統(tǒng)可靠性分析[J].?激光與光電子學(xué)進展，2016，53（1）：46-52.

[8]????李英順，陶加云，趙玉鑫.?壓制觀瞄裝置故障診斷專家系統(tǒng)設(shè)計[J].?傳感器與微系統(tǒng)，2016，35（8）：111-114.

[9]????盧青，付永忠，潘云峰，等.?基于LabVIEW的電子壓力機壓力位移測控系統(tǒng)設(shè)計[J].?機床與液壓，2016，44（11）：125-127，137.

[10]??莫德清，韓劍，趙英.?基于GSM和LabVIEW的污水處理遠程監(jiān)控系統(tǒng)[J].?測控技術(shù)，2014，33（4）：62-65.

[責(zé)任編輯?楊?屹]