本發(fā)明涉及一種裝載智能機(jī)器人的故障風(fēng)險(xiǎn)評(píng)估方法，尤其是一種裝載智能機(jī)器人的故障風(fēng)險(xiǎn)評(píng)估方法，屬于裝載智能機(jī)器人技術(shù)領(lǐng)域。

背景技術(shù)：

目前，隨著科學(xué)技術(shù)的發(fā)展，工業(yè)建設(shè)向著更加快速、便捷、智能化以及現(xiàn)代化的方向發(fā)展。國(guó)內(nèi)外都采用智能機(jī)器人進(jìn)行重型軋輥裝載，以提高工業(yè)快捷化和效率化，并降低崗位的危險(xiǎn)性。因此對(duì)機(jī)器人設(shè)備可靠性的要求越來(lái)越高，，而傳統(tǒng)的設(shè)備故障事后處理模式已不能滿足工業(yè)機(jī)器人的要求，無(wú)形中還增加了維修成本。故障風(fēng)險(xiǎn)評(píng)估可以在設(shè)備發(fā)生故障之前提前發(fā)現(xiàn)設(shè)備數(shù)據(jù)的異常，做出相應(yīng)的風(fēng)險(xiǎn)評(píng)估及事故判別，從而大大減小故障發(fā)生可能性和故障造成的經(jīng)濟(jì)損失，并讓工作人員了解風(fēng)險(xiǎn)的動(dòng)態(tài)走向，在故障發(fā)生之前進(jìn)行維修工作。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)以上的技術(shù)問(wèn)題，本發(fā)明提供了一種重型軋輥裝載智能機(jī)器人的故障風(fēng)險(xiǎn)評(píng)估方法，該故障風(fēng)險(xiǎn)評(píng)估的方法能解決現(xiàn)實(shí)中機(jī)器人的實(shí)時(shí)風(fēng)險(xiǎn)監(jiān)測(cè)和動(dòng)態(tài)風(fēng)險(xiǎn)走向的需求。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種重型軋輥裝載智能機(jī)器人的故障風(fēng)險(xiǎn)評(píng)估方法，采用數(shù)據(jù)診斷、風(fēng)險(xiǎn)評(píng)估和事故預(yù)估三個(gè)模塊，首先，分析機(jī)器人身上各項(xiàng)設(shè)備傳感器實(shí)時(shí)數(shù)據(jù)，計(jì)算出判別數(shù)據(jù)趨勢(shì)的參數(shù)，診斷數(shù)據(jù)是否存在異常，判別潛在故障，根據(jù)數(shù)據(jù)動(dòng)態(tài)趨勢(shì)參數(shù)，設(shè)備重要程度和設(shè)備脆弱性，計(jì)算潛在故障所造成的相應(yīng)風(fēng)險(xiǎn)值，然后劃分對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí)，如若風(fēng)險(xiǎn)超過(guò)安全等級(jí)，發(fā)送緊急制停信號(hào)，并綜合地預(yù)估潛在故障造成的事故類(lèi)型，通知工作人員進(jìn)行維修。

所述分析機(jī)器人身上各項(xiàng)設(shè)備傳感器實(shí)時(shí)數(shù)據(jù)，計(jì)算出判別數(shù)據(jù)趨勢(shì)的參數(shù)，診斷數(shù)據(jù)是否存在異常，判別潛在故障具體方法是：根據(jù)機(jī)器人身上各項(xiàng)設(shè)備傳感器實(shí)時(shí)數(shù)據(jù)的向量x＝(a1，a2，...，ai)，其中ai表示第i個(gè)設(shè)備的數(shù)據(jù)，診斷數(shù)據(jù)x的異常，計(jì)算數(shù)據(jù)趨勢(shì)參數(shù)dx，k，dx是數(shù)據(jù)x與bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的期望數(shù)據(jù)x′的差值，k是差值的變化速率，即偏差曲線的斜率，考慮dx，k和它們對(duì)應(yīng)的閾值，從而可以診斷設(shè)備數(shù)據(jù)是否存在異常，是否存在潛在故障，計(jì)算故障發(fā)生的概率。

所述根據(jù)數(shù)據(jù)動(dòng)態(tài)趨勢(shì)參數(shù)，設(shè)備重要程度和設(shè)備脆弱性，計(jì)算潛在故障所造成的相應(yīng)風(fēng)險(xiǎn)值具體步驟是：

(1)計(jì)算發(fā)生概率。

機(jī)器人身上第i個(gè)設(shè)備部件的故障發(fā)生概率pi：

其中kt為t時(shí)刻的偏差曲線的斜率，c1是為斜率k設(shè)定的一個(gè)常數(shù)，取值大于0，這里取1，dxt為t時(shí)刻的偏差值，c2是為偏差設(shè)定的常數(shù)，取值應(yīng)在區(qū)間(0，d)內(nèi)，這里取d為偏差的閾值，當(dāng)|dxt|≥|dxt-1|時(shí)，λ取值區(qū)間為[0，1]，這里取0.5，e為自然常數(shù)。

(2)計(jì)算影響

機(jī)器人身上第i個(gè)設(shè)備部件風(fēng)險(xiǎn)影響ii＝μi×ei×vi+g，其中μi為權(quán)重系數(shù)，ei為第i個(gè)設(shè)備部件的重要程度值，vi為第i個(gè)設(shè)備部件的脆弱性，g為常數(shù)；

(4)計(jì)算風(fēng)險(xiǎn)值

機(jī)器人身上第i個(gè)設(shè)備部件風(fēng)險(xiǎn)值ri＝pi×ii，機(jī)器人總體風(fēng)險(xiǎn)值其中，n為被監(jiān)控設(shè)備部件的總數(shù)，對(duì)于ri，r都有相應(yīng)的安全值，超過(guò)安全值，就發(fā)送警報(bào)和制停信號(hào)。

所述設(shè)備脆弱性由歷史數(shù)據(jù)中的一定期間內(nèi)故障發(fā)生頻率決定，設(shè)備脆弱性劃分為5個(gè)等級(jí)，分別為極低vl、低l、中m、高h(yuǎn)、極高vh，對(duì)應(yīng)值為0.1、0.3、0.5、0.7和0.9，若在該期間內(nèi)，設(shè)備沒(méi)有發(fā)生故障，則默認(rèn)設(shè)置為極低；所述設(shè)備重要程度由專(zhuān)家或經(jīng)驗(yàn)人員確定，相應(yīng)分為一、二、三和四4個(gè)等級(jí)，對(duì)應(yīng)值為0.1、0.3、0.5和0.7。

所述bp神經(jīng)網(wǎng)絡(luò)為三層前饋網(wǎng)絡(luò)，分別為輸入層，隱含層和輸出層，從輸入層到隱含層的變化是非線性的，激活函數(shù)為sigmoid，而隱含層到輸出層是線性的，通過(guò)bp神經(jīng)網(wǎng)絡(luò)具有的逼近任意非線性函數(shù)的能力，來(lái)預(yù)測(cè)機(jī)器人設(shè)備的正常運(yùn)行的期望值。

將已經(jīng)發(fā)生的風(fēng)險(xiǎn)事故對(duì)應(yīng)的機(jī)器人設(shè)備數(shù)據(jù)納入歷史數(shù)據(jù)庫(kù)。

本發(fā)明的有益效果是：

本發(fā)明根據(jù)各個(gè)設(shè)備數(shù)據(jù)值偏差的趨勢(shì)，計(jì)算出各個(gè)設(shè)備故障的發(fā)生概率，結(jié)合各個(gè)設(shè)備的重要程度和脆弱性得出各自的風(fēng)險(xiǎn)影響，再計(jì)算出各個(gè)設(shè)備的故障風(fēng)險(xiǎn)值和風(fēng)險(xiǎn)等級(jí)，最后綜合故障風(fēng)險(xiǎn)值，計(jì)算出機(jī)器人的風(fēng)險(xiǎn)值和風(fēng)險(xiǎn)等級(jí)，預(yù)估風(fēng)險(xiǎn)的事件類(lèi)型，實(shí)現(xiàn)在故障發(fā)生之前檢測(cè)出故障的存在，了解動(dòng)態(tài)地風(fēng)險(xiǎn)走向，達(dá)到有效地在經(jīng)濟(jì)和時(shí)間上減少成本的目的，提高機(jī)器人的工作效率。

本發(fā)明還提供了實(shí)現(xiàn)上述故障風(fēng)險(xiǎn)方法的原理圖，風(fēng)險(xiǎn)評(píng)估模型及涉及到的計(jì)算公式。

附圖說(shuō)明

圖1是本發(fā)明的故障風(fēng)險(xiǎn)評(píng)估的流程圖；

圖2是本發(fā)明的預(yù)測(cè)設(shè)備數(shù)據(jù)期望值的bp神經(jīng)網(wǎng)絡(luò)；

圖3是本發(fā)明的風(fēng)險(xiǎn)的計(jì)算方法流程圖；

圖4是用于事故預(yù)估的bp神經(jīng)網(wǎng)絡(luò)；

其中：1是輸入層，2是隱藏層，3是輸出層。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明專(zhuān)利作進(jìn)一步的描述。

如圖1所示，本發(fā)明提供了一種裝載智能機(jī)器人的故障風(fēng)險(xiǎn)評(píng)估方法，主要包括故障診斷、風(fēng)險(xiǎn)評(píng)估和事故預(yù)估三個(gè)模塊、以及歷史數(shù)據(jù)。對(duì)裝載智能機(jī)器人身上設(shè)備傳感器的實(shí)時(shí)數(shù)據(jù)進(jìn)行分析，計(jì)算出衡量數(shù)據(jù)動(dòng)態(tài)趨勢(shì)的參數(shù)，數(shù)據(jù)偏差和其變化速率，診斷數(shù)據(jù)是否存在異常，再根據(jù)數(shù)據(jù)動(dòng)態(tài)趨勢(shì)參數(shù)計(jì)算潛在故障所造成的相應(yīng)風(fēng)險(xiǎn)值，然后劃分對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí)，如若風(fēng)險(xiǎn)超過(guò)安全等級(jí)，發(fā)送緊急制停信號(hào)，并且預(yù)估潛在故障造成的事故類(lèi)型，通知工作人員進(jìn)行維修。

數(shù)據(jù)診斷模塊接收數(shù)據(jù)輸入，分析數(shù)據(jù)得出數(shù)據(jù)趨勢(shì)參數(shù)；所述的風(fēng)險(xiǎn)評(píng)估模塊與所述的數(shù)據(jù)診斷模塊相連，依據(jù)數(shù)據(jù)趨勢(shì)參數(shù)、設(shè)備重要程度和脆弱性，計(jì)算出風(fēng)險(xiǎn)值；所述事故預(yù)估模塊與所述的風(fēng)險(xiǎn)評(píng)估模塊相連，使用bp神經(jīng)網(wǎng)絡(luò)對(duì)設(shè)備數(shù)據(jù)來(lái)預(yù)估風(fēng)險(xiǎn)事件類(lèi)型；所述的歷史數(shù)據(jù)與數(shù)據(jù)診斷模塊、風(fēng)險(xiǎn)評(píng)估模塊和事故預(yù)估模塊都有間接聯(lián)系，數(shù)據(jù)診斷模塊使用歷史數(shù)據(jù)訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)，得到設(shè)備數(shù)據(jù)的期望函數(shù)，風(fēng)險(xiǎn)評(píng)估模塊根據(jù)歷史數(shù)據(jù)中一定時(shí)間內(nèi)某設(shè)備發(fā)生故障的頻率來(lái)設(shè)定設(shè)備的脆弱性，事故預(yù)估模塊使用歷史故障數(shù)據(jù)來(lái)訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)，用于異常數(shù)據(jù)的事故預(yù)估。

本發(fā)明實(shí)時(shí)監(jiān)測(cè)機(jī)器人身上各項(xiàng)設(shè)備傳感器的數(shù)據(jù)向量：x＝(a1，a2，...，ai)，其中ai表示第i個(gè)設(shè)備的數(shù)據(jù)，診斷數(shù)據(jù)x的異常，計(jì)算數(shù)據(jù)趨勢(shì)參數(shù)dx，k，dx是數(shù)據(jù)x與bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的期望數(shù)據(jù)x′的差值，k是差值的變化速率，即偏差曲線的斜率，考慮dx，k和它們對(duì)應(yīng)的閾值，從而可以診斷設(shè)備數(shù)據(jù)是否存在異常，是否存在潛在故障，計(jì)算故障發(fā)生的概率。這里的bp神經(jīng)網(wǎng)絡(luò)為三層前饋網(wǎng)絡(luò)，分別為輸入層，隱含層和輸出層，從輸入層到隱含層的變化是非線性的，激活函數(shù)為sigmoid，而隱含層到輸出層是線性的。bp神經(jīng)網(wǎng)絡(luò)具有逼近任意非線性函數(shù)的能力，這里用于預(yù)測(cè)機(jī)器人設(shè)備的正常運(yùn)行的期望值。

如圖2所示，本發(fā)明提供了用于預(yù)測(cè)某設(shè)備正常數(shù)據(jù)期望值的方法，bp神經(jīng)網(wǎng)絡(luò)，該方法可以給出一段時(shí)間內(nèi)某設(shè)備數(shù)據(jù)期望值曲線，可以根據(jù)期望值曲線和數(shù)據(jù)實(shí)際值得出偏差的變化曲線，觀察是否存在數(shù)據(jù)異常，得到某時(shí)刻的偏差值和其變化速率。該bp神經(jīng)網(wǎng)絡(luò)的輸入層和隱藏層節(jié)點(diǎn)數(shù)量依具體情況而定，輸出層只有一個(gè)節(jié)點(diǎn)，用于輸出某一設(shè)備某時(shí)刻的數(shù)據(jù)期望值，每個(gè)被監(jiān)測(cè)的設(shè)備都對(duì)應(yīng)有一個(gè)預(yù)測(cè)自身數(shù)據(jù)期望值的bp神經(jīng)網(wǎng)絡(luò)。bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)為機(jī)器人在一段時(shí)間內(nèi)連續(xù)工作某設(shè)備的所有數(shù)據(jù)，即每個(gè)時(shí)刻都對(duì)應(yīng)設(shè)備數(shù)據(jù)，從而可以預(yù)測(cè)該設(shè)備在一段時(shí)間內(nèi)每一時(shí)刻的數(shù)據(jù)期望值。

如圖3所示，本發(fā)明提供了一種風(fēng)險(xiǎn)的計(jì)算方法，根據(jù)收到的數(shù)據(jù)趨勢(shì)參數(shù)，即差值和變化速率，以及設(shè)備重要性和設(shè)備脆弱性，可以得出風(fēng)險(xiǎn)的影響和發(fā)生概率，從而計(jì)算出相應(yīng)的風(fēng)險(xiǎn)值。

(1)計(jì)算發(fā)生概率：機(jī)器人身上第i個(gè)設(shè)備部件的故障發(fā)生概率pi：

其中kt為t時(shí)刻的偏差曲線的斜率，c1是為斜率k設(shè)定的一個(gè)常數(shù)，取值應(yīng)大于0，這里取1。dxt為t時(shí)刻的偏差值，c2是為偏差設(shè)定的常數(shù)，取值應(yīng)在區(qū)間(0，d)內(nèi)，這里取d為偏差的閾值。當(dāng)|dxt|≥|dxt-1|進(jìn)，λ取值區(qū)間為[0，1]，這里取0.5，e為自然常數(shù)；

(2)計(jì)算影響：機(jī)器人身上第i個(gè)設(shè)備部件風(fēng)險(xiǎn)影響ii＝μi×ei×vi+g，其中μi為權(quán)重系數(shù)，ei為第i個(gè)設(shè)備部件的重要程度值，vi為第i個(gè)設(shè)備部件的脆弱性，g為常數(shù)；

(3)計(jì)算風(fēng)險(xiǎn)值：機(jī)器人身上第i個(gè)設(shè)備部件風(fēng)險(xiǎn)值ri＝pi×ii，機(jī)器人總體風(fēng)險(xiǎn)值其中，n為被監(jiān)控設(shè)備部件的總數(shù)。對(duì)于ri，r都有相應(yīng)的安全值，超過(guò)安全值，就發(fā)送警報(bào)和制停信號(hào)。

以上公式因依實(shí)際情況進(jìn)行相應(yīng)調(diào)整。

根據(jù)風(fēng)險(xiǎn)值來(lái)認(rèn)定風(fēng)險(xiǎn)的等級(jí)，如若風(fēng)險(xiǎn)超過(guò)安全等級(jí)，應(yīng)當(dāng)發(fā)出警報(bào)信號(hào)和緊急制停信號(hào)。其中設(shè)備的重要性是由專(zhuān)家和經(jīng)驗(yàn)人員來(lái)人為設(shè)定，設(shè)備的脆弱性可以是由歷史數(shù)據(jù)中的一定期間內(nèi)(如2年)故障發(fā)生頻率而定，也可以是由專(zhuān)家和經(jīng)驗(yàn)人員人為設(shè)定。

風(fēng)險(xiǎn)的發(fā)生概率需要考慮實(shí)時(shí)數(shù)據(jù)趨勢(shì)，即偏差和其變化速率。而風(fēng)險(xiǎn)的影響需要考慮設(shè)備的脆弱性和重要程度。設(shè)備的脆弱性由歷史數(shù)據(jù)中的一定期間內(nèi)(如2年)故障發(fā)生頻率決定，主要?jiǎng)澐譃?個(gè)等級(jí)，分別為極低vl、低l、中m、高h(yuǎn)、極高vh，對(duì)應(yīng)值為0.1、0.3、0.5、0.7和0.9(依實(shí)際情況而定)，若在該期間內(nèi)，設(shè)備沒(méi)有發(fā)生故障，則默認(rèn)設(shè)置為極低。此外，設(shè)備脆弱性也可以由專(zhuān)家或經(jīng)驗(yàn)人員人為設(shè)定。設(shè)備的重要程度分為由專(zhuān)家或經(jīng)驗(yàn)人員確定，相應(yīng)分為一、二、三和四4個(gè)等級(jí)，對(duì)應(yīng)值為0.1、0.3、0.5和0.7(依情況而定)。

本發(fā)明將風(fēng)險(xiǎn)值劃分為4個(gè)等級(jí)，分別綠色、黃色、橙色和紅色風(fēng)險(xiǎn)，當(dāng)風(fēng)險(xiǎn)超過(guò)黃色風(fēng)險(xiǎn)時(shí)，應(yīng)當(dāng)緊急制停，通知工作人員進(jìn)行維修工作，并根據(jù)該時(shí)刻的數(shù)據(jù)進(jìn)行事故預(yù)估，判斷該風(fēng)險(xiǎn)對(duì)應(yīng)哪一類(lèi)事故。事故預(yù)估采用神經(jīng)網(wǎng)絡(luò)的方法，利用神經(jīng)網(wǎng)絡(luò)來(lái)輸出每個(gè)事故類(lèi)型發(fā)生的概率，以概率最大的事件類(lèi)型為準(zhǔn)，這里用分好事故類(lèi)別的歷史事故數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

如圖4所示，本發(fā)明提供了故障風(fēng)險(xiǎn)的事故預(yù)估方法，該方法根據(jù)某時(shí)刻所有設(shè)備的數(shù)據(jù)來(lái)判別潛在故障會(huì)導(dǎo)致的所有事故的概率。該方法也是使用bp神經(jīng)網(wǎng)絡(luò)，與圖3不同，該網(wǎng)絡(luò)的輸入層1節(jié)點(diǎn)數(shù)量為設(shè)備數(shù)據(jù)的種數(shù)，隱藏層2節(jié)點(diǎn)數(shù)量依具體而定，輸出層3是一個(gè)softmax層，具體節(jié)點(diǎn)數(shù)量為事故類(lèi)型的種數(shù)加一，多加的一個(gè)節(jié)點(diǎn)表示事件無(wú)法判別，則它輸出的結(jié)果為每一個(gè)事故對(duì)應(yīng)的概率，概率總和為1，事故的概率越大則發(fā)生該事故的可能性越大，一般情況下以最大概率的事故為參考。該bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)含有對(duì)應(yīng)的事故類(lèi)型信息。

另外，對(duì)已經(jīng)發(fā)生的風(fēng)險(xiǎn)事故，應(yīng)當(dāng)將風(fēng)險(xiǎn)事故對(duì)應(yīng)的設(shè)備數(shù)據(jù)納入歷史數(shù)據(jù)庫(kù)。

以上實(shí)施方式僅供說(shuō)明本發(fā)明的方法之用，而非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的技術(shù)人員，在不脫離本發(fā)明的構(gòu)思和范圍的情況下，還可以做出各種變換或變化，例如調(diào)整設(shè)備重要程度和脆弱性的等級(jí)劃分和相應(yīng)值，劃分風(fēng)險(xiǎn)等級(jí)，設(shè)定安全等級(jí)，偏差和其變化速率的計(jì)算方式，風(fēng)險(xiǎn)的計(jì)算方式，設(shè)備數(shù)據(jù)期望值預(yù)測(cè)方法的調(diào)整，更換bp神經(jīng)網(wǎng)絡(luò)隱藏層激活函數(shù)，風(fēng)險(xiǎn)事故預(yù)估方法的調(diào)整，以及控制系統(tǒng)和在其它種類(lèi)機(jī)器人中的應(yīng)用等。因此，所有針對(duì)機(jī)器人故障風(fēng)險(xiǎn)評(píng)估的基于bp神經(jīng)網(wǎng)絡(luò)與故障風(fēng)險(xiǎn)評(píng)估相結(jié)合的核心技術(shù)的等同的技術(shù)方案也應(yīng)該屬于本發(fā)明的范疇，應(yīng)由該權(quán)利要求限。