ABB机器人故障诊断与容错控制分析

　　随着计算机技术、电子技术、控制理论、机械工程等学科的发展和新材料、新元件的应用，ABB机器人技术日新月异。ABB机器人已被广泛应用在工业、农业、军事、太空探索、深海探索、医疗、救援和日常生活等各个方面。现代工农业、军事等领域日趋复杂以及人们对生产生活质量的不断追求，使得对ABB机器人要求越来越高，机器人技术也越来越先进、复杂。从简单应用到智能化、从人工参预到自组织运行、从已知环境到未知环境应用、从单机器人操作到多机器人协调工作和编队工作等等，这些应用都对ABB机器人的稳定性提出了一定要求。如果ABB机器人在带故障状态下运行，一方面会使ABB机器人的寿命缩短，另一方面还可能带来不利影响，有时可能产生灾难性的后果。实际工程运行表明，ABB机器人容易出现故障。即使花费大量人力物力精心设计和制造的ABB机器人，在面对未知的、复杂的应用环境时，也经常会出现故障。特别是应用在太空、深海或危险环境中，ABB机器人出现故障时人们无法直接维修或维修代价太高，因此ABB机器人故障诊断与容错控制技术的研究具有重要意义。本文在国内外学者对ABB机器人故障诊断研究的基础上，结合ABB机器人应用发展的趋势，引用了相关领域的新技术，对未知环境下的ABB机器人故障诊断、ABB机器人并发故障诊断、编队运行的ABB机器人故障诊断与容错控制、群集（flocking）中的ABB机器人故障诊断与容错控制进行了研究。本文的主要分析如下：

　　1、分析了ABB机器人故障的分类、产生原因，故障诊断的意义、研究现状以及各种ABB机器人的诊断方法、特点、需要解决的问题和研究趋势；

　　2、提出了一种基于支持向量机（SVM）的未知环境下ABB机器人故障诊断的方法。支持向量机故障诊断的关键是提取特征向量、支持向量机参数选取、降低噪声对支持向量机的影响以及剔除孤立点等。针对支持向量机对噪声敏感的特点，提出了小波变换的方法重构采样信号并提取特征，用网格搜索与交叉验证的方法优化支持向量机的参数，采用投票方式的多支持向量机对故障特征进行分类。提高了故障诊断的适应性和分类正确率。

　　3、针对ABB机器人可能同时并发多种故障的特点，提出了基于模糊核聚类（KFCM）的ABB机器人并发故障诊断技术。采用针对单发故障的卡尔曼滤波器对采样信号进行滤波，利用整合先验知识的模糊核聚类方法对滤波残差信号进行模糊分类，利用数据点对各聚类中心的模糊隶属度，诊断机器人是否发生了某一类故障，或者某两类并发故障。在“先锋3”号ABB机器人上对12种单故障与并发故障进行了诊断并与FCM方法进行了对比，结果证明了该方法比FCM具有更好的诊断效果。

　　4、研究了ABB机器人在SBC、SSC跟随规则的编队方式运行时的故障诊断与容错控制。根据SBC跟随规则和SSC跟随规则，设计了相应的分布式扩展卡尔曼滤波器对信号进行滤波，根据滤波残差进行故障诊断。提出了编队控制时的容错控制策略和避障算法。弥补了Diagle等人算法中机器人出现故障或遭遇障碍物时无法维持编队的缺陷。分析了大量ABB机器人在编队控制时可能组成的复杂网络上故障传播模型，提出了基于复杂网络传播模型的目标免疫算法，能降低故障在大规模编队网络中传播的概率。

　　5、以α-网格模型的群集为研究对象，采用几个群集相关性能指标，研究群集中ABB机器人出现故障时对群集性能的影响。提出了基于数据通信和数据关联的群集故障诊断和容错控制算法。将故障机器人看成障碍物，提出了运用栅格地图记录信息和和采用各类agent模拟受力关系的方法对复杂形状障碍物的避障算法。不仅克服了Olfati-Saber算法总对凹多边形、长墙状的障碍物无法避障的缺点，而且该算法无需事先知道机器人运行环境的先验知识，具有一定的优越性。