您现在的位置是:首页 >人工智能 > 2021-05-06 04:48:43 来源:

当工业机器人过热时:持续健身检查预测潜在的机器故障

导读 它始终关注机器的状态,进行诊断分析,并在需要更换零件时通知操作员。由萨尔州大学的AndreasSchütze领导的研究小组开发了一个用于工

它始终关注机器的状态,进行诊断分析,并在需要更换零件时通知操作员。由萨尔州大学的AndreasSchütze领导的研究小组开发了一个用于工业装配,处理和包装过程的早期预警系统。智能传感器不断从工厂内部收集大量测量数据,并将信号模式与正常工作条件下的信号模式进行比较。如果系统检测到指示潜在故障的模式的差异,它会立即通知设备操作员应采取哪些补救措施。这有助于工程师更有效地规划维护,并保护他们免受不愉快的意外和意外的生产损失。

生产线中的机器人不知疲倦地工作并具有微米精度 - 除非组件失效。例如,如果用于将车身精确定位在装配机器人前面的线性致动器损坏,则机器人手臂将不再能够像通常那样精确地定位车门。结果是一扇未对准的门。或者,再举一个例子,由于材料疲劳导致的机器部件的突然故障很可能导致生产线的完全关闭。由萨尔兰大学传感器系统专家和机电一体化与自动化技术中心的AndreasSchütze领导的工程师团队正在与一群学术和工业合作伙伴合作,以防止出现这种情况。

他们的系统使机器受到有效的持续医疗检查。人体等同物将为一个人配备一个活动跟踪器,一个连续的数字心电图和血压监测器,以便随时分析他们的健康状况。'我们的系统可以持续可视化工厂机械的当前状况,并提供潜在损坏的预先警告。为此,我们将传感器安装在机器内部,这些传感器能够相互交互并与现有的过程传感器相互作用。这使我们能够记录最小的变化,“AndreasSchütze解释道。研究人员利用技术设备开始产生不同噪音,或在实际失效之前很久就会振动或过热的现象。

这是萨尔布吕肯机电一体化专家开发的系统发挥作用的地方。传感器能够检测到这些微小的变化,并可以自动将它们分配给特定的故障轮廓。Schütze教授解释说,我们已经研究了信号模式,例如振动频率,在常见损坏或故障状态下如何变化。为此,研究团队检查了数千个测量数据集中的模式,并确定了与特定类型的损坏或机械磨损相关的模式。Schütze团队的Nikolai Helwig解释说,我们将这些信息提供给传感器,将它们转换成能够自行检测这些信号差异的智能设备。这基本上消除了对外部分析仪的需要,因为系统能够自己执行分析。

研究团队的目标是开发一套传感器和模块,使运行工厂机械的公司能够根据其工厂或设备的需求量身定制健身检查。'定制传感器可以在制造时集成到机器中,也可以进行改装。最初,传感器花时间收集基线数据,即反映机器正常运行状态的数据,“Helwig说。一旦完成,系统就可以连续地将当前操作数据与那些与初期设备故障或损坏相关的典型传感器信号模式进行比较。'我们的方法也为其他工业4.0应用程序提供了机会。例如,

正在开发的系统目前正处于测试阶段,在此阶段,传感器和测量技术专家将与博世力士乐和Festo公司合作。这些传感器将用于Bosch-Rexroth监控机床的状态,而在Festo,他们的工作是检查上述线性执行器,特别是Festo的主轴和机电气缸。