← 最新论文
⚡ 电气工程

Catching Gripper Wear Earlier: An Information Monitor Compared with Control Charts in a Simulated Pick-and-Place Cell

在一个模拟取放环境中,一个专有的信息监测器通过在零件仍处于公差范围内时更早地检测到夹爪磨损,表现优于标准的 CUSUM 和 EWMA 控制图,从而实现了预防性维护以防止废品产生。

原作者: Wael Hafez, Amirhossein Nazeri, Chenan Wei

发布于 2026-10-05
📖 1 分钟阅读☕ 轻松阅读

原作者: Wael Hafez, Amirhossein Nazeri, Chenan Wei

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

在现代工厂静谧的轰鸣声中,工业机器人以人类无法企及的精度进行着动作,每小时抓取并放置数千个零件。这些机器依赖于夹爪——一种通过闭合来抓取物体并释放以沿生产线移动的机械手。多年来,工程师们一直知道这些夹爪并不会突然失效,而是会逐渐磨损,随着时间的推移变得越来越不稳定。挑战始终在于何时停止机器进行维护。如果团队等待时间过长,夹爪会变得过于松动,导致其持有的零件发生位移,从而产生一堆废品。如果他们过早停机,则会在不必要的维修上浪费时间和金金钱。目标是在发现磨损的第一迹象时就将其捕捉到,远在零件本身损坏之前,从而为维修人员提供一个在机器仍能生产合格品时采取行动的时间窗口。

为了寻找这种早期预警,由 Wael Hafez、Amirhossein Nazeri 和 Chenan Wei 领导的研究小组建立了一个虚拟测试环境。他们没有在真实的工厂中使用物理机器人,而是在计算机中创建了一个精细的取放单元模拟。在这个数字世界里,他们可以完美地控制每一个变量。他们编写程序让机器人重复执行一项单一任务:将夹爪闭合在直径三十毫米的零件上,将其提起,然后放下。随后,他们在模拟中引入了一种特定类型的磨损,这种引入并非通过损坏零件,而是通过在夹爪运动中加入微小的随机抖动来实现。这种抖动模拟了真实机械关节在轴承退化时可能开始出现的震颤或晃动。研究人员想要观察一种新型的监测系统是否能在标准工厂工具发现之前,察觉到这种微小的晃动。

标准工具被称为控制图。几十年来,工厂工程师一直使用这些图表来观察单个数值,例如夹爪的平均位置,或者该位置在每个循环之间的变化程度。当数值偏离正常范围过远时,图表就会发出警报。研究人员测试了两种常见的控制图类型,它们分别寻找平均值或数据分布的缓慢偏移。他们将这些与一种称为“信息监测器”的新方法进行了对比。信息监测器不仅仅是观察一个数字,它观察的是三者之间的关系:机器人接收到的指令、其实际产生的运动,以及下一时刻产生的运动。它提出了一个简单的问题:同样的指令是否仍能产生同样的响应?如果指令与响应之间的关系发生了变化,则表明机器正在磨损,即使平均运动看起来仍然正常。

模拟结果令人瞩目。研究人员让机器人运行了近 28.8 万个生产周期,这相当于大约 160 小时的连续运行。他们引入了渐进式的磨损,从略高于正常水平的程度开始,逐渐增加,直到夹爪的抖动达到正常水平的四倍。新式信息监测器在抖动达到正常水平的 1.2 到 1.45 倍时,对每一台机器都发出了警报。此时,夹爪仍能将零件完美地保持在要求的限度内。机器仍在生产合格的产品。相比之下,标准的控制图却保持沉默。直到抖动增长到正常水平的三倍左右,它们才发出了警报。等到这些图表最终发出求救信号时,夹爪已经如此松动,以至于几乎生产出的每一个零件都是缺陷品。

这种时间上的差异对于工厂运营至关重要。研究人员发现,当抖动达到正常水平的 1.5 倍时,第一批坏件出现了。信息监测器在这一阈值被跨越之前就捕捉到了问题,在零件仍然完好时就给了维修团队明确的警告。然而,标准控制图直到损害已经造成后才检测到问题。在模拟中,新监测器在测试的所有最低水平下都捕捉到了磨损,而传统图表直到机器已经失效时才察觉。此外,当研究人员在 80 台运行完美的健康机器上测试该系统时,新监测器和旧图表都没有发出任何虚假警报。这表明,新方法的灵敏度足以发现最早的故障迹象,而不会引起不必要的恐慌。

研究还表明,该监测器对任务本身的变化非常敏感。如果研究人员改变了零件的大小、加快了循环速度或改变了抓取位置,监测器发出的警报与检测到磨损时的警报一样响亮。这意味着该系统不能简单地在任何机器上永久运行。每当任务发生变化或维护完成后,都需要重新记录一个新鲜的“健康基准”。如果零件尺寸改变,监测器需要学习新的常态是什么。这并非缺陷,而是一个必要的功能;该系统如此精确,以至于它会注意到任何偏离所教模式的情况。研究人员指出,这种敏感性意味着监测器最适合用作检查触发器,即告知人类去检查机器,而不是作为判断故障原因的最终诊断。

尽管结果令人信服,但研究人员谨慎地指出,这项工作完全是在计算机模拟中进行的。他们引入的磨损是一种稳定、可预测的随机运动增加,这是一种特定的失效类型。现实世界的机器人面临着突发的冲击、间歇性的电气问题以及复杂的物理交互,这些都不在本次测试范围内。模拟还使用了一个简化的模型,未包含重力或零件重量,仅侧重于比较不同监测方法的能力。尽管存在这些局限性,研究结果仍提供了清晰的前行路径。研究表明,对于运行固定任务的工厂,仅依靠机器的平均运动是不够的。工程师还应该追踪运动的变化程度,并且应该考虑使用观察指令与响应之间关系的方法。通过这样做,他们或许能够捕捉到磨损的第一声低语,在计划休息期间安排维修,并在从未生产出任何次品的情况下保持生产线的运转。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →