SCARA 机器人谐波齿轮减速器磨损预测方法的研究

aizixun8

概括

工业机器人被誉为“制造业皇冠上的明珠”。其中，柔性装配机械臂（SCARA）因其高刚性、高精度而广泛应用于汽车制造、电子制造等产线场景。此外，SCARA机器人在医疗康复、科研、教育等领域发挥着重要作用。谐波齿轮减速器作为核心部件之一，是保证SCARA机器人高精度、高可靠性的核心部件。谐波齿轮减速器的齿轮磨损是SCARA机器人最典型的故障之一。磨损后会引起噪音、齿轮强度降低、漏油、设备发热等问题，从而造成安全事故和生产污染。因此，对其预测方法的研究是重要且必要的。通过实验和数据采集，采集了谐波齿轮减速器在不同工况下的扭矩信号。经过分析处理发现，利用扭矩信号的特征变化可以及时发现或防止谐波齿轮减速机的磨损。危害，为后续优质高效的自动化生产提供保障。

SCARA机器人是工业机器人的一种。它的名字由“Robot Arm”的首字母组成。它通常用于自动化装配、包装、搬运、焊接、零件选择等任务。广泛应用于智能制造、医疗康复、科研、教育等领域。 SCARA机器人具有高刚性、高精度的特点，可以满足工业需求。据国家机器人检测评价中心（总部）统计，SCARA机器人常见故障主要有：谐波齿轮减速器故障、控制柜故障、电缆故障、旋转矢量（RV）减速器故障、电机故障等各类故障。从故障发生频率来看，谐波齿轮减速器仍然是最常见的故障部件之一，是全球工业机器人常见且难以解决的问题。

SCARA机器人的加工过程需要精确的定位。谐波齿轮减速机通过内部啮合结构可以实现高精度传动和大扭矩输出，并具有零背隙的优点。因此，小型谐波齿轮减速器被用作SCARA机器人的主要部件。 SCARA机器人关节传动系统中广泛使用的通用部件，旨在降低驱动电机的转速，增大输出扭矩，从而实现SCARA机器人的高运动精度和稳定性。

然而，与任何机械系统一样，SCARA 机器人及其组件也面临磨损和故障的风险。其中，齿轮磨损故障是常见问题。这是因为在自动化生产中，SCARA机器人将始终处于工作状态，其柔轮承受较大的交变载荷。运行过程中，波发生器的旋转对柔轮与钢轮的啮合造成严重磨损。同时，柔轮齿与钢轮齿之间也存在传动磨损，这会导致传动性能下降、机械性能降低、精度损失和不必要的停机。因此，准确预测并及时发现这些故障可以减少不必要的日常维护，提高生产效率。另外，随着磨损加剧，柔轮受力复杂，变形较大，也可能导致漏油。一旦发生漏油，不仅会造成经济损失，严重漏油还会导致减速机缺油，造成缺油。齿轮啮合面磨损加剧，导致咬死或剥落，导致设备事故。石油泄漏严重污染周围环境，并对土壤和水源产生腐蚀作用。这不仅破坏了文明生产，而且浪费了大量本可回收的能源。润滑油。

如何科学有效地判断齿轮磨损情况，开展相关研究，实现故障预测，将有助于保证生产效率，提高精细化生产管理，为企业产生巨大经济效益提供保障。本研究的主要目的是探索和验证基于扭矩信号的SCARA机器人小型谐波齿轮减速器齿轮磨损故障的预测方法。具体来说，本文将建立一个模型，通过监测和分析扭矩信号来预测齿轮磨损故障的发生，以降低机器人维护成本，提高机械系统的可靠性，并减少停机时间。

该研究的重要性在于提供一种新的、非侵入性的故障预测方法，可广泛应用于SCARA机器人和其他机械系统。这有望提高制造业的生产效率，为企业节省维护成本，并提供可持续的解决方案。

本文将详细阐述谐波齿轮减速器的齿轮磨损机理、实验设计和数据分析、结论和展望。

01

谐波齿轮减速机齿轮磨损机理分析

谐波齿轮减速

根据《机器人用谐波齿轮减速器》（GB/T 30189-2014）结构说明中对谐波齿轮减速器的定义，它是使柔轮产生可控弹性变形波的波发生器。刚轮相互作用是实现运动和动力传递的传动装置。输入和输出方向相反，即：波发生器输入，刚轮固定，柔轮输出；或者柔轮固定，刚轮输出。其结构分解图如图1所示。

图1 SCARA机器人谐波齿轮减速器结构分解图

如图 2 所示，粉色小圆圈是波发生器球体的中心，蓝色小圆圈是柔轮球体的中心，绿色小圆圈是刚性样条球体的中心。理论上来说，在健康状态下，三个小圆圈应该处于同一位置。当波发生器发生偏移故障时，三个小球就会错位。其中：WG为波发生器（wave），FS为柔性样条（flex），RC为刚性样条（）。

图2 谐波齿轮减速器部件示意图

谐波齿轮减速机运行分析

谐波齿轮减速机正常工作时，如果波发生器、柔轮和钢轮均为同心圆，则理论上扭矩波形将保持恒定。这是因为在这种情况下，各部件之间不存在变形或扭曲，能够保持稳定的传动比和扭矩输出。即当所有条件满足理想条件时，谐波齿轮减速器输出的扭矩波形为常数。

当谐波齿轮减速机的柔轮和钢轮不同心，而是圆弧时，输出波形的幅值相同。

然而，一旦柔轮和滚筒的中心不重合并且至少其中一个部件不是圆形的，就会产生二次谐波。这是因为当减速器结构存在不对称性时，系统的非线性特性会导致二次谐波的产生。

根据谐波齿轮减速器三个部件中心的偏离程度以及制造工艺是否足够接近圆，可以得到不同的故障扭矩波形，如表1所示。

表1 谐波齿轮减速机故障描述

谐波齿轮减速机故障机理分析

谐波齿轮减速机的齿轮是关键的工作部件，用于传递扭矩。在长期或超负荷使用下，齿轮可能会磨损、变形，导致运转不稳定、噪音增大、输出效率降低、漏油等现象。

运行不顺畅可能会导致波发生器的位置发生偏移，导致谐波分量无法正确产生或传递，从而影响扭矩输出的稳定性。变形可能会导致扭矩传递过程的非线性变化。 ，导致扭矩波形中产生额外的谐波分量。此时，扭矩信号的波形发生变化。如果输出侧或滚筒变形，最终产生的扭矩信号波形将呈现二次谐波。

因此，通过采集并分析扭矩信号的波形，可以掌握波发生器、柔轮、钢轮的同心度以及齿轮的圆弧特性，从而可以进行有针对性的维护，避免造成意外损坏。减速器。 ，从而提高SCARA机器人在智能制造生产过程中的稳定性和可靠性。

在谐波齿轮减速机的运行中，保持稳定的扭矩输出非常重要。同时，这些部件需要定期检查和维护，以保证减速机的正常运行，避免出现异常的扭矩波形。因此，研究谐波齿轮减速机齿轮磨损故障预测十分必要。

02

测试原理及影响因素的排除

测试原理

SCARA机器人通常以一定的工作节奏运行，其关节内的电机、减速器等部件处于循环运动状态。随着机器人运行时间的积累，各关节转动部件的磨损加剧，导致内摩擦逐渐增大。为了维持作业需要，机器人必须不断增加其输出扭矩。

根据《永磁交流伺服电机通用技术条件》（GB/T 30549-2014）第3.9条的定义，电机扭矩常数是指电机与机组连接时产生的平均电磁扭矩。线电流。 ，即扭矩与电机绕组电流成正比。从前面的谐波齿轮减速机构可以看出，通过监测SCARA控制柜中的电流信号，可以了解扭矩的变化。通过扭矩变化数据的采集，研究与减速机齿轮磨损、变形的关系，给出临界阈值，从而制定日常维护数据采集计划，及时掌握谐波齿轮的运行状态减速机，并及时采取必要的维护和修理措施，确保机器人的可靠运行和生产效率。

扭矩试验方法影响因素的消除

事实上，电磁转矩与绕组电流之间并不完全成正比关系。电流与转矩的转换关系也受到很多因素的影响，其中比较显着的因素有：温度、三相电压稳定性和负载条件。

本研究基于常变量法分析。为了减少影响因素对试验结果的影响，采取了以下措施：

1）温度：考虑到启动电流以及从冷态到热态温升导致电阻变化引起的电流波动，在开始数据采集之前，布置热电偶以保证环境温度恒定并监测温度变化电机的。达到热稳定（温升1K/h）后，进行后续扭矩数据记录。

2）三相电压稳定：为了使电机的接线与实际工况保持一致，试验时要求电源稳定，避免三相电压不平衡造成电流不平衡。平衡影响测试结果。

3）负载条件：通常有两种引入负载的方式。一是通过电机牵引测试平台提供负载，二是通过带实际负载来实现负载引入。通过电机拉负载方式，负载电机本身会产生振动，引起扭矩波动。通过引入实际负载，如果SCARA机器人在实际工况下循环运行，在加载和空载状态之间交替，负载的变化会引起扭矩波动。应避免因频繁动态加载而导致的测量不准确。因此，本次试验采用重物承载额定载荷连续运行的方法。

4）根据实际工作模式仅操作SCARA机器人的一根轴，以达到测试工况的一致性。

03

实验设计与结果分析

测试条件

为了开展小型谐波齿轮减速器齿轮磨损故障的预测研究，首先确定研究对象，在考虑固定变量和试验数据再现性的基础上细化试验条件。

首先选择两台型号为CSG-32-100-2UH-SP的谐波齿轮减速机，分别安装在IRB 910SC型SCARA机器人的轴1和轴2上。润滑油选用4BNo.2，使用型号为IRC5C控制器，试验室环境温度保持在25±1℃，加载重量为额定载荷6kg。具体参数如表2所示。

表2 试验条件参数

测试程序

测试进行如下：

1）传感器安装：在SCARA机器人的电机轴上安装扭矩传感器，实时测量扭矩信号。这些传感器通常连接到数据采集系统以记录扭矩信号。

2) 运行姿态初始化：IRB 910SC 的SCARA 机器人设置初始姿态。轴1和轴2均与地面保持90°，全身保持水平，轴1旋转。姿势如图3所示。

图3 机器人姿态1

3）数据记录：以额定速度和加速度运行1轴，将机器人的运动状态分为三个阶段：加速阶段、匀速阶段和减速阶段，并记录扭矩信号。该数据将包括正常操作条件和可能的齿轮磨损故障的信号。

如图4所示，在加速阶段，机器人的速度会逐渐增加，导致轴1的运动逐渐加速。该阶段旨在使机器人达到额定速度，以快速、平稳地完成任务。

一旦达到额定速度，机器人将在匀速阶段继续匀速运动。此阶段机器人可以保持稳定的速度，保证作业的准确性和稳定性。最后，在减速阶段，机器人将逐渐降低速度以平稳地停止运动。此阶段至关重要，因为它确保机器人的定位精度和安全性，同时避免意外碰撞或过载。

图4 SCARA机器人速度-时间变化图

4）数据预处理：对采集到的扭矩信号进行预处理，包括去噪、滤波、数据对齐等步骤，保证数据的质量和一致性。

5）特征提取：从扭矩信号中提取特征，这些特征将用于构建预测方法等。

测试数据

测试数据的采集和处理主要分为数据采集、数据处理和稳定断面提取三个部分。数据采集​​阶段采用TSV软件（ABB官方数据采集软件）直接获取SCARA机器人控制柜内的原始信号，如扭矩、位置和速度信号等。数据处理阶段消除影响数据的因素质量，主要是采集频率过高引起的白噪声和耦合干扰。稳定段提取主要消除动态过渡过程，保留数据的稳定段用于故障分析。这套完整的实验数据采集和处理方法保证了数据的准确性和可靠性。

数据采集​​：数据采集采用TSV软件，通讯协议为TCP/IP协议。 TSV软件与SCARA机器人控制柜上的服务端口通过网线连接，采集电机相关信号。驱动电机参数设置如下：

电机自动调节参数：（用于自动调节电机的性能，通常指电机控制器中的自动调节积分时间常数。该参数的作用是调节电机的响应速度和稳定性，以及作为控制器的能耗和热效应，通过调整该参数，可以优化电机的运行效率和性能）。

电机控制参数：k=0.02

控制柜：IRC5C

通过网络配置，读取被测轴的时间、扭矩、位置、速度等信号。采集频率为·m)。

图5 TSV获得的原始数据扭矩-时间趋势

数据处理：由于白噪声、采样频率高等因素，原始数据很难直观地显示相关特征，因此需要对原始信号进行滤波。考虑到测试中使用的转速为12rpm，对应的频率为0.2Hz，滤波器的截止频率设置为10Hz，即对应电机转速的50倍。选择该截止频率可以有效去除噪声、保留信号特征、避免失真等。滤波后的数据如图6所示。

图6 过滤后的数据扭矩-时间趋势

稳定段提取：由于测试过程中存在加速段、匀速段、减速段、反转等运动阶段，不稳定阶段（加速、减速、反转等阶段）不能用于故障分析，并需要剔除相应的数据。 ，保留稳定段数据，如图7-图9所示。分别分析谐波齿轮减速机CSG-32-100-2UH-SP的扭矩、速度、位置等稳定段数据。

图7 谐波齿轮减速机1轴扭矩-时间趋势

另一项实验中，将型号为CSG-32-100-2UH-SP的谐波齿轮减速机安装在机器人上，整体保持水平，旋转轴为2，姿态如图10所示。

图10 机器人姿态2

机器人以额定速度和加速度运行轴2，并记录扭矩、速度、位置等信息，如图11-图13所示。

图11 谐波齿轮减速机2轴扭矩-时间趋势

测试结果

对采集到的数据进行记录和处理后，利用计算软件即可形成谐波齿轮减速器在轴1和轴2上的速度曲线，如图14和图15所示。

图14是减速机1在轴1上的速度曲线。在程序0中，蓝线代表理论速度值，红线代表实际速度值。另外，在程序1中，绿线代表理论速度值，而紫色线代表实际速度值。

图15是2轴减速机2的速度曲线。在程序0中，蓝线代表理论速度值，红线代表实际速度值。另外，在程序1中，绿线代表理论速度值，而紫色线代表实际速度值。

图16为1轴减速器新型减速器的扭矩曲线。

图16 新型减速机扭矩-时间趋势

经过长期运行，通过观察发现轴2减速机输出侧有明显漏油现象。此时捕获的谐波齿轮减速器的扭矩趋势图如图17所示，从图中可以看到扭矩的变化。

图17 输出侧漏油扭矩-时间趋势

扭矩法峰度分析

峰度 () 是统计学中用来衡量概率分布陡度的指标。峰度因子可以反映振动信号的冲击特性，它描述了数据分布曲线在其平均值附近的陡峭程度。

式中：xi为信号值，

是信号平均值，N 是采样长度，

是标准差。

式（1）用于计算观测数据的峰度值，以评价数据分布的锐度。峰度值大于3表示数据分布比较尖锐，小于3表示数据分布比较平坦，等于3表示数据分布近似正态分布。

减速机扭矩波形的分析也可以使用峰度来评估。峰度测试参数如表3所示。

表3 峰度测试参数1

当前测试中，K_Ax1的计算值为3.1，K_Ax2的值为8.2。可以断定2轴减速机有明显异常。

从本次测试可以看出，当谐波齿轮减速机的输出侧或钢轮发生变形或漏油时，最终生成的扭矩信号波形和峰度值会表现出相对异常的特征。

扩展测试

本次试验使用了10台同型号的SCARA机器人和20台相同的减速器，验证了扭矩法试验的可行性。检测结果显示，峰度值大于8的减速机中，有16台减速机输出侧出现漏油现象，并且可以清晰地观察到油迹。测试对象、峰度值及相应漏油情况的汇总信息如表4所示。

表4 峭度测试参数2

04

结果与讨论

经实验验证，扭矩法对于监测谐波齿轮减速机齿轮磨损程度、防止意外故障影响日常生产具有重要意义。可为使用SCARA机器人的制造生产线的日常维护和维修提供指导。

研究发现，利用峰度值的测试方法对谐波齿轮减速器输出侧漏油故障的预测具有明显的一致性，准确率高达90%。当峰度值大于8时，漏油的可能性就很大。另外，信号阈值超过平均值的20%也可以作为判断标准。该方法经过理论设计和实验验证，适用于各类减速机及其他工业机器人，具有普遍适用性。

该方法简单有效，经验证具有推广价值。但阈值的设定还需要进一步的数据支持和理论验证。较高的阈值会增加发生故障的可能性，从而满足智能制造的可靠性要求。

该研究成功地将预测与健康管理（PHM）技术应用到实际工业机器人的管理和维护中，取得了真实有效的成果。 PHM作为一项重要技术，可以通过监测、诊断和预测故障，对谐波齿轮减速机等关键部件进行及时管理和维护。未来的研究可重点将PHM技术应用于谐波齿轮减速器故障预测和预防，以提高工业机器人的可靠性和生产效率。同时，还需要进一步探索相关的数据分析和建模方法，以实现对故障状态的准确预测和判断。

除了杯形谐波齿轮减速器外，SCARA机器人还可以使用空心顶帽、标准和短筒等不同形状的谐波齿轮减速器。虽然类型不同，但这些减速机的工作原理和结构基本相同。在国家机器人检测评价中心的支持下，本研究将基于本文的测试方法和激励措施扩展到其他使用谐波齿轮减速器的机器人。在4轴机械臂工业机器人上进行了类似的实验，也验证了该方法的可预测性。

因此，该方法可以扩展到应用谐波齿轮减速器作为动力传输装置的工业机器人的其他故障预测。

诚然，在实际应用过程中，预测的准确性可能会受到供电稳定性、负载变化等因素的影响。今后，通过对其他固定变量的研究，可以继续深化谐波齿轮减速器故障预测模型的研究。

综上所述，本研究虽然取得了一定的进展，但在进一步完善谐波齿轮减速器故障分析与预测的过程中仍存在一定的局限性。

05

结论

据统计，2022年全球SCARA机器人市场规模将达到365.79亿元。结合历史趋势和发展环境等因素，预测到2028年，全球SCARA机器人市场规模预计将达到668.67亿元，具有广阔的发展前景。然而，随着大规模使用，机器人及其关键部件的可靠性备受关注。

解决减速机漏油问题的传统方法是拆开减速机，然后更换密封垫片或涂抹密封胶。这种方法不仅费时费力，而且密封效果难以保证，运行过程中还会再次出现泄漏问题。然而，意外故障给智能制造生产带来巨大损失。

本文开展的研究，通过可行的日常数据采集，通过明确的数据呈现故障趋势，可以作为制定实际设备维护和修理计划的重要依据，可以提高谐波齿轮的整体可靠性减速机齿轮。甚至对于提高SCARA等应用谐波齿轮减速机齿轮传动的工业机器人的可靠性、减少意外停产具有重要意义。随着研究的深入和方法优化，推广前景广阔，产生的直接和间接经济效益巨大。 。

参考文献省略。

超过

回顾过去的问题