机器人系统的故障预测技术研究

被引：19

作者：

王瑞芳 ^{[1
]}

刘林 ^{[2
]}

徐方 ^{[3
]}

机构：

[1] 沈阳航空工业学院

[2] 沈阳飞机设计研究所

[3] 中国科学院沈阳自动化研究所

来源：

制造业自动化 | 2008年 / 11期

基金：

中国科学院知识创新工程重大项目;

关键词：

机器人; 故障预测与健康管理; 预测; SPC;

D O I：

暂无

中图分类号：

TP242 [机器人];

学科分类号：

140102 [集成电路设计与设计自动化];

摘要：

文章针对机器人系统维护特点,提出将故障预测与健康管理(PHM)技术应用到机器人系统的维护上。论述了PHM关键技术——故障预测技术的特点和研究内容。对故障预测技术进行分类和分析,总结出各种预测方法的特点。最后提出了基于统计过程控制(SPC)进行故障预测的方法,并阐述了进一步研究可能遇到的问题。

引用

页码：15 / 19

页数：5

共 10 条

[1]

故障预测与健康管理(PHM)技术的现状与发展 [J].

曾声奎 ;

Michael G.Pecht ;

吴际 .

航空学报, 2005, (05) :626-632

[2]

基于支持向量机的船舶电力负荷预测 [J].

王锡淮 ;

朱思锋 .

中国电机工程学报, 2004, (10)

[3]

数控机床故障诊断技术的发展动向 [J].

林朝平 .

新技术新工艺, 2003, (09) :9-11

[4]

SPC控制图技术在生产线质量控制中的应用 [J].

蔡纯之 .

机械制造, 2003, (07) :15-16

[5]

Ni3Al合金热/机械疲劳裂纹扩展速率试验及其预测研究附视频 [J].

何玉怀 ;

刘绍伦 ;

赵希宏 .

航空动力学报, 2002, (01) :93-96

[6]

基于灰色理论的机械设备智能状态预测 [J].

董振兴 ;

史定国 ;

张东山 ;

杨汝清 .

华东理工大学学报, 2001, (04) :392-394

[7]

基于RBF神经网络和专家系统的短期负荷预测方法 [J].

张涛 ;

赵登福 ;

周琳 ;

王锡凡 ;

夏道止 .

西安交通大学学报, 2001, (04) :331-334

[8]

应用神经网络的疲劳裂纹演化规律的描述 [J].

陈新 ;

黄洪钟 ;

孙道恒 ;

于兰峰 ;

姚新胜 .

铁道学报, 2000, (03) :33-37

[9]

基于平稳时间序列分析方法的陀螺漂移预测.[J].丁力;胡昌华;陈伟;.战术导弹控制技术.2006, 02

[10]

现代数控机床故障诊断及维修.[M].任建平主编;.国防工业出版社.2005,

← 1 →