灰色關(guān)聯(lián)理論下的移動(dòng)機(jī)器人故障診斷方法研究

蔣文萍 閔軍 吳其鑫 汪晹

摘 ?要： 隨著計(jì)算機(jī)理論、電子信息技術(shù)、自動(dòng)控制理論、機(jī)械自動(dòng)化等學(xué)科的發(fā)展和新型材料的應(yīng)用，移動(dòng)機(jī)器人技術(shù)突飛猛進(jìn)，對(duì)移動(dòng)機(jī)器人進(jìn)行故障診斷具有重要意義。首先，通過拆解移動(dòng)機(jī)器人的硬件，了解移動(dòng)機(jī)器人各個(gè)模塊的工作原理并分析其可能出現(xiàn)的故障;接著，對(duì)故障狀態(tài)下的數(shù)據(jù)和正常運(yùn)行狀態(tài)下的數(shù)據(jù)進(jìn)行分析比較，利用灰色關(guān)聯(lián)理論診斷故障;最后，利用Matlab仿真對(duì)故障診斷方法進(jìn)行驗(yàn)證。仿真實(shí)驗(yàn)和實(shí)物試驗(yàn)證明，該方法具有良好的效果。

關(guān)鍵詞： 故障診斷; 移動(dòng)機(jī)器人; 灰色關(guān)聯(lián)理論; 數(shù)據(jù)分析; Matlab仿真; 測(cè)試分析

中圖分類號(hào)： TN820.4?34; TP305 ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）12?0165?05

Abstract： With the development of computer theory， electronic information technology， automatic control theory and mechanical automation and the application of the new materials， mobile robot technology is advancing by leaps and bounds， which has great significant to the fault diagnosis of mobile robot. The working principle of each module of the mobile robot is understood and the possible faults are analyzed by disassembling the hardware of the mobile robot. The data in the fault state and the data in the normal running state are analyzed and compared， and the faults are diagnosed by means of the grey correlation theory. The fault diagnosis method is verified with Matlab simulation. The simulation experiments and physical test show that the method has a certain effect.

Keywords： fault diagnosis; mobile robot; grey relational theory; data analysis; Matlab simulation; testing analysis

0 ?引 ?言

隨著計(jì)算機(jī)理論、電子信息技術(shù)、自動(dòng)控制理論、機(jī)械自動(dòng)化等學(xué)科的發(fā)展和新型材料的應(yīng)用，移動(dòng)機(jī)器人技術(shù)突飛猛進(jìn)。但是移動(dòng)機(jī)器人如果在帶故障狀態(tài)下運(yùn)行，一方面會(huì)使移動(dòng)機(jī)器人的壽命縮短，另一方面還可能帶來災(zāi)難性的后果。尤其是在面對(duì)未知的、復(fù)雜的和多變的實(shí)際環(huán)境時(shí)，移動(dòng)機(jī)器人避免不了會(huì)出現(xiàn)故障。因此，對(duì)于移動(dòng)機(jī)器人進(jìn)行故障診斷具有重要意義。在機(jī)器人故障診斷技術(shù)中，王秀青等提出基于多傳感器信息融合的機(jī)器人故障診斷法，利用多傳感器信息融合方法中的融合向量屬性數(shù)量的選擇來進(jìn)行分析，很好解決機(jī)器人在生產(chǎn)線上發(fā)生碰撞干擾的問題，但是前提是需要足夠的傳感器來進(jìn)行配合使用，信息處理量巨大，需要大量的樣本來訓(xùn)練機(jī)器人，且診斷的對(duì)象為工業(yè)機(jī)器人這樣活動(dòng)范圍有限的機(jī)器人，對(duì)于活動(dòng)范圍更廣的移動(dòng)機(jī)器人不能做到很好的故障優(yōu)化處理[1]。袁憲鋒等針對(duì)輪式機(jī)器人建立了多PCA模型及SVM?DS融合決策機(jī)器人故障診斷方法[2]。使用PCA來進(jìn)行正常轉(zhuǎn)態(tài)下的故障診斷，隨后基于混淆矩陣來定義SVM的全局和局部可信度，融合DS理論來進(jìn)行結(jié)合診斷，進(jìn)一步降低了機(jī)器人行駛中的故障率。但是，這一理論卻無法排除機(jī)器人由自身系統(tǒng)和硬件故障引起的問題，無法追蹤行駛過程中由于機(jī)器人內(nèi)部電路故障所引起的行駛軌道偏離問題，且診斷方法過分依賴于硬件的配合，特殊性較強(qiáng)，通用性較弱。這里在之前的研究基礎(chǔ)上，引用了相關(guān)領(lǐng)域的分析方法，對(duì)未知環(huán)境下的移動(dòng)機(jī)器人故障診斷進(jìn)行了深入的研究，歸納出了基于移動(dòng)機(jī)器人的故障樹;并利用灰色關(guān)聯(lián)理論對(duì)移動(dòng)機(jī)器人進(jìn)行故障診斷。仿真實(shí)驗(yàn)和實(shí)物試驗(yàn)證明該方法具有良好的效果[3]。

1 ?移動(dòng)機(jī)器人硬件介紹

實(shí)驗(yàn)選用的移動(dòng)機(jī)器人為上海合時(shí)智能科技有限公司設(shè)計(jì)制造的uAgent?ERS3機(jī)器人，其電源模塊采用1.2 V電壓的鎳氫電池，容量為2 000 mA·h，通過串聯(lián)10節(jié)電池來組成12 V穩(wěn)壓電源。穩(wěn)壓器采用LM2576?12來保證電壓輸出的穩(wěn)定性。

移動(dòng)機(jī)器人運(yùn)動(dòng)模塊采用的核心芯片是L298N微控制器，其基于一個(gè)16 bit/32 bit ARM7TDMI?S CPU，使用PWM調(diào)制來控制電機(jī)轉(zhuǎn)速。LPC23/68是多用途的串行通信應(yīng)用的理想選擇，具有一個(gè)10/100M以太網(wǎng)媒體訪問控制器（MAC），USB全速設(shè)備，端點(diǎn)RAM大小為4 KB，4個(gè)UART，兩個(gè)CAN通道，一個(gè)SPI接口，2個(gè)同步串行端口（SSP），3個(gè)I2C接口和一個(gè)I2S接口。這種混合的串行通信接口，一個(gè)芯片上的4 MHz內(nèi)部振蕩器，SRAM高達(dá)32 KB，16 KB SRAM用于以太網(wǎng)，USB和8 KB的SRAM一般用途是，與2 KB電池供電的SRAM一起，使這些設(shè)備非常適合于通信網(wǎng)關(guān)、協(xié)議轉(zhuǎn)換器。多個(gè)32位定時(shí)器提高10位ADC、10位DAC、PWM單元、控制單元和多達(dá)70個(gè)快速GPIO線路12個(gè)邊沿或電平觸發(fā)的外部中斷引腳，特別適用于工業(yè)控制和醫(yī)療系統(tǒng)。移動(dòng)機(jī)器人的傳感器模塊分別為：霍爾轉(zhuǎn)速傳感器來作為控制系統(tǒng)中的轉(zhuǎn)速檢測(cè);紅外傳感器SHARP 2Y0A21作為測(cè)距單元，測(cè)量距離為10～80 cm;ZCC212N?TTL電子羅盤作為轉(zhuǎn)角測(cè)量單元;ZF02作為無線通信單元，最大發(fā)射功率為10 mW。

2 ?移動(dòng)機(jī)器人故障樹歸納

經(jīng)過對(duì)兩臺(tái)相同型號(hào)移動(dòng)機(jī)器人的大量試驗(yàn)，歸納出故障樹如圖1所示。

3 ?基于灰色關(guān)聯(lián)的移動(dòng)機(jī)器人故障診斷

3.1 ?診斷思路

兩輛移動(dòng)機(jī)器人中，一輛運(yùn)行正常，直線運(yùn)行數(shù)十米，反饋的數(shù)據(jù)無誤，左右輪的轉(zhuǎn)速相等;另一輛在相同程序、相同路面情況下，運(yùn)動(dòng)數(shù)秒后出現(xiàn)了明顯的旋轉(zhuǎn)，所反饋的數(shù)據(jù)與理想數(shù)據(jù)有很大的偏差，左右輪轉(zhuǎn)速不等，導(dǎo)致移動(dòng)機(jī)器人朝著一個(gè)方向偏轉(zhuǎn)。經(jīng)過反復(fù)多次的數(shù)據(jù)測(cè)量，并不斷改變PWM脈寬調(diào)制的數(shù)值，確定該輛小車發(fā)生了故障。通過反饋數(shù)據(jù)處理和硬件測(cè)試兩種方法確定了小車的故障類型[4]。

硬件方面：首先，由于移動(dòng)機(jī)器人是通過供電模塊供電的，考慮到其采用兩種不同電源供電，可能存在電源老化或電池沒有充滿的情況。拆開供電模塊發(fā)現(xiàn)，采用同一個(gè)鋰電池供電，并且充滿電時(shí)，電壓滿值為12.2 V，與理想數(shù)值吻合;在運(yùn)動(dòng)模塊的輸入端，輸入電壓并沒有發(fā)生太大的電壓偏差，都是以12 V電壓輸入。

接著，考慮電動(dòng)機(jī)旋轉(zhuǎn)問題或者齒輪比問題。由于電機(jī)旋轉(zhuǎn)出錯(cuò)使得機(jī)器人的一個(gè)輪子旋轉(zhuǎn)速度較快，一個(gè)輪子較慢?；Q左右兩個(gè)電機(jī)并保持原程序不變，獲得的數(shù)據(jù)仍然保持原有情況，故障沒有排除。由此確定不是電機(jī)旋轉(zhuǎn)問題。

最后，考慮運(yùn)動(dòng)模塊故障。由于運(yùn)動(dòng)模塊過于龐大，元器件之間已經(jīng)進(jìn)行了焊接，無法獲取各個(gè)電阻、電容、電感的準(zhǔn)確數(shù)值，只能通過輸入數(shù)值和輸出數(shù)值判斷故障原因。在輸入中通過萬用表檢查獲取主要芯片的輸入，觀察兩組PWM的輸入是否同步，電壓是否一致，結(jié)果是否一致。之后通過連接電機(jī)的5根數(shù)據(jù)線來推測(cè)輸出的PWM是否符合設(shè)計(jì)要求。由于是PWM的方波輸出，需采用示波器進(jìn)行測(cè)量。同時(shí)通過萬用表蜂鳴檔獲取電動(dòng)機(jī)正負(fù)極與PWM的5根輸出線中的哪兩根相連接。結(jié)果表示：1，2號(hào)為霍爾編碼器的電壓輸入，為5 V電壓;3，4號(hào)為PWM的輸出波形線;而第5根線為霍爾編碼器的回饋型號(hào)，與2號(hào)線共地。同時(shí)，測(cè)量時(shí)需要注意帶上負(fù)載才有輸出波形。

左右PWM輸入值如圖2～圖5所示。

眾所周知，脈寬調(diào)制是指用改變電機(jī)電樞電壓接通與斷開時(shí)間的占空比來控制電機(jī)轉(zhuǎn)速的方法。當(dāng)然改變占空比有很多方法，但是最重要的還是改變電壓的平均值。以上讀取到的圖都有可能是正確的。一般而言，采用第一種方法有上升也有下降，即導(dǎo)通后關(guān)斷由反向電壓阻攔;第二種方法是導(dǎo)通后直接關(guān)斷，這就導(dǎo)致了第二種的平均電壓比第一種的平均電壓略高，也就意味著電機(jī)轉(zhuǎn)速更加快速，這才導(dǎo)致了左右輪的不平衡。最終通過檢測(cè)正常運(yùn)行的移動(dòng)機(jī)器人的運(yùn)動(dòng)波形，得出圖4為故障狀態(tài)。主要故障情況經(jīng)過多方檢測(cè)和判斷，認(rèn)為是由于二極管的反向?qū)ü收蠈?dǎo)致左右兩輪產(chǎn)生了不同的波形[5]。

3.2 ?灰色關(guān)聯(lián)理論簡(jiǎn)介

灰色理論是由著名學(xué)者鄧聚龍教授首創(chuàng)的一種系統(tǒng)科學(xué)理論（Grey Theory），其中的灰色關(guān)聯(lián)分析（Grey Relational Analysis，GRA）是灰色理論的一個(gè)重要組成部分，可以總結(jié)數(shù)據(jù)內(nèi)部的規(guī)律，根據(jù)各因素變化曲線幾何形狀的相似程度，來判斷因素之間關(guān)聯(lián)程度的方法[6]。數(shù)據(jù)之間的關(guān)聯(lián)程度大小可以通過分析序列曲線來得出，幾何形狀越接近，關(guān)聯(lián)程度就越大。

灰色關(guān)聯(lián)分析可以將物理原型不清晰或者運(yùn)行機(jī)制模糊的模型進(jìn)行序列化，隨后建立灰色關(guān)聯(lián)分析模型，是將復(fù)雜模糊的物理模型進(jìn)行量化、序列化的一種很有效的數(shù)據(jù)分析方法。在數(shù)據(jù)的量化、序列化中各因素間關(guān)聯(lián)度的具體數(shù)值并沒有太大的實(shí)際意義，僅僅代表了元素之間的關(guān)聯(lián)程度，而這些數(shù)據(jù)按照關(guān)聯(lián)度的大小排列出來就構(gòu)成了灰色關(guān)聯(lián)序列，通過分析關(guān)聯(lián)序列就可以直觀地分析出同一參照序列之間的關(guān)聯(lián)度大小[7]。

3.3 ?灰色關(guān)聯(lián)分析步驟

灰色關(guān)聯(lián)分析使用量化方法來獲得灰色關(guān)聯(lián)度，也通過這種方式來分析系統(tǒng)變量之間的關(guān)聯(lián)程度大小，在灰色關(guān)聯(lián)分析程序中，首先需要確定數(shù)列和參考數(shù)列。

3.4 ?診斷流程

具體的診斷流程如下：首先將故障機(jī)器人的當(dāng)前左右兩輪的轉(zhuǎn)速以2N的矩陣進(jìn)行輸入，機(jī)器人在運(yùn)行行走的過程中不斷采集數(shù)據(jù)，將采集到的數(shù)據(jù)轉(zhuǎn)化為無量綱，繼而獲得各種故障情況下機(jī)器人反饋回來的數(shù)據(jù)。再將機(jī)器人故障狀態(tài)下反饋回的數(shù)據(jù)與參考數(shù)組的數(shù)據(jù)進(jìn)行處理，得到兩者的絕對(duì)差值，從中選取差值的最小值和最大值。在上述的鄧氏關(guān)聯(lián)公式中，設(shè)置分辨系數(shù)為0.5，從而可以實(shí)時(shí)得到各個(gè)時(shí)間點(diǎn)之間的關(guān)聯(lián)系數(shù)。最后比較采取到的各個(gè)時(shí)間點(diǎn)之間的關(guān)聯(lián)系數(shù)，獲得最大的關(guān)聯(lián)狀態(tài)，從而判斷出機(jī)器人當(dāng)前的實(shí)時(shí)狀態(tài)。機(jī)器人故障診斷流程圖如圖6所示。

4 ?故障診斷實(shí)驗(yàn)數(shù)據(jù)及結(jié)果

不走直線時(shí)的一種標(biāo)準(zhǔn)故障狀態(tài)數(shù)據(jù)如表1所示。

走直線時(shí)的正常數(shù)據(jù)及測(cè)試數(shù)據(jù)如表2、表3所示。

由表3的測(cè)試數(shù)據(jù)可知，左右兩輪的數(shù)據(jù)是非線性的，與正常直線運(yùn)動(dòng)時(shí)的狀態(tài)有很大的區(qū)別。因此，需要判斷機(jī)器人的故障狀態(tài)。通過采集到的數(shù)據(jù)，使用Matlab編程實(shí)驗(yàn)灰色關(guān)聯(lián)性判斷。程序中的數(shù)據(jù)經(jīng)過濾波化處理以后，數(shù)據(jù)更加趨于平緩，左右輪的差值更為明顯，可以看出，左右輪保持一個(gè)幾乎恒定的差值，如圖7所示。

由此可得結(jié)論，測(cè)試狀態(tài)與故障狀態(tài)的關(guān)聯(lián)度為0.72，與正常狀態(tài)的關(guān)聯(lián)度為0.48。因此，可得結(jié)論，此時(shí)移動(dòng)機(jī)器人運(yùn)動(dòng)于故障狀態(tài)，且故障類型相似于表1給出的一類標(biāo)準(zhǔn)故障狀態(tài)。該故障是由于二極管的反向?qū)ㄒ鹱笥覂奢嗊\(yùn)動(dòng)不同步造成的。

5 ?結(jié) ?論

在國(guó)內(nèi)外學(xué)者對(duì)移動(dòng)機(jī)器人故障診斷研究的基礎(chǔ)上，結(jié)合故障樹的基本概念，采用相關(guān)領(lǐng)域的基本知識(shí)，通過灰色關(guān)聯(lián)理論對(duì)于不同狀態(tài)下移動(dòng)機(jī)器人故障診斷、故障定位、故障可能性、故障的表現(xiàn)形式等進(jìn)行了深入研究。主要研究?jī)?nèi)容有拆卸移動(dòng)機(jī)器人的硬件，分析移動(dòng)機(jī)器人的主要硬件結(jié)構(gòu)和工作原理。通過分析模塊之間的關(guān)聯(lián)，羅列了所有硬件可能發(fā)生的故障，列舉了移動(dòng)機(jī)器人的不同運(yùn)動(dòng)狀態(tài)的故障樹，對(duì)于不同狀態(tài)的運(yùn)行情況進(jìn)行了說明。通過設(shè)計(jì)試驗(yàn)，歸納出移動(dòng)機(jī)器人不走直線的故障原因及故障定位，畫出移動(dòng)機(jī)器人不走直線的故障樹。深入研究灰色理論的基本原理，以及使用灰色關(guān)聯(lián)理論對(duì)移動(dòng)機(jī)器人故障狀態(tài)和正常狀態(tài)下的數(shù)據(jù)進(jìn)行了比較和計(jì)算，發(fā)現(xiàn)該理論在識(shí)別具有時(shí)間序列的非線性數(shù)據(jù)的特別有效，并且通過比對(duì)不同的關(guān)聯(lián)性能夠凸顯出故障數(shù)據(jù)和正常運(yùn)行下數(shù)據(jù)的不同之處。實(shí)踐證明，該方法在識(shí)別具有時(shí)間序列的非線性數(shù)據(jù)時(shí)效果良好。因此，灰色關(guān)聯(lián)理論可以成功應(yīng)用于移動(dòng)機(jī)器人故障診斷領(lǐng)域?？梢灶A(yù)見，隨著機(jī)器人技術(shù)、計(jì)算機(jī)技術(shù)、控制理論、機(jī)械工程、電子技術(shù)等技術(shù)的發(fā)展，該理論也可以應(yīng)用于機(jī)械臂的故障診斷，并進(jìn)一步應(yīng)用于未知環(huán)境下移動(dòng)機(jī)械手的故障診斷和容錯(cuò)控制中，具有很強(qiáng)的適應(yīng)性與良好的移植性。

參考文獻(xiàn)

[1] 王秀青，侯增廣，曾慧，等.基于多傳感器信息融合的機(jī)器人故障診斷[J].上海交通大學(xué)學(xué)報(bào)，2015，49（6）：793?798.

[2] 袁憲鋒，宋沐民，周風(fēng)余，等.多PCA模型及SVM?DS融合決策的服務(wù)機(jī)器人故障診斷[J].振動(dòng)、測(cè)試與診斷，2015，35（3）：434?440.

[3] BIAN X Q， CHEN T， YAN Z P， et al. Fault diagnosis based on grey dynamic prediction for AUV sensor [C]// 2009 IEEE International Conference on Industrial Technology. Gippsland： IEEE， 2009： 934?939.

[4] MONTERIU A， ASTHANA P， VALAVANIS K P， et al. Real?time model?based fault detection and isolation for UGVs [J]. Journal of intelligent & robotic systems， 2009， 56（4）： 425?439.

[5] AZZEH M， NEAGU D， COWLING P I. Fuzzy grey relational analysis for software effort estimation [J]. Empirical software engineering， 2010， 15（1）： 60?90.

[6] HAMED A， ALINIER G， HASSAN I F. The ECMO specialist's role in troubleshooting ECMO emergencies [J]. Egyptian journal of critical care medicine， 2018， 6（3）： 91?93.

[7] HEATON R. Troubleshooting personnel′s satisfaction with software tools [J]. Acquisitions librarian， 2018， 30（3）： 119?130.

[8] FLORINE Hindelang， YVES Roggo， RAPHA?L Zurbach. Forensic investigation in the pharmaceutical industry： identification procedure of visible particles in （drug） solutions and different containers by combining vibrational and X?ray spectroscopic techniques [J]. Journal of pharmaceutical and biomedical analysis， 2018（11）： 148?153.

[9] HEATON R. Tools for troubleshooting： which ones and what for [J]. Acquisitions librarian， 2018， 30（1）： 9?26.

[10] MORTIMORE J M， MINIHAN J M， KESSELMAN M. Essential audits for proactive electronic resources troubleshooting and support [J]. Library hi tech news， 2018， 35（1）： 1?17.