Page 109 - 工业机器人控制技术研究

第四章 工业机器人的性能优化

等人在分析芯片信号特点的基础上，提出了一种信号译码方法，设计了相应的算
法，并在具体的工业机器人控制系统中得到了实现。在信号融合方面，全球学者
对多传感器信号融合技术进行了广泛的研究，目前在多传感器信号融合领域具有

代表性的方法有加权平均、贝叶斯估计、卡尔曼滤波、S-D 推理，模糊逻辑和人
工神经网络等方法。KARLSSON 等开发了一种用于柔性工业机器人状态估计的
传感器信号融合方法。浙江大学管天云等提出了基于模糊积分理论的多传感器信
号智能融合系统，并成功地运用于工业机器人的非视觉传感器信号的融合。由上

述文献可知，工业机器人信号采集、处理及融合的方法逐渐从传统的单一的传感
器向数字信号处理系统以及更加智能化的方向发展，全球学术界对于这方面的研
究正处于积极思索与探索阶段。
（四）工业机器人远程故障诊断技术

故障诊断被认为是故障检测（是否存在故障）和故障隔离（确定故障在哪
里）的合并。在计算机技术、通信技术以及故障诊断技术广泛应用的驱使下，工
业机器人远程故障诊断技术得到了前所未有的发展。远程故障诊断是实施工业机
器人故障诊断的一种先进的诊断方式，不需要工作人员亲临现场对工业机器人进

行故障诊断，这将大大提高工业机器人故障诊断效率，有利于降低工业机器人故
障诊断成本。近年来，基于 Internet 的远程故障诊断技术 IRD（Internet Remote
Diagnosis）得到了全球学者深入地研究。在实验和实践中发现，执行系统故障、
控制系统故障、气动系统故障、检测传感系统故障为工业机器人常见的故障形式。
在国际上，关于工业机器人远程故障检测与诊断（Remote Fault Detectionand

Diagnosis，RFDD）研究的最早报道是在美国 Minnesota 大学的计算机科学系。
而后，工业机器人的远程故障诊断技术在世界各国得到快速发展，印度信息技术
大学 DORIYA 等提出云计算环境下工业机器人远程故障诊断方法，利用云计算

集群作为工业机器人的大脑，实现工业机器人的远程智能维护。HALDERR 等提
出了一种鲁棒非线性解析冗余方法用于工业机器人的故障检测和分离。YAN 等
通过网络解决由工业机器人所处环境引起的简单故障问题，提出了一种远程故障
诊断方法。哥伦比亚大学 FREITAS 结合高斯状态空间模型和 Rao⁃Blackwellised

粒子滤波，提出一种工业机器人故障诊断方法。VISINSKY 等介绍了一种多层容
错结构，引入一种新的远程故障检测和容错算法。VERMA 等将工业机器人故障
视为离散状态，并将改进后的粒子滤波器方法用于工业机器人故障模型中，通过

101