齐〓昕，童一飞，李东波
                                       (南京理工大学机械工程学院，江苏 南京〓210094)
摘要：针对焊接机器人可靠性实验周期长、成本高、实验数据量少且采集困难的问题，提出在不改变原有数据分布规律的前提下，建立人工神经网络模型，运用径向基函数神经网络对原始数据进行模拟训练和扩充，在一定的误差范围内确定焊接机器人可靠性数据服从对数正态分布。最后通过对比分析拟合误差得出：径向基函数神经网络模型可以很好地对可靠性数据进行训练和扩充，拟合较反向传播神经网络更加精确，对分布模型的参数估计也更加准确。
关键词：焊接机器人；可靠性；基函数神经网络；数据扩充
中图分类号：TP183；TB114.3〓文献标识码：A〓文章编号：2095-509X(2019)04-0030-05


    焊接机器人是能够代替工人在恶劣的环境下完成一系列危险且高质量焊接任务的工业机器人，如今被广泛用于工业自动化领域。能够实现焊接机器人实用化和商业化的关键在于提高它的可靠性，而目前国内对于这方面的研究还很不成熟。主要原因是焊接机器人属于大型复杂设备，运行环境复杂，数据难以采集且数量很少。目前，国内外学者对于焊接机器人的可靠性有着广泛的研究：陈胜军［1］给出了焊接机器人的可靠性预计模型和算法，并将理论与实际结合确定了机器人的可靠性指标；Paryanto等提出运用故障树和事件树方法对机器人系统进行可靠性分析，并将分析结果用于制定机器人的安全规范。
    将人工神经网络与机器人可靠性数据分析结合是一个新的研究方向：张宏斌等提出应用反向传播（back propagation，BP）神经网络对小样本系统可靠性进行预计的方法，解决了传统方法可靠性预计精度低且方法复杂的问题；王进才等运用人工神经网络方法对可靠性数据进行模拟仿真分析，并与传统方法进行对比，表明神经网络在可靠性分析中有独特优势；贾志新等应用径向基函数（radial basis function，RBF）神经网络对切割机床可靠性数据进行模拟仿真，以扩大可靠性数据样本量，从而确定其分布模型。
    本文采用RBF神经网络对焊机机器人原始可靠性数据进行数据扩充和分布拟合，并借助MATLAB软件，形成与原始数据具有相同失效统计规律的扩充可靠性数据，以期解决焊接机器人可靠性〖HJ5：*4/9〗数据样本量少，无法确定可靠性分布模型的问题。

1〓可靠性数据的收集与预处理
   可靠性数据的来源主要有两种方式：通过可靠性试验得到的数据和实际使用现场得到的数据。现场数据比试验数据更具有代表性，更能反映产品实际运行过程中的真实情况。对于故障时间这一数据来说，首先要得出其平均故障间隔时间(MTBF)，再确定其失效分布类型，进而推算其整体的可靠性指标。
    本文收集了某焊接机器人工厂同一型号的15台机器人平均故障间隔时间数据，将其按升序排列，见表1。

.......


基金项目：江苏省产学研前瞻性联合研究项目（BY2015004-05）；江苏省六大人才高峰资助项目（2015-ZBZZ-006）
作者简介：齐昕（1992—），女，硕士研究生，主要研究方向为焊接机器人可靠性，qixin_njust@163.com.

文章来源《机械设计与制造工程》杂志如需详细资料请联系江苏机械门户网客服QQ:2980918915,电话025-83726289）

更多关注，请扫码