Metody diagnozowania przekładni robotów przemysłowych

Nieprawidłowe smarowanie

Najczęściej nieprawidłowe smarowanie stanowi znaczący czynnik wpływający na awarie przekładni. Brak regularnej wymiany smaru, niewłaściwy rodzaj smaru lub też niewłaściwa ilość smaru mogą przyspieszać zużycie i prowadzić do uszkodzeń. Zużycie materiałów jest kolejnym czynnikiem wpływającym na awarie przekładni. Koła zębate, wały i łożyska, które są integralnymi częściami przekładni, ulegają naturalnemu zużyciu podczas pracy. Duża degradacja stanu technicznego przekładni może prowadzić do zatrzymania pracy robota. Dodatkowo wibracje i wstrząsy generowane podczas pracy robota przemysłowego mogą negatywnie wpływać na stabilność przekładni, co przyśpiesza jej zużycie oraz zwiększa ryzyko uszkodzeń. Silne wstrząsy, spowodowane kolizją lub też niewłaściwym ustawieniem robotów, mogą przyczynić się do poważnych awarii przekładni.

Diagnozowanie usterek

Diagnozowanie usterek przekładni robotów przemysłowych niesie ze sobą szereg trudności. Przede wszystkim, roboty przemysłowe często są umieszczone w trudno dostępnych miejscach w tzw. celach zrobotyzowanych, co utrudnia bezpośrednią inspekcję i diagnozowanie usterek przekładni. Dodatkowo przeprowadzenie inspekcji oraz przeglądu wymaga zatrzymania procesu produkcyjnego. Jeśli wystąpi konieczność wymiany zużytej przekładni konieczny najczęściej jest demontaż osprzętu  robota  oraz samego robota przemysłowego z celi zrobotyzowanej, co prowadzi do długotrwałego przestoju produkcji.

Złożoność przekładni jest wyzwaniem utrudniającym diagnostykę przekładni. W robotach przemysłowych stosuje się zaawansowane typy przekładni, najczęściej wielostopniowe. Diagnozowanie usterek w tak skomplikowanych strukturach może być trudne, szczególnie jeśli problemy są subtelne lub trudne do zaobserwowania.

Tradycyjne metody diagnozowania przekładni

Tradycyjne metody diagnozowania przekładni robotów przemysłowych obejmują różne techniki mające na celu ocenę stanu technicznego tych elementów. Te metody są stosowane w celu wykrywania potencjalnych uszkodzeń, oceny zużycia oraz identyfikacji nieprawidłowości, które mogą wpływać na wydajność i niezawodność przekładni. Najczęściej są stosowane podczas okresowych przeglądów [4]. Oto kilka tradycyjnych metod diagnozowania przekładni robotów przemysłowych:

• Inspekcja wizualna: Podstawowym krokiem jest dokładne zbadanie przekładni wizualnie. W tym przypadku sprawdza się, czy nie ma widocznych uszkodzeń, wycieków, luzów lub śladów zużycia.
• Pomiar drgań: Pomiar drgań jest często wykorzystywany do diagnozowania przekładni. Metoda ta polega na monitorowaniu drgań generowanych przez przekładnię i analizowaniu ich charakterystyki. Zmiany w charakterystyce drgań mogą wskazywać na obecność problemów, takich jak zużycie, luzy czy uszkodzenia. Za pomocą czujników drgań i odpowiedniego sprzętu pomiarowego można gromadzić dane, które następnie można analizować pod kątem odchyleń od normy [5] [6] [7].
• Analiza smaru: Analiza smaru, który znajduje się w przekładni, może dostarczyć istotnych informacji na temat stanu przekładni. Przez monitorowanie poziomu zanieczyszczeń, obecności metalowych opiłków czy też zmian w składzie chemicznym oleju można wykryć wczesne oznaki zużycia lub uszkodzeń. Badanie smaru może być przeprowadzane regularnie, a próbki przekazywane do laboratorium w celu dokładnej analizy [8].
• Analiza dźwięku: Analiza dźwięku może również dostarczyć informacji na temat stanu przekładni. Specjalistyczne urządzenia mogą rejestrować dźwięk generowany przez przekładnię i analizować go pod kątem charakterystycznych sygnałów akustycznych, które wskazują na obecność problemów, takich jak luzy czy uszkodzenia [9].

Przekładnie – nowoczesne metody diagnozowania

Współczesne metody diagnozowania przekładni wykorzystują zaawansowane techniki sztucznej inteligencji, takie jak uczenie maszynowe i sztuczne sieci neuronowe, do monitorowania i analizy danych dotyczących przekładni. Systemy monitorowania oparte na sztucznej inteligencji są w stanie analizować dane dotyczące drgań, temperatury, prędkości obrotowej i innych parametrów pracy przekładni. Na podstawie tych danych systemy te są w stanie oceniać stan techniczny oraz  identyfikować potencjalne problemy, takie jak: zużycie części, wady konstrukcyjne lub nieprawidłowe działanie. Dzięki temu możliwe jest wczesne wykrywanie i zapobieganie awariom oraz planowanie konserwacji na podstawie rzeczywistego stanu przekładni.

Czytaj też >> Imponujące tempo robotyzacji przemysłu w Polsce. Wciąż jednak mamy sporo do nadrobienia

Możliwe do zastosowania modele

Jedna z metod, która znajduje zastosowanie w diagnozowaniu przekładni, jest analiza wartości średniego czasu do awarii (ang. Mean Time to Failure, MTTF) jak również historii wcześniejszych awarii systemu robota z wykorzystaniem sztucznej sieci neuronowej (ang. Artificial Neural Network, ANN).  Dzięki modelowi ANN możliwe jest przewidywanie potencjalnych awarii na podstawie zebranych danych [10].

Przekładnie – diagnostyka online

Metoda diagnozowania online odchyleń robota opartej na fuzji informacji z bezpośredniego i pośredniego monitorowania. Bezpośrednie monitorowanie wykorzystuje enkodery na serwo silnikach robota, natomiast pośrednie monitorowanie korzysta z różnych sensorów umieszczonych na narzędziu robota. Pomiary sensoryczne są przetwarzane w celu budowy wskaźników stanu i nauki klasyfikatora do wykrywania odchyleń. W fazie online, przy nowych wzorcach odchyleń, pomiary enkoderów są wykorzystywane do aktualizacji klasyfikatora. Przedstawiona metoda została zweryfikowana na rzeczywistym wieloosiowym robocie przemysłowych, przy różnych nasileniach odchyleń w ramionach robota przemysłowego [11].