面向动态任务严重程度的机器人操作臂诊断框架

机器人操作臂在许多应用中至关重要，但已知其随时间会退化。这种退化受由机器人执行的任务性质影响。具有更高严重程度的任务（如处理重载）可加速退化过程。这种退化的一个体现形式是机器人末端执行器位置精度。本文提出了一种诊断建模框架，用于预测在考虑任务严重程度影响的前提下，机器人操作臂的剩余可用寿命（RUL）。我们的框架将机器人位置精度表示为具有受任务严重程度影响的随机漂移参数的布朗运动过程。任务严重程度的动态特性使用连续时间马尔可夫链（CTMC）建模。为评估 RUL，我们讨论了两种方法——(1) 一种新的剩余生命周期分布（RLD）的闭形式表达式，和 (2) 常见于诊断文献的蒙特卡罗模拟。理论结果确立了这两种 RUL 计算方法之间的等价性。我们通过使用用于平面和空间机器人编队的两个独立 physics-based 模拟器进行实验来验证我们的框架。我们的发现表明，在处理更大比例高严重程度任务时，两个编队中的机器人都经历更短的 RUL。