Методология создания набора данных для предиктивного анализа промышленного робота

Промышленные роботы являются одним из способов увеличения объемов производства. Пакетирование, фрезеровка, сварка, лазерная обработка, 3D печать – это ряд процессов, в которых требуется поддержание высокой точности позиционирования промышленных роботов на протяжении всего цикла операций. В статье проводится анализ использования метода Денавита-Хартерберга (DH) для определения ошибок позиционирования и ориентации промышленного робота. В данном исследовании применяется метод DH для создания модели возможных ошибок в промышленных роботах и для создания базы данных об отклонениях звеньев и рабочего органа робота от заданной траектории. Особое внимание уделено представлению практических шагов по созданию синтетического набора данных отклонения осей промышленного робота, начиная от кинематической модели робота и заканчивая подготовкой конечного формата данных для последующего анализа и построения модели предиктивной аналитики. Важность тщательной подготовки данных подчеркивается примерами из других исследований в области предиктивной аналитики промышленного оборудования, демонстрируя экономическую выгоду от своевременного обнаружения и предотвращения возможных сбоев при работе техники. Разработанная модель используется в дальнейшем для генерации синтетического набора данных отклонения осей промышленного робота. Предлагаемая модель сбора данных и методология создания набора данных для предиктивной аналитики тестируется на спроектированном для этих целей 6-осевом роботе.

1. Lao D., Quan Yo., Wang F., Liu Yu. Error Modeling and Parameter Calibration Method for Industrial Robots Based on 6-DOF Position and Orientation. Applied Sciences. 2023;13(19). https://doi.org/10.3390/app131910901

2. Zhang Yi., Zhu Q. Neural Network-Enhanced Fault Diagnosis of Robot Joints. Algorithms. 2023;16(10). https://doi.org/10.3390/a16100489

3. Габитов А.А., Каляшина А.В. Анализ обеспечения точности позиционирования промышленных роботов. Вестник Казанского государственного технического университета им. А.Н. Туполева. 2018;74(4):49–54.

4. Li K.-L., Yang W.-T., Chan K.-Yu., Lin P.-Ch. An Optimization Technique for Identifying Robot Manipulator Parameters Under Uncertainty. SpringerPlus. 2016;5. https://doi.org/10.1186/s40064-016-3417-5

5. Gonzalez M.K., Theissen N.A., Barrios A., Archenti A. Online Compliance Error Compensation System for Industrial Manipulators in Contact Applications. Robotics and Computer-Integrated Manufacturing. 2022;76. https://doi.org/10.1016/j.rcim.2021.102305

6. Kou B., Zhang Yi. A New Method for Recognizing Geometric Parameters of Industrial Robots. Scientific Reports. 2025;15. https://doi.org/10.1038/s41598-025-86971-3

7. Marwan A., Simic M., Imad F. Calibration Method for Articulated Industrial Robots. Procedia Computer Science. 2017;112:1601–1610. https://doi.org/10.1016/j.procs.2017.08.246

8. Zhong D., Xia Zh., Zhu Yi., Duan J. Overview of Predictive Maintenance Based on Digital Twin Technology. Heliyon. 2023;9(4). https://doi.org/10.1016/j.heliyon.2023.e14534

9. Lu K., Chen Ch., Wang T., Cheng L., Qin J. Fault Diagnosis of Industrial Robot Based on Dual-Module Attention Convolutional Neural Network. Autonomous Intelligent Systems. 2022;2(1). https://doi.org/10.1007/s43684-022-00031-5

10. Mc Court K., Mc Court X., Du Sh., Zeng Zh. Use Digital Twins to Support Fault Diagnosis From System-Level Condition-Monitoring Data. arXiv. URL: https://doi.org/10.48550/arXiv.2411.01360 [Accessed 16th March 2025].

11. Motta J.M.S.T., Llanos-Quintero C.H., Sampaio R.C. Inverse Kinematics and Model Calibration Optimization of a Five-D.O.F. Robot for Repairing the Surface Profiles of Hydraulic Turbine Blades. International Journal of Advanced Robotic Systems. 2016;13(3). https://doi.org/10.5772/63673

12. Shi X., Guo Yu, Chen X., Chen Z., Yang Zh. Kinematics and Singularity Analysis of a 7-DOF Redundant Manipulator. Sensors. 2021;21(21). https://doi.org/10.3390/s21217257

13. Di̇kmenli̇ S. Forward & Inverse Kinematics Solution of 6-DOF Robots Those Have Offset & Spherical Wrists. Eurasian Journal of Science Engineering and Technology. 2022;3(1):14–28. https://doi.org/10.55696/ejset.1082648

14. Xiang W., Chen J., Li H., Chai Zh., Lou Yi. Research on End-Effector Position Error Compensation of Industrial Robotic Arm Based on ECOA-BP. Sensors. 2025;25(2). https://doi.org/10.3390/s25020378