SCARA 机器人是工业机器人中的一种，其名称由 “Selective Compliance Assembly Robot Arm”几个单词的首字母组成，常用于自动化装配、包装、搬运、焊接、零件选取等任务，广泛应用在智能制造、医疗康复、科学研究、教育等领域。SCARA 机器人具有高刚性和高精度的特点，能满足产业需求。根据国家机器人检测与评定中心(总部)统计，SCARA 机器人常见故障主要包括：谐波齿轮减速器故障、控制柜故障、线缆故障、旋转矢量(RV)减速器故障、电机故障以及其他类型故障。从故障发生的频率来看，谐波齿轮减速器仍然是最常见的故障组件之一，也是全球范围内工业机器人普遍存在且难以解决的问题。
SCARA 机器人的工序需要精准的定位，谐波齿轮减速器能够通过内啮合结构实现高精度的传动和较大的转矩输出 , 具有零背隙等优点，因此小型谐波齿轮减速器作为 SCARA 机器人的常见组件，被广泛应用于 SCARA 机器人的关节传动系统中，旨在减慢驱动电机的旋转速度并提高输出转矩，从而实现 SCARA 机器人高的运动精度和稳定性。
然而，正如任何机械系统一样，SCARA 机器人及其组成部分也面临着磨损和故障的风险。其中，齿轮磨损故障是常见的问题。这是因为自动化生产中，SCARA 机器人将一直处于工作状态，其柔轮承受较大的交变载荷，运行过程中波发器转动使柔轮和钢轮的啮合产生严重磨损，同时柔轮轮齿与钢轮轮齿之间也存在传动磨损，这将导致传动性能退化、机械性能下降、精度损失以及不必要的停机。因此，准确预测和及时检测这些故障，可以减少不必要的日常维护，提升生产效率。此外，伴随磨损加剧，柔轮的受力情况复杂，变形量大，可能导致漏油现象，一旦出现漏油问题，不仅造成经济损失，漏油严重时会引起减速机少油、断油，使齿轮啮合面磨 损加剧，进而发生咬焊或剥离，导致设备事故，而且漏油对周围环境污染厉害，对土壤和水源有腐蚀作用，这样既破坏了文明生产又浪费了不少本可收回再生的润滑油。
如何科学有效地确定齿轮磨损情况，开展相关研究，实现故障预测，有利于保证生产效率，提升生产精细化管理，为企业产生巨大的经济效益提供保障。本研究的主要目的是探索并验证基于转矩信号的 SCARA 机器人小型谐波齿轮减速器齿轮磨损故障的预测方法。具体来说，本文将通过监测和分析转矩信号，建立模型来预测齿轮磨损故障的发生，以降低机器人维护成本，提高机械系统的可靠性，减少停机时间。
研究的重要性在于提供了一种新的、非侵入性的故障预测方法，该方法可以广泛应用于 SCARA 机器人和其他机械系统。这有望提高制造业的生产效率，为企业节省维护成本，提供可持续的解决方案。
本文将从谐波齿轮减速器齿轮磨损机理、试验设计和数据分析、结论及展望等几个方面进行阐述。
一、谐波齿轮减速器齿轮磨损机理分析
谐波齿轮减速
根据《机器人用谐波齿轮减速器》(GB/T 30189—2014)结构说明中对谐波齿轮减速器定义，它是一种靠波发生器使柔轮产生可控的弹性变形波，通过与刚轮的相互作用，实现运动和动力传递的传动装置。其输入和输出转向相反，即：波发生器输人，刚轮固定，柔轮输出;或柔轮固定，刚轮输出，其结构爆炸图如图 1 所示。
如图 2 所示，粉色小圆为波发生器球心，蓝色小圆为柔轮球心，绿色小圆为刚轮球心。理论上健康状态下，三个小圆应该在同一个位置，发生波发生器偏移故障时，三小球发生错位。其中：WG 是波发生器(wave generator)，FS 是柔轮(flex spline)，RC 是刚轮(rigidy cylinder)。
谐波齿轮减速器运行分析
在谐波齿轮减速器正常运行时，如果波发生器、柔齿轮和钢轮均为同心圆形，那么理论上转矩的波形将保持恒定。这是因为在这种情况下，各个元件之间没有变形或失真，能够保持稳定的传动比和转矩输出，即当所有条件满足理想条件时，谐波齿轮减速器输出的转矩波形为一个常数。
当谐波齿轮减速器柔轮和钢轮不同心，但都为圆形时，其输出的波形图振幅相同。
然而，一旦柔轮和钢轮的圆心不重合且其中至少一个部件不是圆形时，将会产生二次谐波的波形。这是因为当减速器结构存在不对称性时，系统的非线性特性会导致二次谐波的生成。
根据谐波齿轮减速器三个部件圆心偏移程度和制造工艺是否足够接近圆形可以得到不同的故障转矩波形，如表 1 所示。
谐波齿轮减速器故障机理分析
谐波齿轮减速器的齿轮是关键的工作部件，用于传递转矩。长时间或超载使用情况下，齿轮可能会磨损、变形，导致运行不平稳、噪音增加、输出效率下降、漏油等现象。
不平稳的运行有可能导致波发生器的位置偏移，从而导致谐波分量无法被正确地产生或传递，进而影响了转矩输出的稳定性，变形会导致转矩传递过程中出现非线性变化，使得转矩波形中产生了额外的谐波分量，此时，转矩信号的波形发生变化。如果输出侧或者钢轮发生变形，那么最终生成的转矩信号波形将呈现二次谐波。
因此，通过对转矩信号的波形的采集分析，可以掌握波发生器、柔轮和钢轮的同心情况、齿轮的圆形特性，从而有针对性地进行维护保养，避免减速器的非预期损坏，从而提升 SCARA 机器人在智能制造生产过程中的稳定性和可靠性。
在谐波齿轮减速器的运行中，维持稳定的转矩输出是十分重要的，同时需要定期检查和维护这些元件，以确保减速器的正常工作并避免转矩波形出现异常，所以研究谐波齿轮减速器的齿轮磨损故障预测非常具有必要性。
二、试验原理和影响因素排除
试验原理
SCARA 机器人通常在一定的工作节拍下运行，其关节中的电机、减速器等部件运转都以周期循环的运动状态工作。随着机器人的运行时间累积，各关节中的旋转部件的磨损程度加剧，从而导致内部摩擦力的逐渐上升，为了维持运行需要，机器人必须不断增加输出转矩。
按照《永磁交流伺服电动机通用技术条件》(GB/T 30549—2014)的条款 3.9 的定义，电机转矩常数是指当电机接入单位线电流的时候，其产生的平均电磁转矩的大小，即转矩和电机绕组电流成正比关系。通过前面谐波齿轮减速器机构可知，通过监测 SCARA 控制柜中的电流信号，可以了解转矩变化情况，根据转矩变化数据的收集，以及与减速器齿轮磨损变形情况关联关系的研究，给出临界阈值，从而制定日常维护数据采集计划，及时掌握谐波齿轮减速器运行状态，适时采取必要的维护和修复措施，以确保机器人的可靠运行和生产效率。
转矩测试法影响因素排除
实际上电磁转矩和绕组电流并非完全正比关系，电流和转矩的转换关系还会受到很多因素影响，其中较为显著的影响因素为：温度、三相电压稳定性和负载条件。
本次研究基于定变量法分析，为了减少影响因素对于试验结果的影响，试验采取了以下措施：
1)温度：考虑到启动电流，以及从冷态到热态由于温升造成的电阻变化，从而引起的电流波动，开始数据采集前，布置热电偶，保证环境温度恒定，监测电机的温度变化，当达到热稳定后(温升 1K/h)，再进行后续转矩数据记录。
2)三相电压稳定性：为了保持与实际工况一致，电机的接线与实际使用情况保持一致，测试时对供电电源的稳定性提出了要求，以避免因三相电压不平衡引起的电流不平衡对测试结果造成影响。
3)负载条件：负载的引入通常有两种方式，第一种通过电机对拖的测试平台来提供负载，第二种通过带实际的负载来实现负载引入。通过电机对拖的负载方式，负载电机本身会有抖动，从而造成转矩波动。通过引入实际负载的方式，如果在实际工况下，循环操作，SCARA 机器人在有载和空载条件下交替，负载的变化会导致转矩波动，应避免频繁的动态加载导致的测量不准确，故本次试验采取承载额定负载的砝码连续运行的方式。
4)只对 SCARA 机器人的一个轴按实际工况模式进行操作，以实现测试工况的一致性。
三、试验设计和结果分析
试验条件
为了开展小型谐波齿轮减速器齿轮磨损故障的预测研究，首先确定研究对象，以及基于定变量和试验数据复现性考虑，细化试验条件。
首先选取两个型号为 CSG-32-100-2UH-SP 的谐波齿轮减速器，分别安装在型号为 IRB 910SC 的 SCARA 机器人的轴 1 和轴 2 位置，选取 4BNo.2 作为润滑油，使用型号为 IRC5C 控制器，试验室环境温度维持在 25±1℃，带载砝码为额定负载 6kg，具体参数见表 2。
试验步骤
测试按照如下步骤进行：
1)传感器安装：在 SCARA 机器人的电机轴上安装转矩传感器，以实时测量转矩信号。这些传感器通常连接到数据采集系统，将转矩信号记录下来。
2)运行姿态初始化：IRB 910SC 的 SCARA 机器人设置初始姿态，轴 1、轴 2 均与地面保持 90°，整体保持水平，旋转 1 轴，姿态如图 3 所示。
3)数据记录：以额定速度和加速度来操作 1 轴，并将机器人的运动状态分为三个阶段：加速阶段、匀速阶段和减速阶段，记录转矩信号。这些数据将包括正常运行状态和可能出现齿轮磨损故障时的信号。
如图 4 在加速阶段，机器人将逐渐增加速度，使得 1 轴的运动逐渐加快。这个阶段旨在将机器人带到额定速度，以便快速而平稳地完成任务。
一旦达到额定速度，在匀速阶段，机器人将以恒定的速度继续运动。在这个阶段，机器人可以保持稳定的速度，以确保操作精确性和稳定性。最后，在减速阶段，机器人将逐渐降低速度，以平稳地停止运动。这个阶段非常关键，因为它确保了机器人的定位准确性和安全性，同时避免了意外的冲击或过载。
4)数据预处理：对采集到的转矩信号进行预处理，包括去噪、滤波和数据对齐等步骤，以确保数据的质量和一致性。
5)特征提取：从转矩信号中提取特征，这些特征将用于预测方法的构建等。
试验数据
试验数据的获取和处理主要分为三个部分：数据采集、数据处理和稳定段提取。在数据采集阶段，使用 TSV 软件(ABB 官方的数据采集软件)，直接获取 SCARA 机器人控制柜中的原始信号，如扭矩、位置和速度信号等。数据处理阶段排除影响数据质量的因素，主要为白噪音和过高的采集频率引起的耦合干扰等。稳定段提取主要剔除掉动态过渡过程，保留数据的稳定段用于分析故障。这套完整的试验数据获取和处理方法确保了数据的准确性和可靠性。
数据采集：数据采集使用 TSV 软件，通信协议为 TCP/IP 协议，通过网线连接 TSV 软件和 SCARA 机器人控制柜上的服务端口，从而采集到电机相关性信号。驱动电机的参数设置如下：
电机自动调节参数：C_C_Auto_Ti(用于自动调节电机的性能。通常情况下，C_C_Auto_Ti 指的是电机控制器中的自动调节积分时间常数。这个参数的作用是调节电机的响应速度和稳定性，以及控制器的能耗和热效应。通过调整这个参数，可以优化电机的运行效率和性能。)
电机控制参数：k = 0.02
控制柜：IRC5C
通过网络配置，读取被测轴的时间、扭矩、位置、速度等信号，采集频率为 1000Hz，得到如下试验数据，如图 5 所示，其中横坐标为时间(ms)，纵坐标为扭矩(N·m)。
数据处理：由于白噪声和采样频率较高等因素，原始数据难以直观地展示相关特征，因此需对原始信号进行滤波。考虑到试验所用的速度为 12 rpm，所对应的频率为 0.2 Hz，滤波的截止频率设置为 10 Hz，为对应电机转速的 50 倍，选择此截止频率可以有效地去除噪声、保留信号特征、避免失真等。滤波后的数据见图 6。
稳定段提取：由于测试过程中存在运动的加速段、匀速段、减速段、反向旋转等阶段，其不稳定阶段(加速、减速、换向等阶段)不能用作故障分析，需剔除相应数据，保留稳定段数据，如图 7- 图 9 所示。分别分析谐波齿轮减速器 CSG-32-100-2UH-SP 的转矩、速度、位置等稳定段的数据。
在另一个试验中，谐波齿轮减速器型号为 CSG-32-100-2UH-SP 被安装在机器人上，并整体保持水平，旋转轴 2，姿态如图 10 所示。
该机器人以额定速度和加速度来运转轴 2，并记录转矩、速度、位置等信息如图 11- 图 13 所示。
试验结果
记录、处理采集的数据后，运用计算软件可以形成谐波齿轮减速器在轴 1、轴 2 的速度曲线图，如图 14 和图 15 所示。
图 14 是减速器 1 在轴 1 上的速度曲线图。在程序 0 中，蓝色线表示理论速度值，而红色线表示实际速度值。另外，在程序 1 中，绿色线表示理论速度值，而紫色线表示实际速度值。
图 15 是减速器 2 在轴 2 上的速度曲线图。在程序 0 中，蓝色线表示理论速度值，而红色线表示实际速度值。另外，在程序 1 中，绿色线表示理论速度值，而紫色线表示实际速度值。
图 16 为轴 1 减速器全新减速器的转矩曲线。
经过长时间运行，通过观察，发现轴 2 减速器输出侧漏油明显，此时捕捉到的谐波齿轮减速器转矩趋势图如图 17 所示，由图可见转矩的变化。
转矩法峭度分析
峭度(kurtosis)是统计学中用来衡量概率分布形态陡峭程度的一个指标。峭度因子能够反映振动信号的冲击特性，它描述了数据分布曲线在其平均值附近的陡峭程度。
式(1)用于计算观测数据的峭度值，以评估数据分布的尖峭程度。峭度值大于 3 表示数据分布相对尖峭，小于 3 表示数据分布相对平缓，等于 3 表示数据分布近似于正态分布。
对于减速器转矩波形的分析也可以使用峭度来评估。峭度试验参数如表 3 所示。
在当前试验中，经计算可得 K_Ax1 的值为 3.1，K_Ax2 的值为 8.2，由此可得 2 轴减速器存在较为明显的异常现象。
由本试验可知，当谐波齿轮减速器的输出侧或钢轮发生变形或漏油时，最终生成的转矩信号波形和峭度值将呈现较为异常的特征。
扩展试验
本试验使用了 10 台相同型号的 SCARA 机器人和 20 个相同的减速器，旨在验证转矩法测试的可行性。试验结果表明，在峭度值大于 8 的减速器中，发现有 16 个减速器出现了输出侧漏油的问题，并且能够明显观察到油痕。试验对象、峭度值以及对应的漏油情况的汇总信息如表 4 所示。
四、结果与讨论
经试验验证，转矩法对于谐波齿轮减速器齿轮磨损程度的监测、防止非预期故障影响日常生产具有重要意义，可以为应用 SCARA 机器人的制造生产线的日常维护、维修提供指导。
本研究发现，在预测谐波齿轮减速器输出侧漏油故障方面，采用峭度值的测试方法表现出明显的一致性，准确率高达 90%。当峭度值大于 8 时，漏油可能性较高。另外，信号阈值超过均值的 20% 以上也可作为判断标准。该方法经过理论设计和试验验证，适用于各种类型的减速器和其他工业机器人，具有普适性。
该方法简单有效，并通过验证具备推广价值。然而，阈值的设定需要进一步数据支持和理论验证。较高的阈值会增加故障发生的可能性，从而满足智能制造对可靠性的要求。
本研究已经成功将预测与健康管理(PHM)技术应用于实际工业机器人的管理和维护中，并取得了真实有效的成果。PHM 作为一种重要的技术，通过监测、诊断和预测故障，能够及时管理和维护谐波齿轮减速器等关键部件。未来的研究可以重点关注将 PHM 技术应用于谐波齿轮减速器故障预测和防范，以提高工业机器人的可靠性和生产效率。同时，还需要进一步探索相关的数据分析和建模方法，以实现对故障状态的准确预测和判断。
除了杯形谐波齿轮减速器，SCARA 型机器人还可以采用中空礼帽形、标准和短筒等不同形状的谐波齿轮减速器。尽管类型有所不同，这些减速器的运行原理和结构基本一致，本次研究借助国家机器人检测和评定中心的支持，基于本文的试验方法和激励，拓展在其他应用谐波齿轮减速器的机器人上进行了类似的试验，如 4 轴机械臂工业机器人，同样验证了该方法的可预测性。
因此可以将该方法扩展到其他应用谐波齿轮减速器作为动力传动装置工业机器人的故障预测中。
诚然，在实际应用过程中，可能因为电源稳定性、负载变动等因素影响预测的准确性，未来通过其他定变量的研究，可以继续深化对谐波齿轮减速器故障预测模型的研究。
综上所述，尽管本研究取得了一些进展，但在进一步完善谐波齿轮减速器故障分析和预测的过程中仍存在一些限制。
五、结束语
据贝哲斯统计，2022 年全球 SCARA 机器人市场规模达 365.79 亿元，结合历史趋势和发展环境等方面因素，预测到 2028 年，全球 SCARA 机器人市场规模预计将达 668.67 亿元，发展前景广阔。然而，伴随着大规模的使用，机器人及其关键零部件的可靠性备受关注。
针对减速机漏油问题，传统解决措施是拆卸并打开减速机后更换密封垫片或涂抹密封胶，该方法不仅费时费力，而且难以确保密封效果，在运行中还会再次出现渗漏问题。然而非预期的故障对于智能制造生产造成的损失巨大。
本文开展的研究，通过切实可行的日常数据采集，将故障趋势通过显性的数据呈现，可作为实际的设备维护、维修计划制定的重要依据，对整体提升谐波齿轮减速器齿轮的可靠性，乃至提升 SCARA 等应用谐波齿轮减速器齿轮传动的工业机器人的可靠性，降低非预期停产，具有重大意义，伴随深入的研究和方法的优化，推广前景广阔，产生的直接和间接的经济效益巨大。
参考文献略.