基于模糊理论的PR1400焊接机器人系统可靠性预计

基于模糊理论的PR1400焊接机器人系统可靠性预计 基于模糊理论的PR1400焊接机器人系统可靠性预计

栾佳绘，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：为克服现有焊接机器人系统可靠性数据缺失，研究了一种基于模糊理论的可靠性模糊预计方法。该方法对影响PR1400焊接机器人系统可靠性的重要度、工作时间等因素进行了三角函数模糊化处理，利用λ截集的Zadeh扩展理论求解若干个模糊数的模糊权重平均值;最后运用质心法得到了PR1400焊接机器人各子系统的评分系数,确定了PR1400焊接机器人系统的MTBF值。关键词：焊接机器人；模糊理论；可靠性预计；MTBF

焊接机器人系统是一个复杂的机电系统，既包含机械零部件又包含电子元器件[1]。其可靠性预计的困难主要在于:一是焊接机器人系统本身结构功能复杂，影响系统可靠性的因素较多，且各影响因素之间的关系复杂，可靠性预计模型难以直接建立[2]；二是企业对机器人可靠性信息的管理不够规范以至于可靠性信息资料不足[3]。另外，本文的研究对象是PR1400焊接机器人系统，其本体子系统的机械零部件大多为自制件，故障率数据很难搜集。要想得到更加精确的可靠性预计结果，必须解决上述两个问题[4]。

1 PR1400焊接机器人系统可靠性模型的建立

1.1 PR1400焊接机器人系统组成

PR1400焊接机器人系统主要由机器人本体、控制柜、焊机及周边附件等构成。附件主要包括示教器、变压器、焊枪、送丝机、保护气、焊丝、气管及各种线缆等。其系统连接如图1所示。

结合焊接机器人系统的结构特征和可靠性工作的特点，本文将PR1400焊接机器人划分为机器人本体子系统、控制子系统及焊接子系统。

机器人的本体子系统通常包括基座、肩关节、下臂、上臂、手腕等关键结构。

机器人的控制子系统包括硬件系统和软件系统。例如：伺服驱动器、变压器、集成电路板、可编程逻辑控制器、供电回路单元、滤波器、传感器、示教器等。

图1 PR1400焊接机器人系统图

机器人焊接子系统由焊接电源、送丝机、焊枪、清枪站等组成。

1.2 PR1400焊接机器人可靠性预计模型的建立

将PR1400焊接机器人每个子系统拆分后得到焊接机器人系统的可靠性框图，如图2所示。

图2 PR1400焊接机器人系统可靠性框图

通过分析可以得出，整个机器人系统可以由3个简化的子系统彼此串联而成，其可靠性模型为

R(t)=RR(t)×RC(t)×RW(t)

(1)

式中：R(t)为系统的可靠度；RR(t),RC(t),RW(t)分别为PR1400焊接机器人的本体子系统、控制子系统、焊接子系统的可靠度。

同理，对于单个串联的子系统而言，其可靠度可根据组成子系统的零部件的故障率求出，如果各零部件之间的连接是通过串联建立的，那么子系统的故障率即为各零部件故障率相乘[5]。机器人的子系统可靠度RS(t)计算公式如下：Rs(t)=R1(t)×R2(t)×R3(t)×…×Rn(t)

(2)

式中：Ri(t)为第i个串联的零件可靠度。

2 PR1400焊接机器人系统的可靠性预计

2.1 PR1400焊接机器人控制子系统的可靠性预计

PR1400焊接机器人控制子系统可靠性预计采用元器件计数法，需要收集控制子系统中元器件的数量、型号、规格、质量等级、质量系数、性能额度、产品标准等信息[6]。各电子元器件的失效率预计计算模型主要参考GJB/Z299《电子设备可靠性预计手册》中所提供的数学模型，假设电子元器件的密度函数类型都呈指数分布，经过大量统计分析和数学计算，得到PR1400焊接机器人控制子系统的详细可靠性预计结果，见表1。

表1 PR1400焊接机器人控制子系统的详细可靠性预计

序号名称数量失效率/h-1累积失效率λ/h-11伺服驱动器69．8730E-75．9238E-62Controlmain模块18．7781E-68．7781E-63Motorcontrol模块17．2870E-67．2870E-64Safty模块14．3332E-64．3332E-65Backboard模块16．1464E-66．1464E-66IOcontroll模块17．9463E-67．9463E-67IOboard1模块14．2253E-64．2253E-68IOboard2-1模块11．1134E-61．1134E-69Surge模块13．7912E-63．7912E-610IOboard3模块13．3496E-63．3496E-611Backup模块13．2953E-63．2953E-612滤波器21．7640E-61．5280E-613继电器22．2512E-64．5024E-614接触器16．7050E-66．7050E-615接插件137．8900E-81．0257E-616开关及旋转按钮33．0410E-79．1230E-617电源变压器14．3901E-64．3901E-618试教器11．0564E-51．0564E-519风扇32．1395E-66．4185E-620指示灯29．6900E-71．9380E-621按钮57．1801E-83．5901E-722磁环295．7501E-81．6675E-6

利用表1的结果可以计算出焊接机器人控制子系统故障率为λC=9.620 1E-5h-1。

2.2 基于模糊理论的PR1400焊接机器人子系统可靠性预计

焊接机器人本体子系统和焊接子系统均含有大量的机械零部件，而且这些零部件均为自制件，并没有相关的可靠性数据，无法由机械零部件可靠性预计手册查到相关的失效数据[7]，可利用模糊理论来处理这一问题[8-9]。本节将利用模糊理论对PR1400焊接机器人建立可靠性模糊预计模型。

1)建立系统的评分因素模糊语言集。

用确定值来表达评价因素误差较大，需采用模糊区间来评定。PR1400焊接机器人系统可靠性评价因素的等级评价标准为“非常高”、“高”、“中等”、“低”、“非常低”5个等级，并为每个等级确定相对重要性模糊数。

2)确定专家权重。

邀请相关设计、测试、操作人员组成评价小组，对评价因素进行打分。根据专家自身的权重值和各项评价因素的权重值，专家k在第i项评价因素上的得分为：

(3)

式中：Bik为因素层中的每一项影响因素划分等级所得到子因素层；Wij为子因素层的权重系数；i表示项目因素序列，i=1,2,3,4；j表示各项因素的级别序列，j=1,2,3,4,5；k表示专家的序列，k=1,2,3,4,5。

将专家k的观点重要度进行归一化处理，即得专家k的权重表达式为：

(4)

式中：Rk为专家k的权重；Wi为因素层的权重系数。

通过式(3)和(4)计算得各专家权重，见表2。

表2 专家权重表

专家1专家2专家3专家4专家5Rk0．150．150．250．250．20

3)专家打分。

邀请研发部与测试部专家对影响PR1400焊接机器人3个子系统的可靠性影响因素进行打分，可得到专家评分结果和评价因素权重以及专家权重。

4)建立PR1400焊接机器人系统评分系数ωi求解模型。

求PR1400焊接机器人系统评分系数ωi的过程就是求n个模糊数的模糊权重算术平均值的过程。模糊权重算术平均值的计算公式为

(5)

式中

　　为n个待定权重的模糊数；

　　为n个模糊数的模糊权重。

设

　　分别为子系统i关于复杂度、工作时间、技术水平、环境条件等4个评价因素的模糊评定等级；

　　分别为专家组成员j给出的关于复杂度、工作时间、技术水平、环境条件等4个评价因素的模糊权重；

　　为m个专家成员的相对权重，则各分系统的模糊评分系数求解模型为：

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

根据式(6)～(13)对专家评分结果进行计算可得到各子系统评价因素的总体模糊评价和各专家成员所给出的各评价因素的模糊权重，由式(5)可得模糊权重的最大值与最小值的求解模型，令

　　为模型的最优解，即

　　和

　　其中Gωi是由λ截集特征化得到的，λ为截集水平值

　　为模型在λ截集下算出的最大和最小结果。设定不同的λ截集并求其并集，其表达式为：

(14)

给定λ的值,取λ=0.2，可建立6个等差数列的各分系统复杂度、环境条件、工作时间、技术水平的λ截集。

根据模糊数的计算值和λ截集的设定，建立评价因素复杂度、技术水平、工作时间、环境条件的模糊权重度λ截集。

根据各子系统评价因素及其权重度λ截集的计算结果，计算各子系统模糊评分系数的λ截集，见表3。

表3 子系统模糊评分系数λ截集

控制子系统本体子系统焊接子系统0(1．1703，4．1411)(1．2202，4．2796)(1．1418，4．1434)0．2(1．3115，3．6779)(1．3703，3．8075)(1．2913，3．6814)0．4(1．4583，3．3121)(1．5241，3．3436)(1．4447，3．2281)0．6(1．6061，2．7793)(1．6826，2．8895)(1．6026，2．7850)0．8(1．7622，2．3442)(1．8439，2．3299)(1．7635，2．2380)1．0(1．9205，1．9205)(2．0089，2．0089)(1．9281，1．9281)

5)去模糊化。

利用质心法对模糊集合

　　进行去模糊化处理，其中定义

　　为去模糊化后模糊集所对应的准确值，则：

(15)

当模糊集

　　由其λ截集表示时，则：

(16)

(17)

(18)

当Δλ1=1/n，并且λi=i/n,i=0,1,2,…,n时，式(17)、(18)可简化为：

(19)

(20)

计算式(19)、(20)，并将计算结果代入公式(15)可得模糊评分数的质心值，然后将控制子系统的评分数设为1，并以其为基准，计算其他各子系统评分系数。根据之前元器件计数法的结果可知，焊接机器人的控制子系统故障率为λc=9.620 1E-5h-1，从而得到各分系统的故障率，见表4。

表4 PR1400焊接机器人系统故障率表

系统评分数质心评分系数故障率/h-1控制子系统0．18411．00009．6201E-5本体子系统0．17180．93328．9774E-5焊接子系统0．15220．82677．9529E-5机器人总系统2．6550E-4

根据表4可知PR1400焊接机器人系统整体的失效率为

λS=9.620 1E-5+8.977 4E-5+7.952 9E-5=2.655 0E-4(h-1)

所以PR1400焊接机器人系统的平均无故障间隔时间MTBF=1/λS=3 766(h)。

3 结束语

本文针对PR1400焊接机器人3个子系统各自组成结构的特殊性，采用了不同的可靠性预计方法。为了使得预计的结果更加精确可靠，引入了模糊理论对影响可靠性预计的重要度、工作时间等因素进行了模糊化处理，并考虑了评价因素的权重，采用层次分析法确定了专家权重，得到了PR1400焊接机器人各子系统的评分系数，最后计算得到PR1400焊接机器人的平均故障间隔时间MTBF为3 766h。从表4可以看出，PR1400焊接机器人的控制子系统失效率最高，本体子系统次之，焊接子系统的失效率最小，这是因为电子元器件相对于机械零部件而言，其可靠性低，而控制子系统的绝大多数部件都是由电子元器件构成的。机器人本体子系统、焊接子系统主要由机械零部件组成，并且焊接子系统零部件少、结构相对简单，所以其可靠性相对较高，这说明预计结果能反映实际情况。如果针对控制子系统一些可靠性较低的元器件和单元采取相应措施，如集成电路、接插件、继电器等，可提高其可靠性，这样就能够提高整个PR1400焊接机器人系统的可靠性。可靠性预计为下一步可靠性分配提供了参考依据。

参考文献：

[1] 王改云, 梁芬, 朱名日，等. 基于故障树的焊接机器人可靠性分析[J]. 微计算机信息, 2008, 24(17):272-273.

[2] 王健全, 何成铭, 陈宝雷. 机械系统可靠性预测模型[J]. 四川兵工学报, 2008, 29(3):17-19.

[3] 袁自成. 某弧焊机器人位姿精度可靠性分析方法研究[D]. 沈阳：东北大学, 2011.

[4] 韩雪, 訾斌, 孙辉辉. 可缠绕式混合驱动柔索并联机器人可靠性分析[J].机械设计与制造, 2015(4):155-158.

[5] 张汝波, 史长亭, 杨婷. 水下机器人软件可靠性及故障诊断方法研究[J]. 计算机工程与应用, 2011, 47(18):226-230.

[6] 苏金远. 基于故障树的弧焊工业机器人系统可靠性研究[D].嘉义: 南华大学, 2013.

[7] 王自力. 可靠性维修性保障性要求论证[M]. 北京: 国防工业出版社, 2011: 49-56.

[8] CHUNG T H, HOLLINGER G A, ISLER V. Search and pursuit-evasion in mobile robotics[J]. Autonomous Robots, 2011, 31(4):299-316.

[9] 战国璋. 基于模糊理论的数控立式车床可靠性预计及故障分析技术[D]. 长春: 吉林大学, 2014.

Reliability prediction of PR1400 welding robot system based on fuzzy theory

LUAN Jiahui, TONG Yifei, LI Dongbo

(School of Mechanical Engineering, Nanjing University of Science and Technology, Jiangsu Nanjing, 210094, China)

Abstract：In order to overcome the existing lack of welding robot system reliability data, it presents a kind of reliability prediction method based on the fuzzy theory. Fuzzy method is utilized to process the importance, work time and other factors affecting the reliability of PR1400 welding robot system, and the fuzzy number weighted average is obtained with extended trap Zadeh. Finally the rating of the subsystems of the coefficient PR1400 welding robot is obtained with qualitative method as well as the MTBF of PR1400 welding robot system.

Key words：welding robot; fuzzy theory; reliability prediction; MTBF

收稿日期：2017-02-27

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：栾佳绘(1989—)，女，安徽阜阳人，南京理工大学硕士研究生，主要研究方向为机械工程。

DOI：10.3969/j.issn.2095-509X.2017.04.008

中图分类号：TP242

文献标识码：A

文章编号：2095-509X(2017)04-0038-04

基于模糊理论的PR1400焊接机器人系统可靠性预计 基于模糊理论的PR1400焊接机器人系统可靠性预计

栾佳绘，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：为克服现有焊接机器人系统可靠性数据缺失，研究了一种基于模糊理论的可靠性模糊预计方法。该方法对影响PR1400焊接机器人系统可靠性的重要度、工作时间等因素进行了三角函数模糊化处理，利用λ截集的Zadeh扩展理论求解若干个模糊数的模糊权重平均值;最后运用质心法得到了PR1400焊接机器人各子系统的评分系数,确定了PR1400焊接机器人系统的MTBF值。关键词：焊接机器人；模糊理论；可靠性预计；MTBF

焊接机器人系统是一个复杂的机电系统，既包含机械零部件又包含电子元器件[1]。其可靠性预计的困难主要在于:一是焊接机器人系统本身结构功能复杂，影响系统可靠性的因素较多，且各影响因素之间的关系复杂，可靠性预计模型难以直接建立[2]；二是企业对机器人可靠性信息的管理不够规范以至于可靠性信息资料不足[3]。另外，本文的研究对象是PR1400焊接机器人系统，其本体子系统的机械零部件大多为自制件，故障率数据很难搜集。要想得到更加精确的可靠性预计结果，必须解决上述两个问题[4]。

1 PR1400焊接机器人系统可靠性模型的建立

1.1 PR1400焊接机器人系统组成

PR1400焊接机器人系统主要由机器人本体、控制柜、焊机及周边附件等构成。附件主要包括示教器、变压器、焊枪、送丝机、保护气、焊丝、气管及各种线缆等。其系统连接如图1所示。

结合焊接机器人系统的结构特征和可靠性工作的特点，本文将PR1400焊接机器人划分为机器人本体子系统、控制子系统及焊接子系统。

机器人的本体子系统通常包括基座、肩关节、下臂、上臂、手腕等关键结构。

机器人的控制子系统包括硬件系统和软件系统。例如：伺服驱动器、变压器、集成电路板、可编程逻辑控制器、供电回路单元、滤波器、传感器、示教器等。

图1 PR1400焊接机器人系统图

机器人焊接子系统由焊接电源、送丝机、焊枪、清枪站等组成。

1.2 PR1400焊接机器人可靠性预计模型的建立

将PR1400焊接机器人每个子系统拆分后得到焊接机器人系统的可靠性框图，如图2所示。

图2 PR1400焊接机器人系统可靠性框图

通过分析可以得出，整个机器人系统可以由3个简化的子系统彼此串联而成，其可靠性模型为

R(t)=RR(t)×RC(t)×RW(t)

(1)

式中：R(t)为系统的可靠度；RR(t),RC(t),RW(t)分别为PR1400焊接机器人的本体子系统、控制子系统、焊接子系统的可靠度。

同理，对于单个串联的子系统而言，其可靠度可根据组成子系统的零部件的故障率求出，如果各零部件之间的连接是通过串联建立的，那么子系统的故障率即为各零部件故障率相乘[5]。机器人的子系统可靠度RS(t)计算公式如下：Rs(t)=R1(t)×R2(t)×R3(t)×…×Rn(t)

(2)

式中：Ri(t)为第i个串联的零件可靠度。

2 PR1400焊接机器人系统的可靠性预计

2.1 PR1400焊接机器人控制子系统的可靠性预计

PR1400焊接机器人控制子系统可靠性预计采用元器件计数法，需要收集控制子系统中元器件的数量、型号、规格、质量等级、质量系数、性能额度、产品标准等信息[6]。各电子元器件的失效率预计计算模型主要参考GJB/Z299《电子设备可靠性预计手册》中所提供的数学模型，假设电子元器件的密度函数类型都呈指数分布，经过大量统计分析和数学计算，得到PR1400焊接机器人控制子系统的详细可靠性预计结果，见表1。

表1 PR1400焊接机器人控制子系统的详细可靠性预计

序号名称数量失效率/h-1累积失效率λ/h-11伺服驱动器69．8730E-75．9238E-62Controlmain模块18．7781E-68．7781E-63Motorcontrol模块17．2870E-67．2870E-64Safty模块14．3332E-64．3332E-65Backboard模块16．1464E-66．1464E-66IOcontroll模块17．9463E-67．9463E-67IOboard1模块14．2253E-64．2253E-68IOboard2-1模块11．1134E-61．1134E-69Surge模块13．7912E-63．7912E-610IOboard3模块13．3496E-63．3496E-611Backup模块13．2953E-63．2953E-612滤波器21．7640E-61．5280E-613继电器22．2512E-64．5024E-614接触器16．7050E-66．7050E-615接插件137．8900E-81．0257E-616开关及旋转按钮33．0410E-79．1230E-617电源变压器14．3901E-64．3901E-618试教器11．0564E-51．0564E-519风扇32．1395E-66．4185E-620指示灯29．6900E-71．9380E-621按钮57．1801E-83．5901E-722磁环295．7501E-81．6675E-6

利用表1的结果可以计算出焊接机器人控制子系统故障率为λC=9.620 1E-5h-1。

2.2 基于模糊理论的PR1400焊接机器人子系统可靠性预计

焊接机器人本体子系统和焊接子系统均含有大量的机械零部件，而且这些零部件均为自制件，并没有相关的可靠性数据，无法由机械零部件可靠性预计手册查到相关的失效数据[7]，可利用模糊理论来处理这一问题[8-9]。本节将利用模糊理论对PR1400焊接机器人建立可靠性模糊预计模型。

1)建立系统的评分因素模糊语言集。

用确定值来表达评价因素误差较大，需采用模糊区间来评定。PR1400焊接机器人系统可靠性评价因素的等级评价标准为“非常高”、“高”、“中等”、“低”、“非常低”5个等级，并为每个等级确定相对重要性模糊数。

2)确定专家权重。

邀请相关设计、测试、操作人员组成评价小组，对评价因素进行打分。根据专家自身的权重值和各项评价因素的权重值，专家k在第i项评价因素上的得分为：

(3)

式中：Bik为因素层中的每一项影响因素划分等级所得到子因素层；Wij为子因素层的权重系数；i表示项目因素序列，i=1,2,3,4；j表示各项因素的级别序列，j=1,2,3,4,5；k表示专家的序列，k=1,2,3,4,5。

将专家k的观点重要度进行归一化处理，即得专家k的权重表达式为：

(4)

式中：Rk为专家k的权重；Wi为因素层的权重系数。

通过式(3)和(4)计算得各专家权重，见表2。

表2 专家权重表

专家1专家2专家3专家4专家5Rk0．150．150．250．250．20

3)专家打分。

邀请研发部与测试部专家对影响PR1400焊接机器人3个子系统的可靠性影响因素进行打分，可得到专家评分结果和评价因素权重以及专家权重。

4)建立PR1400焊接机器人系统评分系数ωi求解模型。

求PR1400焊接机器人系统评分系数ωi的过程就是求n个模糊数的模糊权重算术平均值的过程。模糊权重算术平均值的计算公式为

(5)

式中

　　为n个待定权重的模糊数；

　　为n个模糊数的模糊权重。

设

　　分别为子系统i关于复杂度、工作时间、技术水平、环境条件等4个评价因素的模糊评定等级；

　　分别为专家组成员j给出的关于复杂度、工作时间、技术水平、环境条件等4个评价因素的模糊权重；

　　为m个专家成员的相对权重，则各分系统的模糊评分系数求解模型为：

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

根据式(6)～(13)对专家评分结果进行计算可得到各子系统评价因素的总体模糊评价和各专家成员所给出的各评价因素的模糊权重，由式(5)可得模糊权重的最大值与最小值的求解模型，令

　　为模型的最优解，即

　　和

　　其中Gωi是由λ截集特征化得到的，λ为截集水平值

　　为模型在λ截集下算出的最大和最小结果。设定不同的λ截集并求其并集，其表达式为：

(14)

给定λ的值,取λ=0.2，可建立6个等差数列的各分系统复杂度、环境条件、工作时间、技术水平的λ截集。

根据模糊数的计算值和λ截集的设定，建立评价因素复杂度、技术水平、工作时间、环境条件的模糊权重度λ截集。

根据各子系统评价因素及其权重度λ截集的计算结果，计算各子系统模糊评分系数的λ截集，见表3。

表3 子系统模糊评分系数λ截集

控制子系统本体子系统焊接子系统0(1．1703，4．1411)(1．2202，4．2796)(1．1418，4．1434)0．2(1．3115，3．6779)(1．3703，3．8075)(1．2913，3．6814)0．4(1．4583，3．3121)(1．5241，3．3436)(1．4447，3．2281)0．6(1．6061，2．7793)(1．6826，2．8895)(1．6026，2．7850)0．8(1．7622，2．3442)(1．8439，2．3299)(1．7635，2．2380)1．0(1．9205，1．9205)(2．0089，2．0089)(1．9281，1．9281)

5)去模糊化。

利用质心法对模糊集合

　　进行去模糊化处理，其中定义

　　为去模糊化后模糊集所对应的准确值，则：

(15)

当模糊集

　　由其λ截集表示时，则：

(16)

(17)

(18)

当Δλ1=1/n，并且λi=i/n,i=0,1,2,…,n时，式(17)、(18)可简化为：

(19)

(20)

计算式(19)、(20)，并将计算结果代入公式(15)可得模糊评分数的质心值，然后将控制子系统的评分数设为1，并以其为基准，计算其他各子系统评分系数。根据之前元器件计数法的结果可知，焊接机器人的控制子系统故障率为λc=9.620 1E-5h-1，从而得到各分系统的故障率，见表4。

表4 PR1400焊接机器人系统故障率表

系统评分数质心评分系数故障率/h-1控制子系统0．18411．00009．6201E-5本体子系统0．17180．93328．9774E-5焊接子系统0．15220．82677．9529E-5机器人总系统2．6550E-4

根据表4可知PR1400焊接机器人系统整体的失效率为

λS=9.620 1E-5+8.977 4E-5+7.952 9E-5=2.655 0E-4(h-1)

所以PR1400焊接机器人系统的平均无故障间隔时间MTBF=1/λS=3 766(h)。

3 结束语

本文针对PR1400焊接机器人3个子系统各自组成结构的特殊性，采用了不同的可靠性预计方法。为了使得预计的结果更加精确可靠，引入了模糊理论对影响可靠性预计的重要度、工作时间等因素进行了模糊化处理，并考虑了评价因素的权重，采用层次分析法确定了专家权重，得到了PR1400焊接机器人各子系统的评分系数，最后计算得到PR1400焊接机器人的平均故障间隔时间MTBF为3 766h。从表4可以看出，PR1400焊接机器人的控制子系统失效率最高，本体子系统次之，焊接子系统的失效率最小，这是因为电子元器件相对于机械零部件而言，其可靠性低，而控制子系统的绝大多数部件都是由电子元器件构成的。机器人本体子系统、焊接子系统主要由机械零部件组成，并且焊接子系统零部件少、结构相对简单，所以其可靠性相对较高，这说明预计结果能反映实际情况。如果针对控制子系统一些可靠性较低的元器件和单元采取相应措施，如集成电路、接插件、继电器等，可提高其可靠性，这样就能够提高整个PR1400焊接机器人系统的可靠性。可靠性预计为下一步可靠性分配提供了参考依据。

参考文献：

[1] 王改云, 梁芬, 朱名日，等. 基于故障树的焊接机器人可靠性分析[J]. 微计算机信息, 2008, 24(17):272-273.

[2] 王健全, 何成铭, 陈宝雷. 机械系统可靠性预测模型[J]. 四川兵工学报, 2008, 29(3):17-19.

[3] 袁自成. 某弧焊机器人位姿精度可靠性分析方法研究[D]. 沈阳：东北大学, 2011.

[4] 韩雪, 訾斌, 孙辉辉. 可缠绕式混合驱动柔索并联机器人可靠性分析[J].机械设计与制造, 2015(4):155-158.

[5] 张汝波, 史长亭, 杨婷. 水下机器人软件可靠性及故障诊断方法研究[J]. 计算机工程与应用, 2011, 47(18):226-230.

[6] 苏金远. 基于故障树的弧焊工业机器人系统可靠性研究[D].嘉义: 南华大学, 2013.

[7] 王自力. 可靠性维修性保障性要求论证[M]. 北京: 国防工业出版社, 2011: 49-56.

[8] CHUNG T H, HOLLINGER G A, ISLER V. Search and pursuit-evasion in mobile robotics[J]. Autonomous Robots, 2011, 31(4):299-316.

[9] 战国璋. 基于模糊理论的数控立式车床可靠性预计及故障分析技术[D]. 长春: 吉林大学, 2014.

Reliability prediction of PR1400 welding robot system based on fuzzy theory

LUAN Jiahui, TONG Yifei, LI Dongbo

(School of Mechanical Engineering, Nanjing University of Science and Technology, Jiangsu Nanjing, 210094, China)

Abstract：In order to overcome the existing lack of welding robot system reliability data, it presents a kind of reliability prediction method based on the fuzzy theory. Fuzzy method is utilized to process the importance, work time and other factors affecting the reliability of PR1400 welding robot system, and the fuzzy number weighted average is obtained with extended trap Zadeh. Finally the rating of the subsystems of the coefficient PR1400 welding robot is obtained with qualitative method as well as the MTBF of PR1400 welding robot system.

Key words：welding robot; fuzzy theory; reliability prediction; MTBF

收稿日期：2017-02-27

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：栾佳绘(1989—)，女，安徽阜阳人，南京理工大学硕士研究生，主要研究方向为机械工程。

DOI：10.3969/j.issn.2095-509X.2017.04.008

中图分类号：TP242

文献标识码：A

文章编号：2095-509X(2017)04-0038-04