JPH1039908A - 産業用ロボットの故障予知方法 - Google Patents
産業用ロボットの故障予知方法Info
- Publication number
- JPH1039908A JPH1039908A JP8206371A JP20637196A JPH1039908A JP H1039908 A JPH1039908 A JP H1039908A JP 8206371 A JP8206371 A JP 8206371A JP 20637196 A JP20637196 A JP 20637196A JP H1039908 A JPH1039908 A JP H1039908A
- Authority
- JP
- Japan
- Prior art keywords
- work rate
- robot
- drive
- power
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
(57)【要約】
【課題】 生産ラインの稼働中においても随時診断を行
うことができるような産業用ロボットの故障予知方法を
提供する。 【解決手段】 ロボット機構部を構成する各軸ｉのデー
タをサーボモータを制御するサーボ系より取り込み、ロ
ボット自体および負荷の質点モデルと各軸ｉのデータと
により他軸の干渉を考慮した負荷トルクＴo を算出した
後、負荷トルクＴo と角速度ωi との積である負荷側の
仕事率Ｗo を算出する。また、各軸ｉを駆動するサーボ
モータの駆動電流Ｉi のデータをサーボ系より取り込
み、この駆動電流Ｉi にこれと対応するサーボモータの
トルク定数ｋi を掛けることにより駆動トルクＴi を算
出した後、駆動トルクＴi と角速度ωi との積である駆
動側の仕事率Ｗi を算出する。そして、算出された負荷
側の仕事率Ｗo 及び駆動側の仕事率Ｗi より仕事率の比
（Ｗi ／Ｗo ）を求め、これを予め設定された判定値と
比較することによりロボット機構部の劣化の有無を判定
する。
うことができるような産業用ロボットの故障予知方法を
提供する。 【解決手段】 ロボット機構部を構成する各軸ｉのデー
タをサーボモータを制御するサーボ系より取り込み、ロ
ボット自体および負荷の質点モデルと各軸ｉのデータと
により他軸の干渉を考慮した負荷トルクＴo を算出した
後、負荷トルクＴo と角速度ωi との積である負荷側の
仕事率Ｗo を算出する。また、各軸ｉを駆動するサーボ
モータの駆動電流Ｉi のデータをサーボ系より取り込
み、この駆動電流Ｉi にこれと対応するサーボモータの
トルク定数ｋi を掛けることにより駆動トルクＴi を算
出した後、駆動トルクＴi と角速度ωi との積である駆
動側の仕事率Ｗi を算出する。そして、算出された負荷
側の仕事率Ｗo 及び駆動側の仕事率Ｗi より仕事率の比
（Ｗi ／Ｗo ）を求め、これを予め設定された判定値と
比較することによりロボット機構部の劣化の有無を判定
する。
Description
【０００１】
【発明の属する技術分野】本発明は、サーボモータによ
り駆動される産業用ロボットについて、生産ラインの稼
働中にその作業内容に依存することなく、ロボット機構
部の故障を予知する方法に関する。
り駆動される産業用ロボットについて、生産ラインの稼
働中にその作業内容に依存することなく、ロボット機構
部の故障を予知する方法に関する。
【０００２】
【従来の技術】産業用ロボットは、長期にわたる使用に
よりアーム及びその駆動モータを主体とするロボット機
構部の駆動力伝達系を構成する歯車等が摩耗し、これに
よりその動作や制御精度等に悪影響を来すことになる。
一般に、このような現象は外部から容易に予測できず、
また悪影響が現れるまでは放置されがちになるので、以
前は歯車等が破損するような状況が生ずるようになって
から対策がとられることが頻繁にあった。
よりアーム及びその駆動モータを主体とするロボット機
構部の駆動力伝達系を構成する歯車等が摩耗し、これに
よりその動作や制御精度等に悪影響を来すことになる。
一般に、このような現象は外部から容易に予測できず、
また悪影響が現れるまでは放置されがちになるので、以
前は歯車等が破損するような状況が生ずるようになって
から対策がとられることが頻繁にあった。
【０００３】これに対処するために、例えば特開昭６３
−１２３１０５号では、ロボットが正常な状態のとき、
例えばロボット本体の新規導入時や定期のメンテナンス
終了時に、予め設定された基準となる動作パターンにて
ロボットを実際に動作させ、このときの動作データを基
準データとして予め測定し、この基準データをロボット
制御装置の記憶装置に記録しておく。そして、所定の動
作時間を経過した後に、定期的に、再度同様にして基準
となる動作パターンにてロボットを実際に動作させ、こ
のときの動作データを測定し、この動作データを前述の
基準データと比較し、その差異から故障の有無を診断す
るようにしている。この動作データとして、特開昭６３
−１２３１０５号では、サーボ制御ずれ（偏差）を用い
ているため、故障の有無を診断するための専用のセンサ
を設ける必要がないとされ、また、アームの駆動機構等
の機械系、及び駆動機構を制御するサーボ系等の制御系
を総合的に診断することができるという利点があるとさ
れている。
−１２３１０５号では、ロボットが正常な状態のとき、
例えばロボット本体の新規導入時や定期のメンテナンス
終了時に、予め設定された基準となる動作パターンにて
ロボットを実際に動作させ、このときの動作データを基
準データとして予め測定し、この基準データをロボット
制御装置の記憶装置に記録しておく。そして、所定の動
作時間を経過した後に、定期的に、再度同様にして基準
となる動作パターンにてロボットを実際に動作させ、こ
のときの動作データを測定し、この動作データを前述の
基準データと比較し、その差異から故障の有無を診断す
るようにしている。この動作データとして、特開昭６３
−１２３１０５号では、サーボ制御ずれ（偏差）を用い
ているため、故障の有無を診断するための専用のセンサ
を設ける必要がないとされ、また、アームの駆動機構等
の機械系、及び駆動機構を制御するサーボ系等の制御系
を総合的に診断することができるという利点があるとさ
れている。
【０００４】
【発明が解決しようとする課題】しかし、この特開昭６
３−１２３１０５号の方法では、次に挙げる問題点があ
った。１点目は、ロボットの正常状態における動作デー
タを基準データとして個々のロボット毎に測定し、この
基準データを記憶しておく必要がある点である。２点目
は、診断過程においては基準となる動作パターンでロボ
ットを動作させなければならないために、生産ラインの
稼働中には診断を行えないという点である。３点目は、
生産ラインの稼働時における実際の動作パターンに特化
したような故障については、診断精度を上げることが難
しいという点である。
３−１２３１０５号の方法では、次に挙げる問題点があ
った。１点目は、ロボットの正常状態における動作デー
タを基準データとして個々のロボット毎に測定し、この
基準データを記憶しておく必要がある点である。２点目
は、診断過程においては基準となる動作パターンでロボ
ットを動作させなければならないために、生産ラインの
稼働中には診断を行えないという点である。３点目は、
生産ラインの稼働時における実際の動作パターンに特化
したような故障については、診断精度を上げることが難
しいという点である。
【０００５】本発明はこれらの問題点を解決するために
なされたものであり、サーボモータにより駆動される産
業用ロボットについて、生産ラインの稼働中にその作業
内容に依存することなく故障を予知する方法を提供する
こと、特に、ロボットの正常状態における基準となる動
作パターンにおける動作データを基準データとして予め
測定することなく、また、生産ラインの稼働中において
も随時診断を行うことができ、さらに、生産ラインの稼
働時における実際の動作パターンに特化したような故障
についても高精度に診断を行うことができるような、産
業用ロボットの故障予知方法を提供することを目的とす
る。
なされたものであり、サーボモータにより駆動される産
業用ロボットについて、生産ラインの稼働中にその作業
内容に依存することなく故障を予知する方法を提供する
こと、特に、ロボットの正常状態における基準となる動
作パターンにおける動作データを基準データとして予め
測定することなく、また、生産ラインの稼働中において
も随時診断を行うことができ、さらに、生産ラインの稼
働時における実際の動作パターンに特化したような故障
についても高精度に診断を行うことができるような、産
業用ロボットの故障予知方法を提供することを目的とす
る。
【０００６】
【課題を解決するための手段】上記の目的を達成するた
めに、本発明では、質点モデルから算出される各駆動軸
の実際の位置（角度）、角速度、及び角加速度に基づく
仕事率、すなわち負荷側の仕事率Ｗo 、及び各駆動軸へ
の動作指令から算出される駆動側の仕事率Ｗiより、そ
の比（Ｗo ／Ｗi ）または差（Ｗo −Ｗi ）を求め、こ
れを判定値と比較することにより、ロボット機構部の劣
化の有無とそのレベルを評価するようにした。
めに、本発明では、質点モデルから算出される各駆動軸
の実際の位置（角度）、角速度、及び角加速度に基づく
仕事率、すなわち負荷側の仕事率Ｗo 、及び各駆動軸へ
の動作指令から算出される駆動側の仕事率Ｗiより、そ
の比（Ｗo ／Ｗi ）または差（Ｗo −Ｗi ）を求め、こ
れを判定値と比較することにより、ロボット機構部の劣
化の有無とそのレベルを評価するようにした。
【０００７】一般に、駆動軸への動作指令に対する実際
の動作性能を追従性と呼び、特に加減速時における追従
性の善し悪しはロボット機構部の性能に大きな影響を与
えることになる。経年変化によりロボット機構部の劣化
が進行すると、駆動力伝達系を構成する歯車等が摩耗
し、これにより特に加減速時の追従性が悪化する。そし
て加減速時の追従性が悪化すると、駆動側の仕事率Ｗi
と負荷側の仕事率Ｗo との差が大きくなって現れてく
る。一般的には、加速時には駆動側の仕事率Ｗi が負荷
側の仕事率Ｗo に対して大きくなって現れ、逆に、減速
時には負荷側の仕事率Ｗo が駆動側の仕事率Ｗi に対し
て大きくなって現れてくる。
の動作性能を追従性と呼び、特に加減速時における追従
性の善し悪しはロボット機構部の性能に大きな影響を与
えることになる。経年変化によりロボット機構部の劣化
が進行すると、駆動力伝達系を構成する歯車等が摩耗
し、これにより特に加減速時の追従性が悪化する。そし
て加減速時の追従性が悪化すると、駆動側の仕事率Ｗi
と負荷側の仕事率Ｗo との差が大きくなって現れてく
る。一般的には、加速時には駆動側の仕事率Ｗi が負荷
側の仕事率Ｗo に対して大きくなって現れ、逆に、減速
時には負荷側の仕事率Ｗo が駆動側の仕事率Ｗi に対し
て大きくなって現れてくる。
【０００８】そこで、本発明では、駆動側の仕事率Ｗi
と負荷側の仕事率Ｗo との比または差を予め設定された
判定値と比較することにより、追従性の善し悪しを判断
することとし、これによりロボット機構部の劣化の有無
とそのレベルを評価することとした。ロボット機構部の
劣化が小さい場合は駆動側の仕事率Ｗi と負荷側の仕事
率Ｗo との差は小さいはずであるから、仕事率の比（Ｗ
o ／Ｗi ）を用いる際の判定値は、許容値をβとすれば
１＋βをその上限値とするとともに１−βを下限値と
し、仕事率の比（Ｗo ／Ｗi ）がこの範囲内にあればロ
ボット機構部の劣化は小さいと判定する。一方、仕事率
の差（Ｗo −Ｗi ）を用いる際の判定値は、同じく許容
値をβとすれば＋βをその上限値とするとともに−βを
下限値とし、仕事率の差（Ｗo −Ｗi ）がこの範囲内に
あればロボット機構部の劣化は小さいと判定する。
と負荷側の仕事率Ｗo との比または差を予め設定された
判定値と比較することにより、追従性の善し悪しを判断
することとし、これによりロボット機構部の劣化の有無
とそのレベルを評価することとした。ロボット機構部の
劣化が小さい場合は駆動側の仕事率Ｗi と負荷側の仕事
率Ｗo との差は小さいはずであるから、仕事率の比（Ｗ
o ／Ｗi ）を用いる際の判定値は、許容値をβとすれば
１＋βをその上限値とするとともに１−βを下限値と
し、仕事率の比（Ｗo ／Ｗi ）がこの範囲内にあればロ
ボット機構部の劣化は小さいと判定する。一方、仕事率
の差（Ｗo −Ｗi ）を用いる際の判定値は、同じく許容
値をβとすれば＋βをその上限値とするとともに−βを
下限値とし、仕事率の差（Ｗo −Ｗi ）がこの範囲内に
あればロボット機構部の劣化は小さいと判定する。
【０００９】駆動側の仕事率Ｗi 及び負荷側の仕事率Ｗ
o の算出方法として、駆動軸の動作機構としてサーボモ
ータを使用した場合は、駆動側の仕事率Ｗi はサーボモ
ータへ供給される駆動電流Ｉi より算出し、また、負荷
側の仕事率Ｗo はサーボモータに付属あるいは併設して
設けられたエンコーダ（位置検出器）により検出された
駆動軸の実際の位置（角度データ）、及びこの角度デー
タを基に得られる角速度データと角加速度データとによ
り算出するようにする。
o の算出方法として、駆動軸の動作機構としてサーボモ
ータを使用した場合は、駆動側の仕事率Ｗi はサーボモ
ータへ供給される駆動電流Ｉi より算出し、また、負荷
側の仕事率Ｗo はサーボモータに付属あるいは併設して
設けられたエンコーダ（位置検出器）により検出された
駆動軸の実際の位置（角度データ）、及びこの角度デー
タを基に得られる角速度データと角加速度データとによ
り算出するようにする。
【００１０】すなわち、請求項１にかかる発明では、ロ
ボット機構部を構成する各駆動軸ｉの角度θi 、角速度
ωi 、及び角加速度αi の各データをサーボモータを制
御するサーボ系より取り込み、負荷を含むロボット機構
部の質点モデルに関する運動方程式と、角度θi 、角速
度ωi 、及び角加速度αi とにより負荷トルクＴo を算
出し、しかる後、負荷トルクＴo と角速度ωi との積で
ある負荷側の仕事率Ｗo を算出する。また、各駆動軸ｉ
を駆動するサーボモータの駆動電流Ｉi のデータを前記
サーボ系より取り込み、この駆動電流Ｉi にサーボモー
タのトルク定数ｋi を掛けることにより駆動トルクＴi
を算出し、しかる後、駆動トルクＴi と角速度ωi との
積である駆動側の仕事率Ｗi を算出する。そして、算出
された負荷側の仕事率Ｗo 及び駆動側の仕事率Ｗi より
仕事率の比（Ｗo ／Ｗi ）を求め、この仕事率の比（Ｗ
o ／Ｗi ）を予め設定された判定値と比較することによ
り、ロボット機構部の劣化の有無及びそのレベルを評価
するようにした（請求項１）。
ボット機構部を構成する各駆動軸ｉの角度θi 、角速度
ωi 、及び角加速度αi の各データをサーボモータを制
御するサーボ系より取り込み、負荷を含むロボット機構
部の質点モデルに関する運動方程式と、角度θi 、角速
度ωi 、及び角加速度αi とにより負荷トルクＴo を算
出し、しかる後、負荷トルクＴo と角速度ωi との積で
ある負荷側の仕事率Ｗo を算出する。また、各駆動軸ｉ
を駆動するサーボモータの駆動電流Ｉi のデータを前記
サーボ系より取り込み、この駆動電流Ｉi にサーボモー
タのトルク定数ｋi を掛けることにより駆動トルクＴi
を算出し、しかる後、駆動トルクＴi と角速度ωi との
積である駆動側の仕事率Ｗi を算出する。そして、算出
された負荷側の仕事率Ｗo 及び駆動側の仕事率Ｗi より
仕事率の比（Ｗo ／Ｗi ）を求め、この仕事率の比（Ｗ
o ／Ｗi ）を予め設定された判定値と比較することによ
り、ロボット機構部の劣化の有無及びそのレベルを評価
するようにした（請求項１）。
【００１１】上記の構成としたことにより、ロボット機
構部を構成する各駆動軸ｉの角度θi 、角速度ωi 、及
び角加速度αi の各データを、サーボモータを制御する
サーボ系より取り込み、これらのデータからサーボモー
タすなわち負荷側の仕事率Ｗo を算出し、一方、各駆動
軸ｉを駆動するサーボモータの駆動電流Ｉi のデータ
を、同様にサーボ系より取り込み、このデータからロボ
ットの駆動側の仕事率Ｗi を算出し、両仕事率の比（Ｗ
o ／Ｗi ）を予め設定された判定値と比較するようにし
たので、実際の動作パターンに応じて時々刻々変化する
仕事率を判定に利用したことにより、生産ラインの稼働
時においても常時ロボット機構部の劣化の有無及びその
レベルを評価することができる。ロボット機構部の劣化
の度合いが大きいほど加減速時における負荷側の仕事率
Ｗo と駆動側の仕事率Ｗi との差は大きくなるから、仕
事率の比（Ｗo ／Ｗi ）が１に近いほどロボット機構部
の劣化のレベルは小さく、逆に１からかけ離れるほどロ
ボット機構部の劣化のレベルは大きいことになる。
構部を構成する各駆動軸ｉの角度θi 、角速度ωi 、及
び角加速度αi の各データを、サーボモータを制御する
サーボ系より取り込み、これらのデータからサーボモー
タすなわち負荷側の仕事率Ｗo を算出し、一方、各駆動
軸ｉを駆動するサーボモータの駆動電流Ｉi のデータ
を、同様にサーボ系より取り込み、このデータからロボ
ットの駆動側の仕事率Ｗi を算出し、両仕事率の比（Ｗ
o ／Ｗi ）を予め設定された判定値と比較するようにし
たので、実際の動作パターンに応じて時々刻々変化する
仕事率を判定に利用したことにより、生産ラインの稼働
時においても常時ロボット機構部の劣化の有無及びその
レベルを評価することができる。ロボット機構部の劣化
の度合いが大きいほど加減速時における負荷側の仕事率
Ｗo と駆動側の仕事率Ｗi との差は大きくなるから、仕
事率の比（Ｗo ／Ｗi ）が１に近いほどロボット機構部
の劣化のレベルは小さく、逆に１からかけ離れるほどロ
ボット機構部の劣化のレベルは大きいことになる。
【００１２】請求項１に記載のように、負荷側の仕事率
Ｗo 及び駆動側の仕事率Ｗi より仕事率の比（Ｗo ／Ｗ
i ）を算出し、この仕事率の比（Ｗo ／Ｗi ）を予め設
定された判定値と比較するようにする代わりに、負荷側
の仕事率Ｗo 及び駆動側の仕事率Ｗi より仕事率の差
（Ｗo −Ｗi ）を算出し、この仕事率の差（Ｗo −
Ｗi）を予め設定された判定値と比較するようにしても
よい（請求項２）。前述のようにロボット機構部の劣化
の度合いが大きいほど加減速時における負荷側の仕事率
Ｗo と駆動側の仕事率Ｗi との差は大きくなるから、仕
事率の差（Ｗo −Ｗi）が０に近いほどロボット機構部
の劣化のレベルは小さく、逆に０からかけ離れるほどロ
ボット機構部の劣化のレベルは大きいことになる。
Ｗo 及び駆動側の仕事率Ｗi より仕事率の比（Ｗo ／Ｗ
i ）を算出し、この仕事率の比（Ｗo ／Ｗi ）を予め設
定された判定値と比較するようにする代わりに、負荷側
の仕事率Ｗo 及び駆動側の仕事率Ｗi より仕事率の差
（Ｗo −Ｗi ）を算出し、この仕事率の差（Ｗo −
Ｗi）を予め設定された判定値と比較するようにしても
よい（請求項２）。前述のようにロボット機構部の劣化
の度合いが大きいほど加減速時における負荷側の仕事率
Ｗo と駆動側の仕事率Ｗi との差は大きくなるから、仕
事率の差（Ｗo −Ｗi）が０に近いほどロボット機構部
の劣化のレベルは小さく、逆に０からかけ離れるほどロ
ボット機構部の劣化のレベルは大きいことになる。
【００１３】
【発明の実施の形態】以下、本発明の実施形態について
図面を参照しながら説明する。図２は本発明のロボット
駆動部を制御するサーボ系を示すブロック図であり、図
中１は指令位置計算部、２は位置ループ、３は速度ルー
プ、４は電流ループ、５はサーボモータ等のロボット駆
動用のモータ、６はエンコーダ、７は劣化診断演算部で
ある。また図中のＳはラプラス演算子であり、微分を示
す。
図面を参照しながら説明する。図２は本発明のロボット
駆動部を制御するサーボ系を示すブロック図であり、図
中１は指令位置計算部、２は位置ループ、３は速度ルー
プ、４は電流ループ、５はサーボモータ等のロボット駆
動用のモータ、６はエンコーダ、７は劣化診断演算部で
ある。また図中のＳはラプラス演算子であり、微分を示
す。
【００１４】指令位置計算部１から出力された制御信号
は位置ループ２、速度ループ３、及び電流ループ４へ伝
送され、電流ループ４にて電流信号に変換され、電流ル
ープ４から出力された電流によりモータ５が駆動され
る。エンコーダ６により検出された位置データである駆
動軸の角度θi は、ラプラス演算子Ｓにより角速度ωi
及び角加速度αi に変換され、角度θi は位置ループ２
へ、角速度ωi は速度ループ３へそれぞれ帰還されると
ともに、劣化診断に必要なデータとして劣化診断演算部
７へも伝送される。また、電流ループ４から出力された
電流は電流ループ４とモータ５との間の伝送路上に設け
られた電流検出器により検出され、検出された電流Ｉi
は電流ループ４へ帰還されるとともに、劣化診断に必要
なデータとして劣化診断演算部７へも伝送される。この
ように図２に示すサーボ系のブロック図は、従来のもの
に対して、劣化診断演算部７及び劣化診断演算部７への
データ伝送経路が付加されたものとなっている。
は位置ループ２、速度ループ３、及び電流ループ４へ伝
送され、電流ループ４にて電流信号に変換され、電流ル
ープ４から出力された電流によりモータ５が駆動され
る。エンコーダ６により検出された位置データである駆
動軸の角度θi は、ラプラス演算子Ｓにより角速度ωi
及び角加速度αi に変換され、角度θi は位置ループ２
へ、角速度ωi は速度ループ３へそれぞれ帰還されると
ともに、劣化診断に必要なデータとして劣化診断演算部
７へも伝送される。また、電流ループ４から出力された
電流は電流ループ４とモータ５との間の伝送路上に設け
られた電流検出器により検出され、検出された電流Ｉi
は電流ループ４へ帰還されるとともに、劣化診断に必要
なデータとして劣化診断演算部７へも伝送される。この
ように図２に示すサーボ系のブロック図は、従来のもの
に対して、劣化診断演算部７及び劣化診断演算部７への
データ伝送経路が付加されたものとなっている。
【００１５】図１は、図２において示した劣化診断演算
部７にて行われる、ロボット機構部の劣化の有無及びそ
のレベルの評価に至る処理の流れを示すフローチャート
である。ステップ１１では、図２で説明したように、エ
ンコーダ６により検出された各駆動軸の角度θi 、及び
角度θi を基にラプラス演算子Ｓにより変換された角速
度ωi と角加速度αi とを劣化診断演算部７へ取り込
む。
部７にて行われる、ロボット機構部の劣化の有無及びそ
のレベルの評価に至る処理の流れを示すフローチャート
である。ステップ１１では、図２で説明したように、エ
ンコーダ６により検出された各駆動軸の角度θi 、及び
角度θi を基にラプラス演算子Ｓにより変換された角速
度ωi と角加速度αi とを劣化診断演算部７へ取り込
む。
【００１６】ステップ１２では、負荷を含むロボット機
構部の質点モデルに関する運動方程式と、ステップ１１
において取り込まれた角度θi 、角速度ωi 、及び角加
速度αi とにより負荷トルクＴo を算出する。ここで、
負荷トルクＴo の算出過程についてより具体的に説明す
る。図３は６軸構成の垂直多関節型ロボットにおける質
点モデルの一例を示したものである。図中２１は負荷の
質点モデル、２２〜２６は第２〜６の各駆動軸の質点モ
デルを示す。また、３１〜３６は第１〜６の各駆動軸を
示す。この質点モデルに関して、式（１）で表される運
動方程式の各項を求めることにより、各駆動軸の負荷側
に働くトルクすなわち負荷トルクを算出する。
構部の質点モデルに関する運動方程式と、ステップ１１
において取り込まれた角度θi 、角速度ωi 、及び角加
速度αi とにより負荷トルクＴo を算出する。ここで、
負荷トルクＴo の算出過程についてより具体的に説明す
る。図３は６軸構成の垂直多関節型ロボットにおける質
点モデルの一例を示したものである。図中２１は負荷の
質点モデル、２２〜２６は第２〜６の各駆動軸の質点モ
デルを示す。また、３１〜３６は第１〜６の各駆動軸を
示す。この質点モデルに関して、式（１）で表される運
動方程式の各項を求めることにより、各駆動軸の負荷側
に働くトルクすなわち負荷トルクを算出する。
【００１７】
【数１】
【００１８】式（１）において、左辺は各軸に働く負荷
トルクを表すトルク行列である。右辺第１項は慣性力に
よるトルク、第２項は遠心力及びコリオリ力によるトル
ク、第３項はアンバランス力によるトルクをそれぞれ表
している。これら第１〜第３項は、各駆動軸の角度
θi 、角速度ωi 、及び角加速度αi より算出されるの
で、これら第１〜第３項の和として求められる負荷トル
クは他軸から受ける反力を考慮したものとなる。なお、
式（１）はロボットの質点モデルに関する一般的な運動
方程式であり、本発明に特有の方程式ではない。
トルクを表すトルク行列である。右辺第１項は慣性力に
よるトルク、第２項は遠心力及びコリオリ力によるトル
ク、第３項はアンバランス力によるトルクをそれぞれ表
している。これら第１〜第３項は、各駆動軸の角度
θi 、角速度ωi 、及び角加速度αi より算出されるの
で、これら第１〜第３項の和として求められる負荷トル
クは他軸から受ける反力を考慮したものとなる。なお、
式（１）はロボットの質点モデルに関する一般的な運動
方程式であり、本発明に特有の方程式ではない。
【００１９】ステップ１３では、ステップ１２において
算出された負荷トルクＴo に角速度ωi を掛けることに
より、負荷側の仕事率Ｗo を算出する。
算出された負荷トルクＴo に角速度ωi を掛けることに
より、負荷側の仕事率Ｗo を算出する。
【００２０】一方、前述のステップ１２及び１３におけ
る負荷側の仕事率Ｗo の算出処理と並行して、ステップ
１４及び１５において駆動側の仕事率Ｗi を算出する。
ステップ１４では、電流ループ４とモータ５との間の伝
送路上に設けられた電流検出器により検出された各駆動
軸の電流Ｉi を取り込み、モータのトルク定数ｋi を掛
けることにより、各駆動軸の駆動側に働くトルクすなわ
ち駆動トルクＴi を算出する。ステップ１５では、ステ
ップ１４において算出された駆動トルクＴi に角速度ω
i を掛けることにより、駆動側の仕事率Ｗi を算出す
る。
る負荷側の仕事率Ｗo の算出処理と並行して、ステップ
１４及び１５において駆動側の仕事率Ｗi を算出する。
ステップ１４では、電流ループ４とモータ５との間の伝
送路上に設けられた電流検出器により検出された各駆動
軸の電流Ｉi を取り込み、モータのトルク定数ｋi を掛
けることにより、各駆動軸の駆動側に働くトルクすなわ
ち駆動トルクＴi を算出する。ステップ１５では、ステ
ップ１４において算出された駆動トルクＴi に角速度ω
i を掛けることにより、駆動側の仕事率Ｗi を算出す
る。
【００２１】ステップ１６では、ステップ１３において
算出された負荷側の仕事率Ｗo 及びステップ１５におい
て算出された駆動側の仕事率Ｗi より仕事率の比（Ｗo
／Ｗi ）を算出する。ステップ１７では、ステップ１６
において算出された仕事率の比（Ｗo ／Ｗi ）を予め設
定された判定値と比較することによりロボット機構部の
劣化の有無及びそのレベルを判定するようにする。具体
的には、１＋βを判定値の上限値とするとともに１−β
をその下限値とし、仕事率の比（Ｗo ／Ｗi ）がこの範
囲内にあればロボット機構部の劣化は小さいと判定す
る。ここでβは劣化の許容値として設定する値である。
算出された負荷側の仕事率Ｗo 及びステップ１５におい
て算出された駆動側の仕事率Ｗi より仕事率の比（Ｗo
／Ｗi ）を算出する。ステップ１７では、ステップ１６
において算出された仕事率の比（Ｗo ／Ｗi ）を予め設
定された判定値と比較することによりロボット機構部の
劣化の有無及びそのレベルを判定するようにする。具体
的には、１＋βを判定値の上限値とするとともに１−β
をその下限値とし、仕事率の比（Ｗo ／Ｗi ）がこの範
囲内にあればロボット機構部の劣化は小さいと判定す
る。ここでβは劣化の許容値として設定する値である。
【００２２】さらに、仕事率の比（Ｗo ／Ｗi ）の大小
により、劣化のレベルも評価でき、仕事率の比（Ｗo ／
Ｗi ）が１に近いほど劣化のレベルは小さく、逆に１か
らかけ離れるほど劣化のレベルは大きいことになる。通
常この劣化のレベルは、ロボット本体の新規導入時や定
期のメンテナンス終了時には小さく、使用にしたがって
徐々に大きくなるので、許容値βをロボットの動作上支
障が生ずる値より小さめに設定しておけば、ロボット機
構部に経年変化による故障が生ずる前に故障の発生を予
知することができる。
により、劣化のレベルも評価でき、仕事率の比（Ｗo ／
Ｗi ）が１に近いほど劣化のレベルは小さく、逆に１か
らかけ離れるほど劣化のレベルは大きいことになる。通
常この劣化のレベルは、ロボット本体の新規導入時や定
期のメンテナンス終了時には小さく、使用にしたがって
徐々に大きくなるので、許容値βをロボットの動作上支
障が生ずる値より小さめに設定しておけば、ロボット機
構部に経年変化による故障が生ずる前に故障の発生を予
知することができる。
【００２３】ところで、ステップ１６〜１７では、負荷
側の仕事率Ｗo 及び駆動側の仕事率Ｗi より仕事率の比
（Ｗo ／Ｗi ）を算出し、この仕事率の比（Ｗo ／
Ｗi ）を予め設定された判定値と比較するようにした
が、これに代えて、負荷側の仕事率Ｗo 及び駆動側の仕
事率Ｗi より仕事率の差（Ｗo −Ｗi ）を算出し、この
仕事率の差（Ｗo −Ｗi ）を予め設定された判定値と比
較するようにしてもよい。具体的には、＋βを判定値の
上限値とするとともに−βをその下限値とし、仕事率の
差（Ｗo −Ｗi ）がこの範囲内にあればロボット機構部
の劣化は小さいと判定する。同様にして、仕事率の差
（Ｗo −Ｗi ）の大小により、劣化のレベルも評価で
き、仕事率の差（Ｗo −Ｗi ）が０に近いほど劣化のレ
ベルは小さく、逆に０からかけ離れるほど劣化のレベル
は大きいことになる。
側の仕事率Ｗo 及び駆動側の仕事率Ｗi より仕事率の比
（Ｗo ／Ｗi ）を算出し、この仕事率の比（Ｗo ／
Ｗi ）を予め設定された判定値と比較するようにした
が、これに代えて、負荷側の仕事率Ｗo 及び駆動側の仕
事率Ｗi より仕事率の差（Ｗo −Ｗi ）を算出し、この
仕事率の差（Ｗo −Ｗi ）を予め設定された判定値と比
較するようにしてもよい。具体的には、＋βを判定値の
上限値とするとともに−βをその下限値とし、仕事率の
差（Ｗo −Ｗi ）がこの範囲内にあればロボット機構部
の劣化は小さいと判定する。同様にして、仕事率の差
（Ｗo −Ｗi ）の大小により、劣化のレベルも評価で
き、仕事率の差（Ｗo −Ｗi ）が０に近いほど劣化のレ
ベルは小さく、逆に０からかけ離れるほど劣化のレベル
は大きいことになる。
【００２４】なお、仕事率の比及び仕事率の差は、ロボ
ット機構部への入力となる駆動側の仕事率Ｗi を基準と
したので、それぞれ（Ｗo ／Ｗi ）、（Ｗo −Ｗi ）と
したが、これに限定する必要はない。すなわち、仕事率
の比（Ｗo ／Ｗi ）は分子と分母を入れ換えて（Ｗi ／
Ｗo ）としても構わないし、同様に、仕事率の差（Ｗo
−Ｗi ）は（Ｗi −Ｗo ）として判定値と比較するよう
にしてもよい。
ット機構部への入力となる駆動側の仕事率Ｗi を基準と
したので、それぞれ（Ｗo ／Ｗi ）、（Ｗo −Ｗi ）と
したが、これに限定する必要はない。すなわち、仕事率
の比（Ｗo ／Ｗi ）は分子と分母を入れ換えて（Ｗi ／
Ｗo ）としても構わないし、同様に、仕事率の差（Ｗo
−Ｗi ）は（Ｗi −Ｗo ）として判定値と比較するよう
にしてもよい。
【００２５】以上のように、本実施形態によれば、図１
に示す診断処理過程を通常の生産ラインの稼働中にも随
時行うことができるので、従来技術のように、ロボット
の正常状態における動作データを基準データとして個々
のロボット毎に測定しておく必要がなくなるとともに、
故障診断のために生産ラインをストップさせる必要もな
くなる。また、通常の生産ラインの稼働中に故障診断を
行うことが可能となったことにより、生産ラインの稼働
時における実際の動作パターンに特化したような故障に
ついても高精度に診断を行うことができるようになっ
た。さらに、従来技術の診断は定期診断方式であるのに
対し、本実施形態の診断は生産ラインの稼働中にも診断
を行う所謂常時監視方式であるので、生産ラインの稼働
中におけるロボット機構部の突然の不具合に対しても直
ちに検知することが可能である。
に示す診断処理過程を通常の生産ラインの稼働中にも随
時行うことができるので、従来技術のように、ロボット
の正常状態における動作データを基準データとして個々
のロボット毎に測定しておく必要がなくなるとともに、
故障診断のために生産ラインをストップさせる必要もな
くなる。また、通常の生産ラインの稼働中に故障診断を
行うことが可能となったことにより、生産ラインの稼働
時における実際の動作パターンに特化したような故障に
ついても高精度に診断を行うことができるようになっ
た。さらに、従来技術の診断は定期診断方式であるのに
対し、本実施形態の診断は生産ラインの稼働中にも診断
を行う所謂常時監視方式であるので、生産ラインの稼働
中におけるロボット機構部の突然の不具合に対しても直
ちに検知することが可能である。
【００２６】
【発明の効果】本発明によれば、サーボモータにより駆
動されるロボット機構部における故障予知方法におい
て、ロボット機構部を構成する各駆動軸ｉの角度θi 、
角速度ωi 、及び角加速度αi の各データを、サーボモ
ータを制御するサーボ系より取り込み、これらのデータ
からサーボモータすなわち負荷側の仕事率Ｗo を算出
し、一方、各駆動軸ｉを駆動するサーボモータの駆動電
流Ｉi のデータを、同様にサーボ系より取り込み、この
データからロボットの駆動側の仕事率Ｗi を算出し、両
仕事率の比（Ｗi ／Ｗo ）または差（Ｗi −Ｗo ）を予
め設定された判定値と比較するようにしたので、実際の
動作パターンに応じて時々刻々変化する仕事率を判定に
利用したことにより、ロボットの正常状態における基準
となる動作パターンにおける動作データを基準データと
して予め測定することなく、また、生産ラインの稼働中
においても随時診断を行うことができ、さらに、生産ラ
インの稼働時における実際の動作パターンに特化したよ
うな故障についても高精度に診断を行うことができるよ
うになった。
動されるロボット機構部における故障予知方法におい
て、ロボット機構部を構成する各駆動軸ｉの角度θi 、
角速度ωi 、及び角加速度αi の各データを、サーボモ
ータを制御するサーボ系より取り込み、これらのデータ
からサーボモータすなわち負荷側の仕事率Ｗo を算出
し、一方、各駆動軸ｉを駆動するサーボモータの駆動電
流Ｉi のデータを、同様にサーボ系より取り込み、この
データからロボットの駆動側の仕事率Ｗi を算出し、両
仕事率の比（Ｗi ／Ｗo ）または差（Ｗi −Ｗo ）を予
め設定された判定値と比較するようにしたので、実際の
動作パターンに応じて時々刻々変化する仕事率を判定に
利用したことにより、ロボットの正常状態における基準
となる動作パターンにおける動作データを基準データと
して予め測定することなく、また、生産ラインの稼働中
においても随時診断を行うことができ、さらに、生産ラ
インの稼働時における実際の動作パターンに特化したよ
うな故障についても高精度に診断を行うことができるよ
うになった。
【図１】本発明の一実施形態における、ロボット機構部
の診断手順を示すフローチャートである。
の診断手順を示すフローチャートである。
【図２】本発明の一実施形態における、ロボット駆動部
を制御するサーボ系のブロック図である。
を制御するサーボ系のブロック図である。
【図３】６軸構成の垂直多関節型ロボットにおける質点
モデルの一例を示す図である。
モデルの一例を示す図である。
５ サーボモータ
Claims (2)
- 【請求項１】サーボモータにより駆動されるロボット機
構部における故障予知方法において、ロボット機構部を
構成する各駆動軸ｉの角度θi 、角速度ωi 、及び角加
速度αi の各データをサーボモータを制御するサーボ系
より取り込み、負荷を含むロボット機構部の質点モデル
に関する運動方程式と、前記角度θi 、角速度ωi 、及
び角加速度αi とにより負荷トルクＴo を算出し、しか
る後、該負荷トルクＴo と角速度ωi との積である負荷
側の仕事率Ｗo を算出し、各駆動軸ｉを駆動するサーボ
モータの駆動電流Ｉi のデータを前記サーボ系より取り
込み、該駆動電流Ｉi にサーボモータのトルク定数ｋi
を掛けることにより駆動トルクＴi を算出し、しかる
後、該駆動トルクＴi と角速度ωi との積である駆動側
の仕事率Ｗi を算出し、前記負荷側の仕事率Ｗo 及び駆
動側の仕事率Ｗi より仕事率の比（Ｗo ／Ｗi ）を算出
し、該仕事率の比（Ｗo ／Ｗi ）を予め設定された判定
値と比較することにより前記ロボット機構部の劣化の有
無及びそのレベルを判定するようにしたことを特徴とす
る産業用ロボットの故障予知方法。 - 【請求項２】請求項１において、負荷側の仕事率Ｗo 及
び駆動側の仕事率Ｗi より仕事率の比（Ｗo ／Ｗi ）を
算出し、該仕事率の比（Ｗo ／Ｗi ）を予め設定された
判定値と比較するようにする代わりに、負荷側の仕事率
Ｗo 及び駆動側の仕事率Ｗiより仕事率の差（Ｗo −Ｗ
i ）を算出し、該仕事率の差（Ｗo −Ｗi ）を予め設定
された判定値と比較するようにしたことを特徴とする産
業用ロボットの故障予知方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20637196A JP3607009B2 (ja) | 1996-07-18 | 1996-07-18 | 産業用ロボットの故障予知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20637196A JP3607009B2 (ja) | 1996-07-18 | 1996-07-18 | 産業用ロボットの故障予知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1039908A true JPH1039908A (ja) | 1998-02-13 |
| JP3607009B2 JP3607009B2 (ja) | 2005-01-05 |
Family
ID=16522226
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP20637196A Expired - Lifetime JP3607009B2 (ja) | 1996-07-18 | 1996-07-18 | 産業用ロボットの故障予知方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3607009B2 (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005016953A (ja) * | 2003-06-23 | 2005-01-20 | Nachi Fujikoshi Corp | 潤滑剤の劣化監視方法および装置 |
| JP2010188504A (ja) * | 2009-02-20 | 2010-09-02 | Yaskawa Electric Corp | ロボットの制御装置およびロボット |
| JP2011088260A (ja) * | 2009-10-26 | 2011-05-06 | Yaskawa Electric Corp | ロボット制御システム |
| CN105426986A (zh) * | 2015-10-30 | 2016-03-23 | 上海交通大学 | 多机器人系统中的高可靠性控制方法及系统 |
| DE102016008987A1 (de) | 2015-07-31 | 2017-02-02 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
| DE102017003165A1 (de) | 2016-04-08 | 2017-10-12 | Fanuc Corporation | Maschinelle Lernvorrichtung und maschinelles Lernverfahren zum Lernen der Fehlervorhersage einer Hauptwelle oder eines Motors, der die Hauptwelle antreibt, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem umfassend eine maschinelle Lernvorrichtung |
| CN113740588A (zh) * | 2021-09-02 | 2021-12-03 | 广东华智科技有限公司 | 一种工业机器人智能预警方法及系统 |
| CN116749180A (zh) * | 2023-06-09 | 2023-09-15 | 南京钢铁股份有限公司 | 一种提高abb机器人工作精度的辅助测试方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102054771B1 (ko) | 2018-06-15 | 2019-12-11 | 두림야스카와(주) | 로봇의 토크 부하율을 이용한 고장 예측방법 |
-
1996
- 1996-07-18 JP JP20637196A patent/JP3607009B2/ja not_active Expired - Lifetime
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005016953A (ja) * | 2003-06-23 | 2005-01-20 | Nachi Fujikoshi Corp | 潤滑剤の劣化監視方法および装置 |
| JP2010188504A (ja) * | 2009-02-20 | 2010-09-02 | Yaskawa Electric Corp | ロボットの制御装置およびロボット |
| JP2011088260A (ja) * | 2009-10-26 | 2011-05-06 | Yaskawa Electric Corp | ロボット制御システム |
| DE102016008987B4 (de) | 2015-07-31 | 2021-09-16 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
| DE102016008987A1 (de) | 2015-07-31 | 2017-02-02 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
| US12066797B2 (en) | 2015-07-31 | 2024-08-20 | Fanuc Corporation | Fault prediction method and fault prediction system for predecting a fault of a machine |
| US10317853B2 (en) | 2015-07-31 | 2019-06-11 | Fanuc Corporation | Machine learning method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device |
| US11275345B2 (en) | 2015-07-31 | 2022-03-15 | Fanuc Corporation | Machine learning Method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device |
| CN105426986A (zh) * | 2015-10-30 | 2016-03-23 | 上海交通大学 | 多机器人系统中的高可靠性控制方法及系统 |
| CN105426986B (zh) * | 2015-10-30 | 2019-06-21 | 上海交通大学 | 多机器人系统中的高可靠性控制方法及系统 |
| US11521105B2 (en) | 2016-04-08 | 2022-12-06 | Fanuc Corporation | Machine learning device and machine learning method for learning fault prediction of main shaft or motor which drives main shaft, and fault prediction device and fault prediction system including machine learning device |
| DE102017003165A1 (de) | 2016-04-08 | 2017-10-12 | Fanuc Corporation | Maschinelle Lernvorrichtung und maschinelles Lernverfahren zum Lernen der Fehlervorhersage einer Hauptwelle oder eines Motors, der die Hauptwelle antreibt, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem umfassend eine maschinelle Lernvorrichtung |
| CN113740588A (zh) * | 2021-09-02 | 2021-12-03 | 广东华智科技有限公司 | 一种工业机器人智能预警方法及系统 |
| CN113740588B (zh) * | 2021-09-02 | 2024-03-15 | 广东华智科技有限公司 | 一种工业机器人智能预警方法及系统 |
| CN116749180A (zh) * | 2023-06-09 | 2023-09-15 | 南京钢铁股份有限公司 | 一种提高abb机器人工作精度的辅助测试方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3607009B2 (ja) | 2005-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110187694B (zh) | 故障预测装置以及机器学习装置 | |
| US11507044B2 (en) | Abnormality diagnosis apparatus and abnormality diagnosis method | |
| JP6469065B2 (ja) | 機械学習装置及び加工時間予測装置 | |
| US5587635A (en) | Robot control apparatus for monitoring load on robot | |
| KR101889248B1 (ko) | 고장 진단 장치 및 고장 진단 방법 | |
| US20180164170A1 (en) | Robot collision detection method | |
| WO2003068464A1 (en) | Drive control method and drive controller | |
| CN108058188A (zh) | 机器人健康监测和故障诊断系统及其控制方法 | |
| US11334045B2 (en) | Diagnosis apparatus and diagnosis method | |
| CN108907888B (zh) | 半闭环控制下数控机床进给系统换向误差峰值预测方法 | |
| JP7332438B2 (ja) | 診断装置 | |
| CN111113119B (zh) | 进给轴异常判定系统及蜗轮异常判定系统 | |
| JPH09174482A (ja) | ロボットの故障診断方法 | |
| JPH1039908A (ja) | 産業用ロボットの故障予知方法 | |
| CN110888398A (zh) | 控制装置、cnc装置以及控制方法 | |
| CN114571459A (zh) | 一种工业机器人故障诊断方法及系统 | |
| CN113767268B (zh) | 异常诊断系统以及异常诊断方法 | |
| CN113711138B (zh) | 伺服控制装置 | |
| JPH11202914A (ja) | 産業用ロボット及びその故障検出方法並びに産業用ロボット用故障検出プログラムを記録した記録媒体 | |
| JP3165087B2 (ja) | 産業用ロボットの故障検出方法 | |
| JPH11129186A (ja) | 産業用ロボット及びその故障検出方法並びに産業用ロボット用故障検出プログラムを記録した記録媒体 | |
| JPH0878506A (ja) | 位置決め制御装置 | |
| CN112105489B (zh) | 异常检测装置和异常检测方法 | |
| US20230400384A1 (en) | Abnormality detection device which detects abnormalities in power transmission mechanism for transmitting rotational force outputted by motor | |
| JPH1094943A (ja) | 自動加工装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040927 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041005 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041006 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081015 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081015 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091015 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091015 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101015 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101015 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111015 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111015 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121015 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121015 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131015 Year of fee payment: 9 |
|
| EXPY | Cancellation because of completion of term |