机器人可靠性检测技术综述

梁栋; 熊先虎; 李本旺; 韩文香; 徐向阳; 陈仁祥

doi:10.12404/j.issn.1671-1815.2501273

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (5) :1799-1812 DOI: 10.12404/j.issn.1671-1815.2501273

自动化技术、计算机技术

机器人可靠性检测技术综述

梁栋 ¹ ,
熊先虎 ¹ ,
李本旺 ²^,³ ,
韩文香 ²^,³ ,
徐向阳 ¹ ,
陈仁祥 ¹

作者信息 +

Review on Robot Reliability Testing Technology

Author information +

文章历史 +

摘要

机器人的工作效率是影响生产活动效率的重要因素,对机器人进行可靠性检测能够有效改善机器人的工作效率。结合中外大量文献,对机器人的可靠性检测进展进行系统性总结归纳,主要内容包括机器人的可靠性检测方法、检测指标以及归纳不同领域的机器人的可靠性测试重点,并对机器人可靠性检测技术未来进行展望。

Abstract

The work efficiency of robots is an important factor that affecting the efficiency of production activities, and reliability testing of robots can effectively improve their work efficiency. The progress of reliability testing for robots was systematically summarized based on a number of domestic and foreign literature. Reliability testing methods and indicators for robots were described, as well as the key points of reliability testing for robots in different fields. The future prospects of robot reliability testing technology were also discussed.

Graphical abstract

关键词

机器人 / 可靠性检测方法 / 可靠性指标 / 可靠性测试

Key words

robots / reliability testing methods / reliability indicators / reliability testing

引用本文

引用格式 ▾

梁栋, 熊先虎, 李本旺, 韩文香, 徐向阳, 陈仁祥. 机器人可靠性检测技术综述[J]. 科学技术与工程, 2026, 26(5): 1799-1812 DOI:10.12404/j.issn.1671-1815.2501273

LIANG Dong, XIONG Xian-hu, LI Ben-wang, HAN Wen-xiang, XU Xiang-yang, CHEN Ren-xiang. Review on Robot Reliability Testing Technology[J]. Science Technology and Engineering, 2026, 26(5): 1799-1812 DOI:10.12404/j.issn.1671-1815.2501273

登录浏览全文

4963

注册一个新账户忘记密码

机器人技术的快速发展,对中国高端制造业意义重大。它凭借高可靠性、强适用性与良好灵活性,在生产生活中广泛应用,尤其在危险复杂场景中替代人力。可靠性是机器人高效工作的核心,深入研究其可靠性,对提升机器人效率至关重要^[1]。因此,中外学者对其可靠性问题进行大量研究。传统的可靠性检测方法主要依赖于物理实验和统计分析,如Carlson等^[2]通过统计13种移动机器人的使用时长研究其故障率;Engelberger^[3]统计Unimate工业机器人的工作时间并提出两个概念“平均故障间隔时间”和“停机时间”分析该机器人的可靠性;Sakai等^[4]长期观察和分析车身装配线中的机器人故障情况以提高其可靠性。而现代可靠性检测技术则更加注重结合虚拟仿真、在线监测和智能诊断等技术手段,如Qian等^[5]基于Kriging模型研究工业机器人RV减速器的时变可靠性;Pandey等^[6]提出一种计算机器人机械手可靠性的创新方法,从而更高效、准确分析其可靠性;Wu等^[7]提出了一种综合评价工业机器人单坐标、单点、多点和轨迹精度位置精度可靠性的新计算方法;Onofrio等^[8]提出了一种外科中人体工程学调查的方法用于机器人手术中动态人体可靠性分析;曾颖等^[9]采用多维响应高斯过程-粒子群优化(multidimensional response Gaussian process-particle swarm optimization,MRGP-PSO)算法分析工业机器人驱动器可靠性;梁云飞等^[10]提出一种高效的概率-证据混合方法分析工业机器人定位精度可靠性。但现有文献中少有从可靠性检测方法、检测指标及不同领域下机器人的可靠性检测内容的角度对机器人可靠性问题研究进行一个系统性总结。为此,对机器人可靠性相关问题的研究进行综述是有必要的,旨在为今后对机器人可靠性测试研究提供重要理论依据。

1 机器人可靠性概述

1.1 定义

机器人可靠性通常可定义为在规定的条件下(如特定的工作环境、负载范围、运行时长等)和规定的时间内,机器人完成规定功能(例如抓取、搬运、焊接、装配等具体任务)的能力或概率^[11-13]。

1.2 影响因素

机器人可靠性受多方面因素的影响,结合中外研究现状,将其影响因素主要归纳为机械结构、软件系统、硬件系统3个方面。

1.2.1 机械结构

机械结构是实现机器人各个功能的基础,机器人各个关节、连杆、零部件的质量以及机械结构设计的合理性都会影响机器人的可靠性。Zhan等^[14]以具有多重不确定性的机械臂为研究对象,基于一阶二级力矩方法和蒙特卡洛模拟方法研究机械臂制造公差、输入误差和关节间隙对其运动可靠性的影响;周宁琦^[15]以可控变胞式码垛机器人的可控变胞机构为研究对象,基于一次二阶矩法研究杆长误差因素对可靠性的影响;王帅等^[16]以7轴协作机器人为研究对象,采用四阶矩法和包络函数法研究关节间隙和连杆弹性变形的影响;柳贺等^[17]对工业机器人的关键部件和整机进行可靠性测试。

1.2.2 软件系统

控制算法的准确性以及软件系统的兼容性和抗干扰能力决定了机器人能否按照预定的轨迹和速度准确运动。如Cordeschi^[18]探讨了关于具有自主决策能力的自主机器人系统的可靠性相关问题;Schneider等^[19]采用Littlewood模块化软件可靠性模型研究模块化机器人软件系统的可靠性;钟碧良等^[20]研究了足球机器人的通信系统的可靠性问题;张汝波等^[21]基于失效模式与影响分析(failure mode and effects analysis,FMEA)对水下机器人的软件可靠性进行了研究。

1.2.3 电气系统

电机、传感器、控制器等电气元件的性能优劣直接关乎机器人可靠性,此外电路布线的合理性或电气故障可能导致机器人运动失控或无法准确感知环境。如Sharma等^[22]分析了多机器人系统中的电机和传感器的可靠性问题;周晶^[23]通过加速寿命试验测试伺服电机性能;汤少敏^[24]基于广义Lambda分布(the generalized Lambda distribution,GLD)统示法评估伺服系统伪失效寿命分布可靠性;徐超^[25]对工业机器人伺服系统进行寿命试验和性能试验;陈胜军^[26]以点焊机器人为例,分析了各子系统失效率。

2 机器人可靠性检测方法

可靠性检测是评价和分析机器人可靠性的重要手段,通过总结中外关于机器人可靠性的研究文献,将机器人可靠性检测方法分为以下三大类。

2.1 基于试验的检测方法

基于试验的检测方法是一种通过实际操作和观察来获取关于样品信息的方法,其方法具有直接性、客观性、可重复性的特点。基于试验对机器人可靠性检测的方法主要分为加速寿命试验、加速退化试验、环境适应性试验3种。

2.1.1 加速寿命试验

加速寿命试验是在保持失效机理不变的条件下,通过加大试验应力来缩短试验周期的一种寿命试验方法^[27]。正常使用条件下检测机器人全寿命周期的可靠性耗时过长,为此通过提高应力水平(如温度、扭矩、压力、负载)的方式,加速机器人的老化和故障出现过程,然后根据不同的加速模型外推其在正常工况下的可靠性指标^[28]。加速寿命试验适用于寿命长、失效时间难以直接观测的产品,如张文广等^[29]提出一种结合预实验和正式实验的加速贮存试验方案以此获得某型高速电机常温储存寿命,大幅度缩短试验时间,提高试验效率;史雨^[30]以工业机器人电气接插件为研究对象,得出其接触电阻及插拔频率在不同温度下的变化规律;Lee等^[31]提出以扭矩作为加速应力进行阶跃应力测试能够更高效地获取某制造机器人谐波减速器的使用寿命;倪敬等^[32]以基于可编程逻辑控制器(programmable logic controller,PLC)原理并融合多种控制技术,可以实现机器人电气接插件以温度和压力为参数的可靠性加速试验,有较多的应用场景;陈雷等^[33]选择合适的负载转矩对机器人减速器进行加速寿命试验,缩短测试时间,提高减速器的测试效率。另外,按照试验应力的加载方式,将其分为恒定应力试验、步进应力试验和序进应力试验^[34]。

2.1.2 加速退化试验

加速退化试验是指在失效机理不变的条件下,通过提高应力水平加速机器人性能退化,搜集机器人在高应力下的性能数据,并利用这些数据来估计产品的可靠性并预测机器人在正常使用应力下的寿命^[35]。该方法在施加各类模拟实际使用环境下的应力(如不同的温度湿度环境、不同负载情况等)的条件下,着重于持续监测那些能够体现机器人性能发生逐渐衰退变化的关键指标,并记录这些关键指标随时间、累积工作时长或者工作循环次数等相关因素的变化情况,进而依据收集到的这些退化数据来分析和推断机器人的可靠性状况。加速退化试验用于性能参数可定量监测逐步退化的产品,如Park等^[36]以温度为加速应力,对伺服电机进行加速退化试验,能够有效地预测其寿命;Wang等^[37]基于加速退化试验,研究多种机器人伺服驱动系统在55 ℃的温度压力下的寿命,并分析出影响其退化的原因;王永志^[38]以末端负载质量作为加速变量,对工业机器人进行加速退化实验,获得其具体指标的退化数据;魏高乐等^[39]为提高产品的可靠性评估精度,提出一种基于综合多应力加速模型可靠性分析方法,该方法可适用于机器人的关节驱动系统及传感器系统等高负荷、高复杂度的核心部件。根据加速应力施加的方式,加速退化试验可以分为恒定应力加速退化试验、步进应力加速退化试验和循环应力加速退化试验^[40]。

2.1.3 环境适应性试验

环境适应性试验是指通过模拟各种恶劣环境条件,评估机器人在不同环境下的性能表现,以确定其是否满足设计要求和使用需求^[41]。将机器人在不同的气候环境(如高温、低温、沙尘、烟雾等)或者机械环境(如振动)条件下进行试验,观察其性能变化和是否出现故障,以验证其在各种复杂环境下的可靠性。环境适应性试验常用于新产品设计阶段验证环境耐受性及筛选制造缺陷,如徐静等^[42]基于《电工电子产品环境试验》(GB/T 2423)系列标准方法的规定研究智能机器人在不同温度下、交变湿热等环境下的适应性能力;关卫斌等^[43]对服务机器人进行随机振动试验,得出相应实验数据为提高产品质量和性能提供理论依据;杨安坤等^[44]详细介绍了目前中国工业机器人的环境可靠性分析内容并对中国工业机器人环境可靠性检测标准进行总结。

2.2 基于理论模型的分析方法

基于理论模型的可靠性分析方法是指运用特定的理论模型,对研究对象的相关特性、结构以及各要素之间的相互关系进行抽象、归纳与量化表示,采用逻辑推理、数学计算、模拟仿真等手段,评估该研究对象在规定条件和规定时间内完成规定功能的能力,识别潜在影响可靠性的因素,并为提升其可靠性提供决策依据和改进方向的一类分析方法。基于理论模型的分析方法,检测机器人可靠性主要分为故障模式及影响分析、故障树分析、可靠性框图分析、马尔可夫模型分析^[45-46]。

2.2.1 故障模式及影响分析(FMEA)

FMEA是一种面向系统具体物理单元的分析方法,即故障模式的分析采用自下而上的分析方法,从系统构成元件或部件的基本故障模式入手,逐步分析故障的影响^[47]。利用FMEA进行可靠性分析步骤如图1所示。

FMEA适用于识别潜在故障模式及其对机器人系统的影响,优势是结构化分析,覆盖硬件、软件和人为操作风险。Wu等^[49]从不同方面梳理了FMEA在制造业的研究现状,并总结了智能制造背景下FMEA的未来发展趋势;王东升等^[50]应用FMEA分析方法能够有效分析折弯机器人动力与传动系统的可靠性;张蓉等^[51]运用FMEA和FTA方法研究了三自由度直角坐标机器人系统在使用过程或者某些特定环境中出现的薄弱环节提供可行的策略和思路;Korayem等^[52]通过结合FMEA和质量功能展开(quality function deployment,QFD)方法确定3P(3个移动关节)和6R(6个旋转关节)机器人的关键故障模式,能够有效提高机器人的可靠性和质量;邓超等^[53]针对脚踝康复机器人结构的复杂性,利用FMEA和故障树分析(fault tree analysis,FTA)方法发现其关键故障并分析其相应的故障模式。

2.2.2 故障树分析(FTA)

故障树分析法是一种将系统故障作为顶事件,通过逻辑演绎推理的方式,自上而下逐步分析导致该顶事件发生的各种直接原因和间接原因,并以逻辑门将这些原因连接起来,构建出倒立树形结构的图形化、逻辑性的可靠性与安全性分析方法^[54]。典型故障树的示例如图2所示。

FTA法结合概率数据计算故障发生概率,针对已知顶层故障逆向分析逻辑关系,优势是图形化表达逻辑关系,适合复杂系统。梁芬等^[56]、王改云等^[57]、Liang等^[58]基于FTA对焊接机器人进行故障诊断,有利于焊接机器人诊断效率和运行可靠性;唐伯雁等^[59]利用FFTA方法对自攀爬幕墙清洗机器人进行可靠性研究,提高其可靠性分析的合理性。此外,在传统故障树分析的基础上,一些学者^[60-61]提出了T-S模糊故障树分析法,该方法与传统故障树分析相比,具有处理不确定性能力强、泛化能力强大等优点。Bai等^[62]、白斌等^[63]针对传统故障树的不足,采用T-S模糊故障树分析工业机器人可靠性,且分析的结果与工业机器人常识性结论一致;武滢等^[64]基于T-S分析法,结合贝叶斯网络能够提高桁架机器人排查故障的效率;Li等^[65]提出T-S模糊故障树方法构建智能诊断系统,提高了巡检机器人系统故障诊断的准确性和实用性;乔心州等^[66]基于故障树模式开创性地分析拣矸机器人工作任务可靠性。

2.2.3 可靠性框图分析

可靠性框图^[67]是用方框表示系统中的各个组成单元,用连线表示各单元之间的功能逻辑关系,以此来描述系统的可靠性逻辑结构。是一种用于系统可靠性评估的图形化分析方法,不同的方框连接方式(串联、并联)代表了不同的可靠性特征,如图3所示。

可靠性框图通常和其他方法相结合用于分析串联、并联、冗余结构的可靠性,优势是计算高效,适合早期设计迭代。如Fazlollahtabar等^[68]基于故障树和可靠性框图评估工业机器人可靠性,以此简化机器人的复杂系统。

2.2.4 马尔可夫模型分析

马尔可夫模型基于马尔可夫过程^[69],它假设系统未来的状态只取决于当前状态,而与过去的历史状态无关。通过构建状态转移矩阵来描述系统在不同状态之间转移的概率,进而分析系统在不同时刻处于各个状态的概率分布,以此评估系统的可靠性^[70]。马尔可夫可靠性模型如图4所示。

马尔可夫模型适用于分析机器人状态转移与冗余策略,评估预防性维护效果。Leuschen等^[72]利用马尔可夫模型检测机器人可靠性,可以提供足够的概率信息,且结合模糊故障树使用能提高机器人故障检测的可能性;刘树伟等^[73]应用马尔可夫链的一种衍生模型——隐马尔可夫模型进行机器人故障预测,能提高预测的正确率,并有一定的裕度。

2.3 基于数学理论的分析方法

基于数学理论的可靠性分析方法是借助各种数学原理、公式以及模型,对系统、产品或流程等对象在规定条件和规定时间内完成规定功能的能力进行量化分析、评估,并探寻影响可靠性因素的一类方法。在机器人可靠性评估中,蒙特卡洛法(Monte Carlo method)较为常用。

蒙特卡洛法是基于利用随机数以及概率统计理论,重复采样概率分布的可靠度计算方法^[74-75],是机器人可靠性检测常用的一种方法。施维等^[76]应用蒙特卡洛法对故障树模型进行分析,以提高工业机器人的可靠性预测;Li等^[77]提出了准区间蒙特卡洛法分析混合可靠性模型研究系列机器人端路精度的可靠性,相比于传统的蒙特卡洛法,其收敛速度更快、所需计算资源更少;崔伟祥等^[78]应用蒙特卡洛法分析机器人几何参数标定可靠性,能准确反映测量重复度、采样策略因子对机器人运动精度可靠性影响程度;张晓瑾等^[79]采用蒙特卡洛法分析六自由度弧焊机器人可靠性,能全面考量各参数随机性对机器人末端误差及可靠度的影响,有效解决其末端误差模型求解难题。此外,一些学者基于数学理论研究机器人可靠性,李子依等^[80]基于包络法分析六自由度工业机器人运动可靠性,能简化求解过程,与蒙特卡洛法相比,时间效率提升了2~6倍;文瑞桥等^[81]利用包络法完成机器人时变可靠性的求解以及系统可靠性分析工作,其求解精度较高、计算量较小;解磊磊^[82]采用基于稀疏网格数值积分法的最佳平方逼近法研究双工业机器人轨迹精度系统可靠性,提高其可靠性计算精度及效率;许冯平等^[83]基于模糊数学理论评判管道机器人可靠性问题,该方法能找出系统薄弱环节,简单适用且具有工程应用价值;韩佩良等^[84]结合频率可靠性评估方法研究可应用于工业重型机器人等大型复杂机械设备的柴油机凸轮轴的可靠性,并防止其共振失效提出相应解决方法;胡钧铭等^[85]基于模糊层次分析法将工业机器人各子系统进行可靠性分配,并结合三角模糊数能更精确得出影响机器人可靠性的关键部件;梁天锡等^[86]从不同方面对裕量与不确定性量化可靠性评估方法进行了探讨,该方法在可靠性预测方面有很好的应用价值,可以有效用于高可靠性需求或复杂不确定性环境的机器人系统中;程秀作^[87]基于贝叶斯理论和试验样本数据进行可靠性信息融合,用于研究工业机器人整机可靠性问题,可实现机器人在实际工况下小样本试验数据估计模型参数的问题;史长亭^[88]应用贝叶斯网络诊断智能水下机器人系统可靠性,可提升机器人系统的故障诊断能力及智能决策系统的应变能力与可靠性。

3 机器人可靠性评价指标

机器人的可靠性评价指标是多维度的,总结了机器人常用的可靠性评价指标,主要包括可靠度、失效率、平均故障间隔时间^[13,26,89]。

3.1 可靠度

可靠度函数是用概率的形式来描述机器人在规定的条件下和规定的时间内完成规定功能的能力。通常用R(t)表示,其表达式为

(1)

$R\left(t\right)=P(T>t){\int }_{t}^{+\infty }f\left(t\right)\mathrm{d}t$

式(1)中:P(T>t)为产品或系统在时间t后仍然正常工作的概率;f(t)为失效时间的概率密度函数。

3.2 失效率

失效率是指机器人工作到某一时刻后,在单位时间内发生故障的概率,也称为故障率。常用符号λ(t)表示,其表达式为

(2)

$\lambda \left(t\right)=\frac{\mathrm{d}F/\mathrm{d}t}{1-F\left(t\right)}=\frac{f\left(t\right)}{R\left(t\right)}$

式(2)中:F(t)为累积失效率^[25],表达式为

(3)

$F\left(t\right)=P(T<t)=1-R\left(t\right)$

3.3 平均故障间隔时间

平均故障间隔时间(mean time between failure,MTBF)是指机器人在两次相邻故障之间正常运行的平均时间,也被称为平均寿命^[13]。MTBF的数值越大,说明机器人的可靠性越高,故障发生的频率越低。其表达式为

(4)

$\mathrm{M}\mathrm{T}\mathrm{B}\mathrm{F}={\int }_{0}^{+\infty }tf\left(t\right)\mathrm{d}t={\int }_{0}^{+\infty }R\left(t\right)\mathrm{d}t$

4 不同机器人可靠性测试重点

结合中外大量关于机器人可靠性检测的文献,将其分为工业机器人(机械臂)、医疗机器人、服务机器人及特种机器人。

4.1 工业机器人、机械臂

将近20年中外关于工业机器人、机械臂可靠性研究的文献进行归纳总结,如表1所示。

由表1可以得出工业机器人主要研究其运动精度可靠性和机器人各子系统可靠性。运动精度可靠性是指工业机器人末端执行器定位点落在精度域内的概率,是衡量机器人性能的重要指标^[104]。此外运动精度可靠性一般可分为静态定位精度可靠性和动态定位精度可靠性^[114],机器人各子系统可靠性检测包括伺服系统、软件系统、减速器等。

4.2 医疗机器人

对医疗机器人可靠性检测重点进行归纳,如表2所示。根据表2得出关于医疗机器人的可靠性检测主要是针对其系统的可靠性,包括机械系统、控制系统和硬件系统。

4.3 服务机器人

关于服务机器人可靠性研究较少,其检测重点及方法如表3所示。

服务机器人的可靠性检测重点主要为其各系统的检测。

4.4 特种机器人

总结的特种机器人主要包括水下机器人、盾构机换刀机器人等。水下机器人可靠性检测重点及方法如表4所示。

对于水下机器人,其检测重点主要是各软硬件部分的可靠性。关于盾构机换刀机器人可靠性研究主要针对其运动精度可靠性,王亚文^[145]采用MATLAB和ADAMS联合仿真,结合蒙特卡洛法研究换刀机器人运动精度,其仿真结果更符合实际工况、同时节约成本并提高效率;徐晨^[146]利用刚柔耦合模型和蒙特卡洛抽样法分析换刀机器人运动精度可靠性,误差考虑全面,结果更准确。

5 展望

机器人可靠性检测是保障机器人在实际工作中稳定运行的关键环节,但由于机器人技术的发展,机器人系统复杂性、工作环境多样性以及智能化程度的提高,可靠性检测面临诸多挑战。同时,随着人工智能、数字孪生等新兴技术的涌现,为机器人可靠性检测提供了新方向。

5.1 挑战

5.1.1 系统复杂与故障隐蔽

机器人集成了机械、电子、人工智能(artificial intelligence,AI)算法、软件等多个子系统,其系统复杂性高,任一单一模块发生故障都可能导致整机失效。进行可靠性检测需要覆盖硬件和软件的协同可靠性,难以预测。另外软件故障如控制逻辑错误、数据出错等问题难以通过传统方法检测。

5.1.2 工作环境多样性

工业、太空、水下机器人需要进行高温、低温、高压等极端环境的可靠性测试,在实验室下进行模拟试验难度高、成本大。手术、服务机器人在医院、家庭等场景需应对随机障碍、人机交互,测试用例难以穷举。

5.1.3 仿真局限性与测试周期长

机器人可靠性检测进行虚拟测试不能完全模拟真实的工作情况,其仿真数据与真实数据存在差距。另外,机器人要求具有长时间的可靠性,市场又要求缩短研发周期,测试成本与效率难以直接平衡。

5.2 展望

5.2.1 智能化与自主性

智能化与自主化技术在可靠性检测中通过融合先进算法、自动化系统及智能决策机制,从数据采集、分析到故障诊断全流程提升检测效率与准确性。智能化的检测技术将能够更准确地模拟机器人的实际工作环境,从而更准确地评估其可靠性。

5.2.2 预测性AI技术

预测性AI技术通过分析机器人性能数据,能够预测设备未来状态并采取相应的措施,从而降低设备停机损失和维护成本。另外利用AI强化学习并自动探索机器人的边缘案例,可提高测试覆盖率。

5.2.3 数字孪生技术

数字孪生技术是通过实时数据驱动,在虚拟空间中构建物理实体(如设备、系统等)的动态镜像模型,实现虚实交互与协同优化的技术。通过数字孪生同步物理机器人的状态,实时监控并提前预测故障进行优化维护策略。另外数字孪生技术可以实现虚拟测试加速,在仿真环境中可进行大规模可靠性测试,降低物理实验成本。

5.2.4 标准化与规范化

随着机器人技术的不断发展,相关的可靠性检测标准和规范也将不断完善。这将使得可靠性检测结果更加准确和一致,有助于推动机器人行业的健康发展。

6 结论

机器人可靠性检测是提高机器人可靠性和稳定性的重要手段之一。近年来,随着传感器技术、人工智能技术和大数据技术的不断发展,机器人可靠性检测技术取得了显著进展。总结了机器人可靠性检测方法和检测指标,系统归纳了不同领域机器人的可靠性检测重点内容,为今后对机器人可靠性研究提供了理论支撑。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	盛秀婷. 国内工业机器人可靠性研究综述[J]. 电子产品可靠性与环境试验, 2017, 35(6): 58-61.

[2]	Sheng Xiuting. Review of reliability research on domestic industrial robots[J]. Electronic Product Reliability and Environmental Testing, 2017, 35(6): 58-61.

[3]	Carlson J, Murphy R R. Reliability analysis of mobile robots[C]// 2003 IEEE International Conference on Robotics and Automation (Cat. No. 03CH37422). Taipei, China: IEEE, 2003, 1: 274-281.

[4]	Engelberger J F. Three million hours of robot field experience[J]. Industrial Robot: An International Journal, 1974, 1(4): 164-168.

[5]	Sakai H, Amasaka K. The robot reliability design and improvement method and the advanced Toyota production system[J]. Industrial Robot: An International Journal, 2007, 34(4): 310-316.

[6]	Qian H M, Li Y F, Huang H Z. Time-variant reliability analysis for industrial robot RV reducer under multiple failure modes using Kriging model[J]. Reliability Engineering & System Safety, 2020, 199: 106936.

[7]	Pandey M D, Zhang X. System reliability analysis of the robotic manipulator with random joint clearances[J]. Mechanism and Machine Theory, 2012, 58: 137-152.

[8]	Wu J, Zhang D, Liu J, et al. A computational framework of kinematic accuracy reliability analysis for industrial robots[J]. Applied Mathematical Modelling, 2020, 82: 189-216.

[9]	Onofrio R, Trucco P. A methodology for dynamic human reliability analysis in robotic surgery[J]. Applied Ergonomics, 2020, 88: 103150.

[10]	曾颖, 李彦锋, 王弘毅, 等. 联合MRGP和PSO的工业机器人驱动器可靠性分析[J]. 系统工程与电子技术, 2023, 45(8): 2643-2650.

[11]	Zeng Ying, Li Yanfeng, Wang Hongyi, et al. Reliability analysis of industrial robot drives combining MRGP and PSO[J]. Systems Engineering and Electronics, 2023, 45(8): 2643-2650.

[12]	梁云飞, 张德权, 彭周源. 一种高效的概率-证据混合工业机器人定位精度可靠性分析方法[J]. 燕山大学学报, 2022, 46(4): 309-318.

[13]	Liang Yunfei, Zhang Dequan, Peng Zhouyuan. An efficient reliability analysis method for positioning accuracy of industrial robot through probability and evidence theory[J]. Journal of Yanshan University, 2022, 46(4): 309-318.

[14]	Dhillon B S, Fashandi A R M, Liu K L. Robot systems reliability and safety: a review[J]. Journal of Quality in Maintenance Engineering, 2002, 8(3): 170-212.

[15]	Dhillon B S, Fashandi A R M. Safety and reliability assessment techniques in robotics[J]. Robotica, 1997, 15(6): 701-708.

[16]	胡良干. 一种网络配线服务机器人的可靠性分析[D]. 北京: 北京邮电大学, 2014.

[17]	Hu Lianggan. Reliability analysis of a network wiring service robot[D]. Beijing: Beijing University of Posts and Telecommunications, 2014.

[18]	Zhan Z, Zhang X, Jian Z, et al. Error modelling and motion reliability analysis of a planar parallel manipulator with multiple uncertainties[J]. Mechanism and Machine Theory, 2018, 124: 55-72.

[19]	周宁琦. 基于运动学失效的可控变胞式码垛机器人机构可靠性分析[D]. 南宁: 广西大学, 2020.

[20]	Zhou Ningqi. Reliability analysis of controllable metamorphic palletizing robot mechanism based on kinematic failure[D]. Nanning: Guangxi University, 2020.

[21]	王帅, 高鹏. 协作机器人机构运动可靠性研究[J]. 辽宁石油化工大学学报, 2019, 39(6): 78-83.

[22]	Wang Shuai, Gao Peng. The research on motion reliability of collaborative robot mechanism[J]. Journal of Liaoning Petrochemical University, 2019, 39(6): 78-83.

[23]	柳贺, 李勋, 刘蕾. 工业机器人可靠性设计与测试研究[J]. 中国新技术新产品, 2014(14): 9-10.

[24]	Liu He, Li Xun, Liu Lei. Research on reliability design and testing of industrial robots[J]. China New Technologies and Products, 2014(14): 9-10.

[25]	Cordeschi R. Automatic decision-making and reliability in robotic systems: some implications in the case of robot weapons[J]. AI & Society, 2013, 28(4): 431-441.

[26]	Schneider D L, Tesar D, Barnes J W. Development and testing of a reliability performance index for modular robotic systems[C]// Proceedings of Annual Reliability and Maintainability Symposium (RAMS). Anaheim: IEEE, 1994: 263-271.

[27]	钟碧良, 张祺, 谢云, 等. 足球机器人通讯系统的可靠性分析与设计[J]. 微电子学与计算机, 2003(1): 17-19.

[28]	Zhong Biliang, Zhang Qi, Xie Yun, et al. The reliability analyse and design of robot soccer communication system[J]. Microelectronics & Computer, 2003(1): 17-19.

[29]	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.

[30]	Zhang Rubo, Shi Changting, Yang Ting. Research on software reliability and fault diagnosis of AUV[J]. Computer Engineering and Applications, 2011, 47(18): 226-230.

[31]	Sharma S P, Kumar D, Kumar A. Reliability analysis of complex multi-robotic system using GA and fuzzy methodology[J]. Applied Soft Computing, 2012, 12(1): 405-415.

[32]	周晶. 多工况下工业机器人伺服电机可靠性测试实验研究[D]. 杭州: 杭州电子科技大学, 2021.

[33]	Zhou Jing. Experimental research on the reliability test of industrial robot servo motors under multi-conditions[D]. Hangzhou: Hangzhou Dianzi University, 2021.

[34]	汤少敏. 工业机器人伺服系统性能与可靠性综合测试平台关键技术研究[D]. 广州: 华南理工大学, 2022.

[35]	Tang Shaomin. Research on key technologies of industrial robot servo system performance and reliability comprehensive test platform[D]. Guangzhou: South China University of Technology, 2022.

[36]	徐超. 工业机器人伺服驱动系统可靠性验证与分析[D]. 重庆: 重庆大学, 2019.

[37]	Xu Chao. Reliability verification and analysis of servo drive system for industrial robots[D]. Chongqing: Chongqing University, 2019.

[38]	陈胜军. 面向工业机器人系统的可靠性预测方法研究[J]. 数学的实践与认识, 2005(10): 67-72.

[39]	Chen Shengjun. Study on the reliability prediction method of industrial robot system[J]. Mathematics in Practice and Theory, 2005(10): 67-72.

[40]	张春华, 温熙森, 陈循. 加速寿命试验技术综述[J]. 兵工学报, 2004(4): 485-490.

[41]	Zhang Chunhua, Wen Xisen, Chen Xun. A comprehensive review of accelerated life testing[J]. Acta Armamentarii, 2004(4): 485-490.

[42]	黄婷婷, 姜同敏. 加速寿命试验中统计加速模型综述[J]. 装备环境工程, 2010, 7(4): 57-62.

[43]	Huang Tingting, Jiang Tongmin. Review of statistical acceleration models in accelerated life testing[J]. Equipment Environmental Engineering, 2010, 7(4): 57-62.

[44]	张文广, 贺东旭, 李浩瀚, 等. 机电产品加速贮存试验与寿命评估方法研究[J]. 机电工程, 2021, 38(5): 528-535.

[45]	Zhang Wenguang, He Dongxu, Li Haohan, et al. Accelerated storage test and life evaluation method of electromechanical products[J]. Journal of Mechanical & Electrical Engineering, 2021, 38(5): 528-535.

[46]	史雨. 工业机器人电气接插件可靠性加速测试系统研究[D]. 杭州: 杭州电子科技大学, 2020.

[47]	Shi Yu. Research on reliability acceleration test system for industrial robot electrical connector[D]. Hangzhou: Hangzhou Dianzi University, 2020.

[48]	Lee J H, Cho Y H, Kim D S, et al. Lifetime estimation of harmonic reducer for manufacturing robot using accelerated life test[J]. Journal of Mechanical Science and Technology, 2022, 36(6): 2879-2887.

[49]	倪敬, 史雨, 何利华. 机器人电气接插件可靠性加速实验系统设计[J]. 实验技术与管理, 2020, 37(2): 95-99.

[50]	Ni Jing, Shi Yu, He Lihua. Design of reliability acceleration experiment system for robot electrical connector service[J]. Experimental Technology and Management, 2020, 37(2): 95-99.

[51]	陈雷, 童桂英, 慕银银, 等. 基于Adams对机器人减速器加速疲劳测试负载转矩的研究[J]. 机械传动, 2023, 47(7): 107-112.

[52]	Chen Lei, Tong Guiying, Mu Yinyin, et al. Research on load torque of robot reducer acceleration fatigue tests based on Adams[J]. Journal of Mechanical Transmission, 2023, 47(7): 107-112.

[53]	吴松, 吕晶晶, 李小康. 可靠性加速寿命试验综述[J]. 电子产品可靠性与环境试验, 2021, 39(1): 94-100.

[54]	Wu Song, Lü Jingjing, Li Xiaokang. Review of reliability accelerated life test[J]. Electronic Product Reliability and Environmental, 2021, 39(1): 94-100.

[55]	王召斌, 任万滨, 翟国富. 加速退化试验与加速寿命试验技术综述[J]. 电器与能效管理技术, 2010(9): 1-6.

[56]	Wang Zhaobin, Ren Wanbin, Zhai Guofu. Review of accelerated degradation testing and accelerated life testing[J]. Electrical & Energy Management Technology, 2010(9): 1-6.

[57]	Park B, Jeong H, Huh H, et al. Experimental study on the life prediction of servo motors through model-based system degradation assessment and accelerated degradation testing[J]. Journal of Mechanical Science and Technology, 2018, 32: 5105-5110.

[58]	Wang H, Zhang Z, Long J, et al. Reliability evaluation method for robot servo system based on accelerated degradation test[C]// 2019 22nd International Conference on Electrical Machines and Systems (ICEMS). Harbin: IEEE, 2019: 1-6.

[59]	王永志. 基于加速退化试验的工业机器人可靠性评估[D]. 长春: 吉林大学, 2023.

[60]	Wang Yongzhi. Reliability assessment of industrial robots based on accelerated degradation test[D]. Changchun: Jilin University, 2023.

[61]	魏高乐, 陈志军. 基于多应力综合加速模型的产品可靠性评估方法[J]. 科学技术与工程, 2016, 16(2): 24-29, 36.

[62]	Wei Gaole, Chen Zhijun. A product reliability evaluation method based on multi-stress comprehensive acceleration model[J]. Science Technology and Engineering, 2016, 16(2): 24-29, 36.

[63]	Liao H, Elsayed E A. Reliability inference for field conditions from accelerated degradation testing[J]. Naval Research Logistics, 2006, 53(6): 576-587.

[64]	王玉明. 结合环境试验的可靠性验证试验方法研究[C]// 中国机械工程学会可靠性工程分会. 2015年全国机械行业可靠性技术学术交流会暨第五届可靠性工程分会第二次全体委员大会论文集. 绵阳: 中国工程物理研究院总体工程研究所, 2015: 61-63.

[65]

Wang Yuming. Research on the reliability verification test method combined with environmental tests[C]//Reliability Engineering Branch of Chinese Mechanical Engineering Society. Proceedings of the 2015 National Academic Conference on Reliability Technology in the Machinery Industry and the Second General Meeting of the Fifth Session of the Reliability Engineering Branch. Mianyang: Systems Engineering Research Institute, China Academy of Engineering Physics, 2015: 61-63.

[66]	徐静, 王法中, 刘嘉. 基于GB/T 2423的智能机器人气候环境适应性试验分析[J]. 中国标准化, 2023(13): 199-202.

[67]	Xu Jing, Wang Fazhong, Liu Jia. Analysis of test on climate and environment adaptability of intelligent robots based on GB/T 2423[J]. China Standardization, 2023(13): 199-202.

[68]	关卫斌, 陈海锋. 服务机器人可靠性振动试验的剖面设计与验证要求[J]. 电动工具, 2024(1): 10-12, 28.

[69]	Guan Weibin, Chen Haifeng. Profile design and verification requirements for reliability vibration testing of service robots[J]. Electric Tool, 2024(1): 10-12, 28.

[70]	杨安坤, 马永红. 国内工业机器人环境可靠性检测标准及其设备配置现状[J]. 开封大学学报, 2020, 34(1): 83-86.

[71]	Yang Ankun, Ma Yonghong. Analysis of current situation of environmental reliability testing technology for domestic industrial robots[J]. Journal of Kaifeng University, 2020, 34(1): 83-86.

[72]	Dhillon B S, Anude O C. Robot safety and reliability: a review[J]. Microelectronics Reliability, 1993, 33(3): 413-429.

[73]	Leuschen M, Walker I D, Cavallaro J R. Robot reliability using fuzzy fault trees and Markov models[C]// Sensor Fusion and Distributed Robotic Agents. Denver: SPIE, 1996: 73-91.

[74]	张海, 周志兵. 故障模式影响分析技术进展[J]. 航空制造技术, 2007(8): 64-66.

[75]	Zhang Hai, Zhou Zhibing. Progress of failure mode and effects analysis technology[J]. Aeronautical Manufacturing Technology, 2007(8): 64-66.

[76]	董慧芬, 谢辉, 徐海. 基于FMEA和DFTA的电机控制器可靠性评估[J/OL]. 航空动力学报, 1-10[2025-06-26]. https://doi.org/10.13224/j.cnki.jasp.20230656.

[77]	Dong Huifen, Xie Hui, Xu Hai. Reliability evaluation of motor controllers based on FMEA and DFTA[J/OL]. Journal of Aerospace Power, 1-10[2025-06-26]. https://doi.org/10.13224/j.cnki.jasp.20230656.

[78]	Wu Z, Liu W, Nie W. Literature review and prospect of the development and application of FMEA in manufacturing industry[J]. The International Journal of Advanced Manufacturing Technology, 2021, 112: 1409-1436.

[79]	王东升, 贾志新, 毕温海, 等. 基于FMEA的折弯机器人动力与传动系统可靠性分析[J]. 制造技术与机床, 2019(3): 13-16.

[80]	Wang Dongsheng, Jia Zhixin, Bi Wenhai, et al. Reliability analysis of power and transmission system of bending robot based on FMEA[J]. Manufacturing Technology & Machine Tool, 2019(3): 13-16.

[81]	张蓉, 王春洁. 基于FMEA和FTA的三自由度直角坐标机器人系统可靠性仿真分析[J]. 机械科学与技术, 2006(6): 651-654.

[82]	Zhang Rong, Wang Chunjie. Simulative research on the system reliability analysis of 3-DOF Cartesian-coordinate robot based on FMEA and FTA[J]. Mechanical Science and Technology for Aerospace Engineering, 2006(6): 651-654.

[83]	Korayem M H, Iravani A. Improvement of 3P and 6R mechanical robots reliability and quality applying FMEA and QFD approaches[J]. Robotics and Computer-Integrated Manufacturing, 2008, 24(3): 472-487.

[84]	邓超, 陶志奎. 基于FMEA和FTA的脚踝康复机器人可靠性分析[J]. 机器人技术与应用, 2018(1): 27-33.

[85]	Deng Chao, Tao Zhikui. Reliability analysis of ankle rehabilitation robot based on FMEA and FTA[J]. Robot Technology and Application, 2018(1): 27-33.

[86]	贾哲, 金光明, 陶龙. FTA在机器人故障诊断中的应用[J]. 装备制造技术, 2008(9): 84-85, 91.

[87]	Jia Zhe, Jin Guangming, Tao Long. The application of FTA in fault diagnosis of robot[J]. Equipment Manufacturing Technology, 2008(9): 84-85, 91.

[88]	Kabir S. An overview of fault tree analysis and its application in model based dependability analysis[J]. Expert Systems with Applications, 2017, 77: 114-135.

[89]	梁芬, 姜宏伟, 郭亚男, 等. 基于FTA的焊接机器人故障诊断技术研究[J]. 机电工程, 2014, 31(8): 1067-1070.

[90]	Liang Fen, Jiang Hongwei, Guo Ya’nan, et al. Analysis welding robots diagnosis based on fault tree analysis[J]. Journal of Mechanical & Electrical Engineering, 2014, 31(8): 1067-1070.

[91]	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(17): 272-273, 302.

[92]	Wang Gaiyun, Liang Fen, Zhu Mingri, et al. The reliability analysis of welding robots based on fault tree[J]. Microcomputer Information, 2008(17): 272-273, 302.

[93]	Liang F, Zhao Q. The reliability analysis of welding robots based on fault tree[C]// 2020 International Conference on Advanced Mechatronic Systems (ICAMechS). Hanoi: IEEE, 2020: 147-152.

[94]	唐伯雁, 高振莉, 窦蕴平, 等. 基于FFTA的自攀爬幕墙清洗机器人可靠性分析[J]. 仪器仪表学报, 2006, 27(S1): 474-475.

[95]	Tang Boyan, Gao Zhenli, Dou Yunping, et al. Reliability analysis for self-scramble cleaning robot based on FFTA[J]. Chinese Journal of Scientific Instrument, 2006, 27(S1): 474-475.

[96]	宋华, 张洪钺, 王行仁. T-S模糊故障树分析方法[J]. 控制与决策, 2005, 20(8): 854-859.

[97]	Song Hua, Zhang Hongyue, Wang Xingren. Fuzzy fault tree analysis based on T-S model[J]. Control and Decision, 2005, 20(8): 854-859.

[98]	Mahmood Y A, Ahmadi A, Verma A K, et al. Fuzzy fault tree analysis: a review of concept and application[J]. International Journal of System Assurance Engineering and Management, 2013, 4: 19-32.

[99]	Bai B, Xie C, Liu X, et al. Application of integrated factor evaluation-analytic hierarchy process-TS fuzzy fault tree analysis in reliability allocation of industrial robot systems[J]. Applied Soft Computing, 2022, 115: 108248.

[100]

白斌, 张俊一, 周策, 等. 基于T-S模糊故障树的工业机器人可靠性分析[J]. 机械强度, 2021, 43(6): 1348-1358.

[101]

Bai Bin, Zhang Junyi, Zhou Ce, et al. Reliability analysis of industrial robot using T-S fuzzy fault tree[J]. Journal of Mechanical Strength, 2021, 43(6): 1348-1358.

[102]

武滢, 杨帅军, 韦康. 基于T-S动态故障树的桁架机器人系统可靠性分析[J]. 组合机床与自动化加工技术, 2024(8): 38-42.

[103]

Wu Ying, Yang Shuaijun, Wei Kang. Reliability analysis of truss robot system based on T-S dynamic fault tree[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2024(8): 38-42.

[104]

Li W, Ding H, Li K, et al. Research on fault diagnosis method of tunnel inspection robot based on T-S Fuzzy FTA[C]// IOP Conference Series: Materials Science and Engineering. Bristol: IOP Publishing, 2020, 741(1): 012059.

[105]

乔心州, 武琛琛, 刘鹏, 等. 基于故障树的柔索驱动拣矸机器人系统分拣可靠性研究[J]. 工矿自动化, 2022, 48(8): 107-113.

[106]

Qiao Xinzhou, Wu Chenchen, Liu Peng, et al. Research on sorting reliability of cable-driven gangue sorting robot system based on fault tree[J]. Journal of Mine Automation, 2022, 48(8): 107-113.

[107]

Kim M C. Reliability block diagram with general gates and its application to system reliability analysis[J]. Annals of Nuclear Energy, 2011, 38(11): 2456-2461.

[108]

Fazlollahtabar H, Niaki S T A. Integration of fault tree analysis, reliability block diagram and hazard decision tree for industrial robot reliability evaluation[J]. Industrial Robot: An International Journal, 2017, 44(6): 754-764.

[109]

吴志良, 郭晨, 赵红. 基于马尔柯夫过程的可修系统可靠性建模[J]. 大连海事大学学报, 2007, 33(1): 13-16.

[110]

Wu Zhiliang, Guo Chen, Zhao Hong. Reliability-modeling for repairable systems based on Markov process[J]. Journal of Dalian Maritime University, 2007, 33(1): 13-16.

[111]

秦洋, 马慧民, 陈玉晶. 基于马尔可夫模型的风力发电系统可靠性分析[J]. 机电工程, 2015, 32(8): 1136-1140.

[112]

Qin Yang, Ma Huimin, Chen Yujing. Reliability analysis of wind power generation system based on Markov model[J]. Journal of Mechanical & Electrical Engineering, 2015, 32(8): 1136-1140.

[113]

李国丽, 王孝武. 用马尔柯夫可靠性模型对测量仪表进行故障概率排序[J]. 合肥工业大学学报(自然科学版), 1997(4): 35-39.

[114]

Li Guoli, Wang Xiaowu. Sequence of failure rates in Markov reliability model to measuring instruments[J]. Journal of Hefei University of Technology (Natural Science), 1997(4): 35-39.

[115]

Leuschen M L, Walker I D, Cavallaro J R. Robot reliability through fuzzy Markov models[C]// Annual Reliability and Maintainability Symposium of International Symposium on Product Quality and Integrity. Anaheim: IEEE, 1998: 209-214.

[116]

刘树伟, 付庄, 吴优. 基于时变隐马尔科夫模型的机器人故障预测[J]. 机电一体化, 2016, 22(6): 3-7, 23.

[117]

Liu Shuwei, Fu Zhuang, Wu You. Fault prediction for robots based on time-varying hidden Markov model[J]. Mechatronics, 2016, 22(6): 3-7, 23.

[118]

马小玲. 基于蒙特卡罗的故障树模型的仿真研究[J]. 电子设计工程, 2011, 19(3): 128-130, 133.

[119]

Ma Xiaoling. Analysis of stimulation of fault tree mode based on Momte Carlo[J]. Electronic Design Engineering, 2011, 19(3): 128-130, 133.

[120]

徐卫良, 张启先. 机器人误差分析的蒙特卡洛方法[J]. 机器人, 1988(4): 1-6.

[121]

Xu Weiliang, Zhang Qixian. Monte Carlo technique for error analysis of industrial robot[J]. Robot, 1988(4): 1-6.

[122]

施维, 李怀政, 陈启愉, 等. 基于蒙特卡罗与故障树的工业机器人系统可靠性分析[J]. 机电工程技术, 2017, 46(8): 48-52.

[123]

Shi Wei, Li Huaizheng, Chen Qiyu, et al. Reliability analysis of industrial robot system based on Monte Carlo and fault tree[J]. Mechanical & Electrical Engineering Technology, 2017, 46(8): 48-52.

[124]

Li G, Chen Z, Chen C, et al. Reliability analysis of path accuracy of series robot based on quasiinterval Monte Carlo method[C]// 2019 International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (QR2MSE). Zhangjiajie: IEEE, 2019: 538-544.

[125]

崔伟祥, 渠慎林, 温秀兰, 等. 基于蒙特卡洛法的机器人标定可靠性研究[J]. 南京工程学院学报(自然科学版), 2021, 19(4): 1-6.

[126]

Cui Weixiang, Qu Shenlin, Wen Xiulan, et al. Research on reliability of robot calibration based on Monte Carlo method[J]. Journal of Nanjing Institute of Technology (Natural Science Edition), 2021, 19(4): 1-6.

[127]

Zhang X J, Chen D, Xie L Y, et al. Precision reliability analysis of six-degree of freedom arc welding robot based on Monte Carlo method[C]// Advances in Communication Technology-2011 3rd World Congress in Applied Computing, Computer Science, and Computer Engineering (ACC 2011). Kota Kinabalu: ACM, 2011: 553-557.

[128]

李子依, 丁力, 马瑞, 等. 六自由度工业机器人运动可靠性分析[J]. 机械强度, 2024, 46(4): 924-931.

[129]

Li Ziyi, Ding Li, Ma Rui, et al. Motion reliability analysis of 6-DOF industrial robot[J]. Journal of Mechanical Strength, 2024, 46(4): 924-931.

[130]

文瑞桥, 杨梦鸥, 刘涛, 等. 机器人的运动时变可靠性分析[J]. 工程设计学报, 2018, 25(1): 50-55.

[131]

Wen Ruiqiao, Yang Meng’ou, Liu Tao, et al. Time-dependent kinematic reliability analysis of robot manipulators[J]. Chinese Journal of Engineering Design, 2018, 25(1): 50-55.

[132]

解磊磊. 双工业臂协作机器人系统运动可靠性研究[D]. 邯郸: 河北工程大学, 2022.

[133]

Xie Leilei. Research on motion reliability of dual industrial arm collaborative robot system[D]. Handan: Hebei University of Engineering, 2022.

[134]

许冯平, 邓宗全. 管道机器人可靠性分析模糊评判方法研究[J]. 机械设计, 2005(10): 14-16.

[135]

Xu Fengping, Deng Zongquan. Research on the fuzzy judging method for reliability analysis of pipeline robot[J]. Journal of Machine Design, 2005(10): 14-16.

[136]

韩佩良, 王延荣, 王浩宇, 等. 高强化柴油机凸轮轴频率可靠性分析与设计方法[J]. 科学技术与工程, 2024, 24(32): 13813-13818.

[137]

Han Peiliang, Wang Yanrong, Wang Haoyu, et al. Frequency reliability analysis and design method of highly intensified diesel engine[J]. Science Technology and Engineering, 2024, 24(32): 13813-13818.

[138]

胡钧铭, 黄洪钟, 黄鹏. 基于模糊层次分析法的工业机器人可靠性分配[J]. 科学技术与工程, 2021, 21(21): 8965-8969.

[139]

Hu Junming, Huang Hongzhong, Huang Peng. Reliability allocation of industrial robot using fuzzy analytic hierarchy process[J]. Science Technology and Engineering, 2021, 21(21): 8965-8969.

[140]

梁天锡, 彭忠明, 沈展鹏, 等. 基于裕量与不确定性量化的系统可靠性评估[J]. 科学技术与工程, 2017, 17(3): 121-129.

[141]

Liang Tianxi, Peng Zhongming, Shen Zhanpeng, et al. System reliability assessment based on QMU[J]. Science Technology and Engineering, 2017, 17(3): 121-129.

[142]

程秀作. 基于信息融合的工业机器人整机可靠性分析[D]. 成都: 电子科技大学, 2020.

[143]

Cheng Xiuzuo. Reliability analysis of industrial robots based on information fusion[D]. Chengdu: University of Electronic Science and Technology of China, 2020.

[144]

史长亭. 水下机器人智能决策系统可靠性研究[D]. 哈尔滨: 哈尔滨工程大学, 2006.

[145]

Shi Changting. Research on reliability of AUV intelligent decision system[D]. Harbin: Harbin Engineering University, 2006.

[146]

吴文凭. 基于FPGA的机器人控制器冗余设计及可靠性分析[D]. 绵阳: 西南科技大学, 2023.

[147]

Wu Wenping. Redundancy design and reliability analysis of robot controller based on FPGA[D]. Mianyang: Southwest University of Science and Technology, 2023.

[148]

Kim J, Song W J, Kang B S. Stochastic approach to kinematic reliability of open-loop mechanism with dimensional tolerance[J]. Applied Mathematical Modelling, 2010, 34(5): 1225-1237.

[149]

Zhang D, Han X. Kinematic reliability analysis of robotic manipulator[J]. Journal of Mechanical Design, 2020, 142(4): 044502.

[150]

Lara-Molina F A, Dumur D. A fuzzy approach for the kinematic reliability assessment of robotic manipulators[J]. Robotica, 2021, 39(12): 2095-2109.

[151]

Zhao Q, Guo J, Hong J, et al. An enhanced moment-based approach to time-dependent positional reliability analysis for robotic manipulators[J]. Mechanism and Machine Theory, 2021, 156: 104167.

[152]

Wu J, Zhang D, Liu J, et al. A moment approach to positioning accuracy reliability analysis for industrial robots[J]. IEEE Transactions on Reliability, 2019, 69(2): 699-714.

[153]

Zhang D, Peng Z, Ning G, et al. Positioning accuracy reliability of industrial robots through probability and evidence theories[J]. Journal of Mechanical Design, 2021, 143(1): 011704.

[154]

彭周源. 基于概率和证据理论的工业机器人定位精度可靠性分析[D]. 天津: 河北工业大学, 2020.

[155]

Peng Zhouyuan. Positioning reliability analysis of industrial robots through probability and evidence theory[D]. Tianjin: Hebei University of Technology, 2020.

[156]

Zhang D, Zhang N, Ye N, et al. Hybrid learning algorithm of radial basis function networks for reliability analysis[J]. IEEE Transactions on Reliability, 2020, 70(3): 887-900.

[157]

许昌瑀, 董惠敏, 王承刚, 等. 关节间隙对机械臂末端定位精度的影响研究[J]. 制造业自动化, 2017, 39(5): 44-48.

[158]

Xu Changyu, Dong Huimin, Wang Chenggang, et al. Study on kinematic positioning error of manipulator caused by joint clearance[J]. Manufacturing Automation, 2017, 39(5): 44-48.

[159]

周煦武. 六自由度串联机器人静态位姿误差及其补偿研究[D]. 杭州: 浙江理工大学, 2019.

[160]

Zhou Xuwu. Research on static position error and compensation of 6-DOF serial robot[D]. Hangzhou: Zhejiang Sci-Tech University, 2019.

[161]

Rao S S, Bhatti P K. Probabilistic approach to manipulator kinematics and dynamics[J]. Reliability Engineering & System Safety, 2001, 72(1): 47-58.

[162]

顾云阳, 温秀兰, 倪浩君, 等. 串联机器人单点定位精度可靠性研究[J]. 计量与测试技术, 2023, 50(6): 19-21, 24.

[163]

Gu Yunyang, Wen Xiulan, Ni Haojun, et al. Research on the reliability of single point positioning accuracy of serial robots[J]. Metrology & Measurement Technique, 2023, 50(6): 19-21, 24.

[164]

李怀政, 陈启愉, 张华伟, 等. 基于ADAMS/Insight的SCARA机器人机构运动可靠性研究[J]. 机械设计与研究, 2018, 34(3): 63-66.

[165]

Li Huaizheng, Chen Qiyu, Zhang Huawei, et al. Analysis of kinematic reliability for SCARA robots mechanism based on ADAMS/Insight[J]. Machine Design and Research, 2018, 34(3): 63-66.

[166]

王铁军. 基于ADAMS的串联机器人运动可靠性仿真[D]. 沈阳: 东北大学, 2006.

[167]

Wang Tiejun. Motion reliability simulation based on ADAMS of a serial-link robot[D]. Shenyang: Northeastern University, 2006.

[168]

李国发, 韩良晟, 何佳龙, 等. 考虑制造误差的工业机器人精度可靠性分析[J]. 制造技术与机床, 2022(5): 5-11.

[169]

Li Guofa, Han Liangsheng, He Jialong, et al. Accuracy reliability analysis of industrial robots considering manufacturing errors[J]. Manufacturing Technology & Machine Tool, 2022(5): 5-11.

[170]

万方铭. 多因素下工业机器人位置可靠性仿真分析[D]. 重庆: 重庆大学, 2021.

[171]

Wan Fangming. Simulation analysis of position reliability of industrial robots under multiple factors[D]. Chongqing: Chongqing University, 2021.

[172]

柳松. 基于Kriging模型的工业机器人定位精度可靠性分析和误差补偿[D]. 天津: 河北工业大学, 2020.

[173]

Liu Song. Positioning accuracy reliability analysis and error compensation for industrial robot based on Kriging model[D]. Tianjin: Hebei University of Technology, 2020.

[174]

陈鹏. 基于改进四阶矩的机器人运动可靠性评估方法研究[D]. 邯郸: 河北工程大学, 2020.

[175]

Chen Peng. Research on motion reliability of robot based on improved fourth-order moment estimation method[D]. Handan: Hebei University of Engineering, 2020.

[176]

黄鹏. 混合不确定性下工业机器人运动精度可靠性分析与优化设计[D]. 成都: 电子科技大学, 2021.

[177]

Huang Peng. Reliability analysis and optimization design of industrial robot kinematic accuracy under mixed uncertainties[D]. Chengdu: University of Electronic Science and Technology of China, 2021.

[178]

胡艳敏. 串联机器人运动可靠性分析及优化[D]. 重庆: 重庆交通大学, 2020.

[179]

Hu Yanmin. Motion reliability analysis and optimization of serial robot[D]. Chongqing: Chongqing Jiaotong University, 2020.

[180]

胡晓伟. 串联机器人运动误差及可靠性分析[D]. 青岛: 青岛科技大学, 2019.

[181]

Hu Xiaowei. Kinematic error and reliability analysis of serial robot[D]. Qingdao: Qingdao University of Science and Technology, 2019.

[182]

刘春秋, 周金宇, 庄百亮, 等. 基于Vine Copula的机器人运动精度可靠性分析[J]. 制造业自动化, 2022, 44(2): 98-103, 109.

[183]

Liu Chunqiu, Zhou Jinyu, Zhuang Bailiang, et al. Reliability analysis of robot kinematic accuracy based on Vine Copula[J]. Manufacturing Automation, 2022, 44(2): 98-103, 109.

[184]

申硕硕. 考虑相关性的工业机器人运动精度可靠性分析与稳健性设计[D]. 天津: 河北工业大学, 2023.

[185]

Shen Shuoshuo. Motion accuracy reliability analysis and robust design for industrial robots considering correlation[D]. Tianjin: Hebei University of Technology, 2023.

[186]

吴海淼, 曹雪山, 王凯, 等. 基于非概率区间理论的工业机器人运动可靠性研究[J]. 机械设计与研究, 2021, 37(2): 40-44, 59.

[187]

Wu Haimiao, Cao Xueshan, Wang Kai, et al. Evaluation of industrial robot motion reliability based on non-probability interval theory[J]. Machine Design & Research, 2021, 37(2): 40-44, 59.

[188]

吴锦辉, 陶友瑞. 工业机器人定位精度可靠性研究现状综述[J]. 中国机械工程, 2020, 31(18): 2180-2188.

[189]

Wu Jinhui, Tao Yourui. Review on research status of positioning accuracy reliability of industrial robots[J]. China Mechanical Engineering, 2020, 31(18): 2180-2188.

[190]

赵广兵. 工业机器人运动精度可靠性分析方法研究[D]. 鞍山: 辽宁科技大学, 2012.

[191]

Zhao Guangbing. A method of analysis industrial robot motion reliability[D]. Anshan: University of Science and Technology Liaoning, 2012.

[192]

李昌, 王炳晨, 韩兴, 等. 基于ADAMS/View的弧焊机器人运动精度可靠性分析方法[J]. 焊接学报, 2014, 35(7): 63-66, 116.

[193]

Li Chang, Wang Bingchen, Han Xing, et al. Analysis of motion accuracy reliability for are welding robot based on ADAMS/View[J]. Transactions of the China Welding Institution, 2014, 35(7): 63-66, 116.

[194]

王丽燕, 胡玲, 祖洪飞, 等. UR10工业机械臂位置精度及可靠性分析[J]. 现代制造工程, 2020(9): 46-52.

[195]

Wang Liyan, Hu Ling, Zu Hongfei, et al. Analysis of UR10 industrial manipulator positioning accuracy and reliability[J]. Modern Manufacturing Engineering, 2020(9): 46-52.

[196]

白争锋, 牛余新, 崔乐文, 等. 考虑不确定参数的含间隙柔性机械臂非概率可靠性分析[J]. 力学学报, 2025, 57(1): 224-236.

[197]

Bai Zhengfeng, Niu Yuxin, Cui Lewen, et al. Non-probabilistic reliability analysis of flexible manipulator with joint clearance and uncertain parameters[J]. Chinese Journal of Theoretical and Applied Mechanics, 2025, 57(1): 224-236.

[198]

郭晓燕, 孙启臣, 李云, 等. 空间机械臂在轨运动可靠性预测与评估[J]. 航天器环境工程, 2024, 41(4): 503-508.

[199]

Guo Xiaoyan, Sun Qichen, Li Yun, et al. Prediction and evaluation of on-orbit motion reliability of space manipulator[J]. Spacecraft Environment Engineering, 2024, 41(4): 503-508.

[200]

冯嘉珍, 张建国, 贾庆轩, 等. 机械臂运动轨迹可靠性分析的自更新响应面法[J]. 北京邮电大学学报, 2017, 40(4): 35-40.

[201]

Feng Jiazhen, Zhang Jianguo, Jia Qingxuan, et al. Automatic updating response surface method for motion trajectory reliability analysis of manipulator[J]. Journal of Beijing University of Posts and Telecommunications, 2017, 40(4): 35-40.

[202]

周坤. 基于加速退化试验的RV减速器可靠性分析[D]. 天津: 河北工业大学, 2022.

[203]

Zhou Kun. Reliability analysis of RV reducer based on accelerated degradation test[D]. Tianjin: Hebei University of Technology, 2022.

[204]

白斌, 李泽, 张俊一. 工业机器人RV减速器失效率可靠性预计评估[J]. 机械设计与制造, 2022(1): 295-298, 303.

[205]

Bai Bin, Li Ze, Zhang Junyi. Failure rate prediction and reliability assessment of industrial robot’s RV reducer[J]. Machinery Design & Manufacture, 2022(1): 295-298, 303.

[206]

李靖. 基于对拖技术的工业机器人RV减速器可靠性试验台的研制[D]. 长春: 吉林大学, 2021.

[207]

Li Jing. Development of RV reducer reliability test bed for industrial robot based on tow technology[D]. Changchun: Jilin University, 2021.

[208]

曹增欢. 基于高斯过程回归与Gamma过程的谐波减速器可靠性研究[D]. 天津: 天津大学, 2021.

[209]

Cao Zenghuan. Research on reliability of harmonic reducer based on Gaussian process regression and Gamma process[D]. Tianjin: Tianjin University, 2021.

[210]

张乙. 多失效模式下的工业机器人谐波减速器时变可靠性分析[D]. 成都: 电子科技大学, 2020.

[211]

Zhang Yi. Time-variant reliability analysis of harmonic drive for industrial robots under multiple failure modes[D]. Chengdu: University of Electronic Science and Technology of China, 2020.

[212]

李本. 多失效模式下工业机器人RV减速器可靠性分析与优化[D]. 成都: 电子科技大学, 2020.

[213]

Li Ben. Reliability analysis and optimization of industrial robot RV reducer under multiple failure modes[D]. Chengdu: University of Electronic Science and Technology of China, 2020.

[214]

楼嘉彬. RV减速器可靠性分析与优化[D]. 重庆: 重庆大学, 2019.

[215]

Lou Jiabin. Reliability analysis and optimization of RV reducer[D]. Chongqing: Chongqing University, 2019.

[216]

郑胜予. 基于不等概率接触分析的RV减速器可靠性预测[D]. 昆明: 昆明理工大学, 2022.

[217]

Zheng Shengyu. Reliability prediction of RV reducer based on unequal probability contact analysis[D]. Kunming: Kunming University of Science and Technology, 2022.

[218]

李亚超. RV减速器疲劳寿命与可靠性技术研究[D]. 长沙: 湖南大学, 2019.

[219]

Li Yachao. Research on fatigue life and reliability technology of RV reducer[D]. Changsha: Hunan University, 2019.

[220]

张怀兵. 考虑失效相关的工业机器人驱动器可靠性分析[D]. 成都: 电子科技大学, 2022.

[221]

Zhang Huaibing. Reliability analysis of industrial robot drives considering failure dependence factors[D]. Chengdu: University of Electronic Science and Technology of China, 2022.

[222]

王弘毅. 多失效模式下工业机器人驱动器可靠性分析与优化[D]. 成都: 电子科技大学, 2020.

[223]

Wang Hongyi. Reliability analysis and optimization of industrial robot drivers with multiple failure modes[D]. Chengdu: University of Electronic Science and Technology of China, 2020.

[224]

朱娟娟, 蔡星娟. 基于多准则决策与GO法的工业机器人可靠性评估方法研究[J]. 机床与液压, 2024, 52(17): 39-45.

[225]

Zhu Juanjuan, Cai Xingjuan. Research on reliability evaluation method for industrial robot based on multi-criteria decision-making and GO method[J]. Machine Tool & Hydraulics, 2024, 52(17): 39-45.

[226]

张俊一. 工业机器人故障树及可靠性指标评估方法研究[D]. 天津: 河北工业大学, 2021.

[227]

Zhang Junyi. Research on fault tree and reliability index evaluation method of industrial robot[D]. Tianjin: Hebei University of Technology, 2021.

[228]

曹旭含, 白子兴, 孙承颐, 等. 机器人在骨科手术中应用的可靠性与提升空间[J]. 中国组织工程研究, 2020, 24(9): 1416-1421.

[229]

Cao Xuhan, Bai Zixing, Sun Chengyi, et al. Application of robot in orthopedic surgery: reliability and room for improvement[J]. Chinese Journal of Tissue Engineering Research, 2020, 24(9): 1416-1421.

[230]

刘亚欣, 张子坚, 钟鸣, 等. 化疗药物配制机器人关键过程可靠性评估[J]. 机械设计与制造, 2015(11): 144-147, 151.

[231]

Liu Yaxin, Zhang Zijian, Zhong Ming, et al. Reliability assessment of chemotherapy pharmacy robots key process[J]. Machinery Design & Manufacture, 2015(11): 144-147, 151.

[232]

赵胜丽, 姜杉, 高学生. 基于非概率方法的医用机器人结构可靠性分析[J]. 机械强度, 2015, 37(2): 282-287.

[233]

Zhao Shengli, Jiang Shan, Gao Xuesheng. Structural reliability analysis of medical robot based on non-probabilistic model[J]. Journal of Mechanical Strength, 2015, 37(2): 282-287.

[234]

刘瑞达. 基于微创手术机器人传动系统故障关联的可靠性研究[D]. 天津: 天津大学, 2019.

[235]

Liu Ruida. Research on the reliability of transmission system in minimally invasive surgical robot based on fault correlation[D]. Tianjin: Tianjin University, 2019.

[236]

薛雨韩. 微创手术机器人手术器械可靠性研究[D]. 天津: 天津大学, 2022.

[237]

Xue Yuhan. Research on reliability of surgical instrument of minimally invasive surgery robot[D]. Tianjin: Tianjin University, 2022.

[238]

杨孟骐, 赵爽, 白晓帆, 等. 服务机器人激光测距组件的环境可靠性模型及其定量评价方法研究[J]. 仪器仪表学报, 2021, 42(1): 108-115.

[239]

Yang Mengqi, Zhao Shuang, Bai Xiaofan, et al. Research on environmental reliability model and its quantitative evaluation method of service robot laser ranging modules[J]. Chinese Journal of Scientific Instrument, 2021, 42(1): 108-115.

[240]

杨中欣. 轮式服务机器人控制系统可靠性设计与安全性研究[D]. 济南: 山东大学, 2018.

[241]

Yang Zhongxin. Research on reliability design and security of wheeled service robot control system[D]. Jinan: Shandong University, 2018.

[242]

郭悦, 徐国华, 向先波, 等. 智能水下机器人自救系统的可靠性预计[J]. 机械与电子, 2006(11): 53-55.

[243]

Guo Yue, Xu Guohua, Xiang Xianbo, et al. Reliability prediction of self-rescue system for AUV[J]. Machinery & Electronics, 2006(11): 53-55.

[244]

张景舒. 水下机器人软件可靠性测试方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2009.

[245]

Zhang Jingshu. Research on software reliability test methods for autonomous underwater vehicles[D]. Harbin: Harbin Engineering University, 2009.

[246]

许耀锦. 自主式水下机器人测控软件设计及其可靠性分析[D]. 青岛: 中国海洋大学, 2012.

[247]

Xu Yaojin. Software design and reliability analysis of autonomous underwater vehicle control system[D]. Qingdao: Ocean University of China, 2012.

[248]

吴理丁. 一种大型锂电池组设计及安全可靠性预测分析[J]. 电源技术, 2021, 45(9): 1119-1121, 1201.

[249]

Wu Liding. Prediction analysis of design and safety reliability of a large lithium battery pack[J]. Chinese Journal of Power Sources, 2021, 45(9): 1119-1121, 1201.

[250]

王亚文. 盾构机换刀机器人运动精度可靠性分析[D]. 沈阳: 东北大学, 2020.

[251]

Wang Yawen. Reliability analysis of motion accuracy of tool-change robot of shield machine[D]. Shenyang: Northeastern University, 2020.

[252]

徐晨. 基于刚柔耦合模型盾构机换刀机器人运动可靠性分析[D]. 沈阳: 东北大学, 2020.

[253]

Xu Chen. Kinematic reliability analysis on cutter-change robot of shield machine based on rigid-flexible coupling model[D]. Shenyang: Northeastern University, 2020.

基金资助

重庆市技术创新与应用发展专项重大项目(CSTB2023TIAD-STX0038)

重庆市自然科学基金创新发展联合基金(CSTB2023NSCQ-LZX0127)

PDF (2381KB)

访问

被引

详细

导航

Received	Published	Revised
2025-02-27	2026-02-18	2025-10-27
Online Date
2026-05-27

摘要