利用互联网对工业机器人进行远程监控，可实现异地状态监测，是远程故障诊断与维护的前提，有利于提高维护反应速度和超前处理能力，降低故障发生率，对保障工业机器人的高效运行具有较高的实际应用价值。在工业界，网络通讯技术在国外工业机器人远程监控服务系统中得到越来越多的运用。瑞典ABB公司开发了“远程服务”（Remote Service）平台，其核心装置为一个带有通信单元的硬件服务箱，可以实现远程实时监控、数据分析处理、预判故障问题等功能，能有效的降低工业机器人使用和售后成本
[2]。日本发那科公司（FANUC）也提出了自己的远程监控服务方案，与ABB的方案不同，发那科工业机器人本身都支持远程监控和远程诊断维护操作，不需要外加类似服务箱的设备，发那科的远程服务系统可以进行远程沟通、故障分析，并能及时通知现场操作人员和发那科的服务工程师进行故障维修
[3]。在学术界，美国辛辛那提大学大学Jay Lee等人将远程预测分析用于NISSAN公司工业机器人的健康管理，通过扭矩和温度信号成功预测工业机器人机械臂的早期故障特征
[4]。西澳大利亚大学Ken Taylor对一台具有六个自由度的ABB工业机器人在与Internet连接的情况下进行远程监控，能够成功的进行抓取和搬运物体来搭建复杂的模型
[5]。Carter 等人对发那科公司（FANUC）工业机器人R-J3IB的控制器无线接入网络的设计与实现进行研究，并在密西西比州日产培训机构成功的设计和开发了用于工业机器人远程监控的原型网络
[6]。Bjerkeng等人基于加权伪逆冗余解决方法，对带有主动摄像头控制的工业机器人进行研究，提出了一种系统的远程监控解决方案，并在库卡KR-16机械臂上得到成功的实验验证
[7]。Sallinen等人提出了基于Web用户界面的工业机器人远程监控与维护的框架，这对工业机器人实施安全监控和远程维护起到关键性的作用
[8]。Leutert等人开发出一种用于远程监控工业机器人的远程信息控制系统，该系统允许快速分析工业机器人当前的工作周期和数据处理，并使数据得到更好的直观表示
[9]。Suzuki等人提出了利用触觉信息的触觉界面对工业机器人远程监控进行评估，并完成工业机器人的震动触觉信息的实验
[10]。在我国，东南大学陈勇提出基于Ethernet网络的工业机器人远程监控方法，通过信息融合技术处理多传感器信号，并在南汽集团汽车生产线工业机器人上得到应用
[11]。哈尔滨工业大学李长峰提出了基于TCP/IP协议的并联机器人网络控制系统，解决了惯性核约束聚变装置中并联机器人的远程控制问题，实现了对并联机器人的远程实时控制
[12]。复旦大学陆璐采用网络三层模型结构，提出了一种基于www的远程监控工业机器人系统的方案，该方案通过Internet/Intranet进行实时远程监测，并能与其它自动化系统相连接，实现整个生产过程的全局管理
[13]。大连理工大学刘磊对瑞典ABB公司和日本发那科公司开发的远程服务系统进行研究，通过分析它们各自的优缺点后，提出了具有两者优点的远程监控系统，并成功的应用于新松SR6C型工业机器人
[14]。广州数控设备有限公司张爱民等人针对Socket组建以及多线程技术的发展，提出了基于TCP/IP 协议的工业机器人远程监控与诊断系统的实现过程，通过该系统可以随时随地查看或修改现场工业机器人的位置、运行状态等相关参数信息
[15]。中南大学周理在研究传统的基于web的工业机器人监控方案的基础之上，提出了基于CORBA和JSP/JavaBean技术的机器人远程监控系统方案，实现了Web技术与CORBA技术在工业控制领域的应用
[16]。江苏大学徐前对嵌入式系统上集成Web服务器和工业机器人网络控制平台进行了研究，操作人员可以通过网页浏览器对工业机器人进行远程监控
[17]。杭州电子科技大学梅旭红等人提出了用于远程监控工业机器人的C/S（客户端和服务器）模式
[18]。中南大学尹红丽提出了一种基于互联网和传感器驱动的架构，从而保证控制信息的无失真和减少本地模拟虚拟工业机器人和远程实时工业机器人之间的动作时间差，将远程监控和控制友好的结合在一起
[19]。就目前来看，工业机器人远程监控主要借助于基于互联网远程监控技术，Internet
通讯技术、计算机可视化技术与虚拟现实技术实现远程监控功能，工业机器人远程监控技术有着雄厚的理论基础与良好的技术支撑。但是，在实际生活中，远程监控与故障诊断中的机密数据可能存在泄漏、篡改或者丢失的安全隐患，加强工业机器人远程监控与故障诊断中的数据安全研究势在必行。
对工业机器人现场信号进行采集、处理与融合是实现工业机器人远程监控与故障诊断的基础。工业机器人现场信号采集后，从多传感器获取的信号不能直接用来评估、诊断和预测工业机器人的运行状态，因为多传感器信号的数据量很大，信息之间可能存在冗余和矛盾，很难直接进行分析和应用，必须对这些信号进行处理、变换和融合，提取能较准确反映工业机器人状态的信号特征值，通过建立这些信号特征值与性能、寿命和故障之间的映射关系，才能实现对工业机器人具体状态的可靠识别。在信号采集方面，David Alejandro等人提出了一种利用加速度器和陀螺仪两种传感器完成工业机器人振动现象的信号采集的新方法[20]。中国科技大学张兴悟等人采用以数字信号处理(DSP)为核心的信号采集与信息处理技术，并结合现代智能传感器技术的设计理念，设计了具有广泛适应性的工业机器人智能信号采集处理模块[21]。浙江大学胡旭东讨论了基于网络的工业机器人远程信号采集案例[22]。在信号处理方面，中国科学院自动化研究所陈细军等人提出了一种采用多DSP控制和处理各类非视觉传感器的方法，给出了传感器信号处理的原理和具体实现过程[23]。华中理工大学王军等人介绍了一种高精度多功能型的工业机器人六维腕力传感器及其信号处理系统，对机械手腕部的力/力矩信号进行实时检测[24]。中国科学院沈阳自动化研究所机器人学国家重点实验室马玉龙等人讨论了基于加速度信号增强的无色卡尔曼滤波方法在机器人中的应用[25]。淮阴师范学院俞阿龙将多重小波变换应用到工业机器人腕力传感器信号去噪中，采用浮动阀值法消除噪声，小波变换方法可更有效地处理信号，具有传统方法不可比拟的优越性[26]。同济大学CIMS研究中心付宜利等人提出了一种基于数字信号处理器（DSP）和复杂可编程逻辑器件(CPLD)的信号处理系统，适合于实时信号处理[27]。中南民族大学程立等人在分析芯片信号特点的基础上，提出了一种信号译码方法，设计了相应的算法，并在具体的工业机器人控制系统中得到了实现[28]。在信号融合方面，国内外学者对多传感器信号融合技术进行了广泛的研究，目前在多传感器信号融合领域具有代表性的方法有加权平均、贝叶斯估计、卡尔曼滤波、S-D推理，模糊逻辑和人工神经网络等方法[29]。PatrikAxelsson等人开发了一种用于柔性工业机器人状态估计的传感器信号融合方法[30]。浙江大学管天云提出了基于模糊积分理论的多传感器信号智能融合系统，并成功的运用于工业机器人的非视觉传感器信号的融合[31]。由上述文献可知，工业机器人信号采集、处理及融合的方法逐渐从传统的单一的传感器向数字信号处理系统以及更加智能化的方向发展，国内外学术界对于这方面的研究正处于积极思索与探索阶段。
