CN109302320A - 基于梯度扩散机制的多机器人网络故障修复方法 - Google Patents

基于梯度扩散机制的多机器人网络故障修复方法 Download PDF

Info

Publication number
CN109302320A
CN109302320A CN201811293412.3A CN201811293412A CN109302320A CN 109302320 A CN109302320 A CN 109302320A CN 201811293412 A CN201811293412 A CN 201811293412A CN 109302320 A CN109302320 A CN 109302320A
Authority
CN
China
Prior art keywords
node
robot
robot node
repair
gradient
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.)
Pending
Application number
CN201811293412.3A
Other languages
English (en)
Inventor
朱洪波
卢钊
余雪勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201811293412.3A priority Critical patent/CN109302320A/zh
Publication of CN109302320A publication Critical patent/CN109302320A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • H04L41/0663—Performing the actions predefined by failover planning, e.g. switching to standby network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Manipulator (AREA)

Abstract

本发明提供了一种基于梯度扩散机制的多机器人网络故障修复方法，以梯度扩散机制为基础，对多机器人故障网络采取递归的修复方法，选用最少的机器人递归地替换故障机器人来修复多机器人的通信网络拓扑，减小耦合矩阵的第二大特征值，修复多机器人通信网络的拓扑结构，保持多机器人通信网络的连通性和同步性；解决了传统对单机器人通信故障的研究无法适用于多机器人故障引起的网络断开，修复路径冲突等问题。

Description

基于梯度扩散机制的多机器人网络故障修复方法
技术领域
本发明涉及通讯领域，尤其涉及一种基于梯度扩散机制的多机器人网络故障修复方法。
背景技术
智能机器人是一种集感知环境信息，自主规划既定任务、智能任务控制等众多能力于一体的智能移动设备。它可以获取、处理和识别多种信息，自主的完成较为复杂的操作任务。
近年来，多机器人应用于搜索救援、探测监视等的研究越来越引起人们的关注，多机器人联合执行任务时，它们需要通过信息交流来进行多机器人间的同步和协调。由于多机器人所处的恶劣环境，例如，通信故障或硬件故障，一些机器人不可避免的会发生故障，机器人故障的发生会影响整个机器人通信网络的性能，甚至会降低整个网络的连通性以及同步性，导致多机器人任务失败。
有鉴于此，有必要设计一种基于梯度扩散机制的多机器人网络故障修复方法，以解决上述问题。
发明内容
本发明的目的在于提供一种基于梯度扩散机制的多机器人网络故障修复方法，该方法能够提高多机器人通信的稳定性。
为实现上述发明目的，本发明提供了一种基于梯度扩散机制的多机器人网络故障修复方法，包括如下步骤：
S1，当机器人节点出现故障时，每个故障机器人节点的邻居机器人节点状态转为第一步修复机器人节点的候选状态，形成候选邻居机器人节点集A1；
S2，根据选举机制在所述候选邻居机器人节点集A1中选举出第一步修复机器人节点；
S3，选举出的第一步修复机器人节点移动到所述故障机器人节点的位置，以恢复所述故障机器人节点处的通信；
S4，根据步骤S2的选举机制进行第m步修复机器人节点的选举，此时，第(m-1)步修复机器人节点的邻居机器人节点状态转为第m步修复机器人节点的候选状态，形成候选邻居机器人节点集Am；其中，m＞1；
S5，选举出的第m步修复机器人节点移动到第(m-1)步修复机器人节点的位置，以恢复第(m-1)步修复机器人节点处的通信；
S6，循环进入步骤S4，直到选举的修复机器人节点为梯度源节点；
S7，每一个机器人节点更新自身的梯度值，修复过程结束。
作为本发明的进一步改进，当至少两个机器人节点出现故障时，每一个故障机器人节点都将按照所述步骤S1-S6选举出一条修复路径，所选举出的至少两条修复路径不包含重复的机器人节点。
作为本发明的进一步改进，步骤S2中所述选举机制如下：
若所述候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di不同，则选举机器人程度值di最小的邻居机器人节点作为修复机器人节点；
若所述候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di相同，则选举机器人梯度值gi最小的邻居机器人节点作为修复机器人节点；
若所述候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di与机器人梯度值gi均相同，则选举机器人编号IDi最小的邻居机器人节点作为修复机器人节点。
作为本发明的进一步改进，步骤S6中所述梯度源节点的确定包括以下步骤：
判断每个机器人节点的程度值是否在所有邻居机器人节点中最小，如果是，定义其为梯度源节点，并定义所述梯度源节点的梯度值为0；如果不是，定义其为非梯度源节点，并定义所述非梯度源节点的梯度值为无穷大。
作为本发明的进一步改进，所述步骤S7具体包括如下步骤：
S71，每个机器人节点向其邻居机器人节点发送扩散包D＝(di，gi)；其中di表示第i个机器人节点的程度值，gi表示第i个机器人节点的梯度值；
S72，每个机器人节点根据收到的邻居机器人节点发出的扩散包，按照梯度扩散机制更新自身的梯度值gi，所述梯度扩散机制满足如下关系式：
其中，min为最小值函数；gl(t-1)为(t-1)时刻第l个机器人节点的梯度值；gi(t)表示t时刻第i个机器人节点的梯度值；
S73，循环进入步骤S71，直到整个多机器人网络的机器人节点的梯度值达到稳定，并满足如下关系式：
gi(t+T)＝gi(t)
其中，gi表示第i个机器人节点的梯度值；gi(t)表示t时刻第i个机器人节点的梯度值；gi(t+T)表示(t+T)时刻第i个机器人节点的梯度值；
S74，修复过程结束。
作为本发明的进一步改进，用图G＝(V，E)来描述n个机器人的网络拓扑结构，图的顶点vi∈V对应机器人节点Ri，边(vi，vj)∈E表示机器人Ri和Rj之间可以进行通信，该网络拓扑用耦合矩阵A＝(aij)∈Rn×n来描述，其中
每个机器人节点的程度值为定义对角线元素为aii＝-di。
作为本发明的进一步改进，每个机器人节点维护一张信息表，所述信息表包括机器人编号IDi，一跳邻居节点表N1(Ri)、二跳邻居节点表N2(Ri)、状态转移表、程度值di以及梯度值gi；所述一跳邻居节点表N1(Ri)表示在机器人节点Ri的通信范围内，与机器人节点Ri直接通信的机器人节点的集合；二跳邻居节点表N2(Ri)表示与机器人节点Ri至少通过两跳才能进行通信的机器人节点的集合。
作为本发明的进一步改进，在步骤S1中，根据每个机器人节点所维护的所述二跳邻居节点表N2(Ri)，所述候选邻居机器人节点集A1中的候选邻居机器人节点之间彼此信息互知，以便执行所述选举机制。
作为本发明的进一步改进，在步骤S4中，根据每个机器人节点所维护的所述一跳邻居节点表N1(Ri)，所述候选邻居机器人节点集Am中的候选邻居机器人节点之间彼此信息互知，以便执行所述选举机制。
作为本发明的进一步改进，所述机器人节点共有五种状态，分别为：开始状态、梯度源节点状态、非梯度源节点状态、候选状态及修复状态；所述机器人节点在同一时刻只处于该五种状态中的其中一种。
本发明的有益效果是：本发明基于梯度扩散机制的多机器人网络故障修复方法利用耦合矩阵第二大特征值对复杂网络的影响，以梯度扩散机制为基础，对多机器人故障网络采取递归的修复方法，选用最少的机器人递归地替换故障机器人来修复多机器人的通信网络拓扑，减小耦合矩阵的第二大特征值，修复多机器人通信网络的拓扑结构，保持多机器人通信网络的连通性和同步性。
附图说明
图1为本发明基于梯度扩散机制的多机器人网络故障修复方法的流程示意图。
图2为本发明修复机器人的选举机制的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
另外，还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
研究复杂网络时，常常用耦合矩阵的第二大特征值来评估复杂网络的连通性和同步性，并有引理：耦合矩阵的第二大特征值用于评估无标度动态网络的运动同步性特性的鲁莽性和稳定性，第二大特征值越小，网络的同步性能越好。同样也适用于多机器人通信网络，由于多机器人故障的出现，网络拓扑中相应的通信连接将破坏，第二大特征值会增加，性能降低。
有鉴于此，请参阅图1至图2所示，本发明提出了一种基于梯度扩散机制的多机器人通信网络故障修复方法，包括如下步骤：
S1，当机器人节点出现故障时，该故障机器人节点的邻居机器人节点状态转为第一步修复机器人节点的候选状态，形成候选邻居机器人节点集A1；
S2，根据选举机制在候选邻居机器人节点集A1中选举出第一步修复机器人节点；
S3，选举出的第一步修复机器人节点移动到故障机器人节点的位置，以恢复故障机器人节点处的通信；
S4，根据步骤S2的选举机制进行第m步修复机器人节点的选举，此时，第(m-1)步修复机器人节点的邻居机器人节点状态转为第m步修复机器人节点的候选状态，形成候选邻居机器人节点集Am；其中，m＞1；
S5，选举出的第m步修复机器人节点移动到第(m-1)步修复机器人节点的位置，以恢复第(m-1)步修复机器人节点处的通信；
S6，循环进入步骤S4，直到选举的修复机器人节点为梯度源节点；
S7，每一个机器人节点更新自身的梯度值，修复过程结束。
当整个多机器人网络中有至少两个机器人节点出现故障时，每一个故障机器人节点都将按照步骤S1-S6分别选举出一条修复路径，形成对应的至少两条不同的修复路径进行修复，且该至少两条不同的修复路径不包含重复的机器人节点。需要注意的是：同时出现的每一个故障机器人节点的修复步骤都是同时开始的。即，若有三个机器人节点出现故障，则，三个故障机器人节点同时开始按照步骤S1-S6选举修复路径，进行修复；如此，实现选用最少的机器人节点替换故障机器人节点来修复多机器人通信网络拓扑，减小耦合矩阵的第二大特征值，保证多机器人通信网络的连通性和同步性。
其中，用图G＝(V，E)来描述n个机器人的网络拓扑结构，图的顶点vi∈V对应机器人节点Ri，边(vi，vj)∈E表示机器人Ri和Rj之间可以进行通信，该网络拓扑用耦合矩阵A＝(aij)∈Rn×n来描述，其中
每个机器人节点的程度值为定义对角线元素为aii＝-di。
每个机器人节点维护一张信息表，信息表包括机器人编号IDi，一跳邻居节点表N1(Ri)、二跳邻居节点表N2(Ri)、状态转移表、程度值di以及梯度值gi；一跳邻居节点表N1(Ri)表示在机器人节点Ri的通信范围内，与机器人节点Ri直接通信的机器人节点的集合；二跳邻居节点表N2(Ri)表示与机器人节点Ri至少通过两跳才能进行通信的机器人节点的集合。
其中，选举机制如下：
若候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di不同，则选举机器人程度值di最小的邻居机器人节点作为修复机器人节点；
若候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di相同，则选举机器人梯度值gi最小的邻居机器人节点作为修复机器人节点；
若候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di与机器人梯度值gi均相同，则选举机器人编号IDi最小的邻居机器人节点作为修复机器人节点。
在步骤S1中，根据每个机器人节点所维护的二跳邻居节点表N2(Ri)，候选邻居机器人节点集A1中的候选邻居机器人节点之间彼此信息互知，以便执行选举机制。
每一个机器人节点共有五种状态，分别为：开始状态、梯度源节点状态、非梯度源节点状态、候选状态及修复状态。一个机器人节点在同一时刻只处于五种状态中的其中一种状态。例如，在步骤S3中，选举出的第一步修复机器人节点移动到故障机器人节点的位置后，故障机器人节点恢复通信，此时原第一步修复机器人节点的位置成为故障机器人节点，由候选状态变为修复状态。
在步骤S4中，根据每个机器人节点所维护的一跳邻居节点表N1(Ri)，候选邻居机器人节点集Am中的候选邻居机器人节点之间彼此信息互知，以便执行选举机制。
在步骤S6中，梯度源节点的确定包括以下步骤：判断每个邻居机器人节点的程度值是否是所有邻居机器人节点中最小，如果是，定义其为梯度源节点，并定义梯度源节点的梯度值为0；如果不是，定义其为非梯度源节点，并定义非梯度源节点的梯度值为无穷大。
其中，步骤S7包括如下步骤：
S71，每个机器人节点向其邻居机器人节点发送扩散包D＝(di，gi)；其中di表示第i个机器人节点的程度值，gi表示第i个机器人节点的梯度值；
S72，每个机器人节点根据收到的邻居机器人节点发出的扩散包，按照梯度扩散机制更新自身的梯度值gi，梯度扩散机制满足如下关系式：
其中，σ表示每个周期节点梯度的自增量，在本实施例中，定义σ＝0；Δ表示扩散过程中邻居机器人节点之间的梯度增量，在本实施例中，定义Δ＝1；
故，本实施例中，梯度扩散机制满足如下关系式：
其中，min为最小值函数；gl(t-1)为(t-1)时刻第l个机器人节点的梯度值；gi(t)表示t时刻第i个机器人节点的梯度值；
S73，循环进入步骤S71，直到整个多机器人网络的机器人节点的梯度值达到稳定，并满足如下关系式：
gi(t+T)＝gi(t)
其中，gi表示第i个机器人节点的梯度值；gi(t)表示t时刻第i个机器人节点的梯度值；gi(t+T)表示(t+T)时刻第i个机器人节点的梯度值；
S74，修复过程结束。
综上所述，本发明基于梯度扩散机制的多机器人网络故障修复方法，利用耦合矩阵第二大特征值对复杂网络的影响，以梯度扩散机制为基础，对多机器人故障网络采取递归的修复方法，选用最少的机器人递归地替换故障机器人来修复多机器人的通信网络拓扑，减小耦合矩阵的第二大特征值，修复多机器人通信网络的拓扑结构，保持多机器人通信网络的连通性和同步性；解决了传统对单机器人通信故障的研究无法适用于多机器人故障引起的网络断开，修复路径冲突等问题。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于梯度扩散机制的多机器人网络故障修复方法，包括如下步骤：
S1，当机器人节点出现故障时，每个故障机器人节点的邻居机器人节点状态转为第一步修复机器人节点的候选状态，形成候选邻居机器人节点集A1；
S2，根据选举机制在所述候选邻居机器人节点集A1中选举出第一步修复机器人节点；
S3，选举出的第一步修复机器人节点移动到所述故障机器人节点的位置，以恢复所述故障机器人节点处的通信；
S4，根据步骤S2的选举机制进行第m步修复机器人节点的选举，此时，第(m-1)步修复机器人节点的邻居机器人节点状态转为第m步修复机器人节点的候选状态，形成候选邻居机器人节点集Am；其中，m＞1；
S5，选举出的第m步修复机器人节点移动到第(m-1)步修复机器人节点的位置，以恢复第(m-1)步修复机器人节点处的通信；
S6，循环进入步骤S4，直到选举的修复机器人节点为梯度源节点；
S7，每一个机器人节点更新自身的梯度值，修复过程结束。
2.根据权利要求1所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于：当至少两个机器人节点出现故障时，每一个故障机器人节点都将按照所述步骤S1-S6选举出一条修复路径，所选举出的至少两条修复路径不包含重复的机器人节点。
3.根据权利要求1所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于，步骤S2中所述选举机制如下：
若所述候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di不同，则选举机器人程度值di最小的邻居机器人节点作为修复机器人节点；
若所述候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di相同，则选举机器人梯度值gi最小的邻居机器人节点作为修复机器人节点；
若所述候选邻居机器人节点集A1中不同的邻居机器人节点对应的机器人程度值di与机器人梯度值gi均相同，则选举机器人编号IDi最小的邻居机器人节点作为修复机器人节点。
4.根据权利要求1所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于，步骤S6中所述梯度源节点的确定包括以下步骤：
判断每个机器人节点的程度值是否在所有邻居机器人节点中最小，如果是，定义其为梯度源节点，并定义所述梯度源节点的梯度值为0；如果不是，定义其为非梯度源节点，并定义所述非梯度源节点的梯度值为无穷大。
5.根据权利要求1所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于：所述步骤S7具体包括如下步骤：
S71，每个机器人节点向其邻居机器人节点发送扩散包D＝(di，gi)；其中di表示第i个机器人节点的程度值，gi表示第i个机器人节点的梯度值；
S72，每个机器人节点根据收到的邻居机器人节点发出的扩散包，按照梯度扩散机制更新自身的梯度值gi，所述梯度扩散机制满足如下关系式：
其中，min为最小值函数；gl(t-1)为(t-1)时刻第l个机器人节点的梯度值；gi(t)表示t时刻第i个机器人节点的梯度值；
S73，循环进入步骤S71，直到整个多机器人网络的机器人节点的梯度值达到稳定，并满足如下关系式：
gi(t+T)＝gi(t)
其中，gi表示第i个机器人节点的梯度值；gi(t)表示t时刻第i个机器人节点的梯度值；gi(t+T)表示(t+T)时刻第i个机器人节点的梯度值；
S74，修复过程结束。
6.根据权利要求1或2所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于：用图G＝(V，E)来描述n个机器人的网络拓扑结构，图的顶点vi∈V对应机器人节点Ri，边(vi，vj)∈E表示机器人Ri和Rj之间可以进行通信，该网络拓扑用耦合矩阵A＝(aij)∈Rn×n来描述，其中
每个机器人节点的程度值为定义对角线元素为aii＝-di。
7.根据权利要求1或2所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于：每个机器人节点维护一张信息表，所述信息表包括机器人编号IDi，一跳邻居节点表N1(Ri)、二跳邻居节点表N2(Ri)、状态转移表、程度值di以及梯度值gi；所述一跳邻居节点表N1(Ri)表示在机器人节点Ri的通信范围内，与机器人节点Ri直接通信的机器人节点的集合；二跳邻居节点表N2(Ri)表示与机器人节点Ri至少通过两跳才能进行通信的机器人节点的集合。
8.根据权利要求7所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于：在步骤S1中，根据每个机器人节点所维护的所述二跳邻居节点表N2(Ri)，所述候选邻居机器人节点集A1中的候选邻居机器人节点之间彼此信息互知，以便执行所述选举机制。
9.根据权利要求7所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于：在步骤S4中，根据每个机器人节点所维护的所述一跳邻居节点表N1(Ri)，所述候选邻居机器人节点集Am中的候选邻居机器人节点之间彼此信息互知，以便执行所述选举机制。
10.根据权利要求1或2所述的基于梯度扩散机制的多机器人网络故障修复方法，其特征在于，所述机器人节点共有五种状态，分别为：开始状态、梯度源节点状态、非梯度源节点状态、候选状态及修复状态；所述机器人节点在同一时刻只处于该五种状态中的其中一种。
CN201811293412.3A 2018-11-01 2018-11-01 基于梯度扩散机制的多机器人网络故障修复方法 Pending CN109302320A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811293412.3A CN109302320A (zh) 2018-11-01 2018-11-01 基于梯度扩散机制的多机器人网络故障修复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811293412.3A CN109302320A (zh) 2018-11-01 2018-11-01 基于梯度扩散机制的多机器人网络故障修复方法

Publications (1)

Publication Number Publication Date
CN109302320A true CN109302320A (zh) 2019-02-01

Family

ID=65145617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811293412.3A Pending CN109302320A (zh) 2018-11-01 2018-11-01 基于梯度扩散机制的多机器人网络故障修复方法

Country Status (1)

Country Link
CN (1) CN109302320A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111844024A (zh) * 2020-06-30 2020-10-30 深圳优地科技有限公司 机器人故障处理方法、装置、智能设备和存储介质
CN112073631A (zh) * 2020-07-24 2020-12-11 上海琥崧智能科技股份有限公司 一种设备的智能管控系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415425A (zh) * 2018-02-08 2018-08-17 东华大学 一种基于改进基因调控网络的分布式群机器人协同集群算法
CN108462983A (zh) * 2018-03-09 2018-08-28 南京邮电大学 基于改进蚁群aodv协议的多机器人通信组网方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415425A (zh) * 2018-02-08 2018-08-17 东华大学 一种基于改进基因调控网络的分布式群机器人协同集群算法
CN108462983A (zh) * 2018-03-09 2018-08-28 南京邮电大学 基于改进蚁群aodv协议的多机器人通信组网方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
居建军: "多机器人编队自修复算法设计与实现", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111844024A (zh) * 2020-06-30 2020-10-30 深圳优地科技有限公司 机器人故障处理方法、装置、智能设备和存储介质
CN112073631A (zh) * 2020-07-24 2020-12-11 上海琥崧智能科技股份有限公司 一种设备的智能管控系统

Similar Documents

Publication Publication Date Title
Abbasi et al. Recovering from a node failure in wireless sensor-actor networks with minimal topology changes
Lee et al. Fault detection of wireless sensor networks
RU2682018C2 (ru) Идентификация вариантов выявления неисправностей для устранения отказов сети
CN109302320A (zh) 基于梯度扩散机制的多机器人网络故障修复方法
Kalech et al. On the design of social diagnosis algorithms for multi-agent teams
CN105765889B (zh) 扩展桥及由其执行的方法
JP4612525B2 (ja) ネットワーク障害部位特定装置および方法
CN111799785A (zh) 极端灾害后配电网电力与通信协调恢复方法及系统
CN104518927A (zh) 数据中心网络中错误连线的检测方法及装置
CN102664755B (zh) 控制通道故障确定方法及其装置
CN112423308A (zh) 一种基于k跳可达性的主动保持无人集群网络连通性的方法
CN106802645A (zh) 一种fpga单粒子翻转故障模拟系统和方法
Alansari et al. A comparison analysis of fault detection algorithms in wireless sensor networks
Abbas et al. Distribution of agents in heterogeneous multiagent systems
CN112862068A (zh) 面向复杂卷积神经网络的容错架构及方法
Imran et al. Application-centric recovery algorithm for wireless sensor and actor networks
Mitra et al. Comparative study of fault recovery techniques in wireless sensor network
CN108646140B (zh) 一种确定故障设备的方法和装置
US20230026714A1 (en) Proactive impact analysis in a 5g telco network
CN115550144A (zh) 分布式故障节点预测方法、装置、电子设备及存储介质
US20230142790A1 (en) Loop detection method and loop break method for mesh network
CN108011757A (zh) 一种用于电力行业的智能网络管理方法及装置
Wang Markov-chain based reliability analysis for distributed systems
Akbari et al. Cluster-based and cellular approach to fault detection and recovery in wireless sensor networks
CN112231142A (zh) 系统备份恢复方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190201

RJ01 Rejection of invention patent application after publication