CN111002328A - 轮式机器人校验系统及方法 - Google Patents

Abstract

本发明公开了一种轮式机器人校验系统，包括校验设备、网络通信设备、服务器终端、数据处理单元、数据存储单元、监控中心单元及若干个轮式机器人，校验设备包括校验设备处理单元，数据处理单元对关键部件数据进行数据挖掘，评估机器人车队的整体运行风险系数、单台机器人失效概率及部件之间的关联性，数据处理单元分析校验设备处理单元采集的关键部件数据并以报表或曲线行驶呈现轮式机器人的状况。通过无线通信、数据采集等方式，获取智能机器人关键部件的状态数据，并发送控制指令对机器人运动性进行检验，实验人员可以通过校验设备的校验流程检定机器人是否符合任务执行的实验要求。本发明还公开了一种轮式机器人校验方法。

Description

轮式机器人校验系统及方法

技术领域

本发明涉及智能控制领域，尤其涉及一种轮式机器人校验系统及方法。

背景技术

多台轮式机器人运行在相似场景环境中，因环境中的各种外界因素及机器人本身的电气元器件失效性，会产生各种运行故障。这些运行故障有一些隐性关联性。轮式机器人校验系统通过校验设备阶段性采集机器人的本体各类传感器数据，可通过数据挖掘方式，分析机器人各类传感器之间的失效关联性。同时由失效模型评价整个机器人车队的运行安全系数。

目前轮式机器人在长期运行过程中，缺少有效的检验手段对机器人关键设备模块检验测试。机器人在运行过程中因各种电气原因导致电机、传感器、通信质量下降，没有一种全自动的检测设备对机器人全面检查，管控效率低。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种轮式机器人校验系统及方法，其能解决管控效率低的问题。

本发明的目的之一采用如下技术方案实现：

一种轮式机器人校验系统，包括用于获取校验数据的校验设备、用于信息传输的网络通信设备、服务器终端、用于数据分析服务的数据处理单元、用于存储数据的数据存储单元、监控中心单元及若干个轮式机器人，所述校验设备包括校验设备处理单元，所述校验设备处理单元与所述轮式机器人建立连接并获取关键部件数据，所述校验设备处理单元通过所述网络通信设备与所述服务器终端交互，所述数据处理单元对所述关键部件数据进行数据挖掘，评估机器人车队的整体运行风险系数、单台机器人失效概率及部件之间的关联性，所述监控中心单元与所述数据处理单元交互并具有可视化界面，所述数据处理单元分析所述校验设备处理单元采集的关键部件数据并以报表或曲线行驶呈现轮式机器人的状况。

进一步地，所述轮式机器人包括超声波传感器、电机、激光雷达、视觉系统、电池，所述校验设备处理单元采集超声波传感器数据、电机运动数据、激光雷达数据、视觉深度数据、电池电压电流数据并建立数据模型。

进一步地，所述数据存储单元分别与所述校验设备、服务器终端、数据处理单元及监控中心单元交互，所述数据存储单元存储关键部件数据和所述数据处理单元的处理信息，所述数据存储单元在所述数据存储单元中建立原始数据样本。

进一步地，所述校验设备内部设置有电源，所述电源集成有功率可调装置，所述功率可调装置能够根据不同的机器人内部供电等级输出不同的直流电压。

进一步地，所述轮式机器人包括若干个与关键部件连接的传感器、传感器控制单元、主控单元及通信单元，所述传感器控制单元与所述传感器建立通信，所述主控单元分别与所述通信单元和所述传感器控制单元交互。

进一步地，所述数据存储单元包括机器人原始数据模块、数据模型分析数据模块、标准机器人模型数据模块、历史报表记录模块及校验参数模块。

一种轮式机器人校验方法，应用于轮式机器人校验系统，包括用于获取校验数据的校验设备、用于信息传输的网络通信设备、服务器终端、用于数据分析服务的数据处理单元、用于存储数据的数据存储单元、监控中心单元及若干个轮式机器人，所述校验设备包括校验设备处理单元；包括以下步骤：

数据获取：校验设备处理单元与轮式机器人建立连接并获取关键部件数据；

数据分析：关键部件数据通过通过网络通信设备上传至服务器终端，数据处理单元对关键部件数据进行数据挖掘和整理并建立数据模型；

输出步骤：数据处理单元评估机器人车队的整体运行风险系数、单台机器人失效概率及部件之间的关联性，数据处理单元分析校验设备处理单元采集的关键部件数据并以报表或曲线行驶呈现轮式机器人的状况。

进一步地，在所述数据获取步骤中，关键部件数据保存到数据存储单元中形成原始数据样本。

进一步地，在所述数据分析步骤中，采用聚类分析、回归分析、时间序列分析中的一种或多种进行分析和数据整合。

进一步地，在所述数据分析步骤中，还包括数据预处理：设定相应的奇异值偏差阈值，对采集到的异常数据进行剔除处理，根据预设的奇异值偏差阈值剔除奇异数据。

相比现有技术，本发明的有益效果在于：

所述校验设备包括校验设备处理单元，所述校验设备处理单元与所述轮式机器人建立连接并获取关键部件数据，所述校验设备处理单元通过所述网络通信设备与所述服务器终端交互，所述数据处理单元对所述关键部件数据进行数据挖掘，评估机器人车队的整体运行风险系数、单台机器人失效概率及部件之间的关联性，所述监控中心单元与所述数据处理单元交互并具有可视化界面，所述数据处理单元分析所述校验设备处理单元采集的关键部件数据并以报表或曲线行驶呈现轮式机器人的状况。对整体运行在相似环境中的轮式机器人进行校验，借助校验设备获取每台机器人的精确部件信息，并通过数据模型分析，可评估单台机器人及整体机器人车队的失效情况。通过无线通信、数据采集等方式，获取智能机器人关键部件的状态数据，并发送控制指令对机器人运动性进行检验，实验人员可以通过校验设备的校验流程检定机器人是否符合任务执行的实验要求，保障机器人运行安全性，提高管控能力。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1为本发明轮式机器人校验系统中一较佳实施例的结构框图；

图2为图1所示轮式机器人校验系统的模块图；

图3为聚类分析示意图；

图4为回归分析示意图；

图5为图1所示轮式机器人校验系统的硬件框图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参阅图1-2，一种轮式机器人校验系统，包括用于获取校验数据的校验设备、用于信息传输的网络通信设备、服务器终端、用于数据分析服务的数据处理单元、用于存储数据的数据存储单元、监控中心单元及若干个轮式机器人，所述校验设备包括校验设备处理单元，所述校验设备处理单元与所述轮式机器人建立连接并获取关键部件数据，所述校验设备处理单元通过所述网络通信设备与所述服务器终端交互，所述数据处理单元对所述关键部件数据进行数据挖掘，评估机器人车队的整体运行风险系数、单台机器人失效概率及部件之间的关联性，所述监控中心单元与所述数据处理单元交互并具有可视化界面，所述数据处理单元分析所述校验设备处理单元采集的关键部件数据并以报表或曲线行驶呈现轮式机器人的状况。对整体运行在相似环境中的轮式机器人进行校验，借助校验设备获取每台机器人的精确部件信息，并通过数据模型分析，可评估单台机器人及整体机器人车队的失效情况。通过无线通信、数据采集等方式，获取智能机器人关键部件的状态数据，并发送控制指令对机器人运动性进行检验，实验人员可以通过校验设备的校验流程检定机器人是否符合任务执行的实验要求，保障机器人运行安全性，提高管控能力。

在具体运行过程中，校验设备可以对轮式机器人的通信、传感器、电池充放电、电机性能进行校验，自动实现对轮式机器人的关键设备校验并输出基本检验检测后的实验结果。所述轮式机器人包括超声波传感器、电机、激光雷达、视觉系统、电池，所述校验设备处理单元采集超声波传感器数据、电机运动数据、激光雷达数据、视觉深度数据、电池电压电流数据并建立数据模型。能够有效评估机器人失效概率、评估机器人整个车队的运行风险系数。同时通过数据挖掘可以分析机器人部件失效关联性。如：超声波传感器的失效是否与电机运行情况、动力电池的性能相关联。分析出这些整体电气系统的部件失效有一定关联性可以为改进机器人内部各个模块间电气连接方式、部件选型、防护处理等设计，提供可改进的评价依据。与现有技术相比，具有以下特征：

回溯性：校验系统保存有机器人在运行过程的定期采集关键数据，能够不断丰富数据样本，可作为整体运行的评估数据样本库。

可扩展性：为适应机器人的多项功能测试，系统在技术开发、网络接入、功能设计等方面均需具备可扩展性。校验设备能够具备软件功能可拓展性，可按照机器人测试任务拓展功能单元，以满足实际测试需要。

测试精确性：获取机器人的数据精确，可以有效实现对机器人关键部件的功能进行测试。

操作便利性：校验设备操作便捷，具有人性化操作界面，能够快速对机器人的整体功能进行检测。提供了一整套的自动测试解决方式，可以使用一套设备完成对机器人关键模块进行校验

检验流程性：校验设备可设置系列测试流程，对机器人的模块形成组合检验能力，省时省力，不用多次操作。

优选的，所述数据存储单元分别与所述校验设备、服务器终端、数据处理单元及监控中心单元交互，所述数据存储单元存储关键部件数据和所述数据处理单元的处理信息，所述数据存储单元在所述数据存储单元中建立原始数据样本。

优选的，所述校验设备内部设置有电源，所述电源集成有功率可调装置，所述功率可调装置能够根据不同的机器人内部供电等级输出不同的直流电压。可调节输出12V、24V、36V、48V、54V、60V。同时内部电源能给检验设备自身的内部模块提供DC5V、DC12V、DC24V电压供电，满足内部模块供电需求。

具体的，请参阅图1，所述校验设备中涉及到：

显示屏模块：具备测试过程的数据显示、图表显示、界面内容展示等显示功能。显示模块集成了多点触控操作板，能够直接在显示屏模块上操作校验设备。

ETH网络通信：可以接收轮式机器人的报文数据，报文数据包含有激光雷达数据、摄像头数据、行走任务的调度数据等内容。校验设备接收到实时激光雷达数据，并将实时雷达数据与历史存储的雷达数据，进行点云数据对比分析，可对比反馈出运行一段时间后雷达数据是否产生漂移、闪点等情况。同时持续接收一段周期(如：15分钟)的激光雷达点云数据，持续监测在静态环境中，点云数据是否会出现数据突变情况。

摄像头数据的比对，主要比对在静态环境下，深度摄像头在持续一段周期内识别物体的深度数据是否会出现数据突变。同时在标定的固定位置障碍物，来对比深度相机检测出的固定障碍物距离的偏差是否在初始误差范围内。

WIFI通信：WIFI通信用于检测机器人在行走过程中是否存在丢帧、误码问题。检验设备与机器人由WIFI连接，相互之间大量发送包含有检验位的报文。用于检测机器人的WIFI无线通信质量，测试WIFI通信的吞吐率、丢帧率、误码率情况。在报文中插入IEEE1588时标报文，对机器人报文延时进行检测，可检定机器人无线收发通信过程中的报文延时性。

蓝牙通信：测试机器人外部连接蓝牙设备的容量。检验设备报送的蓝牙信号，将蓝牙传输报文中的设备序列号及校验码由预制的递增规则不断改变。机器人连接校验设备的蓝牙信号后，接收到蓝牙设备序列号信息，并将该信息重新发送回校验设备，由此来检验通信过程是否稳定。同时可通过蓝牙通信，读取到机器人蓝牙通信的信号强度信息。由此检定机器人的蓝牙通信质量。

433MHz通信：校验设备由433MHz通信，按照测试流程设定的设备类型，将自身433M的设备ID设定为电动门控制器、响铃、呼叫按钮等。机器人接收到检验设备模拟的装置，会做出与业务相关的动作。当识别为电动门控制器时，机器人将通过433MHz发出电动门开闭信号。当识别为响铃时，机器人将通过433MHz发出响铃通信信号。当识别为呼叫按钮时，机器人将启动电机，并由无线通信发出开始任务执行信号。校验设备接收机器人的指令，来判定机器人是否能够按照预定的业务工作逻辑进行工作。

RS232/RS485：校验设备由直连通信，获取机器人超声波传感器的数据。主要比对在静态环境下，超声波传感器在持续一段周期内识别物体的距离数据是否会出现数据突变。同时在标定的固定位置障碍物，来对比超声波传感器测出的固定障碍物距离的偏差是否在初始误差范围内。校验设备中存储有最初部署机器人时的超声波传感器数据，将当前接收到的超声波数据与历史超声波数据，进行比对，可分析出差异百分比。通过该手段校验机器人的超声波传感器性能是否出现下降或者异常。

电机测速：将机器人内部的电机由校验设备进行连接。校验设备按照设定的电机旋转曲线，发送电机控制指令，控制电机旋转运动。同时校验设备通过高精度的霍尔传感器测量机器人车轮旋转速度及圈数。校验设备比对发送的电机旋转曲线和霍尔传感器反馈的车轮旋转情况，对机器人的运动部件进行检定。校验设备可输出电机旋转曲线与预设曲线之间的差异值。由预先设定的判定阈值，可判定机器人的运动部件是否处于正常工作状态。

电池充放电电压电流检测：校验设备内部集成有高精度电压电流测量单元，可以通实时检测机器人电池充电过程、放电过程的电压电流数据。再与电池本身的充电放电电压变化曲线作对比分析，可以比对出电池的衰减程度。再由实时充放电的电压电流曲线波动值，按照经验值设定的波动阈值，判定电池的安全率。

USB：校验设备的USB端口作为参数导入、配置文件导入导出、校验报表导出、检测过程数据导出、历史数据导入分析、软件升级等功能使用。

请参阅图5，校验设备涉及到的硬件如下：

FLASH存储：校验设备存储关键配置文件及参数数据；

SATA硬盘：存储实验过程中获取到到图像数据、激光雷达点云数据、高精度电压电流采集数据、超声波传感器数据等与实验过程相关联的原始数据；

蓝牙通信：作为测试机器人蓝牙通信连接的通信模块

WIFI通信单元：校验设备WIFI通信单元，可以进行WIFI连接或作为热点发送无线连接信号；

ETH网络单元：1000M网络通信的MAC+PHY硬件处理单元；

RS232通信：UART串口转换RS232通信方式的硬件单元；

RS485通信：UART串口转换为RS485通信连接的硬件单元；

433M收发单元：UART串口转换为433MHz通信连接方式的硬件单元；

多路UART扩展：采用总线方式由FPGA连接总线扩展UART通信连接的芯片作处理，FPGA扩展出多个UART串口。由并行总线的高带宽满足同时扩展多路UART时数据吞吐率。

电机测速模块：外置型高精度电机编码器，安装在机器人电机转轴或车轮上，当机器人电机转动时，反馈精准脉冲信号。校验设备获取电机测速模块的测速反馈信号，能够精准获取到电机的旋转角速度、旋转圈数。

电机控制模块：附属与校验装置的电机驱动器，能够驱动电机运转。可调教为不同的直流电压等级，匹配不同的直流电机。由校验设备的测试实验过程，输出电机驱动信号给到机器人电机，驱动机器人电机运行。

总线控制器：采用全双工总线控制芯片，实现FPGA与CPU之间的总线数据收发。FPGA收取的采样数据、电机转速数据通过总线通信方式交互信息。

大功率AC-DC单元：满足3kw以上的交流转直流输出模块，与程控功率可调装置配合使用，可由实验过程需要，调节最大输出功率。同时可以根据不同机器人的电池电压等级调节可输出的直流电压大小。

高精度直流电压电流采集：采集程控功率可调装置输出的电压、电流，用于计算电池充电过程的动力线曲线及功率。

高精度ADC模数转换A：用来将采集高精度直流电压电流采集模块变换的模拟信号转换为数字信号，该模块至少具备16位有效位数字转换。

高精度ADC模数转换B：直接采集机器人电池输出动力线模拟信号转换为数字信号，该模块至少具备16位有效位数字转换，同时该模块具有高输入阻抗，对机器人电池放电环路影响小，保证校验设备的测试精度。

优选的，所述轮式机器人包括若干个与关键部件连接的传感器、传感器控制单元、主控单元及通信单元，所述传感器控制单元与所述传感器建立通信，所述主控单元分别与所述通信单元和所述传感器控制单元交互。

优选的，所述数据存储单元包括机器人原始数据模块、数据模型分析数据模块、标准机器人模型数据模块、历史报表记录模块及校验参数模块。数据分析服务运行在服务器上，对获取到的机器人数据进行数据挖掘，能够评估出机器人车队的整体运行风险系数、单台机器人失效概率、整体各个部件(激光、超声波传感器、电机、动力电池等)之间的关联性。数据存储服务为整个系统产生的过程数据提供数据管理服务。监控中心具有可视化的界面，可以在显示画面查看整个校验系统的分析结果。监控中心对数据分析服务产生的结果，进行可视化展示，能够以数据报表形式展现目前机器人车队的整个故障情况、当月的安全运行趋势、故障模块的关联度分析报表、企业运行安全评分趋势、机器人各个模块的健康指数评估报告等。也能够通过监控中心查询到每一台机器人的历史状态趋势及原始的各个传感器数据曲线。存储服务由5个核心数据模块组成。

机器人原始数据：保存了校验设备定期获取的原始数据，可持续收集数据样本，丰富后期模型分析的数据集。也可以为后期整体重新校验评测结果提供原始数据样本。

数据模型分析数据：保存数据预处理及模型分析的过程数据和结果数据。保证可追溯到每一份评测报告的处理过程，保证报告可信度。标准机器人模型数据：存储在数据库中的机器人标准模型。这个模型包含有对应型号的激光雷达建模曲线、电机运行曲线、电池充放电曲线、超声波传感器曲线、机器人失效模型曲线、车队运行安全模拟曲线等。这些标准模型数据，用于比对在长时间运行时，在时间序列中真实场景下运行，机器人相关传感器是否与标准模型产生偏差。

历史报表记录：记录历史过程中检验系统评测的所有相关报告数据。可通过数据库重新访问到历史所有报告情况。

校验参数：保存的作为校验设备、校验系统分析的设定参数表。参数表包括了测定电机的速度变化曲线、电池充电曲线、超声波测定的距离标定曲线、结果判定经验阈值、实验测试流程参数等相关内容。

一种轮式机器人校验方法，应用于轮式机器人校验系统，包括用于获取校验数据的校验设备、用于信息传输的网络通信设备、服务器终端、用于数据分析服务的数据处理单元、用于存储数据的数据存储单元、监控中心单元及若干个轮式机器人，所述校验设备包括校验设备处理单元；包括以下步骤：

数据获取：校验设备处理单元与轮式机器人建立连接并获取关键部件数据；在所述数据获取步骤中，关键部件数据保存到数据存储单元中形成原始数据样本。

数据分析：关键部件数据通过通过网络通信设备上传至服务器终端，数据处理单元对关键部件数据进行数据挖掘和整理并建立数据模型；在所述数据分析步骤中，采用聚类分析、回归分析、时间序列分析中的一种或多种进行分析和数据整合。数据分析服务是基于对校验设备上传的各机器人关键部件数据进行分析处理。数据分析服务接收各机器人每个运行阶段(定期每天)采集的关键部件数据。关键部件数据包括：超声波传感器数据、电机运动数据、激光雷达数据、视觉深度数据、电池电压电流数据、其他通信功能数据(蓝牙通信、433MHz通信等)，这些数据经过数据预处理后传递到数据模型进行模型分析。采用数据挖掘方法(聚类分析、回归分析、时间序列分析等其他方式)，挖掘机器人传感器在类似工况运行环境中的联系关系，评估机器人使用周期中的失效情况。尤其是分布在机身的多传感器，因分布区域不同会产生不同的失效概率情况。为了方便理解，进行如下解释：

1、聚类分析

请参阅图3，寻找数据之间内在结构的技术。聚类把全体数据实例组织成一些相似组，而这些相似组被称作簇。处于相同簇中的数据实例彼此相同，处于不同簇中的实例彼此不同。

超声数据、激光雷达的点云数据、视觉深度数据，由检测的到数据结合正常传感器所偏差的半径r(偏差幅度或者偏差绝对值)，找出偏离点数。存在偏离的数据点，大于设定数据偏差范围阈值后，以偏差的百分比体现偏差程度。

2、回归分析

请参阅图4，各类传感器的工作状态与动力电池的输出状态有一定关联性，采用回归分析对过程中的传感器检测的距离值与动力电池的电压、距离值与电流直接的联系，进行回归曲线分析。采用二阶多项式拟合的方法。X轴代表的电压或电流值，Y轴对应的是各类传感器采集到的距离值。正常情况下，采集到的距离值不随着电压或者电流值，产生超过正常范围的偏差或波动。一旦出现线性关联性，则机器人的电气设计需要进行设计调整。

3、时间序列分析

时间序列基于时间分析，各个传感器数据随工作时间变化出现的数据波动。

误差计算方法：平均误差，平均绝对误差、均方误差。

(1)平均误差:Y:观测值，F：预测值，n预测值个数

由于预测误差的数值可能有正有负，求和的结果就会相互抵消，这种情况下，平均误差可能会低估误差。

(2)平均绝对误差是将预测误差取绝对值后计算的平均误差，

平均绝对误差可避免误差相互抵消的问题，因而可以准确反映实际预测误差的大小。

(3)均方误差:通过平方消去误差的正负号后计算的平均误差，MSE:

4、系统中还包括失效模型单元，进行失效模型评估：由数据模型分析出的结果，结合经验总结出来的置信度取值，可以对机器人失效情况做概率评估。对运行在相似环境中的机器人车队运行安全指数做评测。失效模型输入可调的经验阈值，作为整体结果判断的评估基线。当低于阈值时，评估为高风险。当处于警告阈值区间，则评估为告警。当处于安全阈值区间，则评估为运行健康。

失效模型评估主要采用权重评估方式，举例如下：

F＝A*0.3+B*0.4+C*0.3

A：聚类分析的评分指标，满分为10分，占比权重0.3。分值以测量距离偏差的百分比为依据，偏差在正常偏差范围内为计分为10分。偏差每偏差正常范围5％个百分点，则降1分。

B：回归分析的评分指标，满分为10分，占比权重0.4。分值以图像与直线的上下偏差面积比例为依据。偏差面积在正常范围(5％)内计分为10分。偏差每偏差正常范围5％个百分点，则降1分。

C：时间序列分析的评分指标，满分为10分，占比权重0.3。主要以平均误差为评价依据，在时间序列上，偏差在正常偏差范围内为计分为10分。偏差每偏差正常范围5％个百分点，则降1分。

F的计算值当低于设定的经验阈值时，评估为高风险。当处于警告阈值区间，则评估为告警。当处于安全阈值区间，则评估为运行健康。

在所述数据分析步骤中，还包括数据预处理：设定相应的奇异值偏差阈值，对采集到的异常数据进行剔除处理，根据预设的奇异值偏差阈值剔除奇异数据。

输出步骤：数据处理单元评估机器人车队的整体运行风险系数、单台机器人失效概率及部件之间的关联性，数据处理单元分析校验设备处理单元采集的关键部件数据并以报表或曲线行驶呈现轮式机器人的状况。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种轮式机器人校验系统，包括用于获取校验数据的校验设备、用于信息传输的网络通信设备、服务器终端、用于数据分析服务的数据处理单元、用于存储数据的数据存储单元、监控中心单元及若干个轮式机器人，其特征在于：

所述校验设备包括校验设备处理单元，所述校验设备处理单元与所述轮式机器人建立连接并获取关键部件数据，所述校验设备处理单元通过所述网络通信设备与所述服务器终端交互，所述数据处理单元对所述关键部件数据进行数据挖掘，评估机器人车队的整体运行风险系数、单台机器人失效概率及部件之间的关联性，所述监控中心单元与所述数据处理单元交互并具有可视化界面，所述数据处理单元分析所述校验设备处理单元采集的关键部件数据并以报表或曲线行驶呈现轮式机器人的状况。

2.如权利要求1所述的轮式机器人校验系统，其特征在于：所述轮式机器人包括超声波传感器、电机、激光雷达、视觉系统、电池，所述校验设备处理单元采集超声波传感器数据、电机运动数据、激光雷达数据、视觉深度数据、电池电压电流数据并建立数据模型。

3.如权利要求1所述的轮式机器人校验系统，其特征在于：所述数据存储单元分别与所述校验设备、服务器终端、数据处理单元及监控中心单元交互，所述数据存储单元存储关键部件数据和所述数据处理单元的处理信息，所述数据存储单元在所述数据存储单元中建立原始数据样本。

4.如权利要求1所述的轮式机器人校验系统，其特征在于：所述校验设备内部设置有电源，所述电源集成有功率可调装置，所述功率可调装置能够根据不同的机器人内部供电等级输出不同的直流电压。

5.如权利要求1所述的轮式机器人校验系统，其特征在于：所述轮式机器人包括若干个与关键部件连接的传感器、传感器控制单元、主控单元及通信单元，所述传感器控制单元与所述传感器建立通信，所述主控单元分别与所述通信单元和所述传感器控制单元交互。

6.如权利要求5所述的轮式机器人校验系统，其特征在于：所述数据存储单元包括机器人原始数据模块、数据模型分析数据模块、标准机器人模型数据模块、历史报表记录模块及校验参数模块。

7.一种轮式机器人校验方法，应用于轮式机器人校验系统，包括用于获取校验数据的校验设备、用于信息传输的网络通信设备、服务器终端、用于数据分析服务的数据处理单元、用于存储数据的数据存储单元、监控中心单元及若干个轮式机器人，所述校验设备包括校验设备处理单元；其特征在于，包括以下步骤：

数据获取：校验设备处理单元与轮式机器人建立连接并获取关键部件数据；

数据分析：关键部件数据通过通过网络通信设备上传至服务器终端，数据处理单元对关键部件数据进行数据挖掘和整理并建立数据模型；

输出步骤：数据处理单元评估机器人车队的整体运行风险系数、单台机器人失效概率及部件之间的关联性，数据处理单元分析校验设备处理单元采集的关键部件数据并以报表或曲线行驶呈现轮式机器人的状况。

8.如权利要求7所述的轮式机器人校验方法，其特征在于：在所述数据获取步骤中，关键部件数据保存到数据存储单元中形成原始数据样本。

9.如权利要求7所述的轮式机器人校验方法，其特征在于：在所述数据分析步骤中，采用聚类分析、回归分析、时间序列分析中的一种或多种进行分析和数据整合。

10.如权利要求7所述的轮式机器人校验方法，其特征在于：在所述数据分析步骤中，还包括数据预处理：设定相应的奇异值偏差阈值，对采集到的异常数据进行剔除处理，根据预设的奇异值偏差阈值剔除奇异数据。

Images