CN112692873A - 一种机器人异常检测装置与检测方法 - Google Patents

Abstract

本发明公开了一种机器人异常检测装置与检测方法，包括探测模块、数据处理模块光学神经网络模块和异常判定模块，探测模块用以探测机器人的多个当前状态信息，并将检测到的当前状态信息传输至数据处理模块；数据处理模块用以对多个当前状态信息进行预处理，生成具有预定数量的调制信号，并输出给光学神经网络模块；光学神经网络模块根据调制信号对光信号进行调制，并对光信号进行光学运算后，将运算结果转换为反馈电信号输出到异常判定模块；异常判定模块根据反馈电信号和预定的判定标准，判定机器人是否处于异常状态。

Description

一种机器人异常检测装置与检测方法

技术领域

本发明涉及机器人故障检测领域，特别是涉及一种机器人异常检测装 置与检测方法。

背景技术

目前，通过软件算法实现神经网络已经较为成熟，但这极其依赖于运算 单元自身的配置条件，功率消耗大，运算时间长。光学神经网络凭借其可达 光速的数据运算能力引起了人们的关注。在目前的机器人异常检测领域，异 常状态的判别是通过对探测器所获取数据的进行基于各类数据分析方法的处 理与分析实现的。

专利CN101200066B公开了，“用于监控工业机器人的状态的方法和控 制系统”，该发明利用电学处理单元对机器人某些特征(关节的摩擦值、游 隙值、机械噪声、振动值)的测量结果进行处理、分类，从而判别机器人异 常与否，并提出了相关的装置方案。这种方法需要消耗的电功率多，且数据 处理时间长、运算速度慢，同时需要提高电学处理单元的散热能力。

专利CN109639359A公开了，“基于微环谐振器阵列的光子神经网络卷 积层芯片”，该发明提出了一种以微环谐振器阵列作为基础运算单元的卷积 运算器及其光学链路结构。通过4个不同波长的单频激光器提供光载波，再 将要输入神经网络的电信号通过调制器加载于光载波上，然后通过波分复用 器将4个被电信号调制后的不同波长光波耦合成一束复合光，作为级联微环 谐振器阵列的输入，通过调节微环的半径和耦合长度来调整输出光束，实现 卷积运算。该发明需要多台单频激光器，成本较高，光路结构复杂，在输入 样本维数很多情况下，用多台单频率激光器去搭建也是不现实的；通过微环 半径和耦合长度来调节微环滤过波长是无法实现神经网络训练时网络参数的 及时调整的。

发明内容

为了上述现有技术说存在的问题，本发明提出了一种机器人异常检测装 置与检测方法，通过将微环谐振腔作为光学神经网络的基本单元，以及紧凑 的结构设计、更完整的光子神经网络及其配套电学设备，使得判别是否异常 的计算部分交由光来进行，判别是否异常的判别部分交给异常判定模块来进 行，从而提高检测频率下限。

本发明提供一种机器人异常检测装置，包括探测模块、数据处理模块、 光学神经网络模块和异常判定模块，所述探测模块用以探测机器人的多个当 前状态信息，并将检测到的所述当前状态信息传输至所述数据处理模块；所 述数据处理模块用以对所述多个当前状态信息进行预处理，生成预定数量的 的调制信号，并输出给所述光学神经网络模块，其中该预定数量不大于所述 光学神经网络模块的处理能力阈值；所述光学神经网络模块用以对所述调制 信号转换为光信号，并对所述光信号进行光学运算后，将运算结果转换为反 馈电信号输出到所述异常判定模块；所述异常判定模块根据所述反馈电信号 和预定的判定标准，判定所述机器人是否处于异常状态；

其中，所述光学神经网络模块包括宽光谱光源、分光器、调制器、波分 复用器、分束器、微环谐振器阵列、光电探测器阵列，所述分光器将所述宽 光谱光源的光分成所述预定数量数量的具有不同波段的初始光，所述调制器 根据所述调制信号，对该多个初始光的振幅进行调制，使输出的信号光带有 特征信息，并由所述波分复用器对调制后的各个信号光进行复用生成一束复 合信号光，所述复合信号光经过所述分束器之后，分成所述预定数量的具有 不同预定波段的输入光，输入至所述微环谐振器阵列，所述微环谐振器阵列 根据该预定数量的不同预定波段的输入光的波长和/或振幅，经过一卷积运算 处理后得到一包含运算结果的复合输出光，所述光电探测器阵列探测该复合 输出光，并将所述运算结果转换成所述反馈电信号之后输出给所述异常判定 模块。

优选的，所述调制信号为带有各个特征信息的电信号，通过将所述电信 号附加于所述调制器上，从而使得输出的信号光带有电信号的信息。

优选的，所述微环谐振器阵列由16个微环谐振器组成，所述每个微环谐 振器具有至少一个集成加热器，用于对微环谐振器阵列施加外部电压来改变 微环内的介质折射率进而调整谐振波长。

优选的，所述探测模块将检测到的所述多个当前状态信息传输至所述数 据处理模块之前，还负责将所述多个当前信息数字化。

优选的，所述探测模块包括负责探测所述机器人的多个当前状态信息， 所述多个当前状态信息包括机器人的空间位置、速度、加速度及与人的间距 信息。

优选的，所述数据处理模块还控制所述宽光谱光源的开启与关闭。

优选的，所述数据处理模块还负责调节光学神经网络模块中的相关参数， 包括输入信号参数、光波调制参数和折射率调节参数。

一种机器人异常检测装置的检测方法，所述方法包括步骤：

S1、首选由所述探测模块探测所述机器人的多个当前状态信息并发送给 所述数据处理模块；

S2、由所述数据处理模块对所述多个当前状态信息进行预处理，生成预 定数量的调制信号，并输出给所述光学神经网络模块，其中该预定数量不大 于所述光学神经网络模块的处理能力阈值；

S3、由所述光学神经网络模块进行一卷积运算处理后得到一包含运算结 果的复合输出光，并将所述运算结果转换成电信号之后输出给所述异常判定 模块；

S4、由该异常判定模块根据该电信号中包含的运算结果信息和预定的判 定标准，判定所述机器人是否处于异常状态。

其中所述步骤S2包括：

当所述状态信息信号数量多于所述预定数量时，通过主成分分析法对所 述状态信息数据进行降维处理。

其中所述步骤S3包括：

由分光器将一个宽光谱光源的光分成预定数量的具有不同波段的初始 光；

对该多个初始光的振幅进行调制，使输出的信号光带有特征信息，并由 波分复用器对调制后的各个信号光进行复用生成一束复合信号光；

由分束器对所述复合信号光进行分束，分成所述预定数量的具有不同预 定波段的输入光，输入至微环谐振器阵列；

根据该预定数量的不同预定波段的输入光的波长或振幅，经过一卷积运 算处理后得到一包含运算结果的复合输出光；

由光电探测器阵列探测该复合输出光，并将所述运算结果转换成所述反 馈电信号之后输出给所述异常判定模块。

与现有技术相比，本发明的益处有：

1、利用光运算代替电运算，减少损耗，提高检测频率和效率。

2、采用宽谱光源和分光器代替多激光器，节省成本，压缩装置空间。

3、利用微环谐振器阵列作为光学神经网络运算单元，同时光学神经网络 无需更改就能适用于多参数输入的情况。

附图说明

图1为检测装置示意图；

图2为光学神经网络模块交互示意图；

图3为光谱强度图；

图4为微环谐振器阵列通光原理图；

其中，10：探测模块，20：数据处理模块，30：光学神经网络模块，40： 异常判定模块，31：光谱光源，32：分光器，33：调制器，34：波分复用器， 35：分束器，36：微环谐振器阵列，37：光电探测器阵列。

具体实施方式

以下将结合附图所示的具体实施方式对本发明进行详细描述，但这些实 施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的 结构、方法、或功能上的变换均包含在本发明的保护范围内。

如图1所示本实施例提供一种机器人异常检测装置，包括探测模块10、 数据处理模块20、光学神经网络模块30和异常判定模块40，探测模块10 用以探测机器人的多个当前状态信息，并将检测到的所述当前状态信息传输 至数据处理模块20；数据处理模块20用以对所述多个当前状态信息进行预 处理，生成对应所述多个当前状态信息数量的调制信号，并输出给所述光学 神经网络模块30；光学神经网络模块30用以对所述调制信号转换为光信号， 并对所述光信号进行光学运算后，将运算结果转换为反馈电信号输出到异常 判定模块40；异常判定模块40根据反馈电信号和预定的判定标准，判定所 述机器人是否处于异常状态；

机器人是整个装置与外部环境的交互端口，是探测模块10所要探测的主 体。

探测模块10负责探测机器人的状态信息，状态信息包括机器人的空间位 置、速度、加速度及与人的间距等信息，同时负责将这些状态信息数字化。

数据处理模块20负责对探测模块10所检测到的状态信息进行数据预处 理，如标准化等，视情况进行降维操作使得输出到光学神经网络的信号数量 不能超过其处理能力阈值。光学神经网络的处理能力阈值取决于微环谐振器 阵列的列数，这里的列数是指对应微环谐振器阵列在接收分束器发出的光的 方向的排列数量。如果状态数据超过光学神经网络模块30的处理阈值，则应 当对这些数据采取降维等处理方式。该模块还负责调节光学神经网络模块30 中的相关参数，包括输入信号参数，光波调制参数和折射率调节参数等。

光学神经网络模块30包括宽光谱光源31、分光器32、调制器33、波分 复用器34、分束器35、微环谐振器阵列36、光电探测器阵列37，分光器32 将宽光谱光源31的光分成对应调制信号数量的具有不同波段的初始光，调制 器33根据所述调制信号，对该多个初始光的振幅进行调制，使输出的信号光 带有特征信息，并由波分复用器34对调制后的各个信号光进行复用生成一束 复合信号光，复合信号光经过分束器35之后，分成具有多个预定波段的输入 光，输入至微环谐振器阵列36，微环谐振器阵列36根据该多个预定波段的 输入光的波长和/或振幅，经过一卷积运算处理后得到一包含运算结果的复合 输出光，所述光电探测器阵列47探测该复合输出光，并将所述运算结果转换 成电信号之后输出给异常判定模块40，异常判定模块40根据反馈电信号和 预定的判定标准，判定所述机器人是否处于异常状态。

数据处理模块20通过箭头1来控制宽光谱光源31的开启与关闭，通过 箭头2来加载带有当前状态信息的电信号于调制器33上，从而使得输出的信 号光载有电信号的信息。数据处理模块也可能加载经过预处理的状态信息于 调制信号，例如，对状态信息通过主成分分析法进行降维处理，降维成4个 主成分，然后通过4个调制器，分别加载在宽光谱光源发出的4路光载波上。 在训练网络参数(微环谐振器阵列36上集成加热器的外加电压)的时候，光 电探测器阵列37得到的数据经箭头3传输到数据处理模块20，并与标准数 据做误差运算，再通过误差反向传播，经由虚线箭头4将网络参数进行修改， 以备下一次训练，直至网络输出和标准结果误差在可接受范围内，便是完成 了网络的训练。

光学神经网络模块30的工作流程如下：接收到数据处理模块20的开启 指令(箭头1)后，宽光谱光源31发出恒定功率宽光谱光波，经分光器32 进行分光，产生4路不同光波长(固定的，硬件设置好后不再改变)的窄带 光波(λ_i),i＝1,..,4。调制器33将数据处理模块20加载在其上的电信号(调 制信号，箭头2)用于调制由分光器31输入的4路窄带光信号，使其强度受 到电信号的调制，得到调制后的4路窄带光信号(λ_i,A_i),i＝1,..,4。波分复 用器34将4路窄带光信号耦合成一束复合光信号，其光谱强度图大致如图3 中所示。分束器35将一束复合光信号等功率分成4路复合光信号，作为微环 谐振器阵列36的输入光。微环谐振器阵列36的微环半径分布是根据 (λ_i),i＝1,..,4分别作为谐振波长来设定的，为了保证4路输入光的各个特征 波长(λ_i),i＝1,..,4都能得到相应半径的微环谐振器阵列36的调制，可以采 用行和列互不重复的排布方式。具体如图2的4x4的微环谐振器阵列所示， 每一行的4个微环谐振器阵列的谐振波长要各不相同，每一列4个微环谐振 器阵列的谐振波长也要各不相同，这样能保证更高效率地采集输入的复合光 信号的信息。

其中，在本实施例中微环谐振器阵列为4*4阵列结构，其行和列可根据 实际需要进行设置。

如图4所示，微环谐振器阵列36的工作方式：由于直波导的光会耦合到 微环中，微环中的光也会耦合到直波导中，当那些绕微环传输的光产生的光 程差为波长整数倍时，会产生谐振而得到增强，即当满足2πR·n_c＝mλ时， 会有谐振波长λ的光通过I_pass方向出射，其余的光会从I_out方向出射。又因 为这个谐振波长λ处的透过函数不是理想的冲激函数形式，而是以谐振波长λ 处透过率最高，两边快速较小的函数形式，所以通过微小调整其透过函数中 心处——谐振波长λ(可以通过调整微环半径R或有效折射率n_c)，即可实 现I_pass方向出射光振幅A的调整。基于此，可以将光学神经网络模块30输 入样本的特征参数的标志和数值分别以波长λ和光振幅A来表示。

本发明通过先固定微环谐振器阵列36的微环半径排布，从而按照固有的 通道分配初始设定的谐振波长λ，再在微环谐振器阵列36上设有多个集成加 热器(具体数量与阵列结构相对应，如本实施例中4*4的微环谐振器阵列可 以对应16个集成加热器，每个微环谐振器至少对应一个集成加热器)，再通 过控制集成加热器外加电压来改变微环中的介质折射率，从而改变微环中模 有效折射率n_c，最后改变其原谐振波长λ处的透过率，让I_pass方向出射的原 谐振波长λ处光波幅值发生变化，实现光学神经网络基础运算单元的功能。

由于异常判定模块40对微环谐振器阵列36上各个集成加热器的外加电 压控制(虚线箭头4)，光电探测器阵列37接收到的光信号会发生相应的变 化。通过调节微环谐振器阵列36中的各个集成加热器的外加电压，使得光电 探测器阵列37传输给异常判定模块40的信号(箭头3)与标准结果误差在 可接受范围内，然后完成训练，得到应施加于各个集成加热器的外加电压数 值。训练完成后，只需按照训练得到的各个集成加热器的外加电压对各个集 成加热器进行供电，再按照训练时的操作方式，进行光学神经网络模块30 输入的操作，异常判定模块40根据光电探测器阵列37得到的结果和已有分 类结果进行对比，就可以判断出机器人处在哪种工作状态下，并执行相应的 操作命令，如处于危险人机交互距离的异常中，就可以命令机器人停止运行 等方式来避免事故发生。

本实例还提供一种机器人异常检测装置的检测方法，所述方法包括步骤：

S1、首选由所述探测模块10探测所述机器人的多个当前状态信息并发 送给所述数据处理模块20；

S2、由所述数据处理模块20对所述多个当前状态信息进行预处理，生 成预定数量的调制信号，并输出给所述光学神经网络模块30，其中该预定数 量不大于所述光学神经网络模块30的处理能力阈值；

S3、由所述光学神经网络模块30进行一卷积运算处理后得到一包含运 算结果的复合输出光，并将所述运算结果转换成电信号之后输出给所述异常 判定模块40；

S4、由该异常判定模块40根据该电信号中包含的运算结果信息和预定 的判定标准，判定所述机器人是否处于异常状态。

其中所述步骤S2包括：

当所述状态信息信号数量多于所述预定数量时，通过主成分分析法对所 述状态信息数据进行降维处理。

其中所述步骤S3包括：

由分光器32将一个宽光谱光源31的光分成预定数量的具有不同波段的 初始光；

对该多个初始光的振幅进行调制，使输出的信号光带有特征信息，并由 波分复用器34对调制后的各个信号光进行复用生成一束复合信号光；

由分束器35对所述复合信号光进行分束，分成所述预定数量的具有不同 预定波段的输入光，输入至微环谐振器阵列36；

根据该预定数量的不同预定波段的输入光的波长或振幅，经过一卷积运 算处理后得到一包含运算结果的复合输出光；

由光电探测器阵列37探测该复合输出光，并将所述运算结果转换成所述 反馈电信号之后输出给所述异常判定模块40。

尽管为示例目的，已经公开了本发明的优选实施方式，但是本领域的普 通技术人员将意识到，在不脱离由所附的权利要求书公开的本发明的范围和 精神的情况下，各种改进、增加以及取代是可能的。

Claims (10)

1.一种机器人异常检测装置，包括探测模块、数据处理模块、光学神经网络模块和异常判定模块，其特征在于：所述探测模块用以探测机器人的多个当前状态信息，并将检测到的所述当前状态信息传输至所述数据处理模块；所述数据处理模块用以对所述多个当前状态信息进行预处理，生成预定数量的的调制信号，并输出给所述光学神经网络模块，其中该预定数量不大于所述光学神经网络模块的处理能力阈值；所述光学神经网络模块用以对所述调制信号转换为光信号，并对所述光信号进行光学运算后，将运算结果转换为反馈电信号输出到所述异常判定模块；所述异常判定模块根据所述反馈电信号和预定的判定标准，判定所述机器人是否处于异常状态；

其中，所述光学神经网络模块包括宽光谱光源、分光器、调制器、波分复用器、分束器、微环谐振器阵列、光电探测器阵列，所述分光器将所述宽光谱光源的光分成所述预定数量的具有不同波段的初始光，所述调制器根据所述调制信号，对该多个初始光的振幅进行调制，使输出的信号光带有特征信息，并由所述波分复用器对调制后的各个信号光进行复用生成一束复合信号光，所述复合信号光经过所述分束器之后，分成所述预定数量的具有不同预定波段的输入光，输入至所述微环谐振器阵列，所述微环谐振器阵列根据该预定数量的不同预定波段的输入光的波长和/或振幅，经过一卷积运算处理后得到一包含运算结果的复合输出光，所述光电探测器阵列探测该复合输出光，并将所述运算结果转换成所述反馈电信号之后输出给所述异常判定模块。

2.如权利要求1所述的一种机器人异常检测装置，其特征在于，所述调制信号为带有各个特征信息的电信号，通过将所述电信号附加于所述调制器上，从而使得输出的信号光带有电信号的信息。

3.如权利要求1所述的一种机器人异常检测装置，其特征在于，所述微环谐振器阵列由16个微环谐振器组成，所述每个微环谐振器具有至少一个集成加热器，用于对微环谐振器阵列施加外部电压来改变微环内的介质折射率进而调整谐振波长。

4.如权利要求1所述的一种机器人异常检测装置，其特征在于，所述探测模块将检测到的所述多个当前状态信息传输至所述数据处理模块之前，还负责将所述多个当前信息数字化。

5.如权利要求1所述的一种机器人异常检测装置，其特征在于，所述探测模块包括负责探测所述机器人的多个当前状态信息，所述多个当前状态信息包括机器人的空间位置、速度、加速度及与人的间距信息。

6.如权利要求1所述的一种机器人异常检测装置，其特征在于，所述数据处理模块还控制所述宽光谱光源的开启与关闭。

7.如权利要求1所述的一种机器人异常检测装置，其特征在于，所述数据处理模块还负责调节光学神经网络模块中的相关参数，包括输入信号参数、光波调制参数和折射率调节参数。

8.一种如权利要求1-7所述的一种机器人异常检测装置的检测方法，其特征在于，所述方法包括步骤：

S1、首选由所述探测模块探测所述机器人的多个当前状态信息并发送给所述数据处理模块；

S2、由所述数据处理模块对所述多个当前状态信息进行预处理，生成预定数量的调制信号，并输出给所述光学神经网络模块，其中该预定数量不大于所述光学神经网络模块的处理能力阈值；

S3、由所述光学神经网络模块进行一卷积运算处理后得到一包含运算结果的复合输出光，并将所述运算结果转换成电信号之后输出给所述异常判定模块；

S4、由该异常判定模块根据该电信号中包含的运算结果信息和预定的判定标准，判定所述机器人是否处于异常状态。

9.如权利要求8所述的检测方法，其中所述步骤S2包括：

当所述状态信息信号数量多于所述预定数量时，通过主成分分析法对所述状态信息数据进行降维处理。

10.如权利要求8所述的检测方法，其中所述步骤S3包括：

由分光器将一个宽光谱光源的光分成预定数量的具有不同波段的初始光；

对该多个初始光的振幅进行调制，使输出的信号光带有特征信息，并由波分复用器对调制后的各个信号光进行复用生成一束复合信号光；

由分束器对所述复合信号光进行分束，分成所述预定数量的具有不同预定波段的输入光，输入至微环谐振器阵列；

根据该预定数量的不同预定波段的输入光的波长或振幅，经过一卷积运算处理后得到一包含运算结果的复合输出光；

由光电探测器阵列探测该复合输出光，并将所述运算结果转换成所述反馈电信号之后输出给所述异常判定模块。

Images