CN114281044B - 一种基于云制造的工业机器人远程监控方法及系统 - Google Patents

Abstract

本发明公开了一种基于云制造的工业机器人远程监控方法及系统，所述方法包括：通过构建工业机器人的远程监控适配模型；将第一工业机器人的应用类型输入远程监控适配模型，可获得第一监控适配信息；进而对其进行专项特征抓取，获得第一、第二监控特征；对机器人的工作过程进行图像采集，获得第一工作图像信息；对机器人的工作过程进行数据感知，获得第一工作参数信息；基于监控特征分别对图像和参数进行数据筛选，依次获得第一、第二实时监控特征，第三、第四实时监控特征；分别对两两进行特征差异比对，获得第一、第二特征差异参数，实现对机器人的动态远程监控。

Description

一种基于云制造的工业机器人远程监控方法及系统

技术领域

本发明涉及云制造领域，尤其涉及一种基于云制造的工业机器人远程监控方法及系统。

背景技术

随着制造业自动化和智能化程度的不断提升，工业机器人正逐渐的被应用到工业生产中，且在工业生产中起着相当重要的作用，在加工制造领域，工业机器人的应用也越来越成熟，人类通过将控制指令的计算机算法输入机器人控制系统，可以高效智能化对其进行精准控制，以达到高效化的生产目标。

然而，现有技术中由于在机器人的实际工作过程中，无法将其与实际的作用对象精准匹配，造成对作用对象的破坏，同时使得工作效率低下，无法做到对工业机器人的精准远程监控的技术问题。

发明内容

本发明的目的是提供一种基于云制造的工业机器人远程监控方法及系统，用以解决现有技术中在机器人的实际工作过程中，无法将其与实际的作用对象精准匹配，造成对作用对象的破坏，同时使得工作效率低下，无法做到对工业机器人的精准远程监控的技术问题。

鉴于上述问题，本发明提供了一种基于云制造的工业机器人远程监控方法及系统。

第一方面，本发明提供了一种基于云制造的工业机器人远程监控方法，所述方法通过一种基于云制造的工业机器人远程监控系统实现，其中，所述方法包括：构建工业机器人的远程监控适配模型；将第一工业机器人的应用类型输入所述远程监控适配模型，获得所述第一工业机器人的第一监控适配信息；对所述第一监控适配信息进行专项特征抓取，获得第一监控特征和第二监控特征；基于摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息；基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，获得第一工作参数信息；根据所述第一监控特征和所述第二监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征；根据所述第一监控特征和所述第二监控特征，对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征；分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对，获得第一特征差异参数和第二特征差异参数；基于所述第一特征差异参数和所述第二特征差异参数，对所述第一工业机器人进行动态远程监控。

另一方面，本发明还提供了一种基于云制造的工业机器人远程监控系统，用于执行如第一方面所述的一种基于云制造的工业机器人远程监控方法，其中，所述系统包括：第一构建单元，所述第一构建单元用于构建工业机器人的远程监控适配模型；第一输入单元，所述第一输入单元用于将第一工业机器人的应用类型输入所述远程监控适配模型，获得所述第一工业机器人的第一监控适配信息；第一抓取单元，所述第一抓取单元用于对所述第一监控适配信息进行专项特征抓取，获得第一监控特征和第二监控特征；第一采集单元，所述第一采集单元用于基于摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息；第一感知单元，所述第一感知单元用于基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，获得第一工作参数信息；第一筛选单元，所述第一筛选单元用于根据所述第一监控特征和所述第二监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征；第二筛选单元，所述第二筛选单元用于根据所述第一监控特征和所述第二监控特征，对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征；第一比对单元，所述第一比对单元用于分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对，获得第一特征差异参数和第二特征差异参数；第一监控单元，所述第一监控单元用于基于所述第一特征差异参数和所述第二特征差异参数，对所述第一工业机器人进行动态远程监控。

第三方面，本发明还提供了一种基于云制造的工业机器人远程监控系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。

第四方面，一种电子设备，其中，包括处理器和存储器；

该存储器，用于存储；

该处理器，用于通过调用，执行上述第一方面中任一项所述的方法。

第五方面，一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述第一方面中任一项所述方法的步骤。

本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、通过基于工业机器人的具体应用场景，对其匹配适配的特征监控数据，实现了针对性、目标性的特征监控，进而根据关键特征监控数据，对机器人工作过程中的缺陷参数进行及时校正，避免了对搬运货物造成损坏，同时提高机器人的工作效率，实现对机器人的远程高效监控。

2、通过将各类工业机器人的应用场景与其适配监控特征进行遍历采集，进而基于关联度大小，对采集数据进行精确化的再分类，使得各类应用机器人匹配到更为精准的监控特征，实现高效化监控。

3、通过对搬运机器人的移动路径进行遍历采集，可合理预设在实现安全搬运下的理想搬运参数，即机器人的适当抓握力度以及机械臂的移动速度等，进而对修正后的搬运参数进行优化，使得优化后的参数可以精准助力机器人的工作。

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它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明一种基于云制造的工业机器人远程监控方法的流程示意图；

图2为本发明一种基于云制造的工业机器人远程监控方法中构建工业机器人的远程监控适配模型的流程示意图；

图3为本发明一种基于云制造的工业机器人远程监控方法中对所述监控适配均匀化分布和所述P个关联点进行关联度匹配的流程示意图；

图4为本发明一种基于云制造的工业机器人远程监控方法中进行特征差异比对的流程示意图；

图5为本发明一种基于云制造的工业机器人远程监控系统的结构示意图；

图6为本发明示例性电子设备的结构示意图。

附图标记说明：

第一构建单元11，第一输入单元12，第一抓取单元13，第一采集单元14，第一感知单元15，第一筛选单元16，第二筛选单元17，第一比对单元18，第一监控单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本发明通过提供一种基于云制造的工业机器人远程监控方法及系统，解决现有技术中在机器人的实际工作过程中，无法将其与实际的作用对象精准匹配，造成对作用对象的破坏，同时使得工作效率低下，无法做到对工业机器人的精准远程监控的技术问题。通过基于工业机器人的具体应用场景，对其匹配适配的特征监控数据，实现了针对性、目标性的特征监控，进而根据关键特征监控数据，对机器人工作过程中的缺陷参数进行及时校正，达到了避免对搬运货物造成损坏，同时提高机器人的工作效率，实现对机器人的远程高效监控。

本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

本发明提供了一种基于云制造的工业机器人远程监控方法，所述方法应用于一种基于云制造的工业机器人远程监控系统，其中，所述方法包括：构建工业机器人的远程监控适配模型；将第一工业机器人的应用类型输入所述远程监控适配模型，获得所述第一工业机器人的第一监控适配信息；对所述第一监控适配信息进行专项特征抓取，获得第一监控特征和第二监控特征；基于摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息；基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，获得第一工作参数信息；根据所述第一监控特征和所述第二监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征；根据所述第一监控特征和所述第二监控特征，对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征；分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对，获得第一特征差异参数和第二特征差异参数；基于所述第一特征差异参数和所述第二特征差异参数，对所述第一工业机器人进行动态远程监控。

在介绍了本发明基本原理后，下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。

实施例一

请参阅附图1，本发明提供了一种基于云制造的工业机器人远程监控方法，其中，所述方法应用于一种基于云制造的工业机器人远程监控系统，所述方法具体包括如下步骤：

步骤S100：构建工业机器人的远程监控适配模型；

步骤S200：将第一工业机器人的应用类型输入所述远程监控适配模型，获得所述第一工业机器人的第一监控适配信息；

步骤S300：对所述第一监控适配信息进行专项特征抓取，获得第一监控特征和第二监控特征；

具体而言，随着制造业自动化和智能化程度的不断提升，工业机器人正逐渐的被应用到工业生产中，且在工业生产中起着相当重要的作用，在加工制造领域，工业机器人的应用也越来越成熟，人类通过将控制指令的计算机算法输入机器人控制系统，可以高效智能化对其进行精准控制，以达到高效化的生产目标，但由于在机器人的实际工作过程中，无法将其与实际的作用对象精准匹配，造成对作用对象的破坏，又或使得工作效率低下，为了应对此类问题的发生，本申请提出了一种基于云制造的工业机器人远程监控方法，即通过对工业机器人进行实时的远程监控，对工作参数进行实时采集，同时对不规范参数进行修正，以达到对工业机器人进行精准控制，提高工作效率。

更具体的，所述远程监控适配模型可用于对输入的某类型机器人进行监控适配，以筛选出对应的监控特征，举例如，若所述应用类型为码垛方面的搬运机器人，则通过将搬运机器人这种机器人类型输入所述远程监控适配模型，可匹配获得所述第一工业机器人即搬运机器人的监控特征，即所述第一监控适配信息，包括但不限于对作用对象即货物的抓取力度和搬运抖动等特征。

进而，对所述第一监控适配信息进行专项特征抓取，即对关键搬运特征进行抓取，因上述文段说明到，所述第一监控适配信息，包括但不限于对作用对象即货物的抓取力度和搬运抖动等特征，还包括其他搬运特征，如等待反应时间等特征，因反应时间特征与抓取力度、搬运抖动等特征相比，不是较为关键，因此，需对影响机器人货物搬运的关键特诊进行专项抓取，其中，所述第一监控特征即为搬运机器人对货物抓取力度的监控特征，所述第二监控特征即为搬运机器人在搬运队过程中的机械臂抖动情况的监控特征，可基于上述这两种关键监控特征进行远程监控。

步骤S400：基于摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息；

步骤S500：基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，获得第一工作参数信息；

具体而言，在获得对搬运机器人的关键监控特征之后，可基于实际的工作过程对这两种特征参数进行监控，即可根据摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息，所述第一工作图像信息包含了搬运机器人从抓取货物-搬运路径-到达目的地的全过程，同时还可基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，即通过各类传感器对全过程进行数据感知，具体的包括对抓取力度进行数据感知，对抖动情况等进行数据感知，进而获得第一工作参数信息，所述第一工作参数信息包括抓取力度感知数据、抖动情况感知数据等，除此之外，云制造，是在“制造即服务”理念的基础上，借鉴了云计算思想发展起来的一个新概念，它是先进的信息技术、制造技术以及新兴物联网技术等交叉融合的产品，是制造即服务理念的体现。采取包括云计算在内的当代信息技术前沿理念，支持制造业在广泛的网络资源环境下，为产品提供高附加值、低成本和全球化制造的服务。

步骤S600：根据所述第一监控特征和所述第二监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征；

步骤S700：根据所述第一监控特征和所述第二监控特征，对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征；

具体而言，可基于关键监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征，所述第一实时监控特征可表征为搬运机器人实际工作过程中，基于图像显示是否抓稳的实时监控特征，所述第二实时监控特征表征为基于图像显示，搬运过程中是否发生抖动的实时监控特征。同时，还可对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征，所述第三实时监控特征可表征为搬运机器人实际工作过程中，基于传感器参数显示是否抓稳的实时监控特征，所述第四实时监控特征表征为基于传感器参数显示，搬运过程中是否发生抖动的实时监控特征。

步骤S800：分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对，获得第一特征差异参数和第二特征差异参数；

步骤S900：基于所述第一特征差异参数和所述第二特征差异参数，对所述第一工业机器人进行动态远程监控。

具体而言，在已知获得所述第一实时监控特征、所述第二实时监控特征、所述第三实时监控特征以及所述第四实时监控特征之后，可对两种关键监控特征进行分类讨论，即基于抓取力度的关键特征，对所述第一实时监控特征和所述第三实时监控特征进行图像和参数的差异比对，基于机械臂抖动的关键特征，对所述第二实时监控特征和所述第四实时监控特征进行图像和参数的差异比对，所述第一特征差异参数可表征为图像-参数对比下，对于抓取力度的差异特征，所述第二特征差异参数可表征为图像-参数对比下，对于机械臂抖动的差异特征。举例如，当图像显示搬运机器人成功将货物抓起时，参数显示抓力没有达到预定数值，货物会有掉落的风险，因此可结合差异特征对工业机器人进行远程动态监控，以实现工业机器人的高效化工作。

进一步的，如图2所示，所述构建工业机器人的远程监控适配模型，步骤S100包括：

步骤S110：获得工业机器人的应用集合；

步骤S120：获得所述应用集合中，各应用的监控适配信息集合；

步骤S130：对所述监控适配信息集合中的各数据进行均匀化遍历，获得监控适配均匀化分布；

步骤S140：将所述应用集合中的各应用定义为P个关联点；

步骤S150：对所述监控适配均匀化分布和所述P个关联点进行关联度匹配，生成纵向匹配关系；

步骤S160：基于所述纵向匹配关系和所述监控适配信息集合，构建所述远程监控适配模型。

具体而言，在构建所述远程监控适配模型时，具体的，可获得工业机器人的应用集合，此处所述工业机器人包括工业生产线上的各种机器人，包括焊接机器人、装配机器人以及检测机器人等，所述应用集合包含各种机器人的应用场景集合，即焊接机器人用于承担焊接工作，在焊接难度、焊接数量、焊接质量等方面就有着人工焊接无法比拟的优势。进而，获得各应用的监控适配信息集合，换言之，即每种工业机器人的应用场景都适配有不同的监控特征，举例如，如果是焊接机器人，着重从焊接方面进行特征监控，比如对焊点的精准聚焦等，通过将所述监控适配信息集合中的各数据进行均匀化遍历，可确保获得的所述监控适配均匀化分布呈现数据的均匀分布，确保后续的数据处理。

其中，所述监控适配均匀化分布中，均匀的分布着各类机器人应用的监控特征，通过将所述应用集合中的各应用定义为P个关联点，即将各应用视为独立的关联点，进而对所述监控适配均匀化分布和所述P个关联点进行关联度匹配，即计算各均匀分布的监控特征与各独立关联点之间的关联强度大小，若某个监控特征和某个独立关联点之间强度较大，则说明该监控特征为该独立关联点即机器人应用的相关监控特征，可基于该监控特征对该机器人应用进行工作监控，即生成所述纵向匹配关系，为监控特征-机器人应用之间的纵向匹配，进而基于所述纵向匹配关系和所述监控适配信息集合，构建所述远程监控适配模型，实现对相应机器人应用的精准适配，确保以精准的监控特征对机器人进行远程监控。

进一步的，如图3所示，所述对所述监控适配均匀化分布和所述P个关联点进行关联度匹配，步骤S150包括：

步骤S151：构建空间二维直角坐标系；

步骤S152：依次将所述监控适配均匀化分布和所述P个关联点渲染至所述空间二维直角坐标系；

步骤S153：分别计算所述监控适配均匀化分布中的各数据点距离所述P个关联点中的第一关联点的空间距离，获得第一空间距离分布；

步骤S154：对所述第一空间距离分布进行预定距离值的数据截取，获得第一关联点距离分布，并标记为第一关联度匹配，以此类推，获得所述P个关联点中的第二关联度匹配，直至第P关联度匹配。

具体而言，在对所述监控适配均匀化分布和所述P个关联点进行关联度匹配时，更具体的，可基于空间坐标进行两两之间的距离运算，其中，所述空间二维直角坐标系即为一个二维的空间坐标系，可依次将所述监控适配均匀化分布和所述P个关联点渲染至所述空间二维直角坐标系，便于利用空间距离运算进行关联度大小的计算，通过分别计算所述监控适配均匀化分布中的各数据点距离所述P个关联点中的第一关联点的空间距离，可获得各均匀分布监控特征数据点距离第一关联点即机器人应用的空间距离分布，构成所述第一空间距离分布，此处所述第一关联点指所述P个关联点的任一节点。

进而，对所述第一空间距离分布进行预定距离值的数据截取，其中，所述预定距离值为预设的各均匀分布监控特征数据点距离第一关联点的相关联的空间距离，在此可假设为数值5，即在周径为数值5以内的所有分布监控特征，均可视为是第一关联点的相关联监控特征，即所述第一关联度匹配，进而以此类推，可获得所述P个关联点中的第二关联度匹配，直至第P关联度匹配，实现了基于空间坐标进行两两之间的距离运算，对监控适配均匀化分布和P个关联点进行关联度匹配的精细化计算。

进一步的，所述对所述第一监控适配信息进行专项特征抓取，步骤S300包括：

步骤S310：获得所述第一工业机器人的第一应用对象信息，其中，所述第一应用对象信息包括对象属性和对象形状；

步骤S320：对所述对象属性进行遍历，获得第一关键要素，对所述对象形状进行遍历，获得第二关键要素；

步骤S330：根据所述第一关键因素和所述第二关键因素，对所述第一监控适配信息进行专项特征抓取。

具体而言，在对所述第一监控适配信息进行专项特征抓取，是从相关联特征中进行的关键特征抓取，为了实现专项特征抓取，可获得所述第一工业机器人的第一应用对象信息，所述第一应用对象信息包括对象属性以及对象形状，其中，在此以搬运机器人搬运的货物为易碎品为例进行论述，则所述对象属性为搬运货物属于易碎品，所述对象形状视具体的细碎品而定，包括玻璃陶瓷制品以及电子产品等。

通过对所述对象属性进行遍历，可获得第一关键因素，即搬运时需要进行抓稳，防止易碎品掉落，同时，对所述对象形状进行遍历，可获得第二关键要素，即搬运时需要根据易碎品的形状进行抓位调整，防止搬运过程中，因机械臂抖动，对易碎品造成损坏等，在获取所述第一关键因素和所述第二关键因素后，可对所述第一监控适配信息进行专项特征抓取，以获得所述第一监控特征，对应于机器人的抓取力度，获得所述第二监控特征，对应于机器人的搬运防抖动。

进一步的，如图4所示，所述进行特征差异比对，步骤S800包括：

步骤S810：基于所述第一实时监控特征，获得对第一应用对象的图像影响因子；

步骤S820：基于所述第三实时监控特征，获得对所述第一应用对象的参数影响因子；

步骤S830：判断所述图像影响因子和所述参数影响因子是否呈现直接正相关；

步骤S840：若所述图像影响因子和所述参数影响因子不呈现所述直接正相关，获得第一缺陷影响因子；

步骤S850：根据所述图像影响因子或所述参数影响因子，对所述第一缺陷影响因子进行修正。

步骤S860：将所述第一缺陷影响因子，标记为所述第一特征差异参数；

步骤S870：基于第一比对逻辑，对所述第二实时监控特征和所述第四实时监控特征，进行所述直接正相关的比对，获得第二缺陷影响因子，并标记为所述第二特征差异参数。

具体而言，在分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对时，可分开进行论述，即先对所述第一实时监控特征和所述第三实时监控特征进行差异比对，其中，所述第一应用对象即为工业机器人搬运的货物，所述图像影响因子即为图像显示中，机器人对货物的握抓是否抓稳抓牢，所述参数影响因子即为机器人上的传感器感知数据中，机器人对货物的握抓是否抓稳抓牢，即从图像和参数两方面进行影响判定，一般的，当图像显示搬运机器人对货物抓稳抓牢时，其相应的传感器参数显示握抓力应较大，使得两者呈现直接正相关，因此，可判断所述图像影响因子和所述参数影响因子是否呈现直接正相关，如果不呈现直接正相关，可获得第一缺陷影响因子，所述第一缺陷影响因子可表征为图像显示缺陷或参数感知缺陷，因此，可根据所述图像影响因子或所述参数影响因子，对所述第一缺陷影响因子进行修正，使得缺陷问题得以补充修正，对后面的搬运机器人进行精准的监控，进而提高机器人工作效率。

进而，再对所述第二实时监控特征和所述第四实时监控特征的特征差异比对进行论述，可根据所述第一比对逻辑，即按照上述论述的对所述第一实时监控特征和所述第三实时监控特征进行差异比对的同样逻辑进行差异比对，以此获得所述第二缺陷影响因子，举例如，在搬运机器人搬运货物过程中，图像显示抖动较为强烈，传感器感知到的数据却显示较为正常，因此，所述第二缺陷影响因子可表征为搬运过程中的图像显示缺陷或参数感知缺陷，进而对搬运过程中的图像显示缺陷或参数感知缺陷进行补充修正。综上，可将所述第一缺陷影响因子，标记为所述第一特征差异参数，将所述第二缺陷影响因子，标记为所述第二特征差异参数。

进一步的，本申请还包括：

步骤S881：获得所述第一工业机器人对所述第一应用对象的目标移动路径；

步骤S882：获得对所述第一缺陷影响因子修正后的第一修正影响因子，获得对所述第二缺陷影响因子修正后的第二修正影响因子；

步骤S883：对所述目标移动路径进行遍历，预设第一作用参数和第二作用参数；

步骤S884：判断所述第一修正影响因子是否满足所述第一作用参数，以及所述第二修正影响因子是否满足所述第二作用参数；

步骤S885：若所述第一修正影响因子满足所述第一作用参数，或所述第二修正影响因子满足所述第二作用参数；

步骤S886：对所述第一修正影响因子或所述第二修正影响因子进行参数优化。

具体而言，还可基于搬运机器人搬运路径与搬运轨迹进行参数修正，更具体的，可获得所述第一工业机器人对所述第一应用对象的目标移动路径，所述目标移动路径表征了在搬运机器人的助力下，货物从搬运起点货物安放点的全过程移动路径，同时，在对所述第一缺陷影响因子和所述第二缺陷影响因子进行修正后，可获得修正后的所述第一修正影响因子和所述第二修正影响因子，在对缺陷因子进行修正后，使得图像显示和参数显示可以更好地相辅相成，对机器人的搬运过程进行更为精准的控制。

此外，通过对所述目标移动路径进行遍历，可预设第一作用参数和第二作用参数，其中，所述第一作用参数可表征为若希望机器人将货物安全无误的搬运到目的地，须确保需要多大的握抓力，同样的，所述第二作用参数可表征为若希望机器人将货物安全无误的搬运到目的地，须确保机械臂的移动速度等，使得机械臂减少抖动，在满足所述第一作用参数和所述第二作用参数时，理想情况下，可预设搬运货物安全无误的搬运到目的地。

通过判断所述第一修正影响因子是否满足所述第一作用参数，以及所述第二修正影响因子是否满足所述第二作用参数，即判断修正后的参数是否可以将货物安全无误的搬运到目的地，如果所述第一修正影响因子满足所述第一作用参数，或所述第二修正影响因子满足所述第二作用参数，即只有一方修正后参数满足预设作用参数，则对不满足的另一方，即所述第一修正影响因子或所述第二修正影响因子进行参数优化，使得优化后的参数可以精准助力机器人的工作，进而实现对工业机器人的远程监控。

综上所述，本发明所提供的一种基于云制造的工业机器人远程监控方法具有如下技术效果：

1、通过基于工业机器人的具体应用场景，对其匹配适配的特征监控数据，实现了针对性、目标性的特征监控，进而根据关键特征监控数据，对机器人工作过程中的缺陷参数进行及时校正，避免了对搬运货物造成损坏，同时提高机器人的工作效率，实现对机器人的远程高效监控。

2、通过将各类工业机器人的应用场景与其适配监控特征进行遍历采集，进而基于关联度大小，对采集数据进行精确化的再分类，使得各类应用机器人匹配到更为精准的监控特征，实现高效化监控。

3、通过对搬运机器人的移动路径进行遍历采集，可合理预设在实现安全搬运下的理想搬运参数，即机器人的适当抓握力度以及机械臂的移动速度等，进而对修正后的搬运参数进行优化，使得优化后的参数可以精准助力机器人的工作。

实施例二

基于与前述实施例中一种基于云制造的工业机器人远程监控方法，同样发明构思，本发明还提供了一种基于云制造的工业机器人远程监控系统，请参阅附图5，所述系统包括：

第一构建单元11，所述第一构建单元11用于构建工业机器人的远程监控适配模型；

第一输入单元12，所述第一输入单元12用于将第一工业机器人的应用类型输入所述远程监控适配模型，获得所述第一工业机器人的第一监控适配信息；

第一抓取单元13，所述第一抓取单元13用于对所述第一监控适配信息进行专项特征抓取，获得第一监控特征和第二监控特征；

第一采集单元14，所述第一采集单元14用于基于摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息；

第一感知单元15，所述第一感知单元15用于基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，获得第一工作参数信息；

第一筛选单元16，所述第一筛选单元16用于根据所述第一监控特征和所述第二监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征；

第二筛选单元17，所述第二筛选单元17用于根据所述第一监控特征和所述第二监控特征，对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征；

第一比对单元18，所述第一比对单元18用于分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对，获得第一特征差异参数和第二特征差异参数；

第一监控单元19，所述第一监控单元19用于基于所述第一特征差异参数和所述第二特征差异参数，对所述第一工业机器人进行动态远程监控。

进一步的，所述系统还包括：

第一获得单元，所述第一获得单元用于获得工业机器人的应用集合；

第二获得单元，所述第二获得单元用于获得所述应用集合中，各应用的监控适配信息集合；

第三获得单元，所述第三获得单元用于对所述监控适配信息集合中的各数据进行均匀化遍历，获得监控适配均匀化分布；

第一定义单元，所述第一定义单元用于将所述应用集合中的各应用定义为P个关联点；

第一匹配单元，所述第一匹配单元用于对所述监控适配均匀化分布和所述P个关联点进行关联度匹配，生成纵向匹配关系；

第二构建单元，所述第二构建单元用于基于所述纵向匹配关系和所述监控适配信息集合，构建所述远程监控适配模型。

进一步的，所述系统还包括：

第三构建单元，所述第三构建单元用于构建空间二维直角坐标系；

第一渲染单元，所述第一渲染单元用于依次将所述监控适配均匀化分布和所述P个关联点渲染至所述空间二维直角坐标系；

第一计算单元，所述第一计算单元用于分别计算所述监控适配均匀化分布中的各数据点距离所述P个关联点中的第一关联点的空间距离，获得第一空间距离分布；

第一截取单元，所述第一截取单元用于对所述第一空间距离分布进行预定距离值的数据截取，获得第一关联点距离分布，并标记为第一关联度匹配，以此类推，获得所述P个关联点中的第二关联度匹配，直至第P关联度匹配。

进一步的，所述系统还包括：

第四获得单元，所述第四获得单元用于获得所述第一工业机器人的第一应用对象信息，其中，所述第一应用对象信息包括对象属性和对象形状；

第五获得单元，所述第五获得单元用于对所述对象属性进行遍历，获得第一关键要素，对所述对象形状进行遍历，获得第二关键要素；

第一抓取单元，所述第一抓取单元用于根据所述第一关键因素和所述第二关键因素，对所述第一监控适配信息进行专项特征抓取。

进一步的，所述系统还包括：

第六获得单元，所述第六获得单元用于基于所述第一实时监控特征，获得对第一应用对象的图像影响因子；

第七获得单元，所述第七获得单元用于基于所述第三实时监控特征，获得对所述第一应用对象的参数影响因子；

第一判断单元，所述第一判断单元用于判断所述图像影响因子和所述参数影响因子是否呈现直接正相关；

第八获得单元，所述第八获得单元用于若所述图像影响因子和所述参数影响因子不呈现所述直接正相关，获得第一缺陷影响因子；

第一修正单元，所述第一修正单元用于根据所述图像影响因子或所述参数影响因子，对所述第一缺陷影响因子进行修正。

进一步的，所述系统还包括：

第一标记单元，所述第一标记单元用于将所述第一缺陷影响因子，标记为所述第一特征差异参数；

第二比对单元,所述第二比对单元用于基于第一比对逻辑，对所述第二实时监控特征和所述第四实时监控特征，进行所述直接正相关的比对，获得第二缺陷影响因子，并标记为所述第二特征差异参数。

进一步的，所述系统还包括：

第九获得单元，所述第九获得单元用于获得所述第一工业机器人对所述第一应用对象的目标移动路径；

第十获得单元，所述第十获得单元用于获得对所述第一缺陷影响因子修正后的第一修正影响因子，获得对所述第二缺陷影响因子修正后的第二修正影响因子；

第一预设单元，所述第一预设单元用于对所述目标移动路径进行遍历，预设第一作用参数和第二作用参数；

第二判断单元，所述第二判断单元用于判断所述第一修正影响因子是否满足所述第一作用参数，以及所述第二修正影响因子是否满足所述第二作用参数；

第一优化单元，所述第一优化单元用于若所述第一修正影响因子满足所述第一作用参数，或所述第二修正影响因子满足所述第二作用参数，对所述第一修正影响因子或所述第二修正影响因子进行参数优化。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种基于云制造的工业机器人远程监控方法和具体实例同样适用于本实施例的一种基于云制造的工业机器人远程监控系统，通过前述对一种基于云制造的工业机器人远程监控方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于云制造的工业机器人远程监控系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

示例性电子设备

下面参考图6来描述本发明的电子设备。

图6图示了根据本发明的电子设备的结构示意图。

基于与前述实施例中一种基于云制造的工业机器人远程监控方法的发明构思，本发明还提供一种基于云制造的工业机器人远程监控系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于云制造的工业机器人远程监控方法的任一方法的步骤。

其中，在图6中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明提供了一种基于云制造的工业机器人远程监控方法，所述方法应用于一种基于云制造的工业机器人远程监控系统，其中，所述方法包括：构建工业机器人的远程监控适配模型；将第一工业机器人的应用类型输入所述远程监控适配模型，获得所述第一工业机器人的第一监控适配信息；对所述第一监控适配信息进行专项特征抓取，获得第一监控特征和第二监控特征；基于摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息；基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，获得第一工作参数信息；根据所述第一监控特征和所述第二监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征；根据所述第一监控特征和所述第二监控特征，对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征；分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对，获得第一特征差异参数和第二特征差异参数；基于所述第一特征差异参数和所述第二特征差异参数，对所述第一工业机器人进行动态远程监控。解决现有技术中在机器人的实际工作过程中，无法将其与实际的作用对象精准匹配，造成对作用对象的破坏，同时使得工作效率低下，无法做到对工业机器人的精准远程监控的技术问题。通过基于工业机器人的具体应用场景，对其匹配适配的特征监控数据，实现了针对性、目标性的特征监控，进而根据关键特征监控数据，对机器人工作过程中的缺陷参数进行及时校正，达到了避免对搬运货物造成损坏，同时提高机器人的工作效率，实现对机器人的远程高效监控。

本发明还提供一种电子设备，其中，包括处理器和存储器；

该存储器，用于存储；

该处理器，用于通过调用，执行上述实施例一中任一项所述的方法。

本发明还提供一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory，简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。

本发明是参照本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于云制造的工业机器人远程监控方法，其特征在于，所述方法包括：

构建工业机器人的远程监控适配模型，其中包括：获得工业机器人的应用集合；获得所述应用集合中，各应用的监控适配信息集合；对所述监控适配信息集合中的各数据进行均匀化遍历，获得监控适配均匀化分布；将所述应用集合中的各应用定义为P个关联点；对所述监控适配均匀化分布和所述P个关联点进行关联度匹配，生成纵向匹配关系；基于所述纵向匹配关系和所述监控适配信息集合，构建所述远程监控适配模型；

将第一工业机器人的应用类型输入所述远程监控适配模型，获得所述第一工业机器人的第一监控适配信息；

对所述第一监控适配信息进行专项特征抓取，获得第一监控特征和第二监控特征；

基于摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息；

基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，获得第一工作参数信息；

根据所述第一监控特征和所述第二监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征；

根据所述第一监控特征和所述第二监控特征，对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征；

分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对，获得第一特征差异参数和第二特征差异参数；

基于所述第一特征差异参数和所述第二特征差异参数，对所述第一工业机器人进行动态远程监控。

2.如权利要求1所述的方法，其特征在于，所述对所述监控适配均匀化分布和所述P个关联点进行关联度匹配，包括：

构建空间二维直角坐标系；

依次将所述监控适配均匀化分布和所述P个关联点渲染至所述空间二维直角坐标系；

分别计算所述监控适配均匀化分布中的各数据点距离所述P个关联点中的第一关联点的空间距离，获得第一空间距离分布；

对所述第一空间距离分布进行预定距离值的数据截取，获得第一关联点距离分布，并标记为第一关联度匹配，以此类推，获得所述P个关联点中的第二关联度匹配，直至第P关联度匹配。

3.如权利要求1所述的方法，其特征在于，所述对所述第一监控适配信息进行专项特征抓取，包括：

获得所述第一工业机器人的第一应用对象信息，其中，所述第一应用对象信息包括对象属性和对象形状；

对所述对象属性进行遍历，获得第一关键要素，对所述对象形状进行遍历，获得第二关键要素；

根据所述第一关键因素和所述第二关键因素，对所述第一监控适配信息进行专项特征抓取。

4.如权利要求1所述的方法，其特征在于，所述进行特征差异比对，包括：

基于所述第一实时监控特征，获得对第一应用对象的图像影响因子；

基于所述第三实时监控特征，获得对所述第一应用对象的参数影响因子；

判断所述图像影响因子和所述参数影响因子是否呈现直接正相关；

若所述图像影响因子和所述参数影响因子不呈现所述直接正相关，获得第一缺陷影响因子；

根据所述图像影响因子或所述参数影响因子，对所述第一缺陷影响因子进行修正。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

将所述第一缺陷影响因子，标记为所述第一特征差异参数；

基于第一比对逻辑，对所述第二实时监控特征和所述第四实时监控特征，进行所述直接正相关的比对，获得第二缺陷影响因子，并标记为所述第二特征差异参数。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

获得所述第一工业机器人对所述第一应用对象的目标移动路径；

获得对所述第一缺陷影响因子修正后的第一修正影响因子，获得对所述第二缺陷影响因子修正后的第二修正影响因子；

对所述目标移动路径进行遍历，预设第一作用参数和第二作用参数；

判断所述第一修正影响因子是否满足所述第一作用参数，以及所述第二修正影响因子是否满足所述第二作用参数；

若所述第一修正影响因子满足所述第一作用参数，或所述第二修正影响因子满足所述第二作用参数，对所述第一修正影响因子或所述第二修正影响因子进行参数优化。

7.一种基于云制造的工业机器人远程监控系统，其特征在于，所述系统包括：

第一构建单元，所述第一构建单元用于构建工业机器人的远程监控适配模型；

第一获得单元，所述第一获得单元用于获得工业机器人的应用集合；

第二获得单元，所述第二获得单元用于获得所述应用集合中，各应用的监控适配信息集合；

第三获得单元，所述第三获得单元用于对所述监控适配信息集合中的各数据进行均匀化遍历，获得监控适配均匀化分布；

第一定义单元，所述第一定义单元用于将所述应用集合中的各应用定义为P个关联点；

第一匹配单元，所述第一匹配单元用于对所述监控适配均匀化分布和所述P个关联点进行关联度匹配，生成纵向匹配关系；

第二构建单元，所述第二构建单元用于基于所述纵向匹配关系和所述监控适配信息集合，构建所述远程监控适配模型；

第一输入单元，所述第一输入单元用于将第一工业机器人的应用类型输入所述远程监控适配模型，获得所述第一工业机器人的第一监控适配信息；

第一抓取单元，所述第一抓取单元用于对所述第一监控适配信息进行专项特征抓取，获得第一监控特征和第二监控特征；

第一采集单元，所述第一采集单元用于基于摄像头装置，对所述第一工业机器人的工作过程进行图像采集，获得第一工作图像信息；

第一感知单元，所述第一感知单元用于基于云制造技术，对所述第一工业机器人的工作过程进行数据感知，获得第一工作参数信息；

第一筛选单元，所述第一筛选单元用于根据所述第一监控特征和所述第二监控特征，对所述第一工作图像信息进行数据筛选，依次获得第一实时监控特征和第二实时监控特征；

第二筛选单元，所述第二筛选单元用于根据所述第一监控特征和所述第二监控特征，对所述第一工作参数信息进行数据筛选，依次获得第三实时监控特征和第四实时监控特征；

第一比对单元，所述第一比对单元用于分别对所述第一实时监控特征和所述第三实时监控特征、所述第二实时监控特征和所述第四实时监控特征，进行特征差异比对，获得第一特征差异参数和第二特征差异参数；

第一监控单元，所述第一监控单元用于基于所述第一特征差异参数和所述第二特征差异参数，对所述第一工业机器人进行动态远程监控。

8.一种电子设备，其特征在于，包括处理器和存储器；

所述存储器，用于存储；

所述处理器，用于通过调用，执行权利要求1～6中任一项所述的方法。

9.一种计算机程序产品，包括计算机程序和/或指令，其特征在于，该计算机程序和/或指令被处理器执行时实现权利要求1～6中任一项所述方法的步骤。

Images