CN114693131A - 配件机器人的故障处理方法及装置 - Google Patents
配件机器人的故障处理方法及装置 Download PDFInfo
- Publication number
- CN114693131A CN114693131A CN202210342548.9A CN202210342548A CN114693131A CN 114693131 A CN114693131 A CN 114693131A CN 202210342548 A CN202210342548 A CN 202210342548A CN 114693131 A CN114693131 A CN 114693131A
- Authority
- CN
- China
- Prior art keywords
- robot
- robots
- target
- fault
- delivery
- 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.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title abstract description 4
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 21
- 230000007246 mechanism Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 14
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000001364 causal effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000009411 base construction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及机器人控制技术领域,提供了配件机器人的故障处理方法及装置。该方法包括:当多个配件机器人中存在发生故障的第一目标机器人时,获取第一目标机器人的第一配送任务和多个配件机器人中除第一目标机器人之外的多个其他机器人的多个第二配送任务;基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;利用一个或多个第二目标机器人完成第一配送任务;利用第三目标机器人将第一目标机器人拖回机器人维修站。采用上述技术手段,解决现有技术中,在配送过程中某个或某些配件机器人出现故障时,不能智能调度其他配件机器人完成故障机器人的配件任务或将故障机器人带回维修站的问题。
Description
技术领域
本公开涉及机器人控制技术领域,尤其涉及一种配件机器人的故障处理方法及装置。
背景技术
配件机器人被广泛应用于外卖和快递等配送领域,在配送过程中,机器人可能出现故障。目前,配送过程中机器人出现故障,只能人为的去判断哪些机器人可以承接故障机器人的配件任务或将故障机器人带回维修站(配送过程中存在多个机器人)。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下技术问题:在配送过程中某个或某些配件机器人出现故障时,不能智能调度其他配件机器人完成故障机器人的配件任务或将故障机器人带回维修站的问题。
发明内容
有鉴于此,本公开实施例提供了一种配件机器人的故障处理方法、装置、电子设备和计算机可读的存储介质,以解决现有技术中,在配送过程中某个或某些配件机器人出现故障时,不能智能调度其他配件机器人完成故障机器人的配件任务或将故障机器人带回维修站的问题。
本公开实施例的第一方面,提供了一种配件机器人的故障处理方法,包括:当多个配件机器人中存在发生故障的第一目标机器人时,获取第一目标机器人的第一配送任务和多个配件机器人中除第一目标机器人之外的多个其他机器人的多个第二配送任务;基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;利用一个或多个第二目标机器人完成第一配送任务;利用第三目标机器人将第一目标机器人拖回机器人维修站。
本公开实施例的第二方面,提供了一种配件机器人的故障处理装置,包括:获取模块,被配置为当多个配件机器人中存在发生故障的第一目标机器人时,获取第一目标机器人的第一配送任务和多个配件机器人中除第一目标机器人之外的多个其他机器人的多个第二配送任务;确定模块,被配置为基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;配送模块,被配置为利用一个或多个第二目标机器人完成第一配送任务;维修模块,被配置为利用第三目标机器人将第一目标机器人拖回机器人维修站。
本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是:当多个配件机器人中存在发生故障的第一目标机器人时,获取第一目标机器人的第一配送任务和多个配件机器人中除第一目标机器人之外的多个其他机器人的多个第二配送任务;基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;利用一个或多个第二目标机器人完成第一配送任务;利用第三目标机器人将第一目标机器人拖回机器人维修站。采用上述技术手段,可以解决现有技术中,在配送过程中某个或某些配件机器人出现故障时,不能智能调度其他配件机器人完成故障机器人的配件任务或将故障机器人带回维修站的问题,进而提高配件的效率。
附图说明
为了更清楚地说明本公开实施例中的技术方案,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本公开的一些实施例,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,还可以根据这些附图获得其它的附图。
图1是本公开实施例的应用场景的场景示意图;
图2是本公开实施例提供的一种配件机器人的故障处理方法的流程示意图;
图3是本公开实施例提供的一种配件机器人的故障处理装置的结构示意图;
图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种配件机器人的故障处理方法和装置。
图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备1、2和3、服务器4以及网络5。
终端设备1、2和3可以是硬件,也可以是软件。当终端设备1、2和3为硬件时,其可以是具有显示屏且支持与服务器4通信的各种电子设备,包括但不限于智能手机、机器人、膝上型便携计算机和台式计算机等(比如2可以为机器人);当终端设备1、2和3为软件时,其可以安装在如上的电子设备中。终端设备1、2和3可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本公开实施例对此不作限制。进一步地,终端设备1、2和3上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
服务器4可以是提供各种服务的服务器,例如,对与其建立通信连接的终端设备发送的请求进行接收的后台服务器,该后台服务器可以对终端设备发送的请求进行接收和分析等处理,并生成处理结果。服务器4可以是一台服务器,也可以是由若干台服务器组成的服务器集群,或者还可以是一个云计算服务中心,本公开实施例对此不作限制。
需要说明的是,服务器4可以是硬件,也可以是软件。当服务器4为硬件时,其可以是为终端设备1、2和3提供各种服务的各种电子设备。当服务器4为软件时,其可以是为终端设备1、2和3提供各种服务的多个软件或软件模块,也可以是为终端设备1、2和3提供各种服务的单个软件或软件模块,本公开实施例对此不作限制。
网络5可以是采用同轴电缆、双绞线和光纤连接的有线网络,也可以是无需布线就能实现各种通信设备互联的无线网络,例如,蓝牙(Bluetooth)、近场通信(Near FieldCommunication,NFC)、红外(Infrared)等,本公开实施例对此不作限制。
目标用户可以通过终端设备1、2和3经由网络5与服务器4建立通信连接,以接收或发送信息等。需要说明的是,终端设备1、2和3、服务器4以及网络5的具体类型、数量和组合可以根据应用场景的实际需求进行调整,本公开实施例对此不作限制。
图2是本公开实施例提供的一种配件机器人的故障处理方法的流程示意图。图2的配件机器人的故障处理方法可以由图1的终端设备或服务器执行。如图2所示,该配件机器人的故障处理方法包括:
S201,当多个配件机器人中存在发生故障的第一目标机器人时,获取第一目标机器人的第一配送任务和多个配件机器人中除第一目标机器人之外的多个其他机器人的多个第二配送任务;
S202,基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;
S203,利用一个或多个第二目标机器人完成第一配送任务;
S204,利用第三目标机器人将第一目标机器人拖回机器人维修站。
配件机器人可以是配送外卖或者快递的机器人。配件机器人的故障可以是主机故障和电机故障等硬件故障,也可以是配送程序和导航程序等软件故障。在配送系统中,有多个配件机器人,本公开是在某个或者某些配件机器人出现故障的时候(也就是存在第一目标机器人的时候,第一目标机器人可以是一个或多个),利用其他完好的配件机器人第一配送任务或将第一目标机器人拖回机器人维修站。因为配件机器人上存在磁吸结构,所以可以使用第三目标机器人将第一目标机器人拖回机器人维修站。
根据本公开实施例提供的技术方案,当多个配件机器人中存在发生故障的第一目标机器人时,获取第一目标机器人的第一配送任务和多个配件机器人中除第一目标机器人之外的多个其他机器人的多个第二配送任务;基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;利用一个或多个第二目标机器人完成第一配送任务;利用第三目标机器人将第一目标机器人拖回机器人维修站。采用上述技术手段,可以解决现有技术中,在配送过程中某个或某些配件机器人出现故障时,不能智能调度其他配件机器人完成故障机器人的配件任务或将故障机器人带回维修站的问题,进而提高配件的效率。
在步骤S202中,基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人,包括:判断每个其他机器人是否完成每个其他机器人对应的第二配送任务;获取第一目标机器人的第一位置信息和已经完成对应的第二配送任务的每个其他机器人的第二位置信息;基于第一位置信息和多个第二位置信息,从已经完成对应的第二配送任务的多个其他机器人中确定出与第一目标机器人距离最近的机器人作为第三目标机器人。
利用第三目标机器人将第一目标机器人拖回机器人维修站,第三目标机器人应该是完成对应的第二配送任务的机器人。完成对应的第二配送任务的机器人可能有多个,将已经完成对应的第二配送任务的多个其他机器人中与第一目标机器人距离最近的机器人作为第三目标机器人。
在步骤S202中,基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人,包括:判断每个其他机器人是否完成每个其他机器人对应的第二配送任务;获取第一目标机器人的第一位置信息和已经完成对应的第二配送任务的每个其他机器人的第二位置信息;基于第一配送任务、多个第二配送任务、第一位置信息和多个第二位置信息,从已经完成对应的第二配送任务的多个其他机器人中确定出与第一目标机器人距离最近的一个或多个机器人作为一个或多个第二目标机器人。
基于第一位置信息和多个第二位置信息,可以从已经完成对应的第二配送任务的多个其他机器人中确定出与第一目标机器人距离最近的多个机器人;基于第一配送任务和多个第二配送任务,可以挑选出与第一目标机器人距离最近的多个机器人中可以再承接多余的配送任务的机器人,同时也可以确定出第二目标机器人的数量。比如一个机器人可以承接第一配送任务,那么只需要一个第二目标机器人就行了。
在步骤S202中,基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人,包括:判断每个其他机器人是否完成每个其他机器人对应的第二配送任务;获取第一目标机器人的第一位置信息和未完成对应的第二配送任务的每个其他机器人对应的路程规划;基于第一配送任务、多个第二配送任务、第一位置信息和多个路程规划,从已经完成对应的第二配送任务的多个其他机器人中确定出在执行第二配送任务的路程中与第一目标机器人距离最近的一个或多个机器人作为一个或多个第二目标机器人。
上一个实施例是从已经完成对应的第二配送任务的其他机器人中确定出一个或多个第二目标机器人和第三目标机器人,本公开实施例是从未完成对应的第二配送任务的其他机器人中确定出一个或多个第二目标机器人和第三目标机器人。每个其他机器人的路程规划是和每个其他机器人的第二配送任务相对应的,每个其他机器人基于自己的路程规划完成每个其他机器人的第二配送任务,每个其他机器人的路程规划包含了每个其他机器人将来一段时间内的配件路程(也就是配件的路线)。可以比较第一位置信息和多个路程规划,比如有个机器人将来一段时间内配件的路线与第一位置信息有重合,或者距离第一位置信息较近,那么该机器人可以优先考虑作为第二目标机器人。
在步骤S203中,利用一个或多个第二目标机器人完成第一配送任务,包括:当有多个第二目标机器人时:以每个第二目标机器人需要完成的工作量一致为原则,将第一配送任务分配给多个第二目标机器人,以更新每个第二目标机器人的第二配送任务;基于每个第二目标机器人更新后的第二配送任务,为每个第二目标机器人更新每个第二目标机器人对应的路程规划;基于每个第二目标机器人更新后的路程规划,使得每个第二目标机器人完成每个第二目标机器人更新后的第二配送任务。
在给第二目标机器人分配第一配送任务时,应该保证每个第二目标机器人需要完成的工作量一致,这可以保证所有的配送任务是以最快的配送任务完成的。
在执行步骤S204之后,也就是利用第三目标机器人将第一目标机器人拖回机器人维修站之后,方法还包括:获取多个配件机器人对应的专家诊断知识库和第一目标机器人的机器人信息;基于专家诊断知识库,确定多个故障事件和每个故障事件对应的一个或多个原因事件;基于多个故障事件和每个故障事件对应的一个或多个原因事件,通过设备机理分析方法生成故障树;根据故障树,构建设备机理诊断模型;利用设备机理诊断模型对机器人信息进行处理,以得到第一目标机器人对应的故障信息;基于故障信息,对第一目标机器人启动对应的预设维修程序。
专家诊断知识库包括大量机器人故障诊断领域的诊断知识,比如一种机器人的一种故障事件可能对应的故障原因。故障树是一种特殊的倒立树状逻辑因果关系图,它用事件符号、逻辑门符号和转移符号描述系统中各种事件之间的因果关系。故障事件包括对机器人发生故障的现象的描述,原因事件包括对机器人发生故障的原因的描述。因为专家诊断知识库中存在冗余信息、重复的信息、存在冲突的信息,设备机理分析方法可以辅助故障事件与原因事件的对应关系,使得故障事件与原因事件的对应关系更加明确。或者设备机理分析方法还可以理解为对专家诊断知识库的应用。故障树存在多个故障事件与原因事件的对应关系,那么机器人机理诊断模型就是基于专家诊断知识库借助数学公式实现多个故障事件与原因事件的对应关系,比如给机器人机理诊断模型输入一个故障事件,就可以输出一个对应的原因事件。机器人信息是第一目标机器人的工作和状态信息,包括:电机的工作和状态、主机的工作和状态和配送程序的运行结果等。比如利用设备机理诊断模型对机器人信息进行处理,发现第一目标机器人是电机故障,那么利用电机故障对应的维修程序对第一目标机器人进行维修。
在执行步骤S204之后,也就是利用第三目标机器人将第一目标机器人拖回机器人维修站之后,方法还包括:获取多个配件机器人对应的机器人故障诊断数据和第一目标机器人的机器人信息;对机器人故障诊断数据进行知识抽取处理,得到抽取结果;对抽取结果进行知识融合处理,得到融合结果;对融合结果进行知识加工处理,得到机器人知识图谱;基于机器人知识图谱,构建知识图谱诊断模型;利用知识图谱诊断模型对机器人信息进行处理,以得到第一目标机器人对应的故障信息;基于故障信息,对第一目标机器人启动对应的预设维修程序。
知识抽取处理,包括:实体抽取、关系抽取、属性抽取。实体抽取:也称为命名实体识别(Named Entity Recognition,NER),是指从文本预料中自动识别出命名实体。关系抽取:文本语料经过实体抽取之后,得到一系列离散的命名实体。为了得到语义信息,需要从相关语料中提取出实体之间的关联关系,通过关系将实体联系起来,形成网状的知识结构。属性抽取:从不同信息源中采集特定实体的属性信息。
通过知识抽取获得的信息具有以下两个问题:信息之间关系扁平化,缺乏层次性与逻辑性;存在大量冗余信息。采用知识融合解决上述问题,主要包含两个部分:实体链接、知识合并,其中,实体链接涉及共指消解、实体消歧两种技术。
知识加工主要包括三个方面的内容:本体构建、知识推理、质量评估。本体(Ontology)包含某个学科内的基本实体和实体之间的关系,是描述领域知识的通用概念模型。知识图谱在完成本体构建后已经初具雏形,但知识之间的关系存在残缺,采用知识推理进一步知识发现,从而对知识图谱的知识进行补全。知识推理主要分为三大类:基于规则的推理、基于图的推理、基于深度学习的推理。质量评估也是知识库构建技术的重要组成部分,用于对知识的可信度进行量化,通过舍弃置信度较低的知识来保障知识图谱的质量。
知识图谱诊断模型就是基于知识图谱借助数学公式实现多个故障事件与原因事件的对应关系,比如给知识图谱诊断模型输入一个故障事件(故障事件也就是机器人信息),就可以输出一个对应的原因事件(原因事件也就是故障信息)。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是本公开实施例提供的一种配件机器人的故障处理装置的示意图。如图3所示,该配件机器人的故障处理装置包括:
获取模块301,被配置为当多个配件机器人中存在发生故障的第一目标机器人时,获取第一目标机器人的第一配送任务和多个配件机器人中除第一目标机器人之外的多个其他机器人的多个第二配送任务;
确定模块302,被配置为基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;
配送模块303,被配置为利用一个或多个第二目标机器人完成第一配送任务;
维修模块304,被配置为利用第三目标机器人将第一目标机器人拖回机器人维修站。
配件机器人可以是配送外卖或者快递的机器人。配件机器人的故障可以是主机故障和电机故障等硬件故障,也可以是配送程序和导航程序等软件故障。在配送系统中,有多个配件机器人,本公开是在某个或者某些配件机器人出现故障的时候(也就是存在第一目标机器人的时候,第一目标机器人可以是一个或多个),利用其他完好的配件机器人第一配送任务或将第一目标机器人拖回机器人维修站。因为配件机器人上存在磁吸结构,所以可以使用第三目标机器人将第一目标机器人拖回机器人维修站。
根据本公开实施例提供的技术方案,当多个配件机器人中存在发生故障的第一目标机器人时,获取第一目标机器人的第一配送任务和多个配件机器人中除第一目标机器人之外的多个其他机器人的多个第二配送任务;基于第一配送任务和多个第二配送任务,从多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;利用一个或多个第二目标机器人完成第一配送任务;利用第三目标机器人将第一目标机器人拖回机器人维修站。采用上述技术手段,可以解决现有技术中,在配送过程中某个或某些配件机器人出现故障时,不能智能调度其他配件机器人完成故障机器人的配件任务或将故障机器人带回维修站的问题,进而提高配件的效率。
可选地,确定模块302还被配置为判断每个其他机器人是否完成每个其他机器人对应的第二配送任务;获取第一目标机器人的第一位置信息和已经完成对应的第二配送任务的每个其他机器人的第二位置信息;基于第一位置信息和多个第二位置信息,从已经完成对应的第二配送任务的多个其他机器人中确定出与第一目标机器人距离最近的机器人作为第三目标机器人。
利用第三目标机器人将第一目标机器人拖回机器人维修站,第三目标机器人应该是完成对应的第二配送任务的机器人。完成对应的第二配送任务的机器人可能有多个,将已经完成对应的第二配送任务的多个其他机器人中与第一目标机器人距离最近的机器人作为第三目标机器人。
可选地,确定模块302还被配置为判断每个其他机器人是否完成每个其他机器人对应的第二配送任务;获取第一目标机器人的第一位置信息和已经完成对应的第二配送任务的每个其他机器人的第二位置信息;基于第一配送任务、多个第二配送任务、第一位置信息和多个第二位置信息,从已经完成对应的第二配送任务的多个其他机器人中确定出与第一目标机器人距离最近的一个或多个机器人作为一个或多个第二目标机器人。
基于第一位置信息和多个第二位置信息,可以从已经完成对应的第二配送任务的多个其他机器人中确定出与第一目标机器人距离最近的多个机器人;基于第一配送任务和多个第二配送任务,可以挑选出与第一目标机器人距离最近的多个机器人中可以再承接多余的配送任务的机器人,同时也可以确定出第二目标机器人的数量。比如一个机器人可以承接第一配送任务,那么只需要一个第二目标机器人就行了。
可选地,确定模块302还被配置为判断每个其他机器人是否完成每个其他机器人对应的第二配送任务;获取第一目标机器人的第一位置信息和未完成对应的第二配送任务的每个其他机器人对应的路程规划;基于第一配送任务、多个第二配送任务、第一位置信息和多个路程规划,从已经完成对应的第二配送任务的多个其他机器人中确定出在执行第二配送任务的路程中与第一目标机器人距离最近的一个或多个机器人作为一个或多个第二目标机器人。
上一个实施例是从已经完成对应的第二配送任务的其他机器人中确定出一个或多个第二目标机器人和第三目标机器人,本公开实施例是从未完成对应的第二配送任务的其他机器人中确定出一个或多个第二目标机器人和第三目标机器人。每个其他机器人的路程规划是和每个其他机器人的第二配送任务相对应的,每个其他机器人基于自己的路程规划完成每个其他机器人的第二配送任务,每个其他机器人的路程规划包含了每个其他机器人将来一段时间内的配件路程(也就是配件的路线)。可以比较第一位置信息和多个路程规划,比如有个机器人将来一段时间内配件的路线与第一位置信息有重合,或者距离第一位置信息较近,那么该机器人可以优先考虑作为第二目标机器人。
可选地,配送模块303还被配置为当有多个第二目标机器人时:以每个第二目标机器人需要完成的工作量一致为原则,将第一配送任务分配给多个第二目标机器人,以更新每个第二目标机器人的第二配送任务;基于每个第二目标机器人更新后的第二配送任务,为每个第二目标机器人更新每个第二目标机器人对应的路程规划;基于每个第二目标机器人更新后的路程规划,使得每个第二目标机器人完成每个第二目标机器人更新后的第二配送任务。
在给第二目标机器人分配第一配送任务时,应该保证每个第二目标机器人需要完成的工作量一致,这可以保证所有的配送任务是以最快的配送任务完成的。
可选地,维修模块304还被配置为获取多个配件机器人对应的专家诊断知识库和第一目标机器人的机器人信息;基于专家诊断知识库,确定多个故障事件和每个故障事件对应的一个或多个原因事件;基于多个故障事件和每个故障事件对应的一个或多个原因事件,通过设备机理分析方法生成故障树;根据故障树,构建设备机理诊断模型;利用设备机理诊断模型对机器人信息进行处理,以得到第一目标机器人对应的故障信息;基于故障信息,对第一目标机器人启动对应的预设维修程序。
专家诊断知识库包括大量机器人故障诊断领域的诊断知识,比如一种机器人的一种故障事件可能对应的故障原因。故障树是一种特殊的倒立树状逻辑因果关系图,它用事件符号、逻辑门符号和转移符号描述系统中各种事件之间的因果关系。故障事件包括对机器人发生故障的现象的描述,原因事件包括对机器人发生故障的原因的描述。因为专家诊断知识库中存在冗余信息、重复的信息、存在冲突的信息,设备机理分析方法可以辅助故障事件与原因事件的对应关系,使得故障事件与原因事件的对应关系更加明确。或者设备机理分析方法还可以理解为对专家诊断知识库的应用。故障树存在多个故障事件与原因事件的对应关系,那么机器人机理诊断模型就是基于专家诊断知识库借助数学公式实现多个故障事件与原因事件的对应关系,比如给机器人机理诊断模型输入一个故障事件,就可以输出一个对应的原因事件。机器人信息是第一目标机器人的工作和状态信息,包括:电机的工作和状态、主机的工作和状态和配送程序的运行结果等。比如利用设备机理诊断模型对机器人信息进行处理,发现第一目标机器人是电机故障,那么利用电机故障对应的维修程序对第一目标机器人进行维修。
可选地,维修模块304还被配置为获取多个配件机器人对应的机器人故障诊断数据和第一目标机器人的机器人信息;对机器人故障诊断数据进行知识抽取处理,得到抽取结果;对抽取结果进行知识融合处理,得到融合结果;对融合结果进行知识加工处理,得到机器人知识图谱;基于机器人知识图谱,构建知识图谱诊断模型;利用知识图谱诊断模型对机器人信息进行处理,以得到第一目标机器人对应的故障信息;基于故障信息,对第一目标机器人启动对应的预设维修程序。
知识抽取处理,包括:实体抽取、关系抽取、属性抽取。实体抽取:也称为命名实体识别(Named Entity Recognition,NER),是指从文本预料中自动识别出命名实体。关系抽取:文本语料经过实体抽取之后,得到一系列离散的命名实体。为了得到语义信息,需要从相关语料中提取出实体之间的关联关系,通过关系将实体联系起来,形成网状的知识结构。属性抽取:从不同信息源中采集特定实体的属性信息。
通过知识抽取获得的信息具有以下两个问题:信息之间关系扁平化,缺乏层次性与逻辑性;存在大量冗余信息。采用知识融合解决上述问题,主要包含两个部分:实体链接、知识合并,其中,实体链接涉及共指消解、实体消歧两种技术。
知识加工主要包括三个方面的内容:本体构建、知识推理、质量评估。本体(Ontology)包含某个学科内的基本实体和实体之间的关系,是描述领域知识的通用概念模型。知识图谱在完成本体构建后已经初具雏形,但知识之间的关系存在残缺,采用知识推理进一步知识发现,从而对知识图谱的知识进行补全。知识推理主要分为三大类:基于规则的推理、基于图的推理、基于深度学习的推理。质量评估也是知识库构建技术的重要组成部分,用于对知识的可信度进行量化,通过舍弃置信度较低的知识来保障知识图谱的质量。
知识图谱诊断模型就是基于知识图谱借助数学公式实现多个故障事件与原因事件的对应关系,比如给知识图谱诊断模型输入一个故障事件(故障事件也就是机器人信息),就可以输出一个对应的原因事件(原因事件也就是故障信息)。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的电子设备4的示意图。如图4所示,该实施例的电子设备4包括:处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序403可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器402中,并由处理器401执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序403在电子设备4中的执行过程。
电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以是电子设备4的内部存储单元,例如,电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备,例如,电子设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (10)
1.一种配件机器人的故障处理方法,其特征在于,包括:
当多个配件机器人中存在发生故障的第一目标机器人时,获取所述第一目标机器人的第一配送任务和所述多个配件机器人中除所述第一目标机器人之外的多个其他机器人的多个第二配送任务;
基于所述第一配送任务和所述多个第二配送任务,从所述多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;
利用一个或多个所述第二目标机器人完成所述第一配送任务;
利用所述第三目标机器人将所述第一目标机器人拖回机器人维修站。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一配送任务和所述多个第二配送任务,从所述多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人,包括:
判断每个其他机器人是否完成每个其他机器人对应的所述第二配送任务;
获取所述第一目标机器人的第一位置信息和已经完成对应的所述第二配送任务的每个其他机器人的第二位置信息;
基于所述第一位置信息和多个所述第二位置信息,从已经完成对应的所述第二配送任务的多个其他机器人中确定出与所述第一目标机器人距离最近的机器人作为所述第三目标机器人。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一配送任务和所述多个第二配送任务,从所述多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人,包括:
判断每个其他机器人是否完成每个其他机器人对应的所述第二配送任务;
获取所述第一目标机器人的第一位置信息和已经完成对应的所述第二配送任务的每个其他机器人的第二位置信息;
基于所述第一配送任务、所述多个第二配送任务、所述第一位置信息和多个所述第二位置信息,从已经完成对应的所述第二配送任务的多个其他机器人中确定出与所述第一目标机器人距离最近的一个或多个机器人作为一个或多个第二目标机器人。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一配送任务和所述多个第二配送任务,从所述多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人,包括:
判断每个其他机器人是否完成每个其他机器人对应的所述第二配送任务;
获取所述第一目标机器人的第一位置信息和未完成对应的所述第二配送任务的每个其他机器人对应的路程规划;
基于所述第一配送任务、所述多个第二配送任务、所述第一位置信息和多个路程规划,从已经完成对应的所述第二配送任务的多个其他机器人中确定出在执行所述第二配送任务的路程中与所述第一目标机器人距离最近的一个或多个机器人作为一个或多个第二目标机器人。
5.根据权利要求1所述的方法,其特征在于,所述利用一个或多个所述第二目标机器人完成所述第一配送任务,包括:
当有多个所述第二目标机器人时:
以每个所述第二目标机器人需要完成的工作量一致为原则,将所述第一配送任务分配给多个所述第二目标机器人,以更新每个所述第二目标机器人的第二配送任务;
基于每个所述第二目标机器人更新后的第二配送任务,为每个所述第二目标机器人更新每个所述第二目标机器人对应的路程规划;
基于每个所述第二目标机器人更新后的路程规划,使得每个所述第二目标机器人完成每个所述第二目标机器人更新后的第二配送任务。
6.根据权利要求1所述的方法,其特征在于,所述利用所述第三目标机器人将所述第一目标机器人拖回机器人维修站之后,所述方法还包括:
获取多个配件机器人对应的专家诊断知识库和所述第一目标机器人的机器人信息;
基于所述专家诊断知识库,确定多个故障事件和每个故障事件对应的一个或多个原因事件;
基于多个故障事件和每个故障事件对应的一个或多个原因事件,通过设备机理分析方法生成故障树;
根据所述故障树,构建机器人机理诊断模型;
利用所述设备机理诊断模型对所述机器人信息进行处理,以得到所述第一目标机器人对应的故障信息;
基于所述故障信息,对所述第一目标机器人启动对应的预设维修程序。
7.根据权利要求1所述的方法,其特征在于,所述利用所述第三目标机器人将所述第一目标机器人拖回机器人维修站之后,所述方法还包括:
获取多个配件机器人对应的机器人故障诊断数据和所述第一目标机器人的机器人信息;
对所述机器人故障诊断数据进行知识抽取处理,得到抽取结果;
对所述抽取结果进行知识融合处理,得到融合结果;
对所述融合结果进行知识加工处理,得到机器人知识图谱;
基于所述机器人知识图谱,构建知识图谱诊断模型;
利用所述知识图谱诊断模型对所述机器人信息进行处理,以得到所述第一目标机器人对应的故障信息;
基于所述故障信息,对所述第一目标机器人启动对应的预设维修程序。
8.一种配件机器人的故障处理装置,其特征在于,包括:
获取模块,被配置为当多个配件机器人中存在发生故障的第一目标机器人时,获取所述第一目标机器人的第一配送任务和所述多个配件机器人中除所述第一目标机器人之外的多个其他机器人的多个第二配送任务;
确定模块,被配置为基于所述第一配送任务和所述多个第二配送任务,从所述多个其他机器人中确定出一个或多个第二目标机器人和第三目标机器人;
配送模块,被配置为利用一个或多个所述第二目标机器人完成所述第一配送任务;
维修模块,被配置为利用所述第三目标机器人将所述第一目标机器人拖回机器人维修站。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210342548.9A CN114693131A (zh) | 2022-03-31 | 2022-03-31 | 配件机器人的故障处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210342548.9A CN114693131A (zh) | 2022-03-31 | 2022-03-31 | 配件机器人的故障处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693131A true CN114693131A (zh) | 2022-07-01 |
Family
ID=82140280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210342548.9A Withdrawn CN114693131A (zh) | 2022-03-31 | 2022-03-31 | 配件机器人的故障处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693131A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024017209A1 (zh) * | 2022-07-18 | 2024-01-25 | 杭州海康机器人股份有限公司 | 一种调度控制方法、装置及电子设备 |
-
2022
- 2022-03-31 CN CN202210342548.9A patent/CN114693131A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024017209A1 (zh) * | 2022-07-18 | 2024-01-25 | 杭州海康机器人股份有限公司 | 一种调度控制方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110546606B (zh) | 租户升级分析系统及方法 | |
US9753826B2 (en) | Providing fault injection to cloud-provisioned machines | |
CN112711581B (zh) | 医疗数据校验方法、装置、电子设备及存储介质 | |
CN113505520A (zh) | 用于支持异构联邦学习的方法、装置和系统 | |
CN110457371A (zh) | 数据管理方法、装置、存储介质及系统 | |
CN110391938A (zh) | 用于部署服务的方法和装置 | |
CN108427709B (zh) | 一种多源海量数据处理系统及方法 | |
CN117608825A (zh) | 基于多云管理平台的资源管理方法和相关设备 | |
CN115812298A (zh) | 供应故障的区块链管理 | |
CN109376430A (zh) | 装配式建筑施工管理方法 | |
CN114693131A (zh) | 配件机器人的故障处理方法及装置 | |
CN111767149B (zh) | 调度方法、装置、设备及存储设备 | |
CN112948275A (zh) | 测试数据生成方法、装置、设备及存储介质 | |
CN109840072B (zh) | 信息处理方法和装置 | |
CN112288128A (zh) | 信息预测方法和装置 | |
CN116523263A (zh) | 智能数据处理方法、系统及存储介质 | |
US11995587B2 (en) | Method and device for managing project by using data merging | |
CN115130911A (zh) | 机器人执行失败的配送任务的处理方法及装置 | |
CN114239538A (zh) | 断言处理方法、装置、计算机设备及存储介质 | |
CN114036218A (zh) | 一种数据模型切换方法、装置、服务器和存储介质 | |
CN114997435A (zh) | 工单处理方法及装置 | |
CN112579402A (zh) | 一种应用系统故障定位的方法和装置 | |
CN117474514A (zh) | 机器人的运维方法及装置 | |
CN114637564B (zh) | 数据可视化方法、装置、电子设备及存储介质 | |
CN116915870B (zh) | 任务创建请求处理方法、装置、电子设备和可读介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220701 |
|
WW01 | Invention patent application withdrawn after publication |