CN115081938A - 机器人健康管理方法、装置及电子设备、存储介质 - Google Patents
机器人健康管理方法、装置及电子设备、存储介质 Download PDFInfo
- Publication number
- CN115081938A CN115081938A CN202210859783.3A CN202210859783A CN115081938A CN 115081938 A CN115081938 A CN 115081938A CN 202210859783 A CN202210859783 A CN 202210859783A CN 115081938 A CN115081938 A CN 115081938A
- Authority
- CN
- China
- Prior art keywords
- state evaluation
- hardware component
- current
- robot
- preset hardware
- 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
Links
- 230000036541 health Effects 0.000 title claims abstract description 71
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 251
- 238000013210 evaluation model Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000002596 correlated effect Effects 0.000 claims abstract description 19
- 230000015654 memory Effects 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 13
- 230000003245 working effect Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000011664 nicotinic acid Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manipulator (AREA)
Abstract
本申请提供一种机器人健康管理方法、装置及电子设备、存储介质。该方法包括:获取机器人上各预设硬件部件的当前运动数据;将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关;根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,所述当前整机状态评估值与机器人当前状态正相关。本申请的方法可以解决如何对机器人中硬件的健康状态进行监测,以提高机器人的工作效果的问题。
Description
技术领域
本申请涉及机器人技术,尤其涉及一种机器人健康管理方法、装置及电子设备、存储介质。
背景技术
近年来,人们已经开发出各种各样的机器人为各种行业服务。例如,四足机器人由于具有高度仿生性能、承载能力强、稳定性好等优势,能够适应复杂路况和复杂环境等优势,在野外勘测以及军事行动等诸多环境下具有广泛的应用前景。
由于机器人运行中会遭遇各种各样的情况,为了保障机器人可以正常工作,需要对机器人的健康状态进行监测。现有的机器人监控技术只是在机器人的软件程序中对机器人进行检测,例如基于机器人机身位姿进行摔倒检测、基于电机中电调的回传信号进行输出功率检测等。
如何对机器人中硬件的健康状态进行监测,例如对机器人的关键承力部件是否会出现变形甚至断裂,高频磨损部件是否会出现过热等进行监测,以提高机器人的工作效果,仍然是值得考虑的。
发明内容
本申请提供一种机器人健康管理方法、装置及电子设备、存储介质,用以解决如何对机器人中硬件的健康状态进行监测,以提高机器人的工作效果的问题。
一方面,本申请提供一种机器人健康管理方法,包括:
获取机器人上各预设硬件部件的当前运动数据;
将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关;
根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,所述当前整机状态评估值与机器人当前状态正相关。
其中一项实施例中,还包括:
获取各预设硬件部件的历史运动数据;
以各预设硬件部件的历史运动数据作为训练数据,对各初始状态评估模型进行训练,得到各预设硬件部件的状态评估模型。
其中一项实施例中,所述根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值包括:
获取各预设硬件部件的当前状态评估值的权重;
基于各预设硬件部件的当前状态评估值、各预设硬件部件的当前状态评估值的权重,确定机器人的当前整机状态评估值。
其中一项实施例中,所述对各初始状态评估模型进行训练后,还包括:
获取各初始状态评估模型进行训练后得到的各预设硬件部件的健康阈值;
获取各预设硬件部件的健康阈值的权重;
根据各预设硬件部件的健康阈值、各预设硬件部件的健康阈值的权重确定机器人的整机状态评估阈值;
根据机器人的整机状态评估阈值对机器人的当前整机状态评估值进行评估,得到机器人的当前整机状态评估结果。
其中一项实施例中,所述方法还包括:
当第一预设硬件部件的当前状态评估值与第一预设硬件部件的健康阈值之间的差值超过预设差值时,确定机器人的当前整机状态评估值为零。
其中一项实施例中,所述根据机器人的整机状态评估阈值对机器人的当前整机状态评估值进行评估,得到机器人的当前整机状态评估结果包括:
当所述整机状态评估阈值与所述当前整机状态评估值之间的差值大于第一差值时,得到所述当前整机状态评估结果为差;
当所述整机状态评估阈值与所述当前整机状态评估值之间的差值大于第二差值且小于第一差值时,得到所述当前整机状态评估结果为良;
当所述整机状态评估阈值与所述当前整机状态评估值之间的差值小于第三差值时,得到所述当前整机状态评估结果为优,其中,所述第三差值小于所述第二差值。
其中一项实施例中,所述方法还包括:
将各预设硬件部件的当前状态评估值输入至各预设硬件部件的状态预测模型,得到各预设硬件部件在下一个时刻的预测状态评估值;和/或,
将机器人的当前整机状态评估值输入至整机状态预测模型,得到机器人在下一个时刻的预测整机状态评估值。
另一方面,本申请提供一种机器人健康管理系统,包括:
信息采集器,设置于机器人上各预设硬件部件,用于采集各预设硬件部件的当前运动数据;
信息处理器,用于获取机器人上各预设硬件部件的当前运动数据;将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关;根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,所述当前整机状态评估值与机器人当前状态正相关。
另一方面,本申请提供一种机器人健康管理装置,包括:
数据收集模块,用于获取机器人上各预设硬件部件的当前运动数据;
处理模块,用于将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关;
所述处理模块还用于根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,所述当前整机状态评估值与机器人当前状态正相关。
另一方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如第一方面的机器人健康管理方法。
另一方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当所述指令被执行时,使得计算机执行如第一方面所述的机器人健康管理方法。
本申请的实施例提供一种机器人健康管理方法,该方法获取机器人上各预设硬件部件的当前运动数据后,将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,完成对机器人上的各预设硬件部件的状态进行评估。根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,完成对机器人的整体状态的评估。硬件部件的当前状态评估值越大,证明硬件部件的当前状态越好,同样的,机器人的当前整机状态评估值越大,证明机器人的当前状态越好。如此,通过状态评估值可以对机器人的状态进行监测,提醒改善机器人的状态,从而达到提高机器人的工作效果的目的。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本申请提供的机器人健康管理方法的一种应用场景示意图;
图2为本申请的一个实施例提供的机器人健康管理方法的流程示意图;
图3为本申请的一个实施例提供的机器人健康管理示意图;
图4为本申请的一个实施例提供的图形化显示界面的示意图;
图5为本申请的一个实施例提供的机器人健康管理系统的示意图;
图6为本申请的一个实施例提供的机器人健康管理装置的示意图;
图7为本申请的一个实施例提供的电子设备的示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
近年来,人们已经开发出各种各样的机器人为各种行业服务。例如,四足机器人由于具有高度仿生性能、承载能力强、稳定性好等优势,能够适应复杂路况和复杂环境等优势,在野外勘测以及军事行动等诸多环境下具有广泛的应用前景。
由于机器人运行中会遭遇各种各样的情况,一旦机器人出现了故障,对正在进行的作业是影响巨大的,可能会引起巨大的损失。因此,保障机器人可以正常工作就显得尤为重要。为了保障机器人可以正常工作,需要对机器人的健康状态进行监测,以针对机器人的状态做出预警。
现有的机器人监控技术只是在机器人的软件程序中对机器人进行检测,例如基于机器人机身位姿进行摔倒检测、基于电机中电调的回传信号进行输出功率检测等。如何对机器人中硬件的健康状态进行监测,例如对机器人的关键承力部件是否会出现变形甚至断裂,高频磨损部件是否会出现过热等进行监测,以提高机器人的工作效果,仍然是值得考虑的。
基于此,本申请提供一种机器人健康管理方法、装置及电子设备、存储介质。该机器人健康管理方法获取机器人上各预设硬件部件的当前运动数据后,将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,完成对机器人上的各预设硬件部件的状态进行评估。根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,完成对机器人的整体状态的评估。硬件部件的当前状态评估值越大,证明硬件部件的当前状态越好,同样的,机器人的当前整机状态评估值越大,证明机器人的当前状态越好。如此,通过状态评估值可以对机器人的状态进行监测,提醒改善机器人的状态,从而达到提高机器人的工作效果的目的。
本申请提供的机器人健康管理方法应用于电子设备,该电子设备例如计算机、后台使用的服务器等。图1为本申请提供的机器人健康管理方法的应用示意图,图中,该电子设备从信息采集器获取机器人上各预设硬件部件的当前运动数据,将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型得到各预设硬件部件的当前状态评估值,再根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值。
请参见图2,本申请的一个实施例提供一种机器人健康管理方法,包括:
S210,获取机器人上各预设硬件部件的当前运动数据。
以四足机器人为例,四足机器人上有机身、各机械臂、电机、电池、机械关节连接件等。机身的运动数据例如机身的位姿、速度、加速度等。机械臂的运动数据例如机械臂的位姿、速度、加速度等。电机的运动数据例如电机输出力矩、电机的振动频率、电机的温度等。电池的运动数据例如电池的输出电流、输出电压和温度等。机械关节连接件的运动数据例如机械关节的振动数据、关键部位的应变等。
机器人上安装有信息采集器,该信息采集器用于采集机器人各预设硬件部件的当前运动数据。该信息采集器例如包括振动传感器、温度传感器、应变片。该信息采集器的设置位置可以根据实际需要确定,例如在四足机器人的机械臂驱动电机处放置温度传感器,在四足机器人的机械臂传动零件处放置应变片,在四足机器人的髋关节、膝关节和肘关节放置振动传感器。
这些信息采集器将采集的预设硬件部件的当前运动数据发送到该电子设备。如图3所示的机器人健康管理示意图,在一个可选的方式中,这些信息采集器可以由一个或多个中间控制器控制,由该一个或多个中间控制器将这些信息采集器采集的各预设硬件部件的当前运动数据发送至该电子设备。四足机器人主控系统将驱动电机参数和电源参数上传到该电子设备,该驱动电机参数例如包括电机的输出力矩、电机的转动频率等,该电源参数例如包括电池的输出电流、输出电压等。
可以先在该电子设备上先建立数据采集系统,该数据采集系统中设定了将要采集机器人的哪些硬件部件的哪些运动数据,在开始运行该数据采集系统后,该数据采集系统实时采集各预设硬件部件的当前运动数据。
S220,将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关。
不同的预设硬件部件有对应的状态评估模型,状态评估模型的输入为运动数据,输出为状态评估值。
状态评估模型是训练得到的模型,在一个可选的实施例中,获取各预设硬件部件的历史运动数据,以各预设硬件部件的历史运动数据作为训练数据,对各初始状态评估模型进行训练,得到各预设硬件部件的状态评估模型。例如采集该机械关节连接件的大量历史运动数据,如采集历史多个时刻的振动数据作为历史运动数据,基于这些具有时序特点的历史运动数据对初始状态评估模型进行训练,得到该机械关节连接件的状态评估模型。
预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关,预设硬件部件的当前状态评估值越大则证明预设硬件部件的当前状态越好。
可以根据预设硬件部件的当前状态评估值单独对预设硬件部件的状态进行评估,生成预设硬件部件的状态评估结果,状态评估结果例如为优、良和差。预设硬件部件的当前状态评估值在0分-100分之间。例如当预设硬件部件的当前状态评估值大于80分时,确定预设硬件部件的状态评估结果为优。例如当预设硬件部件的当前状态评估值小于或等于80分,且大于60分时,确定预设硬件部件的状态评估结果为良。当预设硬件部件的当前状态值小于或等于60分时,确定预设硬件部件的状态评估结果为差。
在一个可选的实施例中,可以根据预设硬件部件的状态评估结果做出预警,例如在状态评估结果为差时发出预警。
在一个可选的实施例中,可以实时显示预设硬件部件的当前状态评估值,也可以显示预设硬件部件的状态评估结果,还可以显示预警。
S230,根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,该当前整机状态评估值与机器人当前状态正相关。
在一个可选的方式中,本实施例通过主客观组合赋权力来确定机器人的整机状态评估值,即对不同预设硬件部件的当前状态评估值赋予不同的权重来求取该机器人的当前整机状态评估值。预设硬件部件的当前状态评估值被赋予的权重可以根据实际情况设定,本实施例不做限定。
在根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值时,获取各预设硬件部件的当前状态评估值的权重,再基于各预设硬件部件的当前状态评估值、各预设硬件部件的当前状态评估值的权重,确定机器人的当前整机状态评估值。例如第一预设硬件部件的当前状态评估值为A,权重为0.3,第二预设硬件部件的当前状态评估值为B,权重为0.3,第三预设硬件部件的当前状态评估值为C,权重为0.4,则机器人的当前整机状态评估值=A×0.3+B×0.3+C×0.4。
在一个可选的实施例中,为了获知机器人出现严重故障,例如机械臂断裂、机架严重变形等极端情况,可以引入置零项,置零项的含义是一旦该项出现,则直接输出机器人的当前整机状态评估值为0。
则,机器人的。其中,表示当前状态评估值的种类,即有个不同的预设硬件部件的当前状态评估值。代表各预设硬件部件的当前状态评估值的权重,代表各预设硬件部件的当前状态评估值。代表置零项,在什么情况下等于1可以根据实际需要设定。
例如,对各初始状态评估模型进行训练后,可以获取各初始状态评估模型进行训练后得到的各预设硬件部件的健康阈值,当第一预设硬件部件的当前状态评估值与第一预设硬件部件的健康阈值之间的差值超过预设差值时,,此时确定机器人的当前整机状态评估值为零。
各预设硬件部件的健康阈值是根据大量的训练结果得到,是在假设预设硬件部件处于最佳健康状态时得到的健康阈值,具有参考性。基于各预设硬件部件的健康阈值可以确定机器人的整机状态评估阈值,即机器人处于最佳健康状态时的整机状态评估值。具体的,获取各预设硬件部件的健康阈值的权重,再根据各预设硬件部件的健康阈值、各预设硬件部件的健康阈值的权重确定机器人的整机状态评估阈值。各预设硬件部件的健康阈值的权重可以根据实际需要设定。例如,机器人的整机状态评估阈值=A×a+B×b+C×c,其中,A、B、C分别代表不同的预设硬件部件的健康阈值,a、b、c分别代表健康阈值的权重。
在一个可选的实施例中,还可以根据机器人的整机状态评估阈值对机器人的当前整机状态评估值进行评估,得到机器人的当前整机状态评估结果。
例如,当该整机状态评估阈值与该当前整机状态评估值之间的差值大于第一差值时,得到该当前整机状态评估结果为差。该第一差值可以根据实际需要设置,例如为0.3。则,整机状态评估阈值-当前整机状态评估值>0.3时,得到该当前整机状态评估结果为差。
例如,当该整机状态评估阈值与该当前整机状态评估值之间的差值大于第二差值且小于第一差值时,得到该当前整机状态评估结果为良。该第二差值可以根据实际需要设置,例如为0.1,该第一差值例如为0.3。则,0.1<整机状态评估阈值-当前整机状态评估值<0.3时,得到该当前整机状态评估结果为良。
例如,当该整机状态评估阈值与该当前整机状态评估值之间的差值小于第三差值时,得到该当前整机状态评估结果为优,其中,该第三差值小于该第二差值。该第二差值可以根据实际需要设置,例如为0.05,该第二差值例如为0.1。则,整机状态评估阈值-当前整机状态评估值<0.05时,得到该当前整机状态评估结果为优。
在得到该当前整机状态评估结果为差时,可以实时告警通知维修人员及时维修该机器人,更具体的,可以显示当前状态评估值差的预设硬件部件的名称、所在位置等,帮助维修人员更快获知机器人的维修部位。
综上,本实施例提供一种机器人健康管理方法,该方法获取机器人上各预设硬件部件的当前运动数据后,将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,完成对机器人上的各预设硬件部件的状态进行评估。根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,完成对机器人的整体状态的评估。硬件部件的当前状态评估值越大,证明硬件部件的当前状态越好,同样的,机器人的当前整机状态评估值越大,证明机器人的当前状态越好。如此,通过状态评估值可以对机器人的状态进行监测,提醒改善机器人的状态,从而达到提高机器人的工作效果的目的。
在一个可选的实施例中,在确定出各预设硬件部件的当前状态评估值和机器人的当前整机状态评估值后,实时显示各预设硬件部件的当前状态评估值和机器人的当前整机状态评估值。
例如,该电子设备上显示图形化显示界面,该图形化显示界面可以实时显示四足机器人各预设硬件部件的当前状态评估值和机器人的当前整机状态评估值。如图4所示,该图形化显示界面上显示四足机器人的整机状态评估值,还可以显示电机、机械关节的当前状态评估值。
更进一步的,该图形化显示界面上还可以显示电机、机械关节的当前运动数据。电机的当前运动数据如图4所示的输出力矩、温度和振动曲线。机械关节的当前运动数据如图4所示的最大应变、振动曲线。
在一个可选的实施例中,还可以于预测的健康状态值,对后续可能出现的问题进行预警。具体的,将各预设硬件部件的当前状态评估值输入至各预设硬件部件的状态预测模型,得到各预设硬件部件在下一个时刻的预测状态评估值。该状态预测模型例如为短期记忆网络(LSTM)模型。该状态预测模型的输入也可以为历史多个时刻下的预设硬件部件的当前状态评估值,该状态预测模型的输出为下一个时刻或下多个时刻的预测状态评估值。
例如,该电子设备是间隔一定时间获取一次第一预设硬件部件的当前运动数据,输入第一时刻得到的第一预设硬件部件的当前状态评估值至第一预设硬件部件的第一状态预测模型,该第一状态预测模型输出第二时刻时该第一预设硬件部件的当前状态评估值。
也可以将机器人的当前整机状态评估值输入至整机状态预测模型,得到机器人在下一个时刻的预测整机状态评估值。该整机状态预测模型例如为短期记忆网络(LSTM)模型。
基于预测的下一个时刻或下多个时刻的预设硬件部件的当前状态评估值和机器人的整机状态评估值可以对预设硬件部件的状态进行预测、以及对机器人的整机状态进行预测。对应的,如图4所示,该图形化显示界面上可以显示预测的电机、机械关节在“正常工作x小时后可能故障”,显示预测的整机的剩余运行时间:x小时,以及显示预测的整机的剩余无故障时间:x小时。
综上,该机器人健康管理方法对机器人上各预设硬件部件的当前运行数据实时获取,对机器人上的预设硬件部件的状态进行预测和显示,以及对机器人的整机状态进行预测和显示,可以提前预警机器人可能出现的故障,提高机器人的使用效果,减少因为机器人故障导致的损失。工作人员可以提前获知可能出现的故障以及提前获知机器人的工作状态等,及时对机器人的工作状态和机械状态进行维护。
请参见图5,本申请的一个实施例还提供一种机器人健康管理系统10,包括:
信息采集器11,设置于机器人上各预设硬件部件,用于采集各预设硬件部件的当前运动数据。
该信息采集器11例如振动传感器、温度传感器、应变片等。该信息采集器11在机器人上的安装位置可以根据实际需要设置,本实施例不做限定。图5所示为四足机器人上安装的信息采集器11的示意图。
信息处理器12,用于获取机器人上各预设硬件部件的当前运动数据;将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关;根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,该当前整机状态评估值与机器人当前状态正相关。
该信息处理器12例如为中央处理器,可以设置在机器人的远程控制设备上。
该信息处理器12还用于获取各预设硬件部件的历史运动数据;以各预设硬件部件的历史运动数据作为训练数据,对各初始状态评估模型进行训练,得到各预设硬件部件的状态评估模型。
该信息处理器12具体用于获取各预设硬件部件的当前状态评估值的权重;基于各预设硬件部件的当前状态评估值、各预设硬件部件的当前状态评估值的权重,确定机器人的当前整机状态评估值。
该信息处理器12还用于获取各初始状态评估模型进行训练后得到的各预设硬件部件的健康阈值;获取各预设硬件部件的健康阈值的权重;根据各预设硬件部件的健康阈值、各预设硬件部件的健康阈值的权重确定机器人的整机状态评估阈值;根据机器人的整机状态评估阈值对机器人的当前整机状态评估值进行评估,得到机器人的当前整机状态评估结果。
该信息处理器12具体用于当该整机状态评估阈值与该当前整机状态评估值之间的差值大于第一差值时,得到该当前整机状态评估结果为差;当该整机状态评估阈值与该当前整机状态评估值之间的差值大于第二差值且小于第一差值时,得到该当前整机状态评估结果为良;当该整机状态评估阈值与该当前整机状态评估值之间的差值小于第三差值时,得到该当前整机状态评估结果为优,其中,该第三差值小于该第二差值。
该信息处理器12还用于当第一预设硬件部件的当前状态评估值与第一预设硬件部件的健康阈值之间的差值超过预设差值时,确定机器人的当前整机状态评估值为零。
该信息处理器12还用于将各预设硬件部件的当前状态评估值输入至各预设硬件部件的状态预测模型,得到各预设硬件部件在下一个时刻的预测状态评估值;和/或,将机器人的当前整机状态评估值输入至整机状态预测模型,得到机器人在下一个时刻的预测整机状态评估值。
请参见图6,本申请的一个实施例还提供一种机器人健康管理装置20,包括:
数据收集模块21,用于获取机器人上各预设硬件部件的当前运动数据。
处理模块22,用于将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关。
该处理模块22还用于根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,该当前整机状态评估值与机器人当前状态正相关。
该数据收集模块21还用于获取各预设硬件部件的历史运动数据。该处理模块22还用于以各预设硬件部件的历史运动数据作为训练数据,对各初始状态评估模型进行训练,得到各预设硬件部件的状态评估模型。
该处理模块22具体用于获取各预设硬件部件的当前状态评估值的权重;基于各预设硬件部件的当前状态评估值、各预设硬件部件的当前状态评估值的权重,确定机器人的当前整机状态评估值。
该处理模块22还用于获取各初始状态评估模型进行训练后得到的各预设硬件部件的健康阈值;获取各预设硬件部件的健康阈值的权重;根据各预设硬件部件的健康阈值、各预设硬件部件的健康阈值的权重确定机器人的整机状态评估阈值;根据机器人的整机状态评估阈值对机器人的当前整机状态评估值进行评估,得到机器人的当前整机状态评估结果。
该处理模块22具体用于当该整机状态评估阈值与该当前整机状态评估值之间的差值大于第一差值时,得到该当前整机状态评估结果为差;当该整机状态评估阈值与该当前整机状态评估值之间的差值大于第二差值且小于第一差值时,得到该当前整机状态评估结果为良;当该整机状态评估阈值与该当前整机状态评估值之间的差值小于第三差值时,得到该当前整机状态评估结果为优,其中,该第三差值小于该第二差值。
该处理模块22还用于当第一预设硬件部件的当前状态评估值与第一预设硬件部件的健康阈值之间的差值超过预设差值时,确定机器人的当前整机状态评估值为零。
请参见图7,本申请的一个实施例还提供一种电子设备30,包括处理器31,以及与该处理器31通信连接的存储器32。该存储器32存储计算机执行指令。该处理器31执行该存储器32存储的计算机执行指令,以实现如以上任一项实施例提供的机器人健康管理方法。
本申请还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,当该指令被执行时,使得计算机执行指令被处理器执行时用于实现如上任一项实施例提供的该机器人健康管理方法。
本申请还提供一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现如上任一项实施例提供的该机器人健康管理方法。
需要说明的是,上述计算机可读存储介质可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器。也可以是包括上述存储器之一或任意组合的各种电子设备,如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、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装置。
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装置的制造品,该指令装置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。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种机器人健康管理方法,其特征在于,包括:
获取机器人上各预设硬件部件的当前运动数据;
将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关;
根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,所述当前整机状态评估值与机器人当前状态正相关。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取各预设硬件部件的历史运动数据;
以各预设硬件部件的历史运动数据作为训练数据,对各初始状态评估模型进行训练,得到各预设硬件部件的状态评估模型。
3.根据权利要求2所述的方法,其特征在于,所述根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值包括:
获取各预设硬件部件的当前状态评估值的权重;
基于各预设硬件部件的当前状态评估值、各预设硬件部件的当前状态评估值的权重,确定机器人的当前整机状态评估值。
4.根据权利要求2所述的方法,其特征在于,所述对各初始状态评估模型进行训练后,还包括:
获取各初始状态评估模型进行训练后得到的各预设硬件部件的健康阈值;
获取各预设硬件部件的健康阈值的权重;
根据各预设硬件部件的健康阈值、各预设硬件部件的健康阈值的权重确定机器人的整机状态评估阈值;
根据机器人的整机状态评估阈值对机器人的当前整机状态评估值进行评估,得到机器人的当前整机状态评估结果。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当第一预设硬件部件的当前状态评估值与第一预设硬件部件的健康阈值之间的差值超过预设差值时,确定机器人的当前整机状态评估值为零。
6.根据权利要求4所述的方法,其特征在于,所述根据机器人的整机状态评估阈值对机器人的当前整机状态评估值进行评估,得到机器人的当前整机状态评估结果包括:
当所述整机状态评估阈值与所述当前整机状态评估值之间的差值大于第一差值时,得到所述当前整机状态评估结果为差;
当所述整机状态评估阈值与所述当前整机状态评估值之间的差值大于第二差值且小于第一差值时,得到所述当前整机状态评估结果为良;
当所述整机状态评估阈值与所述当前整机状态评估值之间的差值小于第三差值时,得到所述当前整机状态评估结果为优,其中,所述第三差值小于所述第二差值。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将各预设硬件部件的当前状态评估值输入至各预设硬件部件的状态预测模型,得到各预设硬件部件在下一个时刻的预测状态评估值;和/或,
将机器人的当前整机状态评估值输入至整机状态预测模型,得到机器人在下一个时刻的预测整机状态评估值。
8.一种机器人健康管理系统,其特征在于,包括:
信息采集器,设置于机器人上各预设硬件部件,用于采集各预设硬件部件的当前运动数据;
信息处理器,用于获取机器人上各预设硬件部件的当前运动数据;将各预设硬件部件的当前运动数据输入至各预设硬件部件的状态评估模型,得到各预设硬件部件的当前状态评估值,预设硬件部件的当前状态评估值与预设硬件部件的当前状态正相关;根据各预设硬件部件的当前状态评估值确定机器人的当前整机状态评估值,所述当前整机状态评估值与机器人当前状态正相关。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至7中任一项所述的机器人健康管理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当所述指令被执行时,使得计算机执行如权利要求1-7中任一项所述的机器人健康管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210859783.3A CN115081938A (zh) | 2022-07-22 | 2022-07-22 | 机器人健康管理方法、装置及电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210859783.3A CN115081938A (zh) | 2022-07-22 | 2022-07-22 | 机器人健康管理方法、装置及电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115081938A true CN115081938A (zh) | 2022-09-20 |
Family
ID=83243239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210859783.3A Pending CN115081938A (zh) | 2022-07-22 | 2022-07-22 | 机器人健康管理方法、装置及电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115081938A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2393067A1 (en) * | 2010-06-04 | 2011-12-07 | BAE Systems Bofors AB | Condition based maintenance support schedule management |
KR20180052416A (ko) * | 2016-11-10 | 2018-05-18 | (의) 삼성의료재단 | 직장인의 직무 스트레스 평가시스템 및 방법 |
CN110209552A (zh) * | 2019-05-29 | 2019-09-06 | 北京百度网讯科技有限公司 | 一种设备管理方法和装置 |
CN111126822A (zh) * | 2019-12-19 | 2020-05-08 | 佛山科学技术学院 | 一种工业机器人健康评估方法、装置及存储介质 |
CN111563603A (zh) * | 2020-04-21 | 2020-08-21 | 西人马(厦门)科技有限公司 | 电梯健康状态评估方法和装置、存储介质 |
CN111768082A (zh) * | 2020-06-02 | 2020-10-13 | 广东电网有限责任公司 | 一种基于大数据分析的电力设备状态评估方法 |
CN113704071A (zh) * | 2021-07-30 | 2021-11-26 | 济南浪潮数据技术有限公司 | 一种服务器健康状况预测的方法、装置、设备及可读介质 |
CN114138625A (zh) * | 2021-12-08 | 2022-03-04 | 中国工商银行股份有限公司 | 服务器健康状态的评估方法、系统、电子设备和存储介质 |
CN114418383A (zh) * | 2022-01-18 | 2022-04-29 | 青岛方维智能科技有限公司 | 一种工业机器人的健康风险评估方法、装置、介质和设备 |
CN114742157A (zh) * | 2022-04-12 | 2022-07-12 | 一汽解放汽车有限公司 | 车辆健康状态确定方法、装置、设备、存储介质 |
-
2022
- 2022-07-22 CN CN202210859783.3A patent/CN115081938A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2393067A1 (en) * | 2010-06-04 | 2011-12-07 | BAE Systems Bofors AB | Condition based maintenance support schedule management |
KR20180052416A (ko) * | 2016-11-10 | 2018-05-18 | (의) 삼성의료재단 | 직장인의 직무 스트레스 평가시스템 및 방법 |
CN110209552A (zh) * | 2019-05-29 | 2019-09-06 | 北京百度网讯科技有限公司 | 一种设备管理方法和装置 |
CN111126822A (zh) * | 2019-12-19 | 2020-05-08 | 佛山科学技术学院 | 一种工业机器人健康评估方法、装置及存储介质 |
CN111563603A (zh) * | 2020-04-21 | 2020-08-21 | 西人马(厦门)科技有限公司 | 电梯健康状态评估方法和装置、存储介质 |
CN111768082A (zh) * | 2020-06-02 | 2020-10-13 | 广东电网有限责任公司 | 一种基于大数据分析的电力设备状态评估方法 |
CN113704071A (zh) * | 2021-07-30 | 2021-11-26 | 济南浪潮数据技术有限公司 | 一种服务器健康状况预测的方法、装置、设备及可读介质 |
CN114138625A (zh) * | 2021-12-08 | 2022-03-04 | 中国工商银行股份有限公司 | 服务器健康状态的评估方法、系统、电子设备和存储介质 |
CN114418383A (zh) * | 2022-01-18 | 2022-04-29 | 青岛方维智能科技有限公司 | 一种工业机器人的健康风险评估方法、装置、介质和设备 |
CN114742157A (zh) * | 2022-04-12 | 2022-07-12 | 一汽解放汽车有限公司 | 车辆健康状态确定方法、装置、设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
李俨等: "无人机系统健康状态评估方法研究", 《系统工程与电子技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106409120B (zh) | 机械学习方法及机械学习装置、以及故障预知装置及系统 | |
CN112727965B (zh) | 采煤机制动器的故障监测方法及装置 | |
CN113552840A (zh) | 一种机械加工控制系统 | |
KR102278744B1 (ko) | 로봇의 이상 상태에 대한 알람을 출력하는 방법 및 장치 | |
CN114239734B (zh) | 一种分布式车载健康管理系统 | |
PETERKA et al. | DIAGNOSTICS OF AUTOMATED TECHNOLOGICAL DEVICES. | |
CN112025703B (zh) | 机器人自诊断的方法、装置及系统 | |
CN115909203A (zh) | 建筑施工安全全景监控系统及方法 | |
CN116880454A (zh) | 车辆故障智能诊断系统与方法 | |
CN111445034A (zh) | 一种工业设备故障预测的系统及方法 | |
EP3404502B1 (en) | Condition-based maintenance of device | |
CN114396415B (zh) | 用于液压故障自诊断的装置、方法及液压系统 | |
CN114495468A (zh) | 机器人故障状态监测预警方法、电子设备、存储介质 | |
US10903778B2 (en) | Apparatus and methods for monitoring subsea electrical systems using adaptive models | |
CN115081938A (zh) | 机器人健康管理方法、装置及电子设备、存储介质 | |
CN114155692A (zh) | 一种设备故障上报方法、装置及存储介质 | |
CN109030976B (zh) | 一种电力电子设备监测诊断系统和方法 | |
CN114055516B (zh) | 一种故障诊断和维保的方法、系统、设备及存储介质 | |
EP3303835A1 (en) | Method for windmill farm monitoring | |
CN117267216B (zh) | 一种液压元件模型在环工况模拟检测方法和系统 | |
CN112525530B (zh) | 用于滚动轴承的部件的损伤预测的方法 | |
CN114704438B (zh) | 风电机组故障监控方法及装置 | |
KR102340965B1 (ko) | 상태 판정 시스템 | |
US20240051140A1 (en) | Diagnostic system | |
CN117616438A (zh) | 电动汽车诊断及预知系统 |
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: 20220920 |
|
RJ01 | Rejection of invention patent application after publication |