CN115781765B - 一种机器人的故障诊断方法、装置、存储介质及设备 - Google Patents

Abstract

本申请公开了一种机器人的故障诊断方法、装置、存储介质及设备，该方法包括：首先获取目标机器人的行驶信息，并利用行驶信息判断其是否满足预设故障条件；若是，则利用预先构建的故障类型识别模型，判断其是否处于预设故障类型，当确定其不处于预设故障类型时，向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，以确定目标机器人所处的新的故障类型。可见，当无法利用故障类型识别模型识别出预设故障类型时，本申请是通过向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行处理，来确定其所处的新的故障类型，而不是仅利用故障发生时刻的环境数据进行诊断，提高了诊断效果和用户体验。

Description

一种机器人的故障诊断方法、装置、存储介质及设备

技术领域

本申请涉及机器人技术领域，尤其涉及一种机器人的故障诊断方法、装置、存储介质及设备。

背景技术

随着机器人技术的进步，机器人的种类越来越丰富，功能也越来越强大，其中，清洁机器人的使用也越来越广泛，清洁机器人在工作过程中能够自动识别周围的障碍物，并对障碍物执行避障操作，不仅节约了人力成本，而且提升了清洁效率，为人们的生活带来极大的便利和舒适体验。

但是由于家庭环境中的地面环境往往比较复杂，可能会出现一些阻碍机器人行进或者导致机器人被困住的物品，比如破布条，数据线等等，并且目前此类故障发生时往往较难检测，极大程度上影响了移动机器人在家庭环境中的运行效率。

因此，如何提高清洁机器人的故障诊断效果，以进一步提升用户体验是目前亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提供一种机器人的故障诊断方法、装置、存储介质及设备，能够提高机器人的故障诊断效果，并进一步提升用户体验。

第一方面，本申请实施例提供了一种机器人的故障诊断方法，所述方法包括：

获取目标机器人的行驶信息，并利用所述行驶信息判断所述目标机器人是否满足预设故障条件；

若是，则利用预先构建的故障类型识别模型，判断所述目标机器人是否处于预设故障类型；

当确定所述目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内所述目标机器人周围预设区域内的环境数据进行故障诊断，以确定所述目标机器人所处的新的故障类型。

一种可能的实现方式中，所述目标机器人的行驶信息包括目标机器人的行进速度和位置信息；所述利用所述行驶信息判断所述目标机器人是否满足预设故障条件，包括：

根据所述目标机器人的行进速度和位置信息，判断所述目标机器人是否位于同一位置不低于第一预设时长。

一种可能的实现方式中，所述目标机器人的行驶信息包括目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态；所述利用所述行驶信息判断所述目标机器人是否满足预设故障条件，包括：

判断所述目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态是否不低于第二预设时长。

一种可能的实现方式中，所述目标机器人的行驶信息包括目标机器人的倾斜角度；所述利用所述行驶信息判断所述目标机器人是否满足预设故障条件，包括：

判断所述目标机器人的倾斜角度大于预设角度阈值的时间是否不低于第三预设时长。

一种可能的实现方式中，所述方法还包括：

当确定所述目标机器人处于预设故障类型时，控制所述目标机器人执行所述预设故障类型对应的预设脱困动作。

一种可能的实现方式中，所述预设时间段的终止时刻为判断出所述目标机器人满足预设故障条件的时刻；所述预设时间段的起始时刻为所述目标机器人行进至距离故障位置大于预设距离阈值的位置的时刻；所述预设距离阈值不小于所述目标机器人的直径与所述目标机器人上预置的拍摄设备的盲区距离之和。

一种可能的实现方式中，在所述确定所述目标机器人所处的新的故障类型之后，所述方法还包括：

利用所述缓存的预设时间段内所述目标机器人周围预设区域内的环境数据，以及所述目标机器人所处的新的故障类型，对所述故障类型识别模型进行更新处理，得到更新后的故障类型识别模型。

第二方面，本申请实施例还提供了一种机器人的故障诊断装置，包括：

第一判断单元，用于获取目标机器人的行驶信息，并利用所述行驶信息判断所述目标机器人是否满足预设故障条件；

第二判断单元，用于若判断出所述目标机器人满足预设故障条件，则利用预先构建的故障类型识别模型，判断所述目标机器人是否处于预设故障类型；

诊断单元，用于当确定所述目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内所述目标机器人周围预设区域内的环境数据进行故障诊断，以确定所述目标机器人所处的新的故障类型。

一种可能的实现方式中，所述目标机器人的行驶信息包括目标机器人的行进速度和位置信息；所述第一判断单元具体用于：

根据所述目标机器人的行进速度和位置信息，判断所述目标机器人是否位于同一位置不低于第一预设时长。

一种可能的实现方式中，所述目标机器人的行驶信息包括目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态；所述第一判断单元具体用于：

判断所述目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态是否不低于第二预设时长。

一种可能的实现方式中，所述目标机器人的行驶信息包括目标机器人的倾斜角度；所述第一判断单元具体用于：

判断所述目标机器人的倾斜角度大于预设角度阈值的时间是否不低于第三预设时长。

一种可能的实现方式中，所述装置还包括：

控制单元，用于当确定所述目标机器人处于预设故障类型时，控制所述目标机器人执行所述预设故障类型对应的预设脱困动作。

一种可能的实现方式中，所述预设时间段的终止时刻为判断出所述目标机器人满足预设故障条件的时刻；所述预设时间段的起始时刻为所述目标机器人行进至距离故障位置大于预设距离阈值的位置的时刻；所述预设距离阈值不小于所述目标机器人的直径与所述目标机器人上预置的拍摄设备的盲区距离之和。

一种可能的实现方式中，所述装置还包括：

更新单元，用于利用所述缓存的预设时间段内所述目标机器人周围预设区域内的环境数据，以及所述目标机器人所处的新的故障类型，对所述故障类型识别模型进行更新处理，得到更新后的故障类型识别模型。

第三方面，本申请实施例还提供了一种机器人的故障诊断设备，包括：处理器、存储器、系统总线；

所述处理器以及所述存储器通过所述系统总线相连；

所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述第一方面所述的机器人的故障诊断方法中的任意一种实现方式。

第四方面，本申请实施例还提供了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指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述第一方面所述的机器人的故障诊断方法中的任意一种实现方式。

第五方面，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述第一方面所述的机器人的故障诊断方法中的任意一种实现方式。

本申请实施例提供的一种机器人的故障诊断方法、装置、存储介质及设备，首先获取目标机器人的行驶信息，并利用行驶信息判断目标机器人是否满足预设故障条件；若是，则利用预先构建的故障类型识别模型，判断目标机器人是否处于预设故障类型，然后，当确定目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，以确定目标机器人所处的新的故障类型。可见，在对目标机器人进行故障诊断时，对于无法利用故障类型识别模型识别出预设故障类型的情况，本申请是通过向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，来确定出目标机器人所处的新的故障类型，而不是仅通过故障发生时刻的环境数据进行诊断，从而能够有效提高对于目标机器人的故障诊断效果，并进一步提升用户体验。

附图说明

为了更清楚地说明本申请实施例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，下面描述中的附图是本申请的一些实施例，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他的附图。

图1为本申请实施例提供的一种机器人的故障诊断方法的流程示意图；

图2为本申请实施例提供的预设时间段的起始时刻、终止时刻和预设距离阈值的示例图；

图3为本申请实施例提供的一种机器人的故障诊断装置的组成示意图。

具体实施方式

家用移动服务机器人等各种家庭环境中自主移动机器人设备，这些设备可以实现各种类型的自主移动和作业，包括清洁作业或者陪伴行为，给用户带来了极大的便利和生活体验的提升。这些机器人（尤其是清洁机器人）通常为轮式移动机器人，可以根据用户发出的指令或者任务自主的到达某一个点或者按照某个路线完成某项动作。

但是，由于是清洁机器人包含了很多的转动机构，而家庭环境中的地面环境往往比较复杂，可能会出现一些阻碍机器人行进或者导致机器人被困住的物品，比如破布条，数据线等等，并且目前此类故障发生时往往较难检测，极大程度上影响了移动机器人在家庭环境中的运行效率。

对此，目前通常采用的解决方法是向服务器上报故障发生时刻机器人所遇到的故障数据，但大多数情况下机器人被困住的故障原因是无法通过故障发生时刻的传感器数据检测到的，比如机器人的轮子被某个物品缠绕住，此时故障因素在机器人的正下方，早已超出机器人上摄像头或者激光雷达的视野范围，上传此类数据对于机器人的故障诊断分析以及后续的优化和迭代是无任何帮助的。

为解决上述缺陷，提高机器人的故障诊断效果，本申请提供了一种机器人的故障诊断方法，首先获取目标机器人的行驶信息，并利用行驶信息判断目标机器人是否满足预设故障条件；若是，则利用预先构建的故障类型识别模型，判断目标机器人是否处于预设故障类型，然后，当确定目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，以确定目标机器人所处的新的故障类型。可见，在对目标机器人进行故障诊断时，对于无法利用故障类型识别模型识别出预设故障类型的情况，本申请是通过向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，来确定出目标机器人所处的新的故障类型，而不是仅通过故障发生时刻的环境数据进行诊断，从而能够有效提高对于目标机器人的故障诊断效果，并进一步提升用户体验。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

第一实施例

参见图1，为本实施例提供的一种机器人的故障诊断方法的流程示意图，该方法包括以下步骤：

S101：获取目标机器人的行驶信息，并利用行驶信息判断目标机器人是否满足预设故障条件。

在本实施例中，将采用本实施例来进行故障诊断的任一清洁机器人定义为目标机器人。为了提高故障诊断效果，本申请首先利用预先在目标机器人中设置的各个传感器获取目标机器人的行驶信息，并利用现有或未来出现的数据处理方式对行驶信息进处理，以根据处理结果判断出目标机器人是否满足预设故障条件，即判断目标机器人是否出现了故障，若是，则继续执行后续步骤S102。

其中，目标机器人的行驶信息包括但不限于目标机器人的行进速度和位置信息、目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态、目标机器人的倾斜角度等。

预先在目标机器人中设置的各个传感器包括但不限于拍摄设备（如摄像头）、激光雷达、防跌落传感器、碰撞检测传感器、加速度计、陀螺仪、轮速计等。其中，拍摄设备（如摄像头）用于获取目标机器人周围预设区域内的图像信息。激光雷达用于获取目标机器人周围预设区域内的激光点云数据。防跌落传感器的触发用于防止目标机器人从高处跌落，造成损坏。碰撞检测传感器触发用于防止目标机器人出现碰撞造成损坏，指示目标机器人进行后退或转向行驶。加速度计用于获取目标机器人的行驶加速度。陀螺仪用于获取目标机器人的倾斜角度。轮速计用于获取目标机器人的轮子的转动速度。

在此基础上，利用各个传感器获取的目标机器人的行驶信息，可以进行环境地图的构建，以确定目标机器人的位置信息。具体来讲，一种可选的实现方式是，目标机器人在接收到用户发出的或者是由系统定时发出的建图指令后，首先可以响应于接收到的该建图指令，通过自身的激光雷达，获取目标机器人周围预设区域内的激光点云数据，然后，再利用现有或未来出现的建图算法，根据激光点云数据，构建目标机器人所处的环境地图。并在图中标记出存在障碍物的区域和不存在障碍物的区域，如可以用0和1将其描绘的一个黑白地图，其中，0表示不存在障碍物的区域，1表示存在障碍物的区域等，以便规划出合理的避障作业路线。

具体来讲，一种可选的实现方式是，目标机器人的行驶信息可以包括利用目标机器人的加速度计和环境地图确定的目标机器人的行进速度和位置信息，此时，上述步骤S101中“利用行驶信息判断目标机器人是否满足预设故障条件”具体可以为：根据目标机器人的行进速度和位置信息，判断目标机器人是否位于同一位置范围内不低于第一预设时长。

在本实现方式中，当目标机器人在正常移动过程中出现处于某一个位置附近范围（具体范围可根据实际情况和经验值设定，本申请不做限定）内未离开的时长不低于第一预设时长时，说明目标机器人在该位置出现了故障无法移动，需要进行具体的诊断分析处理。

其中，第一预设时长的具体取值可根据实际情况和经验值来设定，本申请不进行限定，比如可以将第一预设时长设定为10秒等。

例如，当目标机器人在正常移动过程中突然出现处于某一个位置附近范围内达10秒及以上，且给轮子运动指令（如可以为3米/秒）后轮子的轮速计没有反应，说明轮子被困住了、未移动离开，即移动速度趋于0，此时，即可判定目标机器人满足预设故障条件，即检测到目标机器人出现了故障。

另一种可选的实现方式是，目标机器人的行驶信息可以包括目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态，此时，上述步骤S101中“利用行驶信息判断目标机器人是否满足预设故障条件”具体可以为：判断目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态是否不低于第二预设时长。

在本实现方式中，当检测到目标机器人的防跌落传感器和/或碰撞检测传感器处于触发状态的持续时间不低于第二预设时长时，说明目标机器人在这不低于第二预设时长的时间内在尝试触发防跌落传感器和/或碰撞检测传感器进行避障处理，但未起作用，从而表明目标机器人在该位置碰到了故障无法移动，需要进行具体的诊断分析处理。

其中，第二预设时长的具体取值可根据实际情况和经验值来设定，本申请不进行限定，比如可以将第二预设时长设定为15秒等。

再一种可选的实现方式是，目标机器人的行驶信息可以包括目标机器人的倾斜角度，此时，上述步骤S101中“利用行驶信息判断目标机器人是否满足预设故障条件”具体可以为：判断目标机器人的倾斜角度大于预设角度阈值的时间是否不低于第三预设时长。

在本实现方式中，当利用目标机器人的陀螺仪检测到目标机器人的倾斜角度大于预设角度阈值，且持续时间不低于第三预设时长时，说明目标机器人在这不低于第三预设时长的时间内在该位置碰到了故障无法移动，需要进行具体的诊断分析处理。

其中，第三预设时长的具体取值可根据实际情况和经验值来设定，本申请不进行限定，比如可以将第三预设时长设定为10秒等。预设角度阈值的具体取值可根据实际情况和经验值来设定，本申请不进行限定，比如可以将预设角度阈值设定为15度等。

S102：若是，则利用预先构建的故障类型识别模型，判断目标机器人是否处于预设故障类型。

在本实施例中，若通过步骤S101判断出目标机器人满足预设故障条件，即判断出目标机器人在某一位置出现了故障且无法移动，此时，可以根据目标传感器采集的环境信息，利用利用预先构建的故障类型识别模型，判断目标机器人是否处于预设故障类型，若是，则可以控制目标机器人执行识别出的预设故障类型对应的预设脱困动作，包括但不限于后退、旋转、向前方猛加速或沿边模式等；若否，则可以继续执行后续步骤S103。

其中，预设故障类型可以进行预先分类，但本申请对具体分类结果和内容不做限定，通常可以将家庭环境中常见的障碍物进行分类，再根据分类结果进行模型训练，比如对于拖鞋这一常见的障碍物，可以通过采集各种各样的拖鞋的照片来训练拖鞋识别模型（即一种预先构建的故障类型识别模型的示例），这样，在目标机器人在某一位置出现了故障且无法移动时，利用自身预先配置的拍摄设备（如摄像头）拍摄到周围预设区域内的图像信息后，可以利用该拖鞋识别模型对图像进行识别处理，以检测到“拖鞋”这一障碍物，进而可以采用其对应的“后退”脱困动作，进行绕障处理。

S103：当确定目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，以确定目标机器人所处的新的故障类型。

在本实施例中，若通过步骤S102确定出目标机器人并不处于预设故障类型，即不属于碰到“拖鞋”等场景的常见故障类型时，仅对故障发生时刻的获取的环境数据进行故障诊断是无法准确诊断出具体的故障类型，甚至无法得到诊断结果，对此，本申请提出在目标机器人的行驶过程中，预先在预设时间段内，通过目标机器人上各个传感器获取目标机器人周围预设区域内的环境数据并进行缓存，这样，在当确定目标机器人不处于预设故障类型时，可以向服务器端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，以确定目标机器人所处的新的故障类型。

其中，预设时间段的具体取值可根据实际情况和经验值进行设定，本申请实施例对此不进行限定。但需要说明的是，预设时间段的取值与目标机器人的日常行进速度、尺寸和存储能力均有关。该时间段取值的设定不宜太长，因为若将其设定过长一是会增加目标机器人的存储成本，二是会导致将其上传网络所用的流量过大，同时太长时间的数据也不利于故障分析的定位，所以本申请采用的优选的实现方式是预先设置了该预设时间段取值的上限阈值，如5分钟，使其占用目标机器人的一半存储能力即可，但该预设时间段取值的设定也不可以太短，因为本申请需要通过回溯该预设时间段内采集的环境数据来还原故障发生现场的场景。

所以，一种优选的实现方式是，该预设时间段的终止时刻可以设定为判断出目标机器人满足预设故障条件的时刻（即识别到目标机器人在某一困境位置出现了故障无法移动的时刻）；该预设时间段的起始时刻可以设定为目标机器人行进至距离故障位置大于预设距离阈值的位置的时刻。其中，预设距离阈值不小于目标机器人的直径与目标机器人上预置的拍摄设备（如摄像头）的盲区距离之和，如图2所示。

这样，通过对向服务端上传的已缓存的预设时间段内所述目标机器人周围预设区域内的环境数据进行故障诊断，使得诊断的数据会更加有针对性，更加有利于故障分析，且保证了数据缓存的起始时刻目标机器人的位置一定是与故障发生时刻其所处的位置是没有重叠区域的，从而能够在最大程度上还原了故障发生之前故障现场的真实情况，进而提高了诊断效果。

此外，一种可选的实现方式是，在向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，并确定出目标机器人所处的新的故障类型后，进一步可以利用缓存的预设时间段内目标机器人周围预设区域内的环境数据，以及目标机器人所处的新的故障类型，对故障类型识别模型进行更新处理，得到更新后的故障类型识别模型。以便后续目标机器人再遇到类似故障类型时，可以理解更新后的故障类型识别模型，直接识别出目标机器人处的故障类型，从而提高了诊断效率。

举例说明：以目标机器人遇到的故障为数据线的缠绕为例。由于数据线的高度是比较矮的，目标机器人上激光雷达一般设置在扫地机的顶面，扫描范围是与激光雷达等高的水平面，这时通过激光雷达是扫描不到数据线的，但是目标机器人身上设置的摄像头的视场角往往比较大，通常会预先将摄像头设置于目标机器人正前方的位置，视场角与目标机器人的行进方向一致，所以通过摄像头的拍摄的图像数据中基本上是可以包含数据线的。

但是由于数据线并不属于家庭环境中常见的障碍物，所以利用预先构建的故障类型识别模型是识别不出目标机器人的具体故障类型的，导致机器人可能会采用类似“后退”等常见脱困动作，再次压过数据线，容易导致被轮子或者是滚刷缠住卡在故障位置。此时，即可将缓存的预设时间段内所述目标机器人周围预设区域内的环境数据通过网络上传给服务端，如目标机器人的生产方，便于其对这些数据进行分析，比如可以利用大量类似数据（即大量被数据线卡住的故障数据）来训练数据线故障识别模型，实现对于故障类型识别模型的更新操作，并通过远程升级的方式对目标机器人进行升级，以便后续可以利用更新后的故障类型识别模型（即其中的数据线故障识别模型）识别到数据线的故障类型。

综上，本实施例提供的一种机器人的故障诊断方法，首先获取目标机器人的行驶信息，并利用行驶信息判断目标机器人是否满足预设故障条件；若是，则利用预先构建的故障类型识别模型，判断目标机器人是否处于预设故障类型，然后，当确定目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，以确定目标机器人所处的新的故障类型。可见，在对目标机器人进行故障诊断时，对于无法利用故障类型识别模型识别出预设故障类型的情况，本申请是通过向服务端上传已缓存的预设时间段内目标机器人周围预设区域内的环境数据进行故障诊断，来确定出目标机器人所处的新的故障类型，而不是仅通过故障发生时刻的环境数据进行诊断，从而能够有效提高对于目标机器人的故障诊断效果，并进一步提升用户体验。

第二实施例

本实施例将对一种机器人的故障诊断装置进行介绍，相关内容请参见上述方法实施例。

参见图3，为本实施例提供的一种机器人的故障诊断装置的组成示意图，该装置300包括：

第一判断单元301，用于获取目标机器人的行驶信息，并利用所述行驶信息判断所述目标机器人是否满足预设故障条件；

第二判断单元302，用于若判断出所述目标机器人满足预设故障条件，则利用预先构建的故障类型识别模型，判断所述目标机器人是否处于预设故障类型；

诊断单元303，用于当确定所述目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内所述目标机器人周围预设区域内的环境数据进行故障诊断，以确定所述目标机器人所处的新的故障类型。

在本实施例的一种实现方式中，所述目标机器人的行驶信息包括目标机器人的行进速度和位置信息；所述第一判断单元301具体用于：

根据所述目标机器人的行进速度和位置信息，判断所述目标机器人是否位于同一位置不低于第一预设时长。

在本实施例的一种实现方式中，所述目标机器人的行驶信息包括目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态；所述第一判断单元301具体用于：

判断所述目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态是否不低于第二预设时长。

在本实施例的一种实现方式中，所述目标机器人的行驶信息包括目标机器人的倾斜角度；所述第一判断单元301具体用于：

判断所述目标机器人的倾斜角度大于预设角度阈值的时间是否不低于第三预设时长。

在本实施例的一种实现方式中，所述装置还包括：

控制单元，用于当确定所述目标机器人处于预设故障类型时，控制所述目标机器人执行所述预设故障类型对应的预设脱困动作。

在本实施例的一种实现方式中，所述预设时间段的终止时刻为判断出所述目标机器人满足预设故障条件的时刻；所述预设时间段的起始时刻为所述目标机器人行进至距离故障位置大于预设距离阈值的位置的时刻；所述预设距离阈值不小于所述目标机器人的直径与所述目标机器人上预置的拍摄设备的盲区距离之和。

在本实施例的一种实现方式中，所述装置还包括：

更新单元，用于利用所述缓存的预设时间段内所述目标机器人周围预设区域内的环境数据，以及所述目标机器人所处的新的故障类型，对所述故障类型识别模型进行更新处理，得到更新后的故障类型识别模型。

进一步地，本申请实施例还提供了一种机器人的故障诊断设备，包括：处理器、存储器、系统总线；

所述处理器以及所述存储器通过所述系统总线相连；

所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述机器人的故障诊断方法的任一种实现方法。

进一步地，本申请实施例还提供了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指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述机器人的故障诊断方法的任一种实现方法。

进一步地，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述机器人的故障诊断方法的任一种实现方法。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。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，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等）执行本申请各个实施例或者实施例的某些部分所述的方法。

需要说明的是，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，各个实施例之间相同相似部分互相参见即可。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。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域普通技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的普通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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请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。

Claims (9)

1.一种机器人的故障诊断方法，其特征在于，所述方法包括:

获取目标机器人的行驶信息，并利用所述行驶信息判断所述目标机器人是否满足预设故障条件；

若是，则利用预先构建的故障类型识别模型，判断所述目标机器人是否处于预设故障类型；

当确定所述目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内所述目标机器人周围预设区域内的环境数据进行故障诊断，以确定所述目标机器人所处的新的故障类型；

所述预设时间段的终止时刻为判断出所述目标机器人满足预设故障条件的时刻；所述预设时间段的起始时刻为所述目标机器人行进至距离故障位置大于预设距离阈值的位置的时刻；所述预设距离阈值不小于所述目标机器人的直径与所述目标机器人上预置的拍摄设备的盲区距离之和。

2.根据权利要求1所述的方法，其特征在于，所述目标机器人的行驶信息包括目标机器人的行进速度和位置信息；所述利用所述行驶信息判断所述目标机器人是否满足预设故障条件，包括：

根据所述目标机器人的行进速度和位置信息，判断所述目标机器人是否位于同一位置不低于第一预设时长。

3.根据权利要求1所述的方法，其特征在于，所述目标机器人的行驶信息包括目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态；所述利用所述行驶信息判断所述目标机器人是否满足预设故障条件，包括：

判断所述目标机器人的防跌落传感器和/或碰撞检测传感器的触发状态是否不低于第二预设时长。

4.根据权利要求1所述的方法，其特征在于，所述目标机器人的行驶信息包括目标机器人的倾斜角度；所述利用所述行驶信息判断所述目标机器人是否满足预设故障条件，包括：

判断所述目标机器人的倾斜角度大于预设角度阈值的时间是否不低于第三预设时长。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当确定所述目标机器人处于预设故障类型时，控制所述目标机器人执行所述预设故障类型对应的预设脱困动作。

6.根据权利要求1-5任一项所述的方法，其特征在于，在所述确定所述目标机器人所处的新的故障类型之后，所述方法还包括：

利用所述缓存的预设时间段内所述目标机器人周围预设区域内的环境数据，以及所述目标机器人所处的新的故障类型，对所述故障类型识别模型进行更新处理，得到更新后的故障类型识别模型。

7.一种机器人的故障诊断装置，其特征在于，包括：

第一判断单元，用于获取目标机器人的行驶信息，并利用所述行驶信息判断所述目标机器人是否满足预设故障条件；

第二判断单元，用于若判断出所述目标机器人满足预设故障条件，则利用预先构建的故障类型识别模型，判断所述目标机器人是否处于预设故障类型；

诊断单元，用于当确定所述目标机器人不处于预设故障类型时，向服务端上传已缓存的预设时间段内所述目标机器人周围预设区域内的环境数据进行故障诊断，以确定所述目标机器人所处的新的故障类型；

所述预设时间段的终止时刻为判断出所述目标机器人满足预设故障条件的时刻；所述预设时间段的起始时刻为所述目标机器人行进至距离故障位置大于预设距离阈值的位置的时刻；所述预设距离阈值不小于所述目标机器人的直径与所述目标机器人上预置的拍摄设备的盲区距离之和。

8.一种机器人的故障诊断设备，其特征在于，包括：处理器、存储器、系统总线；

所述处理器以及所述存储器通过所述系统总线相连；

所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行权利要求1-6任一项所述的方法。

9.一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指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-6任一项所述的方法。