CN116340410A - 配网带电作业机器人的数据处理方法、装置及服务器 - Google Patents
配网带电作业机器人的数据处理方法、装置及服务器 Download PDFInfo
- Publication number
- CN116340410A CN116340410A CN202310619020.6A CN202310619020A CN116340410A CN 116340410 A CN116340410 A CN 116340410A CN 202310619020 A CN202310619020 A CN 202310619020A CN 116340410 A CN116340410 A CN 116340410A
- Authority
- CN
- China
- Prior art keywords
- robot
- data
- data processing
- job
- task
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 164
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims description 32
- 230000006698 induction Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000010845 search algorithm Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 241000233805 Phoenix Species 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Factory Administration (AREA)
- Numerical Control (AREA)
Abstract
本发明提供了一种配网带电作业机器人的数据处理方法、装置及服务器，包括：接收作业机器人数据处理任务；其中，作业机器人数据处理任务至少包括步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务；确定作业机器人数据处理任务对应的目标维度，并读取目标维度对应的目标作业数据组合；根据作业机器人数据处理任务和目标作业数据组合，确定作业机器人数据处理任务对应的数据处理结果。本发明可以通过作业数据组合快速、准确地分析出配网带电作业机器人的作业成功率、作业总时长、作业步骤完成性。
Description
技术领域
本发明涉及数据处理技术领域，尤其是涉及一种配网带电作业机器人的数据处理方法、装置及服务器。
背景技术
机器人在作业时，会产生大量的数据，其中也会掺杂一些冗余和错误的数据。操作人员正在排查问题时在大量的数据中查找问题数据会很耗时，而且不能快速的定位机器人各类型的作业成功率。
发明内容
有鉴于此，本发明的目的在于提供一种配网带电作业机器人的数据处理方法、装置及服务器，可以通过作业数据组合快速、准确地分析出配网带电作业机器人的作业成功率、作业总时长、作业步骤完成性。
第一方面，本发明实施例提供了一种配网带电作业机器人的数据处理方法，应用于数据处理平台，所述数据处理平台存储有多个维度对应的作业数据组合，包括：
接收作业机器人数据处理任务；其中，所述作业机器人数据处理任务至少包括步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务；
确定所述作业机器人数据处理任务对应的目标维度，并读取所述目标维度对应的目标作业数据组合；
根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果。
在一种实施方式中，所述作业数据组合包括地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合；在接收作业机器人数据处理任务之前，所述方法还包括：
读取基础数据；其中，所述基础数据至少包括机器人表、地区表、作业类型表、杆号表和作业记录表，所述机器人表用于记录配网带电作业机器人的机器人型号，所述地区表用于记录配网带电作业任务的作业地区，所述作业类型表用于记录所述配网带电作业任务的作业类型，所述杆号表用于记录所述配网带电作业任务的作业杆号，所述作业记录表用于记录所述机器人型号、所述作业地区、所述作业类型、所述作业杆号、所述配网带电作业机器人执行所述配网带电作业任务中每个步骤的耗时；
对所述机器人表、所述地区表、所述作业类型表、所述杆号表和所述作业记录表进行处理，得到地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合。
在一种实施方式中，对所述机器人表、所述地区表、所述作业类型表、所述杆号表和所述作业记录表进行处理，得到地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合，包括：
以作业地区作为一级维度、作业类型作为二级维度，对所述地区表和所述作业类型表中记录的数据进行归纳处理，得到地区作业维度数据组合；
以作业杆号作为一级维度、机器人型号作为二级维度、作业类型作为三级维度，对所述杆号表、所述机器人表和所述作业记录表中记录的数据进行归纳处理，得到杆号作业维度数据组合；
以机器人型号作为一级维度、作业类型作为二级维度，对所述机器人表和所述作业类型表中记录的数据进行归纳处理，得到机器人作业数据组合。
在一种实施方式中，以机器人型号作为一级维度、作业类型作为二级维度，对所述机器人表和所述作业类型表中记录的数据进行归纳处理，得到机器人作业数据组合，包括：
通过二分查找算法，从所述机器人表和所述作业类型表中查找目标数据，并以机器人型号作为一级维度、作业类型作为二级维度对所述目标数据进行归纳处理，得到机器人作业数据组合。
在一种实施方式中，根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果，包括：
对于所述目标作业数据组合中的每个作业类型，提取每个所述机器人型号的配网带电作业机器人执行该作业类型对应的所述配网带电作业任务中每个步骤的耗时；
如果所述配网带电作业任务中的所述步骤的耗时大于第一预设耗时阈值，将所述步骤确定为异常步骤，以得到所述步骤耗时分析任务对应的数据处理结果。
在一种实施方式中，根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果，还包括：
对于所述目标作业数据组合中的每个作业类型，提取每个所述机器人型号的配网带电作业机器人执行该作业类型对应的每个所述配网带电作业任务的任务总耗时；
如果所述任务总耗时大于第二预设耗时阈值，将所述配网带电作业任务确定为异常任务，以得到所述作业耗时分析任务对应的数据处理结果。
在一种实施方式中，根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果，还包括：
对于所述目标作业数据组合中的每个作业类型，提取每个所述机器人型号的配网带电作业机器人执行该作业类型对应的每个所述配网带电作业任务的任务总耗时和每个所述步骤的耗时；
基于所述任务总耗时和每个所述步骤的耗时，确定每个所述机器人型号的配网带电作业机器人执行该作业类型对应的每个所述配网带电作业任务的成功率，以得到所述作业成功率分析任务对应的数据处理结果。
第二方面，本发明实施例还提供一种配网带电作业机器人的数据处理装置，应用于数据处理平台，所述数据处理平台存储有多个维度对应的作业数据组合，包括：
任务接收模块，用于接收作业机器人数据处理任务；其中，所述作业机器人数据处理任务至少包括步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务；
数据组合确定模块，用于确定所述作业机器人数据处理任务对应的目标维度，并读取所述目标维度对应的目标作业数据组合；
数据处理模块，用于根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果。
第三方面，本发明实施例还提供一种服务器，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现第一方面提供的任一项所述的方法。
第四方面，本发明实施例还提供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可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现第一方面提供的任一项所述的方法。
本发明实施例提供的一种配网带电作业机器人的数据处理方法、装置及服务器，应用于数据处理平台，数据处理平台存储有多个维度对应的作业数据组合，在接收到作业机器人数据处理任务（至少包括步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务）时，首先确定作业机器人数据处理任务对应的目标维度，并读取目标维度对应的目标作业数据组合，即可根据作业机器人数据处理任务和目标作业数据组合，确定作业机器人数据处理任务对应的数据处理结果。上述方法对机器人作业数据进行分析、整合、统计等，以将多个维度对应的作业数据组合存储在数据处理平台中，在此基础上获取作业机器人数据处理任务对应的目标作业数据组合，进而通过目标作业数据组合快速、准确地分析出机器人的作业成功率、作业总时长、作业步骤完成性等。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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发明的一些实施方式，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为本发明实施例提供的一种配网带电作业机器人的数据处理方法的流程示意图；
图2为本发明实施例提供的一种数据处理平台的结构示意图；
图3为本发明实施例提供的一种数据分析流程图；
图4为本发明实施例提供的另一种数据分析流程图；
图5为本发明实施例提供的另一种数据分析流程图；
图6为本发明实施例提供的另一种数据分析流程图；
图7为本发明实施例提供的一种配网带电作业机器人的数据处理装置的结构示意图；
图8为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
目前的实现方式主要有以下两种方式：一是利用现有大数据技术对数据进行简单清洗，二是利用数仓进行数据采集和数据分析。由数据所带来的缺陷：（1）数据的质量和准确性问题，在采集过程中会出现重复数据，缺失数据等情况，这些问题会导致数据分析结果的不准确、甚至是错误的；（2）数据的存储和处理问题：随着数据量的增加，存储和处理数据的问题也会变的更加复杂，而且对于大规模的数据，传统的数据库系统往往难以承受；（3）数据分析问题：在分析数据时，可能会遇到数据噪声太大、没有明确的分析目标等问题，这些问题会导致分析结果不准确。
基于此，本发明实施提供了一种配网带电作业机器人的数据处理方法、装置及服务器，可以通过作业数据组合快速、准确地分析出配网带电作业机器人的作业成功率、作业总时长、作业步骤完成性。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种配网带电作业机器人的数据处理方法进行详细介绍，该应用于数据处理平台，数据处理平台存储有多个维度对应的作业数据组合，作业数据组合包括地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合，参见图1所示的一种配网带电作业机器人的数据处理方法的流程示意图，该方法主要包括以下步骤S102至步骤S106：
步骤S102，接收作业机器人数据处理任务；其中，作业机器人数据处理任务至少包括步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务，步骤耗时分析任务用于配网带电作业机器人执行配网带电作业任务中每个步骤的耗时，作业耗时分析任务用于统计配网带电作业机器人执行配网带电作业任务的总耗时，作业耗时分析任务用于统计分析配网带电作业机器人执行配网带电作业任务的成功率。
可选的，上述作业机器人数据处理任务可以以不同维度进行数据处理，诸如以作业类型作为维度，则可以分析相同或不同作业类型对应的步骤耗时、作业耗时、作业成功率；或者以杆号作为维度，则可以分析在针对相同或不同杆号执行配网带电作业任务时的步骤耗时、作业耗时、作业成功率；或者以机器人型号作为维度，则可以分析不同机器人型号的配网带电作业机器人执行配网带电作业任务时的步骤耗时、作业耗时、作业成功率；或者以作业区域作为维度，则可以分析不同作业区域内执行的配网带电作业任务的步骤耗时、作业耗时、作业成功率。
步骤S104，确定作业机器人数据处理任务对应的目标维度，并读取目标维度对应的目标作业数据组合。可选的，接收的作业机器人数据处理任务携带有目标维度，从而选择相应目标维度对应的目标作业数据组合。示例性的，假设作业机器人数据处理任务的维度为作业区域，则可以将地区作业维度数据组合作为目标作业数据组合；假设作业机器人数据处理任务的维度为杆号，则可以将杆号作业维度数据组合作为目标作业数据组合；假设作业机器人数据处理任务的维度为机器人型号，则可以将机器人作业数据组合作为目标作业数据组合。
步骤S106，根据作业机器人数据处理任务和目标作业数据组合，确定作业机器人数据处理任务对应的数据处理结果。在一种实施方式中，可以以作业机器人数据处理任务具体的任务内容从目标作业数据组合中提取相应的数据，进而根据提取的数据统计分析出相应的数据处理结果。
本发明实施例提供的配网带电作业机器人的数据处理方法，对机器人作业数据进行分析、整合、统计等，以将多个维度对应的作业数据组合存储在数据处理平台中，在此基础上获取作业机器人数据处理任务对应的目标作业数据组合，进而通过目标作业数据组合快速、准确地分析出机器人的作业成功率、作业总时长、作业步骤完成性等。
为便于理解，本发明实施例提供了一种数据处理平台，参见图2所示的一种数据处理平台的结构示意图，整个平台采用四层体系结构，遵循多层系统结构模型，旨在建设一个通用的数据分析平台，一次规划，多次使用，降低规划难度，规避投资风险，节约开发资本。具体的：
（1）物联接入层：实现了作业环境数据、人员作业数据、机器人作业数据、斗臂车作业数据等各类作业数据的接入，通过对视频、图片、点云文件等信息的汇聚、归纳和抽象，并接入到平台进行统一管理分析，使用用户无需关心所操作和使用的物联设备及其信息资源的具体细节，可以更好的专注于业务服务；
（2）LaaS层：基于业内成熟的云平台私有化方案，提供硬件资源基础管理，基于硬件来构建池化的虚拟资源，包括服务器虚拟化、存储虚拟化、网络虚拟化和监控/运维系统；
（3）PaaS层：以数据中台为核心，基于大数据服务框架和多种高性能的服务中间件、各种智能分析引擎和调度管理工具，为上层应用提供基础数据分析服务、大数据服务组件和安全访问接口，同时按照所提供的服务来管理、组件和调度设备和信息资源；
（4）SaaS层：是面向于用户实际操作的客户端应用服务。
在此基础上，考虑到根据机器人作业会产生杂乱无章的不同作业数据，从而不能清楚直观的提现数据的价值，因此本发明实施例对机器人作业数据进行分析、整合、统计等，通过作业数据分析出机器人的作业成功率、作业总时长、作业步骤完成性等。指定机器人数据分析系统。在一种具体的实施方式中，可以按照如下步骤1至步骤2对基础数据进行归纳处理：
步骤1，读取基础数据。其中，基础数据至少包括机器人表、地区表、作业类型表、杆号表和作业记录表，机器人表用于记录配网带电作业机器人的机器人型号，地区表用于记录配网带电作业任务的作业地区，作业类型表用于记录配网带电作业任务的作业类型，杆号表用于记录配网带电作业任务的作业杆号，作业记录表用于记录机器人型号、作业地区、作业类型、作业杆号、配网带电作业机器人执行配网带电作业任务中每个步骤的耗时。进一步的，还可以包括勘测表，勘测表记录有勘测仪的相关数据。在一种实施方式中，可以通过nifi从HDFS中读取基础数据的方式获取机器人表、勘测表、作业记录表、地区表、作业类型表等；也可以由Flink处理从Kafka缓存中读取基础数据。
步骤2，对机器人表、地区表、作业类型表、杆号表和作业记录表进行处理，得到地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合。在一种实施方式中，数据处理组件对基础数据分析归纳，从不同维度对基础数据进行组合，产生的主题数据以供更好的分析机器人作业中存在的差异与不同。具体的，参见图3所示的一种数据分析流程图，包括（1）至（3）：
（1）以作业地区作为一级维度、作业类型作为二级维度，对地区表和作业类型表中记录的数据进行归纳处理，得到地区作业维度数据组合。在一种实施方式中，可以通过地区作业维度，针对地区表及作业类型表，将相同地区的作业类型归纳在一起，相同作业类型数据归纳在一起，形成地区作业类维度主题库（也即，地区作业维度数据组合）。
（2）以作业杆号作为一级维度、机器人型号作为二级维度、作业类型作为三级维度，对杆号表、机器人表和作业记录表中记录的数据进行归纳处理，得到杆号作业维度数据组合。在一种实施方式中，可以针对杆号表、作业记录表和机器人表，同型号机器人归纳在一起，相同作业类型归纳在一起，组合成杆号作业主题库（也即杆号作业维度数据组合）。
（3）以机器人型号作为一级维度、作业类型作为二级维度，对机器人表和作业类型表中记录的数据进行归纳处理，得到机器人作业数据组合。在一种实施方式中，可以针对机器人表、作业类型表，同型号机器人归纳在一起，相同机器人相同作业类型归纳在一起，组合成机器人作业主题库（也即机器人作业数据组合）。
在一种实施方式中，还可以针对勘测数据表、作业记录表，相同型号机器人归纳在一起，组合成勘测作业主题表（也即，勘测作业数据组合）。
在一种实施方式中，参见图4所示的一种数据分析流程图，还可以在读取基础数据之后，可以通过脚本将基础数据保存至HDFS，也可以将基础数据保存至Redis，还可以通过二分查找算法得到宽表（也即，上述地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合），进而将宽表存储在Hbase或者Clickhouse中。
为便于理解，本发明实施例以机器人作业数据组合为例，可以通过二分查找算法，从机器人表和作业类型表中查找目标数据，并以机器人型号作为一级维度、作业类型作为二级维度对目标数据进行归纳处理，得到机器人作业数据组合。示例性的，参见图5所示的另一种数据分析流程图，在nifi从GetHDFS中读取机器人表和作业类型表之后，先存入Kafka缓存中，再通过Flink处理从Kafka缓存中读取机器人表和作业类型表，进而通过二分查找算法得到机器人作业数据组合，并将其存储至Clickhouse中。
在一例中，可以使用数据仓分层的方式对数据进行处理，诸如图6所示的另一种数据分析流程图。
在一例中，可以使用maxwell对抓取的基础数据进行ETL（Extract-Transform-Load）处理，有用的部分保留，没用的部分过滤掉。由于maxwell是把全部数据统一写入到一个topic中，这样不利于日后的数据处理，所以将各个维度表拆开处理，也即得到多个维度对应的作业数据组合。
在一例中，在实时计算中将各个维度的作业数据组合写入Hbase、redis、mysql中。
在一例中，业务端随着需求变化每增加一张新维度的作业数据组合，即要修改配置重启计算程序，所以使用动态配置方式的方式，把这种配置长期保存起来，一旦配置有变化，实时计算可以自动感知。
在一例中，（1）在ods层对数据进行采集，采集HDFS的基础数据和文件数据，将所有采集到的机器人数据发送到kafka中进行缓存；（2）在dim层对数据进行处理，创建配置表，包括：（a）source_table：作为数据源的业务数据表明；（b）sink_table：作为数据目的地的Phoenix表名；（c）sink_columns：Phoenix表字段；（d）sink_pk：Phoenix表主键；（e）sink_extend：Phoenix建表扩展，即建表时一些额外的配置语句；（f）将source_table作为配置表的主键，通过它获取位移的目标表名、字段、主键和建表扩展。
在一例中，还可以使用FinkCDC读取配置信息表，将配置流作为广播流与主流进行连接。具体的，在dwd层进行维度建模理论，存储维度模型的事实表，数据传输过程中可能会出现部分数据丢失的情况，导致JSON数据结构不再完整，因此需要对脏数据进行过滤；另外，在dws层对维度表关联事实表，例如以点云数据、图片数据、视频数据为维度表进行多表关联。形成多张数据宽表，将数据宽表存储到Hbase和clickhouse，存储到clickhouse中要先建表，首先明确使用的表引擎。为了保证数据不重复，使用ReplacingMerageTree对其去重存储。
进一步的，为便于对前述步骤S106进行理解，本发明实施例分别提供了步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务各自的处理过程，参见如下（一）至（三）：
（一）如果作业机器人数据处理任务为步骤耗时分析任务，则读取作业机器人数据处理携带的维度对应的目标作业数据组合，假设目标维度为机器人型号，则可以读取机器人作业数据组合。
在此基础上，可以对于机器人作业数据组合中的每个作业类型，提取每个机器人型号的配网带电作业机器人执行该作业类型对应的配网带电作业任务中每个步骤的耗时；如果配网带电作业任务中的步骤的耗时大于第一预设耗时阈值，将步骤确定为异常步骤，以得到步骤耗时分析任务对应的数据处理结果。示例性的，继续以机器人型号作为目标维度为例，假设某类作业类型包括步骤x1、步骤x2和步骤x3，则从机器人作业数据组合中读取每个机器人型号的配网带电作业机器人执行该类作业类型时的步骤耗时，包括步骤x1、步骤x2和步骤x3各自的耗时，并将每个耗时与第一预设耗时阈值进行比对，假设某机器人型号的配网带电作业机器人执行步骤x1的耗时大于第一预设耗时阈值，则可认为该机器人型号的配网带电作业机器人执行步骤x1存在异常。
（二）如果作业机器人数据处理任务为作业耗时分析任务，则读取作业机器人数据处理携带的维度对应的目标作业数据组合，假设目标维度为机器人型号，则可以读取机器人作业数据组合。
在此基础上，可以对于机器人作业数据组合中的每个作业类型，提取每个机器人型号的配网带电作业机器人执行该作业类型对应的每个配网带电作业任务的任务总耗时；如果任务总耗时大于第二预设耗时阈值，将配网带电作业任务确定为异常任务，以得到作业耗时分析任务对应的数据处理结果。示例性的，继续以机器人型号作为目标维度为例，从机器人作业数据组合中读取每个机器人型号的配网带电作业机器人执行该类作业类型配网带电作业任务的任务耗时，并将任务耗时与第二预设耗时阈值进行比对，假设某机器人型号的配网带电作业机器人执行该类作业类型配网带电作业任务的任务耗时大于第二预设耗时阈值，则可认为该机器人型号的配网带电作业机器人执行该类作业类型配网带电作业任务存在异常。
（三）如果作业机器人数据处理任务为作业成功率分析任务，则读取作业机器人数据处理携带的维度对应的目标作业数据组合，假设目标维度为机器人型号，则可以读取机器人作业数据组合。
在此基础上，可以对于机器人作业数据组合中的每个作业类型，提取每个机器人型号的配网带电作业机器人执行该作业类型对应的每个配网带电作业任务的任务总耗时和每个步骤的耗时；基于任务总耗时和每个步骤的耗时，确定每个机器人型号的配网带电作业机器人执行该作业类型对应的每个配网带电作业任务的成功率，以得到作业成功率分析任务对应的数据处理结果。在一种实施方式中，假设某机器人型号的机器人执行该作业类型对应的每个配网带电作业任务的总次数为N，其中总耗时正常的次数为n，则可以计算总耗时正常的次数n与总次数N之间的比值，以得到该机器人型号的机器人执行该作业类型的任务的成功率为n/N。同理，可以求得机器人型号的机器人执行该作业类某步骤的成功率。
在一种实施方式中，步骤耗时分析任务还可以执行以下具体任务：（1）统计机器人每个作业步骤的时长；（2）对不同作业类型的作业时间、相同作业类型的作业时间长短进行分析；（3）对相同作业不同作业步骤的时间长短进行分析；（4）对不同作业类型的作业步骤卡顿造成作业失败问题进行分析。作业耗时分析任务和作业成功率分析任务还可以执行以下具体任务：（1）统计机器人各作业类型的作业成功率、作业时长；（2）对同台机器人不同作业类型的成功率进行分析，少部分作业类型成功率较高，大部分作业类型成功率较低问题；（3）对同台机器人不同作业类型的作业总时长进行分析，分析作业总时间长短问题、作业失败问题；（4）对不同机器人的相同作业类型成功课进行分析，分析部分型号机器人作业成功率低为题、机器人关节角问题：（5）相同杆号下相同机器人的不同作业类型成功率进行分析，分析同一杆号下不同作业数据，找出相同杆号下作业类型记录的差异。在一种可选的实施方式中，还可以包括勘测仪智能预判可行性分析，用于：（1）分析现场完整性、作业杆号型号、勘测点云文件；（2）根据现场勘测的点云文件、视频数据、图片数据对其进行可行性分析。
综上所述，本发明实施例至少具有以下特点：
（1）明确护具分析的目标需求，从而为数据的收和分析提供清洗的方向，该步骤是数据分析有效性首要条件；
（2）数据采集运用合适的方法来有效收集尽可能多的相关数据，从而为数据分析过程的顺利进行打下基础。主要为业务数据的采集；
（3）对数据进行必要的预处理。预处理主要包括：数据集成、数据清洗、数据冗余；
（4）数据挖掘在现有的数据基础上利用连接分析、分类算法的方式对数据中心隐含的有机质信息，对其进行分析推理和预测，实现预定的数据分析需求。
对于前述实施例提供的配网带电作业机器人的数据处理方法，本发明实施例提供了一种配网带电作业机器人的数据处理装置，该应用于数据处理平台，数据处理平台存储有多个维度对应的作业数据组合，参见图7所示的一种配网带电作业机器人的数据处理装置的结构示意图，该装置主要包括以下部分：
任务接收模块702，用于接收作业机器人数据处理任务；其中，作业机器人数据处理任务至少包括步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务；
数据组合确定模块704，用于确定作业机器人数据处理任务对应的目标维度，并读取目标维度对应的目标作业数据组合；
数据处理模块706，用于根据作业机器人数据处理任务和目标作业数据组合，确定作业机器人数据处理任务对应的数据处理结果。
本发明实施例提供的配网带电作业机器人的数据处理装置，对机器人作业数据进行分析、整合、统计等，以将多个维度对应的作业数据组合存储在数据处理平台中，在此基础上获取作业机器人数据处理任务对应的目标作业数据组合，进而通过目标作业数据组合快速、准确地分析出机器人的作业成功率、作业总时长、作业步骤完成性等。
在一种实施方式中，作业数据组合包括地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合；还包括归纳模块，用于：
读取基础数据；其中，基础数据至少包括机器人表、地区表、作业类型表、杆号表和作业记录表，机器人表用于记录配网带电作业机器人的机器人型号，地区表用于记录配网带电作业任务的作业地区，作业类型表用于记录配网带电作业任务的作业类型，杆号表用于记录配网带电作业任务的作业杆号，作业记录表用于记录机器人型号、作业地区、作业类型、作业杆号、配网带电作业机器人执行配网带电作业任务中每个步骤的耗时；
对机器人表、地区表、作业类型表、杆号表和作业记录表进行处理，得到地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合。
在一种实施方式中，归纳模块还用于：
以作业地区作为一级维度、作业类型作为二级维度，对地区表和作业类型表中记录的数据进行归纳处理，得到地区作业维度数据组合；
以作业杆号作为一级维度、机器人型号作为二级维度、作业类型作为三级维度，对杆号表、机器人表和作业记录表中记录的数据进行归纳处理，得到杆号作业维度数据组合；
以机器人型号作为一级维度、作业类型作为二级维度，对机器人表和作业类型表中记录的数据进行归纳处理，得到机器人作业数据组合。
在一种实施方式中，归纳模块还用于：
通过二分查找算法，从机器人表和作业类型表中查找目标数据，并以机器人型号作为一级维度、作业类型作为二级维度对目标数据进行归纳处理，得到机器人作业数据组合。
在一种实施方式中，数据处理模块706还用于：
对于目标作业数据组合中的每个作业类型，提取每个机器人型号的配网带电作业机器人执行该作业类型对应的配网带电作业任务中每个步骤的耗时；
如果配网带电作业任务中的步骤的耗时大于第一预设耗时阈值，将步骤确定为异常步骤，以得到步骤耗时分析任务对应的数据处理结果。
在一种实施方式中，数据处理模块706还用于：
对于目标作业数据组合中的每个作业类型，提取每个机器人型号配网带电作业机器人执行该作业类型对应的每个配网带电作业任务的任务总耗时；
如果任务总耗时大于第二预设耗时阈值，将配网带电作业任务确定为异常任务，以得到作业耗时分析任务对应的数据处理结果。
在一种实施方式中，数据处理模块706还用于：
对于目标作业数据组合中的每个作业类型，提取每个机器人型号的配网带电作业机器人执行该作业类型对应的每个配网带电作业任务的任务总耗时和每个步骤的耗时；
基于任务总耗时和每个步骤的耗时，确定每个机器人型号的配网带电作业机器人执行该作业类型对应的每个配网带电作业任务的成功率，以得到作业成功率分析任务对应的数据处理结果。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例提供了一种服务器，具体的，该服务器包括处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法 。
图8为本发明实施例提供的一种服务器的结构示意图，该服务器100包括：处理器80，存储器81，总线82和通信接口83，所述处理器80、通信接口83和存储器81通过总线82连接；处理器80用于执行存储器81中存储的可执行模块，例如计算机程序。
其中，存储器81可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatilememory），例如至少一个磁盘存储器。通过至少一个通信接口83（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线82可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器81用于存储程序，所述处理器80在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器80中，或者由处理器80实现。
处理器80可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器80中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器80可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器81，处理器80读取存储器81中的信息，结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见前述方法实施例，在此不再赘述。
所述功能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取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，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，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种配网带电作业机器人的数据处理方法，其特征在于，应用于数据处理平台，所述数据处理平台存储有多个维度对应的作业数据组合，包括：
接收作业机器人数据处理任务；其中，所述作业机器人数据处理任务至少包括步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务；
确定所述作业机器人数据处理任务对应的目标维度，并读取所述目标维度对应的目标作业数据组合；
根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果。
2.根据权利要求1所述的配网带电作业机器人的数据处理方法，其特征在于，所述作业数据组合包括地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合；在接收作业机器人数据处理任务之前，所述方法还包括：
读取基础数据；其中，所述基础数据至少包括机器人表、地区表、作业类型表、杆号表和作业记录表，所述机器人表用于记录配网带电作业机器人的机器人型号，所述地区表用于记录配网带电作业任务的作业地区，所述作业类型表用于记录所述配网带电作业任务的作业类型，所述杆号表用于记录所述配网带电作业任务的作业杆号，所述作业记录表用于记录所述机器人型号、所述作业地区、所述作业类型、所述作业杆号、所述配网带电作业机器人执行所述配网带电作业任务中每个步骤的耗时；
对所述机器人表、所述地区表、所述作业类型表、所述杆号表和所述作业记录表进行处理，得到地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合。
3.根据权利要求2所述的配网带电作业机器人的数据处理方法，其特征在于，对所述机器人表、所述地区表、所述作业类型表、所述杆号表和所述作业记录表进行处理，得到地区作业维度数据组合、杆号作业维度数据组合和机器人作业数据组合，包括：
以作业地区作为一级维度、作业类型作为二级维度，对所述地区表和所述作业类型表中记录的数据进行归纳处理，得到地区作业维度数据组合；
以作业杆号作为一级维度、机器人型号作为二级维度、作业类型作为三级维度，对所述杆号表、所述机器人表和所述作业记录表中记录的数据进行归纳处理，得到杆号作业维度数据组合；
以机器人型号作为一级维度、作业类型作为二级维度，对所述机器人表和所述作业类型表中记录的数据进行归纳处理，得到机器人作业数据组合。
4.根据权利要求3所述的配网带电作业机器人的数据处理方法，其特征在于，以机器人型号作为一级维度、作业类型作为二级维度，对所述机器人表和所述作业类型表中记录的数据进行归纳处理，得到机器人作业数据组合，包括：
通过二分查找算法，从所述机器人表和所述作业类型表中查找目标数据，并以机器人型号作为一级维度、作业类型作为二级维度对所述目标数据进行归纳处理，得到机器人作业数据组合。
5.根据权利要求1所述的配网带电作业机器人的数据处理方法，其特征在于，根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果，包括：
对于所述目标作业数据组合中的每个作业类型，提取每个机器人型号的配网带电作业机器人执行该作业类型对应的配网带电作业任务中每个步骤的耗时；
如果所述配网带电作业任务中的所述步骤的耗时大于第一预设耗时阈值，将所述步骤确定为异常步骤，以得到所述步骤耗时分析任务对应的数据处理结果。
6.根据权利要求1所述的配网带电作业机器人的数据处理方法，其特征在于，根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果，还包括：
对于所述目标作业数据组合中的每个作业类型，提取每个机器人型号的配网带电作业机器人执行该作业类型对应的每个配网带电作业任务的任务总耗时；
如果所述任务总耗时大于第二预设耗时阈值，将所述配网带电作业任务确定为异常任务，以得到所述作业耗时分析任务对应的数据处理结果。
7.根据权利要求1所述的配网带电作业机器人的数据处理方法，其特征在于，根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果，还包括：
对于所述目标作业数据组合中的每个作业类型，提取每个机器人型号的配网带电作业机器人执行该作业类型对应的每个配网带电作业任务的任务总耗时和每个所述步骤的耗时；
基于所述任务总耗时和每个所述步骤的耗时，确定每个所述机器人型号的配网带电作业机器人执行该作业类型对应的每个所述配网带电作业任务的成功率，以得到所述作业成功率分析任务对应的数据处理结果。
8.一种配网带电作业机器人的数据处理装置，其特征在于，应用于数据处理平台，所述数据处理平台存储有多个维度对应的作业数据组合，包括：
任务接收模块，用于接收作业机器人数据处理任务；其中，所述作业机器人数据处理任务至少包括步骤耗时分析任务、作业耗时分析任务和作业成功率分析任务；
数据组合确定模块，用于确定所述作业机器人数据处理任务对应的目标维度，并读取所述目标维度对应的目标作业数据组合；
数据处理模块，用于根据所述作业机器人数据处理任务和所述目标作业数据组合，确定所述作业机器人数据处理任务对应的数据处理结果。
9.一种服务器，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
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存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310619020.6A CN116340410B (zh) | 2023-05-30 | 2023-05-30 | 配网带电作业机器人的数据处理方法、装置及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310619020.6A CN116340410B (zh) | 2023-05-30 | 2023-05-30 | 配网带电作业机器人的数据处理方法、装置及服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116340410A true CN116340410A (zh) | 2023-06-27 |
| CN116340410B CN116340410B (zh) | 2023-10-20 |
Family
ID=86876313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310619020.6A Active CN116340410B (zh) | 2023-05-30 | 2023-05-30 | 配网带电作业机器人的数据处理方法、装置及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116340410B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113997278A (zh) * | 2021-10-21 | 2022-02-01 | 广东电网有限责任公司广州供电局 | 一种基于5g云端的作业机器人控制方法、系统及设备 |
| CN114091944A (zh) * | 2021-11-27 | 2022-02-25 | 国网山东省电力公司电力科学研究院 | 云端协同的配网工程现场作业分析决策系统 |
| CN115097839A (zh) * | 2022-06-29 | 2022-09-23 | 国网安徽省电力有限公司淮南供电公司 | 配置有配网作业机器人的绝缘斗引导方法及系统 |
| CN115619261A (zh) * | 2022-10-11 | 2023-01-17 | 上海浦东发展银行股份有限公司 | 一种作业标签画像数据处理方法、装置、计算机设备 |
| CN115730605A (zh) * | 2022-11-21 | 2023-03-03 | 刘奕涵 | 基于多维信息的数据分析方法 |
| CN115890684A (zh) * | 2022-12-20 | 2023-04-04 | 达观数据(苏州)有限公司 | 一种机器人调度方法、装置、设备及介质 |
| CN116030226A (zh) * | 2023-02-01 | 2023-04-28 | 国网江苏省电力有限公司电力科学研究院 | 面向配电网作业的现实可视化方法、系统、设备及介质 |
| CN116127790A (zh) * | 2023-04-13 | 2023-05-16 | 北京奔驰汽车有限公司 | 工业机器人预测性维护管理方法及系统 |
| CN116117815A (zh) * | 2023-02-21 | 2023-05-16 | 国网吉林省电力有限公司长春供电公司 | 配网机器人作业工具路径标定方法、控制器、设备及介质 |
-
2023
- 2023-05-30 CN CN202310619020.6A patent/CN116340410B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113997278A (zh) * | 2021-10-21 | 2022-02-01 | 广东电网有限责任公司广州供电局 | 一种基于5g云端的作业机器人控制方法、系统及设备 |
| CN114091944A (zh) * | 2021-11-27 | 2022-02-25 | 国网山东省电力公司电力科学研究院 | 云端协同的配网工程现场作业分析决策系统 |
| CN115097839A (zh) * | 2022-06-29 | 2022-09-23 | 国网安徽省电力有限公司淮南供电公司 | 配置有配网作业机器人的绝缘斗引导方法及系统 |
| CN115619261A (zh) * | 2022-10-11 | 2023-01-17 | 上海浦东发展银行股份有限公司 | 一种作业标签画像数据处理方法、装置、计算机设备 |
| CN115730605A (zh) * | 2022-11-21 | 2023-03-03 | 刘奕涵 | 基于多维信息的数据分析方法 |
| CN115890684A (zh) * | 2022-12-20 | 2023-04-04 | 达观数据(苏州)有限公司 | 一种机器人调度方法、装置、设备及介质 |
| CN116030226A (zh) * | 2023-02-01 | 2023-04-28 | 国网江苏省电力有限公司电力科学研究院 | 面向配电网作业的现实可视化方法、系统、设备及介质 |
| CN116117815A (zh) * | 2023-02-21 | 2023-05-16 | 国网吉林省电力有限公司长春供电公司 | 配网机器人作业工具路径标定方法、控制器、设备及介质 |
| CN116127790A (zh) * | 2023-04-13 | 2023-05-16 | 北京奔驰汽车有限公司 | 工业机器人预测性维护管理方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 任青亭 等: "面向配网带电作业机器人的激光雷达与视觉系统融合定位", 《测绘通报》, pages 98 - 116 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116340410B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9590880B2 (en) | Dynamic collection analysis and reporting of telemetry data | |
| CN105824744B (zh) | 一种基于b2b平台的实时日志采集分析方法 | |
| EP3425524A1 (en) | Cloud platform-based client application data calculation method and device | |
| CN110309130A (zh) | 一种用于主机性能监控的方法及装置 | |
| CN108694195B (zh) | 一种分布式数据仓库的管理方法及系统 | |
| US20140109053A1 (en) | Identifying high impact bugs | |
| US20140281726A1 (en) | Bottleneck Detector Application Programming Interface | |
| CN112181955B (zh) | 一种用于重载铁路综合大数据平台信息共享的数据规范治理方法 | |
| CN105243147A (zh) | 一种MySQL数据库慢查询日志的管理方法及系统 | |
| US11204935B2 (en) | Similarity analyses in analytics workflows | |
| CN106293891B (zh) | 多维投资指标监督方法 | |
| US20150006961A1 (en) | Capturing trace information using annotated trace output | |
| CN104699735A (zh) | 企业级数据中心的数据处理方法及装置 | |
| JP2016100006A (ja) | パフォーマンス試験のためのベンチマーク・アプリケーションを生成する方法および装置 | |
| CN110941554B (zh) | 一种复现故障的方法及装置 | |
| CN111108481B (zh) | 故障分析方法及相关设备 | |
| CN104462606A (zh) | 一种基于日志数据确定诊断处理措施的方法 | |
| KR20150118963A (ko) | 큐 모니터링 및 시각화 | |
| CN112148779A (zh) | 确定业务指标的方法、装置及存储介质 | |
| CN102043720A (zh) | 利用sql语句自动生成测试数据的方法和装置 | |
| US20160140019A1 (en) | Event summary mode for tracing systems | |
| US20150089482A1 (en) | Automated Identification of Redundant Method Calls | |
| KR20200083313A (ko) | 기계 학습을 위한 데이터 스티칭 및 조화 | |
| CN112433888B (zh) | 数据处理方法及装置、存储介质和电子设备 | |
| CN116340410B (zh) | 配网带电作业机器人的数据处理方法、装置及服务器 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |