[发明专利]移动机器人集群节点的故障诊断方法和系统

权利要求书

1.移动机器人集群节点的故障诊断方法，其特征在于，包括：

所述机器人集群中各节点与云端数据库连接并实时上传路径数据，设定循环周期T和刷新时间间隔△t，云端数据库定期对各节点整体路径进行评估打分和排名，设定超级节点数目m和准故障节点数目n，排名前m位和后n位的分别为超级节点和准故障节点；对超级节点和准故障节点的各局部路径进行映射匹配和评估打分，设定局部故障阈值Y_local-mean和整体故障阈值Y_whole-mean，以超级节点中各局部路径的分数均值E[S_local-mean]作为该局部路径的基准值，当准故障节点P的某局部路径分数S_local-p与相应基准值之比达到局部故障阈值Y_local-mean时定义为局部故障，其是否真实故障还需观测；当准故障节点的局部故障路径距离之和与整体路径距离之比高于整体故障阈值Y_{whole-mean-max}时，将该准故障节点确定为故障节点，如准故障节点局部故障路径距离之和与整体路径距离之比低于整体故障阈值Y_{whole-mean-min}时，则将该节点恢复为正常节点。

2.根据权利要求1所述的方法，其特征在于，所述路径数据包括整体路径数据和局部路径数据，具体有路径距离、通过该路径所花费时间、通过该路径的能耗三部分；在对所述各节点整体路径进行评估打分和排名中，还包括建立相应算法，确定路径距离、通过该路径所花费时间、通过该路径的能耗对分数的影响程度和权重。

3.根据权利要求1和权利要求2所述的方法，其特征在于，所述超级节点数目m和准故障节点数目n是由人为设定的，数目大小会影响计算量及准确率；同时，各超级节点和准故障节点会进行周期性动态评估和改变，可实现评估标准对整个集群系统的自适应动态调整。

4.根据权利要求1所述的方法，其特征在于，通过对超级节点的局部路径应与准故障节点的局部路径进行映射匹配，可确保相应计算数据的一致性；同时，设定局部故障阈值Y_local-mean可实现对局部故障的辨识，设定整体故障阈值Y_whole-mean可实现对故障节点和正常节点的辨识。

5.移动机器人集群节点的故障诊断系统，其特征在于，包括：存储器、无线收发模块、传感器模块、信息处理模块、辨识模块、标签模块六部分。

6.根据权利要求9所述的系统，其特征在于，所述存储器用于对路径数据进行存储，每个机器人节点均有着存储器，并与云端数据库相连通进行周期性更新。

7.根据权利要求9所述的系统，其特征在于，所述传感器模块用于对相应指标数据进行测量与采集，具体包括路径距离、通过该路径所花费时间、通过该路径的能耗三部分。

8.根据权利要求9所述的系统，其特征在于，所述信息处理模块与所述传感器模块、存储器相连，传感器模块测量得到的数据需要通过信息处理模块进行滤波才能保存到存储器中，测量中主要采用抗频滤波，测量后采用降噪滤波；最后通过建立的相应算法，信息处理模块将对路径数据进行计算和评价。

9.根据权利要求9和权利要求12所述的系统，其特征在于，所述辨识模块用于对经过信息处理模块后，再对节点属于超级节点、普通节点、准故障节点进行辨识，以及对经过信息处理模块判定为准故障节点是否属于故障节点进行进一步辨识。

10.根据权利要求9和权利要求13所述的系统，其特征在于，所述标签模块用于对经过判断模块判别后的节点贴上电子标签分类，标签模块有超级节点、普通节点、准故障节点、故障节点四种标签。