[发明专利]移动机器人集群节点的故障诊断方法和系统

说明书

本发明公开了移动机器人集群节点的故障诊断方法和系统，包括：集群各节点与云端数据库连接并实时上传路径数据，设定循环周期和刷新时间间隔，云端数据库定期对各节点整体路径进行评估打分和排名，设定前m位和后n位的分别为超级节点和准故障节点，对它们各局部路径进行映射和评估，设定局部故障阈值和整体故障阈值，以超级节点中各局部路径分数均值作基准值，当某准故障节点中某局部路径分数与相应基准值之比达到局部故障阈值时定义为局部故障。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时，将该准故障节点确定为故障节点，否则恢复为正常节点。

技术领域

本发明涉及故障诊断技术方案与系统，特别是涉及移动机器人集群节点的故障诊断方法和系统。

背景技术

现有的机器人集群一般由若干个普通节点和一个中心节点组成，每个普通节点都会源源不断的向中心节点传输数据，只要其中某一个节点出现故障就会影响到整个分布式集群的正常运行。因此，如何有效的对整个机器人集群系统进行实时故障诊断和定位是非常有必要的。

现有技术中通常采用大量的传感器对各个机器人节点的运行状况进行采集，如工作过程中的移动速度、倾角、振动等，再与中心节点的数据进行比对，以此判断普通节点的机器人是否发生故障。但由于机器人内有着大量精密的机械电子零部件，其工作过程必定会发生损耗，随着损耗的加大，传感器采集到的数据会与中心节点的数据差异越来越大，因此工作一段时间后容易发生误判，需要定期人工对中心节点数据进行调整。

在移动机器人运动过程中，尤其是存在诸多干扰因素的室外，路况具有多样性及不可预测性，现有的部分移动机器人故障诊断方案则将机器人运动速度与预期不一致定义为准故障，忽略了局部路况对移动机器人运动的影响，缺乏对辨识结果有效性验证。

发明内容

针对上述问题，本发明提供移动机器人集群节点的故障诊断方法和系统。

第一方面，本发明提供移动机器人集群节点的故障诊断方法，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。

所述的移动机器人集群应至少包含2个及以上数量的移动机器人。

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。

在所述对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。

在所述设定超级节点数目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。其中超级节点和准故障节点是进行周期性动态评估的，会发生周期性改变，可以实现评估标准对整个集群系统的自适应动态调整。