[发明专利]服务机器人运动系统云端故障诊断系统及方法有效

专利信息
申请号: 201811325909.9 申请日: 2018-11-08
公开(公告)号: CN109129574B 公开(公告)日: 2021-05-04
发明(设计)人: 周风余;郭仁和;袁宪锋;万方;沈冬冬;王淑倩 申请(专利权)人: 山东大学
主分类号: B25J19/00 分类号: B25J19/00;G06N3/04;G06N3/08
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 董雪
地址: 250061 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 服务 机器人 运动 系统 云端 故障诊断 方法
【权利要求书】:

1.一种服务机器人运动系统云端故障诊断系统,其特征在于,包括:传感器模块、机器人控制器和机器人故障诊断云端;

所述传感器模块实时采集机器人运动数据;所述机器人控制器被配置为接收传感器模块采集的数据,对数据进行汇总并通过网络传输至机器人故障诊断云端;所述机器人故障诊断云端被配置为根据控制指令确定机器人所处的运动阶段,将接收到的数据输入该运动阶段对应的故障诊断模型进行机器人故障诊断,并将诊断结果反馈至机器人控制器;

所述传感器模块包括:

速度编码器:用于检测移动机器人主动轮的实时速度;

惯性测量单元:用于检测移动机器人的加速度、角速度和角度数据;

将移动机器人运动阶段分为启动、直行、停止、左转和右转;任何运动均由上述运动阶段组合而成;机器人故障诊断云端根据机器人的控制指令得知机器人所处的具体运动阶段;

采用故障数据集对故障诊断模型进行训练,并通过测试集交叉验证进行模型超参数调整和优化,最终确定故障诊断正确率较高的模型,并进行保存;

所述的采用故障数据集对故障诊断模型进行训练,指的是:分别采用机器人不同运动阶段的故障数据集对不同的机器人运动阶段进行训练,分别获得机器人不同运动阶段的故障诊断模型。

2.如权利要求1所述的一种服务机器人运动系统云端故障诊断系统,其特征在于,所述机器人故障诊断云端将机器人传感器数据以及运行状态进行实时记录,并作为内部故障诊断模型的训练数据集。

3.一种服务机器人运动系统云端故障诊断方法,其特征在于,包括:

机器人进入某个运动阶段触发传感器模块进行数据采集;

传感器将数据通过串口传输给机器人控制器,机器人控制器通过websocket网络长连接实时上传机器人故障诊断云端;

机器人故障诊断云端根据控制指令确定机器人所处的运动阶段,并将故障诊断模型切换到该运动阶段的诊断模型;

将设定时间段内的数据输入故障诊断模型进行运算,并得出故障诊断结果;

所述传感器模块包括:

速度编码器:用于检测移动机器人主动轮的实时速度;

惯性测量单元:用于检测移动机器人的加速度、角速度和角度数据;

将移动机器人运动阶段分为启动、直行、停止、左转和右转;任何运动均由上述运动阶段组合而成;机器人故障诊断云端根据机器人的控制指令得知机器人所处的具体运动阶段;

采用故障数据集对故障诊断模型进行训练,并通过测试集交叉验证进行模型超参数调整和优化,最终确定故障诊断正确率较高的模型,并进行保存;

所述的采用故障数据集对故障诊断模型进行训练,指的是:分别采用机器人不同运动阶段的故障数据集对不同的机器人运动阶段进行训练,分别获得机器人不同运动阶段的故障诊断模型。

4.如权利要求3所述的一种服务机器人运动系统云端故障诊断方法,其特征在于,如果故障诊断结果为存在故障,则停机并通知后台管理人员,进行人工确认;

人工确认后,如果不存在故障,则恢复机器人运行,并记录此次误诊数据,将数据加入故障诊断数据集中,同时进行故障诊断模型优化;如果确实存在故障,则记录故障数据,并将数据加入故障诊断数据集中,并通知维修人员进行机器人维护工作。

5.如权利要求3所述的一种服务机器人运动系统云端故障诊断方法,其特征在于,采用基于LSTM神经网络的移动机器人故障诊断模型进行故障诊断,故障诊断模型采用Keras深度学习框架搭建。

6.如权利要求3所述的一种服务机器人运动系统云端故障诊断方法,其特征在于,故障诊断模型的故障数据集采集的方法具体为:

采集移动机器人不同运动阶段下的正常运行数据,并加入非故障标签,存入故障诊断数据库;

人工模拟移动机器人的不同故障,并采集每一种故障下机器人处于不同运动阶段的数据,并加入对应的故障数据标签,存入故障诊断数据库;

上述故障数据以及非故障数据共同构成故障诊断数据集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811325909.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top