[发明专利]服务机器人运动系统云端故障诊断系统及方法

说明书

本发明公开了一种服务机器人运动系统云端故障诊断系统及方法，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接收到的数据进行机器人故障诊断，并将诊断结果反馈至机器人控制器。采用速度编码器以及惯性测量单元数据进行融合，通过深度学习模型进行故障建模，并将模型部署于运算能力强的云端服务器，具有诊断实时性高、模型鲁棒性高、实用性较强的优点。

技术领域

本发明属于移动机器人故障诊断应用领域，尤其涉及一种服务机器人运动系统云端故障诊断系统及方法。

背景技术

服务机器人运动系统是指服务机器人中与运动相关的器件、控制单元和机械结构构成的整体，包括轮子、电机、编码器、驱动、运动控制器等。服务机器人运动系统的可靠性和安全性是机器人的生命线，故障诊断系统对于机器人有着重要的意义。故障诊断系统能在故障发生时或者发生前提前诊断或预知故障，避免故障进一步的恶化而产生重大的安全事故。传统的服务机器人运动系统故障诊断方式有以下几种方法以及弊端：

(1)故障树的故障诊断方法存在对于复杂机器人系统，很难建立错综复杂的故障树，同时故障树只能检测逻辑较为简单，现象较为明显的故障。

(2)专家系统的故障诊断方法存在专家系统需要长期的经验积累，同时存在普适性较低的弊端。

(3)基于数学模型的故障诊断方法存在对于复杂的高阶非线性系统难以建模的缺点，同时对于噪声的鲁棒性较低。

(4)传统的故障诊断均部署于机器人本身，因此对于基于数据驱动的故障诊断存在机器人本身运算力小，复杂的算法模型很难部署和计算速度慢导致时滞较高的缺点。同时如果机器人本身故障诊断控制器硬件损坏，故障诊断系统将完全失效。

综上所述，亟需一种服务机器人运动系统能够精确快速的故障诊断系统及方法，本发明将速度编码器数据与惯性测量单元数据作为移动机器人故障诊断的原始数据，采用神经网络算法模型进行建模，并将故障诊断模型部署于运算能力较强的云端，能够对服务机器人运动系统进行实时的故障诊断。

发明内容

为了解决上述问题，本发明提出了一种服务机器人运动系统云端故障诊断系统及方法，将速度编码器数据与惯性测量单元数据作为移动机器人故障诊断的原始数据，采用机器学习算法模型进行建模，并将故障诊断模型部署于运算能力较强的云端，能够对移动机器人进行实时的故障诊断，具有诊断实时性高、模型鲁棒性高、实用性较强的优点。

为了实现上述目的，本发明采用如下技术方案：

在一个或多个实施方式中公开的一种服务机器人运动系统云端故障诊断系统，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。

进一步地，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。

进一步地，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。

在一个或多个实施方式中公开的一种服务机器人运动系统云端故障诊断方法，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；