[发明专利]七轴机器人的稳定性测试方法及系统在审

专利信息
申请号: 202111652566.9 申请日: 2021-12-31
公开(公告)号: CN114474150A 公开(公告)日: 2022-05-13
发明(设计)人: 方辉;王云;方赓;邓玉茹 申请(专利权)人: 苏州通标检测科技有限公司
主分类号: B25J19/00 分类号: B25J19/00
代理公司: 苏州瞪羚知识产权代理事务所(普通合伙) 32438 代理人: 张宇
地址: 215500 江苏省苏州市常熟经济技*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 机器人 稳定性 测试 方法 系统
【权利要求书】:

1.一种七轴机器人的稳定性测试方法,其特征在于,包括:

依据在七轴机器人的稳定性测试过程中获得的包括稳定性测试变量的稳定性测试操作事件,提取具有相互联系的多个稳定性异常活动数据;

依据所述具有相互联系的多个稳定性异常活动数据,确定所述稳定性异常活动数据对应的异常定位变量,所述异常定位变量表征所述稳定性测试变量与多个设定异常定位标签之间的联系变量;

假若所述异常定位变量满足预设条件,确定与所述具有相互联系的多个稳定性异常活动数据对应的稳定性异常路径,依据所述稳定性异常路径以及所述稳定性测试过程的稳定性测试操作事件,调取关联于所述稳定性异常路径以及所述稳定性测试变量的稳定性修复活动集,并通过所述稳定性测试过程对应的稳定性修复策略对所述异常定位变量进行稳定性修复。

2.根据权利要求1所述的方法,其特征在于,所述依据所述具有相互联系的多个稳定性异常活动数据,确定所述稳定性异常活动数据对应的异常定位变量,包括:

将所述稳定性异常活动数据加载到深度学习单元中,通过所述深度学习单元预测与所述稳定性异常活动数据对应的异常定位变量。

3.根据权利要求1所述的方法,其特征在于,假若所述异常定位变量满足预设条件,确定与所述具有相互联系的多个稳定性异常活动数据对应的稳定性异常路径,包括:

假若所述异常定位变量满足预设条件,确定所述异常定位变量对应的异常联动实体知识网络;

依据所述异常联动实体知识网络,从预设配置的运行测试路径库中匹配与所述异常联动实体知识网络对应的稳定性异常路径。

4.根据权利要求3所述的方法,其特征在于,依据所述异常联动实体知识网络,从预设配置的运行测试路径库中匹配与所述异常联动实体知识网络对应的稳定性异常路径,包括:

依据所述异常联动实体知识网络,从所述运行测试路径库中确定与所述异常联动实体知识网络对应的多个运行测试路径节点特征;

将所述多个运行测试路径节点特征通过所述测试服务系统对所述异常定位变量进行确认;

依据测试服务系统针对所述多个运行测试路径节点特征的确认指示信息,确定目标稳定性异常路径。

5.根据权利要求1所述的方法,其特征在于, 所述方法还包括:

依据所述稳定性修复活动集,生成与所述稳定性修复活动集对应的稳定性修复执行数据,并将所述稳定性修复执行数据与所述稳定性修复活动集进行配置。

6.一种七轴机器人的稳定性测试系统,其特征在于,包括:

提取模块,用于依据在七轴机器人的稳定性测试过程中获得的包括稳定性测试变量的稳定性测试操作事件,提取具有相互联系的多个稳定性异常活动数据;

确定模块,用于依据所述具有相互联系的多个稳定性异常活动数据,确定所述稳定性异常活动数据对应的异常定位变量,所述异常定位变量表征所述稳定性测试变量与多个设定异常定位标签之间的联系变量;

修复模块,用于假若所述异常定位变量满足预设条件,确定与所述具有相互联系的多个稳定性异常活动数据对应的稳定性异常路径,依据所述稳定性异常路径以及所述稳定性测试过程的稳定性测试操作事件,调取关联于所述稳定性异常路径以及所述稳定性测试变量的稳定性修复活动集,并通过所述稳定性测试过程对应的稳定性修复策略对所述异常定位变量进行稳定性修复。

7.根据权利要求6所述的系统,其特征在于,所述确定模块,具体用于:

将所述稳定性异常活动数据加载到深度学习单元中,通过所述深度学习单元预测与所述稳定性异常活动数据对应的异常定位变量。

8.根据权利要求6所述的系统,其特征在于,所述修复模块具体用于:

假若所述异常定位变量满足预设条件,确定所述异常定位变量对应的异常联动实体知识网络; 依据所述异常联动实体知识网络,从预设配置的运行测试路径库中匹配与所述异常联动实体知识网络对应的稳定性异常路径。

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苏州通标检测科技有限公司,未经苏州通标检测科技有限公司许可,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/202111652566.9/1.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