[发明专利]七轴机器人的稳定性测试方法及系统

说明书

本发明实施例提供的七轴机器人的稳定性测试方法及系统，首先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，然后确定所述稳定性异常活动数据对应的异常定位变量，接着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，最后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。如此，可以针对稳定性异常路径进行决策，并由此进行稳定性修复处理，以此提高机器人运行的稳定性。

技术领域

本发明涉及机器人稳定性测试技术领域，具体而言，涉及一种七轴机器人的稳定性测试方法及系统。

背景技术

如何针对针对七轴机器人的稳定性异常路径进行决策，并由此进行稳定性修复处理，以此提高机器人运行的稳定性，是亟待解决的技术问题。

发明内容

依据上述问题，本发明实施例提供一种七轴机器人的稳定性测试方法，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。

其中，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。

其中，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。

其中，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。

其中，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。

本发明还提供一种七轴机器人的稳定性测试系统，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；