[发明专利]一种基于改进的CRM对群体机器人的故障检测方法

说明书

本发明涉及群体机器人技术领域，且公开了一种基于改进的CRM对群体机器人的故障检测方法，包括以下步骤：S1、行为表征，采用E‑Puck机器人，针对E‑Puck机器人的传感器、执行器以及传感器与执行器之间的交互所表现出来的行为，设置六个行为特征，并将六个行为特征串联在一起形成一个特征向量；本发明针对不同的群体行为所表现出来的行为特征是不一样的，对方法中设定的六种行为特征在处于特定的群体行为时，赋予不同影响力的特征不同的权值，实施改进的CRM，从而对异常机器人所表现出来的行为更容易区分出来，因此，会提高故障检测的检测率，同时也会降低故障检测的误检率。

技术领域

本发明涉及群体机器人技术领域，具体为一种基于改进的CRM对群体机器人的故障检测方法。

背景技术

群体机器人是机器人领域中的重要领域之一，其灵感来源于对大自然里群居性动物，例如：蚂蚁、蜜蜂的观察。群体机器人是有一群智能的、相同的机器人组成，每个机器人都配有相关的传感器和执行器等。并且具有鲁棒性和可扩展性。鲁棒性是群体非常稳定，可扩展性是群体在增加或者减少机器人的时候，对执行群体行为影响较小。但由于群体机器人由大量的机器人组成，导致其中的个体出现故障的可能性比较高，由于存在故障机器人，从而导致在执行任务的时候无法正常进行。因此尽可能早的检测出故障，并且进行进行移除，对群体机器人的健壮与稳定来说都十分重要。

目前的故障检测方法包括内源性以及外源性。其中内源性故障检测方法只能检测出一般的故障，但例如断电，通信，完全损坏等故障出现时，则无法自检。外源性故障检测方法是群体中的其他机器人一起协作观察检测故障，因此外源性故障检测方法更加符合群体机器人的理念。其中外源性故障检测方法又可以分为区块链、人工免疫系统以及预测模型三个领域进行故障检测。

在采取预测模型的故障检测时，首先要预测出机器人的行为，在进行与实际的对比，此方法不能在线检测故障，在进行新的群体行为比较麻烦。有通过萤火虫的同步闪烁行为进行故障检测，但是只考虑了完全故障即机器人死亡，故障类型比较单一。通过对机器人表现出的性能进行统计的故障检测方法，难以有一个容易量化的标准来判断，不易使用。在人工免疫系统方法有基于肉芽肿形成来进行故障检测和基于t细胞的故障检测方法，但是这些方法不具有实时性，虽然有一定效果，但不利于使用。随即有一种故障检测方法，通过观察群体机器人的行为，赋予一些行为特征，实施交叉调节模型，当出现异常行为的时候，交叉调节模型就出判断出异常行为。这种方法在线的、实时的。但是用的是固定的行为特征，在不同的群体行为下，对异常行为的区分度有所不同，不具有针对性。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于改进的CRM对群体机器人的故障检测方法，解决了上述背景技术中所存在的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于改进的CRM对群体机器人的故障检测方法，包括以下步骤：

S1、行为表征，采用E-Puck机器人，针对E-Puck机器人的传感器、执行器以及传感器与执行器之间的交互所表现出来的行为，设置六个行为特征，并将六个行为特征串联在一起形成一个特征向量，六个行为特征的设定如下：

F₁(t)、F₂(t)表示的[0-15cm]，[15-30cm]内是否存在邻居机器人，S[n(t)]是单位阶跃函数，n(t)是机器人个数；

表达的是用角加速度表示航向的变化，F₃(t)，F₄(t)表示的t时刻机器人的速度和角度是否达到最大速度和角加速度的10％；