[发明专利]移动机器人的故障状态监测方法、装置和设备

权利要求书

1.一种移动机器人的故障状态监测方法，其特征在于，包括：

获取移动机器人中各待监测装置的至少两种状态数据；其中，所述待监测装置包括所述移动机器人中安装的所有传感器装置和/或硬件装置；

将所述至少两种状态数据输入预先训练的各待监测装置的关联故障监测模型中，得到各待监测装置的监测结果；其中，所述故障监测模型用于学习所述至少两种状态数据之间的特征关联关系；

根据所述监测结果确定所述移动机器人中的故障装置，以定位所述移动机器人的故障原因。

2.根据权利要求1所述的方法，其特征在于，所述待监测装置的关联故障监测模型的训练过程如下：

基于装置类型对待监测装置进行分类；

分别获取每一类待监测装置的至少两种样本状态数据和对应的状态结果；

基于深度学习网络对所述至少两种样本状态数据和对应的状态结果进行训练，得到每一类待监测装置的关联故障监测模型；

相应的，将所述至少两种状态数据输入预先训练的各待监测装置的关联故障监测模型中，包括：

根据所述待监测装置的类型确定目标故障监测模型；

将所述至少两种状态数据输入所述目标故障监测模型中。

3.根据权利要求2所述的方法，其特征在于，其中，所述样本状态数据中包括数据获取时间信息；

相应的，基于深度学习网络对所述至少两种样本状态数据和对应的状态结果进行训练，得到每一类待监测装置的关联故障监测模型，包括：

基于深度学习网络学习所述至少两种样本状态数据之间的特征关联关系，以及所述特征关联关系和对应的状态结果之间的直接关联关系；

基于所述深度学习网络学习不同数据获取时间信息下的至少两种样本状态数据之间的特征变化关系，以及所述特征变化关系和对应的状态结果变化信息之间的趋势变化关系；

根据所述直接关联关系和所述趋势变化关系确定每一类待监测装置的关联故障监测模型。

4.根据权利要求3所述的方法，其特征在于，其中，所述监测结果包括当前状态监测结果和未来状态预测结果；所述状态数据中包括当前状态数据和历史状态数据；

相应的，将所述至少两种状态数据输入所述目标故障监测模型中，包括：

基于所述目标故障监测模型中的所述直接关联关系和所述特征关联关系，根据所述当前状态数据确定当前状态监测结果；

基于所述目标故障监测模型中的所述趋势变化关系和所述特征变化关系，根据所述当前状态数据和历史状态数据确定未来状态预测结果。

5.根据权利要求2所述的方法，其特征在于，所述样本状态数据包括不同工况参数下的样本状态数据；

相应的，基于深度学习网络对所述至少两种样本状态数据和对应的状态结果进行训练，得到每一类待监测装置的关联故障监测模型，包括：

基于深度学习网络对所述不同工况参数下的所述至少两种样本状态数据和对应的状态结果进行训练，得到每一类待监测装置在不同工况下的关联故障监测模型。

6.根据权利要求1所述的方法，其特征在于，在得到各待监测装置的监测结果之后，所述方法还包括：

根据所述监测结果确定相互干扰的待监测装置；

为所述相互干扰的待监测装置设置独立的供电模块。

7.根据权利要求1所述的方法，其特征在于，在根据所述监测结果确定所述移动机器人中的故障装置之后，所述方法还包括：

基于预先确定的映射关系确定所述故障传感器的辅助传感器；

基于预先设置的辅助机制对所述辅助传感器进行动作，以对所述故障传感器的功能进行补充。

8.根据权利要求1所述的方法，其特征在于，所述故障监测模型在云平台上进行预先训练，训练完成后部署在移动机器人端进行监测。