[发明专利]一种机器人健康状态评估方法、装置、设备及存储介质

说明书

本发明公开了一种机器人健康状态评估方法、装置、设备及存储介质，包括：根据处于预设健康状态的机器人在各预设位置的工况数据，分别生成各预设位置所对应的参考序列；实时获取目标机器人在各预设位置的工况数据，分别生成各预设位置所对应的工况序列；计算所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列；将所述特征序列输入至BP神经网络，获得所述目标机器人的健康状态评估结果。本发明的技术方案能够通过将特征序列作为训练优化后的BP神经网络的输入，能够避免建立复杂的状态参数与工况关联模型，同时也避免了工况的量化建模难以准确全面的描述复杂的实际工况。

技术领域

本发明涉及机器人故障预测和健康管理领域，尤其涉及一种机器人健康状态评估方法、装置、设备及存储介质。

背景技术

随着工业机器人的广泛应用，所涉及的作业任务也复杂多样，工业机器人的运行状态直接关系到可靠生产，因此对工业机器人进行健康状态评估变得尤为重要。然而，机器人应用领域广泛，所涉及的作业任务也复杂多样，导致其往往是工作在复杂多变的工况环境下。变化的工况如作业类型、运行速度、负载等信息会耦合在机器人的运行状态参数中，掩盖其真实的性能状态和变化规律。

现有的机器人健康状态评估方法大多没有考虑机器人的实际运行工况或者通过量化建模表述实际工况，难以准确反映机器人自身的真实健康状态，因此得到的评估结果与实际情况相差较大。同时，建立机器人状态参数与工况关联模型较为复杂，同时对于工况的量化建模，难以准确全面的描述复杂的实际工况，并且通过平均值确定健康状态参数参考值的方式，仍存在计算评估结果不准确的情况。

因此，本领域技术人员有动机开发一种能够无需建立状态参数与工况模型的机器人健康评估方法。

发明内容

本发明提供了一种机器人健康状态评估方法装置、设备及存储介质，以解决现有技术中状态参数与工况关联模型检测过程复杂的技术问题。

为了解决上述技术问题，本发明实施例提供了一种机器人健康状态评估方法，包括：

根据处于预设健康状态的机器人在各预设位置的工况数据，分别生成各预设位置所对应的参考序列；

实时获取目标机器人在各预设位置的工况数据，分别生成各预设位置所对应的工况序列；

计算所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列；

将所述特征序列输入至BP神经网络，获得所述目标机器人的健康状态评估结果。

作为优选方案，所述根据处于预设健康状态的机器人在各预设位置的工况数据，分别生成各预设位置所对应的参考序列，具体为：

根据若干个周期内处于预设健康状态的机器人各预设位置的工况数据，分别计算出所述处于预设健康状态的机器人中任一预设位置的工况数据所对应的所有周期的离差平方和，从而生成各预设位置所对应的参考序列；其中，所述处于预设健康状态的机器人运行一次完整操作流程为一个周期。

作为优选方案，所述计算所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列，具体为：

分别将所述参考序列的参数和所述工况序列的参数进行归一化处理，并将归一化处理后的所述参考序列的参数和归一化处理后的所述工况序列的参数进行特征计算，得到所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列。

作为优选方案，在所述将所述特征序列输入至BP神经网络，获得所述目标机器人的健康状态评估结果之前，还包括：

根据混合粒子群算法，对BP神经网络的权值与阈值参数进行优化操作。