[发明专利]一种基于互联网的人工智能机器人故障预测系统

权利要求书

1.一种基于互联网的人工智能机器人故障预测系统，用于服务器中，所述服务器内设置有故障预测模块和故障处理模块，其特征在于，所述故障预测模块用于对机器信息进行故障预测分析，具体分析过程为：

对机器信息进行信息识别以得到参数名称对应的数据集，再对参数名称对应的数据集进行故障模型分析以输出参数名称对应的故障值，具体过程为：

设定故障模型包括第一故障模型和第二故障模型；第一故障模型和第二故障模型均对应一个名称组，每个名称组内均包括若干个预设的参数名称；将参数名称与名称组内所有预设的参数名称进行匹配，当名称组内包括该参数名称时，将该名称组对应的故障模型标记为故障分析模型；将参数名称标记为Ai，参数名称对应数据集标记为Ki，数据集Ki内的数值标记为Kij，i=1，2，……，n；n为参数名称的总数量；j=1，2，……，m；m为数据集Ki内数值的总数量；

当故障分析模型为第一故障模型时，获取参数名称Ai对应的参数范围[Die，Dif]，DieDif；将数据集Ki内的数值Kij与参数范围[Die，Dif]进行比对，当Kij∉[Die，Dif]时，将数值Kij分别与最小值Die和最大值Dif进行比对，当KijDie时，将数值Kij标记为数值Kig；当KijDif时，将数值Kij标记为数值Kih；统计数值Kig的数量并标记为p1，统计数值Kih的数量并标记为p2；其中p1+p2≤m；将数值Kig和数值Kih代入第一故障模型中输出故障值GZ，其中，µ1i和µ2i为参数名称对应预设的第一故权系数和第二故权系数；λ为参数名称对应数据集的波动系数；

当故障分析模型为第二故障模型时，获取参数名称Ai对应的参数阈值Ei；将数据集Ki内的数值Kij代入第二故障模型中得到参数名称Ai对应的故障值GZ；其中，λ为参数名称对应数据集的波动系数；u 3i为参数名称Ai对应预设的第三故权系数；

将故障值大于设定阈值一的参数名称标记为异常参数；将所有的异常参数对应的故障值进行求和得到故障总值；

当故障总值大于预设阈值三时，生成测试请求并将其发送至人工智能机器人对应的管理端；

接收管理端反馈的请求结果；当请求结果为测试结果时，生成测试信令并将其发送至人工智能机器人；接收人工智能机器人反馈的测试信息，其中测试信息为人工智能机器人接收到测试信令后，执行测试信令过程中产生的机器信息；对测试信息进行信息识别得到参数名称对应的数据集，将人工智能机器人同一机器部件所有参数名称的数据集进行组合得到数据集组；对机器部件的数据集组代入故障模型并输出机器部件的故障值；当故障值大于或等于设定阈值二时，将机器部件标记为故障部件，将故障部件发送至人工智能机器人对应的管理端；接收管理端反馈的处理结果；当处理结果为维查结果时，生成人工智能机器人对应的维查指令至故障处理模块；当处理结果为数查结果时，将故障部件及故障部件的数据集组发送至对应的管理端；当故障值小于设定阈值二时，生成机器正常指令并发送至对应的管理端；当请求结果为查看结果时，将异常参数、对应的数据集和故障值发送至人工智能机器人的管理端；

所述服务器内还设置有信息分析模块和维查分析模块；

所述信息分析模块用于获取维查人员的人员信息并提取从业时长的数值以及年龄的数值，将从业时长的数值以及年龄的数值分别乘以预设的权重占比再求和，将求得的和加上二十得到员维基值；所述维查分析模块用于统计处理人员所有的维修查看人工智能机器人的完成时刻的数量，当数量大于设定数量阈值时，将处理人员到达对应人工智能机器人的到达时刻与对应的维修完成时刻进行时刻差计算得到维护时长，提取所有维护时长的数值依据时间先后顺序并代入柱状图中得到时长柱，依次连接相邻两个时长柱的中点得到时柱线；计算时柱线的斜率以及与水平线的夹角，将夹角为锐角的时柱线的斜率标记为第一斜率，将夹角为钝角的时柱线的斜率标记为第二斜率；将所有第一斜率进行求和得到第一斜率总值；将所有第一斜率进行求和并取绝对值得到第二斜率总值，将第一斜率总值除以第二斜率总值再加上二十得到维查处值。