机器人软件系统运行环境状态预测方法技术方案

本发明专利技术公开了一种机器人软件系统运行环境状态预测方法，包括对巡检机器人软件系统运行环境状态的实时观测，获得机器人软件系统运行环境状态变化的时序特征；根据机器人软件系统工作环境状态的变化特征，设计分块全连接网络作为前置滤波层，对环境状态变化中存在的高频抖动进行抑制；对分块全连接网络提取得到的时序特征，搭建LSTM时序模型，通过实验确定模型超参数选择，利用机器人运行期采集得到的数据样本进行模型训练，并保存训练得到的网络模型，利用得到的网络模型对机器人软件系统运行环境状态进行实时预测。本发明专利技术在机器人工作环境存在高频抖动的情况下，可以很好的保证对工作环境状态的预测精度。

【技术实现步骤摘要】
机器人软件系统运行环境状态预测方法
本专利技术属于软件工程领域，具体为一种机器人软件系统运行环境状态预测方法。
技术介绍
对于巡检机器人后台主控软件系统而言，其承担了巡检机器人巡检管理、运动管理、图像处理等大量计算工作，尤其是在机器人巡检过程中不定期出现的图像处理任务更是会导致短时间的CPU占用、内存占用增大。同时，由于巡检范围较大，巡检机器人也会出现因距离过远导致的网络延时增加的问题。若不能做出适当的软件调整，会面临一些异常问题：当变电站操作人员进行其他工作时，导致工作站剩余可用CPU、内存等资源较少，而巡检机器人软件系统正在进行图像处理工作时，由于资源受限将大幅减小巡检效率，甚至出现软件系统崩溃的危险；当机器人距离基站较远，网络延迟较大时，若软件系统不能做出及时的调整，将拉低机器人控制实时性，甚至产生丢包等现象。因此，若能在巡检机器人软件系统运行中，预测工作环境状态(软件运行过程中对操作系统的CPU、内存占用，以及对机器人局域网网络带宽的占用)的变化趋势，就可以预先做出调整，保证资源剩余，进而保证巡检机器人的巡检工作稳定性。针对巡检本文档来自技高网...

【技术保护点】
1.一种机器人软件系统运行环境状态预测方法，其特征在于，包括以下步骤：/n步骤1、采集巡检机器人软件系统运行时的运行环境历史数据作为训练样本；/n步骤2、构建机器人软件系统运行环境状态时序预测模型，并确定环境状态预测模型中的超参数取值，利用训练样本对环境状态预测模型进行训练；/n所述环境状态预测模型包括LSTM模型以及设置在LSTM模型前作为前置网络的分块全连接网络结构；/n步骤3、利用训练得到的预测模型实时预测机器人软件系统工作环境状态的变化趋势。/n

【技术特征摘要】
1.一种机器人软件系统运行环境状态预测方法，其特征在于，包括以下步骤：
步骤1、采集巡检机器人软件系统运行时的运行环境历史数据作为训练样本；
步骤2、构建机器人软件系统运行环境状态时序预测模型，并确定环境状态预测模型中的超参数取值，利用训练样本对环境状态预测模型进行训练；
所述环境状态预测模型包括LSTM模型以及设置在LSTM模型前作为前置网络的分块全连接网络结构；
步骤3、利用训练得到的预测模型实时预测机器人软件系统工作环境状态的变化趋势。


2.根据权利要求1所述的基于LSTM的巡检机器人软件系统运行环境状态预测方法，其特征在于，采用WINAPI对巡检机器人软件系统工作环境状态进行采集，所述工作环境状态包括巡检机器人软件系统工作环境的CPU占用、内存占用、网络延迟。


3.根据权利要求1所述的基于LSTM的巡检机器人软件系统运行环境状态预测方法，其特征在于，所述分块全连接网络用于提取输入的多个连续时...

【专利技术属性】
技术研发人员：郭健，屠腾，宋恺，秦逸，马晓星，李胜，
申请(专利权)人：南京理工大学，南京大学，
类型：发明
国别省市：江苏;32