本申请提供一种故障检测方法、装置、电子设备及存储介质。该故障检测方法通过获取待检测机器人的输入属性数据；所述输入属性数据包括所述待检测机器人的状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标；对所述状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标进行特征提取，获得特征向量；将所述特征向量输入到训练好的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果。该故障检测方法通过将更全面的输入属性数据输入到训练好的故障判断模型中，再通过该故障判断模型输出待检测机器人的故障检测结果，提高了机器人故障类型判断的准确性。类型判断的准确性。类型判断的准确性。
【技术实现步骤摘要】
一种故障检测方法、装置、电子设备及存储介质
[0001]本申请涉及机器人故障检测
，具体涉及一种故障检测方法、装置、电子设备及存储介质。
技术介绍
[0002]目前，存在基于机器人状态数据、工况信息数据及设计参数的评估方法,该评估方法根据计算出的机器人各关节健康度指数和预设的各关节健康度阈值计算机器人整机健康并通过机器人整机健康度对机器人的健康状态进行整体评估。
[0003]但是，基于多工况自适应的机器人评估方法所建立的工况数据库和状态特征数据库评价指标不够完善，对健康度指数的计算采用阈值方法获得，此方法受工况影响大，无法实现对机器人故障类型的准确判断。
技术实现思路
[0004]本申请实施例的目的在于提供一种故障检测方法、装置、电子设备及存储介质，以改善上述技术问题。
[0005]为实现上述目的，本申请提供如下技术方案：
[0006]第一方面，本申请实施例提供一种故障检测方法，所述方法包括：
[0007]获取待检测机器人的输入属性数据；所述输入属性数据包括所述待检测机器人的状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标；
[0008]对所述状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标进行特征提取，获得特征向量；
[0009]将所述特征向量输入到训练好的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果。
[0010]在上述方案中，该故障检测方法通过获取待检测机器人的输入属性数据，并对所述输入属性数据进行特征提取，获得特征向量，并将所述特征向量输入到训练好的故障判断模型中，进而获得所述故障判断模型输出的所述待检测机器人的故障检测结果。其中，输入属性数据，包括状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标。该故障检测方法通过将更全面的输入属性数据输入到训练好的故障判断模型中，再通过该故障判断模型输出待检测机器人的故障检测结果，提高了机器人故障类型判断的准确性。
[0011]可选的，所述将所述特征向量输入到训练好的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果，包括：根据分类依据获取所述待检测机器人的分类类别；其中，所述分类依据包括机器人型号；根据所述分类类别将所述特征向量输入到相应的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果。
[0012]在上述方案中，根据分类依据对待检测机器人进行分类，获取待检测机器人的分类类别；并将不同分类类别的待检测机器人的特征向量输入到相应的故障判断模型，以获
得待检测机器人的故障检测结果，可以进一步提高机器人故障类型判断的准确性。
[0013]可选的，所述故障检测结果包括：故障类型、严重等级和维修紧急程度。
[0014]在上述方案中，通过故障判断模型输出待检测机器人的故障检测结果，包括：故障类型、严重等级和维修紧急程度；可以实现对机器人维修的指导作用。
[0015]可选的，在所述将所述特征向量输入到训练好的故障判断模型中，获得所述故障判断模型输出的所述机器人的故障检测结果之后，所述方法还包括：根据所述故障类型、严重等级和维修紧急程度发出相应的故障预警提示。
[0016]在上述方案中，通过根据故障类型、严重等级和维修紧急程度发出相应的预警提示，及时将待检测机器人的故障情况告知维修人员，为机器人故障的预防和维修提供保障。
[0017]可选的，所述故障判断模型的训练过程为：获取多个机器人的训练输入属性数据和故障情况；将所述训练输入属性数据输入待训练模型中，获得所述待训练模型的预测结果；根据所述训练输入属性数据的预测结果及其故障情况对所述待训练模型的内部参数进行优化，以获取训练好的故障判断模型。
[0018]在上述方案中，通过根据多个机器人的训练输入属性数据及其故障情况对待训练模型进行模型训练优化，以获取训练好的故障判断模型对待检测机器人的故障情况进行检测。
[0019]可选的，在所述获取多个机器人的训练输入属性数据和故障情况之后，所述方法还包括：对所述训练输入属性数据进行降维处理；将所述降维处理后的训练输入属性数据输入待训练模型中，获得所述待训练模型的预测结果。
[0020]在上述方案中，通过对训练输入属性数据进行降维处理，即通过训练输入属性数据间的关系对训练输入属性数据进行组合处理，以减少训练输入属性数据中的数据种类，进而简化待训练模型的训练过程。
[0021]第二方面，本申请实施例提供一种故障检测装置，所述装置包括：
[0022]输入属性数据获取模块，所述输入属性数据获取模块用于获取待检测机器人的输入属性数据；所述输入属性数据包括所述待检测机器人的状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标；
[0023]特征提取模块，所述特征提取模块用于对所述状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标进行特征提取，获得特征向量；
[0024]故障检测模块，所述故障检测模块用于将所述特征向量输入到训练好的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果。
[0025]在上述方案中，该故障检测装置通过获取待检测机器人的输入属性数据，并对所述输入属性数据进行特征提取，获得特征向量，并将所述特征向量输入到训练好的故障判断模型中，进而获得所述故障判断模型输出的所述待检测机器人的故障检测结果。其中，输入属性数据，包括状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标。该故障检测装置通过将更全面的输入属性数据输入到训练好的故障判断模型中，再通过该故障判断模型输出待检测机器人的故障检测结果，提高了机器人故障类型判断的准确性。
[0026]可选的，所述故障检测模块包括：分类类别获取模块，所述分类类别获取模块用于根据分类依据获取所述待检测机器人的分类类别；其中，所述分类依据包括机器人型号；分类故障检测模块，所述分类故障检测模块用于根据所述分类类别将所述特征向量输入到相
应的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果。
[0027]可选的，所述故障检测结果包括：故障类型、严重等级和维修紧急程度。
[0028]可选的，所述故障检测装置还包括：预警提示模块，所述预警提示模块用于根据所述故障类型、严重等级和维修紧急程度发出相应的故障预警提示。
[0029]可选的，所述故障检测装置还包括：训练输入数据获取模块，所述训练输入数据获取模块用于获取多个机器人的训练输入属性数据和故障情况；预测结果获取模块，所述预测结果获取模块用于将所述训练输入属性数据输入待训练模型中，获得所述待训练模型的预测结果；故障判断模型获取模块，所述故障判断模型获取模块用于根据所述训练输入属性数据的预测结果及其故障情况对所述待训练模型的内部参数进行优化，以获取训练好的故障判断模型。
[0030]可选的，所述故障检测装置还包括：降维处理模本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种故障检测方法，其特征在于，所述方法包括：获取待检测机器人的输入属性数据；所述输入属性数据包括所述待检测机器人的状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标；对所述状态数据、关节运动数据、运行数据以及影响机器人寿命的预设指标进行特征提取，获得特征向量；将所述特征向量输入到训练好的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果。2.根据权利要求1所述的方法，其特征在于，所述将所述特征向量输入到训练好的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果，包括：根据分类依据获取所述待检测机器人的分类类别；其中，所述分类依据包括机器人型号；根据所述分类类别将所述特征向量输入到相应的故障判断模型中，获得所述故障判断模型输出的所述待检测机器人的故障检测结果。3.根据权利要求1所述的方法，其特征在于，所述故障检测结果包括：故障类型、严重等级和维修紧急程度。4.根据权利要求3所述的方法，其特征在于，在所述将所述特征向量输入到训练好的故障判断模型中，获得所述故障判断模型输出的所述机器人的故障检测结果之后，所述方法还包括：根据所述故障类型、严重等级和维修紧急程度发出相应的故障预警提示。5.根据权利要求1所述的方法，其特征在于，所述故障判断模型的训练过程为：获取多个机器人的训练输入属性数据和故障情况；将所述训练输入属性数据输入待训练模型中，获得所述待训练模型的预测结果；根据所述训练输入属性数据的预测结果及其故障情况对所述待训练模型的内部参数进行优化，以获取训练好的故障判断模型。6.根据权利要求5所述的方...
【专利技术属性】
技术研发人员：李明洋，许雄，邵威，刘博峰，
申请(专利权)人：上海节卡机器人科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。