一种智能机器人故障监测系统及方法技术方案

本发明专利技术公开了一种智能机器人故障监测系统及方法，包括数据采集模块、数据分析模块、数据模拟模块、警示模块和云平台。本发明专利技术中可对机器人的历史模拟故障数据进行采集处理，可对机器人的规定运动路径和实时运动路径进行采集处理，可对机器人运动路径数据进行分析处理，可对机器人故障数据进行分析处理，可对故障数据进行拟合处理，可对运行路径数据进行拟合处理，可建立故障模拟模型，可将智能机器人实时运动路径数据进行数据模拟计算处理，从而锁定对应的故障数据信息，根据对比筛选条件，对故障数据信息进行分级处理，再根据故障数据信息相应级别对故障数据信息进行推送，便于快速对智能机器人进行维护处理。速对智能机器人进行维护处理。速对智能机器人进行维护处理。

【技术实现步骤摘要】
一种智能机器人故障监测系统及方法


[0001]本专利技术涉及机器人监测处理
，具体为一种智能机器人故障监测系统及方法。

技术介绍

[0002]机器人按照智能程度分类：工业机器人、初级智能、智能农业、家庭智能陪护、高级智能；工业机器人只能死板地按照人给它规定的程序工作；初级智能具有像人那样的感受，识别，推理和判断能力。可以根据外界条件的变化，在一定范围内自行修改程序，也就是它能适应外界条件变化对自己怎样作相应调整；随着社会发展的需要和机器人应用领域的扩大，人们对智能机器人的要求也越来越高。智能机器人主要涉及到以下关键技术：多传感器信息融合技术、导航与定位、路径规划、机器人视觉、智能控制、人机接口技术。
[0003]目前的机器人在发生故障时，需要维护人员经过长时间的检索定位，才能对智能机器人的故障位置进行确定，维护效率较低。

技术实现思路

[0004]本专利技术的目的在于提供一种智能机器人故障监测系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种智能机器人故障监测系统，包括数据采集模块、数据分析模块、数据模拟模块、警示模块和云平台，所述数据采集模块、数据分析模块、数据模拟模块、警示模块均分别与所述云平台通信数据连接；所述数据采集模块对智能机器人数据进行采集处理；所述数据分析模块用于对智能机器人数据进行分析处理；所述数据模拟模块用于对智能机器人进行数据模拟处理；所述警示模块用于对智能机器人异常数据进行警示处理；所述云平台用于对系统数据进行综合管控。
[0006]进一步的，所述数据采集模块包括机器人故障数据采集单元、机器人运动路径数据采集单元；所述机器人故障数据采集单元用于对机器人的历史模拟故障数据进行采集处理；所述机器人运动路径数据采集单元用于对机器人的规定运动路径和实时运动路径进行采集处理。
[0007]进一步的，所述数据分析模块包括运动路径数据分析单元、故障数据分析单元；所述运动路径数据分析单元用于对机器人运动路径数据进行分析处理；所述故障数据分析单元用于对机器人故障数据进行分析处理。
[0008]进一步的，所述数据模拟模块包括故障数据拟合单元、运动路径数据拟合单元、模型建立单元；所述故障数据拟合单元用于对故障数据进行拟合处理；所述运动路径数据拟合单元用于对运行路径数据进行拟合处理；所述模型建立单元用于建立故障模拟模型。
[0009]进一步的，所述云平台包括数据收发单元和数据储存单元；所述数据收发单元用于对数据进行收发操作处理；所述数据储存单元用于对数据进行储存处理。
[0010]进一步的，还包括：数据库和智能终端，所述数据库和智能终端均分别与所述云平
台通信数据连接；所述数据库用于存储数据，并且为系统提供数据基础；所述智能终端用于实时查看系统数据。
[0011]本专利技术还提供了一种智能机器人故障监测系统的监测方法，包括以下步骤：
[0012]S1：开启系统，数据采集模块对智能机器人数据进行采集处理，得到智能机器人故障数据、历史运动路径数据、实时运动路径数据，再将采集数据发送到云平台；
[0013]S2：云平台将采集数据发送到数据分析模块，所述数据分析模块对采集数据进行分析整合处理，并将分析整合处理后的数据发送到云平台；
[0014]S3：所述云平台将数据发送到数据模拟模块进行拟合处理，并建立故障模拟模型；将智能机器人实时运动路径数据进行数据模拟计算处理，从而锁定对应的故障数据信息。
[0015]进一步的，在步骤S1中，智能机器人故障数据为M
i
；
[0016]智能机器人对应故障数据的历史运动路径数据：历史规定运动路径坐标(A
i
，B
i
)、故障运动路径坐标(C
i
，D
i
)；
[0017]智能机器人实时运动路径数据：实时规定运动路径坐标(A
j
，B
j
)、实时运动路径坐标(C
j
，D
j
)。
[0018]进一步的，在步骤S2中，对智能机器人历史运动路径数据进行处理：
[0019]历史故障运动偏移角度为：
[0020]历史故障运动偏离位移为：
[0021]历史故障运动偏移量为：G
i
＝F
i
×
[1+tan(E
i
)]；
[0022]历史故障偏移总量为：H
i
＝0.6
×
F
i
×
tan(E
i
)+0.4
×
G
i
×
tan(E
i
)。
[0023]进一步的，在步骤S3中，将上述数据(E
i
、F
i
、G
i
、H
i
)作为智能机器人故障数据M
i
的基础数据进行拟合处理，并建立故障模拟模型；
[0024]对智能机器人实时运动路径数据进行处理：
[0025]实时运动偏移角度为：
[0026]实时运动偏离位移为：
[0027]实时运动偏移量为：G
j
＝F
j
×
[1+tan(E
j
)]；
[0028]实时偏移总量为：H
j
＝0.6
×
F
j
×
tan(E
j
)+0.4
×
G
j
×
tan(E
j
)；
[0029]当，且时，则表明智能机器人发生故障，云平台通过警示模块发出故障告警信息；
[0030]进行数据模拟计算处理，从而锁定对应的故障数据信息；
[0031]将智能机器人实时运动数据(E
j
、F
j
、G
j
、H
j
)代入到上述故障模拟模型中；
[0032]当E
j
＝E
i
、F
j
＝F
i
、G
j
＝G
i
且H
j
＝H
i
同时成立时，直接确定(E
i
、F
i
、G
i
、H
i
)对应的故障数据M
i
为当前智能机器人的一级故障数据信息；
[0033]当E
j
＝E
i
、F
j
＝F
i
、G
j
＝G
i
、H
j
＝H
i
中任意三个成立时，则(E
i
、F...

【技术保护点】

【技术特征摘要】
1.一种智能机器人故障监测系统，包括数据采集模块(1)、数据分析模块(2)、数据模拟模块(3)、警示模块(4)和云平台(5)，其特征在于：所述数据采集模块(1)、数据分析模块(2)、数据模拟模块(3)、警示模块(4)均分别与所述云平台(5)通信数据连接；所述数据采集模块(1)对智能机器人数据进行采集处理；所述数据分析模块(2)用于对智能机器人数据进行分析处理；所述数据模拟模块(3)用于对智能机器人进行数据模拟处理；所述警示模块(4)用于对智能机器人异常数据进行警示处理；所述云平台(5)用于对系统数据进行综合管控。2.根据权利要求1所述的一种智能机器人故障监测系统，其特征在于：所述数据采集模块(1)包括机器人故障数据采集单元、机器人运动路径数据采集单元；所述机器人故障数据采集单元用于对机器人的历史模拟故障数据进行采集处理；所述机器人运动路径数据采集单元用于对机器人的规定运动路径和实时运动路径进行采集处理。3.根据权利要求1所述的一种智能机器人故障监测系统，其特征在于：所述数据分析模块(2)包括运动路径数据分析单元、故障数据分析单元；所述运动路径数据分析单元用于对机器人运动路径数据进行分析处理；所述故障数据分析单元用于对机器人故障数据进行分析处理。4.根据权利要求1所述的一种智能机器人故障监测系统，其特征在于：所述数据模拟模块(3)包括故障数据拟合单元、运动路径数据拟合单元、模型建立单元；所述故障数据拟合单元用于对故障数据进行拟合处理；所述运动路径数据拟合单元用于对运行路径数据进行拟合处理；所述模型建立单元用于建立故障模拟模型。5.根据权利要求1所述的一种智能机器人故障监测系统，其特征在于：所述云平台(5)包括数据收发单元和数据储存单元；所述数据收发单元用于对数据进行收发操作处理；所述数据储存单元用于对数据进行储存处理。6.根据权利要求1所述的一种智能机器人故障监测系统，其特征在于：还包括：数据库和智能终端，所述数据库和智能终端均分别与所述云平台(5)通信数据连接；所述数据库用于存储数据，并且为系统提供数据基础；所述智能终端用于实时查看系统数据。7.根据权利要求1
‑
6任意一项所述的一种智能机器人故障监测系统的监测方法，其特征在于：包括以下步骤：S1：开启系统，数据采集模块(1)对智能机器人数据进行采集处理，得到智能机器人故障数据、历史运动路径数据、实时运动路径数据，再将采集数据发送到云平台(5)；S2：云平台(5)将采集数据发送到数据分析模块(2)，所述数据分析模块(2)对采集数据进行分析整合处理，并将分析整合处理后的数据发送到云平台(5)；S3：所述云平台(5)将数据发送到数据模拟模块(3)进行拟合处理，并建立故障模拟模型；将智能机器人实时运动路径数据进行数据模拟计算处理，从而锁定对应的故障数据信息。8.根据权利要求7所述的一种监测方法，其特征在于：在步骤S1中，智能机器人故障数据为M
i
；智能机器人对应故障数据的历史运动路径数据：历史规定运动路径坐标(A
i
，B
i
)、故障运动路径坐标(C
i
，D
i
)；智能机器人实时运动路径数据：实时规定运动路径坐标(A
j
，B
j
)、实时运动路径坐标
(C
j
，D
j
)。9.根据权利要求8所述的一种监测方法，其特征在于：在步骤S2中，对智能机器人历史运动路径数据进行处理：历史故障运动偏移角度为：历史故障运动偏离位移为：历史故障运动偏移量为：G
i
＝F
i
×
[1+tan(E
i
)]；历史故障偏移总量为：H
i
＝0.6
×
F
i
×
tan(E
i
)+0.4
×
G
i
×
tan(E
i
)。10.根据权利要求9所述的一种监测方法，其特征在于：在步骤S3中，将上述数据(E
i
、F
i
、G
i
、H
i
)作为智能机器人故障数据M
i
的基础数据进行拟合处理，并建立故障模拟模型；对智能机器人实时运动路径数据进行处理：实时运动偏移角度为：实时运动偏离位移为：实时运动偏移量为：G
j
＝F
j
×
[1+tan(E
j
)]；实时偏移总量为：H
j
＝0.6
×
F
j
×
tan(E
j
...

【专利技术属性】
技术研发人员：林宝娟，
申请(专利权)人：林宝娟，
类型：发明
国别省市：