【技术实现步骤摘要】
本专利技术涉及多智能体系统中的故障检测技术，特别是群体机器人系统（srs）中的分布式故障检测方法。
技术介绍
1、群体机器人系统由多个智能互联的节点组成，这些节点通过协同合作展现出复杂的群体行为。尽管单个机器人在执行某些特定任务时能力有限，群体机器人系统能够利用其分布式特性，通过节点之间的通信和交互，在没有中央控制的情况下完成复杂任务。这种分布式架构通常被认为具有固有的鲁棒性。然而，研究表明，即使仅有少数机器人发生故障，仍可能显著影响整个系统的性能和稳定性。现有的故障检测方法通常分为外源性和内源性两类，前者用于检测其他机器人中的故障，后者则用于检测自身故障。这些方法根据分类算法的不同可分为定性和定量两种。定性方法结构简单，资源消耗低，但其检测精度有限；定量方法则依赖于对机器人行为的模型构建，能够提供更高的检测精度。定量方法进一步细分为基于模型和数据驱动的算法，前者依赖于领域知识，而后者通过数据分析自主学习，区分正常与故障行为。随着数据存储技术和机器学习算法的不断进步，数据驱动的方法在群体机器人系统的故障检测中展现出越来越大的潜力。>
<本文档来自技高网...
【技术保护点】
1.一种基于机器学习的群体机器人系统中分布式故障检测方法，其特征在于：包括信息采集模块、数据处理与特征提取模块、故障分类模块、通信与共享模块、投票决策模块和故障处理模块，所述各模块通过分布式架构实现机器人系统的故障检测与决策。
2.根据权利要求1所述的一种复杂环境下多智能体姿态协同控制系统，其特征在于：所述信息采集模块包括用于采集邻近机器人距离、角度、速度和加速度等数据的高精度传感器，所述故障分类模块采用梯度提升决策树（GBDT）算法对邻居机器人进行故障分类。
3.根据权利要求1所述的一种基于机器学习的群体机器人系统中分布式故障检测方法，其特征...
【技术特征摘要】
1.一种基于机器学习的群体机器人系统中分布式故障检测方法，其特征在于：包括信息采集模块、数据处理与特征提取模块、故障分类模块、通信与共享模块、投票决策模块和故障处理模块，所述各模块通过分布式架构实现机器人系统的故障检测与决策。
2.根据权利要求1所述的一种复杂环境下多智能体姿态协同控制系统，其特征在于：所述信息采集模块包括用于采集邻近机器人距离、角度、速度和加速度等数据的高精度传感器，所述故障分类模块采用梯度提升决策树（gbdt）算法对邻居机器人进行故障分类。
3.根据权利要求1所述的一种基于机器学习的群体机器人系统中分布式故障检测方法，其特征在于：所述投票决策模块通过加权多数投票机制，根据不同机器人的传感器精度和数据质量动态调整投票权重。
4.根据权利要求1所述的一种基于机器学习的群体机器人系统中分布式故障检测方法，其特征在于：所述通信与共享模块通过冗余通信机制，使每个机器人不仅与直接邻居交换分类结果，还通过多跳通信传递信息，确保全系统的故障信息共享。
5.根据权利要求1所述...
【专利技术属性】
技术研发人员：顾梦祺，李清波，周凯杰，曹志翔，杨锦，陈静，谢洁，
申请(专利权)人：淮阴师范学院，
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。