一种智能陪伴机器人的异常检测方法技术

本发明专利技术公开了一种智能陪伴机器人的异常检测方法，包括如下步骤：生成初始模型，使用基于空洞卷积的Transformer模块作为生成对抗网络中的生成器；使用多尺度生成器，从若干角度对数据进行特征提取，使得多尺度生成器具备对不同尺度信息进行特征提取的泛化能力；训练初始模型；在每次迭代中使用注意力机制对若干个多尺度生成器的权重进行动态调节。本发明专利技术达到了形成了一套完整的数据收集、异常状态分析体系的目的，从而实现了确保机器人能长期稳定的提供服务的技术效果，进而解决了由于相关技术中的机器人系统化、自动化的技术比较空缺造成的监控大都仍处在机器人通过专人盯着进而达到有效监控的技术问题。到有效监控的技术问题。到有效监控的技术问题。

【技术实现步骤摘要】
一种智能陪伴机器人的异常检测方法


[0001]本专利技术涉及机器人
，尤其涉及一种智能陪伴机器人的异常检测方法。

技术介绍

[0002]近年来，服务机器人逐渐被大众接受，越来越多的出现在酒店、商场、写字楼、机场、小区公寓等各个地方。服务机器人它的运行环境复杂多变、不确定因素非常多、经常会有各种突发状况，但它的服务稳定可靠性要求又非常高。因此需求建立一套完善的数据收集、监控/告警和针对机器人的异常情况进行及时分析的体系，以确保能够准确获知机器人的异常信息，进而使机器人能长期稳定的提供服务。
[0003]数据收集、监控/告警和异常分析等相关技术在互联网行业已经使用得非常成熟，但在服务机器人领域，由于目前有大量服务机器人在外面提供服务，但是能够提供机器人监控的公司并不多，大都仍处在少量机器人并安排专人盯着的阶段，因此这方面系统化、自动化的技术比较空缺。

技术实现思路

[0004]基于
技术介绍
存在的技术问题，本专利技术提出了一种智能陪伴机器人的异常检测方法。
[0005]本专利技术提出的一种智能陪伴机器人的异常检测方法，包括如下步骤：
[0006]S1生成初始模型，使用基于空洞卷积的Transformer模块作为生成对抗网络中的生成器；
[0007]S2使用多尺度生成器，从若干角度对数据进行特征提取，使得多尺度生成器具备对不同尺度信息进行特征提取的泛化能力；
[0008]S3训练初始模型；在每次迭代中使用注意力机制对若干个多尺度生成器的权重进行动态调节，使得这些多尺度生成器具备不同的权重，生成损失函数，得到异常检测模型；
[0009]S4采集机器人多个当前状态信息，并将状态信息发送至数据处理模块中进行处理；
[0010]S5数据处理模块对多个当前状态信息进行预处理；
[0011]S6将预处理后的多个状态信息输出给异常检测模型中进行异常检测；
[0012]S7当判断所述机器人运行异常时，生成报警信息。
[0013]优选的，所述步骤S1之前采集机器人的至少一种所述参数的运行数据，根据机器人的负载和动作路径的类型，获取所述机器人的运行状态基准数据。
[0014]优选的，根据机器人的负载和动作路径的类型，获取所述运行数据的最大允许值；获取与机器人同型号的机器人在负载和动作路径的类型下的全球运行数据，并对所述全球运行数据进行联动分析，得到运行数据的联动分析值；根据最大允许值和所述联动分析值，获取所述运行状态基准数据。
[0015]优选的，所述步骤S4对状态信息的数据进行清洗，并得到清洗后的状态信息数据；
对所述清洗后的状态信息初步处理，得到初步处理后的状态信息；将初步处理后的状态信息数据进行存储。
[0016]优选的，所述步骤S5数据处理模块将拆分后的数据信息中无用数据信息进行过滤，得到有用的数据信息，然后将有用的数据信息进行合并处理，将合并后的数据信息进行格式转换，转换成常用数据格式。
[0017]优选的，所述步骤S6用于将基本状态信息数据与异常检测模型中的正常状态数据进行对比，并得到比对结果。
[0018]优选的，所述步骤S7根据机器人异常运行的时间以及预设规则，通过短信、邮件和/或移动端将报警信息发送给特定权限的用户。
[0019]本专利技术中，所述一种智能陪伴机器人的异常检测方法，收集机器人的基本状态数据，对基本状态数据进行分析及处理，判断是否存在异常状态；在存在异常状态时，生成异常告警信息。达到了形成了一套完整的数据收集、异常状态分析体系的目的，从而实现了确保机器人能长期稳定的提供服务的技术效果，进而解决了由于相关技术中的机器人系统化、自动化的技术比较空缺造成的监控大都仍处在机器人通过专人盯着进而达到有效监控的技术问题。
附图说明
[0020]图1为本专利技术提出的一种智能陪伴机器人的异常检测方法的流程示意图。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0022]参照图1，一种智能陪伴机器人的异常检测方法，包括如下步骤：
[0023]S1生成初始模型，使用基于空洞卷积的Transformer模块作为生成对抗网络中的生成器；
[0024]S2使用多尺度生成器，从若干角度对数据进行特征提取，使得多尺度生成器具备对不同尺度信息进行特征提取的泛化能力；
[0025]S3训练初始模型；在每次迭代中使用注意力机制对若干个多尺度生成器的权重进行动态调节，使得这些多尺度生成器具备不同的权重，生成损失函数，得到异常检测模型；
[0026]S4采集机器人多个当前状态信息，并将状态信息发送至数据处理模块中进行处理；
[0027]S5数据处理模块对多个当前状态信息进行预处理；
[0028]S6将预处理后的多个状态信息输出给异常检测模型中进行异常检测；
[0029]S7当判断所述机器人运行异常时，生成报警信息。
[0030]本专利技术中，所述步骤S1之前采集机器人的至少一种所述参数的运行数据，根据机器人的负载和动作路径的类型，获取所述机器人的运行状态基准数据。
[0031]本专利技术中，根据机器人的负载和动作路径的类型，获取所述运行数据的最大允许值；获取与机器人同型号的机器人在负载和动作路径的类型下的全球运行数据，并对所述全球运行数据进行联动分析，得到运行数据的联动分析值；根据最大允许值和所述联动分
析值，获取所述运行状态基准数据。
[0032]本专利技术中，所述步骤S4对状态信息的数据进行清洗，并得到清洗后的状态信息数据；对所述清洗后的状态信息初步处理，得到初步处理后的状态信息；将初步处理后的状态信息数据进行存储。
[0033]本专利技术中，所述步骤S5数据处理模块将拆分后的数据信息中无用数据信息进行过滤，得到有用的数据信息，然后将有用的数据信息进行合并处理，将合并后的数据信息进行格式转换，转换成常用数据格式。
[0034]本专利技术中，所述步骤S6用于将基本状态信息数据与异常检测模型中的正常状态数据进行对比，并得到比对结果。
[0035]本专利技术中，所述步骤S7根据机器人异常运行的时间以及预设规则，通过短信、邮件和/或移动端将报警信息发送给特定权限的用户。
[0036]本专利技术：生成初始模型，使用基于空洞卷积的Transformer模块作为生成对抗网络中的生成器；使用多尺度生成器，从若干角度对数据进行特征提取，使得多尺度生成器具备对不同尺度信息进行特征提取的泛化能力；训练初始模型；在每次迭代中使用注意力机制对若干个多尺度生成器的权重进行动态调节，使得这些多尺度生成器具备不同的权重，生成损失函数，得到异常检测模型；采集机器人多个当前状态信息，并将状态信息发送至数据处理模块中进行处理；数据处理模块对多个当前状态信息进行预处理；将预处理后的多个状态信息输出给异常检测模型中进行异常检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能陪伴机器人的异常检测方法，其特征在于，包括如下步骤：S1生成初始模型，使用基于空洞卷积的Transformer模块作为生成对抗网络中的生成器；S2使用多尺度生成器，从若干角度对数据进行特征提取，使得多尺度生成器具备对不同尺度信息进行特征提取的泛化能力；S3训练初始模型；在每次迭代中使用注意力机制对若干个多尺度生成器的权重进行动态调节，使得这些多尺度生成器具备不同的权重，生成损失函数，得到异常检测模型；S4采集机器人多个当前状态信息，并将状态信息发送至数据处理模块中进行处理；S5数据处理模块对多个当前状态信息进行预处理；S6将预处理后的多个状态信息输出给异常检测模型中进行异常检测；S7当判断所述机器人运行异常时，生成报警信息。2.根据权利要求1所述的一种智能陪伴机器人的异常检测方法，其特征在于，所述步骤S1之前采集机器人的至少一种所述参数的运行数据，根据机器人的负载和动作路径的类型，获取所述机器人的运行状态基准数据。3.根据权利要求2所述的一种智能陪伴机器人的异常检测方法，其特征在于，根据机器人的负载和动作路径的类型，获取所述运行数据的最大允许值；获取与机器人同型号...

【专利技术属性】
技术研发人员：周江锋，
申请(专利权)人：深圳市鼎山科技有限公司，
类型：发明
国别省市：