本申请涉及一种机器人的异常检测方法、装置、电子设备及存储介质，其中，方法包括：获取不同机器人执行任务的任务信息；接收各机器人发送的当前运行状态信息；将各机器人的所述任务信息和当前运行状态信息输入预先训练好的异常检测模型，得到机器人是否发生运行异常的检测结果；若所述检测结果为发生运行异常，则发送异常告警信息，以提醒运维人员处理。本申请的异常检测方法能够同时监测多个机器人的运行状态，及时发现各机器人是否发生运行异常，解决现有技术中通过运维人员监测机器人的异常状况，不能及时发现运行异常状况的问题。不能及时发现运行异常状况的问题。不能及时发现运行异常状况的问题。
【技术实现步骤摘要】
机器人的异常检测方法、装置、电子设备及存储介质
[0001]本申请涉及智能机器人
，具体涉及机器人的异常检测方法、装置、电子设备及存储介质。
技术介绍
[0002]目前，在很多领域，智能机器人都可以替代人工为人类提供服务，根据用户的选择命令，执行任务，例如，配送物品、引路、迎宾、陪护等等。
[0003]机器人在执行任务的途中，有时会遇到障碍物无法继续前行，或者机器人在乘坐电梯的过程中，因为网络异常或者人员拥挤等原因导致无法出梯，这都将导致机器人无法继续执行任务。
[0004]现有技术中，若机器人发生异常，会自动向运维平台告警，由运维人员进行处理。
[0005]但是，有时机器人因某种原因发生异常后，其自身并不知道发生了异常，例如，机器人在乘梯时，因为网络信号的延迟，机器人接收到电梯到达目标楼层的信息后出梯，而实际上电梯并没有在目标楼层停靠，这将会导致机器人出错楼层，位置丢失，而机器人并不知道自己出错楼层，也就不会向运维平台告警，运维人员将无法及时获知机器人的异常情况。
[0006]这就需要运维人员实时监控机器人的运行状况，当执行任务的机器人数量较多的情况下，运维人员可能无法兼顾所有的机器人，不能及时排查机器人的异常状况，导致机器人的工作效率低等问题。
[0007]因此，有必要对现有技术予以改良以克服现有技术中的所述缺陷。
技术实现思路
[0008]本申请的目的在于提供一种机器人的异常检测方法、装置、电子设备及存储介质，用于解决目前机器人因为发生异常，导致无法继续执行任务的问题。
[0009]本申请的目的是通过以下技术方案实现：
[0010]第一方面，提供一种机器人的异常检测方法，包括：
[0011]获取不同机器人执行当前任务的任务信息；
[0012]接收各所述机器人发送的当前运行状态信息；
[0013]将各机器人的所述任务信息和所述当前运行状态信息输入预先训练好的异常检测模型，得到机器人是否发生运行异常的检测结果；
[0014]若所述检测结果为发生运行异常，则发送异常告警信息，以提醒运维人员处理；
[0015]其中，所述异常检测模型是使用多组训练数据进行训练得到的，每组所述训练数据均包括机器人执行任务的样本历史任务信息、样本历史运行状态信息和标签，所述标签指示机器人是否发生运行异常。
[0016]可选地，根据本申请第一方面实施例所述的异常检测方法，所述异常检测模型为长短期记忆网络+判别器构成的神经网络模型。
[0017]可选地，根据本申请第一方面实施例所述的异常检测方法，所述将各机器人的所
述任务信息和当前运行状态信息分别输入预先训练好的异常检测模型，得到机器人是否发生运行异常的检测结果，包括：
[0018]将所述任务信息输入所述长短期记忆网络，得到机器人当前时刻的运行状态预测结果；
[0019]将所述运行状态预测结果和机器人发送的当前运行状态信息输入所述判别器，得到所述机器人是否发生运行异常的检测结果。
[0020]可选地，根据本申请第一方面实施例所述的异常检测方法，还包括训练异常检测模型的步骤：
[0021]获取所述多组训练数据；
[0022]将所述训练数据输入预先构建的初始网络模型，得到机器人运行异常的预测结果；
[0023]基于所述预测结果与所述标签之间的差异，对所述初始网络模型的模型参数进行迭代训练，得到所述异常检测模型。
[0024]可选地，根据本申请第一方面实施例所述的异常检测方法，所述发送异常告警信息，包括：
[0025]确定发生运行异常的机器人所在的工作区域；
[0026]将所述异常告警信息发送至所述工作区域对应的运维管理平台。
[0027]第二方面，提供一种机器人的异常检测装置，包括
[0028]信息获取模块，用于获取不同机器人执行当前任务的任务信息；
[0029]信息接收模块，用于接收各所述机器人发送的当前运行状态信息；
[0030]运行检测模块，用于将各机器人的所述任务信息和所述当前运行状态信息输入预先训练好的异常检测模型，得到机器人是否发生运行异常的检测结果；
[0031]异常告警模块，用于若所述检测结果为发生运行异常，则发送异常告警信息，以提醒运维人员处理；
[0032]其中，所述异常检测模型是使用多组训练数据进行训练得到的，每组所述训练数据均包括机器人执行任务的样本历史任务信息、样本历史状态参数和标签，所述标签指示机器人是否发生运行异常。
[0033]可选地，根据本申请第二方面实施例所述的异常检测装置，所述异常检测模型为长短期记忆网络+判别器构成的神经网络模型；所述运行检测模块，包括：
[0034]第一输入单元，用于将所述任务信息、机器人上一时刻的运行状态信息输入所述长短期记忆网络，得到机器人当前时刻的运行状态预测结果；
[0035]第二输入单元，用于将所述运行状态预测结果与获取到的机器人当前的当前运行状态信息输入判别器进行比对，得到所述机器人是否发生运行异常的检测结果。
[0036]可选地，根据本申请第二方面实施例所述的异常检测装置，所述异常告警模块发送异常告警信息包括：
[0037]确定发生运行异常的机器人所在的工作区域；
[0038]将所述异常告警信息发送至所述工作区域对应的运维管理平台。
[0039]第三方面，提供一种电子设备，包括处理器和存储器，其中，所述存储器中存储有计算机程序，所述计算机程序在被处理器执行时，用以实现本申请第一方面任一实施例所
述方法的步骤。
[0040]第四方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时，用以实现本申请第一方面任一实施例所述方法的步骤。
[0041]与现有技术相比，本申请具有如下有益效果：本申请的异常检测方法通过将任务信息输入预先训练好的异常检测模型中，通过异常检测模型对每个机器人的运行状态进行检测，当检测到机器人发生运行异常时，发送告警信息到运维管理平台，提醒运维人员处理。本申请的异常检测方法可以同时监测多个机器人的运行状况，并及时排查机器人的异常状况，使运维人员能够及时处理，提高了机器人异常检测的效率，并进一步提高机器人的工作效率，而且不需要运维人员时刻监测每个机器人的运行状态，减少了运维人员的工作量。
附图说明
[0042]图1是本申请一个实施例提供的异常检测系统的系统构架图；
[0043]图2是本申请一个实施例提供的异常检测方法的流程图；
[0044]图3是本申请一个实施例提供的长短期记忆模型的示意图；
[0045]图4是本申请一个实施例提供的通过异常检测模型得到机器人异常检测结果的流程图；
[0046]图5是本申请一个实施例提供的异常检测装置的结构框图；
[0047]图6是本申请一个实施例提供的电子设备的结构框图。
[0048]图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器人的异常检测方法，其特征在于，包括：获取不同机器人执行当前任务的任务信息；接收各所述机器人发送的当前运行状态信息；将各机器人的所述任务信息和所述当前运行状态信息输入预先训练好的异常检测模型，得到机器人是否发生运行异常的检测结果；若所述检测结果为发生运行异常，则发送异常告警信息，以提醒运维人员处理；其中，所述异常检测模型是使用多组训练数据进行训练得到的，每组所述训练数据均包括机器人执行任务的样本历史任务信息、样本历史运行状态信息和标签，所述标签指示机器人是否发生运行异常。2.根据权利要求1所述的异常检测方法，其特征在于，所述异常检测模型为长短期记忆网络+判别器构成的神经网络模型。3.根据权利要求2所述的异常检测方法，其特征在于，所述将各机器人的所述任务信息输入预先训练好的异常检测模型，得到机器人是否发生运行异常的检测结果，包括：将所述任务信息、机器人上一时刻的运行状态信息输入所述长短期记忆网络，得到机器人当前时刻的运行状态预测结果；将所述运行状态预测结果和接收到的机器人当前运行状态信息输入所述判别器，得到所述机器人是否发生运行异常的检测结果。4.根据权利要求2或3所述的异常检测方法，其特征在于，所述方法还包括训练所述异常检测模型的步骤：获取所述多组训练数据；将所述训练数据输入预先构建的初始网络模型，得到机器人是否发生运行异常的预测结果；基于所述预测结果与所述标签之间的差异，对所述初始网络模型的模型参数进行迭代训练，得到所述异常检测模型。5.根据权利要求1所述的异常检测方法，其特征在于，所述发送异常告警信息，包括：确定发生运行异常的机器人所在的工作区域；将所述异常告警信息发送至所述工作区域对应的运维管理平台。6.一种机器人的异常检测装置，...
【专利技术属性】
技术研发人员：陈琳，
申请(专利权)人：苏州优智达机器人有限公司，
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。