【技术实现步骤摘要】
本专利技术涉及安全监测技术，尤其涉及工业机器人安全监测方法及系统。
技术介绍
1、随着机器人技术的快速发展和广泛应用,机器人的健康管理和维护问题日益受到关注。机器人在长期运行过程中,其关键部件和系统易受磨损、疲劳、环境因素等影响,导致性能下降和故障风险增加。为了保障机器人的可靠运行和延长其使用寿命,亟需发展有效的机器人健康状况评估和剩余寿命预测技术。
2、传统的机器人健康管理主要依赖于定期的人工检查和维护,通过对机器人进行目视检查、性能测试等方式,评估其健康状况。然而,这种方法难以及时发现潜在的故障隐患,且耗时耗力。近年来,一些学者提出利用数据驱动的方法进行机器人健康管理。这些方法通过采集机器人运行过程中的各类传感器数据,如电流、振动、温度等,建立数据模型,实现对机器人健康状况的监测和预测。
3、尽管现有的数据驱动方法取得了一定进展,但仍存在以下不足:一是大多数方法仅利用单一类型的传感器数据,缺乏对多源异构信息的综合利用;二是现有方法主要针对单个关键部件或子系统,缺乏对机器人整体健康状况的评估;三是对于机器人剩余寿命的预测研究还比较少,预测精度有待提高。
技术实现思路
1、本专利技术实施例提供工业机器人安全监测方法及系统，能够解决现有技术中的问题。
2、本专利技术实施例的第一方面，
3、提供工业机器人安全监测方法，包括：
4、布置多模态传感器阵列采集机器人的状态信息,所述状态信息包括振动信号和温度信号，所述多模态传感器阵列
5、基于所述固有模态函数以及所述温度特征集，结合所述机器人对应的属性信息，通过知识抽取、知识表示和知识融合技术,将机器人部件、性能参数、退化模式、维护措施中多种知识进行语义化表示和链接,构建机器人对应的管理知识图谱;
6、基于路径排序的规则挖掘算法对所述管理知识图谱进行推理挖掘，通过挖掘频繁共现的实体和关系组成的推理路径，提取所述管理知识图谱中机器人的各个部件对应的退化特征，结合预先构建的时序预测模型，预测所述机器人的健康状态趋势。
7、在一种可选的实施方式中，
8、对所述振动信号进行经验模态分解,得到反映机器人传动系统磨损程度的固有模态函数包括：
9、对机器人传动系统的振动信号进行经验模态分解,通过所述振动信号自适应地分解为一系列本征模态函数,提取反映传动系统固有震荡模式的敏感固有模态函数分量;所述经验模态分解通过循环筛选构造局部包络线,计算局部包络均值作为本征模态函数候选,并基于极值点和过零点判断本征模态函数条件,递归地提取固有模态函数;
10、基于互信息准则评估所提取的固有模态函数与机器人传动系统磨损程度之间的相关性,通过计算固有模态函数与机器人传动系统磨损程度的联合概率分布和边缘概率分布,选取互信息值最大的前k个固有模态函数作为磨损退化的敏感分量。
11、在一种可选的实施方式中，
12、对所述温度信号进行小波变换,得到反映机器人散热情况的温度特征集包括：
13、对所述温度信号进行小波变换,通过对温度信号进行多尺度和多分辨率分解,得到低频近似系数和高频细节系数;
14、基于小波能量谱和小波奇异值谱从高频细节系数中提取温度退化特征,计算各层高频细节系数的能量值,构造反映局部温升程度的高频分量能量特征;对各层高频细节系数进行奇异值分解,提取反映温度突变情况的奇异值特征；
15、根据所述高频分量能量特征和所述奇异值特征构建表征机器人散热情况的温度特征集。
16、在一种可选的实施方式中，
17、基于所述固有模态函数以及所述温度特征集，结合所述机器人对应的属性信息，通过知识抽取、知识表示和知识融合技术,将机器人部件、性能参数、退化模式、维护措施中多种知识进行语义化表示和链接,构建机器人对应的管理知识图谱包括：
18、所述知识抽取采用基于bert的命名实体识别模型和基于bilstm-crf的关系抽取模型,并构建词典和关系模板库;
19、所述知识表示采用基于transe的知识表示学习模型,将本体中的概念和关系映射到低维连续向量空间;
20、所述知识融合采用基于本体匹配的知识图谱链接方法,通过计算本体之间的语义相似度,建立链接映射关系。
21、在一种可选的实施方式中，
22、基于路径排序的规则挖掘算法对所述管理知识图谱进行推理挖掘，通过挖掘频繁共现的实体和关系组成的推理路径，提取所述管理知识图谱中机器人的各个部件对应的退化特征包括：
23、针对所述管理知识图谱,采用基于随机游走的路径采样策略生成候选推理路径,从所述管理知识图谱中随机选择初始实体节点,根据当前实体节点的出边关系以均匀概率随机选择下一跳实体节点,重复该过程直至达到预设的路径长度,通过多次随机游走覆盖所述管理知识图谱的不同区域和语义关联,所述候选推理路径包括刻画机器人部件与对应退化特征关联的第一推理路径和刻画退化特征与潜在退化模式关联的第二推理路径;
24、对所述候选推理路径进行排序筛选,采用综合支持度和置信度的路径排序准则对所述候选推理路径进行评分,所述综合支持度衡量所述候选推理路径在所述管理知识图谱中出现的频率；所述置信度衡量所述候选推理路径中前、后实体之间关联的强度;根据所述候选推理路径的综合支持度与置信度计算排序得分,按照得分从高到低对候选推理路径进行排序,筛选出得分最高的前k个候选推理路径作为频繁路径;
25、根据所述频繁路径中包含的实体和关系类型, 生成各个部件对应的退化特征。
26、在一种可选的实施方式中，
27、对所述候选推理路径进行排序筛选,采用综合支持度和置信度的路径排序准则对所述候选推理路径进行评分包括：
28、；
29、其中， sup(p)表示路径p对应的综合支持度， count(p)表示路径p在候选推理路径集合中出现的次数， n表示候选推理路径的数量，λ表示长度惩罚因子，用于控制对路径长度的惩罚力度， len(p)表示路径p的长度；
30、；
31、其中， conf(p)表示路径p对应的置信度， count(e i , r i , e i+1 )本文档来自技高网...
【技术保护点】
1.工业机器人安全监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述振动信号进行经验模态分解,得到反映机器人传动系统磨损程度的固有模态函数包括：
3.根据权利要求1所述的方法，其特征在于，对所述温度信号进行小波变换,得到反映机器人散热情况的温度特征集包括：
4.根据权利要求1所述的方法，其特征在于，基于所述固有模态函数以及所述温度特征集，结合所述机器人对应的属性信息，通过知识抽取、知识表示和知识融合技术,将机器人部件、性能参数、退化模式、维护措施中多种知识进行语义化表示和链接,构建机器人对应的管理知识图谱包括：
5.根据权利要求1所述的方法，其特征在于，基于路径排序的规则挖掘算法对所述管理知识图谱进行推理挖掘，通过挖掘频繁共现的实体和关系组成的推理路径，提取所述管理知识图谱中机器人的各个部件对应的退化特征包括：
6.根据权利要求5所述的方法，其特征在于，对所述候选推理路径进行排序筛选,采用综合支持度和置信度的路径排序准则对所述候选推理路径进行评分包括：
7.根据权利要求1所述的方法
8.工业机器人安全监测系统，用于实现前述权利要求1-7中任一项所述的方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.工业机器人安全监测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述振动信号进行经验模态分解,得到反映机器人传动系统磨损程度的固有模态函数包括：
3.根据权利要求1所述的方法，其特征在于，对所述温度信号进行小波变换,得到反映机器人散热情况的温度特征集包括：
4.根据权利要求1所述的方法，其特征在于，基于所述固有模态函数以及所述温度特征集，结合所述机器人对应的属性信息，通过知识抽取、知识表示和知识融合技术,将机器人部件、性能参数、退化模式、维护措施中多种知识进行语义化表示和链接,构建机器人对应的管理知识图谱包括：
5.根据权利要求1所述的方法，其特征在于，基于路径排序的规则挖掘算法对所述管理知识图谱进行推理挖...
【专利技术属性】
技术研发人员：孙洲，
申请(专利权)人：天津赛威工业技术有限公司，
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。