【技术实现步骤摘要】
本专利技术主要涉及动作检测，具体涉及一种机器人异常动作检测方法、装置、系统以及存储介质。
技术介绍
1、工业机器人作为智能制造领域的关键装备，是提升工业生产自动化和智能化水平的坚实支撑。然而，随着工业机器人的广泛应用，机器人安全事故频发。由于机器人力量大、速度快，机器人安全事故轻则导致生产中断、设备损坏，重则造成人身伤害。在工业生产场景加装视觉系统，对工业机器人动作进行持续监控和分析可及时预警机器人安全事故。
2、工业机器人在执行任务的过程中涉及复杂多变的动作模式，导致异常动作的形式繁多，这使得异常动作检测具有挑战性。为了应对该挑战，需要对工业机器人的复杂动力学模型进行精细建模，并从正常动作中精准区分异常动作。这种建模过程不仅考虑时序数据，还涉及时间与空间维度的高度耦合关系。这种时空耦合意味着动作帧的变化不仅仅局限于空间或时间的单一维度，而是要求模型能够捕捉和理解工业机器人动作在时间和空间层面的耦合变化以及工业机器人结构的动态特性。已有研究中尝试通过不同数据驱动的方法来检测工业机器人的异常模式。现有技术通过重构误差区分异常或者使用高斯过程回归提高马尔可夫建模以计算工业机器人的异常状态并分类。但是，以上方法在处理高维数据和复杂时空关系时往往表现出局限性，易忽略一些重要特征或关联，无法准确挖掘隐藏在正常动作中的异常动作模式，导致检测精度不佳。对工业机器人动作时空特征与复杂动力学模型的高效理解与把握通常需要更深层网络，用于捕捉工业机器人动作的复杂关系，但伴随的代价为产生大量计算开销，这种高计算需求不仅增加了硬件资源的消耗，
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的不足，提供一种机器人异常动作检测方法、装置、系统以及存储介质。
2、本专利技术解决上述技术问题的技术方案如下：一种机器人异常动作检测方法，包括如下步骤：
3、导入多个时刻的多个原始关节轴序列数据，通过所有原始关节轴序列数据构建时空图；
4、构建训练模型，通过所述时空图对所述训练模型进行模型分析，得到检测模型；
5、导入待检测关节轴序列数据，通过所述检测模型对所述待检测关节轴序列数据进行检测，得到机器人异常动作的检测结果。
6、本专利技术解决上述技术问题的另一技术方案如下：一种机器人异常动作检测装置，包括：
7、导入模块，用于导入多个时刻的多个原始关节轴序列数据；
8、构建模块，用于通过所有原始关节轴序列数据构建时空图；
9、模型分析模块，用于构建训练模型，通过所述时空图对所述训练模型进行模型分析，得到检测模型；
10、所述导入模块，还用于导入待检测关节轴序列数据；
11、检测结果获得模块，用于通过所述检测模型对所述待检测关节轴序列数据进行检测，得到机器人异常动作的检测结果。
12、基于上述一种机器人异常动作检测方法，本专利技术还提供一种机器人异常动作检测系统。
13、本专利技术解决上述技术问题的另一技术方案如下：一种机器人异常动作检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的机器人异常动作检测方法。
14、基于上述一种机器人异常动作检测方法，本专利技术还提供一种计算机可读存储介质。
15、本专利技术解决上述技术问题的另一技术方案如下：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的机器人异常动作检测方法。
16、本专利技术的有益效果是：通过原始关节轴序列数据构建时空图，通过时空图对训练模型的模型分析得到检测模型，通过检测模型对待检测关节轴序列数据的检测得到机器人异常动作的检测结果，实现了对异常动作的快速定位与检测，也实现了较高地响应速度和检测精度，有效地降低了伤害风险，能够满足工业场景的精度和时间性能要求。
本文档来自技高网...【技术保护点】
1.一种机器人异常动作检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的机器人异常动作检测方法，其特征在于，所述通过所有原始关节轴序列数据构建时空图的过程包括：
3.根据权利要求1所述的机器人异常动作检测方法，其特征在于，所述训练模型包括激活归一化层、数据置换层以及堆叠时空耦合层，
4.根据权利要求3所述的机器人异常动作检测方法，其特征在于，所述堆叠时空耦合层包括多个顺序排列的可变时空卷积网络，
5.根据权利要求4所述的机器人异常动作检测方法，其特征在于，所述可变时空卷积网络包括可变空间图卷积层、空间通道注意力层、第一批量归一化层、第一Relu激活函数层、随机失活层、时间图卷积层、时间注意力层、第二批量归一化层以及第二Relu激活函数层，
6.根据权利要求5所述的机器人异常动作检测方法，其特征在于，所述时空图还包括原始邻接矩阵和多个图节点，
7.根据权利要求5所述的机器人异常动作检测方法，其特征在于，所述通过所述空间通道注意力层分别对各个所述空间卷积后关节轴特征进行空间通道的注意力机制计算，得到与
8.根据权利要求5所述的机器人异常动作检测方法，其特征在于，所述通过所述时间注意力层分别对各个所述时间卷积后空间通道关节轴特征进行时间注意力机制计算，得到与各个所述归一化后关节轴数据对应的原始时间关节轴特征的过程包括：
9.一种机器人异常动作检测装置，其特征在于，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至8任一项所述的机器人异常动作检测方法。
...【技术特征摘要】
1.一种机器人异常动作检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的机器人异常动作检测方法，其特征在于，所述通过所有原始关节轴序列数据构建时空图的过程包括：
3.根据权利要求1所述的机器人异常动作检测方法，其特征在于，所述训练模型包括激活归一化层、数据置换层以及堆叠时空耦合层，
4.根据权利要求3所述的机器人异常动作检测方法，其特征在于，所述堆叠时空耦合层包括多个顺序排列的可变时空卷积网络，
5.根据权利要求4所述的机器人异常动作检测方法，其特征在于，所述可变时空卷积网络包括可变空间图卷积层、空间通道注意力层、第一批量归一化层、第一relu激活函数层、随机失活层、时间图卷积层、时间注意力层、第二批量归一化层以及第二relu激活函数层，
6.根据权利要求5所述的机器人异常动作检测方法，其...
【专利技术属性】
技术研发人员：彭丽，肖文，陈灯，
申请(专利权)人：湖北开放大学湖北科技职业学院，
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。