【技术实现步骤摘要】
本专利技术涉及分布式控制技术，尤其涉及一种工业机器人分布式协同调试方法及系统。
技术介绍
1、随着工业自动化的发展，工业机器人在现代制造业中扮演着越来越重要的角色。工业机器人可以执行各种复杂的任务，如装配、焊接、喷涂、搬运等，大大提高了生产效率和产品质量。然而，工业机器人的应用也面临着许多挑战，特别是在多机器人协同工作的场景下，如何实现高效、可靠、灵活的调度和调试是一个关键问题。
2、传统的工业机器人调度和调试方法主要采用集中式的方式，由中央控制器统一进行任务分配和执行控制。这种集中式方法存在一些局限性：首先，集中式控制依赖于中央节点，存在单点故障风险；其次，集中式调度难以应对大规模、动态变化的任务需求；此外，集中式方案的通信开销大，响应速度慢，难以实现实时控制。针对上述问题，一些研究提出了基于智能体的分布式调度方法。该方法将调度问题建模为多智能体系统，每个机器人节点作为一个智能体，通过局部感知和决策来生成调度策略。智能体之间通过通信协议交换信息，并采用博弈论、拍卖理论等方法进行协商，以达成全局一致的调度决策。尽管基于智能体的分布式调度方法具有一定的优势，但仍然存在一些不足：智能体之间的通信和协商开销大，难以保证调度决策的实时性；此外，分布式决策可能导致调度冲突，影响系统的可靠性。
3、因此，亟需一种高效、可靠、灵活的工业机器人分布式协同调试方法及系统，以解决当前存在的技术挑战，提升多机器人协同作业的性能和适应性。本专利技术专利针对上述技术问题，提出了一种创新的解决方案。
技术
1、本专利技术实施例提供一种工业机器人分布式协同调试方法及系统，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、提供一种工业机器人分布式协同调试方法，包括：
4、建立工业机器人协同调试任务的有向无环图模型，其中节点表示协同调试子任务，边表示各个协同调试子任务之间的依赖关系和通信代价，利用关键路径法分析所述有向无环图模型，得到各个协同调试子任务的时间冗余特征，基于各个协同调试子任务的时间冗余特征确定协同调试任务的关键路径；
5、对协同调试任务中的每个工业机器人节点进行可靠性建模，结合各个协同调试子任务的时间冗余特征，计算每个协同调试子任务在当前调度方案下的失效概率；
6、根据得到的工业机器人协同调试任务的有向无环图模型、协同调试任务的关键路径以及每个协同调试子任务在当前调度方案下的失效概率，定义任务调度方案的状态空间，通过动态规划算法搜索所述状态空间，得到全局失效概率最小的调度方案，作为当前时刻的最优容错调度策略。
7、在一种可选的实施例中，
8、利用关键路径法分析所述有向无环图模型，得到各个协同调试子任务的时间冗余特征，基于各个协同调试子任务的时间冗余特征确定协同调试任务的关键路径包括：
9、根据工业机器人协同调试任务的规模和复杂度，采用基于社区发现的图划分算法，将所述有向无环图模型划分为多个子图，其中每个子图代表一个协同调试任务的局部视图；
10、在每个子图上部署一个本地关键路径分析代理，所述本地关键路径分析代理基于其所属子图的拓扑结构，利用预先构建的时间延迟预测模型预测局部协同调试任务之间的执行时间和通信延迟，并采用多粒度时间冗余分析方法，分析局部协同调试任务的时间冗余特征，通过计算每个局部协同调试任务的时间冗余特征，识别出局部关键路径信息；
11、根据得到的局部关键路径信息生成包含局部关键任务标识、时间冗余属性以及与其他子图之间的依赖关系的局部关键路径视图，并通过分布式图遍历算法对局部关键路径视图进行汇聚，基于汇聚的局部关键路径视图构建全局依赖图，并通过对所述全局依赖图进行拓扑排序与关键路径分析，识别出对最终的全局关键路径。
12、在一种可选的实施例中，
13、通过分布式图遍历算法对局部关键路径视图进行汇聚，基于汇聚的局部关键路径视图构建全局依赖图，并通过对所述全局依赖图进行拓扑排序与关键路径分析，识别出对最终的全局关键路径包括：
14、根据局部关键路径视图中各个子图间的依赖关系，构建局部依赖图，并基于局部依赖图，采用最小生成树算法生成局部汇聚树；
15、根据所述局部汇聚树，通过点对点的通信方式进行局部关键路径视图的逐级汇聚，将汇聚得到的全局关键路径视图作为局部依赖图的子图，通过在重叠的边界节点处合并局部依赖图，生成全局依赖图的分片；
16、将全局依赖图的分片分发到一组全局拓扑排序代理中，每个全局拓扑排序代理基于分配的全局依赖图分片运行分布式拓扑排序算法，通过交换边界节点的拓扑排序信息，得到全局一致的拓扑排序结果；
17、基于全局一致的拓扑排序结果获取全局拓扑序列，结合全局依赖图中的时间属性，通过动态规划算法进行全局关键路径计算，输出最终的全局关键路径。
18、在一种可选的实施例中，
19、计算每个协同调试子任务在当前调度方案下的失效概率的公式如下：
20、；
21、；
22、其中，fi表示第i个协同调试子任务在当前调度方案下的失效概率，i表示第i个协同调试子任务，t表示当前时刻，di表示第i个协同调试子任务的最晚完成时间，vij表示第i个协同调试子任务的依赖节点j，vi表示节点集合，qij(t)表示在t时刻考虑其他节点失效对依赖节点vij的可靠性影响的失效概率，pij(t)表示依赖节点vij自身在t时刻的失效概率，vik表示子任务i的执行过程中依赖的第k个节点，表示节点vik的失效对第i个协同调试子任务可靠性的累积影响，sij表示与依赖节点vij相关的其他工业机器人节点。
23、在一种可选的实施例中，
24、通过动态规划算法搜索所述状态空间，得到全局失效概率最小的调度方案，作为当前时刻的最优容错调度策略包括：
25、构建多智能体强化学习模型，为每个工业机器人节点设计一个独立的智能体，包括状态空间、动作空间、奖励函数和策略网络，其中，状态空间表示当前工业机器人节点的本地信息，动作空间表示工业机器人节点在调度决策中的可选操作；
26、每个智能体基于本地的状态信息和反馈奖励更新自身的策略网络参数，实时生成调度决策，并将生成的调度决策广播给其他智能体；
27、各个智能体将接收到的其他智能体的调度策略后，与本地的调度策略进行比对，基于预先定义的决策冲突规则判断是否存在冲突，若存在冲突则通过分布式协商算法与其他智能体进行多轮迭代协商，生成初始容错调度策略；
28、采用分布式一致性算法对生成的初始容错调度策略进行一致性检查，将通过一致性检查的容错调度策略同步给其他智能体并在本地更新，得到最终的最优容错调度策略。
29、在一种可选的实施例中，
30、每个智能体基于本地的状态信息和反馈奖励更新自身的策略网络参数的计算公式如下：
31、；
32、其本文档来自技高网...
【技术保护点】
1.一种工业机器人分布式协同调试方法，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，利用关键路径法分析所述有向无环图模型，得到各个协同调试子任务的时间冗余特征，基于各个协同调试子任务的时间冗余特征确定协同调试任务的关键路径包括：
3.根据权利要求2所述的方法，其特征在于，通过分布式图遍历算法对局部关键路径视图进行汇聚，基于汇聚的局部关键路径视图构建全局依赖图，并通过对所述全局依赖图进行拓扑排序与关键路径分析，识别出最终的全局关键路径包括：
4.根据权利要求1所述的方法，其特征在于，计算每个协同调试子任务在当前调度方案下的失效概率的公式如下：
5.根据权利要求1所述的方法，其特征在于，通过动态规划算法搜索所述状态空间，得到全局失效概率最小的调度方案，作为当前时刻的最优容错调度策略包括：
6.根据权利要求5所述的方法，其特征在于，每个智能体基于本地的状态信息和反馈奖励更新自身的策略网络参数的计算公式如下：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种工业机器人分
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】
1.一种工业机器人分布式协同调试方法，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，利用关键路径法分析所述有向无环图模型，得到各个协同调试子任务的时间冗余特征，基于各个协同调试子任务的时间冗余特征确定协同调试任务的关键路径包括：
3.根据权利要求2所述的方法，其特征在于，通过分布式图遍历算法对局部关键路径视图进行汇聚，基于汇聚的局部关键路径视图构建全局依赖图，并通过对所述全局依赖图进行拓扑排序与关键路径分析，识别出最终的全局关键路径包括：
4.根据权利要求1所述的方法，其特征在于，计算每个协同调试子任务在当前调度方案下的失效概率的公式如下：
5.根据权利要求1所述的方法...
【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。