买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国汽朴津智能科技(合肥)有限公司

摘要：一种基于云端的机器人故障诊断方法，包括以下步骤：S1、数据收集与预处理，在机器人运行过程中，通过采集机器人观测量数据，通过人机交互模块进行数据的预处理融合上报到云端；S2、观测量数据存储；S3、特征提取与融合，针对机器人观测量数据进行特征提取和特征融合；S4、Informer模型设计与训练，Informer模型是用于处理时间序列数据设计的深度学习模型，提高处理时间序列数据的效率和效果，用于时间序列预测任务；S5、故障预测与诊断，在机器人运行过程中实时观测量数据通过Informer模型进行实时的监测和分析；S6、Informer模型评估与优化；本发明通过云端诊断进行观测量数据的集中管理和共享，利用模型的不断优化，使得机器人维护和管理更加高效和智能。

主权项：1.一种基于云端的机器人故障诊断方法，其特征在于：包括以下步骤：S1、数据收集与预处理，在机器人运行过程中，通过采集机器人观测量数据，通过人机交互模块进行数据的预处理融合上报到云端；S2、观测量数据存储，对步骤S1采集的机器人观测量数据，存储在云端数据库中；S3、特征提取与融合，针对机器人观测量数据进行特征提取和特征融合，特征提取包括时域特征、统计特征；时域特征包括均值、标准差、峰值；统计特征包括滑动窗口内统计信息；特征融合，将来自不同传感器的数据特征合并为一个综合特征向量；对上述步骤S2的数据库中存储的观测量数据进行量化提取与融合形成不同的数据集合，对历史数据进行挖掘生成不同的数据样本集；S4、Informer模型设计与训练，Informer模型是用于处理时间序列数据设计的深度学习模型，提高处理时间序列数据的效率和效果，用于时间序列预测任务；S5、故障预测与诊断，在机器人运行过程中实时观测量数据通过Informer模型进行实时的监测和分析，提前识别潜在的问题并采取相应措施；S51.实时数据处理，将最新的观测量数据输入到训练好的Informer模型中；S52.故障识别，对比预测结果与实际观测量数据，检测数据中的异常模式，定义阈值来判断是否存在潜在故障；S53.故障预测告警，基于故障检测结果生成告警，生成详细的故障诊断报告，包括故障类型、发生时间和可能原因；S6、Informer模型评估与优化，通过模型的评估和优化模型参数不断的改进模型，提高预测的准确率和模型的性能，模型评估与优化的步骤包括：S61.评估指标，使用准确率、召回率、F1分数作为指标评估模型性能，基于机器人观测量数据中故障记录分析,分析实际故障案例，验证模型的准确性和鲁棒性；S62.模型优化，根据评估结果调整模型结构和参数，通过机器人实际运行的场景，收集不同的场景和工况下面机器人观测量数据，以改进模型训练，从而形成完整的数据闭环。

全文数据：

权利要求：

百度查询： 国汽朴津智能科技(合肥)有限公司 一种基于云端的机器人故障诊断方法