(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210695870.X (22)申请日 2022.06.20 (65)同一申请的已公布的文献号 申请公布号 CN 114770607 A (43)申请公布日 2022.07.22 (73)专利权人 深圳希研 工业科技有限公司 地址 518000 广东省深圳市福田区福保街 道福保社区福田保税区紫荆道2号顺 通安科技厂房2栋四层4A (72)发明人 孙伟　 (51)Int.Cl. B25J 19/00(2006.01) G01D 21/02(2006.01) G06F 17/15(2006.01) G06F 17/16(2006.01)G06Q 10/00(2012.01) G06Q 10/06(2012.01) (56)对比文件 CN 114418383 A,202 2.04.29 CN 113676559 A,2021.1 1.19 CN 108058188 A,2018.0 5.22 CN 10815273 6 A,2018.0 6.12 WO 2022041064 A1,202 2.03.03 US 2019143 521 A1,2019.0 5.16 审查员 苏展 (54)发明名称 一种基于大数据的机器人健康监控方法及 系统 (57)摘要 本发明提出了一种基于大数据的机器人健 康监控方法、 系统及存储介质， 对机器人健康度 评价模型建模， 计算已经退役的机器人在机器人 健康特征矩 阵中所需时刻 的健康特征值的正常 状态值并保存至标准健康特征矩 阵的标准健康 特征值， 将 机器人健康特征值与标准健康特征值 进行比较获得异常机器人数据并进行告警提示 维修。 本发明使用退役的机器人来学习， 能够实 时通过衰减程度精确获知机器人的健康 状况， 提 高了机器人健康状态健康的效率。 权利要求书3页 说明书8页 附图2页 CN 114770607 B 2022.09.02 CN 114770607 B 1.一种基于大 数据的机器人健康监控方法， 其特 征在于， 所述方法包括， 步骤101， 采集机器人健康数据； 步骤102， 建立机器人健康特 征矩阵； 步骤103， 计算机器人健康特 征值； 步骤104， 对机器人健康度评价模型建模， 计算已经退役的机器人在机器人健康特征矩 阵中数据采集时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特 征值； 步骤105， 将所述机器人健康特征值与所述标准健康特征值进行比较获得异常机器人 数据并存入异常机器人健康列表， 将异常机器人监控列 表中的异常数据展示到前端显示面 板中， 提醒维修检测人员对异常机器人进行检修； 其中， 所述建立机器人健康特征矩阵具体为， 建立包含四维度参数的机器人健康特征 矩阵 ； 其中， n表示机器人编号， t表示数据采集的时 间， ms表示主电机转速， cv表示机器人电流值， tv表示机器人主电机温度值， vv表示机器人 扭矩， hcv表示机器人健康特 征值； 所述计算机器人健康特征值具体为， 以主电机转速ms参数为中心参数， 以机器人电流 值cv为第一特征参数， 以机器人主电机温度值tv为第二特征参数， 以机器人扭矩vv为第三 特征参数， 计算机器人健康特 征值： ， 其中， 表示机器人健康特征矩阵 中的三个特 征参数， i=1时 表示机器人健康 特征矩阵的第一特征参数cv， i=2时 表示机器人健康 特征矩阵的第二特征参数tv， i= 3时 表示机器人健康特征矩阵的第三特征参数v v， 为 特征维度调节参数； 所述对机器人健康度评价模型建模， 计算已经退役的机器人在机器人健康特征矩阵中 第t时刻的健康特征值的正常状态值并保存至标准健康特征矩阵的标准健康特征值具体 为： 选取机器人健康特征矩阵 中已退役的机器人作 为建模对象 ， 根据已经退役的机器人服役生命周期中的机器人健康特征矩阵 信息， 采用以下公式进行建模分析 ， 其中， 表示已经 退役的机器人在机器人健康特 征矩阵权　利　要　求　书 1/3 页 2 CN 114770607 B 2中第t时刻的健康特征值的正常状态值， 表 示已经退役的机器人在机器人健康特征矩阵 中在服 役的初始时刻t0的标准健康特征值， 将 的计算结果保存 至标准健康特征矩阵的标准 健康特征值， f为衰退系数； 所述 的计算方法具体为， 步骤1041， 选取9m个已退役的机器人， 其中m大于等于 3， 建立第一计算特 征矩阵； 步骤1042， 对所述第一计算特征矩阵执行迭代卷积计算， 卷积核对所述第一计算特征 矩阵进行遍历， 计算获得 ； 所述迭代卷积计算体为： 设置卷积核， 用卷积核对第一计算特 征矩阵执 行m层迭代卷积计算； 每层卷积计算， 卷积核对第一计算特征矩阵进行遍历， 每次映射特征矩阵时采用十字 映射算法： ，  其中， hcv(2， y)为每次轮询中卷积核覆盖区域的子矩阵中位于第2行第y列位置的hcv 值； hcv(x,2)为每次轮询中卷积核覆盖区域的子矩阵中位于第x行第2列位置的hcv值； 为经过映射计算后的健康特征值； 将 保存到第二计算特征矩阵中， 经过循环 计算后获得 ； 所述衰退系数的计算方法具体为： ， 其中， 表示已经退役的机器人在机器人健康特征矩阵中服役的最后时刻ts的 健康特征值hcv的平均值； 表示已经退役的机器人在机器人健康特征矩阵中在服役 的初始时刻t0的健康特 征值， td为机器人的预期服役时长； 所述预期服役时长的计算方法具体为： ， 其中为tm机器人的设计总寿命时长， 为当前机器人工作的历史故障率， 为当 前机器人工作的历史负载率。 2.一种基于大数据的机器人健康监控系统， 所述系统用于运行权利要求1所述的基于权　利　要　求　书 2/3 页 3 CN 114770607 B 3