CN114596014B - 工业运输机器人权限管理方法、***、设备及存储介质 - Google Patents
工业运输机器人权限管理方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN114596014B CN114596014B CN202210501460.7A CN202210501460A CN114596014B CN 114596014 B CN114596014 B CN 114596014B CN 202210501460 A CN202210501460 A CN 202210501460A CN 114596014 B CN114596014 B CN 114596014B
- Authority
- CN
- China
- Prior art keywords
- real
- abnormal
- robot
- field
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000007726 management method Methods 0.000 title claims description 32
- 238000000034 method Methods 0.000 claims abstract description 124
- 230000002159 abnormal effect Effects 0.000 claims abstract description 123
- 230000008569 process Effects 0.000 claims abstract description 89
- 230000009471 action Effects 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 12
- 230000004044 response Effects 0.000 abstract description 4
- 230000008447 perception Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请实施例提供了一种工业运输机器人的权限管理方法、***、设备及存储介质,所述方法包括以下步骤:实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量;对所述运行进程数据进行采集和分解;将分解的运行进程数据与构建的异常风险参量进行对比;根据对比结果响应异常风险等级,并进行运行权限模式切换。本申请实施例能够增强机器人对运行现场环境的适应性和响应及时性,降低运行延迟,并且最大程度降低运营中心管理大量前端工业运输机器人的负荷和上下行通信的开销,还能够对保障出现异常风险时的及时干预和调整。
Description
技术领域
本申请各实施例属于工业机器人技术领域,特别是涉及一种工业运输机器人的权限管理方法、***、设备及存储介质。
背景技术
工业运输机器人是专门用于工业生产各个环节运输的AGV设备,实现原材料、配件、成品、包装等物品在工场、园区、生产线等场所的配送。
工业运输机器人自身是一个智能装备,具有必要的软硬件配置,可以实现物料配送过程中的全运行环节的自主执行,不需要运营中心遥控,自主执行的运行环节包括但不限于:配送任务接单、物品查验、路径规划、激光雷达周边感知、导航行进和避障、到达目的地告知、收件识别验证、交单等。
现有的一些工业运输机器人在运行过程中,由于技术不成熟,容易造成工业运输机器人在运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态等方面存在的异常风险的问题,从而容易造成运行不顺畅,因此急需改进。
发明内容
本申请实施例的目的在于提供一种工业运输机器人的权限管理方法、***、设备及存储介质,能够增强机器人对运行现场环境的适应性和响应及时性,降低运行延迟,并且最大程度降低运营中心管理大量前端工业运输机器人的负荷和上下行通信的开销,还能够对保障出现异常风险时的及时干预和调整,避免出现运行错误、货物损失、设备故障损坏以及交通事故等,从而解决背景技术中的问题。
为了解决上述技术问题,本申请实施例提供的工业运输机器人的权限管理方法、***、设备及存储介质的技术方案具体如下:
第一方面,本申请实施例公开了一种工业运输机器人的权限管理方法,所述方法包括以下步骤:
实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量;
对所述运行进程数据进行采集和分解;
将分解的运行进程数据与构建的异常风险参量进行对比;
根据对比结果响应异常风险等级,并进行运行权限模式切换。
在上述任一方案中优选的实施例,所述实时获取机器人运行进程数据,包括:
获取机器人在运行过程中累积的数据,以获得机器人处于运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态任一方面的异常情况下的运行进程数据,并将所述运行进程数据作为异常风险参量构建的样本。
在上述任一方案中优选的实施例,所述根据运行进程数据构建异常风险参量,包括:
根据异常的运行进程数据,获取异常数据特征和场景参量;
将异常数据特征进行划分,将其划分为多个异常数据特征字段;
根据场景参量,获取每一个异常数据特征字段的对应分字段场景参量;
汇总同一字段类型的异常数据特征字段,形成与该类型的异常数据特征字段对应的分字段场景参量集合;
将所述分字段场景参量集合进行简化,求解覆盖该分字段场景参量集合的最小分集。
在上述任一方案中优选的实施例,所述对所述运行进程数据进行采集和分解,包括:
获取实时的运行进程数据的实时数据特征和实时场景参量;
将实时数据特征和实时场景参量划分为实时数据特征字段,以及与每个实时数据特征字段对应的分字段实时场景参量。
在上述任一方案中优选的实施例,所述将分解的运行进程数据与构建的异常风险参量进行对比,包括:
将机器人运行时的实时数据特征,按照每个实时数据特征字段,与相同字段类型的所述异常数据特征字段进行相似度对比,获得相似度高的实时数据特征字段;
提取相似度高的实时数据特征字段对应的分字段实时场景参量;
根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分。
在上述任一方案中优选的实施例,所述根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分,包括:
若相似度高的实时数据特征字段完整覆盖了所述分字段场景参量集合的最小分集,则异常风险为高等级;
若相似度高的实时数据特征字段部分覆盖了所述分字段场景参量集合的最小分集,则异常风险属于若干个中等级及一个低等级。
在上述任一方案中优选的实施例,所述响应异常风险等级,并进行运行权限模式切换,包括:
响应异常风险对比判断结果,当异常风险为高等级,则切换为运营中心接管运行;
若异常风险为中等级,则根据中等级的等级级别,决定机器人的部分运行被运营中心接管,部分依然自主;
若异常风险为低等级,则维持机器人的自主模式。
与现有技术相比,本申请实施例的工业运输机器人的权限管理方法,通过实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量,能够增强机器人对运行现场环境的适应性和响应及时性,降低运行延迟,通过根据对比结果响应异常风险等级,并进行运行权限模式切换,能最大程度降低运营中心管理大量前端工业运输机器人的负荷和上下行通信的开销,还能够对保障出现异常风险时的及时干预和调整,避免出现运行错误、货物损失、设备故障损坏以及交通事故等。
第二方面,一种工业运输机器人的权限管理***,包括:
构建模块,用于实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量,获取机器人在运行过程中累积的数据,以获得机器人处于运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态任一方面的异常情况下的运行进程数据,并将所述运行进程数据作为异常风险参量构建的样本;
处理模块,用于对所述运行进程数据进行采集和分解,获取实时的运行进程数据的实时数据特征和实时场景参量;将实时数据特征和实时场景参量划分为实时数据特征字段,以及与每个实时数据特征字段对应的分字段实时场景参量;
对比模块,用于将分解的运行进程数据与构建的异常风险参量进行对比,将机器人运行时的实时数据特征,按照每个实时数据特征字段,与相同字段类型的所述异常数据特征字段进行相似度对比,获得相似度高的实时数据特征字段;提取相似度高的实时数据特征字段对应的分字段实时场景参量;根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分;
切换模块,用于根据对比结果响应异常风险等级,并进行运行权限模式切换,响应异常风险对比判断结果,当异常风险为高等级,则切换为运营中心接管运行;若异常风险为中等级,则根据中等级的等级级别,决定机器人的部分运行被运营中心接管,部分依然自主;若异常风险为低等级,则维持机器人的自主模式。
第二方面与第一方面其有益效果一致,故在此不再赘述。
第三方面,一种工业运输机器人的权限管理设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述的工业运输机器人的权限管理方法的步骤。
第三方面与第一方面其有益效果一致,故在此不再赘述。
第四方面,一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的工业运输机器人的权限管理方法。
第四方面与第一方面其有益效果一致,故在此不再赘述。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一组件分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的组件件或组件分,本领域技术人员应该理解的是,这些附图未必是按比例绘制的,在附图中:
图1为本申请实施例工业运输机器人的权限管理方法的流程示意图。
图2为本申请实施例工业运输机器人的权限管理方法的根据运行进程数据构建异常风险参量流程示意图。
图3为本申请实施例工业运输机器人的权限管理方法的对所述运行进程数据进行采集和分解流程示意图。
图4为本申请实施例工业运输机器人的权限管理方法的将分解的运行进程数据与构建的异常风险参量进行对比流程示意图。
图5为本申请实施例工业运输机器人的权限管理方法的进行风险等级划分流程示意图。
图6为本申请实施例工业运输机器人的权限管理方法的进行运行权限模式切换流程示意图。
图7为本申请实施例工业运输机器人的权限管理***示意图。
图8为本申请实施例工业运输机器人的权限管理设备示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一组件分的实施例,而不是全组件的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
实施例
如图1所示,本申请实施例提供了一种工业运输机器人的权限管理方法,所述方法包括以下步骤:
实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量;
对所述运行进程数据进行采集和分解;
将分解的运行进程数据与构建的异常风险参量进行对比;
根据对比结果响应异常风险等级,并进行运行权限模式切换。
在本发明实施例所述的工业运输机器人的权限管理方法中,通过实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量,能够增强机器人对运行现场环境的适应性和响应及时性,降低运行延迟,通过根据对比结果响应异常风险等级,并进行运行权限模式切换,能最大程度降低运营中心管理大量前端工业运输机器人的负荷和上下行通信的开销,还能够对保障出现异常风险时的及时干预和调整,避免出现运行错误、货物损失、设备故障损坏以及交通事故等。
如图1所示,所述实时获取机器人运行进程数据,包括:
获取机器人在运行过程中累积的数据,以获得机器人处于运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态任一方面的异常情况下的运行进程数据,并将所述运行进程数据作为异常风险参量构建的样本。
在本发明实施例所述的工业运输机器人的权限管理方法中,获取工业运输机器人的运行过程,主要是为了满足包括行进、操作以及人机交互等动作的需求,可以对不同的任务指令进行融合,并在处理以后发送给关节,工业运输机器人上的感知接口,负责与感知部分进行数据交互,接收感知决策和指令,同时回传工业运输机器人的状态,同时,在运行时,工业运输机器人的运动规划则是根据感知决策发过来的任务指令,类似于走到什么位置、操作什么物体等,来规划出机器人行进和运动动作的指令输入,以提供给后续的算法来进行处理;工业运输机器人根据运动规划发送的指令生成运动轨迹,从而控制完成行进。工业运输机器人配置的手臂等动作部件控制同样也是根据运动规划发送的操作和抓取指令来生成双臂的运动轨迹,实现操作抓取。
在本发明实施例所述的工业运输机器人的权限管理方法中,工业运输机器人集成了多种类型的传感器以及智能控制器,工业运输机器人可以在执行物料配送任务的过程中,自动形成并记录运行进程数据,运行进程数据包括:工业运输机器人的配送任务接单记录、物品查收记录、规划路径记录、交单记录、收件记录等运行执行记录;物料配送过程中的实时位置信息、行进方向和速度数据;周边环境数据、动作执行数据、以及机器人的底盘、电池、货舱等的设备部件状态数据。
在本发明实施例所述的工业运输机器人的权限管理方法中,工业运输机器人接入无线宽带物联网,具备上下行网络通信能力,可与云端的运营中心保持实时通信。工业运输机器人运行全过程中,所述运行进程数据保持实时上传。运营中心可以根据运行进程数据进行分析,自动判断工业运输机器人在运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态等方面存在的异常风险,并且异常风险高的时候下达指令,对机器人的任何运行环节进行远程接管和调控。
在本发明实施例所述的工业运输机器人的权限管理方法中,由于工业运输机器人的应用比较广泛,并且使用时间比较长,因此,远程控制中心根据大量的工业运输机器人在长期运行过程中累积的数据,从中获得工业运输机器人处于运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态任一方面的异常情况下的运行进程数据,作为异常风险参量构建的样本,例如工业运输机器人在使用时,一些接近传感器以及图像采集装置,采集到地面上有固定的障碍物或者遇到有活动的障碍物,固定的障碍物,可以为工场的建筑结构或者一些其他的设施,而活动的一些障碍物,可以为人物、车辆、其它机器人等等,当工业运输机器人检测到不同的障碍物时,实时将监测的数据发送至控制中心,而控制中心可以根据具体的情况对这些障碍物进行分析,从而保证运行的正常运行,并且还将这些数据存储至云端,从而形成记录,当再次遇到这些情况时,可以根据以往的处理经验或者一些实际的情况,而做出反应,从而可以实现躲避障碍物的作用。
在本发明实施例所述的工业运输机器人的权限管理方法中,例如,可以在工业运输机器人当中设置有紧急制动***,当一旦碰到工业运输机器人后,工业运输机器人就停止运行,可以起到保护工业运输机器人的作用。
在本发明实施例所述的工业运输机器人的权限管理方法中,还安装有各种惯性传感器(Inertial Sensor),例如重力加速计、陀螺仪、地磁仪等等,当使用时,将惯性传感器的数据转换成odom数据,作为定位滤波时的参考数据,例如还安装有距离传感器(Proximity Sensor),其中,接近传感器可以为LiDAR线性雷达,当在是使用时数据精密、效率高,另外为了实现能够实时掌握工业运输机器人周围的情况,工业运输机器人当中安装有基于摄像机的视觉传感器,是一种新型的定位传感器,用于实时掌握工业运输机器人的周围状况,并将采集到的数据通过网络发送至控制中心。
如图2所示,所述根据运行进程数据构建异常风险参量,包括:
根据异常的运行进程数据,获取异常数据特征和场景参量;
将异常数据特征进行划分,将其划分为多个异常数据特征字段;
根据场景参量,获取每一个异常数据特征字段的对应分字段场景参量;
汇总同一字段类型的异常数据特征字段,形成与该类型的异常数据特征字段对应的分字段场景参量集合;
将所述分字段场景参量集合进行简化,求解覆盖该分字段场景参量集合的最小分集。
在本发明实施例所述的工业运输机器人的权限管理方法中,工业运输机器人基于异常的运行进程数据,获取异常数据特征(即异常的运行进程数据自身的数据特征)和场景参量(即工业运输机器人在异常初始阶段,与所述异常数据特征对应的在运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态任一方面的场景参量),可以实时采集工业运输机器人周围的状况,并将采集的信息发送至控制中心,然后将将异常数据特征进行划分,将其划分为多个异常数据特征字段(字段的多少可以由操作者控制或者由运营中心自动控制);并基于场景参量,获取每一个异常数据特征字段的对应分字段场景参量(以字段类型为索引,将每个异常数据特征字段与分字段场景参量构建为键值对或者键值对组,可以存入数据库方便后续对比),汇总同一字段类型的异常数据特征字段,形成与该类型的异常数据特征字段对应的分字段场景参量集合,并将该集合进行简化,求解覆盖该分字段场景参量集合的最小分集,这样的话,可以将周围环境的情况实时掌握,方便对遇到的状况进行分析对比,方便工业运输机器人快速、安全做出反应。
如图3所示,所述对所述运行进程数据进行采集和分解,包括:
获取实时的运行进程数据的实时数据特征和实时场景参量;
将实时数据特征和实时场景参量划分为实时数据特征字段,以及与每个实时数据特征字段对应的分字段实时场景参量。
在本发明实施例所述的工业运输机器人的权限管理方法中,控制中心采集工业运输机器人运行时的实时获得的运行进程数据,基于实时的运行进程数据,获取实时的运行进程数据的实时数据特征和实时场景参量;进而也划分为实时数据特征字段,以及与每个实时数据特征字段对应的分字段实时场景参量,从而将获取的实时数据特征和实时场景参量进行进一步的细化,这样方便对工业运输机器人精确的对不同的状况做出不同的反应。
如图4所示,所述将分解的运行进程数据与构建的异常风险参量进行对比,包括:
将机器人运行时的实时数据特征,按照每个实时数据特征字段,与相同字段类型的所述异常数据特征字段进行相似度对比,获得相似度高的实时数据特征字段;
提取相似度高的实时数据特征字段对应的分字段实时场景参量;
根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分。
在本发明实施例所述的工业运输机器人的权限管理方法中,通过对风险等级的划分,可以起到保护工业运输机器人的作用,在工业运输机器人上所有关节的控制和传感器的处理任务,包括伺服关节的状态机切换、运动指令的下发以及位置、速度等状态信息的处理,同时通过根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分,能够对所有下发给伺服关节的指令进行保护性的判断,避免因为外界的异常导致动作的异常,比如超出位置限定、超出速度限定、超出力的限定等一系列的约束条件,同时,还能够避免机器人关节间的碰撞检测,能够保证所有通过控制中心发给工业运输机器人的指令都是可以安全执行的,不会造成任何异常的后果。在工业运输机器人当中,还可以对当前工业运输机器人所有硬件模块的重大信息进行实时监测,遇到任何异常情况就会进行告警和记录,包括有些关节过载了、有些传感器超出量程了、外部有了异常的碰撞和接触等,对工业运输机器人进行全方位的安全监控和处理。
如图5-6所示,所述根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分,包括:
若相似度高的实时数据特征字段完整覆盖了所述分字段场景参量集合的最小分集,则异常风险为高等级;
若相似度高的实时数据特征字段部分覆盖了所述分字段场景参量集合的最小分集,则异常风险属于若干个中等级及一个低等级;所述响应异常风险等级,并进行运行权限模式切换,包括:
响应异常风险对比判断结果,当异常风险为高等级,则切换为运营中心接管运行;
若异常风险为中等级,则根据中等级的等级级别,决定机器人的部分运行被运营中心接管,部分依然自主;
若异常风险为低等级,则维持机器人的自主模式。
在本发明实施例所述的工业运输机器人的权限管理方法中,通过对不同的异常风险等级的划分,可以起到保护工业运输机器人的作用,从而避免其遭受损坏,在实际的应用当中,工业运输机器人在应用时应用也存在一些死角,为了应对出现的问题,可以在工业运输机器人上安装毫米波安全雷达,通过采用毫米波安全雷达,当工业运输机器人在使用时,检测装置可以在有灰尘,碎屑,烟雾和灰尘等条件下感应到工业运输机器人周围的状况,并实时将接收到的信息发送至控制中心,或者工业运输机器人根据当前的实际情况,对当前状况进行等级划分,从而实现安全运行,确保非常高的安全等级。
如图7所示,第二方面,一种工业运输机器人的权限管理***,包括:
构建模块,用于实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量,获取机器人在运行过程中累积的数据,以获得机器人处于运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态任一方面的异常情况下的运行进程数据,并将所述运行进程数据作为异常风险参量构建的样本;
处理模块,用于对所述运行进程数据进行采集和分解,获取实时的运行进程数据的实时数据特征和实时场景参量;将实时数据特征和实时场景参量划分为实时数据特征字段,以及与每个实时数据特征字段对应的分字段实时场景参量;
对比模块,用于将分解的运行进程数据与构建的异常风险参量进行对比,将机器人运行时的实时数据特征,按照每个实时数据特征字段,与相同字段类型的所述异常数据特征字段进行相似度对比,获得相似度高的实时数据特征字段;提取相似度高的实时数据特征字段对应的分字段实时场景参量;根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分;
切换模块,用于根据对比结果响应异常风险等级,并进行运行权限模式切换,响应异常风险对比判断结果,当异常风险为高等级,则切换为运营中心接管运行;若异常风险为中等级,则根据中等级的等级级别,决定机器人的部分运行被运营中心接管,部分依然自主;若异常风险为低等级,则维持机器人的自主模式。
第三方面,如图8所示,一种工业运输机器人的权限管理设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现如所述工业运输机器人的权限管理方法的步骤。
其中,处理器用于控制该测量设备的整体操作,以完成上述的工业运输机器人的权限管理方法中的全部或部分步骤。存储器用于存储各种类型的数据以支持在该测量设备的操作,这些数据例如可以包括用于在该测量设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(StaticRandomAccessMemory,简称SRAM),电可擦除可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammableRead-OnlyMemory,简称EPROM),可编程只读存储器(ProgrammableRead-OnlyMemory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口为处理器和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件用于该测量设备与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearFieldCommunication,简称NFC),2G、3G、4G或5G,或它们中的一种或几种的组合,因此相应的该通信组件可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,测量设备可以被一个或多个应用专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、数字信号处理器(DigitalSignalProcessor,简称DSP)、数字信号处理设备(DigitalSignalProcessingDevice,简称DSPD)、可编程逻辑器件(ProgrammableLogicDevice,简称PLD)、现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的工业运输机器人的权限管理方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的工业运输机器人的权限管理方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由测量设备的处理器执行以完成上述的工业运输机器人的权限管理方法。
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种工业运输机器人的权限管理方法可相互对应参照。
第四方面,一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的工业运输机器人的权限管理方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中组件分或者全组件技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (6)
1.一种工业运输机器人的权限管理方法,其特征在于,工业运输机器人在执行物料配送任务的过程中,自动形成并记录运行进程数据,运行进程数据包括:工业运输机器人的运行执行记录,物料配送过程中的实时位置信息、行进方向和速度数据;周边环境数据、动作执行数据以及工业运输机器人的设备部件状态数据,所述方法包括以下步骤:
实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量;包括:根据异常的运行进程数据,获取异常数据特征和场景参量;将异常数据特征进行划分,将其划分为多个异常数据特征字段;根据场景参量,获取每一个异常数据特征字段的对应分字段场景参量;汇总同一字段类型的异常数据特征字段,形成与该类型的异常数据特征字段对应的分字段场景参量集合;将所述分字段场景参量集合进行简化,求解覆盖该分字段场景参量集合的最小分集;
对所述运行进程数据进行采集和分解,具体包括:获取实时的运行进程数据的实时数据特征和实时场景参量;将实时数据特征和实时场景参量划分为实时数据特征字段,以及与每个实时数据特征字段对应的分字段实时场景参量;
将分解的运行进程数据与构建的异常风险参量进行对比,具体包括:将机器人运行时的实时数据特征,按照每个实时数据特征字段,与相同字段类型的所述异常数据特征字段进行相似度对比,获得相似度高的实时数据特征字段;提取相似度高的实时数据特征字段对应的分字段实时场景参量;根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分;
根据对比结果响应异常风险等级,并进行运行权限模式切换。
2.根据权利要求1所述的工业运输机器人的权限管理方法,其特征在于,所述根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分,包括:
若相似度高的实时数据特征字段完整覆盖了所述分字段场景参量集合的最小分集,则异常风险为高等级;
若相似度高的实时数据特征字段部分覆盖了所述分字段场景参量集合的最小分集,则异常风险属于若干个中等级及一个低等级。
3.根据权利要求2所述的工业运输机器人的权限管理方法,其特征在于,所述响应异常风险等级,并进行运行权限模式切换,包括:
响应异常风险对比判断结果,当异常风险为高等级,则切换为运营中心接管运行;
若异常风险为中等级,则根据中等级的等级级别,决定机器人的部分运行被运营中心接管,部分依然自主;若异常风险为低等级,则维持机器人的自主模式。
4.一种工业运输机器人的权限管理***,其特征在于,包括:
构建模块,用于实时获取机器人运行进程数据,并根据运行进程数据构建异常风险参量,获取机器人在运行过程中累积的数据,以获得机器人处于运行执行、空间位置、行进、周边环境、机器人动作、设备部件状态任一方面的异常情况下的运行进程数据,并将所述运行进程数据作为异常风险参量构建的样本,根据异常的运行进程数据,获取异常数据特征和场景参量;将异常数据特征进行划分,将其划分为多个异常数据特征字段;根据场景参量,获取每一个异常数据特征字段的对应分字段场景参量;汇总同一字段类型的异常数据特征字段,形成与该类型的异常数据特征字段对应的分字段场景参量集合;将所述分字段场景参量集合进行简化,求解覆盖该分字段场景参量集合的最小分集;
处理模块,用于对所述运行进程数据进行采集和分解,获取实时的运行进程数据的实时数据特征和实时场景参量;将实时数据特征和实时场景参量划分为实时数据特征字段,以及与每个实时数据特征字段对应的分字段实时场景参量;
对比模块,用于将分解的运行进程数据与构建的异常风险参量进行对比,将机器人运行时的实时数据特征,按照每个实时数据特征字段,与相同字段类型的异常数据特征字段进行相似度对比,获得相似度高的实时数据特征字段;提取相似度高的实时数据特征字段对应的分字段实时场景参量;根据分字段实时场景参量与分字段场景参量集合的最小分集的覆盖的比例等级,进行风险等级划分;
切换模块,用于根据对比结果响应异常风险等级,并进行运行权限模式切换,响应异常风险对比判断结果,当异常风险为高等级,则切换为运营中心接管运行;若异常风险为中等级,则根据中等级的等级级别,决定机器人的部分运行被运营中心接管,部分依然自主;若异常风险为低等级,则维持机器人的自主模式。
5.一种工业运输机器人的权限管理设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至3中任一项所述的工业运输机器人的权限管理方法的步骤。
6.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至3中任一项所述的工业运输机器人的权限管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210501460.7A CN114596014B (zh) | 2022-05-10 | 2022-05-10 | 工业运输机器人权限管理方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210501460.7A CN114596014B (zh) | 2022-05-10 | 2022-05-10 | 工业运输机器人权限管理方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114596014A CN114596014A (zh) | 2022-06-07 |
CN114596014B true CN114596014B (zh) | 2022-09-16 |
Family
ID=81813536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210501460.7A Active CN114596014B (zh) | 2022-05-10 | 2022-05-10 | 工业运输机器人权限管理方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114596014B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2016100586A4 (en) * | 2016-05-13 | 2016-06-23 | Macau University Of Science And Technology | System and method for operating a follower vehicle in a vehicle platoon |
CN110991241A (zh) * | 2019-10-31 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 异常识别方法、设备及计算机可读介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111487931B (zh) * | 2019-01-29 | 2024-04-12 | 北京京东乾石科技有限公司 | 一种agv异常时的处理方法和装置 |
CN112346989B (zh) * | 2020-11-26 | 2023-06-20 | 网易(杭州)网络有限公司 | 一种接口测试方法、装置、介质和计算设备 |
CN112734138B (zh) * | 2021-01-27 | 2023-07-07 | 珠海格力电器股份有限公司 | 一种故障预警方法、装置、设备及存储介质 |
CN114237137B (zh) * | 2021-11-29 | 2024-07-23 | 北京云迹科技股份有限公司 | 一种机器人安全控制方法、装置、介质及计算机设备 |
CN114311029A (zh) * | 2021-12-22 | 2022-04-12 | 珠海一微半导体股份有限公司 | 一种机器人的数据管理方法、芯片及机器人 |
CN114418042B (zh) * | 2021-12-30 | 2022-07-22 | 智昌科技集团股份有限公司 | 一种基于聚类分析的工业机器人运行趋势诊断方法 |
-
2022
- 2022-05-10 CN CN202210501460.7A patent/CN114596014B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2016100586A4 (en) * | 2016-05-13 | 2016-06-23 | Macau University Of Science And Technology | System and method for operating a follower vehicle in a vehicle platoon |
CN110991241A (zh) * | 2019-10-31 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 异常识别方法、设备及计算机可读介质 |
Non-Patent Citations (2)
Title |
---|
Interpreting Abnormality of a Complex Static Scene using Generative Adversarial Network;Mahamat Moussa等;《2019 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)》;20200305;第2003-2007页 * |
基于OGRE的实时场景动态生成与存储技术的研究;张家存等;《化工自动化及仪表》;20111130;第38卷(第11期);第1377-1397页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114596014A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10832548B2 (en) | Advanced industrial safety notification systems | |
US9302890B1 (en) | Crane control system and method | |
US11016493B2 (en) | Planning robot stopping points to avoid collisions | |
US11287799B2 (en) | Method for coordinating and monitoring objects | |
CN110221581B (zh) | 工业控制网络监测装置和方法 | |
CN102826456B (zh) | 大型施工设备编码器空间定位、智能防碰撞*** | |
US20220276650A1 (en) | Methods for risk management for autonomous devices and related node | |
CN111415026A (zh) | 无人设备调度装置、***和方法 | |
Indri et al. | Sen3Bot Net: A meta-sensors network to enable smart factories implementation | |
Yang et al. | A random chemical reaction optimization algorithm based on dual containers strategy for multi‐rotor UAV path planning in transmission line inspection | |
CN115146882A (zh) | 一种空地协同巡检方法及*** | |
CN114596014B (zh) | 工业运输机器人权限管理方法、***、设备及存储介质 | |
Zhao | Design of patrol robot system for mining belt conveyor | |
Baños et al. | Towards safe robotic agricultural applications: Safe navigation system design for a robotic grass-mowing application through the risk management method | |
WO2023174096A1 (zh) | 自主移动机器人的调度方法、***、电子设备和存储介质 | |
CN116501002A (zh) | 智慧码头载运危险货物集装箱agv安全诱导配置方法 | |
Liu et al. | Path scheduling for multi-AGV system based on two-staged traffic scheduling scheme and genetic algorithm | |
Alonso et al. | Knowledge-based intelligent diagnosis of ground robot collision with non detectable obstacles | |
McFadyen et al. | Assisted control for semi-autonomous power infrastructure inspection using aerial vehicles | |
Mayyas et al. | Fenceless obstacle avoidance method for efficient and safe human–robot collaboration in a shared work space | |
Akbarova et al. | Integrated System of Industrial Safety and Labor Protection | |
Chemerys et al. | Network of Autonomous Units for the Complex Technological Objects Reliable Monitoring | |
KR102626346B1 (ko) | 공작 기계의 공구 마모 및 파손 상태 여부를 감지하는 방법 및 장치 | |
KR102129480B1 (ko) | 무인 자율주행차량의 예지보전장치 및 이의 예지보전방법 | |
Rosas et al. | Automated Environmental Mapping with Behavior Trees |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |