CN115056228B - 一种机器人的异常监控和处理***及方法 - Google Patents

Abstract

本发明提供了一种机器人的异常监控和处理***及方法，其中，***包括：构建模块，用于当第一机器人执行第一任务时，构建对应于第一任务的异常监控库；监控模块，用于基于异常监控库，对第一机器人进行异常监控；处理模块，用于基于异常监控的结果，进行相应处理；指导模块，用于当进行相应处理时，获取处理情况，基于处理情况，进行相应处理指导。本发明的机器人的异常监控和处理***及方法，无需由监控人员分析机器人的运行参数，降低了人力成本，当处理人员处理基础性的异常问题或复杂性的异常问题时，均可进行处理指导，特别是一些复杂性的异常问题，无需等待专业人员进行处理，提升异常解决效率。

Description

一种机器人的异常监控和处理***及方法

技术领域

本发明涉及机器人技术领域，特别涉及一种机器人的异常监控和处理***及方法。

背景技术

目前，对机器人在运行时的异常监控大多由人工完成，由监控人员分析机器人的运行参数，实现异常监控，人力成本较大。另外，当监控到异常时，一些基础性的异常问题，异常处理人员可以解决，但是，当存在一些复杂性的异常问题时，需要等待专业人员(例如：机器人厂家的售后工程师)等进行处理，便捷性较低，影响解决效率。

因此，亟需一种解决办法。

发明内容

本发明提供一种机器人的异常监控和处理***及方法，无需由监控人员分析机器人的运行参数，降低了人力成本，当处理人员处理基础性的异常问题或复杂性的异常问题时，均可进行处理指导，特别是一些复杂性的异常问题，无需等待专业人员进行处理，提升异常解决效率。

本发明提供一种机器人的异常监控和处理***，包括：

构建模块，用于当第一机器人执行第一任务时，构建对应于第一任务的异常监控库；

监控模块，用于基于异常监控库，对第一机器人进行异常监控；

处理模块，用于基于异常监控的结果，进行相应处理；

指导模块，用于当进行相应处理时，获取处理情况，基于处理情况，进行相应处理指导。

优选的，构建模块构建对应于第一任务的异常监控库，包括：

从本地和/或大数据平台上获取多个机器人运行异常记录项，机器人运行异常记录项包括：第二机器人执行第二任务时产生的至少一个第一异常项以及第二机器人当时的第一属性信息；

对第一任务和第二任务进行第一差异分析；

对第二机器人当时的第一属性信息和第一机器人当前的第二属性信息进行第二差异分析；

基于预设的第一特征提取模板对第一差异分析和第二差异分析的结果进行特征提取，获得多个第一特征值；

基于第一特征值，构建差异描述向量；

基于差异描述向量和预设的价值识别库，确定价值度；

若价值度大于等于预设的价值度阈值，将对应第二机器人执行对应第二任务时产生的至少一个第一异常项作为待入库目标；

对各待入库目标进行整合入库，获得对应于第一任务的异常监控库，完成构建。

优选的，监控模块基于异常监控库，对第一机器人进行异常监控，包括：

获取第一机器人的运行参数；

获取异常监控库中的第一异常项对应的预设的异常监控策略，异常监控策略包括：参数提取策略和异常分析策略；

基于参数提取策略，从运行参数中提取目标参数；

基于异常分析策略，对目标参数进行异常分析，完成监控。

优选的，处理模块基于异常监控的结果，进行相应处理，包括：

当异常监控的结果包含至少一个第二异常项时，统计第二异常项的总数目；

若总数目为1，获取第二异常项对应的预设的第一处理策略；

基于第一处理策略，进行相应处理；

若总数目不为1，基于预设的第二特征提取模板对第二异常项进行特征提取，获得多个第二特征值；

基于第二特征值，构建异常描述向量；

基于随机选取的至少两个第二异常项的异常描述向量和预设的异常关联识别库，确定随机选取的至少两个第二异常项之间的异常关联关系；

获取异常关联关系对应的异常合并策略；

基于异常合并策略，将对应随机选取的至少两个第二异常项进行异常合并，获得合并异常项；

获取合并异常项对应的预设的第二处理策略以及未进行异常合并的第二异常项对应的预设的第三处理策略；

基于第二处理策略和第三处理策略，进行相应处理。

优选的，指导模块获取处理情况，包括：

获取进行相应处理的处理人员基于人员终端定时回复的处理情况；

和/或，

通过进行相应处理的处理人员佩戴的维修记录仪获取处理情况；

和/或，

获取第一机器人进入维修模式后激活的维修记录单元记录的处理情况。

优选的，指导模块基于处理情况，进行相应处理指导，包括：

将异常处理的结果和处理情况输入预设的处理缺陷识别模型，确定至少一个处理缺陷项；

获取处理缺陷项对应的预设的指导信息；

将指导信息投递至处理人员的人员终端和/或佩戴的维修记录仪；

和/或，

获取进行相应处理的处理现场的现场图像；

基于现场图像，确定处理人员的面部的第一位置和第一朝向；

获取处理现场内第一位置周边预设的范围内的多个显示设备的第二位置和第二朝向；

基于第一位置和第一朝向，构建第一方向向量；

基于第二位置和第二朝向，构建第二方向向量；

控制第二方向向量和第一方向向量的夹角中最大夹角对应的显示设备临时显示指导信息。

优选的，机器人的异常监控和处理***，还包括：

对接模块，用于当进行相应处理的处理人员输入需要进行对接的专家人员时，将处理人员与专家人员进行对接；

其中，对接模块将处理人员与专家人员进行对接，包括：

构建在线会议室；

将处理人员和专家人员接入在线会议室；

对处理情况进行归类分组，获得多个第一情况类型的分组数据；

在在线会议室内的公共显示区内构建第一情况类型的总数目个显示分区；

将多个第一情况类型的分组数据随机映射至各显示分区；

持续获取处理人员和专家人员在在线会议室内进行交流产生的多个交流记录；

建立时间轴线；

基于交流记录的产生时间点，将交流记录对应设置于时间轴线上；

对时间轴线上最近预设的时间内的交流记录进行语义提取，获得至少一个第一语义；

获取第一情况类型对应的预设的触发语义库；

将第一语义与触发语义库中的第二语义进行匹配；

若匹配符合，获取匹配符合的第二语义对应的预设的触发值；

若累加计算触发值的触发值和大于等于预设的触发值和阈值，将对应第一情况类型作为第二情况类型；

获取第二情况类型的总数目对应的预设的触发值和-放大策略库，确定第二情况类型对应的触发值和对应的放大策略；

基于放大策略，将对应第二情况类型的分组数据映射至的显示分区进行放大处理。

本发明提供一种机器人的异常监控和处理方法，包括：

步骤1：当第一机器人执行第一任务时，构建对应于第一任务的异常监控库；

步骤2：基于异常监控库，对第一机器人进行异常监控；

步骤3：基于异常监控的结果，进行相应处理；

步骤4：当进行相应处理时，获取处理情况，基于处理情况，进行相应处理指导。

优选的，步骤1中，构建对应于第一任务的异常监控库，包括：

从本地和/或大数据平台上获取多个机器人运行异常记录项，机器人运行异常记录项包括：第二机器人执行第二任务时产生的至少一个第一异常项以及第二机器人当时的第一属性信息；

对第一任务和第二任务进行第一差异分析；

对第二机器人当时的第一属性信息和第一机器人当前的第二属性信息进行第二差异分析；

基于预设的第一特征提取模板对第一差异分析和第二差异分析的结果进行特征提取，获得多个第一特征值；

基于第一特征值，构建差异描述向量；

基于差异描述向量和预设的价值识别库，确定价值度；

若价值度大于等于预设的价值度阈值，将对应第二机器人执行对应第二任务时产生的至少一个第一异常项作为待入库目标；

对各待入库目标进行整合入库，获得对应于第一任务的异常监控库，完成构建。

优选的，步骤2：基于异常监控库，对第一机器人进行异常监控，包括：

获取第一机器人的运行参数；

获取异常监控库中的第一异常项对应的预设的异常监控策略，异常监控策略包括：参数提取策略和异常分析策略；

基于参数提取策略，从运行参数中提取目标参数；

基于异常分析策略，对目标参数进行异常分析，完成监控。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种机器人的异常监控和处理***的示意图；

图2为本发明实施例中一种机器人的异常监控和处理方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供一种机器人的异常监控和处理***，如图1所示，包括：

构建模块1，用于当第一机器人执行第一任务时，构建对应于第一任务的异常监控库；

监控模块2，用于基于异常监控库，对第一机器人进行异常监控；

处理模块3，用于基于异常监控的结果，进行相应处理；

指导模块4，用于当进行相应处理时，获取处理情况，基于处理情况，进行相应处理指导。

上述技术方案的工作原理及有益效果为：

第一机器人为机械手。第一任务可以为，例如：机械手上下料任务等。引入异常监控库，异常监控库中存储有大量第一机器人执行第一任务时可能会发生的异常。基于异常监控库，对第一机器人进行异常监控。无需由监控人员分析机器人的运行参数，降低了人力成本。基于异常监控的结果，进行异常处理，例如：第一机器人的机械手关节移动不精准，调度机器人机械手关节相关的维修人员前往现场进行异常处理。当进行异常处理时，获取处理情况，处理情况可以为，例如：现场的处理进度和维修项目等。基于处理情况，进行处理指导，例如：指导维修人员如何进行维修项目。当处理人员处理基础性的异常问题或复杂性的异常问题时，均可进行处理指导，特别是一些复杂性的异常问题，无需等待专业人员进行处理，提升异常解决效率。

本发明提供一种机器人的异常监控和处理***，构建模块1构建对应于第一任务的异常监控库，包括：

从本地和/或大数据平台上获取多个机器人运行异常记录项，机器人运行异常记录项包括：第二机器人执行第二任务时产生的至少一个第一异常项以及第二机器人当时的第一属性信息；

对第一任务和第二任务进行第一差异分析；

对第二机器人当时的第一属性信息和第一机器人当前的第二属性信息进行第二差异分析；

基于预设的第一特征提取模板对第一差异分析和第二差异分析的结果进行特征提取，获得多个第一特征值；

基于第一特征值，构建差异描述向量；

基于差异描述向量和预设的价值识别库，确定价值度；

若价值度大于等于预设的价值度阈值，将对应第二机器人执行对应第二任务时产生的至少一个第一异常项作为待入库目标；

对各待入库目标进行整合入库，获得对应于第一任务的异常监控库，完成构建。

上述技术方案的工作原理及有益效果为：

构建对应于第一任务的异常监控库时，需要预测第一机器人执行第一任务时可能会产生的异常。获取异常记录，异常记录包括其它第二机器人执行其它第二任务时产生的第一异常项和第二机器人当时(执行第二任务时)的第一属性信息。基于异常记录，预测第一机器人执行第一任务时可能会产生的异常，即判断第一机器人执行第一任务时是否会产生第一异常项。

第一机器人执行第一任务时是否会产生第一异常项的判断依据分为两种类型：第一种，任务是否存在共通性，共通性指的是机器人分别执行两个任务时，机器人的各关节的工作状态之间足够相似，工作状态具体为：关节移动速度、移动角度、移动距离和工作温度等，关节的工作状态为机器人领域公知常识，不作赘述。例如：机器人执行第一任务和第二任务时关节移动速度、移动距离和移动角度等类似，说明第一机器人执行第一任务时可能会发生第二机器人执行第二任务时产生的关节相关的第一异常项。第二种，机器人的属性是否存在共同性，共同性指的是两者机器人的属性之间足够相似，机器人的属性具体为：型号、历史维保记录、历史工作记录和历史异常记录等，机器人的属性也为机器人领域公知常识，不作赘述。例如：机器人的型号、历史异常记录和历史使用记录等类似，说明第一机器人执行第一任务时可能会发生第二机器人执行第二任务时产生的第一异常项。另外，此处引入任务之间的共通性以及机器人属性之间的共同性作为第一机器人执行第一任务时是否会产生第一异常项的判断依据，仅作原理说明，第一差异分析和第二差异分析的结果分别说明了任务之间的共通性的程度以及机器人属性之间的共同性的程度，因此，最终的技术方案实施即是否将第二机器人执行第二任务时产生的至少一个第一异常项作为待入库目标由预设的价值度阈值限定，预设的价值度阈值由工作人员视情况进行设置，若入库要求较高，则设定较高的价值度阈值，反之，则设定较小的价值度阈值。

因此，分别对第一任务和第二任务进行第一差异分析以及对第二机器人当时的第一属性信息和第一机器人当前的第二属性信息进行第二差异分析。引入预设的第一特征提取模板，对差异分析结果进行特征提取，获得多个第一特征值；预设的第一特征提取模板可以为，例如：机器人型号相同，特征值1，又例如：机器人任务执行关节移动角度存在相同，特征值1。基于第一特征值，构建差异描述向量；可基于向量构建技术实现，属于现有技术范畴，不作赘述。引入预设的价值识别库，价值识别库中存储有不同差异描述向量对应的价值度，价值度越大，说明第一机器人执行第一任务时可能会发生对应第二机器人执行对应第二任务时产生的第一异常项的可能性越大，价值识别库由工作人员事先进行不同差异描述向量代表的其他机器人的历史异常在第一机器人身上发生的可能性程度判定实验中进行实验结果的统计而构建，一般的，特征值表示的差异性越小，说明两者机器人差异较大，则其他机器人的历史异常在第一机器人身上发生的可能性越小，则价值度越小。基于价值识别库，对照确定价值度，基于价值度，确定入库目标。基于入库目标，构建对应于第一任务的异常监控库。

一般的，预测第一机器人执行第一任务时可能会产生的异常时，由于机器人的属性不同，执行的任务的多样性，只能基于第一机器人历史上执行第一任务时产生的异常等，存在局限性，导致大量其它第二机器人执行第二任务时产生的第一异常项无法利用。本申请通过从任务是否存在共通性和机器人的属性是否存在共同性两个维度判断第二机器人执行其它第二任务时产生的第一异常项是否可作为入库目标，突破了只能基于第一机器人历史上执行第一任务时产生的异常等的局限性，使得其它第二机器人执行第二任务时产生的第一异常项得到利用。极大程度上提升了适用性，也符合大数据共享发展趋势。

本发明提供一种机器人的异常监控和处理***，监控模块2基于异常监控库，对第一机器人进行异常监控，包括：

获取第一机器人的运行参数；

获取异常监控库中的第一异常项对应的预设的异常监控策略，异常监控策略包括：参数提取策略和异常分析策略；

基于参数提取策略，从运行参数中提取目标参数；

基于异常分析策略，对目标参数进行异常分析，完成监控。

上述技术方案的工作原理及有益效果为：

运行参数可以为，例如：机器人上设置的各个传感器的参数等。引入第一异常项对应的预设的异常监控策略，异常监控策略包括参数提取策略和异常分析策略；参数提取策略可以为，例如：检测电机温度是否异常时，提取电机温度策略；异常分析策略可以为，例如：分析电机温度曲线是否呈上升趋势等。基于参数提取策略和异常分析策略实现对第一机器人进行异常监控，提升了异常监控效率。

本发明提供一种机器人的异常监控和处理***，处理模块3基于异常监控的结果，进行相应处理，包括：

当异常监控的结果包含至少一个第二异常项时，统计第二异常项的总数目；

若总数目为1，获取第二异常项对应的预设的第一处理策略；

基于第一处理策略，进行相应处理；

若总数目不为1，基于预设的第二特征提取模板对第二异常项进行特征提取，获得多个第二特征值；

基于第二特征值，构建异常描述向量；

基于随机选取的至少两个第二异常项的异常描述向量和预设的异常关联识别库，确定随机选取的至少两个第二异常项之间的异常关联关系；

获取异常关联关系对应的异常合并策略；

基于异常合并策略，将对应随机选取的至少两个第二异常项进行异常合并，获得合并异常项；

获取合并异常项对应的预设的第二处理策略以及未进行异常合并的第二异常项对应的预设的第三处理策略；

基于第二处理策略和第三处理策略，进行相应处理。

上述技术方案的工作原理及有益效果为：

当监控到第二异常项时，统计总数目。若总数目为1，说明第二异常项只有一个，获取对应的预设的第一处理策略，基于其进行相应处理；例如：第二异常项为机器人关节移动精度较低，第一处理策略为调度机器人关节相关的维修人员对关节进行重新移动校准。若总数目不为1，说明存在多个第二异常项。当识别异常时，一些后出现的异常可能是前面出现的异常导致，即“连锁反应”，例如：机器人带动关节动作的电机发生异常时，会导致关节移动发生异常，若每个第二异常项均进行处理，可能会导致人员调度的重复，重复调度的人员在现场进行维修检查后，才发现是“连锁反应”，增加了处理调度资源，降低了处理效率。因此，引入预设的第二特征提取模板对第二异常项进行特征提取，获得多个第二特征值；预设的第二特征提取模板可以为，例如：电机温度高于预设值，特征值1。基于第二特征值，构建异常描述向量；可基于向量构建技术实现，属于现有技术范畴，不作赘述。引入预设的异常关联识别库，异常关联识别库中存储有之间存在“连锁反应”异常关联关系的异常描述向量，异常关联识别库由工作人员事先收集机器人发生“连锁反应”的历史异常项，对这些历史异常项进行特征提取(特征提取的方法也是利用第二特征提取模板)，并分别构建异常描述向量，将构建出的异常描述向量进行关联配对，获得配对项，基于一个个配对项，构建异常关联识别库。基于异常关联识别库，确定随机选取的至少两个第二异常项之间的异常关联关系。引入异常关联关系对应的预设的异常合并策略，对将对应随机选取的至少两个第二异常项进行异常合并，获得合并异常项；异常合并策略可以为，例如：将造成“连锁反应”异常的源头异常作为合并异常项。获取合并异常项对应的预设的第二处理策略以及未进行异常合并的第二异常项对应的预设的第三处理策略，进行相应异常处理。极大程度上减少了处理调度的资源，提升了处理效率。

本发明提供一种机器人的异常监控和处理***，指导模块4获取处理情况，包括：

获取进行相应处理的处理人员基于人员终端定时回复的处理情况；

和/或，

通过进行相应处理的处理人员佩戴的维修记录仪获取处理情况；

和/或，

获取第一机器人进入维修模式后激活的维修记录单元记录的处理情况。

上述技术方案的工作原理及有益效果为：

获取处理情况的方式有三种：第一种，处理人员基于人员终端回复处理情况，人员终端可以为智能手机等；第二种，处理人员佩戴维修记录仪，维修记录仪上设置有摄像头，一般佩戴在头部，以第一视角进行处理现场记录；第三种，处理人员在维修机器人时，会使得机器人进入维修模式，进入后，会激活机器人的维修记录单元进行处理情况记录，记录机器人自身的参数变化等，维修记录单元可以为cpu等。

本发明提供一种机器人的异常监控和处理***，指导模块4基于处理情况，进行相应处理指导，包括：

将异常处理的结果和处理情况输入预设的处理缺陷识别模型，确定至少一个处理缺陷项；

获取处理缺陷项对应的预设的指导信息；

将指导信息投递至处理人员的人员终端和/或佩戴的维修记录仪；

和/或，

获取进行相应处理的处理现场的现场图像；

基于现场图像，确定处理人员的面部的第一位置和第一朝向；

获取处理现场内第一位置周边预设的范围内的多个显示设备的第二位置和第二朝向；

基于第一位置和第一朝向，构建第一方向向量；

基于第二位置和第二朝向，构建第二方向向量；

控制第二方向向量和第一方向向量的夹角中最大夹角对应的显示设备临时显示指导信息。

上述技术方案的工作原理及有益效果为：

引入预设的处理缺陷识别模型，处理缺陷识别模型为工作人员预先利用大量对机器人异常进行处理时，处理情况中的缺陷和不足等记录作为训练样本对神经网络模型进行训练至收敛后的神经网络模型，训练收敛说明神经网络模型训练完成，可以代替人工进行处理情况中的缺陷和不足的识别，神经网络模型以及利用有针对性的训练样本对神经网络模型进行训练，获得代替对应人工进行对应针对性操作的人工智能模型均属于现有技术范畴，不作赘述。基于处理缺陷识别模型，异常处理的结果和处理情况，确定进行处理时存在的处理缺陷项。引入处理缺陷项对应的预设的指导信息，例如：机器人拆装规范，指导信息为指导处理人员如何拆装机器人的演示画面。在将指导信息让处理人员查看时，有对应三种方式：第一种，发送至人员终端；第二种，发送至维修记录仪；第三种，通过显示设备提示处理人员，显示设备可以为，例如：显示屏等。充分保证指导信息的可达性，能够及时对处理人员进行提醒，提升异常处理的效率和质量。

另外，一般的，处理现场会有大量显示设备，但是，得对显示设备进行挑选，挑选出最适宜提示处理人员的显示设备。在挑选时，从可视距离和可视角度的维度进行挑选。引入预设的范围，范围可以为，例如：2米。分别构建第一方向向量和第二方向向量，计算第一方向向量和第二方向向量的夹角，选取最大夹角对应的显示设备临时显示指导信息；向量构建及向量夹角计算属于现有技术范畴，不作赘述。一般的，当处理人员正视某显示设备时，夹角为最大值180°。进一步提升了指导信息的可达性。

本发明提供一种机器人的异常监控和处理***，还包括：

对接模块，用于当进行相应处理的处理人员输入需要进行对接的专家人员时，将处理人员与专家人员进行对接；

其中，对接模块将处理人员与专家人员进行对接，包括：

构建在线会议室；

将处理人员和专家人员接入在线会议室；

对处理情况进行归类分组，获得多个第一情况类型的分组数据；

在在线会议室内的公共显示区内构建第一情况类型的总数目个显示分区；

将多个第一情况类型的分组数据随机映射至各显示分区；

持续获取处理人员和专家人员在在线会议室内进行交流产生的多个交流记录；

建立时间轴线；

基于交流记录的产生时间点，将交流记录对应设置于时间轴线上；

对时间轴线上最近预设的时间内的交流记录进行语义提取，获得至少一个第一语义；

获取第一情况类型对应的预设的触发语义库；

将第一语义与触发语义库中的第二语义进行匹配；

若匹配符合，获取匹配符合的第二语义对应的预设的触发值；

若累加计算触发值的触发值和大于等于预设的触发值和阈值，将对应第一情况类型作为第二情况类型；

获取第二情况类型的总数目对应的预设的触发值和-放大策略库，确定第二情况类型对应的触发值和对应的放大策略；

基于放大策略，将对应第二情况类型的分组数据映射至的显示分区进行放大处理。

上述技术方案的工作原理及有益效果为：

在实际异常处理的过程中，当处理人员发现一些疑难问题时，知道有谁可能擅长解决，会与对应目标人员进行电话沟通，但是，进行电话沟通时，目标人员无法得知具体的现场情况，需要经过处理人员仔细介绍等之后，目标人员才能得知，比较繁琐，降低了异常处理效率，特别是当目标人员手头有事情时，会耽误目标人员的时间，降低体验。因此，亟需进行解决。

构建在线会议室，将处理人员以及处理人员请求进行对接的专家人员接入在线会议室。对处理情况进行归类分组，获得多个第一情况类型的分组数据；第一情况类型可以为，例如：现场画面和机器人参数等。将分组数据依次映射至不同显示分区。供处理人员和专家人员查看，主要供专家人员查看。但是，专家人员在查看时，需要根据处理人员口述的内容，找到对应分组数据，比较繁琐，而且，一般的，专家人员使用的智能终端的显示屏有限，查看起来比较困难，特别是当第一情况类型较多时。因此，获取处理人员和专家人员的交流记录，例如：语音通话记录。在时间轴线上设置，提取最近预设的时间内的交流记录的第一语义。引入第一情况类型对应的预设的触发语义库，触发语义库中存储有交流主题与第一情况类型相关的多个第二语义，触发语义库由工作人员事先收集不同交流主题相关的语义，基于收集的语义，构建触发语义库。将第一语义与第二语义进行匹配，若匹配符合，引入匹配符合的第二语义对应的预设的触发值，触发值越大，说明匹配符合的第二语义与第一情况类型越相关。若累加计算触发值的触发值和大于等于预设的触发值和阈值，说明处理人员和专业人员正在主要交流对应第一情况类型，将对应第一情况类型作为第二情况类型。引入第二情况类型的总数目对应的预设的触发值和-放大策略库，确定第二情况类型对应的触发值和对应的放大策略，触发值和越大，说明处理人员和专业人员越正在主要交流，放大策略为对相应显示分区放大的程度越大。极大程度上提升了处理人员和专业人员沟通的便捷性和沟通效率，提升处理效率。尽可能地避免耽误专业人员的时间，提升体验。同时，也更具有适用性。另外，累加计算触发值的计算公式为：

为触发值和，Q_d为进行累加计算的第d个触发值，n为进行累加计算的触发值的总数目。

本发明提供一种机器人的异常监控和处理方法，如图2所示，包括：

步骤1：当第一机器人执行第一任务时，构建对应于第一任务的异常监控库；

步骤2：基于异常监控库，对第一机器人进行异常监控；

步骤3：基于异常监控的结果，进行相应处理；

步骤4：当进行相应处理时，获取处理情况，基于处理情况，进行相应处理指导。

本发明提供一种机器人的异常监控和处理方法，步骤1中，构建对应于第一任务的异常监控库，包括：

从本地和/或大数据平台上获取多个机器人运行异常记录项，机器人运行异常记录项包括：第二机器人执行第二任务时产生的至少一个第一异常项以及第二机器人当时的第一属性信息；

对第一任务和第二任务进行第一差异分析；

对第二机器人当时的第一属性信息和第一机器人当前的第二属性信息进行第二差异分析；

基于预设的第一特征提取模板对第一差异分析和第二差异分析的结果进行特征提取，获得多个第一特征值；

基于第一特征值，构建差异描述向量；

基于差异描述向量和预设的价值识别库，确定价值度；

若价值度大于等于预设的价值度阈值，将对应第二机器人执行对应第二任务时产生的至少一个第一异常项作为待入库目标；

对各待入库目标进行整合入库，获得对应于第一任务的异常监控库，完成构建。

本发明提供一种机器人的异常监控和处理方法，步骤2：基于异常监控库，对第一机器人进行异常监控，包括：

获取第一机器人的运行参数；

获取异常监控库中的第一异常项对应的预设的异常监控策略，异常监控策略包括：参数提取策略和异常分析策略；

基于参数提取策略，从运行参数中提取目标参数；

基于异常分析策略，对目标参数进行异常分析，完成监控。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种机器人的异常监控和处理***，其特征在于，包括：

构建模块，用于当第一机器人执行第一任务时，构建对应于所述第一任务的异常监控库；

监控模块，用于基于所述异常监控库，对所述第一机器人进行异常监控；

处理模块，用于基于异常监控的结果，进行相应处理；

指导模块，用于当进行相应处理时，获取处理情况，基于所述处理情况，进行相应处理指导；

所述***还包括：

对接模块，用于当进行相应处理的处理人员输入需要进行对接的专家人员时，将所述处理人员与所述专家人员进行对接；

其中，所述对接模块将所述处理人员与所述专家人员进行对接，包括：

构建在线会议室；

将所述处理人员和所述专家人员接入所述在线会议室；

对所述处理情况进行归类分组，获得多个第一情况类型的分组数据；

在所述在线会议室内的公共显示区内构建所述第一情况类型的总数目个显示分区；

将多个第一情况类型的分组数据随机映射至各所述显示分区；

持续获取所述处理人员和所述专家人员在所述在线会议室内进行交流产生的多个交流记录；

建立时间轴线；

基于所述交流记录的产生时间点，将所述交流记录对应设置于所述时间轴线上；

对所述时间轴线上最近预设的时间内的所述交流记录进行语义提取，获得至少一个第一语义；

获取所述第一情况类型对应的预设的触发语义库；

将所述第一语义与所述触发语义库中的第二语义进行匹配；

若匹配符合，获取匹配符合的所述第二语义对应的预设的触发值；

若累加计算所述触发值的触发值和大于等于预设的触发值和阈值，将对应所述第一情况类型作为第二情况类型；

获取所述第二情况类型的总数目对应的预设的触发值和放大策略库，确定所述第二情况类型对应的所述触发值和对应的放大策略；

基于所述放大策略，将对应所述第二情况类型的分组数据映射至的所述显示分区进行放大处理。

2.如权利要求1所述的一种机器人的异常监控和处理***，其特征在于，所述构建模块构建对应于所述第一任务的异常监控库，包括：

从本地和/或大数据平台上获取多个机器人运行异常记录项，所述机器人运行异常记录项包括：第二机器人执行第二任务时产生的至少一个第一异常项以及所述第二机器人当时的第一属性信息；

对所述第一任务和所述第二任务进行第一差异分析；

对所述第二机器人当时的第一属性信息和所述第一机器人当前的第二属性信息进行第二差异分析；

基于预设的第一特征提取模板对第一差异分析和第二差异分析的结果进行特征提取，获得多个第一特征值；

基于所述第一特征值，构建差异描述向量；

基于所述差异描述向量和预设的价值识别库，确定价值度；

若所述价值度大于等于预设的价值度阈值，将对应所述第二机器人执行对应第二任务时产生的至少一个第一异常项作为待入库目标；

对各所述待入库目标进行整合入库，获得对应于所述第一任务的异常监控库，完成构建。

3.如权利要求2所述的一种机器人的异常监控和处理***，其特征在于，所述监控模块基于所述异常监控库，对所述第一机器人进行异常监控，包括：

获取所述第一机器人的运行参数；

获取所述异常监控库中的所述第一异常项对应的预设的异常监控策略，所述异常监控策略包括：参数提取策略和异常分析策略；

基于所述参数提取策略，从所述运行参数中提取目标参数；

基于所述异常分析策略，对所述目标参数进行异常分析，完成监控。

4.如权利要求1所述的一种机器人的异常监控和处理***，其特征在于，所述处理模块基于异常监控的结果，进行相应处理，包括：

当异常监控的结果包含至少一个第二异常项时，统计所述第二异常项的总数目；

若所述总数目为1，获取所述第二异常项对应的预设的第一处理策略；

基于所述第一处理策略，进行相应处理；

若所述总数目不为1，基于预设的第二特征提取模板对所述第二异常项进行特征提取，获得多个第二特征值；

基于所述第二特征值，构建异常描述向量；

基于随机选取的至少两个所述第二异常项的所述异常描述向量和预设的异常关联识别库，确定随机选取的至少两个所述第二异常项之间的异常关联关系；

获取所述异常关联关系对应的异常合并策略；

基于所述异常合并策略，将对应随机选取的至少两个所述第二异常项进行异常合并，获得合并异常项；

获取所述合并异常项对应的预设的第二处理策略以及未进行异常合并的所述第二异常项对应的预设的第三处理策略；

基于所述第二处理策略和所述第三处理策略，进行相应处理。

5.如权利要求1所述的一种机器人的异常监控和处理***，其特征在于，所述指导模块获取处理情况，包括：

获取进行相应处理的处理人员基于人员终端定时回复的处理情况；

和/或，

通过进行相应处理的处理人员佩戴的维修记录仪获取处理情况；

和/或，

获取所述第一机器人进入维修模式后激活的维修记录单元记录的处理情况。

6.如权利要求5所述的一种机器人的异常监控和处理***，其特征在于，所述指导模块基于所述处理情况，进行相应处理指导，包括：

将异常处理的结果和所述处理情况输入预设的处理缺陷识别模型，确定至少一个处理缺陷项；

获取所述处理缺陷项对应的预设的指导信息；

将所述指导信息投递至所述处理人员的人员终端和/或佩戴的维修记录仪；

和/或，

获取进行相应处理的处理现场的现场图像；

基于所述现场图像，确定所述处理人员的面部的第一位置和第一朝向；

获取所述处理现场内所述第一位置周边预设的范围内的多个显示设备的第二位置和第二朝向；

基于所述第一位置和所述第一朝向，构建第一方向向量；

基于所述第二位置和所述第二朝向，构建第二方向向量；

控制所述第二方向向量和所述第一方向向量的夹角中最大所述夹角对应的所述显示设备临时显示所述指导信息。

7.一种机器人的异常监控和处理方法，其特征在于，包括：

步骤1：当第一机器人执行第一任务时，构建对应于所述第一任务的异常监控库；

步骤2：基于所述异常监控库，对所述第一机器人进行异常监控；

步骤3：基于异常监控的结果，进行相应处理；

步骤4：当进行相应处理时，获取处理情况，基于所述处理情况，进行相应处理指导；

所述方法还包括：

当进行相应处理的处理人员输入需要进行对接的专家人员时，将所述处理人员与所述专家人员进行对接；

其中，所述将所述处理人员与所述专家人员进行对接，包括：

构建在线会议室；

将所述处理人员和所述专家人员接入所述在线会议室；

对所述处理情况进行归类分组，获得多个第一情况类型的分组数据；

在所述在线会议室内的公共显示区内构建所述第一情况类型的总数目个显示分区；

将多个第一情况类型的分组数据随机映射至各所述显示分区；

持续获取所述处理人员和所述专家人员在所述在线会议室内进行交流产生的多个交流记录；

建立时间轴线；

基于所述交流记录的产生时间点，将所述交流记录对应设置于所述时间轴线上；

对所述时间轴线上最近预设的时间内的所述交流记录进行语义提取，获得至少一个第一语义；

获取所述第一情况类型对应的预设的触发语义库；

将所述第一语义与所述触发语义库中的第二语义进行匹配；

若匹配符合，获取匹配符合的所述第二语义对应的预设的触发值；

若累加计算所述触发值的触发值和大于等于预设的触发值和阈值，将对应所述第一情况类型作为第二情况类型；

获取所述第二情况类型的总数目对应的预设的触发值和放大策略库，确定所述第二情况类型对应的所述触发值和对应的放大策略；

基于所述放大策略，将对应所述第二情况类型的分组数据映射至的所述显示分区进行放大处理。

8.如权利要求7所述的一种机器人的异常监控和处理方法，其特征在于，所述步骤1中，构建对应于所述第一任务的异常监控库，包括：

从本地和/或大数据平台上获取多个机器人运行异常记录项，所述机器人运行异常记录项包括：第二机器人执行第二任务时产生的至少一个第一异常项以及所述第二机器人当时的第一属性信息；

对所述第一任务和所述第二任务进行第一差异分析；

对所述第二机器人当时的第一属性信息和所述第一机器人当前的第二属性信息进行第二差异分析；

基于预设的第一特征提取模板对第一差异分析和第二差异分析的结果进行特征提取，获得多个第一特征值；

基于所述第一特征值，构建差异描述向量；

基于所述差异描述向量和预设的价值识别库，确定价值度；

若所述价值度大于等于预设的价值度阈值，将对应所述第二机器人执行对应第二任务时产生的至少一个第一异常项作为待入库目标；

对各所述待入库目标进行整合入库，获得对应于所述第一任务的异常监控库，完成构建。

9.如权利要求8所述的一种机器人的异常监控和处理方法，其特征在于，所述步骤2：基于所述异常监控库，对所述第一机器人进行异常监控，包括：

获取所述第一机器人的运行参数；

获取所述异常监控库中的所述第一异常项对应的预设的异常监控策略，所述异常监控策略包括：参数提取策略和异常分析策略；

基于所述参数提取策略，从所述运行参数中提取目标参数；基于所述异常分析策略，对所述目标参数进行异常分析，完成监控。

Images