[發明專利]機器人異常分析方法及裝置

有效

• 申請號: 201811094497.2
• 申請日: 2018-09-19
• 公開（公告）號: CN109165234B
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 支濤;應甫臣
• 申請（專利權）人: 北京云跡科技有限公司
• 主分類號: G06F16/245
• 分類號: G06F16/245;G06F16/215
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 唐海力;李志剛

1.一種機器人異常分析方法，其特征在于，包括：

收集機器人的業務數據以及運行日志；其中，所述業務數據為所述機器人接收的任務的數據，所述運行日志為用于保存所述機器人運行記錄的日志；

收集所述機器人的基本狀態數據以及傳感器檢測數據；

對所述業務數據、運行日志、基本狀態數據以及傳感器檢測數據進行分析及處理，判斷是否存在異常狀態；

在存在異常狀態時，生成異常告警信息；

所述對所述基本狀態數據以及傳感器檢測數據進行分析及處理，包括：

預先確定所述機器人的正常狀態數據以及正常的傳感器檢測數據；

將所述基本狀態數據以及傳感器檢測數據分別與所述正常狀態數據以及正常的傳感器檢測數據進行對比，并得到比對結果；

根據所述比對結果判斷所述基本狀態數據以及傳感器檢測數據是否存在問題，并且當存在問題時，生成告警信息。

2.根據權利要求1所述的機器人異常分析方法，其特征在于，對所述業務數據和運行日志進行分析及處理，包括：

對業務數據和運行日志中相關的數據進行清洗，并得到清洗后的業務數據和運行日志；

對所述清洗后的業務數據和運行日志初步處理，得到初步處理后的業務數據和運行日志；

將所述初步處理后的業務數據和運行日志進行存儲。

3.根據權利要求1所述的機器人異常分析方法，其特征在于，在對所述業務數據、運行日志、基本狀態數據以及傳感器檢測數據進行分析及處理之后，還包括：

通過數據挖掘及機器學習的方法對進行分析及處理之后的業務數據、運行日志、基本狀態數據以及傳感器檢測數據進行挖掘分析；

將進行挖掘分析后的數據作為經驗數據。

4.根據權利要求1所述的機器人異常分析方法，其特征在于，在生成異常告警信息之后，還包括：

通過應用程序、微信公眾號或微信小程序將所述異常告警信息發送至相應的智能終端。

5.一種機器人異常分析裝置，其特征在于，包括：

第一收集單元，用于收集機器人的業務數據以及運行日志；其中，所述業務數據為所述機器人接收的任務的數據，所述運行日志為用于保存所述機器人運行記錄的日志；

第二收集單元，用于收集所述機器人的基本狀態數據以及傳感器檢測數據；

異常分析單元，用于對所述業務數據、運行日志、基本狀態數據以及傳感器檢測數據進行分析及處理，判斷是否存在異常狀態；

告警生成單元，用于在存在異常狀態時，生成異常告警信息；

所述異常分析單元，包括：

正常數據預設模塊，用于預先確定所述機器人的正常狀態數據以及正常的傳感器檢測數據；

比對模塊，用于將所述基本狀態數據以及傳感器檢測數據分別與所述正常狀態數據以及正常的傳感器檢測數據進行對比，并得到比對結果；

告警模塊，用于根據所述比對結果判斷所述基本狀態數據以及傳感器檢測數據是否存在問題，并且當存在問題時，生成告警信息。

6.根據權利要求5所述的機器人異常分析裝置，其特征在于，所述異常分析單元，包括：

數據清洗模塊，用于對業務數據和運行日志中相關的數據進行清洗，并得到清洗后的業務數據和運行日志；

初步處理模塊，用于對所述清洗后的業務數據和運行日志初步處理，得到初步處理后的業務數據和運行日志；

存儲模塊，用于將所述初步處理后的業務數據和運行日志進行存儲。

7.根據權利要求5所述的機器人異常分析裝置，其特征在于，還包括：數據分析單元；所述數據分析單元包括：

挖掘分析模塊，用于通過數據挖掘及機器學習的方法對進行分析及處理之后的業務數據、運行日志、基本狀態數據以及傳感器檢測數據進行挖掘分析；

經驗數據模塊，用于將進行挖掘分析后的數據作為經驗數據。

8.根據權利要求5所述的機器人異常分析裝置，其特征在于，還包括：

發送單元，用于通過應用程序、微信公眾號或微信小程序中的一種或多種將所述異常告警信息發送至相應的智能終端。