[發明專利]基于機器學習的工業機器人性能指標評價設備及方法有效

申請號：	202010618573.6	申請日：	2020-06-30
公開（公告）號：	CN111832921B	公開（公告）日：	2023-09-26
發明（設計）人：	張彩霞;王斯琪	申請（專利權）人：	佛山科學技術學院
主分類號：	G06Q10/063	分類號：	G06Q10/063;G06N20/00
代理公司：	廣州嘉權專利商標事務所有限公司 44205	代理人：	蔡偉杰
地址：	528000 廣東***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于機器學習工業機器人性能指標評價設備方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.基于機器學習的工業機器人性能指標評價方法，其特征在于，包括以下步驟：

步驟101、分別獲取機械臂的臨界承重力N、避障處理時間T1以及CPU反應時間T2；

步驟102、根據機械臂的臨界承重力N進行轉換得到第一性能評價因子Y1，根據避障處理時間T1進行轉換得到第二性能評價因子Y2，根據CPU反應時間T2進行轉換得到第三性能評價因子Y3；

步驟103、將第一性能評價因子Y1、第二性能評價因子Y2以及第三性能評價因子Y3帶入權重預測模型得到待評測的工業機器人的性能得分X，所述權重預測模型為：

X=Y1*W1+Y2*W2+Y3*W3；

其中W1為所述第一性能評價因子Y1的權重值，W2為所述第二性能評價因子Y2的權重值，W3為所述第三性能評價因子Y3的權重值；

步驟104、根據所述性能得分與性能指標對比表進行匹配對待評測的工業機器人進行性能評價，所述性能指標對比表包括性能得分區間以及所述性能得分區間對應的性能評價等級；

上述步驟102中得到第一性能評價因子Y1、得到第二性能評價因子Y2以及得到第三性能評價因子Y3的具體方式包括以下：

選取一批P個新產出的質檢合格的工業機器人作為樣本，將樣本中的工業機器人的臨界承重力、避障處理時間以及CPU反應時間取平均值作為參照的工業機器人的臨界承重力n、避障處理時間t1以及CPU反應時間t2；

則第一性能評價因子Y1=N/n，第二性能評價因子Y2=t1/T1，第三性能評價因子Y3=t2/T2。

2.根據權利要求1所述的基于機器學習的工業機器人性能指標評價方法，其特征在于，上述步驟103中的權重預測模型的權重W1、W2以及W3通過層次分析法或隨機森林算法進行訓練得到。

3.根據權利要求1所述的基于機器學習的工業機器人性能指標評價方法，其特征在于，上述步驟104中的所述性能指標對比表的所述性能得分區間一共設置有4個，分別為區間1[min，0.25max]，所述區間1對應較差性能評價等級；區間2[0.25max，0.5max]，所述區間2對應中等性能評價等級；區間3[0.5max，0.75max]，所述區間3對應較佳性能評價等級；區間4[0.75max，max]，所述區間4對應優秀性能評價等級；

其中min為最低性能得分，max為最高性能得分。

4.基于機器學習的工業機器人性能指標評價系統，其特征在于，包括：

第一獲取模塊，用于獲取待評測工業機器人的機械臂的臨界承重力N、避障處理時間T1以及CPU反應時間T2；

第一轉換模塊，用于根據機械臂的臨界承重力N進行轉換得到第一性能評價因子Y1，根據避障處理時間T1進行轉換得到第二性能評價因子Y2，根據CPU反應時間T2進行轉換得到第三性能評價因子Y3；

第一計算模塊，用于將第一性能評價因子Y1、第二性能評價因子Y2以及第三性能評價因子Y3帶入權重預測模型得到待評測的工業機器人的性能得分X，所述權重預測模型為：

X=Y1*W1+Y2*W2+Y3*W3；

第一比對模塊，用于根據所述性能得分與性能指標對比表進行匹配對待評測的工業機器人進行性能評價，所述性能指標對比表包括性能得分區間以及所述性能得分區間對應的性能評價等級；

所述第一轉換模塊中得到第一性能評價因子Y1、得到第二性能評價因子Y2以及得到第三性能評價因子Y3的具體方式包括：

則第一性能評價因子Y1=N/n，第二性能評價因子Y2=t1/T1，第三性能評價因子Y3=t2/T2。

5.基于機器學習的工業機器人性能指標評價設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1-3任一項所述的基于機器學習的工業機器人性能指標評價方法的步驟。