一种农机机器人多机调度场景下的状态监控方法及系统与流程

本发明涉及农机机器人，尤其涉及一种农机机器人多机调度场景下的状态监控方法及系统。

背景技术：

1、随着智慧农业技术的发展与农业规模化经营的推进，农机机器人逐步替代传统人工驾驶农机，承担起耕作、播种、植保、收割等各环节的作业任务。此类设备通常以电池作为动力源，依靠电机驱动行走机构与作业机构，并通过车载控制器实现自主导航与路径规划，已成为现代化农业生产的核心装备之一。在规模化农场与农业合作社的生产场景中，往往需要同时调度多台农机机器人开展联合作业，对设备运行状态的集中监控、异常预警与运维响应提出了迫切需求，稳定可靠的多机状态监控系统已成为保障农机作业效率与生产连续性的关键支撑。

2、目前，针对农机设备的状态监控主要存在以下三类现有技术方案：

3、第一类为基于本地仪表盘的人工巡检方式，是当前中小型农机合作社普遍采用的管理手段。每台农机机器人的驾驶舱或车体侧面配置有物理指针仪表或简易led数码显示屏，用于显示电池剩余电量格数、电机运行指示灯状态及散热器温度警示标志，由现场巡检人员逐台查看设备状态。该方案仅能实现本地、离散的状态查看，数据获取严重滞后且不具备实时性，两次巡检之间会形成数十分钟甚至数小时的监控盲区，若期间发生电机过载发热、电池电压骤降等异常状况，无法被即时发现。同时，该方案的多机管理能力极为有限，当同时作业的农机机器人数量较多且分散在不同地块时，人工巡检工作量大幅提升，运营人员难以全面掌握整体机群的运行状态；且关键运行参数仅留存于设备本地，无法上传汇总形成数据集合，导致故障诊断完全依赖现场人员的经验判断，缺乏数据支撑的远程运维决策依据。

4、第二类为基于gps/北斗定位模块的远程追踪产品，已应用于部分中高端农机设备或后装改造设备中。该方案通过在农机机器人上安装定位终端，终端内置移动通信模块与卫星定位芯片，按照固定时间间隔向云端服务器上传设备的地理坐标、行驶速度与方向角信息，运营人员可通过手机app或电脑网页查看各台农机的实时位置轨迹与历史行驶路线，主要用于设备防盗、作业面积统计与大致的调度指挥。该方案仅能获取设备的位置与运动状态信息，完全无法感知电池电化学状态、电机电气参数、核心部件热力学状态等决定设备健康水平的关键内部工况，运营人员仅能获知设备的位置，却无法判断设备的运行健康状态。同时，该方案缺乏异常主动预警与运维联动机制，当设备因故障停驶时，定位终端仅能呈现速度归零的状态，无法与正常停车等待状态自动区分，系统无法主动识别异常并通知运维人员，仍需依赖现场人员电话报修，未能形成从监控发现到故障处置的业务闭环。

5、第三类为现有通用物联网监控平台，例如主流商用农机管理平台，可对农机设备进行远程监测与基础故障提醒。此类平台通常采用固定周期轮询的方式采集设备数据，对电池状态的监测仅依赖电压单一指标，告警策略采用固定阈值比较的方式，且多机管理采用统一的数据采集频率与固定存储策略。该类方案在农机作业场景下存在多处不足，其一，电池状态评估精度不足，现有平台对电池soc的估算通常采用单一库仑计法或开路电压法，未考虑农机作业中频繁出现的大电流冲击、剧烈振动导致的接触电阻变化、农田昼夜大温差等因素对电池特性的影响，实际工况下soc估算误差较大，远超标称精度；其二，告警策略不具备工况自适应能力，固定阈值告警无法区分正常负载变化引起的参数波动与真正的异常劣化趋势，农机爬坡、深耕等正常作业工况下易频繁产生误报，而轻载巡航时又易漏报早期故障；其三，数据传输策略未针对农田弱信号环境优化，农田作业区域多处于通信信号覆盖薄弱地带，固定频率的上报策略易在弱信号区域造成大量数据丢失，信号恢复后也缺乏有效的数据补传与一致性保障机制；其四，多机并发场景下缺乏针对性的数据分级存储策略，当数十台农机同时上报数据时，统一的存储策略会造成时序数据库写入压力过大，查询响应时间显著增加，无法满足实时监控的低延迟要求。

6、综上，现有农机状态监控技术均难以适配农机机器人多机调度场景下复杂农田工况、弱信号通信环境与大规模机群并发监控的需求，无法同时实现高精度的电池状态评估、低误报率的异常检测、高可靠的数据传输与高效的多机并发数据管理，也难以形成从异常发现到运维处置的全流程方案，制约了规模化农机机器人作业的运维效率与作业稳定性。

技术实现思路

1、为此，本发明提供一种农机机器人多机调度场景下的状态监控方法及系统，解决现有农机监控在农田复杂工况下电池状态估算误差大，固定阈值告警误漏报多，弱信号环境数据可靠性差，多机并发存储效率低，且缺乏运维与调度联动的问题。

2、为了实现上述目的，本发明提供如下技术方案：一种农机机器人多机调度场景下的状态监控方法，包括以下步骤：

3、s1、设备上线与工况初始化：农机机器人端启动后与云平台建立通信长连接，向云平台上报设备基础信息与初始自检数据；所述云平台完成所述农机机器人端的设备身份认证后，根据设备型号加载对应的工况参数基线配置，初始化实时数据传输通道并更新设备在线状态；

4、s2、工况自适应实时监控：所述农机机器人端基于采集的多源运行数据实时识别当前作业模式，将作业模式标签随实时工况数据同步上报至所述云平台；所述云平台依据接收的所述作业模式标签匹配对应参数基线与动态告警阈值，对实时工况数据执行工况自适应的异常检测，并按单设备与机群两个维度展示运行态势，以对多机运行状态全域实时感知；

5、s3、分级告警与智能运维联动：当所述云平台的异常检测结果超出对应动态告警阈值时，所述云平台根据异常严重程度与影响范围划分告警等级，并执行对应等级的联动处置策略；同时生成包含设备标识、告警类型、工况上下文与处置建议的结构化工单并推送至运维终端，形成从告警触发、工单派发、现场处置到确认的全流程运维管理；

6、s4、多机调度联动：当所述农机机器人端因故障触发紧急告警导致作业中断时，所述云平台将故障设备的位置信息、剩余作业量同步至机群调度系统；所述机群调度系统结合在线设备的电池状态、空间位置与作业能力匹配度执行任务重规划，将剩余作业任务优化分配至剩余在线设备；故障设备修复并通过自检后，重新纳入作业调度池；

7、s5、作业完成与数据归档：全部农机机器人完成当前批次作业后，所述云平台将本次作业全量数据按分级存储架构执行分层归档，生成包括设备能耗分析、异常事件汇总与工况分布统计的作业报告，通知所述运维终端与所述机群调度系统作业完成，以实现作业数据的全生命周期管理。

8、作为农机机器人多机调度场景下的状态监控方法优选方案，步骤s2中，所述农机机器人端基于采集的多源运行数据实时识别当前作业模式，将作业模式标签随实时工况数据同步上报至所述云平台后，所述云平台对电池荷电状态soc的估算采用多因子工况自适应修正方式，具体包括：

9、基于电机电流特征、车体振动特征与定位行驶速度判定当前作业模式，所述作业模式包括耕作、播种、植保、收割、转场、待机六类；

10、采用温度-电流耦合效率因子与振动修正因子对库仑计积分结果进行实时修正，得到初步soc值，计算公式为：

11、

12、式中，为t时刻的soc值，为初始soc值，按上次正常关机保存值、静置开路电压反查值、出厂标定默认值的优先级确定；为电池额定容量；为瞬时放电电流；为温度-电流耦合效率因子，用于补偿环境温度与放电电流对库仑效率的影响；为振动修正因子，用于补偿农田颠簸路面导致的电池接触电阻变化对电流测量精度的影响；

13、所述温度-电流耦合效率因子的计算公式为：

14、

15、式中，为基准库仑效率；为电池实测温度；为参考温度；、为温度补偿系数，由电池特性标定获得；为大电流修正系数，用于补偿大电流放电对库仑效率的影响；为电池额定放电电流；

16、所述振动修正因子的计算公式为：

17、

18、式中，为车体三轴加速度计的均方根值；为平整路面基线振动值；为振动对接触电阻影响的修正系数。

19、作为农机机器人多机调度场景下的状态监控方法优选方案，所述初步soc值采用离散递推方式实现，计算公式为：

20、

21、式中，为第k个采样时刻的soc值；为上一采样时刻的soc值；为当前采样间隔内的等效电流，高动态工况下取中值以抑制瞬态尖峰，稳态工况下取均值以提升计算效率；为当前采样间隔的时长；

22、对soc值施加物理约束：

23、

24、设置soc漂移校正机制，当连续更新后的累计校正量超过预设漂移阈值时，在待机静置、满充截止、欠压保护触发的时机触发soc重标定，修正积分产生的漂移误差。

25、作为农机机器人多机调度场景下的状态监控方法优选方案，步骤s2中，还包括开路电压ocv映射校正步骤：

26、预先存储ocv-soc映射关系，当检测到电池处于静置状态且静置时长满足预设条件时，读取当前ocv值，通过映射关系得到ocv法soc值，再将库仑计法soc值与ocv法soc值加权融合，得到最终soc估算结果，融合计算公式为：

27、

28、式中，为融合后的soc值；为库仑计积分法计算的soc值；为ocv映射得到的soc值；为权重系数，取值范围为0.7至0.9。

29、作为农机机器人多机调度场景下的状态监控方法优选方案，步骤s2中，所述云平台还采用容量比与内阻比加权融合的多因子评估方式计算电池健康度soh，具体包括：

30、容量比方式计算soh，公式为：

31、

32、式中，为电池当前可用容量，通过完整充放电积分或受控电流下积分估计获得；为电池额定容量；

33、内阻比方式计算soh，公式为：

34、

35、式中，为电池标称内阻；为电池当前内阻，通过阶跃负载下的电压电流变化量计算得到，计算公式为：

36、

37、式中，、为负载阶跃前的电压与电流，、为负载阶跃后的电压与电流；

38、将容量比soh与内阻比soh加权融合得到综合soh，公式为：

39、

40、式中，、为权重系数，满足。

41、作为农机机器人多机调度场景下的状态监控方法优选方案，所述农机机器人端与所述云平台之间采用信号质量感知的自适应数据采传机制，具体包括：

42、将上报数据划分为低频状态帧、高频遥测帧、事件告警帧与任务进度帧并采用差异化上报策略；高频遥测帧的上报频率随作业模式与信号质量动态调整，计算公式为：

43、

44、式中，为基础上报频率；为工况系数，对应不同作业模式设置不同取值；为信号质量系数，计算公式为：

45、

46、式中，为当前无线信号强度，为良好信号强度基准值；

47、所有上报数据携带时间戳，时间戳换算关系为，每帧数据附加帧序列号与crc校验码，所述云平台通过序列号连续性检测数据丢失，通过校验码验证数据完整性；

48、所述农机机器人端维护本地环形缓存区，当检测到网络中断时将数据写入本地缓存；网络恢复后，按事件告警帧、状态帧、遥测帧的优先级顺序补传数据，且补传带宽限制为当前可用带宽的预设比例；

49、所述云平台通过保活机制判定设备在线与离线状态，保活超时阈值计算公式为：

50、

51、式中，为当前时间；为设备最后上报保活心跳包的时间；为容错因子；当设备最后上报时间早于所述保活超时阈值时，判定设备离线并触发离线告警；

52、同时设置数据陈旧判定机制，计算公式为：

53、

54、式中，为设备最后有效数据更新时间；为数据陈旧时长；当数据陈旧时长超过预设阈值时，将展示状态降级为状态过期。

55、作为农机机器人多机调度场景下的状态监控方法优选方案，步骤s2中，对实时工况数据执行工况自适应的异常检测，具体包括：

56、为每台设备的每种作业模式维护独立的参数基线分布，基线包含各监测参数的均值与标准差，基线参数通过指数移动平均方式在线更新，更新公式为：

57、

58、式中，为第k次更新后的基线均值；为第k次采样的参数值；为平滑系数，根据工况稳定程度自适应调整；

59、针对温度类参数，计算温度变化速率，结合作业模式基线与环境温度修正项生成动态温升阈值，当温度变化速率超出动态温升阈值时触发温升过快告警；

60、温度变化速率计算公式为：

61、

62、式中，为第k次采样的温度值；为计算跨度点数；为采样间隔；

63、动态温升阈值计算公式为：

64、

65、式中，为对应作业模式下温升速率的基线均值；为对应作业模式下温升速率的基线标准差；为置信度系数；为环境温度修正项。

66、作为农机机器人多机调度场景下的状态监控方法优选方案，步骤s2中，对实时工况数据执行工况自适应的异常检测，还包括电压骤降检测，具体包括：

67、对电池端电压进行实时监测，采用有限差分法计算电压变化率，计算公式为：

68、

69、式中，为第k次采样时刻的端电压；为第k-m次采样时刻的端电压；为跨度点数；

70、计算前对电压数据进行滑动平均去噪处理，滑动平均公式为：

71、

72、式中，为滤波后的电压值；为滑动窗口长度；

73、结合电流限制条件排除正常负载波动，当电压下降速率超出预设阈值时触发电压骤降告警；

74、同时采用窗口跌落幅度作为补充判据，计算公式为：

75、

76、式中，为长度为l的滑动窗口电压序列；为窗口内最大电压值；为窗口内最小电压值；为窗口内电压跌落幅度。

77、作为农机机器人多机调度场景下的状态监控方法优选方案，还包括，多维关联异常检测与告警去重机制：

78、当单一维度参数处于疑似异常区间时，启动多维关联异常评分计算，综合多维度参数的基线偏离程度判定是否触发多参数协同异常告警，异常评分计算公式为：

79、

80、式中，为第i个参数的权重；为第i个参数的实测值；为对应作业模式下第i个参数的基线均值；为对应作业模式下第i个参数的基线标准差；

81、告警分为紧急、重要、一般三个等级：紧急告警触发设备限功率或停机保护动作，并通过多渠道同步推送；重要告警生成运维工单并推送至负责人员；一般告警记入观察队列暂存；

82、采用告警去重抑制窗口机制，抑制窗口起始时间计算公式为：

83、

84、式中，为当前告警触发时间；为去重抑制窗口基础时长；为去重窗口起始时间；在区间内若存在同类未处理告警，则抑制重复推送；

85、抑制窗口时长采用动态调整方式，计算公式为：

86、

87、式中，为对应告警等级的基础抑制时长；为重复抑制增长系数；为预设周期内的同类告警触发次数；同类告警频繁触发时自动延长抑制窗口，并升级告警等级。

88、本发明还提供一种农机机器人多机调度场景下的状态监控系统，采用上述的农机机器人多机调度场景下的状态监控方法，包括：

89、设备上线与工况初始化模块，用于农机机器人端启动后与云平台建立通信长连接，向云平台上报设备基础信息与初始自检数据；所述云平台完成所述农机机器人端的设备身份认证后，根据设备型号加载对应的工况参数基线配置，初始化实时数据传输通道并更新设备在线状态；

90、工况自适应实时监控模块，用于所述农机机器人端基于采集的多源运行数据实时识别当前作业模式，将作业模式标签随实时工况数据同步上报至所述云平台；所述云平台依据接收的所述作业模式标签匹配对应参数基线与动态告警阈值，对实时工况数据执行工况自适应的异常检测，并按单设备与机群两个维度展示运行态势，以对多机运行状态全域实时感知；

91、分级告警与智能运维联动模块，用于当所述云平台的异常检测结果超出对应动态告警阈值时，所述云平台根据异常严重程度与影响范围划分告警等级，并执行对应等级的联动处置策略；同时生成包含设备标识、告警类型、工况上下文与处置建议的结构化工单并推送至运维终端，形成从告警触发、工单派发、现场处置到确认的全流程运维管理；

92、多机调度联动模块，用于当所述农机机器人端因故障触发紧急告警导致作业中断时，所述云平台将故障设备的位置信息、剩余作业量同步至机群调度系统；所述机群调度系统结合在线设备的电池状态、空间位置与作业能力匹配度执行任务重规划，将剩余作业任务优化分配至剩余在线设备；故障设备修复并通过自检后，重新纳入作业调度池；

93、作业完成与数据归档模块，用于全部农机机器人完成当前批次作业后，所述云平台将本次作业全量数据按分级存储架构执行分层归档，生成包括设备能耗分析、异常事件汇总与工况分布统计的作业报告，通知所述运维终端与所述机群调度系统作业完成，以实现作业数据的全生命周期管理。

94、本发明具有如下优点：

95、本发明通过工况识别结合温度-电流耦合效率补偿、振动接触电阻修正的多因子库仑计算法，搭配静置开路电压融合校正机制，有效抵消农田昼夜温差大、路面颠簸、大电流间歇放电的复杂工况干扰，大幅提升电池荷电状态与健康状态的估算精度，为设备运维与调度决策提供可靠的数据基础。

96、本发明基于作业模式的动态基线阈值机制，可自动区分正常作业负载波动与设备异常劣化，从根源降低误报；配合多维关联异常评分机制，可捕获单一指标变化不显著的早期复合劣化趋势，实现从事后被动报警到事前主动预警的升级。

97、本发明采用信号质量感知的自适应上报频率调节，结合本地缓存断网续传与分级优先级补传策略，适配农田通信覆盖薄弱的作业环境，有效降低网络波动造成的数据丢失，保障监控数据的连续性与一致性，且数据补传不挤占实时数据流带宽。

98、本发明通过分级告警、自动工单编排与全生命周期闭环管理，大幅缩短异常发现至运维响应的时间，显著提升故障处置效率；同时故障信息与机群调度系统联动，可自动完成剩余任务的重分配，保障农忙时节作业任务的连续性，降低设备故障造成的生产损失，实现监控、告警、运维、调度的全流程自动化。