足式机器人自稳定降权退避方法、系统、介质和电子设备与流程

摘要: 本发明涉及机器人,更具体的,涉及一种足式机器人自稳定降权退避方法、系统、介质和电子设备。背景技术:1、足式机器人在重工业动火监护场景中,通常搭载红外热像仪、可见...
足式机器人自稳定降权退避方法、系统、介质和电子设备与流程

本发明涉及机器人,更具体的,涉及一种足式机器人自稳定降权退避方法、系统、介质和电子设备。

背景技术:

1、足式机器人在重工业动火监护场景中,通常搭载红外热像仪、可见光相机和可燃气体传感器等监护载荷,沿预设巡逻路线执行温度监测、气体检测与场景监控任务。

2、现有的足式机器人普遍搭载惯性测量单元(imu,inertial measurement unit)和足端力传感器用于本体姿态估计与运动控制,当检测到机体姿态角或加速度超过预设阈值时,触发防摔倒调整(如降低重心、扩大支撑多边形、切换至静态稳定步态等),以确保机器人在复杂地形下的行走稳定性和安全性。同时,在多传感器数据融合方面,现有系统通常采用卡尔曼滤波、贝叶斯推断或d-s证据理论对多源传感信息进行融合,对单一传感器数据质量的评估普遍基于传感器自身健康状态(如通信超时、信号饱和、自检异常)来标记数据是否可用。

3、然而,上述现有技术存在三方面缺陷:

4、第一,imu与足端力数据仅用于运动控制回路,未与监护传感数据的置信度评估建立任何映射关系,当机器人因外部机械冲击(如锤击震动、吊装落地)或支撑面非刚性(如格栅跳板、油污软泥面)产生不稳定时,红外热像仪因微振动产生像元漂移和测温偏差、气体传感器因气流扰动产生读数尖峰,但系统仍以同等权重信任所有采集数据,导致虚警率居高不下;

5、第二,当机器人驻足位置不再安全或稳定时,现有方案仅触发防摔倒姿态控制,既无机制告知上层监护系统临时盲区的持续时间与范围,也无自动退避至稳定驻足点的路径规划能力,更无稳定后自动恢复监护拓扑的功能,导致监护出现不可控的真空窗口;

6、第三,机器人稳定性事件与监护告警响应子系统相互独立、互不通信,当机器人因外界扰动产生虚警触发安全切断(如误关气阀)时,无法追溯该虚警是否与机器人不稳定状态相关,严重影响了监护系统的决策可信度。

技术实现思路

1、本发明的目的是提供一种足式机器人自稳定降权退避方法、系统、介质和电子设备,用于解决现有技术中因机器人本体不稳定导致的监护数据虚警率高、退避时产生监护真空窗口以及无法区分真实危险与误判导致误切断的技术问题。

2、本发明第一方面提供了一种足式机器人自稳定降权退避方法,包括以下步骤:

3、获取基础数据进行预处理得到同步状态数据帧,所述基础数据至少包括加速度数据、角速度数据和足端触力数据;

4、基于所述同步状态数据帧计算多维稳定状态指标,所述多维稳定状态指标至少包括振动强度指标、足端触力分布均匀度指标和有效支撑足数目指标;

5、比较所述多维稳定状态指标与预设阈值以判定当前足式机器人的自身稳定状态等级;

6、基于所述自身稳定状态等级和所述多维稳定状态指标计算各监护传感通道的降权因子,并对所述降权因子进行平滑得到平滑降权因子向量;

7、利用所述平滑降权因子向量对各监护传感通道的原始监护数据进行置信度加权,得到加权后的监护特征值;

8、基于所述监护特征值构造多源证据链,并根据所述多源证据链和所述自身稳定状态等级执行分级响应决策。

9、本方案中,所述获取基础数据进行预处理得到同步状态数据帧,具体包括:

10、按统一时间基准对所述加速度数据、所述角速度数据和所述足端触力数据进行插值对齐,生成时间同步后的原始数据包;

11、对所述时间同步后的原始数据包中的加速度数据和角速度数据应用低通滤波器进行滤波去噪;

12、对所述足端触力数据应用中值滤波器进行滤波去噪;

13、将滤波去噪后的数字信号转换为物理单位量,以得到所述同步状态数据帧,其中,所述加速度数据、所述角速度数据来自所述足式机器人的惯性测量单元,所述足端触力数据来自所述足式机器人的各足端触力传感器。

14、本方案中,所述基于所述同步状态数据帧计算多维稳定状态指标,具体包括:

15、获取当前时刻的所述同步状态数据帧,并读取滑动窗口历史数据缓存,其中,所述滑动窗口的长度为0.5秒至2.0秒;

16、对所述滑动窗口内的加速度序列计算合成幅值并取峰值,对角速度序列计算合成幅值并取峰值;

17、对所述加速度序列进行傅里叶变换提取特征频带的能量占比,加权融合所述加速度合成幅值峰值、所述角速度合成幅值峰值和所述特征频带能量占比,以得到所述振动强度指标;

18、计算各足端垂向力的最大值与最小值之差相对于均值的偏离程度,得到所述足端触力分布均匀度指标;

19、统计各足端垂向力大于预设触地力阈值的足端数量,得到所述有效支撑足数目指标。

20、本方案中,所述比较所述多维稳定状态指标与预设阈值以判定当前足式机器人的自身稳定状态等级,具体包括:

21、所述自身稳定状态等级至少包括稳定等级、轻度扰动等级和严重失稳等级,其中,

22、当所述振动强度指标小于第一振动阈值、所述足端触力分布均匀度指标大于第一均匀度阈值且所述有效支撑足数目指标大于或等于第一数目时,判定所述自身稳定状态等级为所述稳定等级;

23、当所述振动强度指标大于或等于所述第一振动阈值且小于第二振动阈值,或者所述足端触力分布均匀度指标大于第二均匀度阈值且小于或等于所述第一均匀度阈值,或者所述有效支撑足数目指标等于第一数目时,判定所述自身稳定状态等级为所述轻度扰动等级,其中所述第二振动阈值大于所述第一振动阈值,所述第二均匀度阈值小于所述第一均匀度阈值;

24、当所述振动强度指标大于或等于所述第二振动阈值,或者所述足端触力分布均匀度指标小于或等于所述第二均匀度阈值,或者所述有效支撑足数目指标小于或等于第二数目时,判定所述自身稳定状态等级为所述严重失稳等级。

25、本方案中,所述基于所述自身稳定状态等级和所述多维稳定状态指标计算各监护传感通道的降权因子,并对所述降权因子进行平滑得到平滑降权因子向量,具体包括:

26、所述监护传感通道至少包括红外通道、可见光通道、可燃气体通道和声学通道,其中,

27、对所述红外通道,根据所述振动强度指标与所述第一振动阈值和所述第二振动阈值的关系,按红外敏感系数计算红外瞬时降权因子;

28、对所述可燃气体通道,根据所述振动强度指标与所述第一振动阈值和所述第二振动阈值的关系以及所述足端触力分布均匀度指标与所述第一均匀度阈值和所述第二均匀度阈值的关系,按气体敏感系数和受力不均影响系数计算气体瞬时降权因子;

29、对所述红外瞬时降权因子和所述气体瞬时降权因子进行一阶低通滤波平滑,得到平滑后的红外降权因子和平滑后的气体降权因子;

30、分别设定所述可见光通道的可见光降权因子和所述声学通道的声学降权因子,其中,所述可见光降权因子在所述严重失稳等级时的取值小于在所述轻度扰动等级时的取值,所述声学降权因子在所述严重失稳等级时的取值大于所述红外降权因子在所述严重失稳等级时的取值。

31、本方案中,所述利用所述平滑降权因子向量对各监护传感通道的原始监护数据进行置信度加权,得到加权后的监护特征值,具体包括:

32、所述监护特征值包括红外加权特征值、气体加权特征值、可见光加权特征值和声学加权特征值,其中,

33、获取所述红外通道的红外热像图,计算热点温升值,以所述平滑降权因子向量中的红外降权因子对所述热点温升值进行加权,得到红外加权特征值;

34、获取所述可燃气体通道的气体浓度值,以所述平滑降权因子向量中的气体降权因子对所述气体浓度值进行加权,得到气体加权特征值;

35、获取所述可见光通道的可见光图像,以所述平滑降权因子向量中的可见光降权因子对人员识别结果进行加权,得到可见光加权特征值;

36、获取所述声学通道的声学信号,以所述平滑降权因子向量中的声学降权因子对异常声事件识别结果进行加权,得到声学加权特征值。

37、本发明第二方面还提供一种足式机器人自稳定降权退避系统,包括存储器和处理器,所述存储器中包括足式机器人自稳定降权退避方法程序,所述足式机器人自稳定降权退避方法程序被所述处理器执行时实现如下步骤:

38、获取基础数据进行预处理得到同步状态数据帧,所述基础数据至少包括加速度数据、角速度数据和足端触力数据;

39、基于所述同步状态数据帧计算多维稳定状态指标,所述多维稳定状态指标至少包括振动强度指标、足端触力分布均匀度指标和有效支撑足数目指标;

40、比较所述多维稳定状态指标与预设阈值以判定当前足式机器人的自身稳定状态等级;

41、基于所述自身稳定状态等级和所述多维稳定状态指标计算各监护传感通道的降权因子,并对所述降权因子进行平滑得到平滑降权因子向量;

42、利用所述平滑降权因子向量对各监护传感通道的原始监护数据进行置信度加权,得到加权后的监护特征值;

43、基于所述监护特征值构造多源证据链,并根据所述多源证据链和所述自身稳定状态等级执行分级响应决策。

44、本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种足式机器人自稳定降权退避方法程序,所述足式机器人自稳定降权退避方法程序被处理器执行时,实现如上述任一项所述的一种足式机器人自稳定降权退避方法的步骤。

45、本发明第四方面提供了一种计算机程序产品,所述计算机程序产品中包括计算机程序代码,当所述计算机程序代码在计算机上运行时,使得所述计算机实现如上述任一项所述的一种足式机器人自稳定降权退避方法的步骤。

46、本发明第五方面提供了一种电子设备,所述电子设备包括:处理器及存储器;其中,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电子设备执行如上述任一项所述的一种足式机器人自稳定降权退避方法的步骤。

47、本发明公开的一种足式机器人自稳定降权退避方法、系统、介质和电子设备,具有如下有益效果:

48、1.与现有方案将imu数据仅用于防摔倒控制不同,本发明首次建立了机器人自身不稳定到监护传感数据可信度降权的因果映射关系,通过传感通道特异的降权因子函数,在物理层面解释了不稳定如何影响不同类型传感器的测量质量,并据此调整决策权重。相比现有方案无差别信任所有采集数据的方式,本发明可降低动火监护的虚警率。

49、2.现有方案在机器人不稳定时要么硬扛(有摔倒风险),要么无计划撤离(留下监护盲区),本发明通过退避目标点的视场覆盖打分与退避过程中的最低感知维持,确保机器人在退避期间不丢失对动火点的基本感知能力,并在到达稳定点后自动重规划回归,同时向平台精确报告盲区窗口。

50、3.本发明将e.robotself维度纳入分级响应决策,明确规定当机器人处于sss-3且感知数据置信度大幅降权时,l2硬切断需更严格的多通道交叉验证方可执行,这一机制从根本上避免了因机器人晃动导致误关乙炔阀等灾难性误操作,是现有方案完全不具有的安全保障。

51、4.轮式动火监护机器人因地形限制无法进入船坞格栅板区、陡坡等区域,而本发明通过自稳定评估与退避机制,使足式机器人能够在这些复杂地形上可靠执行监护任务——在稳定时正常监护,不稳定时安全退避,恢复后自动回归,这大幅拓展了机器人动火监护的部署范围,从平坦车间扩展到坞区全地形。

52、5.通过退避时触发邻近机器人协同覆盖的机制,本发明在单机器人退避期间仍保持监护连续性,避免了现有方案中机器人撤出即等于进入盲区的问题。