一种面向电力设备柜体精细操作的策略生成与动态决策方法及系统
本发明属于机器人智能控制与电力设备智能运维,特别是涉及一种面向电力设备柜体精细操作的策略生成与动态决策方法及系统。
背景技术:
1、电力设备柜体广泛应用于变电站、换流站、配电室、开关站、工厂配电系统及其他电力运维现场。柜体内部通常设置有柜门、门锁、把手、按钮、旋钮、空气开关、压板、指示灯、端子排、抽屉式装置、保护装置面板、状态标识及设备铭牌等部件。在实际运维过程中,工作人员需要完成柜体身份确认、柜门开启、内部设备识别、目标部件状态确认、按钮按压、旋钮旋转、空气开关拨动、压板状态复核、抽屉拉出或推回、指示灯复核、柜门关闭以及作业结果记录等连续作业。
2、电力设备柜体精细操作不同于普通桌面物体抓取或搬运任务。柜体作业通常具有长程、多阶段、强约束的特点。以复位按钮操作为例,机器人需要先确认柜体身份和柜门状态,再识别目标按钮,随后生成按压动作,并在按压后判断按钮是否回弹、指示灯状态是否变化、是否需要记录结果。柜门是否打开到位、目标部件是否可见、按钮是否回弹、旋钮是否到达目标档位、开关是否拨动到位,都会影响后续操作能否继续执行。
3、现有机器人柜体操作方法主要包括固定流程式控制、人工示教轨迹复现、视觉识别结合运动规划的方法,以及基于视觉—语言—动作模型的端到端控制方法。固定流程式控制通常由人工预先配置完整作业流程,机器人按照既定顺序执行开柜、识别、操作、复核和关柜等步骤。该方式在柜体结构固定、部件位置稳定、作业流程较短时具有一定可行性,但实际现场中柜体状态和部件状态经常变化,固定流程难以根据实时反馈判断当前阶段是否已经完成或是否需要回退。
4、人工示教轨迹复现方法通过人工遥操作或示教机械臂完成某一类柜体操作,再由机器人复现该轨迹。该方法依赖示教场景与实际作业场景之间的一致性。当柜体型号、安装位置、按钮高度、旋钮方向、空气开关阻尼、抽屉滑轨阻力或柜门开合角度发生变化时,简单复现示教轨迹容易出现接触位置偏差、动作幅度不足、接触力异常或碰撞风险。
5、视觉识别结合运动规划的方法通常先由视觉模块识别目标部件位置,再由运动规划模块生成机械臂接近、按压、拨动、旋转或拉动动作。该方式提升了目标定位能力,但通常以单步操作为核心,缺少对完整柜体作业阶段的连续跟踪。系统可以识别某个按钮并生成按压动作,却未必能够稳定判断该按钮是否按压成功、是否回弹、是否需要再次复核或是否应切换至下一阶段。
6、现有视觉—语言—动作模型能够将图像、语言指令和机器人状态统一输入模型,并输出机器人动作。该方式减少了传统分层控制中的模块割裂问题,但常见方案仍将推理过程划分为固定的“规划”和“执行”两类状态。对于电力柜体精细操作而言,当前阶段是否应继续执行或切换,并不是简单的二状态问题,而是与目标部件状态、机器人位姿、夹爪状态、接触力、柜体结构状态和作业安全约束共同相关。仅依赖固定的规划/执行切换,容易在未完成动作时过早规划,也可能在应当重新判断时继续执行原动作。
7、在多技能动作生成方面,现有技术中存在基于多专家模型的方案。这类方案通常为不同技能或任务设置不同专家分支,并通过路由模块选择对应专家。该方式能够一定程度上减轻不同技能之间的参数干扰,但对于电力柜体精细操作,技能类别具有明显的层级性和细分性。例如,“按压”可进一步细分为正向低力按压、斜向按压、长按复位、带回弹检测按压;“旋转”可进一步细分为顺时针旋转、逆时针旋转、限位旋转和档位旋转;“拉出”可进一步细分为水平拉出抽屉、弧形拉开柜门和低速力控拉动。如果为每个细技能配置独立完整专家模型,模型规模将随细技能数量快速增长,训练成本、部署成本和维护成本均会增加。
8、现有技术仍需要一种面向电力设备柜体精细操作的策略生成与动态决策方法。该方法应能够根据多源状态信息判断当前操作阶段是否应终止,并在必要时更新任务链、当前步骤、粗技能、细技能和子目标;同时,应避免为每个细技能新增完整专家模型,而是通过轻量化技能调制机制使共享动作解码器适应不同细粒度操作,从而提高机器人在复杂柜体场景中的动作稳定性、安全性和任务扩展能力。
技术实现思路
1、针对以上技术问题,本发明提供一种面向电力设备柜体精细操作的策略生成与动态决策方法及系统。
2、本发明解决其技术问题采用的技术方案是:
3、面向电力设备柜体精细操作的策略生成与动态决策方法,方法包括以下步骤:
4、s100、获取多源状态信息并进行编码,生成当前统一状态表征;
5、s200、获取上一操作阶段对应的综合嵌入表征,基于当前统一状态表征和上一操作阶段综合嵌入表征,预测当前操作阶段的终止概率,根据终止概率与预设阈值的比较结果,判断是保持当前操作阶段还是触发操作阶段更新;
6、s300、当触发操作阶段更新时,根据当前统一状态表征生成当前操作阶段对应的层次化策略表示;
7、s400、根据当前统一状态表征和层次化策略表示生成隐式动作表示,并基于预设的多个技能基适配器对共享动作解码器进行组合调制,由经调制的共享动作解码器根据隐式动作表示和组合调制参数生成可执行动作块;
8、s500、执行可执行动作块,根据执行后的多源反馈信息确定下一步决策。
9、优选地,多源状态信息包括多视角视觉图像、语言作业指令、机器人本体状态、柜体设备状态和上一操作阶段状态;其中,柜体设备状态由多视角视觉图像解析得到;
10、多视角视觉图像包括柜体整体图像、柜门区域图像、柜内局部图像和腕部相机图像;语言作业指令包括自然语言指令、作业票文本或预设任务描述;机器人本体状态包括机械臂关节角、关节速度、末端位姿、末端速度和夹爪开合状态;柜体设备状态包括柜门开闭状态、按钮状态、旋钮档位、空气开关位置、指示灯状态、抽屉位置和目标部件识别结果;上一操作阶段状态包括上一任务链标签、上一当前步骤标签、上一粗技能标签、上一细技能标签和上一子目标标签。
11、优选地,s100具体为:
12、
13、其中,表示当前视觉观测,表示语言作业指令,表示机器人本体状态,表示上一操作阶段状态,表示当前时刻的统一状态表征,表示编码函数。
14、优选地,s200包括:
15、获取上一操作阶段的综合嵌入表征,结合前时刻的统一状态表征输出当前操作阶段的终止概率:
16、
17、其中,表示当前操作阶段应当终止或切换,表示当前阶段终止概率,表示上一阶段的任务链、当前步骤、粗技能、细技能和子目标的综合嵌入表征,表示概率函数;
18、当大于预设阈值,或当前不存在有效激活阶段时,系统触发操作阶段更新;
19、当不大于预设阈值时,系统保持上一操作阶段,继续执行当前阶段对应的动作策略。
20、优选地,层次化策略表示包括完整任务链、当前步骤、粗技能、细技能和当前子目标,s300包括:
21、当系统判断需要更新当前操作阶段时,根据当前时刻的统一状态表征和作业指令输出:
22、
23、其中,表示完整任务链,表示当前步骤,表示粗技能编码,表示细技能编码,表示当前子目标,表示阶段规划函数;
24、任务链表示完成当前柜体作业所需的阶段序列;粗技能表示操作动作大类;细技能表示同一粗技能下的具体操作方式;子目标表示当前步骤希望达到的柜体设备状态。
25、优选地,s400中根据当前统一状态表征和层次化策略表示生成隐式动作表示,具体为:
26、
27、其中,表示当前动作的隐式动作表示,表示当前时刻的统一状态表征,为映射函数;
28、优选地,s400基于预设的多个技能基适配器对共享动作解码器进行组合调制,由经调制的共享动作解码器根据隐式动作表示生成可执行动作块,包括:
29、将粗技能编码、细技能编码和当前子目标分别映射为粗技能嵌入、细技能嵌入和子目标嵌入:
30、
31、
32、
33、其中,表示粗技能嵌入,表示细技能嵌入,表示子目标嵌入;
34、根据当前状态表示、粗技能嵌入、细技能嵌入和子目标嵌入,生成适配器组合权重:
35、
36、其中,表示适配器组合权重,表示技能基适配器数量,表示当前操作阶段对第个基础适配器的使用比例,表示温度参数,用于控制适配器组合权重分布的平滑程度,表示多层感知机;
37、技能基适配器库包含个基础适配器,每个基础适配器在共享动作解码器的指定层上提供一组缩放增量参数和偏置参数,对于第个基础适配器和第个注入层,表示为:
38、
39、其中,表示第个基础适配器在第个注入层上的适配器参数,表示第个基础适配器在第个注入层上的缩放增量参数,表示第个基础适配器在第个注入层上的偏置参数;
40、根据组合权重得到当前阶段的组合调制参数:
41、
42、
43、其中,表示第个注入层的组合缩放增量参数,表示第个注入层的组合偏置参数;
44、共享动作解码器以隐式动作表示作为条件输入,并在第层生成隐藏状态,对隐藏状态进行归一化和组合调制,得到调制后隐藏状态:
45、
46、其中,表示共享动作解码器在第层的隐藏状态,表示调制后隐藏状态,表示归一化函数,表示逐元素乘法;
47、调制后隐藏状态继续输入共享动作解码器的后一层或动作输出头,使共享动作解码器在隐式动作表示和组合调制参数共同作用下生成可执行动作块:
48、
49、其中,表示可执行动作块,表示共享动作解码器,表示隐式动作表示,表示作用于共享动作解码器各注入层的组合调制参数,表示共享动作解码器中接受组合调制参数注入的层数,表示注入层索引。
50、优选地,多源反馈信息包括视觉反馈、机器人状态、力反馈和设备状态反馈;s500中根据执行后的多源反馈信息确定下一步决策,包括:
51、当当前阶段尚未完成且反馈状态正常时,系统保持当前粗技能、细技能和子目标,继续生成动作块;
52、当当前子目标已达成且终止概率超过阈值时,系统更新任务链中的当前步骤,并生成新的粗技能、细技能和子目标;
53、当检测到末端位姿偏差或接触点偏移时,对动作块中的末端位置、末端姿态或接近方向进行修正;
54、若当前阶段无法按原计划完成但未达到人工接管条件,系统重新生成当前步骤、细技能或子目标;
55、若当前动作破坏前置条件或产生安全风险,系统回退至上一安全阶段;
56、若力反馈超过阈值、目标识别丢失、设备状态异常或存在碰撞风险,系统停止当前动作并提示人工接管。
57、优选地,还包括模型训练步骤和历史作业经验记录与增量更新步骤;
58、模型训练步骤包括:获取训练数据,训练数据包括作业指令、多视角图像、机器人状态、动作轨迹、任务链标签、当前步骤标签、粗技能标签、细技能标签、子目标标签、阶段终止标签和上一时刻适配器权重;基于总体训练目标更新模型参数;
59、总体训练目标表示为:
60、
61、其中,为总体训练目标,为动作生成损失,为阶段终止损失,为阶段规划损失,为适配器幅度正则损失,为适配器平滑损失,为适配器熵控制损失,至为各损失项权重;
62、历史作业经验记录与增量更新步骤包括:在每次柜体作业完成后记录作业经验信息,作业经验信息包括柜体类型、柜体编号、目标部件类别、目标部件位置、任务链、当前步骤、粗技能、细技能、子目标、适配器组合权重、动作块参数、力反馈、视觉反馈、设备状态反馈、阶段完成时间、成功或失败结果以及异常处置方式;
63、根据历史作业经验更新以下信息:柜体类型对应的任务链模板、部件对应的细技能标签、技能基适配器组合权重的初始化策略、动作幅度、速度、力限、等待时间、子目标完成判断条件和异常处置规则;
64、对于新增柜型、新增部件或新增细技能,通过更新细技能标签、子目标标签或适配器组合参数实现增量适应。
65、一种面向电力设备柜体精细操作的策略生成与动态决策系统,用于执行一种面向电力设备柜体精细操作的策略生成与动态决策方法的步骤,包括:
66、多源状态编码模块,用于获取多源状态信息并进行编码,生成当前统一状态表征;
67、阶段终止概率预测模块,用于获取上一操作阶段对应的综合嵌入表征,基于当前统一状态表征和上一操作阶段综合嵌入表征,预测当前操作阶段的终止概率,根据终止概率与预设阈值的比较结果,判断是保持当前操作阶段还是触发操作阶段更新;
68、阶段规划模块,用于当触发操作阶段更新时,根据当前统一状态表征生成当前操作阶段对应的层次化策略表示;
69、动作生成模块,用于根据当前统一状态表征和层次化策略表示生成隐式动作表示,并基于预设的多个技能基适配器对共享动作解码器进行组合调制,由经调制的共享动作解码器根据隐式动作表示和组合调制参数生成可执行动作块;
70、动态决策模块,用于执行可执行动作块,根据执行后的多源反馈信息确定下一步决策。
71、上述一种面向电力设备柜体精细操作的策略生成与动态决策方法及系统,相比于现有技术具体以下优点:通过操作阶段终止概率实现动态阶段判断,使机器人在柜门开启、按钮按压、旋钮旋转等过程中根据实际状态决策继续、切换或回退,避免固定流程导致的阶段切换不准或重复执行。通过层次化表示将复杂作业拆分为可复用阶段,并利用固定数量的技能基适配器及其连续组合权重表达不同细技能的动作差异,无需为每个细技能独立配置完整模型,降低新增柜型和新部件时的部署成本。通过共享动作解码器根据隐式动作表示和适配器调制参数输出动作块,并结合多源反馈信息进行下一步决策,有效应对现场异常。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com