一种充电机器人自动怼桩老化测试方法与流程

1.本发明涉及老化检测技术领域，具体涉及一种充电机器人自动怼桩老化测试方法。


背景技术：

2.随着社会经济的发展、工业化水平的提高，机器人使用量随之提高，电力驱动是常用的驱动方式，因而势必需要对机器人进行充电蓄能。为了增加机器人的智能性，一般情况是智能机器人进行自动怼桩充电。而机器人重复怼桩充电过程中就会造成充电系统的老化，因而为了分析充电系统的老化情况，需对充电机器人进行怼桩老化测试。
3.目前，怼桩老化测试通常基于充电插头磨损情况了解充电系统的老化情况，现有技术对充电插头磨损检测过程中往往通过使用次数来衡量老化情况，无法直观看到充电插头磨损状态，难以准确判断出充电插头老化情况，进而难以判断充电系统的老化情况是否达标。


技术实现要素：

4.为了解决现有技术中无法直观看到充电插头磨损状态，难以准确判断出充电插头老化情况，进而难以判断充电系统的老化情况是否达标的技术问题，本发明提供了一种充电机器人自动怼桩老化测试方法，该方法通过对每次怼桩充电完成后采集怼充电插头图像，通过分析插头图像的磨损情况获取图像中磨损区域的特征信息，并根据磨损区域特征得到磨损程度；通过分析磨损程度得到磨损变化曲线，即老化曲线；根据老化曲线来评估机器人充电系统的老化合格评分；根据老化合格评分进行老化合格情况判定。
5.本技术实施例提供了一种充电机器人自动怼桩老化测试方法，包括以下步骤：获取充电插头各使用阶段的图像；并将所有使用阶段的图像形成的向量构成向量集合；将所述向量集合通过k-svd算法进行字典训练获取字典矩阵和各图像对应的稀疏向量；根据稀疏向量中任一描述值及字典矩阵获取字典矩阵中任一字典向量的高频段综合响应度；根据高频段综合响应度与预设第一阈值对比获取大于第一阈值的高频段综合响应度对应的字典向量集合ⅰ；根据字典向量集合ⅰ中任一字典向量对应的各稀疏向量中一描述值获取任一字典向量的单调递增符合率；根据任一字典向量的单调递增符合率和高频段综合响应度值获取任一字典向量中包含磨损特征的概率；利用各字典向量中包含磨损特征的概率获取字典矩阵中多个表示磨损特征的描述值；获取各阶段图像的表示磨损特征的描述值对应于稀疏向量中的描述值ⅰ，依次获
取多个描述值ⅰ；并获取未使用插头图像的表示磨损特征的描述值对应于稀疏向量中的描述值ⅱ；根据多个描述值ⅰ和描述值ⅱ依次计算各阶段的磨损程度；根据各阶段的磨损程度判断充电插头的老化合格率。
6.在一实施例中，所述字典矩阵中任一字典向量的高频段综合响应度值获取步骤如下：根据稀疏向量中任一描述值及字典矩阵获取该稀疏向量中任一值对应于字典矩阵中的一字典向量的高频段响应度；类比该方式获取各稀疏向量中各描述值分别对应于字典矩阵中的一字典向量的高频段响应度；根据各稀疏向量中各描述值分别对应于字典矩阵中的一字典向量的高频段响应度获取字典矩阵中任一字典向量的高频段综合响应度值。
7.在一实施例中，所述高频段响应度获取步骤如下：根据一稀疏向量与字典矩阵获取第一恢复图像；将第一恢复图像进行傅里叶变换得到频谱图，对该频谱图进行统计得到第一频率直方图；再根据对该稀疏向量中任一描述值进行腐蚀后与字典矩阵获取第二恢复图像；将第二恢复图像进行傅里叶变换得到频谱图，对该频谱图进行统计得到第二频率直方图；根据第一频率直方图和第二频率直方图对应的概率密度函数获取该稀疏向量中任一值对应于字典矩阵中的一字典向量的高频段响应度。
8.在一实施例中，所述根据各稀疏向量中各描述值分别对应于字典矩阵中的一字典向量的高频段响应度按照以下步骤获取字典矩阵中任一字典向量的高频段综合响应度值：根据各图像对应的稀疏向量中第j个描述值对应于字典矩阵中所对应的字典向量的高频段响应度计算出各图像对应的稀疏向量中第j个描述值的高频段响应度值均值和方差；再根据均值和方差获取字典矩阵中对应的字典向量的高频段综合响应度值。
9.在一实施例中，所述单调递增符合率的获取步骤如下：根据字典向量集合ⅰ中任一字典向量获取对应的各稀疏向量中的描述值；将各稀疏向量中的描述值按充电插头使用阶段数递增趋势依次排列，构成任一字典向量对应的描述值序列；再根据任一字典向量对应的描述值序列获取任一字典向量的单调递增符合率。
10.在一实施例中，所述多个表示磨损特征的描述值获取步骤如下：通过各字典向量中包含磨损特征的概率筛选出包含磨损特征的字典向量集合ⅱ；将字典向量集合ⅱ中的一字典描述值未进行腐蚀获得第三恢复图像，并将该字典描述值进行腐蚀后获得第四恢复图像；再根据第三恢复图像和第四恢复图像的像素值相减得到差值图像；依次获得该字典描述值对应的多个差值图像；对该字典描述值对应的多个差值图像进行统计获取该字典描述值对应的差值图像的分布向量；依次类比获得各字典描述值对应的差值图像的分布向量；将所有字典描述值对应的差值图像的分布向量进行密度聚类获取若干个类别；通过每个类别中各分布向量所对应的字典描述值获取各类别属于磨损特征类别的概率；将概率最大的类别内的各分布向量所对应的字典描述值为表示磨损特征的描述
值。
11.在一实施例中，所述包含磨损特征的字典向量集合ⅱ筛选步骤如下：通过预设第二阈值筛选出包含磨损特征的概率大于第二阈值的字典向量，将包含磨损特征的概率大于第二阈值的字典向量组合在一起构成包含磨损特征的字典向量集合ⅱ。
12.在一实施例中，所述各类别属于磨损特征类别的概率获取步骤如下：根据任一类别中的所有分布向量对应的字典描述值一同进行腐蚀获取各图像对应的第一频谱图，并根据该类别中的所有分布向量对应的字典描述值未进行腐蚀获取各图像对应的第二频谱图；将第一频谱图的频率均值和第二频谱图的频率均值相减得到频率均值差值，再将所有图像对应均值差值计算均值，将该均值进行归一化处理获得各类别属于磨损特征类别的概率。
13.在一实施例中，所述判断充电插头的老化合格率的步骤如下：根据各阶段的磨损程度绘制出老化曲线；根据老化曲线与预设的标准老化曲线进行对比获取老化程度描述值；根据老化程度描述值大于预设第三阈值的充电插头记为老化程度不达标产品。
14.在一实施例中，所述充电插头各使用阶段的图像获取的过程中，将充电插头每次怼桩充电插接完成后停滞30s拔出插头，开始第二轮的怼桩充电测试，每轮怼桩充电测试后通过相机采集插头图像。
15.本发明的有益效果是：本发明在提供的一种充电机器人自动怼桩老化测试方法，该方法通过获取各阶段插头图像的磨损描述特征，结合先验的磨损信息来判断各特征属于磨损特征的概率。根据经验插头图像中磨损区域呈现高频的信息特征，同时随着老化试验磨损特征信息会呈现增大的趋势，因而利用这两种先验信息来计算各字典向量中包含磨损特征的概率。将包含磨损字典向量中的字典特征进行类别分析将字典描述值划分成若干类别，分析每个类别属于磨损特征的概率，进而筛选出磨损字典特征。进而根据磨损字典特征所对应的稀疏向量中各描述值得到磨损程度；根据磨损程度绘制出老化曲线，根据老化曲线判断老化合格率。
16.本发明通过统计现实机器人充电过程中各变量分布曲线，利用分布曲线控制各变量取值，更贴近真实场景的老化测试实验来仿真真实使用中的机器人充电场景，从而准确的反应出机器人充电的老化情况。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1为本发明的一种充电机器人自动怼桩老化测试方法的实施例总体步骤的流程示意图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.本技术为了了解充电机器人的老化情况，需通过怼桩模拟实验来模拟机器人的怼桩充电过程，为了增加模拟的真实性，需将怼桩实验条件尽可能接近现实场景，同时还分析每种场景发生的概率分布情况来进行怼桩充电实验控制。每次怼桩充电完成后采集怼充电插头图像，通过分析插头图像的磨损情况了解充电系统的老化情况。而为了了解插头图像的磨损情况需准确的获取图像中磨损区域的特征信息，并根据磨损区域特征得到磨损程度。通过分析磨损程度得到磨损变化曲线，即老化曲线。根据老化曲线来评估充电插头的老化合格评分。根据老化合格评分进行老化合格情况判定。
21.本技术通过进行对机器人怼桩充电系统进行老化测试，通过分析各阶段老化测试图像得到老化程度曲线，进而得到老化合格结论。
22.本技术针对的充电插头一般为金属，因而对光线比较敏感，因而该信息会干扰磨损信息的提取，还需结合磨损独有的特征信息来获取磨损特征描述值。通过图像能够看出磨损区域特征为一些杂乱的磨损线条，该线条为高频信息，因而根据该特征来辅助提取磨损特征。同时在进行老化试验时磨损程度会呈现增大的趋势，因而可以这些特征来得到磨损特征描述值，通过磨损特征描述值来各测试阶段的插头的磨损程度，通过磨损程度来反应老化程度，进而绘制出老化曲线，根据老化曲线计算老化合格率。
23.本技术实施例中涉及的表述，稀疏向量中的描述值是指稀疏向量中的某个数值；字典向量是指字典矩阵中的一列表示的向量；字典向量的描述值是指字典向量中的某个数值，也指字典矩阵中的某个数值。
24.本技术实施例中，i依次取1，2，3，4
……
；j依次取1，2，3，4
……
；k依次取1，2，3，4
……
。
25.参见图1所示，在本技术的实施例中，本技术提供的充电机器人自动怼桩老化测试方法，包括以下步骤：s1、获取充电插头各使用阶段的图像；并将所有使用阶段的图像形成的向量构成向量集合；本技术需要分析机器人充电系统的老化情况，所以需得进行机器人充电老化测试，并获得各阶段老化测试图像。
26.进行老化测试实验，获取测试图像：进行老化测试时需尽可能真实的仿真机器人充电的真实场景，这样得到的实验结果才能准确。
27.根据经验分析得到影响机器人充电系统老化的场景因素有，机器人的充电偏心角度，机器人充电时的怼桩力度，以及周围光照强度、温度、湿度等因素。
28.通过统计各因素的取值情况，并根据统计结果得到各因素的取值概率密度曲线。例如通过统计偏心角度在-10度至10度之间的次数较多，在这些角度之外的次数较少，充电角度服从正态分布，因而通过统计即可拟合出得到充电角度分布曲线。
29.根据各因素的分布曲线进行抽样取值得到场景取值，根据场景取值进行怼桩充电
测试，每次怼桩充电插接完成后停滞30s拔出插头，开始第二轮的怼桩充电测试。
30.每轮怼桩充电测试后通过相机采集插头图像。
31.获取插头区域:正常情况下插头区域与非插头区域有明显的颜色区分，因而可以根据颜色阈值分割出插头区域，根据经验获取插头区域在rgb各通道的取值范围，通过插头区域在rgb各通道的取值范围分割出插头区域。
32.至此，完成获取充电插头各使用阶段的图像。
33.将所有使用阶段的图像形成的向量构成向量集合；需要说明的是每个图像可以用矩阵表示，将其转化为向量；即将所有使用阶段的图像形成的向量构成向量集合。
34.s2、将向量集合通过k-svd算法进行字典训练获取字典矩阵和各图像对应的稀疏向量；具体的是通过k-svd算法进行字典训练网路，将所有使用阶段插头图像形成的向量构成向量集合输入该网络，输出字典矩阵和每个图像对应的稀疏向量。
35.s3、根据稀疏向量中任一描述值及字典矩阵获取字典矩阵中任一字典向量的高频段综合响应度；字典矩阵中任一字典向量的高频段综合响应度值获取步骤如下：根据稀疏向量中任一描述值及字典矩阵获取该稀疏向量中任一值对应于字典矩阵中的一字典向量的高频段响应度；具体的，高频段响应度获取步骤如下：根据一稀疏向量与字典矩阵获取第一恢复图像；将第一恢复图像进行傅里叶变换得到频谱图，对该频谱图进行统计得到第一频率直方图；再根据对该稀疏向量中任一描述值进行腐蚀后与字典矩阵获取第二恢复图像；将第二恢复图像进行傅里叶变换得到频谱图，对该频谱图进行统计得到第二频率直方图；其中，对该稀疏向量中任一描述值进行腐蚀过程中，是将该稀疏向量中任一描述值进行置0；需要说明的是，每个稀疏向量与字典矩阵相乘获得一恢复图像；类比该方式得到各稀疏向量中各描述值未腐蚀前和腐蚀后图像的频率直方图；根据第一频率直方图和第二频率直方图对应的概率密度函数获取该稀疏向量中任一值对应于字典矩阵中的一字典向量的高频段响应度。
36.在本实施例中，计算第i个稀疏向量第j个描述值所对应的字典向量的高频段响应度的计算公式如下：式中，表示第i个稀疏向量对应的第一频率直方图所对应的概率密度函数；表示第i个稀疏向量第j个值腐蚀处理后对应的第二频率直方图所对应的概率密度函数；表示第i个稀疏向量所对应第一频率直方图所对应的频率均值；表示第i个稀疏向量第j个值腐蚀处理后对应的第二频率直方图所对应的频率均值；表示第i个稀疏向量所对应第一频率直方图所对应的频率方差；
表示第i个稀疏向量第j个值腐蚀处理后对应的第二频率直方图所对应的频率方差；表示从到无穷大的概率密度函数的积分，即从到无穷大频段占比；表示第i个稀疏向量第j个值所对应的字典向量的高频段响应度；表示第i个稀疏向量第j个值未腐蚀前和腐蚀后图像高频段占比的减少量，通过该值反应第i个稀疏向量第j个值所对应的字典向量去除前后对图像的影响情况，当字典向量去除后图像的高频段占比减少较大说明该字典向量中包含有描述高频信息的特征信息的概率较大。其中，i依次取1，2，3，4
……
，j依次取1，2，3，4
……
。
37.类比该方式获取各稀疏向量中各描述值分别对应于字典矩阵中的一字典向量的高频段响应度；在本实施例中通过分析各字典向量在各图像中相应一致情况得到各字典向量综合响应度：由于有很多图像中都会包含第i个稀疏向量第j个值所对应的字典向量信息，因而这些图像对于该字典向量都会计算出一个响应度，所以需结合包含该字典向量的图像计算出的高频段响应度情况来计算第j个字典向量的高频段综合响应度值，具体如下：根据各稀疏向量中各描述值分别对应于字典矩阵中的一字典向量的高频段响应度获取字典矩阵中任一字典向量的高频段综合响应度值；具体是根据各图像对应的稀疏向量中第j个描述值对应于字典矩阵中所对应的字典向量的高频段响应度计算出各图像对应的稀疏向量中第j个描述值的高频段响应度值均值和方差；再根据均值和方差获取字典矩阵中对应的字典向量的高频段综合响应度值。字典举证中以第j个字典向量为例，计算第j个字典向量高频段综合响应度值的公式如下：式中，表示各图像对应的稀疏向量中第j个描述值对应的字典向量的高频段响应度的均值；表示各图像对应的稀疏向量中第j个描述值对应的字典向量的高频段响应度的方差；通过该值反应各图像对于第j个字典向量高频段响度值的一致性情况，该值越大说明各图像求解出的高频段响应度值越不一致，因而该字典向量中包含高频段响应特征的可能性越小；表示第j个字典向量的高频段综合响应度；依次计算出每个字典向量的高频段综合响应度。
38.上述过程只是得到的各字典向量的高频段响应度情况，然而这并不能说明该字典向量一定包含磨损特征，因而其他因素也会造成高频特征，例如噪声等。因而需要再结合老化测试过程中磨损量逐步增大这一特征来进一步判断各字典向量包含磨损特征的概率。
39.s4、根据高频段综合响应度与预设第一阈值对比获取大于第一阈值的高频段综合响应度对应的字典向量集合ⅰ；根据字典向量集合ⅰ中任一字典向量对应的各稀疏向量中一
描述值获取任一字典向量的单调递增符合率；在本实施例中，由于磨损信息呈现一定的高频特征，因而只有具有高频段综合响应度值高的字典描述值为表示磨损特征的描述值的概率较大，因而需筛选出高频段综合响应度值大于第一阈值的字典向量，将这些字典向量组合在一起作为可能字典向量集合ⅰ，根据经验第一阈值通常取0.7；由于随着测试次数的增加，磨损程度应该呈现增加的趋势，因而需分析各字典向量在各图像中对应的稀疏向量的描述值应呈现增加趋势，即各字典向量对应的稀疏向量中的描述值应呈现单调递增的趋势。
40.单调递增符合率的获取步骤如下：根据字典向量集合ⅰ中任一字典向量获取对应的各稀疏向量中的描述值；将各稀疏向量中的描述值按充电插头使用阶段数递增趋势依次排列，构成任一字典向量对应的描述值序列；再根据任一字典向量对应的描述值序列获取任一字典向量的单调递增符合率。
41.具体的，为了便于说明以第j个字典向量为例来说明，获取可能字典向量集合中第j字典向量的对应的各测试阶段图像的稀疏向量中的描述值，将各测试阶段图像的稀疏向量中的描述值按测试阶段数增大趋势依次排列，构成第j个字典向量的描述值序列。
42.将第j个字典向量对应的描述值序列中两两相邻描述值求描述增大比例（例如相邻描述值对位8，10，因而相邻描述值的增大比例为），通过描述值增大比例来计算单调递增符合率，计算公式如下：递增符合率，计算公式如下：式中，表示第j个字典向量对应的描述值序列中第k个相邻描述值的增大比例，当该值大于0时说明该序列呈现递增趋势，因而在相邻描述值上的递增符合率为；表示第j个字典向量对应的描述值序列中第k个相邻描述值的递增符合率。
43.通过该方式得到第j个字典向量对应的描述值序列中的各相邻描述值的单调递增符合率。将该描述值序列中的所有相邻描述值的单调递增符合率求均值得到第j个字典向量的单调递增符合率，记为；其中，k依次取1，2，3，4
……
。
44.s5、根据任一字典向量的单调递增符合率和高频段综合响应度值获取任一字典向量中包含磨损特征的概率；各字典向量包含磨损特征的概率计算公式如下：式中，表示第j个字典向量高频段综合响应度值，该值越大说明该字典特征向量中描述高频段信息较多，因而该字典特征向量包含磨损特征的概率较大，表示第j个字典向量的单调递增符合率，该值越大说明该字典特征向量符合单调递增趋势程度越大，因而符合随着测试增加磨损增大的先验条件符合程度越大。
45.上述过程中计算出各字典向量包含磨损特征的概率，这只能说明该字典向量中包
含磨损特征，但是还不知哪些描述值表示为磨损特征。因而需进一步分析在这些包含磨损特征的字典向量中筛选出表示磨损的描述值。
46.s6、利用各字典向量中包含磨损特征的概率获取字典矩阵中多个表示磨损特征的描述值；多个表示磨损特征的描述值获取步骤如下：通过各字典向量中包含磨损特征的概率筛选出包含磨损特征的字典向量集合ⅱ；具体的通过预设第二阈值筛选出包含磨损特征的概率大于第二阈值的字典向量，将包含磨损特征的概率大于第二阈值的字典向量组合在一起构成包含磨损特征的字典向量集合ⅱ；其中，根据经验第二阈值通常取0.7；将字典向量集合ⅱ中的一字典描述值未进行腐蚀获得第三恢复图像，并将该字典描述值进行腐蚀后获得第四恢复图像；再根据第三恢复图像和第四恢复图像的像素值相减得到差值图像；依次获得该字典描述值对应的多个差值图像；对该字典描述值对应的多个差值图像进行统计获取该字典描述值对应的差值图像的分布向量；依次类比获得各字典描述值对应的差值图像的分布向量；将所有字典描述值对应的差值图像的分布向量进行密度聚类获取若干个类别；其中，每个类别集合内的分布向量对应的字典描述值描述同类图像信息；此时虽然知道各类别的字典描述值的是同类信息但是不知道哪个类别中分布向量对应的字典描述值的是磨损信息，因而需要在进一步分析；通过对每个类别中各分布向量所对应的字典描述值分析获取各类别属于磨损特征类别的概率；其中，各类别属于磨损特征类别的概率获取步骤如下：根据任一类别中的所有分布向量对应的字典描述值一同进行腐蚀获取各图像对应的第一频谱图，并根据该类别中的所有分布向量对应的字典描述值未进行腐蚀获取各图像对应的第二频谱图；将第一频谱图的频率均值和第二频谱图的频率均值相减得到频率均值差值，再将所有图像对应均值差值计算均值，将该均值进行归一化处理获得各类别属于磨损特征类别的概率；将概率最大的类别内的各分布向量所对应的字典描述值作为表示磨损特征的描述值。
47.s7、获取各阶段图像的表示磨损特征的描述值对应于稀疏向量中的描述值ⅰ，依次获取多个描述值ⅰ；并获取未使用插头图像的表示磨损特征的描述值对应于稀疏向量中的描述值ⅱ；根据多个描述值ⅰ和描述值ⅱ依次计算各阶段的磨损程度；各使用阶段磨损程度为：式中，表示第t个使用阶段插头图像的第个磨损特征对应的稀疏向量中的描
述值；表示未使用插头图像的第个磨损特征对应的稀疏向量中的描述值；表示第t个测试阶段插头的磨损程度。
48.至此，利用频率信息和先验磨损递增信息得到获得的磨损特征，进而计算出各阶段插头的磨损程度。
49.s8、根据各阶段的磨损程度绘制出老化曲线；根据老化曲线判断充电插头的老化合格率。
50.将各阶段的磨损程度作为各阶段充电插头老化描述值，进而绘制出老化曲线；在本实施例中，根据老化曲线判断充电插头的老化合格率的步骤如下：根据老化曲线与预设的标准老化曲线进行对比分析获取老化程度描述值；具体将得到的老化曲线与标准老化曲线进行对应位置做差得到差值曲线，对差值曲线进行积分得到老化程度描述值；根据老化程度描述值大于预设第三阈值的充电插头记为老化程度不达标产品。
51.依次实现判断机器人充电系统记为老化程度不达标产品。
52.综上，本发明在提供的一种充电机器人自动怼桩老化测试方法，该方法通过获取各阶段插头图像的磨损描述特征，结合先验的磨损信息来判断各特征属于磨损特征的概率。根据经验插头图像中磨损区域呈现高频的信息特征，同时随着老化试验磨损特征信息会呈现增大的趋势，因而利用这两种先验信息来计算各字典向量中包含磨损特征的概率。将包含磨损字典向量中的字典特征进行类别分析将字典描述值划分成若干类别，分析每个类别属于磨损特征的概率，进而筛选出磨损字典特征。进而根据磨损字典特征所对应的稀疏向量中各描述值得到磨损程度；根据磨损程度绘制出老化曲线，根据老化曲线判断老化合格率。
53.本发明通过统计现实机器人充电过程中各变量分布曲线，利用分布曲线控制各变量取值，更贴近真实场景的老化测试实验来仿真真实使用中的机器人充电场景，从而准确的反应出机器人充电的老化情况。
54.以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。