(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211247863.X (22)申请日 2022.10.12 (71)申请人 福建省海峡智汇科技有限公司 地址 361021 福建省厦门市同安区五显镇 五显街23 3号 (72)发明人 林旭　李密　陈旭　陈佳期　 唐光铁　曾远强　卢雨畋　周小报　 (74)专利代理 机构 厦门福贝知识产权代理事务 所(普通合伙) 35235 专利代理师 陈远洋 (51)Int.Cl. G06T 17/05(2011.01) G06F 16/2455(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种云机器人平台大数据智能决策方法和 系统 (57)摘要 本发明给出了一种云机器人平台大数据智 能决策方法和系统， 包括基于数字孪生技术和 SLAM算法构建3D地图； 基于路径规划算法确定巡 检机器人从出 发点到目的地的最优路径； 巡检机 器人在巡检过程中利用大数据分析在视频、 图 像、 在线监测数据以及巡视、 检修记录数据进行 数据挖掘分析处理， 进行智能预警， 智 能预警包 括单状态 量预警和多状态复合预警； 利用巡检机 器人上的感知终端采集的海量设备状态信息和 环境信息， 结合设备台账、 试验信息和故障案例 数据样本对设备状态进行融合分析和深度挖掘， 对设备进行状态 检测获取设备状态， 并根据设备 状态对设备寿命进行预测。 该方法和系统可在云 机器人平台形成具备路径规划、 智能告警， 设备 状态评估的智能决策系统。 权利要求书2页 说明书8页 附图4页 CN 115471625 A 2022.12.13 CN 115471625 A 1.一种云机器人平台大 数据智能决策 方法， 其特 征在于， 包括： S1： 基于数字 孪生技术和SLAM算法构建3D地图； S2： 基于路径规划算法确定 巡检机器人从出发点到目的地的最优路径； S3： 所述巡检机器人在巡检过程中利用大数据分析在视频、 图像、 在线监测数据以及巡 视、 检修记录数据进 行数据挖掘分析 处理， 进行智能预警， 所述智能预警包括单状态量预警 和多状态复合预警； S4： 利用所述巡检机器人上的感知终端采集的海量设备状态信息和环境信息， 结合设 备台账、 试验信息和故障案例数据样本对设备状态进行融合分析和深度挖掘， 对设备进行 状态检测获取设备状态， 并根据所述设备状态对设备寿命进行 预测。 2.根据权利要求1所述的云机器人平台大数据智能决策方法， 其特征在于， 所述S1具体 包括以下步骤： S11： 通过所述巡检机器人的摄像头获取RGB彩色图像， 并对所述RGB彩色图像去畸和去 除异常点获得 预处理后的图像； S12： 在所述预处 理后的图像中提取ORB特 征点， 并对多帧图像做匹配去除错 误匹配点； S13： 将匹配好特 征点的多帧图像进行跟踪， 获得初步的机器人位姿估计； S14： 利用扩展卡尔曼 滤波器对特 征点进行 滤波优化； S15： 响应于所述巡检机器人构建地 图回到起始点， 构成闭环， 减少之前运动累计的误 差； S16： 将生成的位姿信息生成巡检机器人运动轨迹， 并将特征点生成点云地图， 结合数 字孪生技术生成3D地图。 3.根据权利要求1所述的云机器人平台大数据智能决策方法， 其特征在于， 所述S2具体 包括： 从所述巡检机器人所在的初始点开始访问所述3D地图中的节点， 轮询待检查节点集 合中的节点， 并把和当前节点最靠近的尚未检查的节点加入待检查节点集合， 从所述待检 查节点集合的初始节点向外扩展直到到达目标节 点， 获取从所述初始节点到目标节点的最 短路径。 4.根据权利要求1所述的云机器人平台大数据智能决策方法， 其特征在于， 所述S3 中的 所述单状态量预警基于单一状态量的绝对值、 状态量变化趋势、 同型设备单一状态量关联 度超过相应阈值判断预警； 所述多状态复合预警基于多状态量的综合逻辑分析 预警。 5.根据权利要求1所述的云机器人平台大数据智能决策方法， 其特征在于， 所述S4中对 设备进行状态检测具体包括事件查询与统计、 历史故障库和专家分析三部 分， 其中， 时间查 询与统计包括基本查询、 高级查询和统计分析 的应用； 历史故障库包括故障查询和故障对 比分析的应用； 专 家分析包括关联规则生成修 正、 专家分析和专 家库展示的应用。 6.根据权利要求5所述的云机器人平台大数据智能决策方法， 其特征在于， 所述事件查 询与统计、 历史故障库和专家分析三部分的应用之间相互交叉形成数据搜索层、 数据挖掘 层和界面展示层。 7.根据权利要求6所述的云机器人平台大数据智能决策方法， 其特征在于， 所述数据搜 索层包括所述基本查询和所述故障查询； 所述数据挖掘层包括所述高级查询、 所述统计分 析、 所述故障对比分析、 所述专家分析和所述关联规则生 成修正； 所述界面展示层 包括专家 库展示。权　利　要　求　书 1/2 页 2 CN 115471625 A 28.根据权利要求1所述的云机器人平台大数据智能决策方法， 其特征在于， 所述S4中的 寿命预测具体包括： 构建基于深度 学习模型的设备故障诊断及寿命预测： 建立设备状态异常辨识和故障诊 断的数据样本库， 包括诊断样本数据库、 可见光图像和红外热像异常样本数据库以及设备 缺陷和故障综合案例库， 利用深度卷积神经网络和深度置信网络建立智能诊断分析模型对 大量数据样本进行学习训练， 提取大量试验和现场案例样本数据的深层特征， 进行设备故 障类型诊断， 根据严重程度进行寿命预测； 对于复杂关联关系的设备寿命预测： 采用多层神经网络和时间序列预测模型， 基于关 联概率图模型对设备温度、 外部环境信息数据进行关联规则挖掘， 建立设备状态和环境信 息各状态量间的关联关系概率图， 利用关联关系 挖掘得到的状态量间关联规则作为先验知 识， 对预测模型参数和权 重进行自适应调整。 9.一种计算机可读存储介质， 其上存储有一或多个计算机程序， 其特征在于， 该一或多 个计算机程序被 计算机处 理器执行时实施权利要求1至8中任一项所述的方法。 10.一种云机器人平台大 数据智能决策系统， 其特 征在于， 所述系统包括： 3D地图构建单 元： 配置用于基于数字 孪生技术和SLAM算法构建3D地图； 路径规划单元： 配置用于基于路径规划算法确定巡检机器人从出发点到目的地的最优 路径； 智能预警单元： 配置用于通过所述巡检机器人在巡检过程中利用大数据分析在视频、 图像、 在线监测数据以及巡视、 检修记录数据进行数据挖掘分析处理， 进行智能预警， 所述 智能预警包括但状态量预警和多状态复合预警； 设备状态评估单元： 配置用于利用所述巡检机器人上的感知终端采集的海量设备状态 信息和环境信息， 结合设备台账、 试验信息和故障案例数据样本对设备状态进行融合分析 和深度挖掘， 对设备进行状态检测获取设备状态， 并根据所述设备状态对设备寿命进行预 测。权　利　要　求　书 2/2 页 3 CN 115471625 A 3