本发明涉及机器人领域，具体涉及一种服务机器人的数据采集系统。
背景技术
现有技术中，机器人控制器可以进行数据采集和存储，外置个人计算机也可以通过网络进行服务机器人数据采集，这两种方法存在以下缺点。
机器人控制器作为服务机器人的控制主体，可以有效的进行数据采集和存储，但在其进行数据采集时存在以下三个方面的缺陷。一是作为板卡级的控制器，其存储空间小，且可擦写次数有限，数据采集和存储代价高昂；二是机器人控制器作为实时控制器，在读写文件时可能影响整个系统的实时性；三是机器人控制器在服务机器人本体中，其采集和存储的数据难以导出或同步至广域网服务器端。
外置个人计算机可以通过网络采集服务机器人数据，但由于服务机器人离散性强和运行区域不确定等特性，会造成数据采集网络稳定性差，系统搭建昂贵等问题。
技术实现要素：
针对上述问题，本发明提供一种服务机器人的数据采集系统。
本发明的目的采用以下技术方案来实现：
提供了一种服务机器人的数据采集系统，该系统包括网络中继、数据采集子系统以及定制处理器，其中所述网络中继用于提供所述数据采集系统的局域网络；所述数据采集子系统用于采集和处理所述服务机器人的特征数据，并通过所述局域网络发送所述特征数据到所述定制处理器中；所述定制处理器整理和缓存所述特征数据，并通过广域网同步至远程服务器端。
进一步地，该系统还包括电量监控装置，用于监控所述网络中继、数据采集子系统以及所述定制处理器的供电状况。
优选地，所述定制处理器包括存储模块和发送模块，其中：
所述存储模块用于接收和存储所述数据采集子系统发送的所述特征数据；
所述发送模块用于将所述特征数据发送到所述远程服务器端。
优选地，所述数据采集子系统包括：
数据收集模块，用于通过传感器实时采集所述特征数据；
数据异常检测模块，用于对数据收集模块发送的特征数据进行异常检测，将检测出的异常特征数据进行剔除，并将剩余的特征数据发送至数据过滤模块；
数据过滤模块，用于对特征数据进行过滤处理；
数据传送模块，用于将过滤后的特征数据发送至所述定制处理器。
本发明的有益效果为：本发明首先采集服务机器人的特征数据，然后通过局域网将特征数据发送至定制处理器中，最后定制处理器整理和缓存特征数据，并通过广域网同步至远程服务器端，因此，能够完成远程数据采集功能。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例的服务机器人的数据采集系统的结构示意框图；
图2是本发明一个示例性实施例的数据采集子系统的结构示意框图。
附图标记：
网络中继1、数据采集子系统2、定制处理器3、电量监控装置4、数据收集模块10、数据异常检测模块20、数据过滤模块30、数据传送模块40。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本发明实施例提供了一种服务机器人的数据采集系统，该系统包括网络中继1、数据采集子系统2以及定制处理器3，其中所述网络中继1用于提供所述数据采集系统的局域网络；所述数据采集子系统2用于采集和处理所述服务机器人的特征数据，并通过所述局域网络发送所述特征数据到所述定制处理器3中；所述定制处理器3整理和缓存所述特征数据，并通过广域网同步至远程服务器端。
其中，数据采集子系统2具体采集服务机器人状态数据、警报数据、故障数据、时间统计数据、运动数据。
进一步地，该系统还包括电量监控装置4，用于监控所述网络中继1、数据采集子系统2以及所述定制处理器3的供电状况，在网络中继1、数据采集子系统2或者所述定制处理器3的供电状况不满足设定要求时执行报警。作为一种可实现的方式，可以采用现有的电量监控器作为电量监控装置4，或者利用现有的单片机技术设计该电量监控装置4。
在一种实施例中，所述定制处理器3包括存储模块和发送模块，其中：
所述存储模块用于接收和存储所述数据采集子系统2发送的所述特征数据；
所述发送模块用于将所述特征数据发送到所述远程服务器端。
在一种可选的方式中，如图2所示，数据采集子系统2包括：
数据收集模块10，用于通过传感器实时采集所述特征数据；
数据异常检测模块20，用于对数据收集模块10发送的特征数据进行异常检测，将检测出的异常特征数据进行剔除，并将剩余的特征数据发送至数据过滤模块30；
数据过滤模块30，用于对特征数据进行过滤处理；
数据传送模块40，用于将过滤后的特征数据发送至所述定制处理器3。
本发明上述实施例的数据采集系统，首先采集服务机器人的特征数据，然后通过局域网将特征数据发送至定制处理器3中，最后定制处理器3整理和缓存特征数据，并通过广域网同步至远程服务器端，因此，能够完成远程数据采集功能。
在一个实施例中，所述对特征数据进行异常检测处理，具体包括：
(1)设定移动窗口宽度m，对同一个传感器获取的特征数据进行遍历，提取特征数据时间序列{xi-1,xi-2,…,xi-m}，去除其中的极大值和极小值后，计算该时间序列的中值和平均值，设计算出的中值为
(2)计算新序列{xi}的中值xi,m，其中，
若
若
(3)若特征数据xi满足下列公式，则将该特征数据视为异常特征数据，否则xi为正常特征数据：
式中，l为设定的门限参数。
现有技术中，采用hampel滤波算法对数据进行处理，具有算法快捷的特点，便于实时完成数据净化处理，且对异常数据的分布和大小并不敏感，然而该算法对数据进行检测的精度还有待提高。本实施例对现有的hampel滤波算法进行改进，在获取中值绝对偏差估计xi,m时，将移动窗口提取的特征数据时间序列中的极大值和极小值去除后，再提取中值和平均值，根据中值和平均值之间的差值关系构建不同的新序列，进而计算xi,m，相对于现有技术直接通过特征数据时间序列的中值来确定中值绝对偏差估计xi,m的方式，能够有效提高中值绝对偏差估计的精度，从而进一步提高了对特征数据进行异常检测的精度。
在一个实施例中，数据过滤模块30对特征数据进行过滤处理，包括：对同一个传感器的特征数据按顺序进行必要性判断，过滤判定为不必要的特征数据；其中，若传感器a采集的特征数据满足下列条件，判定该特征数据为不必要的特征数据：
|xi-xi-1|≤δ
and
式中，xi表示第i个特征数据，xi-1为xi的前一个特征数据，xi-2为xi-1的前一个特征数据，
本实施例创新性地设定了对特征数据的必要性进行判定的条件，该条件能够筛选出所有与前一特征数据差值波动较小且数据变化平缓的特征数据，数据过滤模块30根据该条件对特征数据进行必要性判定，并对判定为不必要的特征数据进行过滤处理，能够在保障特征数据的精度范围的前提下，减少对存储空间的占用，减少特征数据传递的负荷，整体上节省了服务机器人的数据采集系统在特征数据存储和传输方面的成本。
在一个实施例中，在对实时采集的特征数据进行过滤处理前，以历史特征数据作为样本，采用遗传算法对过滤阈值进行寻优，进而根据寻优结果设定各传感器对应的过滤阈值，具体为：
(1)选择一定数量的传感器a采集的历史特征数据作为样本，计算样本的特征数据平均值
(2)在所述初始范围内设定过滤阈值δ的多个候选解，以候选解作为染色体，采用二进制编码的方式对各个候选解进行编码；
(3)进行种群初始化，随机选择k个染色体组成初始种群，其中每个染色体作为一个个体；
(4)计算种群中各个个体的适应度，设定适应度函数为：
式中，fj表示种群中个体j的适应度；
(5)采用轮盘赌法进行选择操作，设种群内个体数量为n，个体j被选择的概率pj为：
(6)进行交叉操作，在个体基因串中随机设定交叉点，当进行染色体交叉时，两个体交叉点前后的基因互换，并生成两个新个体；
(7)进行变异操作，对种群中染色体随机挑选两个基因位置以设定概率ps进行变异，进行取反操作；
(8)当迭代次数达到设定的次数上限时，遗传算法结束，输出最优个体作为传感器a对应的过滤阈值。
过滤阈值的设定影响着特征数据的精度以及过滤效果。当过滤阈值设定过大时，将会过滤较多的特征数据，从而影响着特征数据的精度；而当过滤阈值设定得过小时，将会影响过滤的力度，不能达到较优的过滤效果。如果由人工进行过滤阈值的设定，主观性较强，本实施例以各传感器自身采集的历史特征数据作为样本，结合遗传算法对该过滤阈值进行寻优，使得过滤阈值的设定更加客观，有效提高过滤效果，降低过滤后特征数据的误差。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。