技术特征：
1.一种机器人健康状态评估方法，其特征在于，包括：根据处于预设健康状态的机器人在各预设位置的工况数据，分别生成各预设位置所对应的参考序列；实时获取目标机器人在各预设位置的工况数据，分别生成各预设位置所对应的工况序列；计算所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列；将所述特征序列输入至bp神经网络，获得所述目标机器人的健康状态评估结果。2.如权利要求1所述的一种机器人健康状态评估方法，其特征在于，所述根据处于预设健康状态的机器人在各预设位置的工况数据，分别生成各预设位置所对应的参考序列，具体为：根据若干个周期内处于预设健康状态的机器人各预设位置的工况数据，分别计算出所述处于预设健康状态的机器人中任一预设位置的工况数据所对应的所有周期的离差平方和，从而生成各预设位置所对应的参考序列；其中，所述处于预设健康状态的机器人运行一次完整操作流程为一个周期。3.如权利要求1所述的一种机器人健康状态评估方法，其特征在于，所述计算所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列，具体为：分别将所述参考序列的参数和所述工况序列的参数进行归一化处理，并将归一化处理后的所述参考序列的参数和归一化处理后的所述工况序列的参数进行特征计算，得到所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列。4.如权利要求1所述的一种机器人健康状态评估方法，其特征在于，在所述将所述特征序列输入至bp神经网络，获得所述目标机器人的健康状态评估结果之前，还包括：根据混合粒子群算法，对bp神经网络的权值与阈值参数进行优化操作。5.如权利要求4所述的一种机器人健康状态评估方法，其特征在于，所述根据混合粒子群算法，对bp神经网络的权值与阈值参数进行优化操作，具体为：对bp神经网络的权值与阈值参数进行初始化编码，并将初始化编码后的权值与阈值参数作为初始粒子；根据预设的混合粒子群算法的参量，对所有初始粒子进行迭代计算，以使在每次迭代计算中，通过预测值和期望值的欧氏距离之和，来更新当前的适应度函数，继而根据更新后的适应度函数，对所有初始粒子进行进化操作，直至迭代次数达到预设值，获得迭代粒子；其中，所述期望值的欧氏距离通过预设训练样本得出，所述预测值的欧氏距离通过预设训练样本输入bp神经网络而得出；根据所述迭代粒子，输出迭代后的权值与阈值参数，从而实现对bp神经网络的优化操作。6.一种机器人健康状态评估装置，其特征在于，包括：参考序列模块、工况序列模块、特征序列模块和评估结果模块；所述参考序列模块，用于根据处于预设健康状态的机器人在各预设位置的工况数据，
分别生成各预设位置所对应的参考序列；所述工况序列模块，用于实时获取目标机器人在各预设位置的工况数据，分别生成各预设位置所对应的工况序列；所述特征序列模块，用于计算所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列；所述网络优化模块，用于根据混合粒子群算法，优化bp神经网络的权值与阈值参数，得到优化后的bp神经网络；所述评估结果模块，用于将所述特征序列输入至所述优化后的bp神经网络，获得所述目标机器人的健康状态评估结果。7.如权利要求6所述的一种机器人健康状态评估装置，其特征在于，还包括：网络优化模块；所述网络优化模块，用于根据混合粒子群算法，对bp神经网络的权值与阈值参数进行优化操作。8.如权利要求6所述的一种机器人健康状态评估装置，其特征在于，所述参考序列模块，用于根据处于预设健康状态的机器人在各预设位置的工况数据，分别生成各预设位置所对应的参考序列，具体为：根据若干个周期内处于预设健康状态的机器人各预设位置的工况数据，分别计算出所述处于预设健康状态的机器人中任一预设位置的工况数据所对应的所有周期的离差平方和，从而生成各预设位置所对应的参考序列；其中，所述处于预设健康状态的机器人运行一次完整操作流程为一个周期。9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1－5中任一项所述的机器人健康状态评估方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1－5中任一项所述的机器人健康状态评估方法。
技术总结
本发明公开了一种机器人健康状态评估方法、装置、设备及存储介质，包括：根据处于预设健康状态的机器人在各预设位置的工况数据，分别生成各预设位置所对应的参考序列；实时获取目标机器人在各预设位置的工况数据，分别生成各预设位置所对应的工况序列；计算所述参考序列和所述工况序列之间在各预设位置所对应的欧氏距离，并根据所述欧氏距离，构成特征序列；将所述特征序列输入至BP神经网络，获得所述目标机器人的健康状态评估结果。本发明的技术方案能够通过将特征序列作为训练优化后的BP神经网络的输入，能够避免建立复杂的状态参数与工况关联模型，同时也避免了工况的量化建模难以准确全面的描述复杂的实际工况。以准确全面的描述复杂的实际工况。以准确全面的描述复杂的实际工况。
技术研发人员：刘传家 赵常均 李常胜
受保护的技术使用者：广州智能装备研究院有限公司
技术研发日：2022.04.12
技术公布日：2022/7/5