一种应用于泳池机器人故障报警及排除系统及方法与流程

1.本发明涉及泳池机器人故障分析技术领域，具体为一种应用于泳池机器人故障报警及排除系统及方法。


背景技术：

2.传统的泳池清理方法总是耗费太多的时间和精力，使用泳池机器人就能提高不少的效率。泳池机器人最大的特点是能够自动沿着游泳池表面巡航，清理水面上的树叶碎屑等垃圾，甚至连花粉、灰尘这一类的垃圾也不在话下。而当清理完成后，只需要手动将收集后的垃圾扔掉即可，十分的方便与环保。
3.然而智能化设备往往伴随着大量的软件或硬件故障，尤其是长期在水面工作，更会造成很大的影响，因此对于泳池机器人的故障维修和检测排除也是重中之重，传统的方式下通常是人工进行定时维修检测，耗时耗力且效率低下。


技术实现要素：

4.本发明的目的在于提供一种应用于泳池机器人故障报警及排除系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：一种应用于泳池机器人故障报警及排除方法，该方法包括以下步骤：s1、获取泳池机器人的历史清洁数据，所述泳池机器人的历史清洁数据包括清洁时间；获取泳池特征数据，所述泳池特征数据包括泳池使用频率、泳池使用人数、泳池使用时长；s2、构建泳池机器人清洁时间预测模型，设置时间周期，获取在时间周期下的泳池特征数据，计算时间周期下的泳池机器人预测清洁时间；s3、利用图像识别技术获取泳池水面数据，构建偏差模型，输出清洁时间偏差预测值，生成泳池机器人计划清洁时间；s4、获取泳池机器人实际清洁时间，设置时间阈值，若存在泳池机器人计划清洁时间与泳池机器人实际清洁时间差值超出时间阈值，判断泳池机器人出现故障，发出预警信息；s5、系统端接收到预警信息后，构建故障排除模型，输出故障类型至管理端口。
6.根据上述技术方案，构建泳池机器人清洁时间预测模型包括：获取泳池机器人的历史清洁时间，作为泳池机器人清洁时间预测模型的输出数据训练集；获取对应每一个历史清洁时间的泳池特征数据，进行组合编码，记为[i1、i2、i3]，每一编码对应一组泳池特征数据，其中i1、i2、i3分别对应泳池使用频率、泳池使用人数、泳池使用时长，定义为编码中的元素；随机初始化一个种群，种群中设置一组清洁时间区间a，获取存在于a中的历史清
洁时间数据，获取其对应的编码数据，记入种群中，所述种群中至少包含b组编码数据，其中，b为系统预设值，设置b值，主要是为了调节整个模型的精密程度，同设置迭代次数一样，使整个模型的精度和泛化能力可控，并设置当前为初始迭代次数；根据编码中元素i1、i2、i3及元素i1、i2、i3的组合分别计算泳池特征数据对泳池机器人清洁时间的影响程度：其中，代表任一组泳池特征数据编码i对泳池机器人历史清洁时间的影响值；代表泳池特征数据编码中所有元素的组合方式的集合，集合内组合方式数量小于等于7；x代表泳池特征数据编码i中所有元素的组合方式中的任一种；代表存在组合方式为x且历史清洁时间数据属于a的个体数量；y代表泳池特征数据编码中所有元素的组合方式中的任一种；代表存在组合方式为x的泳池特征数据的个体总量；利用随机竞争选择的方式，即每次随机选择两个泳池特征数据编码中元素的组合方式，影响值高的留下，不断循环，直至选择的个体数量达到预设值b1，b1＜b；删除出现率最低的元素组合方式，挖掘泳池特征数据编码i元素的子元素，构建每个组合方式下的子元素及子元素组合，形成新的编码[j1、j2、j3、
……
、jn]，所述元素与子元素之间存在包含关系，更新迭代次数为g+1，重复进行影响值的计算；设置终止迭代次数，在更新迭代次数达到终止迭代次数时，停止迭代，获取当前的编码作为清洁时间区间a的影响集合；系统预设不同的清洁时间区间，所述不同的清洁时间区间之间不存在交叉，也不存在空闲，且所有清洁时间区间含后不含前；例如设置清洁时间区间为0-10、15-25、25-40，即为不满足条件的设置，因为10-15之间出现了空闲；又例如设置清洁时间区间为0-20、15-25、25-40，也为不满足条件的设置，因为15-20之间出现了交叉；获取不同的清洁时间区间下的影响集合，若任意两个清洁时间区间的影响集合中出现了相同的编码，获取该编码在各自的影响集合中的存在比例，舍弃较小存在比例的编码；设置时间周期，获取在时间周期下的泳池特征数据，选取时间周期下的泳池特征数据对应的编码所在的影响集合，输出该影响集合对应的清洁时间区间，获取历史数据中这一清洁时间区间中所有的历史清洁时间点，取众数作为时间周期下的泳池机器人预测清洁时间。
[0007]
根据上述技术方案，构建偏差模型包括：利用图像识别技术获取泳池水面数据，获取泳池水面每个漂浮组织的面积，所述漂浮组织指在泳池水面上的漂浮物之间能够相互接触形成的漂浮结合物；获取泳池机器人单次最大清洁面积，记为，以作为漂浮组织面积阈值，超出漂浮组织面积阈值的漂浮组织定义为大型漂浮组织；
设置清洁面积比例阈值，所述清洁面积比例指泳池水面所有漂浮组织的面积之和与泳池水面面积的比值；若存在清洁面积比例小于清洁面积比例阈值，则偏差模型为：其中，代表偏差时间；、、代表待估参数；代表清洁面积比例；若存在清洁面积比例大于等于清洁面积比例阈值，则偏差模型为：其中，代表下降系数，＜0。
[0008]
在上述技术方案中，泳池机器人在清理水面的漂浮组织时，如果不能一次清理掉（即单次清洁面积小于漂浮组织面积时），会使的漂浮组织的剩余残留四散开来，从而需要重新识别位置，增大清洁时间；而在清洁面积比例超出一定值时（正常情况下可取二分之一，即＞），四散的残留组织往往与其他漂浮组织相接触，转而不增加清洁的工作量，逐渐降低偏差时间的值。因此在清洁面积比例小于清洁面积比例阈值时，以修正指数曲线进行表示，代表其随着占比的增大，偏差时间逐渐增长，其中待估参数不成线性，以三合法的方式进行计算输出；在清洁面积比例不小于清洁面积比例阈值时，以线性下降进行表示，在清洁面积比例到达1或0时（即0），为极端值，此时不再存在偏差时间，即=0；在上述整个技术方案中，的取值范围为。
[0009]
根据上述技术方案，构建故障排除模型包括：其中，代表故障判断值；代表泳池机器人清洁时间的实际值；代表时间周期下的泳池机器人预测清洁时间；设置时间阈值；若存在＞且＞，判断故障为硬件故障类型，输出至管理员端口进行硬件检测，排除故障；若存在＜且＞，判断故障软件故障类型，输出至管理员端口进行软件检测，排除故障。
[0010]
在上述技术方案中，若出现实际值低于预测值加偏差值且差值超出了阈值，就说明泳池机器人的工作完成的特别快速，那么大概率上是识别系统方面的软件出现了问题，导致识别不准确，从而导致机器人快速完成；若出现实际值高于预测值加偏差值且差值超出了阈值，就说明泳池机器人的工作完成的较为缓慢，那么大概率上是硬件系统方面出现
了问题，可能出现了零部件磨损的问题，从而导致机器人清洁效率低下。
[0011]
一种应用于泳池机器人故障报警及排除系统，该系统包括：多源数据采集模块、预测处理模块、图像识别模块、偏差校正模块、故障预警处理模块；所述多源数据采集模块用于获取泳池机器人的历史清洁数据，所述泳池机器人的历史清洁数据包括清洁时间；获取泳池特征数据，所述泳池特征数据包括泳池使用频率、泳池使用人数、泳池使用时长；所述预测处理模块用于构建泳池机器人清洁时间预测模型，设置时间周期，获取在时间周期下的泳池特征数据，计算时间周期下的泳池机器人预测清洁时间；所述图像识别模块用于利用图像识别技术获取泳池水面数据，分析泳池漂浮组织的位置和面积；所述偏差校正模块用于构建偏差模型，输出清洁时间偏差预测值，生成泳池机器人计划清洁时间；所述故障预警处理模块用于获取泳池机器人实际清洁时间，设置时间阈值，若存在泳池机器人计划清洁时间与泳池机器人实际清洁时间差值超出时间阈值，判断泳池机器人出现故障，发出预警信息；系统端接收到预警信息后，构建故障排除模型，输出故障类型至管理端口；所述多源数据采集模块的输出端与所述预测处理模块的输入端相连接；所述预测处理模块的输出端与所述图像识别模块的输入端相连接；所述图像识别模块的输出端与所述偏差校正模块的输入端相连接；所述偏差校正模块的输出端与所述故障预警处理模块的输入端相连接。
[0012]
根据上述技术方案，所述多源数据采集模块包括泳池机器人采集单元、泳池采集单元；所述泳池机器人采集单元用于获取泳池机器人的历史清洁数据；所述泳池采集单元用于获取泳池特征数据；所述泳池机器人采集单元、泳池采集单元的输出端均连接至预测处理模块的输入端。
[0013]
根据上述技术方案，所述预测处理模块包括清洁时间预测模型构建单元、时间周期设置单元；所述清洁时间预测模型构建单元用于构建泳池机器人清洁时间预测模型；所述时间周期设置单元用于设置时间周期，获取在时间周期下的泳池特征数据，计算时间周期下的泳池机器人预测清洁时间；所述清洁时间预测模型构建单元的输出端与所述时间周期设置单元的输入端相连接。
[0014]
根据上述技术方案，所述图像识别模块包括图像识别单元、水面分析单元；所述图像识别单元用于利用图像识别技术获取泳池水面数据，所述图像识别技术采用神经网络识别技术；所述水面分析单元用于分析泳池漂浮组织的位置和面积；所述图像识别单元的输出端与所述水面分析单元的输入端相连接。
[0015]
神经网络图像识别技术是在传统的图像识别方法和基础上融合神经网络算法的一种图像识别方法。这里的神经网络是指人工神经网络，也就是说这种神经网络并不是动物本身所具有的真正的神经网络，而是人类模仿动物神经网络后人工生成的。在图像识别系统中利用神经网络系统，一般会先提取图像的特征，再利用图像所具有的特征映射到神经网络进行图像识别分类。以泳池机器人水面拍照自动识别技术为例，当泳池机器人工作
的时候，泳池机器人自身具有的检测设备会进行获取图像，从而来获取泳池水面漂浮组织的位置和面积信息，获取了图像后将图像上传到计算机进行保存以便识别。
[0016]
根据上述技术方案，所述偏差校正模块包括偏差模型构建单元、计划清洁时间输出单元；所述偏差模型构建单元用于构建偏差模型，输出清洁时间偏差预测值；所述计划清洁时间输出单元用于根据输出的清洁时间偏差预测值生成泳池机器人计划清洁时间；所述偏差模型构建单元的输出端与所述计划清洁时间输出单元的输入端相连接。
[0017]
根据上述技术方案，所述故障预警处理模块包括时间分析单元、故障排除单元；所述时间分析单元用于获取泳池机器人实际清洁时间，设置时间阈值，若存在泳池机器人计划清洁时间与泳池机器人实际清洁时间差值超出时间阈值，判断泳池机器人出现故障，发出预警信息；所述故障排除单元用于在系统端接收到预警信息后，构建故障排除模型，输出故障类型至管理端口。
[0018]
与现有技术相比，本发明所达到的有益效果是：在本发明中，基于系统软件对于泳池机器人清洁时间的判断，能够识别出泳池机器人发生故障的预测，并且能够给出故障排除，输出最可能的故障类别，使之在运行过程中，减少定期拆机维护、巡检，提高工作效率。
附图说明
[0019]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明一种应用于泳池机器人故障报警及排除系统及方法的流程示意图。
具体实施方式
[0020]
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。
[0021]
请参阅图1，在本实施例一中：s1、获取泳池机器人的历史清洁数据，所述泳池机器人的历史清洁数据包括清洁时间；获取泳池特征数据，所述泳池特征数据包括泳池使用频率、泳池使用人数、泳池使用时长；s2、构建泳池机器人清洁时间预测模型，设置时间周期，获取在时间周期下的泳池特征数据，计算时间周期下的泳池机器人预测清洁时间；s3、利用图像识别技术获取泳池水面数据，构建偏差模型，输出清洁时间偏差预测值，生成泳池机器人计划清洁时间；s4、获取泳池机器人实际清洁时间，设置时间阈值，若存在泳池机器人计划清洁时间与泳池机器人实际清洁时间差值超出时间阈值，判断泳池机器人出现故障，发出预警信息；s5、系统端接收到预警信息后，构建故障排除模型，输出故障类型至管理端口。
[0022]
系统构建泳池机器人清洁时间预测模型，获取泳池机器人的历史清洁时间，作为泳池机器人清洁时间预测模型的输出数据训练集；所述历史清洁时间取4组数据，分别为15、20、22、38；单位：分钟；获取对应每一个历史清洁时间的泳池特征数据，进行组合编码，记为[i1、i2、i3]，每一编码对应一组泳池特征数据，其中i1、i2、i3分别对应泳池使用频率、泳池使用人数、泳池使用时长，定义为编码中的元素；分别组合编码：15min
‑‑
[i1、i2、i3]、20min
‑‑
[i1、i2、i3]、22min
‑‑
[i1、i2、i3]、38min
‑‑
[i1、i2、i3]；其中，以15min
‑‑
[i1、i2、i3]为例，代表i1为泳池使用频率，12小时/次；i2为泳池使用人数，5人/次、i3为泳池使用时长，1小时；随机初始化一个种群，种群中设置一组清洁时间区间a，a取10-30；获取存在于a中的历史清洁时间数据，即15、20、22；获取其对应的编码数据，记入种群中，所述种群中至少包含b组编码数据，其中，b为系统预设值，并设置当前为初始迭代次数；根据编码中元素i1、i2、i3及元素i1、i2、i3的组合分别计算泳池特征数据对泳池机器人清洁时间的影响程度：其中，代表任一组泳池特征数据编码i对泳池机器人历史清洁时间的影响值；代表泳池特征数据编码中所有元素的组合方式的集合，集合内组合方式数量小于等于7；x代表泳池特征数据编码i中所有元素的组合方式中的任一种；代表存在组合方式为x且历史清洁时间数据属于a的个体数量；y代表泳池特征数据编码中所有元素的组合方式中的任一种；代表存在组合方式为x的泳池特征数据的个体总量；组合方式可以为泳池使用频率，12小时/次；泳池使用人数，5人/次作为一种组合；也可以泳池使用频率，12小时/次单独作为一种组合，对每一种组合方式相对于所有组合方式进行求取占比；利用随机竞争选择的方式，即每次随机选择两个泳池特征数据编码中元素的组合方式，影响值高的留下，不断循环，直至选择的个体数量达到预设值b1，b1＜b；例如说设置b1为2（当然实质过程中，设置应为5000以上的个体数量），则在本实施例的三组数据中，随机选取两次即可。
[0023]
删除出现率最低的元素组合方式，挖掘泳池特征数据编码i元素的子元素，构建每个组合方式下的子元素及子元素组合，形成新的编码[j1、j2、j3、
……
、jn]，所述元素与子元素之间存在包含关系，更新迭代次数为g+1，重复进行影响值的计算；本实施例所述的子元素，例如泳池使用时长的子元素，原元素为1小时，那么子元素就可以为0-50分钟，不断的缩小元素的范围，以期达到最精准的目的。
[0024]
设置终止迭代次数，在更新迭代次数达到终止迭代次数时，停止迭代，获取当前的编码作为清洁时间区间a的影响集合；
系统预设不同的清洁时间区间，所述不同的清洁时间区间之间不存在交叉，也不存在空闲，且所有清洁时间区间含后不含前；获取不同的清洁时间区间下的影响集合，若任意两个清洁时间区间的影响集合中出现了相同的编码，获取该编码在各自的影响集合中的存在比例，舍弃较小存在比例的编码；设置时间周期，获取在时间周期下的泳池特征数据，选取时间周期下的泳池特征数据对应的编码所在的影响集合，输出该影响集合对应的清洁时间区间，获取历史数据中这一清洁时间区间中所有的历史清洁时间点，取众数作为时间周期下的泳池机器人预测清洁时间。
[0025]
利用图像识别技术获取泳池水面数据，获取泳池水面每个漂浮组织的面积；获取泳池机器人单次最大清洁面积，记为，以作为漂浮组织面积阈值，超出漂浮组织面积阈值的漂浮组织定义为大型漂浮组织；若存在大型漂浮组织，则表明会出现偏差时间；设置清洁面积比例阈值，所述清洁面积比例指泳池水面所有漂浮组织的面积之和与泳池水面面积的比值；清洁面积比例阈值设置为二分之一，若存在清洁面积比例小于清洁面积比例阈值，则偏差模型为：其中，代表偏差时间；、、代表待估参数；代表清洁面积比例；、、通过选取历史数据后，以三合法的方式进行估算；若存在清洁面积比例大于等于清洁面积比例阈值，则偏差模型为：其中，代表下降系数，＜0。
[0026]
构建故障排除模型：其中，代表故障判断值；代表泳池机器人清洁时间的实际值；代表时间周期下的泳池机器人预测清洁时间；设置时间阈值；若存在＞且＞，判断故障为硬件故障类型，输出至管理员端口进行硬件检测，排除故障；若存在＜且＞，判断故障软件故障类型，输出至管理员端口进
行软件检测，排除故障。
[0027]
在本实施例二中：提供一种应用于泳池机器人故障报警及排除系统，具体如下，包括多源数据采集模块、预测处理模块、图像识别模块、偏差校正模块、故障预警处理模块；所述多源数据采集模块用于获取泳池机器人的历史清洁数据，所述泳池机器人的历史清洁数据包括清洁时间；获取泳池特征数据，所述泳池特征数据包括泳池使用频率、泳池使用人数、泳池使用时长；所述预测处理模块用于构建泳池机器人清洁时间预测模型，设置时间周期，获取在时间周期下的泳池特征数据，计算时间周期下的泳池机器人预测清洁时间；所述图像识别模块用于利用图像识别技术获取泳池水面数据，分析泳池漂浮组织的位置和面积；所述偏差校正模块用于构建偏差模型，输出清洁时间偏差预测值，生成泳池机器人计划清洁时间；所述故障预警处理模块用于获取泳池机器人实际清洁时间，设置时间阈值，若存在泳池机器人计划清洁时间与泳池机器人实际清洁时间差值超出时间阈值，判断泳池机器人出现故障，发出预警信息；系统端接收到预警信息后，构建故障排除模型，输出故障类型至管理端口；所述多源数据采集模块的输出端与所述预测处理模块的输入端相连接；所述预测处理模块的输出端与所述图像识别模块的输入端相连接；所述图像识别模块的输出端与所述偏差校正模块的输入端相连接；所述偏差校正模块的输出端与所述故障预警处理模块的输入端相连接。所述多源数据采集模块包括泳池机器人采集单元、泳池采集单元；所述泳池机器人采集单元用于获取泳池机器人的历史清洁数据；所述泳池采集单元用于获取泳池特征数据；所述泳池机器人采集单元、泳池采集单元的输出端均连接至预测处理模块的输入端。所述预测处理模块包括清洁时间预测模型构建单元、时间周期设置单元；所述清洁时间预测模型构建单元用于构建泳池机器人清洁时间预测模型；所述时间周期设置单元用于设置时间周期，获取在时间周期下的泳池特征数据，计算时间周期下的泳池机器人预测清洁时间；所述清洁时间预测模型构建单元的输出端与所述时间周期设置单元的输入端相连接。
[0028]
所述图像识别模块包括图像识别单元、水面分析单元；所述图像识别单元用于利用图像识别技术获取泳池水面数据，所述图像识别技术采用神经网络识别技术；所述水面分析单元用于分析泳池漂浮组织的位置和面积；所述图像识别单元的输出端与所述水面分析单元的输入端相连接。
[0029]
所述偏差校正模块包括偏差模型构建单元、计划清洁时间输出单元；所述偏差模型构建单元用于构建偏差模型，输出清洁时间偏差预测值；所述计划清洁时间输出单元用于根据输出的清洁时间偏差预测值生成泳池机器人计划清洁时间；所述偏差模型构建单元的输出端与所述计划清洁时间输出单元的输入端相连接。
[0030]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0031]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。