用人工抗体人口模型检测和诊断自主机器人群中的故障

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 复杂的系统复杂的系统.

背景情况:

• 对于机器人的自主性来说,故障耐受性至关重要,尤其是在多机器人系统中.
• 现有的方法往往忽视了逐渐的退化,而是专注于突然的机电故障.
• 与自发失败相比,检测逐渐的磨损和撕裂带来了独特的挑战.

研究的目的:

• 介绍人工抗体群体动态 (AAPD) 模型,用于检测和诊断机器人群中的逐渐退化.
• 通过考虑磨损故障来解决以前的容错方法的局限性.
• 开发一个强大的系统,以维持机器人群的性能在降解下.

主要方法:

• 人工抗体群体动态 (AAPD) 模型的开发,一种免疫启发的计算方法.
• 实现分布式和可扩展的算法用于故障检测和诊断.
• 在不同大小的机器人群体上测试AAPD模型,包括经历逐渐退化的食机器人.

主要成果:

• AAPD模型可靠地检测和诊断机器人群中的逐渐退化和自发性性能变化.
• 该系统对群体中正常运行的机器人表现出容忍.
• 在降解过程中,Swarm性能保持在70%至97%的最佳水平之间,防止了大多数现场故障.

结论:

• AAPD模型为面临逐渐退化的机器人群中的故障耐受性提供了一个强大的,分布式和可扩展的解决方案.
• 免疫启发的方法有效地提高了机器人系统的长期自主性和运行弹性.
• 在多机器人环境中,AAPD模型在管理复杂故障方面取得了重大进展.