本发明涉及工业机器人建模，尤其涉及基于边缘计算的多机器人场景联合学习建模方法及系统。
背景技术：
1、随着社会对制造业生产质量与效率需求的日益增长，传统基于离线设计、单一制造节点和人工技术阈值的生产制造模式亟需进一步优化与升级，而基于分布式计算、多节点作业与智能行为决策的智能制造产线是解决该问题的关键。近年来，在工业机器人制造领域，基于数据驱动的智能学习方法逐渐得到推广应用，有效提高了生产过程的柔性度、稳定性与可靠性，形成了新一代的工业机器人感知、规划、控制技术。然而，受制于工业场合下大规模数据获取的困难性，已有工业机器人系统难以直接适配不同的场景、工况与任务，其迁移应用的技术配置周期长、成本高，通用性和自适应性欠佳。另一方面，同一制造节点下的工业机器人系统由于局限于分布相近的数据集，在确保稳定的前提下功能有限，难以产生深度耦合的高级协同行为，导致整体智能程度受限。
技术实现思路
1、为了解决上述技术问题，本发明的目的是提供基于边缘计算的多机器人场景联合学习建模方法及系统，能够通过高效获取大规模数据进而提高机器人群体的协同度。
2、本发明所采用的第一技术方案是：基于边缘计算的多机器人场景联合学习建模方法，包括以下步骤：
3、构建边缘节点机器人群体与深度神经网络，所述边缘节点机器人群体包括视觉传感器与触觉传感器；
4、基于边缘节点机器人群体进行边缘节点数据动态共享处理，获取边缘节点经验池；
5、采集边缘节点机器人群体的边缘节点本地数据；
6、基于边缘节点经验池与边缘节点本地数据对深度神经网络进行训练，得到训练后的深度神经网络；
7、基于训练后的深度神经网络部署至边缘节点机器人群体，控制边缘节点机器人群体工作。
8、进一步，所述基于边缘节点机器人群体进行边缘节点数据动态共享处理，获取边缘节点经验池这一步骤，其具体包括：
9、基于边缘节点机器人群体的视觉传感器与边缘节点机器人群体的触觉传感器，获取多源异构数据；
10、对多源异构数据进行数据预处理，构建大规模数据集；
11、基于远程标定技术，对大规模数据集进行标定处理，得到边缘节点经验池。
12、进一步，所述对多源异构数据进行数据预处理，构建大规模数据集这一步骤，其具体包括：
13、通过网络远程传输技术，将多源异构数据上传至服务器；
14、基于服务器，对多源异构数据进行归一化处理，得到大规模数据集。
15、进一步，所述基于远程标定技术，对大规模数据集进行标定处理，得到边缘节点经验池这一步骤，其具体包括：
16、获取边缘节点机器人群体的节点参数，所述节点参数包括边缘节点机器人群体的节点位姿参数与边缘节点机器人群体的位置时空属性参数；
17、分别对边缘节点机器人群体的视觉传感器与边缘节点机器人群体的触觉传感器进行标定处理，得到视觉传感器标定参数与触觉传感器标定参数；
18、整合节点参数、视觉传感器标定参数与触觉传感器标定参数以及大规模数据集，并进行特征提取处理，得到边缘节点经验池。
19、进一步，所述基于边缘节点经验池与边缘节点本地数据对深度神经网络进行训练，得到训练后的深度神经网络这一步骤，其具体包括：
20、基于边缘节点经验池，对深度神经网络进行边缘节点机器人群体感知调节处理，得到初步训练后的深度神经网络；
21、基于边缘节点本地数据，对初步训练后的深度神经网络进行迁移训练，调节初步训练后的深度神经网络的权重，得到训练后的深度神经网络。
22、进一步，所述基于边缘节点经验池，对深度神经网络进行边缘节点机器人群体感知调节处理，得到初步训练后的深度神经网络这一步骤，其具体包括：
23、通过特征提取工具对边缘节点经验池进行数据升维处理，得到边缘节点经验池的抽象特征；
24、基于边缘节点经验池的抽象特征对深度神经网络进行卷积学习处理，得到初步训练后的深度神经网络。
25、本发明所采用的第二技术方案是：基于边缘计算的多机器人场景联合学习建模系统，包括：
26、构建模块，用于构建边缘节点机器人群体与深度神经网络，所述边缘节点机器人群体包括视觉传感器与触觉传感器；
27、获取模块，用于基于边缘节点机器人群体进行边缘节点数据动态共享处理，获取边缘节点经验池；
28、采集模块，用于采集边缘节点机器人群体的边缘节点本地数据；
29、训练模块，用于基于边缘节点经验池与边缘节点本地数据对深度神经网络进行训练，得到训练后的深度神经网络；
30、部署模块，用于基于训练后的深度神经网络部署至边缘节点机器人群体，控制边缘节点机器人群体工作。
31、本发明方法及系统的有益效果是：本发明通过构建边缘节点机器人群体与深度神经网络，进一步通过基于边缘节点机器人群体进行边缘节点数据动态共享处理，提高数据获取的实时性并构建针对特定任务的大规模数据集，获取边缘节点经验池并采集边缘节点机器人群体的边缘节点本地数据，克服现有的大规模数据集获取困难的问题，最后基于边缘节点经验池与边缘节点本地数据对深度神经网络进行训练并将训练后的深度神经网络部署至边缘节点机器人群体，控制边缘节点机器人群体工作，提高边缘节点机器人群体的协同程度，实现对多场景、多工况和多机器人构型的快速自适应作业。
1.基于边缘计算的多机器人场景联合学习建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于边缘计算的多机器人场景联合学习建模方法，其特征在于，所述基于边缘节点机器人群体进行边缘节点数据动态共享处理，获取边缘节点经验池这一步骤，其具体包括：
3.根据权利要求2所述基于边缘计算的多机器人场景联合学习建模方法，其特征在于，所述对多源异构数据进行数据预处理，构建大规模数据集这一步骤，其具体包括：
4.根据权利要求3所述基于边缘计算的多机器人场景联合学习建模方法，其特征在于，所述基于远程标定技术，对大规模数据集进行标定处理，得到边缘节点经验池这一步骤，其具体包括：
5.根据权利要求4所述基于边缘计算的多机器人场景联合学习建模方法，其特征在于，所述基于边缘节点经验池与边缘节点本地数据对深度神经网络进行训练，得到训练后的深度神经网络这一步骤，其具体包括：
6.根据权利要求5所述基于边缘计算的多机器人场景联合学习建模方法，其特征在于，所述基于边缘节点经验池，对深度神经网络进行边缘节点机器人群体感知调节处理，得到初步训练后的深度神经网络这一步骤，其具体包括：
7.基于边缘计算的多机器人场景联合学习建模系统，其特征在于，包括以下模块：
