1.一种码垛机器人预测性维护方法，其特征是：包括以下步骤：步骤1：通过摄像头采集码垛机器人图像信号，对所述图像信号进行格式转换图像数据并保存，同时将图像数据上传至云服务器；对图像数据进行滤波预处理，将滤波预处理后的图像数据进行目标检测并进行形态学处理；

步骤2：采集码垛机器人抓取物品的坐标，确定码垛机器人的伺服电机综合运动速度偏差；

步骤3：根据码垛机器人的伺服电机运动速度偏差，确定码垛机器人故障参数向量；

步骤4：建立系数向量和损失函数，采用梯度下降法对所述损失函数进行迭代，最小化损失函数；

步骤5：根据最小化后的损失函数，进行预测性维护。

2.根据权利要求1所述的一种码垛机器人预测性维护方法，其特征是：所述步骤1具体为：步骤1.1：通过摄像头采集码垛机器人图像信号，对所述图像信号进行格式转换为RGB图像数据，并将RGB图像数据保存至存储器中，同时将图像数据上传至云服务器；

步骤1.2：将保存在存储器中的RGB图像数据进行高斯滤波预处理，抑制RGB图像数据中的噪声；

步骤1.3：将滤波预处理后的图像数据进行目标检测并进行形态学处理。

3.根据权利要求1所述的一种码垛机器人预测性维护方法，其特征是：所述步骤2具体为：步骤2.1：采集码垛机器人抓取物品的坐标，根据码垛机器人抓取物品的坐标与图像数据进行对比，确定码垛机器人的抓取成功率；

步骤2.2：确定码垛机器人的伺服电机运动速度偏差，通过下式表示所述码垛机器人的伺服电机综合运动速度偏差：(2)

其中，x 为码垛机器人的伺服电机运动速度偏差，Di为第i个伺服电机的运动速度偏差，n为伺服电机数量，Vi为第i个伺服电机的设置运动速度。

4.根据权利要求3所述的一种码垛机器人预测性维护方法，其特征是：所述步骤3具体为：根据码垛机器人的伺服电机运动速度偏差，确定码垛机器人故障参数向量，通过下式表示码垛机器人故障参数向量：(1) (2) (3)

x＝(x ，x ，x ，1)    (2)(1) (3)

其中，x为码垛机器人故障参数向量，x 为抓取成功率，x 为码垛机器人使用时间。

5.根据权利要求4所述的一种码垛机器人预测性维护方法，其特征是：所述步骤4具体为：步骤4.1：建立系数向量，通过下式表示系数向量：(1) (2) (3)

w＝(w ，W ，w ，b)    (3)其中，w为系数向量；

根据系数向量建立假设函数，通过下式表示假设函数：其中，hw(x)为假设函数，T为转置；

步骤4.2：根据假设函数，求取损失函数，通过下式表示损失函数：其中，J(w)为损失函数，m为数据集样本数，y为类别标签；

步骤4.3：采用梯度下降法对所述损失函数进行迭代，最小化损失函数，求解w的最佳值，通过下式表示最小化损失函数后w的最佳值：其中，α为步长。

6.根据权利要求5所述的一种码垛机器人预测性维护方法，其特征是：通过类别标签y表示“有故障”和“无故障”两种状态，当y＝1时，代表“有故障”，当y＝0时，表示“无故障”。

7.根据权利要求5所述的一种码垛机器人预测性维护方法，其特征是：所述步长α为

0.15。

8.根据权利要求7所述的一种码垛机器人预测性维护方法，其特征是：所述步骤5具体为：步骤5.1：根据最小化后的损失函数，进行预测性维护，根据故障参数向量确定是否对码垛机器人进行预警，当wx0＞γwxc时，进行预警，其中，x0为当前时刻的码垛机器人故障参数向量，xc为出厂时的码垛机器人故障参数向量，γ为阈值系数；

步骤5.2：当码垛机器人进入预警状态时，调整码垛机器人的伺服电机进入低工作负荷状态，通过下式表示进入低工作负荷状态下的所述伺服电机的速度：其中，VLow为进入低工作负荷状态下的所述伺服电机的速度，V为所述伺服电机设置的运动速度；

步骤5.3：调整码垛机器人在预警状态下的最大工作时间，通过下式表示所述最大工作时间：其中，T0为码垛机器人在预警状态下的最大工作时间，TW为码垛机器人出厂时所规定的日最大工作时间。

9.根据权利要求8所述的一种码垛机器人预测性维护方法，其特征是：所述阈值系数范围为15％‑20％。