[發明專利]一種智能環境運載機器人識別樓層的神經網絡群體混合計算方法

有效

• 申請號: 201710631220.8
• 申請日: 2017-07-28
• 公開（公告）號: CN107392317B
• 公開（公告）日: 2018-03-27
• 發明（設計）人: 劉輝;李燕飛;黃家豪;王孝楠;段超
• 申請（專利權）人: 中南大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/00
• 代理公司: 長沙市融智專利事務所43114
• 代理人: 龔燕妮

1.一種智能環境運載機器人識別樓層的神經網絡群體混合計算方法，其特征在于，包括以下步驟：

步驟1：采集各樓層氣壓數據樣本；

所述各樓層氣壓數據是指運載機器人位于各個樓層在不同時間間隔區間中利用氣壓傳感器、濕度傳感器、溫度傳感器分別采集的大氣壓均值、濕度均值以及溫度均值，一個樣本是指運載機器人位于一個樓層在一個時間間隔區間中采集的大氣壓數據均值、濕度均值以及溫度均值；

步驟2：對各樓層氣壓數據樣本按照天氣模式進行聚類，得到同一樓層在同一天氣模式下的氣壓子樣本集；

每個氣壓子樣本集為步驟1采集的數據中同一樓層在同一天氣模式下所有歷史時間間隔中采集的氣壓均值；

步驟3：依次對每個氣壓子樣本集中所有氣壓均值利用FIR濾波器進行濾波去噪處理；

所述FIR濾波器的系數采用蝙蝠算法進行尋優獲取；

步驟4：利用所有去噪后的氣壓子樣本集，構建各天氣模式下的氣壓樣本訓練集；

每個天氣模式下的氣壓樣本訓練子集包括同一天氣模式下所有樓層的經過去噪后的氣壓子樣本集，所有天氣模式下的氣壓樣本訓練子集構成各天氣模式下的氣壓樣本訓練集；

步驟5：利用各天氣模式下的氣壓樣本訓練集構建基于天氣模式的氣壓樓層預測模型；

依次將每個天氣模式下全樓層的所有氣壓均值訓練子集中的氣壓均值作為輸入數據，各氣壓均值對應樓層層號作為輸出數據，訓練神經網絡，獲得基于天氣模式的氣壓樓層預測模型；

步驟6：利用運載機器人當前所在樓層層號和大氣壓、濕度以及溫度，確定當前樓層的天氣模式，調用對應天氣模式的氣壓樓層預測模型；

步驟7：利用運載機器人上裝載的氣壓傳感器采集機器人所乘電梯所在樓層的實時氣壓，輸入氣壓樓層預測模型中，輸出機器人所乘電梯所在的樓層層號。

2.根據權利要求1所述的方法，其特征在于，所述所述FIR濾波器的系數采用蝙蝠算法進行尋優獲取過程如下：

(1)將每只蝙蝠個體表示一組FIR濾波器系數，蝙蝠以隨機方式在N維空間中擴散分布一組初始解，隨機生成蝙蝠種群，N為濾波器階數；

設定蝙蝠種群的數量,最大迭代次數搜索脈沖頻率范圍，蝙蝠個體最大脈沖頻度和最大脈沖聲音強度，蝙蝠搜索頻度增加系數、聲音強度衰減系數；

(2)設定適應度函數f：f＝1/J；

J=1MΣi=1M(yi-y^)2]]>

其中，為一個氣壓子樣本集所有氣壓均值的平均值，y_i表示第i只蝙蝠對應的FIR濾波器將氣壓子樣本集中氣壓均值過濾后的過濾氣壓均值，M表示氣壓子樣本集中氣壓均值的數量；

(3)尋找出適應度值最大的蝙蝠個體，作為當前最優解x^*；

(4)利用當前最優解依次對所有蝙蝠個體的搜索脈沖頻率、速度和位置進行更新；

(5)生成均勻分布隨機數R₁′，判斷R₁′＞R_i是否成立，如果成立，則利用當前最優解產生一個新的解，并利用新的解作為當前最優解，如果不成立，則接受(4)更新后的蝙蝠個體；

其中，R₁′的取值范圍為[0,1]，R_i為第i只蝙蝠的脈沖頻度；

(6)生成均勻分布隨機數R₂′，判斷R₂′＜A_i且f(x_i)＜f(x^*)是否成立，若成立，則利用(5)得到的新的解，對第i只蝙蝠的脈沖頻度和脈沖聲音強度進行更新，否則，不對蝙蝠進行更新；

其中，R₂的取值范圍為[0,1]，A_i為第i只蝙蝠的脈沖聲音強度；

(7)當所有更新后的蝙蝠均完成(5)和(6)的判斷，從所有的蝙蝠個體中找出適應度最好的蝙蝠個體和適應度值；

(8)判斷是否滿足預設搜索精度或達到最大迭代次數，若滿足，則進入(9)，否則返回(4)，直到找到滿足設定的最優解條件為止；

(9)輸出最優蝙蝠個體，得到最優蝙蝠個體對應的FIR濾波器的系數值。