[發(fā)明專利]一種智能環(huán)境運(yùn)載機(jī)器人識(shí)別樓層的神經(jīng)網(wǎng)絡(luò)群體混合計(jì)算方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710631220.8
• 申請(qǐng)日: 2017-07-28
• 公開（公告）號(hào): CN107392317B
• 公開（公告）日: 2018-03-27
• 發(fā)明（設(shè)計(jì)）人: 劉輝;李燕飛;黃家豪;王孝楠;段超
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06N3/08
• 分類號(hào): G06N3/08;G06N3/00
• 代理公司: 長沙市融智專利事務(wù)所43114
• 代理人: 龔燕妮

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器人控制領(lǐng)域，特別涉及一種智能環(huán)境運(yùn)載機(jī)器人識(shí)別樓層的神經(jīng)網(wǎng)絡(luò)群體混合計(jì)算方法。

背景技術(shù)

目前，電梯控制系統(tǒng)獲取電梯當(dāng)前所在樓層的樓層號(hào)的方式是：在電梯的基站層設(shè)置感應(yīng)元件，在電梯的轎廂上與感應(yīng)元件相對(duì)應(yīng)的位置安裝感應(yīng)接收器；當(dāng)電梯經(jīng)過基站層時(shí)，通過感應(yīng)元件和感應(yīng)接收器的相互作用，得知電梯處于基站層這一事實(shí)，從而將電梯的當(dāng)前樓層號(hào)設(shè)置為基站層的樓層號(hào)(基站層的樓層號(hào)系統(tǒng)預(yù)先知道)；然后在電梯上行或下行時(shí)，通過自動(dòng)加1或減1來計(jì)算電梯轎廂所在樓層的樓層號(hào)。

但是，對(duì)于獨(dú)立的運(yùn)載機(jī)器人系統(tǒng)而言，其一般獨(dú)立地檢測電梯的樓層號(hào)，現(xiàn)實(shí)條件下給現(xiàn)有電梯轎廂專門為運(yùn)載機(jī)器人安裝樓層信號(hào)交互系統(tǒng)設(shè)備的空間極為有限。在實(shí)踐中，也并沒有為安裝第三方系統(tǒng)裝置設(shè)計(jì)的電梯。目前，機(jī)器人識(shí)別電梯樓層方法有圖像處理法、單片機(jī)樓層信息讀取法和數(shù)字輔助片法。圖像處理法即使用圖像處理的方法識(shí)別電梯內(nèi)部樓層數(shù)影像，由于圖像處理法讀取圖像時(shí)一旦受到強(qiáng)光影響會(huì)造成很大誤差。單片機(jī)樓層信息讀取法通過單片機(jī)讀取電梯信息識(shí)別樓層，運(yùn)用簡單，擁有較高識(shí)別率，但該法有一個(gè)大的弊端，此法必須在電梯內(nèi)部進(jìn)行改造，現(xiàn)有國際環(huán)境下電梯種類繁多，未形成統(tǒng)一標(biāo)準(zhǔn)，加上版權(quán)問題，第三方進(jìn)行改造難度極大。數(shù)字輔助法是人為在環(huán)境中設(shè)置較易識(shí)別的信息用以機(jī)器人來視覺識(shí)別，辨識(shí)率高，但是一旦機(jī)器人的視線受到障礙物阻擋，將無法識(shí)別。早期開發(fā)的室內(nèi)定位方法是基于多樓層環(huán)境的無源地標(biāo)，用于識(shí)別機(jī)器人在電梯外的當(dāng)前樓層數(shù)。為了克服以上不足，便于運(yùn)載機(jī)器人獨(dú)立在電梯內(nèi)智能識(shí)別樓層，所以現(xiàn)在提出一種基于大氣壓測量的樓層辨識(shí)方法及系統(tǒng)。優(yōu)點(diǎn)，適應(yīng)所有環(huán)境

中國專利CN102009883B中公開一種電梯轎廂位置檢測裝置，包括電梯控制器；還包括有一大氣壓力檢測海拔高度數(shù)據(jù)采集通訊電子板，安裝在電梯轎廂中，并通過通訊電纜與電梯控制器連接；所述電梯控制器處理來自該大氣壓力檢測海拔高度數(shù)據(jù)采集通訊電子板的傳輸信號(hào)而判斷電梯轎廂在井道內(nèi)的位置。然而，氣壓傳感器讀數(shù)隨天氣和高度而變化，讀數(shù)具有波動(dòng)性，單獨(dú)依賴氣壓傳感器來檢測樓層將產(chǎn)生較大誤差，上述專利沒有考慮氣壓傳感器輸出信號(hào)的振蕩和周期內(nèi)讀數(shù)的變化，如果使用在實(shí)踐生產(chǎn)中，將導(dǎo)致無法獲取此文所述的電梯轎廂因停電而失去的正確位置信息，具有安全隱患。

發(fā)明內(nèi)容

本發(fā)明提供了一種智能環(huán)境運(yùn)載機(jī)器人識(shí)別樓層的神經(jīng)網(wǎng)絡(luò)群體混合計(jì)算方法，其目的在于克服上述方法中存在的不足，利用氣壓隨高度、溫度、濕度變化而變化的特征，對(duì)電梯所在環(huán)境數(shù)據(jù)進(jìn)行特征融合處理，采用數(shù)據(jù)挖掘技術(shù)和分類建模處理，對(duì)機(jī)器人所在樓層進(jìn)行實(shí)時(shí)判別。

一種智能環(huán)境運(yùn)載機(jī)器人識(shí)別樓層的神經(jīng)網(wǎng)絡(luò)群體混合計(jì)算方法，包括以下步驟：

步驟1：采集各樓層氣壓數(shù)據(jù)樣本；

所述各樓層氣壓數(shù)據(jù)是指運(yùn)載機(jī)器人位于各個(gè)樓層在不同時(shí)間間隔區(qū)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(gè)樣本是指運(yùn)載機(jī)器人位于一個(gè)樓層在一個(gè)時(shí)間間隔區(qū)間中采集的大氣壓數(shù)據(jù)均值、濕度均值以及溫度均值；

在相同的天氣環(huán)境下，在不同樓層采集的大氣壓值不同；不同時(shí)間間隔包括在各種天氣條件下的時(shí)間間隔；

步驟2：對(duì)各樓層氣壓數(shù)據(jù)樣本按照天氣模式進(jìn)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(gè)氣壓子樣本集為步驟1采集的數(shù)據(jù)中同一樓層在同一天氣模式下所有歷史時(shí)間間隔中采集的氣壓均值；

步驟3：依次對(duì)每個(gè)氣壓子樣本集中所有氣壓均值利用FIR濾波器進(jìn)行濾波去噪處理；

所述FIR濾波器的系數(shù)采用蝙蝠算法進(jìn)行尋優(yōu)獲取；

步驟4：利用所有去噪后的氣壓子樣本集，構(gòu)建各天氣模式下的氣壓樣本訓(xùn)練集；

每個(gè)天氣模式下的氣壓樣本訓(xùn)練子集包括同一天氣模式下所有樓層的經(jīng)過去噪后的氣壓子樣本集，所有天氣模式下的氣壓樣本訓(xùn)練子集構(gòu)成各天氣模式下的氣壓樣本訓(xùn)練集；

步驟5：利用各天氣模式下的氣壓樣本訓(xùn)練集構(gòu)建基于天氣模式的氣壓樓層預(yù)測模型；

依次將每個(gè)天氣模式下全樓層的所有氣壓均值訓(xùn)練子集中的氣壓均值作為輸入數(shù)據(jù)，各氣壓均值對(duì)應(yīng)樓層層號(hào)作為輸出數(shù)據(jù)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，獲得基于天氣模式的氣壓樓層預(yù)測模型；

步驟6：利用運(yùn)載機(jī)器人當(dāng)前所在樓層層號(hào)和大氣壓、濕度以及溫度，確定當(dāng)前樓層的天氣模式，調(diào)用對(duì)應(yīng)天氣模式的氣壓樓層預(yù)測模型；