[發明專利]基于路面特征聚類分析的機器人速度自適應控制方法

在審

• 申請號: 202010105923.9
• 申請日: 2020-02-20
• 公開（公告）號: CN111338338A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 劉明;張帥帥;榮學文;李貽斌;朱其剛;尹燕芳
• 申請（專利權）人: 山東科技大學
• 主分類號: G05D1/02
• 分類號: G05D1/02;G05D13/62;G05B13/04;G06K9/62
• 代理公司: 濟南日新專利代理事務所(普通合伙) 37224
• 代理人: 王書剛

1.一種基于路面特征聚類分析的機器人速度自適應控制方法，其特征是，包括以下步驟：

(1)基于姿態傳感器的路面特征原始信號的采集；

通過姿態傳感器采集路面特征信號，包括機器人在不同地面行駛的本體垂直方向加速度信號以及俯仰角信號；

(2)小波特征提取，基于小波變換的噪聲濾波及路面特征信息重構提取；

采用小波變換的方法對路面特征信號進行信號特征的提取，完成信號噪聲的濾除及特征重構；

(3)基于改進高斯混合模型的路面特征聚類分析；

包括路面特征聚類分析和坡度模糊化處理，路面類別的聚類分析采用的是基于改進的高斯混合模型來實現，通過聚類分析獲取機器人所處路面隸屬于所定義的地面類型的概率。

(4)機器人自適應速度模糊決策控制；

制定模糊化決策，產生機器人的速度控制量獲得機器人速度；機器人的速度控制量的產生是基于路面坡度信息以及路面類別隸屬度的二維模糊控制器采用模糊決策方式完成機器人速度自適應決策控制。

2.根據權利要求1所述的基于路面特征聚類分析的機器人速度自適應控制方法，其特征是，所述小波特征提取的過程，包括：

①對原始信號進行歸一化處理；

②小波變換多尺度分解：采用小波基Dmey進行5層小波分解；

③各尺度小波系數去噪：小波分解高頻系數的閾值量化，對第1層到第5層的每一層高頻系數選擇一個閾值進行軟閾值化處理；

④小波逆變換重構：

根據小波分解的第5層的低頻系數和經過量化處理后的第1層到第5層的高頻系數，進行信號的小波重構；

⑤得到去噪后特征信號。

3.根據權利要求1所述的基于路面特征聚類分析的機器人速度自適應控制方法，其特征是，所述改進的高斯混合模型算法描述如下：

輸入：樣本集D＝{＜x_j,y_j＞,1≤i≤n}，其中，x_j為樣本，y_j為地面種類的標簽，n為樣本個數；

高斯混合成分個數，即典型地面類別個數k；

訓練過程：

①初始化參數γ_ji，

②計算高斯混合初始參數{(α_i,μ_i,Σ_i)1≤i≤k}，

③repeat：

④for j＝1,2.....n do//E步驟，針對每一個樣本，

⑤計算x_j的后驗概率其中α_i為第i種類型地面的混合成分，即該類型地面的先驗概率α_i＝p(c_j＝i)，滿足條件μ_i為特征數據的均值向量，Σ_i為地面特征數據的協方差矩陣；

⑥end for，

⑦對γ_ji進行修正，

⑧for i＝1,2,....k do//M步驟，針對每一個混合成分即典型地面類型，

⑨計算

⑩計算

⑾計算

⑿end for，

⒀更新模型參數，將{(α_i,μ_i,Σ_i)1≤i≤k}更新為{(α_i',μ_i',Σ_i')1≤i≤k}，

⒁until滿足條件停止。

輸出：得到高斯混合模型{(α_i,μ_i,i),1≤i≤k}。

4.根據權利要求1所述的基于路面特征聚類分析的機器人速度自適應控制方法，其特征是，所述步驟(4)具體包括以下過程：

①模糊控制器的結構：

模糊控制器的輸入有兩個，即基于改進高斯混合模型的地面類別聚類輸出g_cm與地面坡度s，輸出為控制機器人速度的PWM波脈寬u_P，利用兩個獨立的一維模糊控制器的輸出產生總控制輸出量；

②模糊控制器的設計實現：

將地面坡度根據斜坡度數分為大下坡、中下坡、小下坡、平地、小上坡、中上坡、大上坡，與修正因子的模糊集均為：{NB,NM,NS,ZO,PS,PM,PB}；為與主控制量匹配，選擇坡度及從控制量的隸屬度均為高斯函數；

設置機器人在不同地面類別下的速度分別為v₁、v₂、v₃、v₃四個速度等級，若改進混合高斯模型聚類的輸出g_cm＝{μ₁，μ₂，μ₃，μ₄}，則利用重心法解模糊化，得主控制量輸出u_m；利用一維模糊控制器的推理原則及重心法解模糊，得到基于地面坡度的控制量修正因子ζ，從而控制器的輸出u_P表示為：u_P＝ζu_m；即完成機器人速度控制量的生成輸出。