[發明專利]一種多分類器結合的礦用機器人意念感知與決策方法

在審

• 申請號: 202110296480.0
• 申請日: 2021-03-19
• 公開（公告）號: CN112883914A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 劉馳;汪梅;鄭天威;郭園;李遠成
• 申請（專利權）人: 西安科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安中科匯知識產權代理有限公司 61254
• 代理人: 汪重慶

本發明提供了一種多分類器結合的礦用機器人意念感知與決策方法；步驟1，數據獲取與預處理；步驟2，改變模板匹配中各相似度的簡單結合策略，并搭建DCPM算法模型；步驟3，基礎分類器的構建，構建線性判別分類器、EEGNet神經網絡模型和DCPM算法；步驟4，構建強分類器，融合弱分類器的特征信息，輸出礦用機器人的控制指令；步驟5，使用無人機控制指令實現對礦用機器人的控制。本發明提出了基于改進的小波閾值去噪方法，實現了腦電數據的濾波效果改善。本發明使用支持徑向基神經網絡，對線性判別分析、EEGNet神經網絡模型和改進的DCPM算法三種基礎分類器提取的特征信息進行融合，輸出礦用機器人的控制指令，實現對礦用機器人的感知與決策。

技術領域

本發明涉及機器人技術領域；尤其涉及一種多分類器結合的礦用機器人意念感知與決策方法。

背景技術

我國是煤炭生產和消費大國，我國的煤炭資源總量遠遠超過其他一次能源。根據我國資源現狀和煤炭在能源生產及消費結構重要地位，我國以煤炭為主體的能源結構還將持續相當長一段時間。長期以來，煤炭作為我國的基礎能源和重要的工業原料，為國民經濟的發展提供強勁動力，為電力、化工、鋼鐵等產業打下根基。鑒于煤炭的生產過程有一定的風險性，我國對于煤炭的安全生產高度重視。目前，我國依據《安全生產法》、《礦山安全法》、《安全生產許可證條例》、《煤礦礦長保護礦工生命安全七條規定》等法律法規對煤炭的安全生產進行了嚴格規定。但是，由于我國的煤炭生產規模較大，煤礦安全事故時有發生。為不斷推進煤礦產業的安全生產進程，礦井作業的無人化和少人化成為趨勢；

在基于腦電數據特征提取方面，目前已經發展出了幾個成熟的腦電特征提取技術，各方法使用不同的原始獲取各自需求的腦電特征信息，方法之間的數據需求相同，但是提取的特征信息差異較大，造成了不同方法間特征信息的孤島，不利于在現有研究基礎上特征提取模型性能的進一步提升。腦電數據往往包含大量噪聲，這些噪聲會掩蓋較弱的腦電信號，因此去噪是腦電信號處理的一個關鍵步驟。

目前，小波變換是腦電信號去噪處理的有力工具。基于閾值處理的小波去噪法在二十世紀末由Donoho等人在深入探討小波變換理論后提出，根據小波變換后噪聲與有用信號兩者在系數上存在幅值差異這一理論基礎，進而通過設定合適臨界值λ，將小波系數小于λ的部分當作是由白噪聲所致，將它剔除，對于大于λ的部分則認為是由有效信號引起的，予以保留，如此便可完成對原始信號中噪聲的去除。原始小波閾值法包含硬閾值與軟閾值，鑒于其簡單有效，因此在去噪領域應用寬泛。

假設原始信號為，為服從的高斯白噪聲，則加入噪聲后的帶噪信號可表示為：

f(t)＝s(t)+n(t)

對經公式得到的帶噪信號進行離散小波變換，得到小波系數，它由以下兩部分組成：

wf(j,k)＝ws(j,k)+wn(j,k),j＝0,1,2,…,J；k＝0,1,2,…,N

其中，wf(j,k)是帶噪信號f(t)在第j層上的小波系數值；ws(j,k)是原始信號s(t)在第j層上的小波系數值；wn(j,k)是高斯白噪聲信號n(t)在第j層上的小波系數值；J代表小波分解層數最大值；N代表信號長度。記wf(j,k)為wj,k，然后選擇合適的閾值λ，對wj,k進行處理，得到閾值處理后的小波系數值，且盡可能使得與ws(j,k)接近。最后重構，獲得降噪信號。

Donoho提出的傳統閾值法中軟硬閾值函數的區別就在于對小波系數的處理策略有所不同。兩種函數的表達式分別為：

上式分別為硬閾值函數和軟閾值函數。λ為設定的閾值。