[發(fā)明專利]一種基于CLUBS算法的移動(dòng)機(jī)器人運(yùn)動(dòng)跟蹤控制系統(tǒng)及控制方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310052699.5
• 申請(qǐng)日: 2023-02-02
• 公開（公告）號(hào): CN115951686A
• 公開（公告）日: 2023-04-11
• 發(fā)明（設(shè)計(jì)）人: 曹鈺涵;陳好
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G05D1/02
• 分類號(hào): G05D1/02
• 代理公司: 南京千語知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32394
• 代理人: 祁文彥

本發(fā)明的一種基于CLUBS算法的移動(dòng)機(jī)器人運(yùn)動(dòng)跟蹤控制方法，包括以下步驟，S1：獲取機(jī)器人步態(tài)信息，整個(gè)數(shù)據(jù)空間被分割為兩類塊：一類是每塊僅含有一個(gè)簇，另一類是每塊僅含噪聲；S2：每次分割之后，都會(huì)重新計(jì)Calinski?Harabasz值，如果CH值增加，則重復(fù)S2，若降低到70％以下，則轉(zhuǎn)入步驟S3；S3：基于密度對(duì)所有塊進(jìn)行遞增排序；將含有簇的塊從所有塊中分離出來；將分離出來的含有簇的塊生成一個(gè)橢圓簇，S4：如果合并一對(duì)簇，導(dǎo)致相對(duì)于最小化簇內(nèi)平方和較小增加的情況下；S5：重構(gòu)橢圓簇，提高聚類質(zhì)量，確定了最終異常點(diǎn)。還包括一種基于CLUBS算法的移動(dòng)機(jī)器人運(yùn)動(dòng)跟蹤控制系統(tǒng)，該方法和系統(tǒng)對(duì)機(jī)器人自動(dòng)導(dǎo)航運(yùn)輸，加強(qiáng)人機(jī)交互，應(yīng)對(duì)突發(fā)事件等功能。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器人控制領(lǐng)域，具體涉及一種基于CLUBS算法的移動(dòng)機(jī)器人運(yùn)動(dòng)跟蹤控制系統(tǒng)及控制方法。

背景技術(shù)

近年來，隨著科學(xué)技術(shù)的不斷發(fā)展，尤其是機(jī)器人技術(shù)迅速發(fā)展，移動(dòng)機(jī)器人已經(jīng)應(yīng)用到越來越多的領(lǐng)域，極大的方便了人們的生活。但是機(jī)器人執(zhí)行任務(wù)時(shí)會(huì)遭遇各種路況和情景,容易出現(xiàn)卡死或側(cè)滑摔倒等情況,所以對(duì)移動(dòng)機(jī)器人的運(yùn)動(dòng)過程進(jìn)行跟蹤控制就變得尤為重要。

本發(fā)明基于CLUB算法的移動(dòng)機(jī)器人運(yùn)動(dòng)跟蹤控制系統(tǒng)可使得機(jī)器人運(yùn)動(dòng)能夠準(zhǔn)確跟蹤控制機(jī)器人運(yùn)動(dòng)軌跡，提升移動(dòng)機(jī)器人的應(yīng)用性能。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)中的不足，本發(fā)明提出一種基于CLUBS算法的移動(dòng)機(jī)器人運(yùn)動(dòng)跟蹤控制系統(tǒng)及控制方法，其為了解決如何對(duì)機(jī)器人自動(dòng)導(dǎo)航運(yùn)輸，加強(qiáng)人機(jī)交互，應(yīng)對(duì)突發(fā)事件等功能的技術(shù)問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明的一種基于CLUBS算法的移動(dòng)機(jī)器人運(yùn)動(dòng)跟蹤控制方法，包括以下步驟，

S1：獲取機(jī)器人步態(tài)信息，進(jìn)行二叉空間分割技術(shù)，把數(shù)據(jù)集變成一系列的超矩形塊，并使用貪婪準(zhǔn)則，塊被迭代分割為成對(duì)的簇，整個(gè)數(shù)據(jù)空間被分割為兩類塊：一類是每塊僅含有一個(gè)簇，另一類是每塊僅含噪聲；

S2：每次分割之后，都會(huì)重新計(jì)Calinski-Harabasz值(CH值：用于聚類效果指標(biāo))，如果CH值增加，則重復(fù)S2)，若降低到70％以下，則轉(zhuǎn)入步驟S3)；

S3：主控制器檢測相鄰塊間的密度，基于密度對(duì)所有塊進(jìn)行遞增排序；基于含有噪聲塊的密度較低的原理，將含有簇的塊從所有塊中分離出來；將分離出來的含有簇的塊生成一個(gè)橢圓簇，若有相鄰簇轉(zhuǎn)入步驟S4，若無直接轉(zhuǎn)入步驟S5；

S4：如果合并一對(duì)簇，導(dǎo)致相對(duì)于最小化簇內(nèi)平方和(WCSS)較小增加的情況下，而CH指標(biāo)增加，則實(shí)施合并；如果合并導(dǎo)致CH指標(biāo)降低，轉(zhuǎn)入S5；

S5：重構(gòu)橢圓簇，提高聚類質(zhì)量，確定了最終異常點(diǎn)。

進(jìn)一步的，步驟S1中，對(duì)于給定移動(dòng)機(jī)器人步態(tài)數(shù)據(jù)集，算法從對(duì)應(yīng)于整個(gè)數(shù)據(jù)集的單個(gè)簇S開始，S被輸入到包含在數(shù)據(jù)集上迭代構(gòu)建分區(qū)塊的優(yōu)先級(jí)隊(duì)列Q中，當(dāng)Q不為空時(shí)，塊B被移除并被分割成一對(duì)塊，如果分割是有效的，則塊對(duì)替換Q中的B，否則B成為該階段的最終塊。

進(jìn)一步地，對(duì)于d維塊B的每一個(gè)維i，我們必須定義距離和函數(shù)CiB：R→N和LSi?B：R→Rd，計(jì)算公式如下：

上述式中，將屬于塊B的點(diǎn)p的所有值相加，其第i個(gè)坐標(biāo)值等于x。這些函數(shù)可以表示為映射，通過對(duì)這些映射或陣列進(jìn)行線性掃描來找到最小化WCSS的分割。

進(jìn)一步地，步驟S1中，將含有簇的塊分離出來；因僅含有噪聲塊的密度較低，CLUBS首先基于密度對(duì)所有塊進(jìn)行遞增排序，并檢測相鄰塊間的密度跳躍，從而確定噪聲塊的候選子集，然后，測試候選子集，在塊的中心生成一個(gè)超立方體，如果超立方體的密度小于整個(gè)塊的密度的2倍，則表明該塊屬于異常塊，否則屬于簇塊。