[发明专利]一种智能节能环保吸尘器控制系统

权利要求书

1.一种智能节能环保吸尘器控制系统，其特征在于，所述智能节能环保吸尘器控制系统包括：

距离传感器，用于探测吸尘器前方的墙壁、沙发障碍信息；所述距离传感器的量测模型如下：

Y_A(t_k-1)、Y_A(t_k)、Y_A(t_k+1)分别为距离传感器A对目标在t_k-1,t_k,t_k+1时刻的本地笛卡尔坐标系下的量测值，分别为：

YA(tk-1)=Y′A(tk-1)-CA(tk-1)ξA(tk-1)+nYA(tk-1);]]>

YA(tk)=Y′A(tk)-CA(tk)ξA(tk)+nYA(tk);]]>

YA(tk+1)=Y′A(tk+1)-CA(tk+1)ξA(tk+1)+nYA(tk+1);]]>

其中，Y'_A(t_k-1)、Y'_A(t_k)、Y'_A(t_k+1)分别为距离传感器A在t_k-1,t_k,t_k+1时刻的本地笛卡尔坐标系下的真实位置；C_A(t)为误差的变换矩阵；ξ_A(t)为距离传感器的系统误差；为系统噪声，假设为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为R_A(k-1)、R_A(k)、R_A(k+1)；

障碍探测系统，用于探测吸尘器前方或下方异物并把数据传到主控制器；

所述障碍探测系统建立吸尘器的路径规划问题数学模型包括：定义路径的起点为S，目标点为T；在吸尘器的工作区内有许多的障碍区域均以圆形区域的方式来表示，越接近圆形区域的中心便越易受碰撞，在区域之外则不受碰撞；吸尘器工作任务就是在所有障碍区域的前提下，在S与T之间寻找一条最优的路线；

所述障碍探测系统寻找一条最优的路线处理方法包括：

1)连接S与T；

将ST分为D+1段，即D个节点，分别标记为L₁,L₂,...,L_k,...L_D；

在每个节点处作ST的垂线，构成一个离散点的集合：

C＝{S,L₁(x(1),y(1)),L₂(x(2),y(2)),...,L_k(x(k),y(k)),...L_D(x(D),y(D)),T}按顺序将这些点连接起来便形成了一条路径；

2)坐标系变换：为加快搜索速度，把ST当作x轴，对每个离散点(x_k,y_k)做坐标变换；

x′(k)y′(k)=cosθsinθ-sinθcosθx(k)-xsy(k)-ys---(1);]]>

其中，θ是原始坐标系的x轴逆时针旋转到平行于ST时的角度，(xs,ys)代表原始坐标系下的坐标；这样，x坐标便可以表示为x′(k)=|ST|D+1·k,]]>

离散点的集合C便可以转换为：

C'＝{0,L₁(y'(1)),L₂(y'(2)),...,L_k(y'(k)),...L_D(y'(D)),0}；

3)，建立性能评价函数：

对吸尘器路径的评价主要包括障碍代价J_t和电耗代价J_f；

Jt=∫0Lwtdl---(2);]]> 1

Jf=∫0Lwfdl---(3);]]>

其中，w_t和w_f是与当前路径点，分别代表每段路线的障碍代价和电耗代价，L是航线的总长度；

采用精确的近似策略，两个离散点之间每段路线的障碍代价，为五个点的总和：

wt,Li=Li5·Σk=1Nttk·(1d0.1,i,k4+1d0.3,i,k4+1d0.5,i,k4+1d0.7,i,k4+1d0.9,i,k4)---(4);]]>

其中，N_t是障碍区域的数量，L_i是第i子段的长度，d_0.1,i,k是i子段上1/10分点到第k个障碍的距离，t_k是第k个障碍的障碍程度；

假设吸尘器的速度为一常量，电耗代价等价为总长度L；

最终的总代价为：J＝kJ_t+(1-k)J_f (5)

其中，k＝0.5，k从0到1变化，k趋近于1，则路径更短，k远离近于1，则路径更长；

4)确定蝙蝠的速度更新和位置更新：

假设搜索空间为n维，蝙蝠i在t时刻的位置为速度为则在t+1时刻的位置和速度更新公式如下：

fit=fmin+(fmax-fmin)β---(6),]]>

vit+1=vit+(xit-best)fit---(7),]]>

xit+1=xit+vit+1---(8)]]>

其中，f_i，f_max，f_min分别表示蝙蝠i在当前时刻发出的声波的频率、声波频率的最大值和最小值；β∈[0,1]是随机产生的数。best表示当前全局最优解；

对于大小为n的蝙蝠群体，可随机地从中选择一只蝙蝠，并据公式(4)更新该蝙蝠相应的位置，这个过程被理解为一个局部搜索的过程，即在被选择的解中产生一个新解；

x_new(i)＝x_old+εA^t(9)，

其中，x_old表示从当前最优解集中随机选择的一个解，A^t表示在t时刻前i只蝙蝠响度的平均值，随机向量ε的元素是区间[-1,1]的随机数；

5)确定响度和脉冲速率：

蝙蝠在搜寻开始时，脉冲音强大而脉冲频度小，在飞向食物的过程中，脉冲音强会逐渐降低，脉冲频度则会逐渐提高；蝙蝠i脉冲音强A(i)和脉冲r(i)根据下述公式(5)(6)更新：

r^t+1(i)＝r⁰(i)×[1-exp(-γt)](10)，

A^t+1(i)＝αA^t(i) (11)，

其中，0＜α＜1,λ＞0均为常量；A(i)＝0时意味着蝙蝠i刚刚发现一只猎物，暂时停止发出任何声音，不难发现：当t→∞时，A^t(i)→0,r^t(i)＝r⁰(i)；

6)开始按下列步骤实施基本蝙蝠算法，包括：

初始化基本参数：群体规模N、脉冲音强衰减系数α、脉冲频度增加系数γ、最大脉冲频度r0、最大脉冲音强A和最大迭代次数iterMax；

定义脉冲频率Q_i∈[Q_min,Q_max]和速度v；

初始化蝙蝠的位置x_i，并寻找当前的最优解f_min；

进入主循环，如果rand＜r_i，则按照公式(7)(8)分别更新蝙蝠的速度和当前位置，否则对蝙蝠的位置进行随机扰动，并进入下一步；

如果rand＜A_i并且f(_xi)＜f(x)，则接受新的解，并运动至更新之后的位置；

如果f(_xi)＜f_min，则替换之前的最优蝙蝠，并根据公式(10)、(11)调整脉冲音强A_i和脉冲频度r_i；

对蝙蝠群体进行评估，找出最佳的蝙蝠及其所处位置；

满足算法的终止条件达则进入下一步，否则进入主循环步骤，进行下一次搜索；

输出最优个体值和全局最优解；其中，rand是[0,1]上均匀分布的随机数；

角度传感器，用于在探测到前方障碍物的坐标和角度信息；

主控制器，用于接收距离传感器和角度传感器以及障碍探测模块的数据并加以分析，命令电机模块工作；

所述主控制器内置有图像分析模块，用于对距离传感器和角度传感器以及障碍探测模块传输的图像信息进行分析处理；具体包括：

图像分析模块从主控制器内存的图像库选择获取待评价图像；

为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：

Gray＝R*0.3+G*0.59+B*0.11；

利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：

E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|；

利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：

19×111111111;]]>

分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：

sum_orig=w1×(|F(i,j)-F(i-1,j)|+|F(i,j)-F(i,j-1)|+|F(i,j)-F(i,j+1)|+|F(i,j)-F(i+1,j)|)+w1×(|F(i,j)-F(i-1,j-1)|+|F(i,j)-F(i-1,j+1)|+|F(i,j)-F(i+1,j-1)|+|F(i,j)-F(i+1,j+1)|),]]>

sum_filter=w1×(|F2(i,j)-F2(i-1,j)|+|F2(i,j)-F2(i,j-1)|+|F2(i,j)-F2(i,j+1)|+|F2(i,j)-F2(i+1,j)|)+w2×(|F2(i,j)-F2(i-1,j-1)|+|F2(i,j)-F2(i-1,j+1)|+|F2(i,j)-F2(i+1,j-1)|+|F2(i,j)-F2(i+1,j+1)|),]]>

其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；

电机模块，负责接收主控制器的命令使电机工作完成运动与吸尘工作；并接收主控制器的命令，使吸尘器能够智能自动的选择转弯和回避。