[发明专利]一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法

说明书

本发明提供了一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法，利用成本较低的温度、湿度、气压传感器搜集数据，建立数据库，针对气压随高度变化的特性，采用大数据处理技术，利用CPSO优化的ELMAN神经网络模型完成预测模型的建立，实现运载机器人在各种环境下的电梯楼层自适应辨识，有效解决了不同环境下同一高度气压值变动导致楼层辨识不准的情况。此外，本发明无需对电梯内部或外部进行改造，具有极高的普适性。

技术领域

本发明属于机器人控制领域，特别涉及一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法。

背景技术

运载机器人作为一种自动化运输工具，有着广阔的发展前景。由于现代复杂的运输要求，运载机器人需要实现多楼层的运输服务。而运载机器人如何实现楼层辨识，至今仍是一个难点。

目前，运载机器人识别电梯所到楼层主要有两种方案，一种是加装外部设备实现信息交互识别，另一种是让机器人实现自主识别。第一种情况下，通过电梯内部改造，建立电梯与运载机器人的交互，机器人就可以准确识别楼层，然而基于安全性、便捷性考虑，现实条件下给现有电梯轿厢专门安装运载机器人楼层信号交互系统非常困难。因此在现阶段下，采用第二种方案更为合理。

机器人自主辨识楼层可以通过机器视觉、GPS、气压测量等方式实现。图像处理是一种方便、可行的方法，即机器人通过电梯内部楼层标号、外部楼层标号或其他具备楼层典型图像信息的标号进行识别，该方法识别率高，但在强光照射、视觉遮挡等特殊条件下，该方法难以实现楼层的辨识。GPS是测量高度的主要方式之一，得到了广泛的应用。然而，由于GPS自身存在误差，且电梯内部环境封闭、信号较弱，在电梯内部采用GPS定位楼层存在很大困难。气压同样可以测量高度，其基本原理是气压会随着海拔的升高而降低。气压的测量相对比较独立，更加适合机器人自主辨识楼层。但是，即使在同一位置，气压也会随着时间、温度、湿度、风等的变化而变化。直接用气压感知来辨识楼层会导致频繁出错。

发明内容

本发明提供了一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法，其目的在于克服现有技术的不足，利用CPSO优化的Elman神经网络的分类模型，结合实时检测的气压数据，准确获得机器人所在楼层的层号。

一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法，包括以下步骤：

步骤1：采集楼层历史信息数据，构建楼层信息数据库；

所述楼层历史信息数据包括各楼层在各种天气条件下不同时间间隔区间中的天气观测值，所述天气观测值包括温度、湿度以及气压；

步骤2：对楼层信息数据库中的各楼层在不同时间间隔内的样本进行聚类，得到每个楼层的天气模式集合，每一种天气模式对应一组温度区间、湿度区间以及气压区间；

所述样本是指在一个时间间隔内采集的天气观测值均值，时间间隔是将历史数据采集时间作为一个连续的时间段，进行等间距划分，设定为1小时；

步骤3：获取用于构建基于天气模式的气压楼层预测模型的训练集合；

将所有样本中的气压均值按照天气模式进行划分后，对相同天气模式下所有楼层的气压均值进行合并，得到同一天气模式下全楼层的所有气压均值和对应楼层层号的训练子集，所有天气模式下的全楼层训练子集构成训练集合；

步骤4：构建基于天气模式的气压楼层预测模型；

将每个天气模式下全楼层的所有气压均值训练子集中的气压均值作为输入数据，各气压均值对应楼层层号作为输出数据，训练基于CPSO优化的Elman神经网络的分类模型，获得基于天气模式的气压楼层预测模型；

步骤5：利用机器人当前所在楼层层号和天气观测值，确定当前楼层的天气模式，调用对应天气模式的气压楼层预测模型；