[发明专利]一种运载机器人识别楼层的气象参数智能融合处理方法

说明书

技术领域

本发明属于机器人控制领域，特别涉及一种运载机器人识别楼层的气象参数智能融合处理方法。

背景技术

随着自动控制、机械、传感器、计算机等技术的飞速发展，机器人的生产、制造、控制技术得到了极大的提升，机器人产业进入快速发展时代。由于运载机器人具有改善物流管理，实现数据分析和远程控制，防止货物损伤，实现长距离运输等优点，运载机器人逐渐成为现代机械制造、物流运输、科研实验等体系中的重要组成部分。现代的复杂性运输任务要求运载机器人能够自动化完成不同楼层的运载作业。然而运载机器人如何准确、稳定地识别电梯所到楼层，至今仍是一个难题。

目前，运载机器人识别电梯所到楼层主要有3种方案。第1种方案是通过电梯内部改造实现运载机器人对电梯楼层的读取，即直接建立电梯系统与运载机器人之间的信息交互，如通过单片机读取电梯楼层信息，该方法可以稳定、可靠地实现电梯楼层识别，但基于安全性、方便性考虑，现实条件下难以为电梯配置运载机器人楼层信号交互设备。第2种方案是通过在电梯外加装简易装置实现运载机器人对电梯楼层的读取，如在所有楼层电梯门正对位置贴上楼层标号，运载机器人通过图像处理方式对标号进行识别，该方法在无强光照射、视觉遮挡等条件下，识别率较高，但难以应对复杂环境。第3种方案是机器人自主实现电梯楼层识别，该方法无需外部改造，更有利于运载机器人的广泛应用，但该方法现有的方案如机器人通过图像处理方式对电梯内部楼层标号进行识别，同样难以适应复杂环境。

发明内容

本发明提供了一种运载机器人识别楼层的气象参数智能融合处理方法，其目的在于克服现有技术的不足，利用SFLA优化的MKSVM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。

一种运载机器人识别楼层的气象参数智能融合处理方法，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SFLA的多核支持向量机MKSVM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；

步骤6：利用机器人上装载的气压传感器采集机器人所乘电梯所在楼层的实时气压，输入气压楼层预测模型中，输出机器人所乘电梯所在的楼层层号。

进一步地，所述基于SFLA的多核支持向量机MKSVM的分类模型，是以同一天气模式下不同气压均值数据及相应的楼层层号分别作为输入和输出训练数据，建立MKSVM模型进行分类训练获得；

其中，所建立的MKSVM模型的核函数为径向基核函数和多项式核函数加权求和的多核核函数，所建立的MKSVM模型的参数c和g采用SFLA算法进行优化选择。

所述多核核函数为K_mix＝dK_rbf+(1-d)K_poly，d∈[0,1]，其中，K_rbf代表高斯径向基核函数，K_poly代表多项式核函数，d代表核函数权值。

进一步地，所述MKSVM模型的参数c和g采用SFLA算法进行优化选择的过程如下：

(1)将所述MKSVM模型的惩罚系数c、核参数g和核函数权值d当作青蛙个体，并随机初始化青蛙种群；