[发明专利]一种智能环境运载机器人识别楼层的神经网络群体混合计算方法

权利要求书

1.一种智能环境运载机器人识别楼层的神经网络群体混合计算方法，其特征在于，包括以下步骤：

步骤1：采集各楼层气压数据样本；

所述各楼层气压数据是指运载机器人位于各个楼层在不同时间间隔区间中利用气压传感器、湿度传感器、温度传感器分别采集的大气压均值、湿度均值以及温度均值，一个样本是指运载机器人位于一个楼层在一个时间间隔区间中采集的大气压数据均值、湿度均值以及温度均值；

步骤2：对各楼层气压数据样本按照天气模式进行聚类，得到同一楼层在同一天气模式下的气压子样本集；

每个气压子样本集为步骤1采集的数据中同一楼层在同一天气模式下所有历史时间间隔中采集的气压均值；

步骤3：依次对每个气压子样本集中所有气压均值利用FIR滤波器进行滤波去噪处理；

所述FIR滤波器的系数采用蝙蝠算法进行寻优获取；

步骤4：利用所有去噪后的气压子样本集，构建各天气模式下的气压样本训练集；

每个天气模式下的气压样本训练子集包括同一天气模式下所有楼层的经过去噪后的气压子样本集，所有天气模式下的气压样本训练子集构成各天气模式下的气压样本训练集；

步骤5：利用各天气模式下的气压样本训练集构建基于天气模式的气压楼层预测模型；

依次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，训练神经网络，获得基于天气模式的气压楼层预测模型；

步骤6：利用运载机器人当前所在楼层层号和大气压、湿度以及温度，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7：利用运载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。

2.根据权利要求1所述的方法，其特征在于，所述所述FIR滤波器的系数采用蝙蝠算法进行寻优获取过程如下：

(1)将每只蝙蝠个体表示一组FIR滤波器系数，蝙蝠以随机方式在N维空间中扩散分布一组初始解，随机生成蝙蝠种群，N为滤波器阶数；

设定蝙蝠种群的数量,最大迭代次数搜索脉冲频率范围，蝙蝠个体最大脉冲频度和最大脉冲声音强度，蝙蝠搜索频度增加系数、声音强度衰减系数；

(2)设定适应度函数f：f＝1/J；

J=1MΣi=1M(yi-y^)2]]>

其中，为一个气压子样本集所有气压均值的平均值，y_i表示第i只蝙蝠对应的FIR滤波器将气压子样本集中气压均值过滤后的过滤气压均值，M表示气压子样本集中气压均值的数量；

(3)寻找出适应度值最大的蝙蝠个体，作为当前最优解x^*；

(4)利用当前最优解依次对所有蝙蝠个体的搜索脉冲频率、速度和位置进行更新；

(5)生成均匀分布随机数R₁′，判断R₁′＞R_i是否成立，如果成立，则利用当前最优解产生一个新的解，并利用新的解作为当前最优解，如果不成立，则接受(4)更新后的蝙蝠个体；

其中，R₁′的取值范围为[0,1]，R_i为第i只蝙蝠的脉冲频度；

(6)生成均匀分布随机数R₂′，判断R₂′＜A_i且f(x_i)＜f(x^*)是否成立，若成立，则利用(5)得到的新的解，对第i只蝙蝠的脉冲频度和脉冲声音强度进行更新，否则，不对蝙蝠进行更新；

其中，R₂的取值范围为[0,1]，A_i为第i只蝙蝠的脉冲声音强度；

(7)当所有更新后的蝙蝠均完成(5)和(6)的判断，从所有的蝙蝠个体中找出适应度最好的蝙蝠个体和适应度值；

(8)判断是否满足预设搜索精度或达到最大迭代次数，若满足，则进入(9)，否则返回(4)，直到找到满足设定的最优解条件为止；

(9)输出最优蝙蝠个体，得到最优蝙蝠个体对应的FIR滤波器的系数值。