[发明专利]一种基于神经网络的车厢智能服务机器人行进的控制方法

权利要求书

1.一种基于神经网络的车厢智能服务机器人行进的控制方法，其特征在于,分为训练阶段和学习阶段，包括以下步骤：

1)训练阶段；具体步骤如下：

1-1)车厢内设置定位基站传感器，机器人本体设置摄像头与红外探测器，采集机器人本体的位置参数作为输入变量；

1-2)识别输入变量，以至少两个输入节点与一个输出节点的形式建立SCFNN模型架构；

1-3)所述SCFNN模型包括四层运算，输入节点经过第一层后，进入第二层的归属函数节点与第三层的乘积运作节点，并逐步调整第二层每一个高斯型归属函数的平均值、标准偏差，第三层与输出节点间的连结权重，最终于第四层得到推论输出值；

2)学习阶段；具体步骤如下：

2-1)输入节点经过结构学习产生新的规则，并经过参数学习得到一个推论输出值，同时也有一个正确输出值产生，并传到SCFNN模型以比较两者的差值，进而推论出连结权重、归属函数的平均值与标准偏差的修正量然后进行修正；

2-2)利用所述步骤2-1)在每一笔输入节点进入SCFNN模型就进行一次修正，直至SCFNN模型学习完成；

2-3)实时调整SCFNN模型的内部参数改变输出变量值的变化，从而控制智能服务机器人行进方向与距离。

2.根据权利要求1所述的一种基于神经网络的车厢智能服务机器人行进的控制方法，其特征在于，在所述步骤1-3)中，所述第一层为输入节点，输入节点与 经此节点传到第二层，没有计算动作。

3.根据权利要求2所述的一种基于神经网络的车厢智能服务机器人行进的控制方法，其特征在于，在所述步骤1-3)中，所述第二层的每一节点相当于是第一层输入节点的语意项，亦即算出输入节点属于此归属函数的程度，本SCFNN模型中采用高斯函数作为归属函数，

(1）

式(1)中，为信号对个归属函数的中点，为信号对个归属函数的标准偏差。

4.根据权利要求3所述的一种基于神经网络的车厢智能服务机器人行进的控制方法，其特征在于，在所述步骤1-3)中，所述第三层的每一个节点表示模糊规则的命题部，其函数为

（2）

式（2）表示第二层三个输入归属函数群中第j个归数函数值进入此节点相乘，得一乘积为此层的输出。

5.根据权利要求4所述的一种基于神经网络的车厢智能服务机器人行进的控制方法，其特征在于，在所述步骤1-3)中，所述第四层仅有一个节点主要的动作是解模糊化，以y*表示推论输出值，则

（3）

式(3)中，表示第三层的输出，表示第三层每一节点与第四层输出节点之间的连结权重，M为过程中已建立的规则数目,经过式(1)(2)(3)计算，与 的每一笔输入节点都可以得到对应的推论输出值，在未完成学习之前，此值与确值一定有差距。

6.根据权利要求1所述的一种基于神经网络的车厢智能服务机器人行进的控制方法，其特征在于，在所述步骤2-1)中，以逆推的形式更新连结权重、归属函数的平均值与标准偏差的公式，定义能量函数的表达式，

（4）

式(4)中，对应每一次训练输入节点后的正确输出值，与 进入SCFNN模型后得到的推论输出值；

所述连结权重的变化量及更新公式如下：

（5）

（6）

式(5)与式(6)中，为学习样本编号，为第三层节点编号；

所述归属函数的中间值与所述标准偏差调整量公式如下：

（7）

（8）

式(7)与式(8)中，和为参数，可以进行调整以得到较佳结果，根据实际测试可得

（9）

（10）

SCFNN模型经过学习，所有推论输出值与期望输出值差的均方根值收敛。