[发明专利]一种自动巡航电动病床与电梯交互方法及系统

权利要求书

1.一种自动巡航电动病床与电梯交互方法，其特征是，包括以下步骤：

采集各个楼层至电梯井底的距离样本数据以及各个楼层之间的平均距离样本数据；

采集各个楼层的电梯按钮样本数据，对卷积神经网络算法进行训练；

获取当前自动巡航电动病床所在楼层与电梯井底距离，将其与各个楼层至电梯井底的距离样本数据相比较，计算当前自动巡航电动病床所在楼层f₁；

获取当前自动巡航电动病床所在楼层相对于上一次停止楼层的位移距离，将其与各个楼层之间的平均距离样本数据相比较，计算当前自动巡航电动病床所在楼层f₂；

获取当前自动巡航电动病床所在楼层的电梯按钮数据，利用训练好的卷积神经网络算法计算当前自动巡航电动病床所在楼层f₃；

固定在自动巡航电动病床底部的位移传感器采集各个楼层之间的平均距离样本数据以及当前自动巡航电动病床所在楼层相对于上一次停止楼层的位移距离，并传输给设置在自动巡航电动病床上的中心处理器；

所述卷积神经网络算法，包括向前传播和向后传播；

步骤(1)：所述向前传播：

利用采集的自动巡航电动病床各个楼层的电梯按钮数据构建样本集，从样本集中随机抽取样本(X,Y_i),将电梯按钮样本X输入卷积神经网络，计算得到电梯按钮样本X的输出值Y_o，即自动巡航电动病床所在楼层；

样本X从输入层经过逐级的变换，传输至输出层，在此过程中，网络的计算如式(1)所示：

Y_o＝F_n(...(F₂(F₁(X_pW¹)W²)...)Wⁿ) (1)

其中，Y_O 为实际输出；步骤(2)：所述向后传播：

计算实际输出Y_o与理想输出的Y_i实际差，根据得到的实际差，按照极小化误差方法，调整权重矩阵；

步骤(1)和(2)精度要求，由式(2)计算

在训练过程中，输入层、中间层和输出层的单元数分别是N、L和M；X＝(x₀,x₁,…,x_N)是加到网络的输入矢量，H＝(h₀,h₁,…,h_L)是中间层输出矢量，Y＝(y₀,y₁,…,y_M)是网络的实际输出矢量，并且用D＝(d₀,d₁,…,d_M)来表示训练组中各模式的目标输出矢量， 输出单元i到隐单元j的权值是Vij，而隐单元j到输出单元k的权值是W_jk，另外用θ_k和来分别表示输出单元和隐含单元的阈值；

将得到的当前自动巡航电动病床所在楼层f₁、f₂和f₃相比较，判断当前自动巡航电动病床实际所在楼层；所述判断当前自动巡航电动病床实际所在楼层的依据为：

f₁＝＝f₂＝＝f₃。

2.根据权利要求1所述的自动巡航电动病床与电梯交互方法，其特征是，所述卷积神经网络算法的训练过程为：

(1)从由各个楼层的电梯按钮数据组成的样本集中随机地选取若干个样本作为训练组；

(2)将各权值和阈值设置成小的接近于0的随机值，并初始化精度控制参数和学习率；

(3)从训练组中取一个输入样本加到卷积神经网络，并给定其目标输出矢量；

(4)计算卷积神经网络的中间层输出矢量和实际输出矢量；

(5)将实际输出矢量中的元素与目标输出矢量中的元素进行比较，计算出多个输出误差项式；

(6)依次计算出各权值的调整量，利用各权值的调整量，调整权值和阈值；

(7)计算总误差函数，判断总误差函数是否满足精度要求，如果不满足，继续迭代；如果满足，则训练结束。