[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

摘要

本发明公开了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，分为训练阶段和学习阶段，在训练阶段中，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，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，并进行SCFNN模型内的四层运算得到推论输出值；在学习阶段中，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，同时对连结权重、归属函数的平均值与标准偏差的修正量然后进行修正，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。本发明具有以下优点和效果：应用SCFNN神经网络能缩短运算周期，优化机器人行进距离与速度实现人工智能的提升。

主权项

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。