[发明专利]一种基于气象传感时序模式的运载机器人智能识别楼层的方法

权利要求书

1.一种基于气象传感时序模式的运载机器人智能识别楼层的方法，其特征在于，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WCA的支持向量机SVM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。

2.根据权利要求1所述的方法，其特征在于，所述基于WCA的支持向量机SVM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SVM模型进行分类训练获得；

其中，所建立的SVM模型选择高斯函数作为核函数，SVM模型的参数c和g采用WCA算法进行优化选择。

3.根据权利要求2所述的方法，其特征在于，所述SVM模型的参数c和g采用WCA算法进行优化选择的过程如下：

(1)将降雨过程中的每一个降雨层作为一组参数c和g，利用降雨过程随机生成降雨层种群；

设定降雨层种群数量的取值范围为[10,80]，海洋数量为1，河流数量的取值范围为[3,29]，最大迭代次数的取值范围为[200,2000]；

(2)依次将所有降雨层对应的参数c和g代入不同天气模式下的SVM模型中，对同一天气模式下各楼层的所有历史样本进行分类，得到每个样本的分类结果，将所有样本的楼层分类结果和真实楼层结果之间的差值绝对值求均值，作为平均绝对值误差作为适应度，以平均绝对值误差最小的降雨层作为大海，以平均绝对值误差次小的降雨层作为河流，其余的降雨层作为流入河流或海洋的溪流；

(3)如果溪流解优于河流解，则溪流与河流交换位置，如果河流解优于海洋解，则河流与海洋交换位置；然后使溪流流入河流，使河流汇入海洋；

(4)判断河流解与海洋解之间的差值绝对值是否小于设定的极小值，如果小于，则认为满足降雨条件，去掉该河流，并重新进行降雨过程，随机生成新的降雨层，返回(2)继续一次迭代，否则，进入(5)；

所述设定的极小值取值为0.01；

(5)判断是否满足终止条件，满足则输出最优的降雨层对应的参数，不满足则进入(2)继续一次迭代；

所述终止条件是指迭代次数达到最大迭代次数。

4.根据权利要求1-3任一项所述的方法，其特征在于，采用FCM聚类方法，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。