[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

说明书

技术领域

本发明属于机器人控制领域，特别涉及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。

背景技术

随着先进制造技术和人工智能技术的飞速发展，机器人拥有越来越广阔的应用前景。运载机器人作为一种自动化运输工具，受到广泛的关注。由于现代运输任务的复杂性要求，运载机器人需要实现不同楼层的运输服务。而运载机器人如何辨识电梯所到楼层，至今仍是一个难点。

目前，运载机器人识别电梯楼层的方法主要包括机器人视觉法、单片机信息读取法等。机器人视觉法是通过图像处理方式对电梯内部楼层数标号、机器人可视范围内人为设置标号等图像信息进行识别，该方法识别率高，但在强光照射、视觉遮挡等复杂环境下，机器人难以正确识别出所处楼层。单片机信息读取法是通过电梯内部改造，建立电梯与运载机器人的交互，识别率很高，但基于安全性、方便性考虑，现实条件下为现有电梯配置运载机器人楼层信号交互设备非常困难，因此该方法难以得到广泛应用。

中国专利CN102009883B中公开一种电梯轿厢位置检测装置，电梯轿厢中安装有气压检测海拔高度的数据采集通讯模块，该模块与电梯控制器连接；电梯控制器处理来自气压检测海拔高度的数据采集通讯模块的信号来获取电梯轿厢在井道内的位置。然而，该方法需要对电梯进行改造，如果直接用于运载机器人，还需要建立运载机器人与电梯的交互，困难较大；同时，由于气压会随着环境变化，直接用气压来辨识高度会出现不同环境条件下同一层高度数据不同的情况，这会造成运载机器人楼层辨识错误。

发明内容

本发明提供了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，其目的在于克服上述方法中存在的不足，利用气压随高度变化而变化的特征，对电梯所在环境数据进行特征融合处理，采用数据挖掘技术和分类建模处理，对机器人所在楼层进行实时判别。

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，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；

当单个楼层的气压受天气条件影响较大时，需要获取单个楼层所属的典型天气，即每一个楼层会对应多种天气模式，在不同的天气模式下，获得的气压值不同；相同天气模式下，同一楼层在不同时间间隔区间下的气压值相近；典型天气模式数量依据当地天气条件和经验确定；

不同日期内相同时间段内的样本属于不同的样本，比如历史数据采集时间为1年，将得到365*24个时间间隔，每一个时间间隔中的天气观测值均值为一个样本；

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；

以楼层层号和某一时间间隔区间的气压均值作为训练子集中的一个元素，在一种天气模式的训练子集中，包含每个楼层在相同天气模式下各个时间间隔的气压均值；

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；

单一的全楼层时间间隔区间模型对应单一天气模式下各个时间间隔区间下的各个楼层的观测值，是由观测值训练得到模型，不是由模型得到观测值。各种天气模式下各个时间间隔区间下的各个楼层的观测值对应各单一的全楼层时间间隔区间模型合并得到的模型集。

利用各种天气模式下各个时间间隔区间下的各个楼层的观测值得到了训练好的模型集，将当前的温度、湿度、气压观测值输入模型集可以先得到天气模式，再由天气模式和气压观测值进一步得到楼层层号。

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；