[发明专利]基于自组织模糊神经网络的污水处理厂智能巡检轨迹矫正方法

说明书

本发明涉及一种基于自组织模糊神经网络的污水处理厂智能巡检轨迹矫正方法，包括设计用于控制航向角的自组织模糊神经网络、自组织模糊神经网络在线学习和设计用于智能巡检的轨迹矫正方法，以及利用求解出的控制信号对巡检机器人驱动系统进行控制。其利用自组织模糊神经网络实时调整巡检机器人的航向，实现对巡检机器人轨迹矫正的智能控制，提高了巡检机器人的运行安全性和稳定性；解决了传统机器人轨迹矫正方法参数设置困难、矫正效果易受干扰的问题，该方法还拥有更为快速的响应能力，对复杂巡检环境具有更强的自适应能力，实现巡检机器人的智能轨迹矫正控制，提高矫正有效性和实时性。

技术领域

本发明涉及污水处理中智能设备技术领域，尤其涉及一种基于自组织模糊神经网络的污水处理厂智能巡检轨迹矫正方法。

背景技术

随着我国城镇化水平越来越高，智能化设备的提出也逐渐被科研学者们重视并将其应用于各个领域中。污水处理作为与人们生活息息相关的一部分，在上述背景下，城市污水排放量也逐年攀升，全国各地新建或扩建各类大中型污水处理厂。然而，随着污水处理厂厂区面积的扩大，对厂区的不间断巡检变得尤为重要，但传统的人工巡检难以实现不间断巡检，且更大的巡检区域对于巡检人员也提出更高要求。因此，巡检机器人被越来越多地应用于污水处理厂的日常巡检工作中。在巡检机器人工作过程中，实际道路平整度、惯性等诸多因素使得巡检机器人在运动过程中发生轨迹偏移，故具有轨迹矫正功能的巡检机器人在实际工作环境中更具有实用价值；然而传统的巡检机器人运动控制采用PID控制器，车轮的侧偏系数、两个驱动轮直径和摩擦力的差别等很难确定的诸多变化使得PID控制器的参数全局整定极为困难，在复杂多变的工作环境下难以胜任巡检工作。因此能够自适应调整控制器参数、快速准确执行矫正动作是巡检机器人轨迹矫正的发展趋势，研究污水处理厂智能巡检轨迹矫正方法，通过多种传感器采集巡检环境信息，利用人工神经网络自主学习、自主决策矫正方式，实现巡检机器人的智能巡检轨迹矫正，保证巡检过程高效稳定运行，已成为污水处理厂安全稳定运行的迫切需要。

智能巡检轨迹矫正方法主要是通过实时调整巡检机器人航向，实现不同环境条件下的自主智能轨迹矫正动作，实现规划路线的精确跟踪，利用不同传感器采集更为丰富的环境信息，提高智能矫正的准确性；相比于传统PID轨迹矫正的巡检机器人，智能巡检轨迹矫正方法在轨迹矫正的准确性、稳定性和抗干扰性等方面更具有优势。本发明正是基于上述研究背景下而提出，旨在提供一种能够方便巡检机器人的智能轨迹矫正以期提高巡检机器人的运行稳定性和可靠性。

发明内容

本发明的目的在于：克服现有技术中污水处理中巡检机器人在应用过程中存在的不足，提供一种基于自组织模糊神经网络的污水处理厂智能巡检轨迹矫正方法，其具有设计合理、适应性和抗干扰能力强、运行可靠稳定的优点，具有较高的矫正精度，有效解决了传统机器人轨迹矫正方法参数设置困难、矫正效果易受干扰的问题。

为了达到上述目的，本发明采用如下技术方案实现：

一种基于自组织模糊神经网络的污水处理厂智能巡检轨迹矫正方法，其应用于污水处理厂巡检机器人的运动状态进行控制，该矫正方法以机器人的航向角为控制量，以机器人的运动状态为被控量；该矫正方法包括以下步骤：

(1)设计用于控制航向角的自组织模糊神经网络，自组织模糊神经网络分为四层：输入层、隶属函数层、规则层、输出层；具体为：

①输入层：该层由2个输入神经元组成：

X(t)＝[x₁(t),x₂(t)]^T (1)

其中，X(t)表示模糊神经网络的输入，x₁(t)为t时刻机器人运动方向与路径方向的误差，x₂(t)为t时刻机器人运动方向与路径方向的误差的变化率，T为矩阵的转置；

②隶属函数层：该层有2×M个隶属函数神经元，每个隶属函数神经元代表一个高斯隶属函数，表示如下：