[发明专利]自动回充方法

说明书

本发明提供一种自动回充方法，包括根据一电子装置对应充电座的相对位置提供路径规划的权重分数，并用以训练一神经网络模型，以产生一优化神经网络；根据感应信号范围内的感应信号判断电子装置的实时位置；以及电子装置依据感应信号自动引导回到充电座，或是根据优化神经网络模型，对实时位置进行运算，以选择最大权重分数的路径规划作为要走的最佳充电路径。

技术领域

本发明是关于一种基于神经网络的电子装置自动回充方法。

背景技术

移动式机器人(mobile robot)涵盖范围甚广，凡扫地机器人、服务型机器人、娱乐型机器人、飞行监视器等，能够通过机械、电子、软件技术并通过自动化功能完成所属工作皆属于移动式机器人的范畴。移动式机器人通常包括设置在内部的充电电池，以提供机器人所需的电源。当机器人需要对充电电池进行充电时，移动式机器人会搭配一个充电座，充电座上配置有红外线或无线信号发射器，以发出红外线或无线信号，移动式机器人的信号接收器根据此红外线或无线信号进行自动引导，使移动式机器人回到充电座进行充电。然而，红外线或无线信号容易受到左右两侧的障碍物与周围环境影响，对红外线或无线信号产生干扰，而导致移动式机器人无法回到充电座而导致自动回充失败。

发明内容

有鉴于此，本发明公开一种自动回充方法，其适用于一电子装置，电子装置通过一充电座进行充电，且充电座发射一感应信号于一感应信号范围内，此自动回充方法包含于电子装置建构一神经网络模型；根据一电子装置对应充电座的相对位置提供路径规划的权重分数，用以训练神经网络模型，以产生一优化神经网络模型；根据于感应信号范围内的感应信号判断电子装置的一实时位置；以及电子装置依据感应信号自动引导回到充电座，或是根据优化神经网络模型，对实时位置进行运算，以选择最大权重分数的路径规划作为要走的最佳充电路径，直至回到充电座为止。

综上所述，本申请的自动回充方法进行神经网络的适应学习，再利用神经网络模型引导电子装置到信号强且不被干扰的中间区域，以利于电子装置回到充电座进行回充，避免电子装置回充失败的情况发生。

有关本发明的其它功效及实施例的详细内容，配合图式说明如下。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的图作简单地介绍，显而易见地，下面描述中的图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其它的图。

图1是根据本发明一实施例的电子装置充电架构的方块示意图；

图2是根据本发明一实施例的自动回充方法的流程示意图；

图3是根据本发明一实施例的感应信号范围的示意图；

图4是根据本发明一实施例的训练神经网络的流程示意图；

图5是根据本发明一实施例的神经网络的示意图；

图6是根据本发明一实施例的判断实时位置的流程示意图；

图7是根据本发明另一实施例的感应信号范围的示意图。

具体实施方式

以下将详述本发明的实施例，并配合图式作为例示。除了这些详细说明之外，本发明亦可广泛地施行于其它的实施例中，任何所述实施例的轻易替代、修改、等效变化都包含在本发明的范围内，并以申请专利范围为准。在说明书的描述中，为了使读者对本发明有较完整的了解，提供了许多特定细节；然而，本发明可能在省略部分或全部特定细节的前提下，仍可实施。此外，众所周知的步骤或组件并未描述于细节中，以避免对本发明形成不必要的限制。图式中相同或类似的组件将以相同或类似符号来表示。特别注意的是，图式仅为示意用，并非代表组件实际的尺寸或数量。