[发明专利]基于BP神经网络的电梯轿厢地坎与井道内表面测距方法

权利要求书

1.基于BP神经网络的电梯轿厢地坎与井道内表面测距方法，其特征在于，所述方法包括以下步骤：

步骤1、利用激光传感器、超声波传感器以及视觉传感器同时多次采集电梯轿厢地坎与井道内表面的距离信息，记为距离信息的原始数据；

步骤2、利用EMD小波算法对超声波传感器采集的原始数据进行消噪处理，利用均值滤波法对激光传感器以及视觉传感器采集的原始数据进行消噪处理；

步骤3、通过自适应学习率的BP神经网络算法对上述消噪后的传感器数据进行融合，获得电梯轿厢地坎与井道内表面的最终距离。

2.根据权利要求1所述的基于BP神经网络的电梯轿厢地坎与井道内表面测距方法，其特征在于，步骤2所述利用EMD小波算法对超声波传感器采集的原始数据进行消噪处理，具体过程包括：

步骤1-1、对采集到的超声波信号x(t)进行EMD分解，获得n个IMF分量和一个残余分量；

步骤1-2，利用小波消噪算法对每个IMF分量进行消噪，之后合成消噪后的IMF分量和残余分量，获得消噪后的超声波信号。

3.根据权利要求2所述的基于BP神经网络的电梯轿厢地坎与井道内表面测距方法，其特征在于，步骤1-1所述对采集到的超声波信号x(t)进行EMD分解，获得n个IMF分量，具体过程包括：

步骤1-1-1，获取超声波信号x(t)的所有极值点，包括极大值点和极小值点；

步骤1-1-2，基于所述极大值点构建x(t)的上包络曲线，基于所述极小值点构建x(t)的下包络曲线，所述x(t)的所有点均位于上、下包络曲线之间；

步骤1-1-3，将所述上、下包络曲线求和并取平均值获得新的曲线m₁(t)，同时定义x(t)与m₁(t)的差为：

h₁¹(t)＝x(t)-m₁(t)

步骤1-1-4，判断h₁¹(t)是否满足以下标准：

1)在整个时间范围内，函数中包含的极值点数目与零点数目的差值小于等于1；

2)在任一点处，上、下包络线的均值为零；

若满足，则h₁¹(t)为x(t)的第一个IMF分量，记为c₁(t)；反之，则表示h₁¹(t)不是IMF分量，则继续对h₁¹(t)重复上述的计算与判断过程，直到得到满足以上两点标准的分量h₁^k(t)，则h₁^k(t)为x(t)的第一个IMF分量，记为c₁(t)；

步骤1-1-5，对x(t)与c₁(t)做差得：

r₁(t)＝x(t)-c₁(t)

将r₁(t)作为新的超声波信号重复以上筛分过程，获得第二个IMF分量c₂(t)以及第二个余量r₂(t)，依此类推，直至筛分出的IMF分量c_n(t)或最后的余量r_n(t)为单调函数时，结束EMD分解过程；由此将超声波信号x(t)分解为n个IMF分量和一个残余分量：