[发明专利]一种基于高斯混合模型的上甑轨迹提取方法

说明书

本发明公开了一种基于高斯混合模型的上甑轨迹提取方法，包括以下步骤：步骤一：使用巴特沃斯滤波器将采集的位置信号原始数据去噪，使用各时刻前后采样点计算该时刻的速度；步骤二：使用最大期望算法拟合高斯混合模型；步骤三：利用高斯混合回归生成拟合轨迹，本发明将轨迹匹配引入到机器人上甑动作学习的过程中，通过最大期望算法拟合高斯混合模型建立重复示教轨迹匹配特征，通过高斯混合回归得到在限制条件下的拟合数据，最终实现上甑动作轨迹拟合，本方法可以通过多次上甑动作示教，提高方法的容噪性，并对人工上甑过程中动作变形和动作加减速等问题均有较强的鲁棒性，本发明最终实现了上甑轨迹的提取并有良好的效果。

技术领域

本发明涉及白酒生产技术领域，具体为一种基于高斯混合模型的上甑轨迹提取方法。

背景技术

中国白酒历史悠久，白酒酿造工艺也随着时代的进步不断开拓创新。其中，上甑是白酒酿造工艺中极为重要的一环。上甑操作的操作质量好坏将直接决定酒质的优劣。具体来说，上甑操作要求在酿酒过程中，将原料一层层均匀、疏松地铺撒于甑锅内，其均匀度和疏松度应保证原料不跑汽又不压汽。由于甑锅为圆台形，一般的装料设备难以实现上甑操作，所以目前酿酒行业中普遍采用传统人工上甑方式，通过人工铺撒酿酒原料。

然而，传统人工上甑面临着劳动强度大、工作环境差，且酒质和产酒率因人而异等问题。为了改善这一生产现状，市场上开始尝试使用机器人完成上甑操作。相对于一般装料设备，机器人有运动空间大、动力学性能优异等优势，因此，亟待一种改进的技术来解决现有技术中所存在的这一问题。

发明内容

为了使机器人完成上甑操作，即需要机器人模拟传统人工上甑手法，本发明提出一种利用人工上甑轨迹建立上甑工艺库，以达到酒质改善和传统工艺传承等目标的基于高斯混合模型的上甑轨迹提取方法。

本发明的目的在于提供一种基于高斯混合模型的上甑轨迹提取方法，本发明将轨迹匹配引入到机器人上甑动作学习的过程中，通过最大期望算法拟合高斯混合模型建立重复示教轨迹匹配特征，通过高斯混合回归得到在限制条件下的拟合数据，最终实现上甑动作轨迹拟合，本方法可以通过多次上甑动作示教，提高方法的容噪性，并对人工上甑过程中动作变形和动作加减速等问题均有较强的鲁棒性，本发明最终实现了上甑轨迹的提取并有良好的效果，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于高斯混合模型的上甑轨迹提取方法，包括以下步骤：

步骤一：使用巴特沃斯滤波器将采集的位置信号原始数据去噪，使用各时刻前后采样点计算该时刻的速度；

步骤二：使用最大期望算法拟合高斯混合模型；

步骤三：利用高斯混合回归生成拟合轨迹。

优选的，所述步骤二中高斯混合模型为一种聚类模型。

优选的，所述步骤二中高斯混合模型采用多个高斯分布的组合来刻画数据分布，所述高斯分布表达式如下式：

优选的，所述步骤二中最大化期望算法包括第一部分和第二部分，所述第一部分为根据已有模型得到完全数据的似然函数描述，所述第二部分为对第一部分似然函数求最大化。

优选的，所述步骤二中高斯混合模型的联合概率密度分布函数为：

优选的，所述步骤二中高斯混合模型的联合概率密度分布函数为：

优选的，所述步骤二中高斯混合模型引入最大化期望算法。

优选的，所述步骤三中拟合轨迹为高斯混合模型分布的期望从而得到泛化数据点。

与现有技术相比，本发明的有益效果是：