[发明专利]一种基于改进极限学习机的巡逻车高精度循迹方法

说明书

一种基于改进极限学习机的巡逻车高精度循迹方法，该方法包括以下步骤：步骤1，建立巡逻车运动场地的坐标系；步骤2，规划巡逻车的运动轨迹；步骤3，获取巡逻车当前的定位数据以及电机运行数据；步骤4，设计改进极限学习机的高精度循迹算法；步骤5，根据运动轨迹和循迹算法来控制巡逻车的高精度运行。本发明首先通过数学建模转换巡逻车的坐标，同时根据寻优算法对巡逻车路线进行建模，其次，通过改进极限学习机对巡逻车和PID算法对巡逻车电机控制的进行优化，实现巡逻车的高精度循迹控制。

技术领域

本发明涉及巡逻车循迹领域，特别是涉及基于改进极限学习机的巡逻车高精度循迹方法。

背景技术

随着科技的不断发展和进步，人们在提出自动导引车与机器人的概念的同时，也想到了将现代计算机技术加入到其中，形成以计算机为控制主题的人工智能。二十世纪七十年代欧洲各国工业迅速发展，循迹机器人这个概念虽然是在美国提出，但是在欧洲却偏离轨迹线得到了更大的扩展空间，在瑞典、荷兰、丹麦等国得到普遍应用。

到七十年代中后期，循迹机器人己经不仅仅局限于自动导向行走与简单的搬运，加入了许多新兴的功能，在循迹工作中添加了加工工作、录入物流信息、装载物件等附加功能，使得循迹机器人的应用得到了迅速推广。计算机系统的迅猛发展，大大降低了循迹机器人的研发周期与使用成本，越来越多的行业也开始使用循迹机器人来进行生产，循迹机器人也逐渐成为了一门产业有多种循迹和控制方式。随着机器学习和深度学习的发展，机器学习和深度可以为自动驾驶系统中的环境感知、认知决策提供良好的算法基础，同时工智能技术在图像识别、激光雷达点云处理、决策规划、智能控制中的出色表现，极大地推进了循迹机器人循迹技术的研发速度。

发明内容

为解决上述问题，本发明首先通过数学建模转换巡逻车的坐标，同时根据寻优算法对巡逻车路线进行建模，其次，通过改进极限学习机对巡逻车和PID算法对巡逻车电机控制的进行优化，实现巡逻车的高精度循迹控制。本发明提供基于改进极限学习机的巡逻车高精度循迹方法，具体步骤如下，其特征在于：

步骤1，建立巡逻车运动场地的坐标系：使用设备采集运动场地的经度、纬度和高度信息，并将采集数据的WGS-84坐标转换为该运动场地的坐标系；

步骤2，规划巡逻车的运动轨迹：在巡逻车运动场地坐标系的基础上，根据场地信息、巡逻车起点和终点，通过遗传算法计算出一条巡逻车最优路径，在坐标系中拟合出巡逻车理想的轨迹曲线；

步骤3，获取巡逻车当前的定位数据以及电机运行数据：通过导航系统解算获取巡逻车当前的位置信息，同时利用编码器和ADC模块获取电机转速和电机电流数据，并通过车辆动力学模型求解巡逻车在坐标系下的速度值；

步骤4，设计改进极限学习机的高精度循迹算法：构建改进后的巡逻车循迹极限学习机网络，把根据动力学模型解算后的电机速度、电机电流和巡逻车下一时刻位置值作为输入，所对应的下一时刻电机速度和电流作为输出，训练改进的极限学习机网络；

步骤5，根据运动轨迹和循迹算法来控制巡逻车的高精度运行，同时开启巡逻车驾驶中断，当安全距离内出现巡逻异常时，系统启动中断处理机制，日志模块记录车载终端的异常情况。

进一步，步骤1中建立巡逻车运动场地的坐标系的过程可以表示为：

设采集数据的WGS-84坐标为(θ,λ,h)，其中为θ经度坐标、λ为纬度坐标、h为高度坐标，通过下式将WGS-84坐标转换为直角坐标(x’,y’,z’)：

式中，e为地球的第一偏心率，N为曲率半径，再把直角坐标乘上转换系数L，将直角坐标(x’,y’,z’)转换为巡逻车实际使用的坐标(x,y,z)，转换系数L如下：

进一步，步骤4中设计改进极限学习机高精度循迹算法的过程可以表示为：