[发明专利]一种智能环境运载机器人识别楼层的神经网络群体混合计算方法

摘要

本发明公开了一种智能环境运载机器人识别楼层的神经网络群体混合计算方法，该方法通过对采集的各种数据按照天气模式聚类后，再按照不同的天气模式，对波动的压力传感器读数进行FIR滤波处理后，再将其传输至数据分析模块进行神经网络学习，大大提高了楼层辨识的准确性、实时性。极大改善了压力传感器获取的数据的震荡的问题，极大提高了高度数据信号分析的精度；具有普遍适应性，能够应对各种海拔高度，各种地理位置，各种天气条件下的电梯楼层识别；并不局限于运载机器人在电梯内使用，还可以在楼道中进行楼层估计，也能应用于高空作业、无人机等领域。

主权项

一种智能环境运载机器人识别楼层的神经网络群体混合计算方法，其特征在于，包括以下步骤：步骤1：采集各楼层气压数据样本；所述各楼层气压数据是指运载机器人位于各个楼层在不同时间间隔区间中利用气压传感器、湿度传感器、温度传感器分别采集的大气压均值、湿度均值以及温度均值，一个样本是指运载机器人位于一个楼层在一个时间间隔区间中采集的大气压数据均值、湿度均值以及温度均值；步骤2：对各楼层气压数据样本按照天气模式进行聚类，得到同一楼层在同一天气模式下的气压子样本集；每个气压子样本集为步骤1采集的数据中同一楼层在同一天气模式下所有历史时间间隔中采集的气压均值；步骤3：依次对每个气压子样本集中所有气压均值利用FIR滤波器进行滤波去噪处理；所述FIR滤波器的系数采用蝙蝠算法进行寻优获取；步骤4：利用所有去噪后的气压子样本集，构建各天气模式下的气压样本训练集；每个天气模式下的气压样本训练子集包括同一天气模式下所有楼层的经过去噪后的气压子样本集，所有天气模式下的气压样本训练子集构成各天气模式下的气压样本训练集；步骤5：利用各天气模式下的气压样本训练集构建基于天气模式的气压楼层预测模型；依次将每个天气模式下全楼层的所有气压均值训练子集中的气压均值作为输入数据，各气压均值对应楼层层号作为输出数据，训练神经网络，获得基于天气模式的气压楼层预测模型；步骤6：利用运载机器人当前所在楼层层号和大气压、湿度以及温度，确定当前楼层的天气模式，调用对应天气模式的气压楼层预测模型；步骤7：利用运载机器人上装载的气压传感器采集机器人所乘电梯所在楼层的实时气压，输入气压楼层预测模型中，输出机器人所乘电梯所在的楼层层号。