[发明专利]家庭服务机器人运行状态自主认知方法及系统

摘要

本发明公开了家庭服务机器人运行状态自主认知方法及系统，包括：采集机器人内部运行数据和机器人外部环境数据；基于采集的数据对机器人运行状态进行自主评估；根据自主评估结果，对机器人做出相应的决策和规划；根据决策和规划发出控制指令，完成机器人预定的服务任务；所述对机器人运行状态进行自主评估，是指过构造多线程神经网络对机器人运行状态数据中的时空特征进行自适应学习，完成对机器人运行状态自主认知模型的训练和构建，通过决策层的多级融合策略实现对机器人运行状态的识别。

主权项

1.家庭服务机器人运行状态自主认知方法，其特征是，包括：采集机器人内部运行数据和机器人外部环境数据；基于采集的数据对机器人运行状态进行自主评估；根据自主评估结果，对机器人做出相应的决策和规划；根据决策和规划发出控制指令，完成机器人预定的服务任务；所述对机器人运行状态进行自主评估，是指通过构造多线程神经网络对机器人运行状态数据中的时空特征进行自适应学习，完成对机器人运行状态自主认知模型的训练和构建，通过决策层的多级融合策略实现对机器人运行状态的识别；所述机器人运行状态自主认知模型的训练步骤为：步骤(21)：数据采集与预处理：采集机器人传感器数据，采样频率大于机器人控制频率的2倍，设在运行状态K下采集得到的N帧传感器数据序列其中，为在运行状态K下采集到的第i帧样本；对采集得到的数据进行预处理，剔除野值后，对数据进行归一化，消除不同传感器量纲不同带来的影响；所述运行状态，包括：故障状态和非故障状态；步骤(22)：机器人运行状态自主认知模型的构建与训练：构建机器人运行状态自主认知模型，所述机器人运行状态自主认知模型，包括：依次连接的数据预处理层、特征学习层、特征融合层、决策层和池化层；其中数据预处理层的输入数据为步骤(21)预处理得到的数据；两级池化层输出数据为最终机器人运行状态；所述机器人运行状态自主认知模型，包括：数据预处理层：机器人运行状态数据同时包含空间和时间两个维度的分布和变化特性；设预处理后的运行状态样本数据序列X＝[X₁,X₂,...,X_N]^T共有N帧数据，计算运行状态数据流，即分别用第i帧数据减去N帧数据的均值，所有帧的计算结果组成机器人运行状态样本数据流栈L_i；对机器人运行状态样本数据求帧间差分，经高通滤波后，叠加成一阶差分栈其中，和表示i′帧的帧间差分，c(X⁽ⁱ⁾)代表第i帧与第i+1帧的帧间差分，表示属性为m*n维的第i帧数据，表示属性为m*n维的第i+1帧数据，T为高通滤波器的阈值；对一阶差分栈继续求差分，经高通滤波后，得到二阶差分栈依次迭代得到高阶差分栈其中n为差分栈阶次；在实施过程中，差分栈阶次n的取值根据机器人运行状态自主认知模型训练精度进行调整，选择使模型训练精度最高的n即可。