申请日2018.10.24
公开(公告)日2019.01.15
IPC分类号G05D1/02
摘要
一种基于模糊神经网络的污水处理厂智能巡检避障方法属于智能机器人技术领域。针对污水处理厂中障碍物可移动，巡检环境复杂多变等特点，该智能避障控制方法利用前置、后置超声波传感器以及碰撞开关采集到的环境信息，通过模糊神经网络对巡检机器人周围环境进行判断并决策，实现对巡检机器人避障的智能控制，提高了巡检机器人的运行安全性和稳定性;解决了传统机器人避障方法无法提前避障和避障效果易受干扰的问题。实验结果表明该方法拥有更为快速的响应能力，对复杂巡检环境具有更强的自适应能力，实现巡检机器人的智能避障控制，提高避障有效性和实时性。
权利要求书
1.一种基于模糊神经网络的污水处理厂智能巡检避障方法，其特征在于，针对污水处理厂巡检机器人的运动状态进行控制，以伺服电机的转动方向为控制量，机器人的运动状态为被控量;
包括以下步骤：
(1)设计用于生成伺服电机转动方向控制信号的模糊神经网络，模糊神经网络分为四层：输入层、隶属函数层、规则层、输出层;具体为：
①输入层：该层由3个输入神经元组成：
X(t)=[x1(t),x2(t),x3(t)]T (1)
其中，X(t)表示模糊神经网络的输入，x1(t)为t时刻前置超声波传感器测量的机器人与障碍物之间的距离，x2(t)为t时刻前置超声波传感器测量的机器人与障碍物之间的距离，x3(t)为t时刻碰撞开关的开关信号，T为矩阵的转置;
②隶属函数层：该层有3×M个隶属函数神经元，每个神经元代表一个高斯隶属函数，表示如下：
其中，M为规则层神经元个数，1<M≤20;uij(t)表示t时刻第i个输入的第j个隶属函数神经元的输出，0<uij(t)≤1;mij(t)为t时刻第i个输入的第j个隶属函数神经元中心值,mij(t)>0;σij(t)为t时刻第i个输入的第j个隶属函数神经元的宽度值;i表示模糊神经网络的输入个数，j表示模糊神经网络的隶属函数神经元个数，i=1，2，3;j=1，2，…，M;
③规则层：该层有M个规则神经元，每个神经元的输出为：
其中，fj(t)为t时刻第j个规则神经元的输出值，0<fj(t)≤1;
④输出层：该层有1个神经元，其输出表示为：
其中，hj(t)为t时刻第j个后件神经元的输出值，wij(t)为t时刻第i个输入对于第j个后件神经元的权值系数，bj(t)为t时刻第j个后件神经元的偏置，yu(t)为t时刻模糊神经网络的输出，表示伺服电机的转动方向控制信号;
(2)训练模糊神经网络，具体为：
①利用训练样本和自适应二阶算法训练模糊神经网络;定义目标函数为：
e(t)=yd(t)-yu(t) (6)
其中，e(t)为t时刻转动方向期望值与实际值的误差，yd(t)为t时刻转动方向期望值，yu(t)为t时刻转动方向实际值;
②对模糊神经网络的参数进行更新，参数更新公式为：
其中，J(t)为t时刻的包含目标函数对各个参数偏导值的雅克比向量，H(t)为t时刻伪海森矩阵，Ge(t)为t时刻梯度向量，λ(t)为t时刻自适应学习率，λ(t-1)为t-1时刻自适应学习率，I为单位矩阵，Φ(t)为t时刻的包含各个参数值的参数向量，Φ(t+1)为t+1时刻的包含各个参数值的参数向量;
(3)设计用于智能巡检的避障方法，具体为：
①根据公式(5)计算模糊神经网络的输出;
②判断当前时刻巡检机器人智能巡检避障控制信号的目标函数的大小，如果e(t)>0.01，转到步骤③;如果e(t)≤0.01，转到步骤④;
③根据公式(7)求解各个参数的更新值，转到步骤①;
④计算当前时刻的控制量uc(t)
uc(t)=yu(t) (8)
⑤t时刻模糊神经网络的输出值uc(t)为巡检机器人驱动系统的实际输入量;
(4)利用求解出的t时刻控制信号uc(t)对巡检机器人驱动系统的伺服电机转动方向进行控制，t时刻控制信号uc(t)=1时，驱动系统的伺服电机正转;t时刻控制信号uc(t)=0时，驱动系统的伺服电机停止转动;t时刻控制信号uc(t)=-1时，驱动系统的伺服电机倒转。
说明书
一种基于模糊神经网络的污水处理厂智能巡检避障方法
技术领域
本发明利用基于模糊神经网络的智能巡检避障方法实现污水处理厂巡检机器人智能避障控制，巡检机器人的避障控制是完成巡检任务的关键技术;将基于模糊神经网络的智能巡检避障方法应用在巡检机器人避障过程中，实现巡检任务的安全高效完成;污水处理厂智能巡检避障方法属于智能机器人技术领域;
背景技术
随着我国城镇化水平越来越高，城市污水排放量逐年攀升，全国各地新建或扩建各类大中型污水处理厂，而随着污水处理厂厂区面积的扩大，对厂区的不间断巡检变得尤为重要，但传统的人工巡检难以实现不间断巡检，且更大的巡检区域对于巡检人员也提出更高要求;因此，巡检机器人被越来越多地应用于污水处理厂的日常巡检工作中;
在污水处理厂中，人员车辆的流动、设备的移动等等可移动障碍物和复杂的巡检环境一直是巡检机器人在巡检过程中面临的难题;而需要工作在无人环境下的巡检机器人难以广泛应用，故具有避障功能的巡检机器人在实际工作环境中更具有实用价值;然而传统具有避障功能的巡检机器人在触碰到障碍物之后才进行后退、转向等避障操作，在当前越来越复杂多变的工作环境下已难以胜任巡检工作;因此能够分辨障碍物类型、自主决策避障方式、快速准确执行避障动作是巡检机器人避障控制的发展趋势;研究污水处理厂智能巡检避障方法，通过多种传感器采集巡检环境信息，利用人工神经网络自主学习、自主决策避障方式，实现巡检机器人的智能巡检避障，保证巡检过程高效稳定运行，已成为污水处理厂安全稳定运行的迫切需要;
智能巡检避障方法主要是通过控制巡检机器人伺服电机的转动方向，实现不同障碍物类型、不同环境条件下的自主智能提前避障动作，避免与障碍物碰撞，利用不同传感器采集更为丰富的环境信息，提高智能避障决策的准确性;相比于传统触碰避障控制的巡检机器人，智能巡检避障方法在避障控制的准确性、稳定性和抗干扰性等方面更具有优势;
本发明设计了一种基于模糊神经网络的污水处理厂智能巡检避障方法，主要通过模糊神经网络控制器对控制目标进行控制，实现巡检机器人的智能巡检避障。
发明内容
本发明获得了一种基于模糊神经网络的污水处理厂智能巡检避障方法，通过基于模糊神经网络的智能巡检避障方法对污水处理厂巡检机器人进行避障控制，实现巡检机器人智能巡检避障，提高巡检机器人的运行安全性和稳定性;
本发明采用了如下的技术方案及实现步骤：
1.一种基于模糊神经网络的污水处理厂智能巡检避障方法，其特征在于，针对污水处理厂巡检机器人的运动状态进行控制，以伺服电机的转动方向为控制量，机器人的运动状态为被控量;
包括以下步骤：
(1)设计用于控制伺服电机转动方向的模糊神经网络，模糊神经网络分为四层：输入层、隶属函数层、规则层、输出层;具体为：
①输入层：该层由3个输入神经元组成：
X(t)=[x1(t),x2(t),x3(t)]T (1)
其中，X(t)表示模糊神经网络的输入，x1(t)为t时刻前置超声波传感器测量的机器人与障碍物之间的距离，x2(t)为t时刻前置超声波传感器测量的机器人与障碍物之间的距离，x3(t)为t时刻碰撞开关的开关信号，T为矩阵的转置;
②隶属函数层：该层有3×M个隶属函数神经元，每个神经元代表一个高斯隶属函数，表示如下：
其中，M为规则层神经元个数，1<M≤20;uij(t)表示t时刻第i个输入的第j个隶属函数神经元的输出，0<uij(t)≤1;mij(t)为t时刻第i个输入的第j个隶属函数神经元中心值,0<mij(t);σij(t)为t时刻第i个输入的第j个隶属函数神经元的宽度值;i表示模糊神经网络的输入个数，j表示模糊神经网络的隶属函数神经元个数，i=1，2，3;j=1，2，…，M;
③规则层：该层有M个规则神经元，每个神经元的输出为：
其中，fj(t)为t时刻第j个规则神经元的输出值，0<fj(t)≤1;
④输出层：该层有1个神经元，其输出表示为：
其中，hj(t)为t时刻第j个后件神经元的输出值，wij(t)为t时刻第i个输入对于第j个后件神经元的权值系数，bj(t)为t时刻第j个后件神经元的偏置，y(t)为t时刻模糊神经网络的输出，表示伺服电机的转动方向控制信号;
(2)训练模糊神经网络，具体如下：
①利用训练样本和自适应二阶算法训练模糊神经网络;定义目标函数为：
e(t)=yd(t)-yu(t) (6)
其中，e(t)为t时刻转动方向期望值与实际值的误差，yd(t)为t时刻转动方向期望值，yu(t)为t时刻转动方向实际值;
②对模糊神经网络的参数进行更新，参数更新公式为：
其中，J(t)为t时刻包含目标函数对各个参数偏导值的雅克比向量，H(t)为t时刻伪海森矩阵，Ge(t)为t时刻梯度向量，λ(t)为t时刻自适应学习率，λ(t-1)为t-1时刻自适应学习率，I为单位矩阵，Φ(t)为t时刻包含各个参数值的参数向量，Φ(t+1)为t+1时刻包含各个参数值的参数向量;
(3)设计用于智能巡检的避障方法，具体为：
①根据公式(5)计算模糊神经网络的输出;
②判断当前时刻巡检机器人智能避障控制信号的目标函数的大小，如果e(t)>0.01，转到步骤③;如果e(t)≤0.01，转到步骤④;
③根据公式(7)求解各个参数的更新值，转到步骤①;
④计算当前时刻的控制量uc(t)
uc(t)=yu(t) (8)
⑤t时刻模糊神经网络的输出值uc(t)为巡检机器人驱动系统的实际输入量;
(4)利用求解出的t时刻控制信号uc(t)对巡检机器人驱动系统的伺服电机进行控制，t时刻控制信号uc(t)=1时，驱动系统的伺服电机正转;t时刻控制信号uc(t)=0时，驱动系统的伺服电机停止转动;当前时刻控制信号uc(t)=-1时，驱动系统的伺服电机倒转。
本发明的创造性主要体现在：
(1)本发明针对污水处理厂巡检机器人巡检环境是一个开放空间，具有多种可移动障碍物，环境复杂多变等特点，巡检机器人需要针对不同类型的障碍物采取提前避障措施，以保证机器人本身安全，完成巡检过程，现有的传统触碰式避障方法无法满足此巡检环境条件下的避障要求;利用多种传感器采集环境信息，采用基于模糊神经网络的智能巡检避障方法实现巡检机器人的智能巡检避障，具有避障及时，适应性强，抗干扰性强等优点;
(2)本发明采用了基于模糊神经网络的污水处理厂智能巡检避障方法对巡检机器人巡检过程进行避障控制，该避障方法充分利用了人工神经网络的自学习能力，针对不同巡检环境均可实现良好的避障效果;解决了巡检机器人在复杂多变的污水处理厂生产环境下的及时准确避障，安全完成巡检任务的问题;
特别要注意：本发明只是为了描述方便，采用的是对污水处理厂巡检机器人智能避障控制，同样该发明也可适用发电厂巡检机器人的智能巡检避障等，只要采用了本发明的原理进行控制都应该属于本发明的范围。