[发明专利]一种用于轮式移动机器人的室外地形分类方法

权利要求书

1.一种用于轮式移动机器人的室外地形分类方法，其特征在于，包括如下步骤；

步骤1、数据采集

离线采集移动机器人在地面类型i中运动时的车轮j所测量的动态力信号，记t时刻的三轴车轮力为其中t＝1，2，...，n，n为所采集的数据的序列长度，上标x、y、z分别表示三个方向轴；

步骤2、信号建模

采用自回归滑动平均模型将步骤1中每个方向的车轮力信号f(t)进行时间序列建模，得到序列自回归参数和滑动平均参数{θ₁，θ₂，...，θ_q}，其中，车轮力信号f(t)进行时间序列建模的步骤如下：

步骤2.1，选取f(t)中长度为length的连续平滑的数据f(k)作为样本，并进行一次差分，即

x(k)＝f(k+1)-f(k)         (1)

其中，选取数据的长度取值0.75n≤length≤n，x(k)为差分后的结果，k表示时间序列序号，即k＝τ，τ+1，τ+2，...，τ+length-10，τ为序列点k的起始点，且τ∈[1，n-length-1]；

步骤2.2，对步骤2.1中的x(k)取零均值化，得到平稳时间序列x′(k)，记作

其中此时k＝τ，τ+1，τ+2，...，τ+length-2；

步骤2.3，根据步骤2.2得到的零均值平稳时间序列x′(k)，给出其所对应的ARMA模型，可写为

(3)，记作ARMA(p，q)，其中p和q为正整数的模型阶数，为自回归参数，为滑动平均参数，序列{ε(k)，ε(k-1)，...，ε(k-q)}称为残差序列；

步骤2.4，设x′(k)的方差为σ²，当ARMA(p,q)模型正确揭示x′(k)的结构和规律时，{ε(k)，ε(k-1)，...，ε(k-q)}为均值为0和方差为σ²的白噪声，根据该准则可确定步骤2.3中ARMA模型的阶数p和q；

步骤2.5，采用最小池信息准则来进一步验证ARMA模型的阶数p和q，然后利用最小二乘法求解该模型，最终得到序列自回归参数和滑动平均参数{θ₁，θ₂，...，θ_q}；

步骤3、特征提取

对步骤2中所建立的车轮力信号f(t)的ARMA模型进行特征参数的提取，得到特征参数矩阵X^(i)，new；

步骤4、训练学习

将特征矩阵X^(i)，new作为输入，对应的地面类型i作为标签，整理为完整的训练集，即X_train＝{(X^(1)，new，1)，(X^(2)，new，2)，…，(X^(i)，new，i)}该训练集经归一化处理后，直接送入一个浅层的人工神经网络模型进行训练学习，可得最终的分类器模型N_et；

步骤5、在线识别

将步骤4训练得到的分类器N_et写入机器人主控制程序，当机器人在新的未知地面上运动时，每经过一段时间长度n，将采集到的数据依次送入步骤2和步骤3，然后将提取后的特征数据送入分类器N_et，此时N_et将给出此时移动机器人当前状态下的地形类别，实现地形的在线分类。

2.根据权利要求1所述的用于轮式移动机器人的室外地形分类方法，其特征在于，步骤1中采集动态力信号时，采用一对车轮力传感器左右对称安装于移动机器人的两个驱动轮上，每个车轮力传感器均为一体式的车轮结构，能实现车轮与地面接触的三维动态力测量，即每个车轮本地坐标系下的x、y、z方向的纵向力f^x、侧向力f^y、垂向力f^z。