[发明专利]基于神经网络的室内巡检机器人校正定位方法

说明书

本发明涉及一种基于神经网络的室内巡检机器人校正定位方法。包括如下步骤：预设N个可发射射频信号的标签信号源位置；根据不同时刻接收到的信号标签数量计算机器人实际路径；计算机器人在t时刻的运动位置信息，并根据该位置信息计算t时刻的预测路径；利用神经网络建立里程误差模型并进行训练；将t时刻的预测路径输入到训练好的里程误差模型得到优化后的预测路径。本发明所使用的里程计校正方法，通过最大限度地减小里程计误差，进而最大限度地提高对室内机器人定位的精准度。

技术领域

本发明涉及巡检机器人领域，特别涉及基于神经网络的室内巡检机器人校正定位方法。

背景技术

当前安全生产是企业稳定发展的前提和重要保证，安全事故不仅会造成人员伤亡，还会带来财产损失，严重制约着企业快速健康的发展，尤其是在核电站、钢铁厂、化工厂、油库、变电站等危险作业环境下，保障各个设备仪器安全平稳的运行，是企业安全生产的有效手段，定时、不间断的巡检工作是十分有必要的。目前，在变电站、油库等危险作业环境下，主要的巡检方式是人工巡检，依靠工人运动感官、抄表、记录以及使用一些相配套的检测仪器对工厂的仪器设备进行检查，但是这种人工巡检方式，由于各种外界因素的影响，导致其巡检质量难以得到保证，并且巡检效率很低。为了提高巡检工作效率，保证各个仪器设备安全可靠运行，使用自动巡检机器人部分替代人工巡检工作已经成为一种趋势。

然而在工厂中由于各种原因导致巡检机器人的定位成为难点，在如今普遍应用视觉的基础上，里程计作为机器人本体感受传感器，不可避免地存在随时间、距离增加而增加地累计航机误差，现有技术针对室内巡检机器人采用的里程计定位方法，由于受室内复杂环境因素条件的影响，以及系统和非系统因素的影响，造成了里程计在计算时会产生较大的误差。

发明内容

针对现有技术存在的上述问题，本发明要解决的技术问题是：现有技术中室内巡检机器人所采用的里程计定位方法，在室内环境因素较为复杂的条件下，里程计会产生较大误差的问题。

为解决上述技术问题，本发明采用如下技术方案：基于神经网络的室内巡检机器人校正定位方法，包括如下步骤：

S100：在室内预设N个标签信号源位置，该标签信号源可发射射频信号；

S200：将用于接受标签信号源信号的读写器设置在室内机器人上，机器人在室内行进过程中，根据读写器在不同时刻接收到的信号标签数量，计算机器人实际路径，具体步骤如下：

S210：根据接收到的标签信号强度，建立对数-常态分布传播损耗模型，具体表达式如下：

P(d)＝P(d₀)-10αlog(d/d₀)-X_σ^(2-1)

其中，P(d)表示阅读器接收到标签发送的信号强度，P(d₀)表示阅读器在参考点d₀接受到标签发送的信号强度，α表示路径长度和路径损耗之间的比例因子，X_σ表示平均值为0的高斯分布随机变数，d₀表示参考点和标签之间的距离，d表示需要计算的标签和阅读器之间的距离；

S220：利用公式(2-1)通过等式变换求得标签信号源到读写器的距离d，具体表达式如下：

其中，P(d₀)表示在1m处所得到的信号强度，α表示信号传播常量；

S230：在一定时间区间T内，随机选取I个时刻，设第t个时刻读写器接收到的标签信号数量为n，则计算第t时刻机器人的实际坐标点为：

其中，