[发明专利]基于深度学习的自动控制系统

权利要求书

1.基于深度学习的自动控制系统，其特征在于，包括：

环境信息采集单元，对扫地机器人所在位置周围环境信息进行获取，并将获取的环境信息传输至控制单元；

人物监控单元，用于对各活动区域内的人物数量以及不同人物数量状态的保持时间进行监控，并将其传输至控制单元；

控制单元，用于对数据进行分析处理，并根据结果对扫地机器人的工作位置、清理功率进行调整；

所述控制单元的工作方法为：

S1、在扫地机器人开启工作时，通过环境信息采集单元获取扫地机器人周围的环境后，通过控制单元判断扫地机器人当前所在活动区域；

S2、将一天的时间等时差划分为若干个清扫时段，通过人物监控单元统计在各清扫时段内各活动区域中存在的人物数量r以及停留时间t；

获取各活动区域的待清理区域的面积a，根据公式R＝r1*t1/a+r2*t2/a+、…、+rn*tn/a计算得到在一个清扫时段内一个活动区域的人活动热度值R；

其中t1为人物数量为r2这一状态的保留时间，n表示一个活动区域在一个清理时段内存在不同的人物数量r的数量；

将一个活动区域标记为目标区域，获取目标区域在同一清扫时段内的m个人活动热度值R，将m个人活动热度值R依次标记为R1、R2、…、Rm，根据公式计算得到这m个人活动热度值的分散值U；

其中1≤i≤m，Rp＝(R1+R2+、…、+Rm)/m；

当U≤Uy时，则认为对于该清扫时段，Rp为目标区域在对应清扫时段内的平均人活动热度值Rh；

当U＞Uy时，则按照|Ri-Rp|从大到小的顺序依次删除对应的Ri值，直至U≤Uy成立，记录删除的Ri值的数量d，若d/m≤α成立，则认为对于该清扫时段，剩余未被删除的Ri值的平均值作为目标区域在对应清扫时段内的平均人活动热度值Rh；

若d/m＞α成立，则认为对于该清扫时段，β*Rp作为目标区域在对应清扫时段内的平均人活动热度值Rh，其中β为预设系数；

其中Uy为预设值，α为预设值；

计算得到各活动区域在各清扫时段内对应的平均人活动热度值Rh；

S3、当扫地机器人开启并处于工作状态时，获取当前时刻以及当前扫地机器人所处活动区域，按照平均人活动热度值Rh越小的活动区域优先度越高的规则安排扫地机器人对对应活动区域进行清扫；

S4、获取各活动区域的污渍清理难度，并根据各活动区域的污渍清理难度对扫地机器人的清理功率进行调整。

2.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，该系统还包括用户终端单元，用于主动介入扫地机器人的控制，对扫地机器人的清理位置以及清理功率进行调整。

3.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，所述控制单元基于环境信息采集单元传输的环境信息中障碍物的轮廓信息以及障碍物高度等信息进行深度学习，并根据学习得到的模型以及扫地机器人所在位置周围的实时环境判断扫地机器人所在的活动区域。

4.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，所述β取值为1.3。

5.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，所述α取值为50％。

6.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，该系统还包括：

水量监控单元，用于对扫地机器人污水箱内的污水量进行监控；

浑浊度检测单元，用于对扫地机器人污水箱内污水的浑浊度进行监控；

驱动单元，用于驱动机器人进行位置移动。

7.根据权利要求6所述的基于深度学习的自动控制系统，其特征在于，步骤S4中对扫地机器人的清理功率进行调整的具体方法包括如下步骤：

S41、当扫地机器人在一个活动区域内工作时，获取在清扫完成时产生的废水量Q以及废水的浑浊度W，根据公式G＝(Q*W)/a计算得到对应区域的清洁指数，a表示对应活动区域的待清理区域的面积；

S42、将同一活动区域内连续k次检测到的清洁指数依次标记为G1、G2、…、Gk，根据公式计算得到G1至Gk这一组数据的分散值U1；

当U1≤Uy1时，则将Gp作为对应活动区域的清洁指数；

当U1＞Uy1时，则按照|Gj-Gp|从大到小的顺序依次删除对应的Gj值，直至U1≤Uy1成立，记录被删除的Gj值的数量d1，若d/k≤α1成立时，则将剩余未删除的Gj值的平均值作为对应活动区域的清洁指数；

若d/m＞α成立，则将Gj 1作为对应活动区域的清洁指数，0.7k≤j 1≤0.8k；

当扫地机器人进入对应活动区域进行清扫工作时，一开始根据对应区域的清洁指数对扫地机器人的清洁功率进行调整，在工作预设的T时间后，根据这T时间内扫地机器人对地面清洁效果进行清洁功率的调整；

对应的清洁指数越高，机器人的清洁功率越高。