本发明涉及一种机器人，尤其涉及一种清洁机器人及其控制方法。
背景技术：
清洁机器人又称为吸尘机器人，其融合了移动机器人和吸尘器的技术，是目前的热门研究课题。且目前清洁机器人的商用化产品接连上市，成为服务机器人领域的一种新型高科技术产品。但是目前大部分的清洁机器人都作为家电用品使用在家庭内的清洁过程中。
随着城市现代化的发展，高楼日益增多，使用玻璃幕墙作为外层的建筑随处可见。但人们对于墙壁或者玻璃幕墙的清洗却存在很大难度。如果用人工来操作具有很高的危险。此时，则更需要清洁机器人，不仅能够降低清洁的人工成本，而且还能更广泛地应用于不同高度、不同外形的建筑，不会带来安全隐患。
目前主流的攀壁机器人多采用轮式，履带式或者传统的舵机带动的机械臂来完成行走部分，但是大多数轮式和履带式机器人越障能力不佳而且需要昂贵的特殊材料制作轮和履带，或者就需要吸盘在其移动过程中不间断提供负压，浪费能量的同时影响吸盘可靠性。足式机器人有更优越的越障性能，可以适应不同的地形，自行寻找合适的落脚点，保证吸盘的可靠吸附。但目前使用较多的足式机器人存在着承重能力差、灵活自由度差等的问题。
技术实现要素：
本发明为解决目前的技术不足之处，提供了一种清洁机器人，其采用并联机械臂，使其能在三个方向上平动，更加灵活自由。
本发明提供的清洁机器人还具有越障功能。
本发明的另一目的提供一种基于bp神经网络的清洁机器人控制方法，能够根据具体的建筑物表面状况来进行移动清洗，提高清洁效率。
本发明提供的技术方案为：一种清洁机器人，包括：
壳体，以及
四个固定盘，其均匀分布地固设在所述壳体的边缘侧面；
四个安装盘，其分别对应固连在所述固定盘上，所述安装盘边缘上均匀分布有三个径向凹槽；
三个电机，其分别设置在所述凹槽旁，所述电机输出轴位于所述凹槽上方；
三个旋转杆，其一端分别与所述输出轴分别对应铰接，所述旋转杆可在所述凹槽内绕铰接点转动；
三对连接杆，其分别成对平行设置在所述旋转杆两侧，所述连接杆的一端分别铰接在所述旋转杆另一端，所述连接杆的另一端与所述机器人的足部铰接。
优选的是，所述足部包括：
支撑架，其一端与所述连接杆铰接；
伸缩气缸，其外壳侧面与所述支撑架的另一端固连；
吸盘足，其一端与所述伸缩气缸内的气缸相连；
吸盘，其与所述吸盘足的另一端固连。
优选的是，所述支撑架包括：
支撑杆，其一端固连所述伸缩气缸的外壳；
支撑盘，其一侧面固连所述支撑杆；
y型固定块，其中心固设在所述支撑盘的圆心，将所述支撑盘等分为三部分，所述固定块的三个末端延伸至所述支撑盘边缘外，并且分别与所述连接杆的另一端铰接。
优选的是，所述壳体、所述外壳、所述旋转杆和所述连接杆均采用铝合金材质。
优选的是，还包括：
摄像头，其设置在所述壳体前方表面；
风速传感器，其设置在所述壳体表面，用来检测风速；
控制器，其连接所述摄像头、所述风速传感器、所述电机，并控制所述电机的工作状况。
一种清洁机器人的控制方法，当机器人行走时基于bp神经网络对前方安装盘上电机进行调控，包括如下步骤：
步骤一、按照采样周期，通过摄像头及风速传感器分别采集前方障碍物距离s，障碍物高度h、风速v；
步骤二、依次将步骤一中获取的参数进行规格化，确定三层bp神经网络的输入层向量x＝{x1,x2,x3}；其中x1为障碍物距离系数、x2为障碍物高度系数、x3为风速系数；
步骤三、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；
步骤四、得到输出层向量o＝{o1,o2,o3,o4,o5,o6}；o1为左前方安装盘上上方电机输出轴转动角度调节系数，o2为左前方安装盘上左下方电机输出轴转动角度调节系数，o3为左前方安装盘上右下方电机输出轴转动角度调节系数，o4为右前方安装盘上上方电机输出轴转动角度调节系数，o5为右前方安装盘上左下方电机输出轴转动角度调节系数，o6为右前方安装盘上右下方电机输出轴转动角度调节系数；
步骤五、控制各电机的输出轴转角，使
其中，
优选的是，所述中间层节点个数m满足：
优选的是，在所述步骤二中，将前方障碍物距离s，障碍物高度h、风速v进行规格化的公式为：
其中，xj为输入层向量中的参数，xj分别代表测量参数s、h、v，j＝1,2,3；xjmax和xjmin分别为相应测量参数中的最大值和最小值。
优选的是，在所述步骤三中，初始运行状态下，左前方安装盘上三个电机输出轴的转动角度分别满足经验值：
θa0＝0.21θamax
θb0＝0.28θbmax
θc0＝0.22θcmax
其中，θa0、θb0、θc0分别为左前方安装盘上上方、左下方、右下方三个电机输出轴的初始转动角度，θamax、θbmax、θcmax分别为左前方安装盘上上方、左下方、右下方三个电机输出轴的最大转动角度。
本发明所述的有益效果：1)本发明所提供的清洁机器人通过并联机械手的设计，可以实现三个方向上的平地，通过运动合成，保证机器人能够自由到达墙面任意一位置，使得清洁不留死角；2)本发明的吸盘与可伸缩气缸相连，在越障时，可以通过注入压缩空气，压缩内部弹簧使吸盘足伸出，从而具有一定的越障能力；3)本发明将神经网络算法用来控制清洁机器人在工作中的行走状态，使得机器人清洁更高效，且根据具体的建筑物表面状况来进行移动清洗，提高清洁效率。
附图说明
图1为本发明的清洁机器人整体结构主视图。
图2为本发明的清洁机器人整体结构仰视图。
图3为本发明的清洁机器人的壳体结构图。
图4为本发明的清洁机器人的机械臂和足部连接结构图。
图5为本发明的清洁机器人的机械臂和足部连接仰视图。
图6为本发明的清洁机器人的机械臂和足部连接俯视图。
图7为本发明的清洁机器人的足部连接剖视图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1-3所示，本发明的清洁机器人包括壳体100，其边缘为八边形。在壳体100的下方横向设置有四联装圆盘式清洁器400，壳体100表面还设置有摄像头120。在壳体100的边缘侧边均匀设置有四个固定盘110，四个固定盘110的一侧面分别固定在壳体100边缘，且四个固定盘110呈现中心对称固定。固定盘110的另一侧面连接有机械臂200。如图4-6所示，机械臂200包括有固连在固定盘110侧面的安装盘230。安装盘230的边缘上设置有三个凹槽231，三个凹槽231沿着安装盘230的径向设置，且均匀分布在安装盘230上。在三个凹槽231的旁边分布设置有电机240，电机240的输出轴位于凹槽231的上方。电机240为步进电机。旋转杆220的一端与电机240的输出轴铰接，且旋转杆220可以在凹槽231内绕铰接点转动。连接杆210成对并平行地设置在旋转杆220的两侧，每对连接杆210的一端与旋转杆220的另一端两侧铰接，另一端与机器人的足部铰接。
清洁机器人的足部300如图4-6所示，主要包括支撑架250，其一端与连接杆210的另一端铰接，另一端与伸缩气缸320的外壳侧面固连。支撑架250包括支撑杆252，其一端与伸缩气缸320外壳固连；支撑盘253的一侧面固连支撑杆252，另一侧面上设置有y型固定块251，y型固定块251的中心固设在支撑盘253的圆心，且其三个末端延伸至支撑盘252的边缘外。在所述末端两侧分别与所对应的成对连接杆的末端铰接。
如图7所示，气缸321设置在伸缩气缸320的外壳内上方，气缸321下设置有弹簧322。吸盘足311的一端与气缸321的底部相连，弹簧322套设在吸盘足311外。吸盘足311的另一端固连有吸盘310，且在吸盘310上设置有泄气阀312可以给吸盘释放内部压力，脱离吸附物。在伸缩气缸320外壳上方设置有进气阀323，壳体100内部设置有气泵。气泵与进气阀323通过连接管连接，用以控制伸缩气缸320的工作状态。
在壳体100内还设置有控制器，壳体表面设置有风速传感器，用来检测风速。摄像头120可以摄取前方建筑物表面图片，并通过分析处理得到前方障碍物的距离和高度。控制器连接控制所有电机240及气泵的工作状态，同时接收摄像头120的信息，并进行处理分析。在工作状态中，清洁机器人的摄像头120采集信息，传输至控制器，控制器分析数据并对电机240进行控制，使机器人的机械臂实现x或者z方向上的平动，自由到达墙面任意一个位置，使得清洁不留死角。当遇到阻碍物时，通过注入气缸321内压缩空气，气缸321压缩弹簧322，使得吸盘足311伸出，从而升高清洁机器人的高度，实现越障。在越障完成后，停止注入空气，气缸321泄压，内部弹簧322恢复，将吸盘足311回收至伸缩气缸320内。本发明中壳体100、伸缩气缸320外壳、旋转杆220、连接杆210均采用铝合金材质。
所述控制器其连接控制所有电机240及气泵的工作状态，同时接收摄像头120的信息，并进行处理分析。在工作状态中，清洁机器人的摄像头120采集信息，传输至控制器，控制器分析数据并对电机240进行控制，使机器人的机械臂实现x或者z方向上的平动，自由到达墙面任意一个位置，使得清洁不留死角。当遇到阻碍物时，通过注入气缸321内压缩空气，气缸321压缩弹簧322，使得吸盘足311伸出，从而升高清洁机器人的高度，实现越障。在越障完成后，停止注入空气，气缸321泄压，内部弹簧322恢复，将吸盘足311回收至伸缩气缸320内。
本发明还提供了一种一种清洁机器人的控制方法，当机器人行走时基于bp神经网络对前方安装盘上电机进行调控，包括如下步骤：
步骤一s110：建立bp神经网络模型。
本发明采用的bp网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示n个输入参数，些信号参数由数据预处理模块给出。第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共q个节点，由系统实际需要输出的响应确定。
该网络的数学模型为：
输入向量：x＝(x1,x2,...,xn)t
中间层向量：y＝(y1,y2,...,ym)t
输出向量：o＝(o1,o2,...,oq)t
本发明中，输入层节点数为n＝3，输出层节点数为q＝6。隐藏层节点数m由下式估算得出：
输入信号3个参数分别表示为：x1为障碍物距离系数、x2为障碍物高度系数、x3为风速系数；
由于获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。
具体而言，对于前方障碍物距离s，进行规格化后，得到前方障碍物距离系数
其中，smax和smin分别为前方障碍物的最大距离和最小距离。
同样的，对于障碍物高度h，进行规格化后，得到障碍物高度系数
其中，hmax和hmin分别为障碍物的最大高度和最小高度。
同样的，对于风速v，进行规格化后，得到风速系数
其中，vmax和vmin分别为最大风速和最小风速。
输出的六个参数分别表示为：o1为左前方安装盘上上方电机输出轴转动角度调节系数，o2为左前方安装盘上左下方电机输出轴转动角度调节系数，o3为左前方安装盘上右下方电机输出轴转动角度调节系数，o4为右前方安装盘上上方电机输出轴转动角度调节系数，o5为右前方安装盘上左下方电机输出轴转动角度调节系数，o6为右前方安装盘上右下方电机输出轴转动角度调节系数。
左前方安装盘上上方电机输出轴转动角度调节系数o1表示下一个采样周期时该电机输出轴转动角度与该电机输出轴最大转动角度之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的左前方安装盘上上方电机输出轴转动角度调节系数
其中，θamax为左前方安装盘上上方电机输出轴最大转动角度。
左前方安装盘上左下方电机输出轴转动角度调节系数o2表示下一个采样周期时该电机输出轴转动角度与该电机输出轴最大转动角度之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的左前方安装盘上左下方电机输出轴转动角度调节系数
其中，θbmax为左前方安装盘上左下方电机输出轴最大转动角度。
左前方安装盘上右下方电机输出轴转动角度调节系数o3表示下一个采样周期时该电机输出轴转动角度与该电机输出轴最大转动角度之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的左前方安装盘上右下方电机输出轴转动角度调节系数
其中，θcmax为左前方安装盘上右下方电机输出轴最大转动角度。
右前方安装盘上上方电机输出轴转动角度调节系数o4表示下一个采样周期时该电机输出轴转动角度与该电机输出轴最大转动角度之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的右前方安装盘上上方电机输出轴转动角度调节系数
其中，βamax为右前方安装盘上上方电机输出轴最大转动角度。
右前方安装盘上左下方电机输出轴转动角度调节系数o5表示下一个采样周期时该电机输出轴转动角度与该电机输出轴最大转动角度之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的右前方安装盘上左下方电机输出轴转动角度调节系数
其中，βbmax为右前方安装盘上左下方电机输出轴最大转动角度。
右前方安装盘上右下方电机输出轴转动角度调节系数o6表示下一个采样周期时该电机输出轴转动角度与该电机输出轴最大转动角度之比，即在第i个采样周期获取输入参数，通过bp神经网络输出第i个采样周期的右前方安装盘上右下方电机输出轴转动角度调节系数
其中，βcmax为右前方安装盘上右下方电机输出轴最大转动角度。
步骤二s120、进行bp神经网络的训练。
建立好bp神经网络节点模型后，即可进行bp神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值wij，隐层节点j和输出层节点k之间的连接权值wjk，隐层节点j的阈值θj，输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。
在训练过程中，不断修正wij和wjk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。
如表1所示，给定了一组训练样本以及训练过程中各节点的值。
表1训练过程各节点值
在训练过程中，不断修正wij和wjk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。
步骤三s130、采集输入参数，得到输出参数，并对清洁机器人的前方安装盘上电机进行控制。
步骤三s130具体包括如下分步骤：
s131：按照采样周期，获取第i个采样周期时前方障碍物距离s，障碍物高度h、风速v；其中，i＝1,2,……。
s132：依次将上述3个参数进行规格化，得到第i个采样周期时三层bp神经网络的输入层向量x＝{x1,x2,x3}。
s133：所述输入层向量映射到中间层，得到第i个采样周期时中间层向量y＝{y1,y2,y3,y4}。
s134：所述中间层向输出层映射，得到第i个采样周期时得到输出层向量o＝{o1,o2,o3,o4,o5,o6}。
s135：对清洁机器人的前方安装盘上电机的输出轴进行控制，使下一个周期即第i+1个采样周期时各电机的输出轴转动角度满足：
左前方安装盘上各电机的输出轴的转动角度初始值为：
θa0＝0.21θamax
θb0＝0.28θbmax
θc0＝0.22θcmax
其中，
通过上述设置，获取输入参数，通过采用bp神经网络算法，对清洁机器人前排安装盘上电机进行控制，使清洁效率达到最高。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。