一种智能消杀巡检环境调节机器人及控制方法与流程

1.本发明属于消毒机器人领域，尤其涉及一种智能消杀巡检环境调节机器人及其控制方法。


背景技术：

2.智能消毒机器人一般采用消毒剂雾化方式，可进行室内环境的全面消毒。可快速部署于办公楼、大堂、餐厅、会议室等公共场所，实现应用场景的消毒，无人值守消毒，安全健康。消毒机器人包括移动底盘和多种消杀模块，消毒机器人的消杀过程一般是通过人工预先设定，然后机器人根据设定程序在安装设定轨迹进行消毒。而实际使用过程中，机器人所处环境、面临工况复杂，不同消杀方式的适用工况以及消杀效果各不相同，消杀完成后，也无法评估消杀的效果。
3.另外，目前消毒机器人都是人为进行调节，而且较为缓慢，各区域可能存在需求不同的情况，而设备通常会运行在多种环境下，即使是同一空间，不同天气和季节下控制目标也可能存在较大差异。因此传统的消毒机器人控制方法较为固定，会导致环境适应能力不足的问题。


技术实现要素：

4.鉴于上述问题，本发明的目的在于提供一种智能消杀巡检环境调节机器人及控制方法，旨在解决现有消毒机器人控制方式单一、无法根据环境自适应调节的技术问题。
5.本发明采用如下技术方案：
6.一方面，所述智能消杀巡检环境调节机器人控制方法包括下述步骤：
7.步骤s1、机器人根据当前室内环境构建室内地图，同时根据传感器采集环境参数；
8.步骤s2、根据室内地图以及建图扫描过程中机器人传感器所采集到的环境参数，对整个空间室内进行建模估计，得到多个分类工况；
9.步骤s3、根据分类工况进行机器人消杀工作预规划，预规划结果包括规划路径以及规划出各点位不同执行模块的参考动作；
10.步骤s4、根据预规划结果控制机器人执行动作，同时实时采集环境信息，根据环境的变化进行动态调整。
11.进一步的，所述步骤s2中，对于传感器所采集到的环境参数采用卡尔曼滤波器进行处理。
12.进一步的，步骤s2中，所述对整个空间室内进行建模估计，得到多个分类工况具体过程如下：
13.基于支持向量机方法构造一个超平面d，通过建模阶段采集的环境参数据获得目标样本集为(pi,qi),其中pi是指某一工况下的某一个地图上的某一个点的信息，qi是指工况种类；
14.在超平面d上的点pi满足：b
qi
(t)＝-ω
qi
(t)*f(pi),b
qi
(t)为分类阈值，ω
qi
(t)为
改进权重，f(pi)为核函数，ω
qi
(t)＝ω
qi
+γ(t),ω
qi
为权重参数，γ(t)为补偿权重系数，此时超平面d约束为qi(ω
qi
(t)*f(pi)+b
qi
(t))≥1-εi，εi为松弛变量；
15.在此约束下的极小化函数值为：c
qi
是对越界采样点施加的惩罚因子，获取群体当中最小的a
qi-min
相对应的c
qi-min
，这里a
qi-min
＝min{a
qi
(t1),a
qi
(t2),a
qi
(t3),...a
qi
(ti)}；
16.最终可得到决策函数为：最终得到qi个不同的工况分类。
17.进一步的，所述步骤s3具体包括：
18.s31、网格化地图，确定环境权重值h；
19.s32、初始化开放列表，所述开放列表用于存放准备计算的点的信息和封闭列表，封闭列表用于存放已经计算过不作为路径点的点的信息，并将起点相关的开始节点放入开放列表；
20.s33、计算开放列表当中的权重值，这里权重值由两部分组成，即距离权重e和环境权重h，找到权重值最小的综合权重f＝e+h,在开放列表中查找最小f值的点，并把该点作为当前的点；
21.s34、将该点从开放列表中去除，放置到封闭列表当中；
22.s35、对当前节点相邻的每一个节点按照以下原则进行计算，如果相邻节点在封闭节点或不存在，那么直接计算下一个开放列表中的点，如果下一个点不在开放列表中，那么就将该点加入开放列表，并计算f值；如果相邻节点在开放列表中，则比较这个节点和其他相邻节点的f值，如果小于，则将该节点设置为当前节点，并重置该节点的相邻节点；
23.s36、重复步骤s25直至终点被加入开放列表。
24.另一方面，所述智能消杀巡检环境调节机器人包括传感器、执行模块以及控制模块，其中所述控制模块包括：
25.环境建模单元，用于根据当前室内环境构建室内地图，同时根据传感器采集环境参数；
26.工况分类单元，用于根据室内地图以及建图扫描过程中机器人传感器所采集到的环境参数，对整个空间室内进行建模估计，得到多个分类工况；
27.预规划单元，用于根据分类工况进行机器人消杀工作预规划，预规划结果包括规划路径以及规划出各点位不同执行模块的参考动作；
28.执行与动态分类单元，用于根据预规划结果控制机器人执行动作，同时实时采集环境信息，根据环境的变化进行动态调整。
29.进一步的，所述传感器包括异常气体传感器、声光传感器、细菌浓度传感器、温湿度传感器。
30.进一步的，所述执行模块包括紫外灯管、臭氧发生器、超声波雾化器、除湿机。
31.进一步的，所述传感器包括异常气体传感器、声光传感器、细菌浓度传感器、温湿度传感器。
32.本发明的有益效果是：
33.首先，本发明提供了一种智能消杀巡检环境调节机器人，该机器人集多功能检测、调节、自动导航于一体，具体通过在机器人中内置各种传感器，对环境进行采集和监控，采用人工智能控制方法对环境公开进行分类，获取不同的工况，进而规划不同的目标，同时可为后面得控制器提供不同的参数，提高了机器人自我调整的自适应能力；
34.其次，本发明还提供了一种机器人控制方法，该方法采用人工智能技术可对环境状态进行检测和分类，并针对不同工况进行自适应反馈控制，可以自动完成数据采集、处理、模式识别、巡检、环境监测、环境调节的功能。
附图说明
35.图1是本发明实施例提供的智能消杀巡检环境调节机器人的硬件结构图；
36.图2是本发明实施例提供的智能消杀巡检环境调节机器人控制方法流程图。
具体实施方式
37.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
38.为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
39.图1示出了本发明实施例提供的智能消杀巡检环境调节机器人的硬件结构图，机器人通过底盘电机可以在室内行走，并且内置有摄像头和激光雷达，可对室内环境进行扫描。本发明实施例提供的智能消杀巡检环境调节机器人中搭载了各种传感器，如图1中所示的异常气体传感器、声光传感器、细菌浓度传感器、温湿度传感器等，具体不限定这些传感器。同时机器人中也搭载了执行模块，如各种消杀模块和环境调节模块，包括紫外灯管、臭氧发生器、超声波雾化器、除湿机等。另外，本实施例机器人还包括控制模块，所述控制模块用于根据传感器采集到的数据进行人工智能处理，然后控制执行模块执行相应操作。所述控制模块包括环境建模单元、工况分类单元、预规划单元、执行与动态分类单元。基于上述智能消杀巡检环境调节机器人，相应的，本发明实施例提供了一种智能消杀巡检环境调节机器人控制方法，如图2所示包括下述步骤：
40.步骤s1、环境建模步骤：机器人根据当前室内环境构建室内地图，同时根据传感器采集环境参数。
41.建图是构建当前室内环境布局的地图，具体机器人可通过激光slam技术进行建图及自动导航，具体建图过程不是本实施例重点所在，这里不赘述。建图过程中，同时传感器采集环境数据。
42.由于外界干扰或内部电路问题传感器采集过程中可能会产生噪声，会对采集到数据有影响，因此本步骤采用卡尔曼滤波器对各信号进行处理。
43.具体的，假设传感器在t时刻检测到的状态量为x_me(t)＝(x1,x2，x3..xk),k为第k个传感器的状态,采用基于传感器性能的平滑法过滤高频噪声，其中σ为传感器的误差矩阵，为传感器的量程范围，θ为滤波系数，有
44.步骤s2、工况分类步骤：根据室内地图以及建图扫描过程中机器人传感器所采集
到的环境参数，对整个空间室内进行建模估计，得到多个分类工况。
45.数据预处理后，本步骤进行建模估计和分类工况，具体过程如下：
46.s21、基于支持向量机方法构造一个超平面d，通过建模阶段采集的环境参数据获得目标样本集为(pi,qi),其中pi是指某一工况下的某一个地图上的某一个点的信息，qi是指工况种类。
47.建模估计的模型为：pi＝(posi,xi(t))，其中posi为i工况下的位置信息，xi(t)为i工况下当前位置的环境参数信息。pi为上述信息的特征向量，为k+2维pi∈r
k+2
。考虑pi为一个向量，要使用svm引入核函数f(pi)＝m(posi,xi(t))进而构造超平面d以保证数据可分。
48.s22、在超平面d上的点pi满足：b
qi
(t)＝-ω
qi
(t)*f(pi),b
qi
(t)为分类阈值，ω
qi
(t)为改进权重，f(pi)为核函数，ω
qi
(t)＝ω
qi
+γ(t),ω
qi
为权重参数，γ(t)为补偿权重系数，此时超平面d约束为qi(ω
qi
(t)*f(pi)+b
qi
(t))≥1-εi，εi为松弛变量。
49.本步骤根据环境参数，例如温湿度、光照强度、细菌数量、臭氧浓度、人员多少等信息进行工况分类。
50.首先基于支持向量机方法构造一个超平面d，通过建模阶段的数据获得目标样本集为(pi,qi),pi是指某一工况下某一个地图上的某一个点的信息，qi是指工况种类，比如，qi指春夏秋冬四个工况。pi∈r
k+2
，qi∈{1,2,....l}代表分类的数量。在该平面d上的点pi满足：b
qi
(t)＝-ω
qi
(t)*f(pi)。这里ω
qi
(t)＝ω
qi
+γ(t)。b
qi
(t)为分类阈值，ω
qi
(t)为改进权重，f(pi)为满足mercer条件的核函数，对应为某一变换空间的内积，ω
qi
为权重参数，γ(t)为补偿权重系数。
51.一般来说ω
qi
为预先调整好的参数矩阵，这在静态或准静态系统中有较好的效果，考虑到机器人工作的实时性和系统动态变化性能，如果某一传感器出现故障，传统方法可能会导致错误分类，因此考虑故障工况，本发明通过改进权重ω
qi
(t)实现这一目标,当出现突发新的工况时可及时通知管理人员进行处理，为了提高计算效率，采用高斯权重获取补偿权重系数γ(t)，该参数与各传感器状态值λ(xi(t))相关，当某一传感器超过门限值时取无穷大，即：
[0052][0053]
式b
qi
(t)＝-ω
qi
(t)*f(pi)为寻找最优分类面，ω
qi
(t)和b
qi
(t)满足以下条件：
[0054]
qi*ω
qi
(t)*f(pi)+b
qi
(t)≥1
[0055]
考虑到一些采样不能被超平面正确分类，引入一个松弛变量εi≥0，此时超平面约束为：
[0056]
qi*ω
qi
(t)*f(pi)+b
qi
(t)≥1-εi。
[0057]
s23、在此约束下的极小化函数值为：c
qi
是对越界采样点施加的惩罚因子，获取群体当中最小的a
qi-min
相对应的c
qi-min
，这里a
qi-min
＝min{a
qi
(t1),a
qi
(t2),a
qi
(t3),...a
qi
(ti)}。
[0058]cqi
是对越界采样点施加的惩罚因子，能在算法的复杂度和采样的错分率之间进行折衷。与ω
qi
(t)类似，该参数的选取也采用动态变化以适应移动环境下新数据的不断加入，来完善模型。由于传感器采集频率较高，而系统参数变化较慢，本实施例采用一段时间内的
极小化泛函数的值来选定合理的c
qi
，持续计算一段时间内的a
qi
(t)，通过随机选取c
qi
的方式计算a
qi
(t)，获取群体当中最小的a
qi-min
相对应的c
qi-min
，作为求取决策函数ψ
qi
(p)的最终参数：
[0059]aqi-min
＝min{a
qi
(t1),a
qi
(t2),a
qi
(t3),...a
qi
(ti)}
[0060][0061]
s24、最终可得到决策函数为：最终得到qi个不同的工况分类。
[0062]
步骤s3、预规划步骤：根据分类工况进行机器人消杀工作预规划，预规划结果包括规划路径以及规划出各点位不同执行模块的参考动作。
[0063]
路径规划采用结合场景权重方法。具体过程如下：
[0064]
s31、网格化地图，确定环境权重值h。
[0065]
s32、初始化开放列表，所述开放列表用于存放准备计算的点的信息和封闭列表，封闭列表用于存放已经计算过不作为路径点的点的信息，并将起点相关的开始节点放入开放列表。
[0066]
s33、计算开放列表当中的权重值，这里权重值由两部分组成，即距离权重e和环境权重h，找到权重值最小的综合权重f＝e+h,在开放列表中查找最小f值的点，并把该点作为当前的点。距离权重表征路径长短，而环境权重代表根据工况不同，机器人是否到达该点的必要性，环境权重值h根据工况分类得到，该权重值越小，代表越重要。
[0067]
s34、将该点从开放列表中去除，放置到封闭列表当中。
[0068]
s35、对当前节点相邻的每一个节点按照以下原则进行计算，如果相邻节点在封闭节点或不存在，那么直接计算下一个开放列表中的点，如果下一个点不在开放列表中，那么就将该点加入开放列表，并计算f值；如果相邻节点在开放列表中，则比较这个节点和其他相邻节点的f值，如果小于，则将该节点设置为当前节点，并重置该节点的相邻节点。
[0069]
s26、重复步骤s25直至终点被加入开放列表。若终点没有进入开放列表，则代表无满足要求的路径。此时可调整权重f的计算方式，尝试是否存在新的路径，重复上述步骤，直至有解。
[0070]
步骤s4、执行与动态分类步骤：根据预规划结果控制机器人执行动作，同时实时采集环境信息，根据环境的变化进行动态调整，包括喷雾、开启紫外灯、臭氧发生器、风扇等。在执行的过程动态分类，并进行动态规划与执行，s2-s4重复执行，以满足消杀要求。
[0071]
综上，本发明提供了一种可自主移动并根据不同工况进行自动消杀及环境调节任务的智能机器人，本发明基于人工智能技术实现对各种环境工况识别，通过参数识别结果进行消杀方案的自动规划，最后通过内置的消杀模块、环境调节模块等执行模块，实现对室内环境的调整，以达到目标调节效果。
[0072]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。