【技术实现步骤摘要】
本专利技术涉及机器人控制，具体涉及多自由度驱动轮系的楼梯攀爬负重机器人控制系统。
技术介绍
1、楼梯攀爬负重机器人是一类能够在不同环境中爬楼梯的自主机器人，主要用于工业、建筑、救援、家庭等领域，随着社会的进步和智能技术的发展，攀爬楼梯机器人的应用越来越广泛；
2、作为在一个区域运行的楼梯攀爬负重机器人来说，楼梯攀爬负重机器人需要对区域中的多栋楼房进行垃圾作业搜寻，将负载垃圾从下层或上层通过楼梯运输到地面，在实际应用中，楼梯攀爬负重机器人通常是感知到自身出现倾斜时才进行调整，但是，当出现倾斜角度过大时，会导致楼梯攀爬负重机器人无法调整为平衡状态，此时楼梯攀爬负重机器人翻倒后，不仅可能会导致楼梯攀爬负重机器人损坏，而且会导致任务终止，造成负载垃圾无法及时清理，带来潜在的垃圾作业隐患。
3、基于此，本专利技术提出多自由度驱动轮系的楼梯攀爬负重机器人控制系统，能够依据楼梯攀爬负重机器人的攀爬姿态来进行倾倒预测，从而能够在楼梯攀爬负重机器人翻倒前及时进行倾斜角度调整，保障楼梯攀爬负重机器人运行的稳定性和安全性。
技术实现思路
1、本专利技术的目的是提供多自由度驱动轮系的楼梯攀爬负重机器人控制系统，以解决
技术介绍
中不足。
2、为了实现上述目的，本专利技术提供如下技术方案：多自由度驱动轮系的楼梯攀爬负重机器人控制方法，所述控制方法包括以下步骤：
3、控制系统获取垃圾搜寻区域信息，将垃圾搜寻区域划分为多个子区域，对每个子区域进行初始编号后，建立初始子
4、获取楼梯攀爬负重机器人在子区域的历史垃圾搜寻信息，基于历史垃圾搜寻信息标记出搜寻路径异常点，每当楼梯攀爬负重机器人进入搜寻路径异常点时，调节楼梯攀爬负重机器人的感知频率；
5、楼梯攀爬负重机器人依据调节后的感知频率对环境以及自身姿态进行感知，基于环境以及自身姿态感知结果预测平衡状态变化趋势，当预测平衡状态变化趋势朝向倾斜状态发展时，自动对楼梯攀爬负重机器人各驱动轮系进行控制以保持楼梯攀爬负重机器人的平衡状态。
6、在一个优选的实施方式中，获取楼梯攀爬负重机器人在子区域的历史垃圾搜寻信息，基于历史垃圾搜寻信息标记出搜寻路径异常点，包括以下步骤：
7、当楼梯攀爬负重机器人在子区域完成一次搜寻时，控制系统获取负重机器人在预设搜寻路线碰到的异常状况，异常状况包括停顿、绕行、倾斜以及抖动；
8、获取楼梯攀爬负重机器人在子区域的历史多次垃圾搜寻信息，将多次垃圾搜寻信息进行整合后，将楼梯攀爬负重机器人在子区域搜寻过程中出现停顿、绕行、倾斜或抖动的地点标记为初始异常点；
9、对于每个初始异常点而言，获取初始异常点的异常记录次数，当初始异常点的异常记录次数小于3次时，将初始异常点从子区域模型中删除，当初始异常点的异常记录次数大于等于3次时，将初始异常点更新为搜寻路径异常点。
10、在一个优选的实施方式中，每当楼梯攀爬负重机器人进入搜寻路径异常点时，调节楼梯攀爬负重机器人的感知频率，包括以下步骤：
11、当楼梯攀爬负重机器人进入搜寻路径异常点时，控制系统依据异常记录次数计算得到调节因子，表达式为：式中，adjus为调节因子，n为异常记录种类，yci表示第i种异常记录出现的次数，ωi表示第i种异常记录的权重；
12、通过获取的调节因子调节楼梯攀爬负重机器人的感知频率，调节算法为：fqnew＝fqold(1+log5(adjust+1))，式中，fqnew为调节后的感知频率，fqold为调节前的感知频率，adjus为调节因子；
13、通过调节算法修正楼梯攀爬负重机器人的感知频率后，当楼梯攀爬负重机器人进入搜寻路径异常点时，依据该搜寻路径异常点对应调节后的感知频率进行感知。
14、在一个优选的实施方式中，基于环境以及自身姿态感知结果预测平衡状态变化趋势，包括以下步骤：
15、将实时获取的坡度偏差、平整度标准偏差、倾斜角增加速率以及摩擦力下降速率作为输入特征，将输入特征输入训练好的随机森林模型中，随机森林模型输出目标值；
16、将目标值与预设的目标阈值进行对比，目标阈值用于预测平衡状态变化趋势，若目标值小于等于目标阈值，预测平衡状态变化趋势朝向平衡状态发展，若目标值大于目标阈值，预测平衡状态变化趋势朝向倾斜状态发展。
17、在一个优选的实施方式中，随机森林模型训练包括以下步骤：
18、收集历史数据整理为训练集，其中：
19、输入特征子集x＝{δα,σ,ω(t),dffriction}，δα为坡度偏差，σ为平整度标准偏差，ω(t)为倾斜角增加速率，dffriction为摩擦力下降速率；
20、目标值y＝sbalance，sbalance为预测值；
21、随机森林将基于特征的随机子集生成多棵决策树，每棵决策树根据不同的随机选择进行分裂和决策，对于每棵决策树，节点分裂时选择特征值，并根据特征值做决策；
22、随机森林基于不同的输入特征子集，生成多个决策树，决策树在分裂时，根据特征的不同阈值将数据划分成不同的子集，最终生成叶节点，每个叶节点代表了根据输入特征的预测结果；
23、在预测阶段，随机森林会对所有决策树的输出结果进行加权平均或投票，得出最终的预测值，设有t棵树，预测值为：式中，sbalance为预测值，t为决策树的数量，si为第i棵决策树的预测结果。
24、在一个优选的实施方式中，楼梯攀爬负重机器人依据调节后的感知频率对环境以及自身姿态进行感知，包括以下步骤：
25、楼梯攀爬负重机器人依据调节后的感知频率对环境以及自身姿态进行感知，通过激光雷达和视觉传感器扫描前方楼梯，并测量楼梯的坡度和检测楼梯的踏步表面平整度；
26、楼梯攀爬负重机器人在开始攀爬时，通过陀螺仪和倾斜传感器感知当前倾斜角，并通过轮系传感器获取行进轮与地面的摩擦力；
27、将实际坡度减去标准坡度获取坡度偏差，在监测时间段内计算倾斜角增加速率以及摩擦力下降速率，倾斜角增加速率的获取逻辑为：将当前时刻倾斜角减去上一时刻倾斜角获取倾斜角差值，将倾斜角差值比上监测时间段得到倾斜角增加速率，摩擦力下降速率的计算逻辑为：将上一时刻摩擦力减去当前时刻摩擦力获取摩擦力差值，将摩擦力差值比上监测时间段内得到摩擦力下降速率；
28、在一个踏步表面选取n个测量点，将n个测量点的高度分别标记为h1、h2、...、hn；则平整度标准偏差的计算表达式为：式中，σ为平整度标准偏差，n为测量点数量，hi为第i个测量点的高度，为平均高度，平整度标准偏差越大，表明踏步表面越不平。
29、在一个优选的实施方式中，控制系统获取垃圾搜寻区域信息，将垃圾搜寻区域划分为多个子区域，对每个子区域进行初始编号后，建立初始子区域列表，包括以下步骤：
30、获取垃本文档来自技高网...
【技术保护点】
1.多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：所述控制方法包括以下步骤：
2.根据权利要求1所述的多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：获取楼梯攀爬负重机器人在子区域的历史垃圾搜寻信息，基于历史垃圾搜寻信息标记出搜寻路径异常点，包括以下步骤：
3.根据权利要求2所述的多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：每当楼梯攀爬负重机器人进入搜寻路径异常点时，调节楼梯攀爬负重机器人的感知频率，包括以下步骤：
4.根据权利要求3所述的多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：基于环境以及自身姿态感知结果预测平衡状态变化趋势，包括以下步骤：
5.根据权利要求4所述的多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：随机森林模型训练包括以下步骤：
6.根据权利要求5所述的多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：楼梯攀爬负重机器人依据调节后的感知频率对环境以及自身姿态进行感知，包括以下步骤：
7.根据权利要求6所述的多自由度驱动轮系
8.多自由度驱动轮系的楼梯攀爬负重机器人控制系统，用于实现权利要求1-7任一项所述的控制方法，其特征在于：包括子区域划分模块、异常点标记模块、感知频率调节模块、倾斜预测模块、控制模块；
...【技术特征摘要】
1.多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：所述控制方法包括以下步骤：
2.根据权利要求1所述的多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：获取楼梯攀爬负重机器人在子区域的历史垃圾搜寻信息，基于历史垃圾搜寻信息标记出搜寻路径异常点，包括以下步骤：
3.根据权利要求2所述的多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：每当楼梯攀爬负重机器人进入搜寻路径异常点时，调节楼梯攀爬负重机器人的感知频率，包括以下步骤：
4.根据权利要求3所述的多自由度驱动轮系的楼梯攀爬负重机器人控制方法，其特征在于：基于环境以及自身姿态感知结果预测平衡状态变化趋势，包括以下步骤：
5.根据权利要求4所述的多自...
【专利技术属性】
技术研发人员：王标，余凯华，张彦晶，丁敏，李云辉，祝子玥，季敏捷，张惠，高福明，
申请(专利权)人：上海市城市排水有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。