一种基于强化学习的避碰智能机器人制造技术

本发明专利技术公开了一种基于强化学习的避碰智能机器人，所述数据采集模块用于采集机器人的数据信息和周围的环境信息；所述定位模块用于获取机器人移动的坐标和障碍物的坐标；所述数据处理模块用于接收数据信息和环境信息进行处理并将其一同发送至数据分析模块；所述数据分析模块用于接收数据处理模块发送的数据并进行分析计算，得到前移排序集和障影排序集；所述统计预警模块用于接收前移排序集和障影排序集并进行统计和预警操作，所述调控模块用于对机器人的运行进行调控；本发明专利技术用于解决不能根据机器人的移动状态和障碍物状态进行综合分析为机器人的运行进行预警并及时进行学习和调整的问题。

【技术实现步骤摘要】
一种基于强化学习的避碰智能机器人
本专利技术涉及智能机器人
，尤其涉及一种基于强化学习的避碰智能机器人。
技术介绍
智能机器人至少要具备以下三个要素：一是感觉要素，用来认识周围环境状态；二是运动要素，对外界做出反应性动作；三是思考要素，根据感觉要素所得到的信息，思考出采用什么样的动作。感觉要素包括能感知视觉、接近、距离等的非接触型传感器和能感知力、压觉、触觉等的接触型传感器。这些要素实质上就是相当于人的眼、鼻、耳等五官，它们的功能可以利用诸如摄像机、图像传感器、超声波传成器、激光器、导电橡胶、压电元件、气动元件、行程开关等机电元器件来实现；高级智能机器人具有感觉，识别，推理和判断能力，同样可以根据外界条件的变化，在一定范围内自行修改程序。所不同的是，修改程序的原则不是由人规定的，而是机器人自己通过学习，总结经验来获得修改程序的原则。现有的避碰智能机器人存在的缺陷是：不能根据机器人的移动状态和障碍物状态进行综合分析为机器人的运行进行预警并及时进行学习和调整的问题。
技术实现思路
本专利技术的目的在于提供一本文档来自技高网...

【技术保护点】
1.一种基于强化学习的避碰智能机器人，其特征在于，包括数据采集模块、定位模块、数据处理模块、数据分析模块、统计预警模块和调控模块；/n所述数据采集模块用于采集机器人的数据信息和周围的环境信息，该数据信息包含机器人的尺寸数据、移动数据和电量数据；该环境信息包含障碍物的类型数据和障碍物之间的联系数据，将数据信息和环境信息发送至数据处理模块；/n所述定位模块用于获取机器人移动的坐标得到第一坐标集，获取障碍物的坐标得到第二坐标集，将第一坐标集和第二坐标集分类组合，得到坐标信息集，将坐标信息集发送至数据分析模块；/n所述数据处理模块用于接收数据信息和环境信息进行处理，得到尺寸处理数据、移动处理数据、电量...

【技术特征摘要】
1.一种基于强化学习的避碰智能机器人，其特征在于，包括数据采集模块、定位模块、数据处理模块、数据分析模块、统计预警模块和调控模块；
所述数据采集模块用于采集机器人的数据信息和周围的环境信息，该数据信息包含机器人的尺寸数据、移动数据和电量数据；该环境信息包含障碍物的类型数据和障碍物之间的联系数据，将数据信息和环境信息发送至数据处理模块；
所述定位模块用于获取机器人移动的坐标得到第一坐标集，获取障碍物的坐标得到第二坐标集，将第一坐标集和第二坐标集分类组合，得到坐标信息集，将坐标信息集发送至数据分析模块；
所述数据处理模块用于接收数据信息和环境信息进行处理，得到尺寸处理数据、移动处理数据、电量处理数据、类型处理数据和联系处理数据，并将其一同发送至数据分析模块；
所述数据分析模块用于接收尺寸处理数据、移动处理数据、电量处理数据、类型处理数据和联系处理数据以及坐标信息集并进行分析计算，得到前移排序集和障影排序集；
所述统计预警模块用于接收前移排序集和障影排序集并进行统计和预警操作，具体的步骤包括：
步骤一：接收前移排序集和障影排序集，将预设的标准前移阈值标记为P1，将预设的标准障影阈值标记为P2，分别将其与前移排序集中的前移值Qqy和障影排序集中的障影值Qzy进行对比判断；
步骤二：若Qqy≥P1且Qzy≥P2，则判定机器人可以高效移动并且可以正常避开障碍物，生成第一预警信号；若Qqy＜P1且Qzy≥P2，则判定机器人低效移动并且可以正常避开障碍物，生成第二预警信号；若Qqy≥P1且Qzy＜P2，则判定机器人可以高效移动但不能避开障碍物，生成第三预警信号，并将第三预警信号对应的前移值和障影值分别标记为第一统计前移值和第一统计障影值；若Qqy＜P1且Qzy＜P2，则判定机器人低效移动并且不能避开障碍物，生成第四预警信号，并将第四预警信号对应的前移值和障影值分别标记为第二统计前移值和第二统计障影值；
步骤三：将第一统计前移值和第一统计障影值以及第二统计前移值和第二统计障影值发送至调控模块；
所述调控模块用于对机器人的运行进行调控。


2.根据权利要求1所述的一种基于强化学习的避碰智能机器人，其特征在于，所述数据处理模块用于接收数据信息和环境信息进行处理的具体步骤包括：
S21：接收数据信息和环境信息，获取数据信息中机器人的尺寸数据、移动数据和电量数据；
S22：将尺寸数据中最大的宽度设定为第一测量值，并将其标记为YCi,i＝1,2,3...n；将尺寸数据中最大的厚度设定为第二测量值，并将其标记为ECi,i＝1,2,3...n；将尺寸数据中的高度设定为第三测量值，并将其标记为SCi,i＝1,2,3...n；将标记的第一测量值、第二测量值和第三测量值进行归一化处理并取值组合，得到尺寸处理数据；
S23：将移动数据中的最大移动速率设定为移动上限数据，并将其标记为YSi,i＝1,2,3...n；将移动数据中的最大加速度设定为移动加速数据，并将其标记为YJi,i＝1,2,3...n；将标记的移动上限数据和移动加速数据进行归一化处理并取值组合，得到移动处理数据；
S24：将电量数据中的实时电量标记为第一测电数据，并将其标记为CDYi,i＝1,2,3...n；将电量数据中的待机耗电数据标记为第二测电数据，并将其标记为CDEi,i＝1,2,3...n；将电量数据中的移动耗电数据标记为第三测电数据，并将其标记为CDSi,i＝1,2,3...n；将标记的第一测电数据、第二测电数据和第三测电数据进行...

【专利技术属性】
技术研发人员：张晓琴，
申请(专利权)人：重庆工业职业技术学院，
类型：发明
国别省市：重庆;50