基于认知学习的无人自行车质量负载偏心自动识别方法技术

本发明专利技术公开一种基于认知学习的无人自行车质量负载偏心自动识别方法，通过获取无人自行车的状态参数，构造状态评价函数；创建学习机制，对自动学习机的期望和标准差不断进行迭代更新；给出误差允许范围，输出质心偏置参数，完成对无人自行车质量负载偏心的自动识别。本发明专利技术充分考虑了无人自行车的结构参数和实时的状态参数，能够较准确、高效地对无人自行车质量负载偏心进行自动识别，具有很强的工程意义。义。义。

【技术实现步骤摘要】
基于认知学习的无人自行车质量负载偏心自动识别方法


[0001]本专利技术涉及无人自行车
，具体涉及一种基于认知学习的无人自行车质量负载偏心自动识别方法。

技术介绍

[0002]无人自行车是自行车行驶机构和智能控制技术相结合的产物，其最终目标是实现带负载自平衡运动。因而，实现无人自行车带负载自平衡运动是无人自行车
的重要研究内容，目前针对带负载无人自行车的研究主要基于负载对称放置这一前提，然而在实际应用中，质量负载的增减会不可避免的出现非对称性，而在无人自行车实现直立平衡之后，增减非对称负载会使无人自行车的质心发生偏置，进而影响无人自行车航向跟踪特性，导致无人自行车鲁棒性下降。针对此问题，目前常用的方法是通过人工方式对质量负载偏心进行识别判断，但是，人工方式耗时费力且精度不高。

技术实现思路

[0003]本专利技术针对无人自行车实现直立平衡之后增减负载会导致其质心偏置，进而造成其自平衡轨迹运动性能下降的问题，提供一种基于认知学习的无人自行车质量负载偏心自动识别方法，用于解决现有技术存在的负载质量偏心识别人力成本高且精度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于认知学习的无人自行车质量负载偏心自动识别方法，其特征是，包括步骤如下：步骤1、初始化：设置质量负载偏心识别值的初值α
*
(0)、学习期望值的初值μ(0)、学习标准差的初值σ(0)、以及状态评价值的初值V(0)；步骤2、通过安装在无人自行车上的传感器获取当前时刻t的无人自行车的航向角ψ(t)；步骤3、将当前时刻t的无人自行车的航向角ψ(t)与设定的偏向阈值ε进行比较：如果|ψ(t)|≤ε，当前时刻t的质量负载偏心识别值α
*
(t)即为最终识别出的质量负载偏心识别值；如果|ψ(t)|＞ε，则执行步骤4；步骤4、计算当前时刻t的状态评价值V(t)：步骤5、基于上一时刻t
‑
1的状态评价值V(t
‑
1)和当前时刻t的状态评价值V(t)计算当前时刻t的取向值V
S
(t)：V
S
(t)＝V(t
‑
1)
‑
V(t)步骤6、根据自动学习机分布函数的期望值和标准差的更新公式，计算当前时刻t的学习期望值μ(t)和学习标准差σ(t)：μ(t)＝μ(t
‑
1)+λ(α
*
(t
‑
1)
‑
μ(t
‑
1))sign(V
s
(t))σ(t)＝σ(t
‑
1)+β(rσ(t
‑
1)
‑
σ(t
‑
1))步骤7、利用当前时刻t的学习期望值μ(t)和学习标准差σ(t)，计算当前时刻t的质量负载偏心学习值α(t)：α(t)＝normrnd(μ(t)，σ(t))步骤8、对当前时刻t的质量负载偏心学习值α(t)进行限幅后，得到当前时刻t的质量负载偏心识别值α
*
(t)；步骤9、将当前时刻t的质量负载偏心识别值α
*
(t)送入到无人自行车上的控制器进行补偿，并令t＝t+1后，返回步骤2；上述式中，W为给定的2阶非零对角矩阵，ψ(t)为当前时刻t的航向角，V(t)为当前时刻t的状态评价值，V(t
‑
1)为上一时刻t
‑
1的状态评价值，V
S
(t)为当前时刻t的取向值，μ(t)为当前时刻t的学习期望值，μ(t
‑
1)为上一时刻t
‑
1的学习期望值，σ(t)为当...

【专利技术属性】
技术研发人员：庄未，杨海洋，吕武，黄用华，曾明昊，尹汤恒，淮旭鸽，钟永全，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：