【技术实现步骤摘要】
基于野外复杂条件的自适应平衡控制方法、系统及设备
[0001]本专利技术涉及平衡控制
，尤其涉及一种基于野外复杂条件的自适应平衡控制方法、系统以及设备。
技术介绍
[0002]专利技术人在实现本专利技术的过程中，发现现有技术存在如下缺陷：在野外复杂条件下，在机器人运输待自适应平衡控制的目标对象的过程中，由于路面不平或者存在斜坡等情况下，机器人会经常性地在“移动”和“停止”两种状态间转换，从而产生加速和减速。在机器人加速和减速过程中，作为非机器人部分的待自适应平衡控制的目标对象，由于自身质量和机器人速度带来的惯性,容易产生“摇摆”进而导致“倾倒”这一现象，威胁目标对象上放置的物体和机器人的安全。
[0003]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
[0004]本专利技术实施例提供一种基于野外复杂条件的自适应平衡控制方法、系统以及设备，能够至少解决现有技术中的部分问题。
【技术保护点】
【技术特征摘要】
1.一种基于野外复杂条件的自适应平衡控制方法，其特征在于，待自适应平衡控制的目标对象包括移动装置和控制装置，所述方法包括：基于所述移动装置的传感器获取所述移动装置在当前时刻的状态信息，通过所述控制装置中的动态平衡控制模型确定所述移动装置在下一时刻的状态信息，其中，所述状态信息包括所述移动装置的姿态信息及速度信息；若所述下一时刻的状态信息不符合预设平衡要求，则通过所述动态平衡控制模型调整所述移动装置的控制参数，控制所述移动装置的传感器的输出值，以使所述移动装置在下一时刻的状态信息符合平衡要求；其中，所述动态平衡控制模型包括神经网络模型以及基于改进的遗传算法构建的控制参数调整模型。2.根据权利要求1所述的基于野外复杂条件的自适应平衡控制方法，其特征在于，所述动态平衡控制模型包括神经网络模型，所述神经网络模型包括输入层、隐藏层和输出层，所述通过所述控制装置中的动态平衡控制模型确定所述移动装置在下一时刻的状态信息包括：将所述移动装置在当前时刻的状态信息输入所述输入层，经由所述输入层与所述隐藏层的第一连接权重值、所述隐藏层与所述输出层的第二连接权重值，以及构成所述神经网络模型的多个神经元，确定所述移动装置在下一时刻的状态信息；所述方法还包括训练所述神经网络模型：基于预先获取的训练数据集，将所述训练数据集的测试数据输入待训练的神经网络模型，确定所述待训练的神经网络模型的输出值与所述训练数据集的验证数据的误差值；根据所述误差值通过反向传播算法以及预设的目标函数迭代更新所述输入层与所述隐藏层的第一连接权重值，以及所述隐藏层和所述输出层的第二连接权重值，直至所述误差值满足预设阈值范围或者满足预设迭代次数。3.根据权利要求2所述的基于野外复杂条件的自适应平衡控制方法，其特征在于，所述根据所述误差值通过反向传播算法以及预设的目标函数迭代更新所述第一连接权重值和所述第二连接权重值： ；其中，f(x)表示目标函数，N表示迭代次数，X表示第一连接权重值与输入量的第一内积，Y表示第二连接权重值与输出值的第二内积，表示第k次迭代时第一内积的误差损失代价，表示第k次迭代时第二内积的误差损失代价。4.根据权利要求2所述的基于野外复杂条件的自适应平衡控制方法，其特征在于，所述动态平衡控制模型包括控制参数调整模型，所述通过所述动态平衡控制模型调整所述移动装置的控制参数之前，所述方法还包括训练所述控制参数调整模型：将所述移动装置的传感器对应的多个初始控制参数构建初始化种群，并确定所述初始化种群的初始适应度值，按照所述初始适应度值的大小进行降序排列；将所述初始适应度值中大于筛选阈值的多个初始适应度值构建为进化种群，并利用种群分割策略将所述进化种群分割为第一子种群和第二子种群，随机选择所述第一子种群的第一个体和所述第二子种群的第二个体进行交配，组成综合种群；
根据所述综合种群中多个个体之间的差异性，通过种群多样性...
【专利技术属性】
技术研发人员：董陆平，
申请(专利权)人：北京鹏骋科技有限公司，
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。