一种基于咀嚼机器人的多传感器数据融合算法制造技术

本发明专利技术涉及属于信息技术领域，提供了一种基于咀嚼机器人的多传感器数据融合算法

【技术实现步骤摘要】
一种基于咀嚼机器人的多传感器数据融合算法


[0001]本专利技术涉及属于信息
，提供了一种基于咀嚼机器人的多传感器数据融合算法
。

技术介绍

[0002]咀嚼能力是影响人们消化食物进行营养吸收的重要因素，而因各种口腔损伤或者口腔疾病，严重困扰正常咀嚼活动
。
因此研究人员设计出不同功能的辅助咀嚼机构
(
咀嚼机器人
)
，高仿真度的多自由度仿生咀嚼机器人可以用于模拟人类的咀嚼行为，帮助医学对于咀嚼问题的研究，辅助口腔疾病患者的治疗和康复
。
人类的咀嚼系统在空间中具有6自由度运动能力，也就是能够在6个独立的方向上运动
。
具体来说，人类的咀嚼系统包括颞下颌关节
、
上颌骨
、
下颌骨
、
牙齿和肌肉等组成部分，这些部分的协同作用让人们能够进行咀嚼
、
嚼食
、
吞咽等口腔活动
。
在这个过程中，颞下颌关节可以进行旋转
、
滑动
、
前后移动等运动，上颌骨和下颌骨也可以进行相对位置的变化，牙齿和肌肉则可以协同作用进行咀嚼和磨合等动作
。
这些运动的灵活性和协同性，使得人们可以适应各种口感
、
口感和口腔大小的食物，从而保证人们的营养和健康
。
仿生咀嚼机器人是一种模仿人类咀嚼系统的机器人，其设计灵感来自于人类的咀嚼系统和生物学原理
。
这种机器人一般包括颞下颌关节
、
上颌骨
、
下颌骨
、
牙齿和肌肉等组成部分，可以像人类一样进行咀嚼
、
嚼食
、
吞咽等口腔活动
。
由于仿生咀嚼机器人需要模仿人类的咀嚼系统，它需要感知食物的口感和纹理，以便能够自然而且适当地进行咀嚼和吞咽
。
这就需要许多不同的传感器来获取食物的各种特征，如纹理
、
硬度
、
水分
、
刺激程度等等
。
这些传感器可以是机械传感器
、
光学传感器和化学传感器等等
。
[0003]但是每个传感器采集到的数据可能存在噪声和误差，为了提高数据的准确性和可靠性，需要进行多传感器数据融合
。
多传感器数据融合可以将不同传感器采集到的数据进行有机结合，从而获得更加准确而且全面的食物信息
。
这种融合方式可以利用适当的算法，如卡尔曼滤波
、
粒子滤波和神经网络等，综合考虑不同传感器数据之间的相互关系，消除噪声和误差的影响，提高数据的稳定性和可靠性
。
基于多传感器数据融合，仿生咀嚼机器人可以更加精确地模拟人类咀嚼系统，感知食物的口感和质地，从而实现更高效
、
更智能的咀嚼和吞咽
。
[0004]咀嚼机器人的核心模块是控制系统，其作用于很多方面，比如：对传感数据进行处理，规划咀嚼轨迹，对机构进行控制等
。
咀嚼机器人的性能很大程度上决定于其控制策略的选择与实施
。
因此控制芯片需要丰富的外设用以多传感器系统的数据采集，以及对预期的路径规划和运动控制
。
内部和外部传感器共同组成传感系统
。
外部状态传感器为咀嚼机器人提供外界食物及咀嚼状态信息，内部状态检测器则检测咀嚼机器人内部设备的运行状态
。
若对外界食物质地，即：食物的温度高低，大小尺寸，硬度强弱三者的信息，则外部状态传感器所需数量为三个异质传感器
。
通过使用信息融合技术，能够把这三个不同的传感数据进行结合，使他们达到互补的关系，完成不同数据传感器的结合，从而实现对食品质地一致性解释和描述
。

技术实现思路

[0005]为了解决上述现有技术的特点，本专利技术提供了一种基于咀嚼机器人的多传感器数据融合算法，融合系统通过采集到的目标特征信息，进行数据融合，得到最终的目标决策
。
[0006]为了实现上述目的本专利技术采用以下技术手段：
[0007]一种基于咀嚼机器人的多传感器数据融合算法，包括以下步骤：
[0008]步骤1：根据适宜区间对三种传感器进行基本概率分配，得到初始概率矩阵；
[0009]步骤2：对于某一个命题目标，温度传感器用1表示，压力传感器用2表示以及距离传感器用3表示相互之间的贴近度可以用下面的矩阵表示出来：
[0010]为对某一个命题目标的贴进度矩阵；
[0011]步骤3：分别求每个命题的贴近度矩阵，通过公式
A(i)
＝
a
i1
+a
i2
+a
i3
得到真实程度矩阵；
[0012]步骤4：对初始概率矩阵求每列的均值，分别求得均值矩阵和差值矩阵；
[0013]步骤5：将真实程度矩阵和差值矩阵综合加权为贴近度差值矩阵；
[0014]步骤6：通过初始概率矩阵和差值矩阵可得到可信矩阵和不可信矩阵；
[0015]步骤7：将可信矩阵与不可信矩阵相加可得到新的概率矩阵；
[0016]步骤8：将新的概率矩阵的每列相加，然后求得每个相同目标数据占整体的百分比；
[0017]步骤9：每个相同目标数据占整体的百分比与信的概率矩阵对应相乘得到最终的矩阵，利用
D
‑
S
证据理论合成法则对最终的矩阵进行融合，得到最终的目标决策
。。
[0018]上述技术方案中，可信矩阵通过以下方法获得：
[0019]通过已知的三组基本概率赋值可以得到初始矩阵
A
：
[0020][0021]然后求得温度传感器，压力传感器以及距离传感器三者对同一命题
(
如成年人与老人幼童都适合食用
)
的概率值求每列的均值
p[i]，其中
i
为初始矩阵
A
的列数，
i∈[0
，1，2……
n]；
[0022]p[i]＝
(a[i]+b[i]+c[i])/3)
，
[0023]矩阵
A
中每个元素与每列对应的均值再求一次均值：
[0024][0025][0026][0027]得到均值矩阵
[0028][0029]定义差值矩阵
N
，差值矩阵的元素是由初始矩阵元素与每列差值的距离比上差值所构成；
[0030]差值矩阵元素示范：
[0031][0032][0033][0034]差值矩阵：
[0035][0036]差值矩阵的元素代表了多传感器初始数据与均值的差距，差值矩阵中元素越大数据信息越不可信，将差值矩阵每行相加即可求得不可信度，在归一化整本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于咀嚼机器人的多传感器数据融合算法，其特征在于，包括以下步骤：步骤1：根据适宜区间对三种传感器进行基本概率分配，得到初始概率矩阵；步骤2：对于某一个命题目标，温度传感器用1表示，压力传感器用2表示以及距离传感器用3表示相互之间的贴近度可以用下面的矩阵表示出来：为对某一个命题目标的贴进度矩阵；步骤3：分别求每个命题的贴近度矩阵，通过公式
A(i)
＝
a
i1
+a
i2
+a
i3
得到真实程度矩阵；步骤4：对初始概率矩阵求每列的均值，分别求得均值矩阵和差值矩阵；步骤5：将真实程度矩阵和差值矩阵综合加权为贴近度差值矩阵；步骤6：通过初始概率矩阵和差值矩阵可得到可信矩阵和不可信矩阵；步骤7：将可信矩阵与不可信矩阵相加可得到新的概率矩阵；步骤8：将新的概率矩阵的每列相加，然后求得每个相同目标数据占整体的百分比；步骤9：每个相同目标数据占整体的百分比与信的概率矩阵对应相乘得到最终的矩阵，利用
D
‑
S
证据理论合成法则对最终的矩阵进行融合，得到最终的目标决策
。2.
根据权利要求1所述的一种基于咀嚼机器人的多传感器数据融合算法，其特征在于，可信矩阵通过以下方法获得：通过已知的三组基本概率赋值可以得到初始矩阵
A
：然后求得温度传感器，压...

【专利技术属性】
技术研发人员：徐尚龙，杨鹏，陈鑫明，戴亚龙，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：