基于深度学习的自动控制系统的制作方法

阅读：评论：0

1.本发明属于自动控制技术领域，具体的涉及一种基于深度学习的自动控制系统。

背景技术：

2.随着生活水平的提升，扫地机器人的使用越来越广泛，其充分解放了双手，提升了生活品质，但是在现有技术中，扫地机器人的使用还存在一些较为明显的缺陷，如扫地机器人只能以设定的模式进行工作，无法根据实际情况来对工作模式进行调整，这就导致可能会出现不节能以及单次的清扫效果较差的情况，另外扫地机器人在执行清扫任务时的移动可能会影响在对应空间内人的活动，造成绊倒等情况的发生，存在一定的安全隐患，而且在对应空间内有人活动时，扫地机器人的噪音也会对环境造成影响，为了解决上述问题，对扫地机器人实现更加智能的控制，降低扫地机器人的工作对人活动的影响，提升扫地机器人的工作效率，本发明提供了以下技术方案。

技术实现要素：

3.本发明的目的在于提供一种基于深度学习的自动控制系统，解决现有技术中扫地机器人在执行清扫任务时容易出现影响人活动，并且噪音污染比较明显的情况的问题。
4.本发明的目的可以通过以下技术方案实现：
5.基于深度学习的自动控制系统，包括：
6.环境信息采集单元，对扫地机器人所在位置周围环境信息进行获取，并将获取的环境信息传输至控制单元；
7.人物监控单元，用于对各活动区域内的人物数量以及不同人物数量状态的保持时间进行监控，并将其传输至控制单元；
8.控制单元，用于对数据进行分析处理，并根据结果对扫地机器人的工作位置、清理功率进行调整；
9.所述控制单元的工作方法为：
10.s1、在扫地机器人开启工作时，通过环境信息采集单元获取扫地机器人周围的环境后，通过控制单元判断扫地机器人当前所在活动区域；
11.s2、将一天的时间等时差划分为若干个清扫时段，通过人物监控单元统计在各清扫时段内各活动区域中存在的人物数量r以及停留时间t；
12.获取各活动区域的待清理区域的面积a，根据公式r＝r1*t1/a+r2*t2/a+、
…
、+rn*tn/a计算得到在一个清扫时段内一个活动区域的人活动热度值r；
13.其中t1为人物数量为r2这一状态的保留时间，n表示一个活动区域在一个清理时段内存在不同的人物数量r的数量；
14.将一个活动区域标记为目标区域，获取目标区域在同一清扫时段内的m个人活动热度值r，将m个人活动热度值r依次标记为r1、r2、
…
、rm，根据公式计
算得到这m个人活动热度值的分散值u；
15.其中1≤i≤m，rp＝(r1+r2+、
…
、+rm)/m；
16.当u≤uy时，则认为对于该清扫时段，rp为目标区域在对应清扫时段内的平均人活动热度值rh；
17.当u＞uy时，则按照|ri-rp|从大到小的顺序依次删除对应的ri值，直至u≤uy成立，记录删除的ri值的数量d，若d/m≤α成立，则认为对于该清扫时段，剩余未被删除的ri值的平均值作为目标区域在对应清扫时段内的平均人活动热度值rh；
18.若d/m＞α成立，则认为对于该清扫时段，β*rp作为目标区域在对应清扫时段内的平均人活动热度值rh，其中β为预设系数；
19.其中uy为预设值，α为预设值；
20.计算得到各活动区域在各清扫时段内对应的平均人活动热度值rh；
21.s3、当扫地机器人开启并处于工作状态时，获取当前时刻以及当前扫地机器人所处活动区域，按照平均人活动热度值rh越小的活动区域优先度越高的规则安排扫地机器人对对应活动区域进行清扫；
22.s4、获取各活动区域的污渍清理难度，并根据各活动区域的污渍清理难度对扫地机器人的清理功率进行调整。
23.作为本发明的进一步方案，该系统还包括用户终端单元，用于主动介入扫地机器人的控制，对扫地机器人的清理位置以及清理功率进行调整。
24.作为本发明的进一步方案，所述控制单元基于环境信息采集单元传输的环境信息中障碍物的轮廓信息以及障碍物高度等信息进行深度学习，并根据学习得到的模型以及扫地机器人所在位置周围的实时环境判断扫地机器人所在的活动区域。
25.作为本发明的进一步方案，所述β取值为1.3。
26.作为本发明的进一步方案，所述α取值为50％。
27.作为本发明的进一步方案，该系统还包括：
28.水量监控单元，用于对扫地机器人污水箱内的污水量进行监控；
29.浑浊度检测单元，用于对扫地机器人污水箱内污水的浑浊度进行监控；
30.驱动单元，用于驱动机器人进行位置移动。
31.作为本发明的进一步方案，步骤s4中对扫地机器人的清理功率进行调整的具体方法包括如下步骤：
32.s41、当扫地机器人在一个活动区域内工作时，获取在清扫完成时产生的废水量q以及废水的浑浊度w，根据公式g＝(q*w)/a计算得到对应区域的清洁指数，a表示对应活动区域的待清理区域的面积；
33.s42、将同一活动区域内连续k次检测到的清洁指数依次标记为g1、g2、
…
、gk，根据公式计算得到g1至gk这一组数据的分散值u1；
34.当u1≤uy1时，则将gp作为对应活动区域的清洁指数；
35.当u1＞uy1时，则按照|gj-gp|从大到小的顺序依次删除对应的gj值，直至u1≤uy1成立，记录被删除的gj值的数量d1，若d/k≤α1成立时，则将剩余未删除的gj值的平均值作
为对应活动区域的清洁指数；
36.若d/m＞α成立，则将gj 1作为对应活动区域的清洁指数，0.7k≤j 1≤0.8k；
37.当扫地机器人进入对应活动区域进行清扫工作时，一开始根据对应区域的清洁指数对扫地机器人的清洁功率进行调整，在工作预设的t时间后，根据这t时间内扫地机器人对地面清洁效果进行清洁功率的调整；
38.对应的清洁指数越高，机器人的清洁功率越高。
39.本发明的有益效果：
40.(1)本发明通过对各时段内各活动区域内的人物活动热度进行统计分析，在对应时段内，前往人物活动热度最小的活动区域进行清扫，能够降低扫地机器人在运行期间对人物活动造成的空间阻碍以及噪音干扰，起到最小化扫地机器人负面影响的效果，提升扫地机器人的使用体验；
41.(2)本发明通过对各活动区域在一个周期内产生的脏污程度来对扫地机器人进入一个活动区域的初始阶段的清洁功率进行调整，相较于现有技术中采用当前功率或者设定功率进入一个区域进行卫生的打扫的设计，本技术能够减少扫地机器人进入一个活动区域的初始阶段清洁功率与脏污程度不匹配导致的清洁效果较差或者以大功率对洁净地面进行清扫的情况，降低了扫地机器人的能耗，同时还减少了机器人对对应区域进行二次清扫的情况发生，同样降低了能耗，提升了清洁效率。
附图说明
42.下面结合附图对本发明作进一步的说明。
43.图1是本发明基于深度学习的自动控制系统的框架结构示意图。
44.图2为本发明控制流程图。
具体实施方式
45.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
46.实施例1
47.一种基于深度学习的自动控制系统，如图1所示，包括：
48.环境信息采集单元，通过摄像头、雷达等手段对扫地机器人所在位置周围环境信息进行获取，并将获取的环境信息传输至控制单元；
49.人物监控单元，用于对各活动区域内的人物数量以及不同人物数量状态的保持时间进行监控，并将其传输至控制单元；
50.水量监控单元，用于对扫地机器人污水箱内的污水量进行监控；
51.浑浊度检测单元，用于对扫地机器人污水箱内污水的浑浊度进行监控；
52.驱动单元，用于驱动机器人进行位置移动；
53.用户终端单元，用于主动介入扫地机器人的控制，对扫地机器人的清理位置以及清理功率进行调整；
54.控制单元，用于对环境信息采集单元、人物监控单元、水量监控单元以及浑浊度检测单元上传的数据进行分析处理，并根据处理结果对扫地机器人的工作位置、清理功率进行调整；
55.所述控制单元的工作方法为：
56.s1、在扫地机器人开启工作时，通过环境信息采集单元获取扫地机器人周围的环境后，通过控制单元判断扫地机器人当前所在活动区域；
57.所述活动区域是指具有相对独立空间的区域；
58.控制单元基于环境信息采集单元传输的环境信息中障碍物的轮廓信息以及障碍物高度等信息进行深度学习，并根据学习得到的模型以及扫地机器人所在位置周围的实时环境判断扫地机器人所在的活动区域；
59.s2、对各活动区域在各时间段内的人活动热度进行统计；
60.具体的，包括如下步骤：
61.s21、将一天的时间等时差划分为若干个清扫时段，通过人物监控单元统计在各清扫时段内各活动区域中存在的人物数量r以及停留时间t；
62.s22、获取各活动区域的待清理区域的面积a，根据公式r＝r1*t1/a+r2*t2/a+、
…
、+rn*tn/a计算得到在一个清扫时段内一个活动区域的人活动热度值r；
63.其中t1为人物数量为r2这一状态的保留时间，n表示一个活动区域在一个清理时段内存在不同的人物数量r的数量；
64.s23、将一个活动区域标记为目标区域，获取目标区域在同一清扫时段内的m个人活动热度值r，将m个人活动热度值r依次标记为r1、r2、
…
、rm，根据公式计算得到这m个人活动热度值的分散值u；
65.其中1≤i≤m，rp＝(r1+r2+、
…
、+rm)/m；
66.当u≤uy时，则认为对于该清扫时段，对应活动区域为稳定热度区域，并将rp作为目标区域在对应清扫时段内的平均人活动热度值rh；
67.当u＞uy时，则按照|ri-rp|从大到小的顺序依次删除对应的ri值，直至u≤uy成立，记录删除的ri值的数量d，若d/m≤α成立，则认为对于该清扫时段，对应活动区域为稳定热度区域，并将剩余未被删除的ri值的平均值作为目标区域在对应清扫时段内的平均人活动热度值rh；
68.若d/m＞α成立，则认为对于该清扫时段，对应活动区域为随机热度区域，并将β*rp作为目标区域在对应清扫时段内的平均人活动热度值rh，其中β为预设系数，在本发明的一个实施例中，所述β取值为1.3；
69.其中uy为预设值，α为预设值，在本发明的一个实施例中，所述α取值为50％；
70.s24、计算得到各活动区域在各清扫时段内的平均人活动热度值rh；
71.s3、当扫地机器人开启并处于工作状态时，获取当前时刻以及当前扫地机器人所处活动区域，按照平均人活动热度值rh越小的活动区域优先度越高的规则安排扫地机器人对对应活动区域进行清扫；
72.本发明通过对各时段内各活动区域内的人物活动热度进行统计分析，在对应时段内，前往人物活动热度最小的活动区域进行清扫，能够降低扫地机器人在运行期间对人物
活动造成的空间阻碍以及噪音干扰，起到最小化扫地机器人负面影响的效果，提升扫地机器人的使用体验；
73.s4、获取各活动区域的污渍清理难度，并根据各活动区域的污渍清理难度对扫地机器人的清理功率进行调整；
74.该步骤通过对各活动区域在一个周期内产生的脏污程度来对扫地机器人进入一个活动区域的初始阶段的清洁功率进行调整，相较于现有技术中采用当前功率或者设定功率进入一个区域进行卫生的打扫的设计，本技术能够减少扫地机器人进入一个活动区域的初始阶段清洁功率与脏污程度不匹配导致的清洁效果较差或者以大功率对洁净地面进行清扫的情况，降低了扫地机器人的能耗，同时还减少了机器人对对应区域进行二次清扫的情况发生，同样降低了能耗，提升了清洁效率；
75.实施例2
76.根据各活动区域的污渍清理难度对扫地机器人的清理功率进行调整的方法包括如下步骤：
77.s41、当扫地机器人在一个活动区域内工作时，获取在清扫完成时产生的废水量q以及废水的浑浊度w，根据公式g＝(q*w)/a计算得到对应区域的清洁指数，a表示对应活动区域的待清理区域的面积；
78.s42、将同一活动区域内连续k次检测到的清洁指数依次标记为g1、g2、
…
、gk，根据公式计算得到g1至gk这一组数据的分散值u1；
79.当u1≤uy1时，则将gp作为对应活动区域的清洁指数；
80.当u1＞uy1时，则按照|gj-gp|从大到小的顺序依次删除对应的gj值，直至u1≤uy1成立，记录被删除的gj值的数量d1，若d/k≤α1成立时，则将剩余未删除的gj值的平均值作为对应活动区域的清洁指数；
81.若d/m＞α成立，则将gj 1作为对应活动区域的清洁指数，0.7k≤j 1≤0.8k；
82.当扫地机器人进入对应活动区域进行清扫工作时，一开始根据对应区域的清洁指数对扫地机器人的清洁功率进行调整，在工作预设的t时间后，根据这t时间内扫地机器人对地面清洁效果进行清洁功率的调整；
83.其中对应的清洁指数越高，机器人的清洁功率越高；
84.其他条件与实施例1相同；
85.实施例3
86.在该实施例中，所述β取值为1.25，所述α取值为40％，其他条件与实施例1相同，这样能够适应总体偏向于污染程度更稳定的环境。
87.在说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
88.以上内容仅仅是对本发明所作的举例和说明，所属本技术领域的技术人员对所描
述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

技术特征：

1.基于深度学习的自动控制系统，其特征在于，包括：环境信息采集单元，对扫地机器人所在位置周围环境信息进行获取，并将获取的环境信息传输至控制单元；人物监控单元，用于对各活动区域内的人物数量以及不同人物数量状态的保持时间进行监控，并将其传输至控制单元；控制单元，用于对数据进行分析处理，并根据结果对扫地机器人的工作位置、清理功率进行调整；所述控制单元的工作方法为：s1、在扫地机器人开启工作时，通过环境信息采集单元获取扫地机器人周围的环境后，通过控制单元判断扫地机器人当前所在活动区域；s2、将一天的时间等时差划分为若干个清扫时段，通过人物监控单元统计在各清扫时段内各活动区域中存在的人物数量r以及停留时间t；获取各活动区域的待清理区域的面积a，根据公式r＝r1*t1/a+r2*t2/a+、
…
、+rn*tn/a计算得到在一个清扫时段内一个活动区域的人活动热度值r；其中t1为人物数量为r2这一状态的保留时间，n表示一个活动区域在一个清理时段内存在不同的人物数量r的数量；将一个活动区域标记为目标区域，获取目标区域在同一清扫时段内的m个人活动热度值r，将m个人活动热度值r依次标记为r1、r2、
…
、rm，根据公式计算得到这m个人活动热度值的分散值u；其中1≤i≤m，rp＝(r1+r2+、
…
、+rm)/m；当u≤uy时，则认为对于该清扫时段，rp为目标区域在对应清扫时段内的平均人活动热度值rh；当u＞uy时，则按照|ri-rp|从大到小的顺序依次删除对应的ri值，直至u≤uy成立，记录删除的ri值的数量d，若d/m≤α成立，则认为对于该清扫时段，剩余未被删除的ri值的平均值作为目标区域在对应清扫时段内的平均人活动热度值rh；若d/m＞α成立，则认为对于该清扫时段，β*rp作为目标区域在对应清扫时段内的平均人活动热度值rh，其中β为预设系数；其中uy为预设值，α为预设值；计算得到各活动区域在各清扫时段内对应的平均人活动热度值rh；s3、当扫地机器人开启并处于工作状态时，获取当前时刻以及当前扫地机器人所处活动区域，按照平均人活动热度值rh越小的活动区域优先度越高的规则安排扫地机器人对对应活动区域进行清扫；s4、获取各活动区域的污渍清理难度，并根据各活动区域的污渍清理难度对扫地机器人的清理功率进行调整。2.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，该系统还包括用户终端单元，用于主动介入扫地机器人的控制，对扫地机器人的清理位置以及清理功率进行调整。
3.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，所述控制单元基于环境信息采集单元传输的环境信息中障碍物的轮廓信息以及障碍物高度等信息进行深度学习，并根据学习得到的模型以及扫地机器人所在位置周围的实时环境判断扫地机器人所在的活动区域。4.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，所述β取值为1.3。5.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，所述α取值为50％。6.根据权利要求1所述的基于深度学习的自动控制系统，其特征在于，该系统还包括：水量监控单元，用于对扫地机器人污水箱内的污水量进行监控；浑浊度检测单元，用于对扫地机器人污水箱内污水的浑浊度进行监控；驱动单元，用于驱动机器人进行位置移动。7.根据权利要求6所述的基于深度学习的自动控制系统，其特征在于，步骤s4中对扫地机器人的清理功率进行调整的具体方法包括如下步骤：s41、当扫地机器人在一个活动区域内工作时，获取在清扫完成时产生的废水量q以及废水的浑浊度w，根据公式g＝(q*w)/a计算得到对应区域的清洁指数，a表示对应活动区域的待清理区域的面积；s42、将同一活动区域内连续k次检测到的清洁指数依次标记为g1、g2、
…
、gk，根据公式计算得到g1至gk这一组数据的分散值u1；当u1≤uy1时，则将gp作为对应活动区域的清洁指数；当u1＞uy1时，则按照|gj-gp|从大到小的顺序依次删除对应的gj值，直至u1≤uy1成立，记录被删除的gj值的数量d1，若d/k≤α1成立时，则将剩余未删除的gj值的平均值作为对应活动区域的清洁指数；若d/m＞α成立，则将gj 1作为对应活动区域的清洁指数，0.7k≤j 1≤0.8k；当扫地机器人进入对应活动区域进行清扫工作时，一开始根据对应区域的清洁指数对扫地机器人的清洁功率进行调整，在工作预设的t时间后，根据这t时间内扫地机器人对地面清洁效果进行清洁功率的调整；对应的清洁指数越高，机器人的清洁功率越高。

技术总结

本发明公开了一种基于深度学习的自动控制系统，属于自动控制技术领域，该系统通过对各时段内各活动区域内的人物活动热度进行统计分析，在对应时段内，前往人物活动热度最小的活动区域进行清扫，能够降低扫地机器人在运行期间对人物活动造成的空间阻碍以及噪音干扰，起到最小化扫地机器人负面影响的效果，提升扫地机器人的使用体验；本发明还对各活动区域在一个周期内产生的脏污程度来对扫地机器人进入一个活动区域的初始阶段的清洁功率进行调整，相较于现有技术中采用当前功率或者设定功率进入一个区域进行卫生的打扫的设计，降低了扫地机器人的能耗，同时还减少了机器人对对应区域进行二次清扫的情况发生，同样降低了能耗，提升了清洁效率。提升了清洁效率。提升了清洁效率。