本發(fā)明涉及噴砂智能算法控制領(lǐng)域，具體是一種自適應(yīng)高空機(jī)器控制系統(tǒng)及方法。

背景技術(shù)：

1、工業(yè)機(jī)器人是一種能夠自動(dòng)執(zhí)行各種工業(yè)任務(wù)的機(jī)器裝置，其通常由前端機(jī)械結(jié)構(gòu)和后端控制系統(tǒng)組成。工業(yè)機(jī)器人在生產(chǎn)線上進(jìn)行精確且高效的操作，可以替代或輔助人力完成重復(fù)性、繁瑣或危險(xiǎn)的工作。工業(yè)機(jī)器人的應(yīng)用范圍非常廣泛，包括汽車制造、電子產(chǎn)品組裝、金屬加工、物流倉儲(chǔ)等領(lǐng)域。它們可以執(zhí)行各種任務(wù)，如焊接、裝配、搬運(yùn)、噴涂、打磨、質(zhì)檢等。通過物聯(lián)網(wǎng)技術(shù)和數(shù)據(jù)分析處理，工業(yè)機(jī)器人能夠?qū)崿F(xiàn)高度靈活的動(dòng)作和精確的操作，提高設(shè)備智能化、生產(chǎn)效率、質(zhì)量和安全性。

2、而對(duì)于的高空噴砂機(jī)器人的控制系統(tǒng)中，需要對(duì)工作模式進(jìn)行選擇，特別是在“噴砂”和“回砂”之間的切換，主要依賴于操作員的經(jīng)驗(yàn)和判斷，機(jī)器人通常被編程以在特定條件下執(zhí)行預(yù)定的任務(wù)，其中包括噴砂的強(qiáng)度、角度和作業(yè)區(qū)域，操作員在作業(yè)開始前需要手動(dòng)設(shè)置這些參數(shù)，并根據(jù)預(yù)估的作業(yè)要求決定機(jī)器人是進(jìn)行噴砂還是回砂。在實(shí)際作業(yè)中，操作員需要實(shí)時(shí)監(jiān)控作業(yè)環(huán)境和機(jī)器人的狀態(tài)，以判斷是否需要切換工作模式。例如，如果檢測到噴砂效果不佳或完成了特定區(qū)域的噴砂，操作員會(huì)手動(dòng)指令機(jī)器人轉(zhuǎn)換到回砂模式，這種方式依賴于操作員對(duì)作業(yè)環(huán)境的理解和對(duì)機(jī)器人性能的掌握。

3、現(xiàn)有的高空噴砂機(jī)器人在工作模式選擇上過度依賴人工判斷，在高效率和高適應(yīng)性方面存在限制，為了提高作業(yè)效率和適應(yīng)性，引入更智能化的工作模式選擇機(jī)制是非常必要的。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種自適應(yīng)高空機(jī)器控制系統(tǒng)及方法，旨在通過智能算法進(jìn)行決策輔助，已選擇最適合當(dāng)前條件的工作模式。

2、其中，一種自適應(yīng)高空機(jī)器控制系統(tǒng)，包括：

3、數(shù)據(jù)采集模塊，用于對(duì)氣候狀態(tài)數(shù)據(jù)、機(jī)器狀態(tài)數(shù)據(jù)和材料屬性數(shù)據(jù)進(jìn)行采集，并對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化；

4、模型訓(xùn)練模塊，用于根據(jù)標(biāo)準(zhǔn)化處理后的氣候狀態(tài)數(shù)據(jù)、機(jī)器狀態(tài)數(shù)據(jù)和材料屬性數(shù)據(jù)作為特征，進(jìn)行g(shù)bm模型訓(xùn)練；

5、模型預(yù)測模塊，用于根據(jù)gbm模型的輸出結(jié)果，對(duì)機(jī)器人的工作模式進(jìn)行預(yù)測，所述工作模式包括噴砂模式和回砂模式；

6、決策輸出模塊，用于根據(jù)模型輸出的預(yù)測結(jié)果，選擇機(jī)器人的工作模式；其中，所述模型訓(xùn)練模塊具體包括：

7、模型初始化單元，用于設(shè)置初始預(yù)測值，所述初始預(yù)測值為目標(biāo)變量的平均值或常數(shù)；并設(shè)定初始模型：f0(x)＝平均(y)；

8、殘差計(jì)算單元，用于計(jì)算當(dāng)前模型與實(shí)際目標(biāo)值之間的殘差；

9、決策樹擬合單元，用于擬合新的決策樹，預(yù)測當(dāng)前殘差；

10、模型更新單元，用于更新當(dāng)前模型，對(duì)新決策樹輸出進(jìn)行整合；

11、模型迭代單元，用于重復(fù)構(gòu)建新樹并更新模型，直至達(dá)到預(yù)定的迭代次數(shù)或模型性能最優(yōu)。

12、進(jìn)一步的，所述殘差計(jì)算單元中，計(jì)算當(dāng)前模型與實(shí)際目標(biāo)值之間的殘差的計(jì)算流程為：

13、

14、其中，所述rti表示第t輪迭代中第i個(gè)數(shù)據(jù)點(diǎn)的殘差，所述l(yi，f(xi))表示損失函數(shù)，用于衡量預(yù)測模型f(xi)與實(shí)際目標(biāo)值yi之間的差異，所述yi表示第i個(gè)數(shù)據(jù)點(diǎn)的實(shí)際目標(biāo)值，所述f(xi)表示模型在第i個(gè)數(shù)據(jù)點(diǎn)的預(yù)測值，所述ft-1(x)表示第t-1輪迭代后的模型，所述表示偏導(dǎo)數(shù)。

15、進(jìn)一步的，所述決策樹擬合單元中，擬合新的決策樹，預(yù)測當(dāng)前殘差的擬合流程為：決策樹ht(x)通過學(xué)習(xí)數(shù)據(jù)集進(jìn)行殘差擬合，其中，所述n表示數(shù)據(jù)集中總的數(shù)據(jù)點(diǎn)數(shù)。

16、進(jìn)一步的，所述模型更新單元，更新當(dāng)前模型，對(duì)新決策樹輸出進(jìn)行整合的更新流程為：根據(jù)ft(x)＝ft-1(x)+α·ht(x)進(jìn)行更新，其中，所述α表示學(xué)習(xí)率。

17、進(jìn)一步的，所述氣候狀態(tài)數(shù)據(jù)至少包括溫度、濕度和風(fēng)速，所述機(jī)器狀態(tài)數(shù)據(jù)至少包括噴砂強(qiáng)度和噴砂速度，所述材料屬性數(shù)據(jù)至少包括噴砂類型和粒度。

18、一種自適應(yīng)高空機(jī)器控制方法，該方法基于上述任一項(xiàng)所述的一種自適應(yīng)高空機(jī)器控制系統(tǒng)來實(shí)現(xiàn)，包括以下步驟：

19、s1.對(duì)氣候狀態(tài)數(shù)據(jù)、機(jī)器狀態(tài)數(shù)據(jù)和材料屬性數(shù)據(jù)進(jìn)行采集，并對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化；

20、s2.根據(jù)標(biāo)準(zhǔn)化處理后的氣候狀態(tài)數(shù)據(jù)、機(jī)器狀態(tài)數(shù)據(jù)和材料屬性數(shù)據(jù)作為特征，進(jìn)行g(shù)bm模型訓(xùn)練；

21、s3.根據(jù)gbm模型的輸出結(jié)果，對(duì)機(jī)器人的工作模式進(jìn)行預(yù)測，所述工作模式包括噴砂模式和回砂模式；

22、s4.根據(jù)模型輸出的預(yù)測結(jié)果，選擇機(jī)器人的工作模式；

23、其中，所述步驟s3具體包括以下子步驟：

24、s301.設(shè)置初始預(yù)測值，所述初始預(yù)測值為目標(biāo)變量的平均值或常數(shù)；并設(shè)定初始模型：f0(x)＝平均(y)；

25、s302.計(jì)算當(dāng)前模型與實(shí)際目標(biāo)值之間的殘差；

26、s303.擬合新的決策樹，預(yù)測當(dāng)前殘差；

27、s304.更新當(dāng)前模型，對(duì)新決策樹輸出進(jìn)行整合；

28、s305.重復(fù)構(gòu)建新樹并更新模型，直至達(dá)到預(yù)定的迭代次數(shù)或模型性能最優(yōu)。

29、進(jìn)一步的，所述步驟s302中，計(jì)算當(dāng)前模型與實(shí)際目標(biāo)值之間的殘差的計(jì)算流程為：

30、

31、其中，所述rti表示第t輪迭代中第i個(gè)數(shù)據(jù)點(diǎn)的殘差，所述l(yi，f(xi))表示損失函數(shù)，用于衡量預(yù)測模型f(xi)與實(shí)際目標(biāo)值yi之間的差異，所述yi表示第i個(gè)數(shù)據(jù)點(diǎn)的實(shí)際目標(biāo)值，所述f(xi)表示模型在第i個(gè)數(shù)據(jù)點(diǎn)的預(yù)測值，所述ft-1(x)表示第t-1輪迭代后的模型，所述表示偏導(dǎo)數(shù)。

32、進(jìn)一步的，所述步驟s303中，擬合新的決策樹，預(yù)測當(dāng)前殘差的擬合流程為：決策樹ht(x)通過學(xué)習(xí)數(shù)據(jù)集進(jìn)行殘差擬合，其中，所述n表示數(shù)據(jù)集中總的數(shù)據(jù)點(diǎn)數(shù)。

33、進(jìn)一步的，所述步驟s304中，更新當(dāng)前模型，對(duì)新決策樹輸出進(jìn)行整合的更新流程為：根據(jù)ft(x)＝ft-1(x)+α·ht(x)進(jìn)行更新，其中，所述α表示學(xué)習(xí)率。

34、進(jìn)一步的，所述步驟s1具體包括以下子步驟：

35、s101.對(duì)氣候狀態(tài)數(shù)據(jù)、機(jī)器狀態(tài)數(shù)據(jù)和材料屬性數(shù)據(jù)進(jìn)行采集，所述氣候狀態(tài)數(shù)據(jù)至少包括溫度、濕度和風(fēng)速，所述機(jī)器狀態(tài)數(shù)據(jù)至少包括噴砂強(qiáng)度和噴砂速度，所述材料屬性數(shù)據(jù)至少包括噴砂類型和粒度；

36、s102.分別對(duì)氣候狀態(tài)數(shù)據(jù)、機(jī)器狀態(tài)數(shù)據(jù)和材料屬性數(shù)據(jù)中的單個(gè)參數(shù)進(jìn)行參數(shù)標(biāo)準(zhǔn)化；

37、s103.分別對(duì)標(biāo)準(zhǔn)化后的氣候狀態(tài)數(shù)據(jù)、機(jī)器狀態(tài)數(shù)據(jù)和材料屬性數(shù)據(jù)進(jìn)行加權(quán)平均，獲得一個(gè)綜合氣候狀態(tài)指數(shù)、綜合機(jī)器狀態(tài)指數(shù)和綜合材料屬性指數(shù)，將綜合氣候狀態(tài)指數(shù)、綜合機(jī)器狀態(tài)指數(shù)和綜合材料屬性指數(shù)作為模型的輸入特征。

38、發(fā)明的有益效果是：

39、(1)本發(fā)明提出的自適應(yīng)噴砂機(jī)器人控制系統(tǒng)通過gbm模型分析當(dāng)前的環(huán)境數(shù)據(jù)和機(jī)器人狀態(tài)，能夠?yàn)閲娚皺C(jī)器人提供智能且高度適應(yīng)性的工作模式判斷，實(shí)現(xiàn)更高的操作效率、能效和可靠性，同時(shí)減少人工干預(yù)，提高自動(dòng)化水平。