申请/专利权人：沧州智慧城科技有限公司

申请日：2024-03-08

公开（公告）日：2024-05-17

公开（公告）号：CN117841751B

主分类号：B60L53/60

分类号：B60L53/60;B60L53/16;B60L53/31

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及充电枪控制，尤其涉及一种基于意图识别的充电枪系统及充电方法，该方法包括以下步骤：采集获取操作用户的运动压力信息；根据所述运动压力信息训练LeNet‑5卷积神经网络模型，采集新一批运动压力信息输入至完成训练的LeNet‑5卷积神经网络模型中获得运动意图信息；将所述运动意图信息作为预设的期望轨迹，并根据所述期望轨迹获取预测静止位置信息；根据所述期望轨迹和所述预测静止位置信息构建阻抗模型，并将所述阻抗模型集成于充电枪中，通过所述阻抗模型控制充电枪移动。这种基于深度学习和运动学知识的充电方法通过用户操作信息精确识别意图，并根据期望轨迹和预测终点位置构建阻抗模型控制充电枪移动。

主权项：1.一种基于意图识别的充电方法，其特征在于，包括以下步骤：步骤S1，获取充电枪上的若干压力传感器采集的运动压力信息；步骤S2，根据所述运动压力信息训练用于将所述运动压力信息转化为运动意图信息的LeNet-5卷积神经网络模型，采集运动压力信息输入至完成训练的LeNet-5卷积神经网络模型中获得运动意图信息；所述运动意图信息为空间状态下的运动轨迹；步骤S3，将所述运动意图信息作为预设的期望轨迹，并根据所述期望轨迹获取预测静止位置信息；步骤S4，根据所述期望轨迹和所述预测静止位置信息构建阻抗模型，并将所述阻抗模型集成于充电枪中，通过所述阻抗模型控制充电枪移动，进行充电；所述步骤S2包括以下步骤：步骤S21，通过将运动压力信息传递给LeNet-5卷积神经网络模型进行预处理，确定归一化范围为[0，1]，在LeNet-5卷积神经网络中对通过将各运动压力信息减去运动压力信息的最小值，再除以运动压力信息的最大值和最小值的差，以形成预处理数据；步骤S22，通过为各运动压力信息和充电意图分配唯一的标签，将标记好的数据集划分为训练集、验证集和测试集，使用训练集对所述LeNet-5卷积神经网络模型进行训练，通过反向传播算法优化模型参数将所述预处理数据与相应的充电意图进行关联，以使LeNet-5卷积神经网络模型学习到不同运动压力信息与不同充电意图的关系；步骤S23，将采集的新一批的压力信号输入到完成训练的LeNet-5卷积神经网络模型中，获得所述LeNet-5卷积神经网络模型输出的相应的运动意图信息；所述步骤S4包括，通过预测静止位置和期望轨迹确定充电枪的期望位置，定义实时位置与期望位置之间的误差作为充电枪的状态量，根据充电枪的状态量，建立误差到阻抗的映射关系，并通过训练神经网络的权重和偏置构建阻抗模型，并将其集成到充电枪中，将其充电枪的位置和所受的作用力转换为位置偏差，并应用到阻抗模型，通过求解运动学方程更新充电枪的速度和位置；所述步骤S4包括：步骤S41，根据预测静止位置和期望轨迹，确定充电枪在各个时间点上的期望位置；步骤S42，将期望位置与实时位置之间的误差定义为充电枪状态量；步骤S43，根据充电枪状态量，建立误差到阻抗的映射关系；步骤S44，通过训练神经网络的权重和偏置构建阻抗模型，并将所述阻抗模型集成到充电枪中；步骤S45，获取所述充电枪当前的位置和所受的作用力，通过将实际位置和期望位置之间的差异映射到阻抗模型中，将所述充电枪的实时位置和所受的作用力转换为位置偏差，以形成阻抗模型的输出结果，将所述阻抗模型的输出结果应用到充电枪预设的动力学模型上，通过求解运动学方程更新充电枪的速度和位置；所述步骤S43包括：根据充电枪状态量映射出阻抗；前进期望但实际后移，映射出前推阻抗；靠近目标但位置偏后，映射出前推阻抗；后退期望但实际前移，映射出后推阻抗；靠近目标但位置偏前，映射出后推阻抗；所述步骤S45包括以下步骤：步骤S451，获取充电枪的实时位置数据位置（x，y，z）；步骤S452，获取充电枪期望位置轨迹中当前时刻的期望位置（xd，yd，zd）；步骤S453，计算位置误差Δx=x-xd，Δy=y-yd，Δz=z-zd；步骤S454，获取充电枪所受总作用力F；步骤S455，根据阻抗模型，将位置误差Δx、Δy、Δz映射成对应阻抗Fx、Fy、Fz；步骤S456，把阻抗Fx、Fy、Fz从总作用力F中减去，得到净作用力F1；步骤S457，将净作用力F1应用在充电枪预设的动力学模型上，通过运动学方程更新充电枪的速度和位置；步骤S458，返回步骤S451继续进行位置控制。

全文数据：

权利要求：

百度查询： 沧州智慧城科技有限公司 基于意图识别的充电枪系统及充电方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD