CN109948898B - 一种基于需求概率的移动机器人选型方法 - Google Patents
一种基于需求概率的移动机器人选型方法 Download PDFInfo
- Publication number
- CN109948898B CN109948898B CN201910106766.0A CN201910106766A CN109948898B CN 109948898 B CN109948898 B CN 109948898B CN 201910106766 A CN201910106766 A CN 201910106766A CN 109948898 B CN109948898 B CN 109948898B
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- probability
- selection
- subjective
- working environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Manipulator (AREA)
Abstract
本发明公开了一种基于需求概率的移动机器人选型方法,在移动机器人配置和属性基本信息分析的基础上建立性能指标集合、主观偏好集合、工作环境集合和任务集合,在此基础上分别计算主观偏好条件下的性能指标集合选择概率以及客观环境条件下的任务完成概率,由此计算出移动机器人选型受主观因素影响的概率和受客观工作环境影响的概率。根据决策者的需要可选择主观因素选型准则、客观因素选型准则、平均选型准则、加权选型准则中的一种进行移动机器人选型。采用该方法能够克服传统移动机器人方案选择过程中重点考虑性能指标,忽视选择者主观因素对机器人方案选择的缺点。
Description
技术领域
本发明涉及移动机器人设计领域,尤其是一种基于需求概率的移动机器人选型方法。
背景技术
在移动机器人的概念设计阶段往往会确定多个设计方案,或者面临在多个成熟方案和产品中选择合适产品的情形,虽然产品和方案会有基本的工作性能参数和物理特性,但在实际选择方案时会受到选择者或决策者的主观因素影响或者实际工作环境偏差客观条件变化,这些都使选择合适的设计方案成为机器人设计中的难题。
在移动机器人的方案选择评价过程中由于缺乏有效的主客观因素影响分析,在实际选择机器人方案的时往往以技术指标、研发时间、成本等因素作为遴选的依据,由于设计人员自身对设计方案的排斥或客观环境未考虑全面等相应带来了设计方案或产品并不能被充分认可。
发明内容
有鉴于此,本发明提供一种基于需求概率的移动机器人选型方法,能够克服传统移动机器人方案选择评价过程中,只考虑性能指标,忽视选择者主观因素以及客观工作环境对机器人方案选择的影响。
所述的基于需求概率的移动机器人选型方法,包括以下步骤:
步骤1:移动机器人的特征属性描述:
令移动机器人特征属性集合为C,所述特征属性指移动机器人的静态物理特征;待选移动机器人产品的数量为M,令其中一个移动机器人产品为m,移动机器人产品m的特征属性配置集合为
步骤2:移动机器人选择集合描述:
令移动机器人的性能指标集合为X,X={X1,…,XI},I为移动机器人性能指标的数量,所述性能指标指移动机器人的工作性能指标;选择者对移动机器人的主观偏好集合为Y,Y={Y1,…,YJ},J为主观偏好的数量;移动机器人的工作环境集合为E,E={E1,…,EQ},Q为工作环境的数量;移动机器人的任务集合为T,T={T1,…,TW},W为任务集合中任务的数量;所述性能指标集合、主观偏好集合、工作环境集合以及任务集合统一表示为选择集合Z:Z={X1,…,XI;Y1,…,YJ;E1,…,EQ;T1,…,TW};
步骤3:移动机器人的主观偏好概率和客观任务完成概率:
对于机器人特定性能指标集合(x1,…,xI)被选择的条件下,主观偏好Yl,Yl∈Y,存在的概率表示为P(Y=Yl|x1,…,xI):
其中:特定性能指标集合(x1,…,xI)指对性能指标集合中每个性能指标给定数值后得到的集合;P(Y=Yl)指主观偏好集合中主观偏好Yl存在的概率,为设定值;P(Y=Yj)指主观偏好集合中主观偏好Yj存在的概率,为设定值;且
对于机器人在设定任务集合(t1,…,tD)前提条件下,在环境El下所述设定任务集合能够完成的概率表示为P(E=El|t1,…,tD):
其中:El∈E;设定任务集合(t1,…,tD)中的任务为任务集合为T中的D个,即(t1,…,tD)∈T;P(E=El)指工作环境集合中工作环境El存在的概率,为设定值;P(E=Eq)指工作环境集合中工作环境Eq存在的概率,为设定值;
步骤4:移动机器人配置选型概率计算:
对于机器人特征属性配置集合为的移动机器人产品被选型概率表示为:
其中(Z1,…,ZK)∈Z;
其中:为特征属性配置集合为/>下的选择Zk发生的概率,/>为特征属性集合C中特征属性配置集合/>的概率,为设定值;
步骤5:受主客观条件影响的移动机器人的选型概率:
对于移动机器人产品m,其特征属性配置集合为的选型概率包括:受主观因素影响的概率Pm1和受客观工作环境影响的概率Pm2,其中:
步骤6:移动机器人的选型
在特定主观偏好和特定工作环境条件下,通过上述步骤3、步骤4和步骤5计算得到每个移动机器人产品的Pm1和Pm2,最终移动机器人的选型方案按照如下四个原则中的一种作为选择依据:
1)主观因素选型准则:Pm1值最大的移动机器人产品优先被选中;
2)客观因素选型准则:Pm2值最大的移动机器人产品优先被选中;
3)平均选型准则:根据Pm1和Pm2的平均值的大小选择,即(Pm1+Pm2)/2值最大的移动机器人产品优先被选中;
4)加权选型准则:根据Pm1和Pm2的加权值大小选择,即(αPm1+βPm2)/2值最大的移动机器人产品优先被选中,其中α和β为设定值,且α+β=1。
有益效果:
通过在移动机器人配置和属性基本信息分析的基础上建立性能指标集合、主观偏好集合、工作环境集合和任务集合,在此基础上分别计算主观偏好条件下的性能指标集合选择概率以及客观环境条件下的任务完成概率,由此计算出移动机器人选型受主观因素影响的概率和受客观工作环境影响的概率,能够有效克服传统移动机器人方案选择过程中重点考虑性能指标,忽视选择者主观因素对机器人方案选择的缺点。
附图说明
图1为本发明的基于需求概率的移动机器人选型方法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
本实施例提供一种基于需求概率的移动机器人选型方法,在移动机器人选型过程中,将主观因素影响下的选择概率与客观工作环境影响下的方案可行概率纳入方案选型进行综合考虑,有效克服传统移动机器人方案选择过程中重点考虑性能指标,忽视选择者主观因素对机器人方案选择的缺点。
该方法在移动机器人配置和属性基本信息分析的基础上建立性能指标集合、主观偏好集合、工作环境集合和任务集合,在此基础上分别计算主观偏好条件下的性能指标集合选择概率以及客观环境条件下的任务完成概率,由此计算出移动机器人选型受主观因素影响的概率和受客观工作环境影响的概率。由此,决策者可以根据需要选择主观因素选型准则、客观因素选型准则、平均选型准则、加权选型准则中的一种进行移动机器人选型。
该方法的具体步骤为:
步骤1:移动机器人的特征属性描述
令移动机器人特征属性的数量为N,移动机器人特征属性集合为C={C1,C2,…CN},所述特征属性指移动机器人的静态物理特征,如重量、尺寸等;待选移动机器人的方案数量为M,即有M个待选机器人产品,令其中一个移动机器人产品为m,移动机器人产品m的特征属性配置集合为 中的特征属性为特征属性集合C中的一个或者多个;
步骤2:移动机器人选择集合描述
令移动机器人的性能指标集合为X,X={X1,…,XI},I为移动机器人性能指标数量,所述性能指标指移动机器人的工作性能指标,如速度,爬坡坡度,越障高度等;选择者对移动机器人的主观偏好集合为Y,Y={Y1,…,YJ},J为主观偏好的数量,所述主观偏好包括选择者对移动机器人的感官(外形)偏好、各工作性能指标的偏好等,如选择者在选型时偏好机器人的外形或偏好机器人的爬坡坡度;移动机器人的工作环境集合为E,E={E1,…,EQ},Q为移动机器人的工作环境数量,所述的工作环境如丛林、沙滩、雪地、冰面;移动机器人的任务集合为T,T={T1,…,TW},W为移动机器人能够执行的任务数量,所述任务如爬坡、越壕沟、上台阶;
用户选择移动机器人的性能指标集合、主观偏好集合、工作环境集合以及任务集合统一表示为选择集合Z:
Z表示为:Z={X1,…,XI;Y1,…,YJ;E1,…,EQ;T1,…,TW}
步骤3:移动机器人的主观偏好概率和客观任务完成概率
主观偏好下移动机器人性能指标集合选择的概率表示为P(X|Y);对于机器人特定性能指标集合(x1,…,xI)被选择的条件下,主观偏好Yl(Yl∈Y)存在的概率表示为P(Y=Yl|x1,…,xI);其中特定性能指标集合(x1,…,xI)指性能指标集合中性能指标X1对应的参数为x1,…,性能指标XI对应的参数为xI;
其中:P(Y=Yl)指主观偏好集合中主观偏好Yl存在的概率,为设定值;P(Y=Yj)指主观偏好集合中主观偏好Yj存在的概率,为设定值;
客观环境条件下,移动机器人完成任务的概率表示为P(T|E);对于机器人设定任务集合(t1,…,tD)前提条件下,某种环境El(El∈E)下该任务能够完成的概率可以表示为:其中设定任务集合(t1,…,tD)中的任务为任务集合为T中的D个,即(t1,…,tD)∈T;
其中:P(E=El)指工作环境集合中工作环境El存在的概率,为设定值;P(E=Eq)指工作环境集合中工作环境Eq存在的概率,为设定值;
步骤4:移动机器人配置选型概率计算:
对于机器人特征属性配置集合为的移动机器人产品被选型概率表示为:
其中(Z1,…,ZK)∈Z;
其中:为特征属性配置集合为/>下的某个选择Zk发生的概率,/>为特征属性集合C中特征属性配置集合/>的概率,为设定值。
步骤5:受主客观条件影响的移动机器人的选型概率:
某款移动机器人m,其特征属性配置集合为的选型概率包括:受主观因素影响的概率Pm1和受客观工作环境影响的概率Pm2,其中:
步骤6:移动机器人的选型
在特定主观偏好Yl和特定工作环境El条件下,假设有M个机器人方案,每个方案的Pm1和Pm2值可以通过步骤3、步骤4和步骤5计算得到,选择方案可按照如下四个原则中的一种作为选择依据:
1)主观因素选型准则:Pm1值越大的移动机器人方案优先被选中;
2)客观因素选型准则:Pm2值越大的移动机器人方案优先被选中;
3)平均选型准则:根据Pm1和Pm2两个值的平均值大小选择方案,即(Pm1+Pm2)/2值越大的移动机器人方案优先被选中;
4)加权选型准则:根据Pm1和Pm2的加权值大小选择方案,即(αPm1+βPm2)/2值越大的移动机器人方案优先被选中,其中α和β为设定值,且α+β=1。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (1)
1.一种基于需求概率的移动机器人选型方法,其特征在于:包括以下步骤:
步骤1:移动机器人的特征属性描述:
令移动机器人特征属性集合为C,所述特征属性指移动机器人的静态物理特征;待选移动机器人产品的数量为M,令其中一个移动机器人产品为m,移动机器人产品m的特征属性配置集合为
步骤2:移动机器人选择集合描述:
令移动机器人的性能指标集合为X,X={X1,…,XI},I为移动机器人性能指标的数量,所述性能指标指移动机器人的工作性能指标;选择者对移动机器人的主观偏好集合为Y,Y={Y1,…,YJ},J为主观偏好的数量;移动机器人的工作环境集合为E,E={E1,…,EQ},Q为工作环境的数量;移动机器人的任务集合为T,T={T1,…,TW},W为任务集合中任务的数量;所述性能指标集合、主观偏好集合、工作环境集合以及任务集合统一表示为选择集合Z:Z={X1,…,XI;Y1,…,YJ;E1,…,EQ;T1,…,TW};
步骤3:移动机器人的主观偏好概率和客观任务完成概率:
对于机器人特定性能指标集合(x1,…,xI)被选择的条件下,主观偏好Yl,Yl∈Y,存在的概率表示为P(Y=Yl|x1,…,xI):
其中:特定性能指标集合(x1,…,xI)指对性能指标集合中每个性能指标给定数值后得到的集合;P(Y=Yl)指主观偏好集合中主观偏好Yl存在的概率,为设定值;P(Y=Yj)指主观偏好集合中主观偏好Yj存在的概率,为设定值;且
对于机器人在设定任务集合(t1,…,tD)前提条件下,在环境El下所述设定任务集合能够完成的概率表示为P(E=El|t1,…,tD):
其中:El∈E;设定任务集合(t1,…,tD)中的任务为任务集合为T中的D个,即(t1,…,tD)∈T;P(E=El)指工作环境集合中工作环境El存在的概率,为设定值;P(E=Eq)指工作环境集合中工作环境Eq存在的概率,为设定值;
步骤4:移动机器人配置选型概率计算:
对于机器人特征属性配置集合为的移动机器人产品被选型概率表示为:
其中(Z1,…,ZK)∈Z;
其中:为特征属性配置集合为/>下的选择Zk发生的概率,/>为特征属性集合C中特征属性配置集合/>的概率,为设定值;
步骤5:受主客观条件影响的移动机器人的选型概率:
对于移动机器人产品m,其特征属性配置集合为的选型概率包括:受主观偏好Yl影响的概率Pm1和受客观工作环境El影响的概率Pm2,其中:
步骤6:移动机器人的选型
在主观偏好Yl和工作环境El条件下,通过上述步骤3、步骤4和步骤5计算得到每个移动机器人产品的Pm1和Pm2,最终移动机器人的选型方案按照如下四个原则中的一种作为选择依据:
1)主观因素选型准则:Pm1值最大的移动机器人产品优先被选中;
2)客观因素选型准则:Pm2值最大的移动机器人产品优先被选中;
3)平均选型准则:根据Pm1和Pm2的平均值的大小选择,即(Pm1+Pm2)/2值最大的移动机器人产品优先被选中;
4)加权选型准则:根据Pm1和Pm2的加权值大小选择,即(αPm1+βPm2)/2值最大的移动机器人产品优先被选中,其中α和β为设定值,且α+β=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910106766.0A CN109948898B (zh) | 2019-02-02 | 2019-02-02 | 一种基于需求概率的移动机器人选型方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910106766.0A CN109948898B (zh) | 2019-02-02 | 2019-02-02 | 一种基于需求概率的移动机器人选型方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109948898A CN109948898A (zh) | 2019-06-28 |
CN109948898B true CN109948898B (zh) | 2023-09-19 |
Family
ID=67007921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910106766.0A Active CN109948898B (zh) | 2019-02-02 | 2019-02-02 | 一种基于需求概率的移动机器人选型方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948898B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662890A (zh) * | 2022-03-16 | 2022-06-24 | 长安大学 | 一种建设项目智慧设备选型*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020724A (zh) * | 2012-05-08 | 2013-04-03 | 任一涛 | 自动规划及优化选择***和方法 |
CN105574685A (zh) * | 2016-02-02 | 2016-05-11 | 浙江工业大学 | 一种基于主客观结合的云服务评价方法 |
CN106961356A (zh) * | 2017-04-26 | 2017-07-18 | 中国人民解放军信息工程大学 | 基于动态QoS和主客观权重的Web服务选取方法及其装置 |
CN107679743A (zh) * | 2017-09-29 | 2018-02-09 | 河北百斛环保科技有限公司 | 一种基于大数据的环保智能执法应急溯源调度管理方法 |
CN108564391A (zh) * | 2018-01-10 | 2018-09-21 | 大连理工大学 | 一种考虑主客观信息的共享电动汽车需求预测方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040103013A1 (en) * | 2002-11-25 | 2004-05-27 | Joel Jameson | Optimal scenario forecasting, risk sharing, and risk trading |
US7308418B2 (en) * | 2004-05-24 | 2007-12-11 | Affinova, Inc. | Determining design preferences of a group |
US8874477B2 (en) * | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
-
2019
- 2019-02-02 CN CN201910106766.0A patent/CN109948898B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020724A (zh) * | 2012-05-08 | 2013-04-03 | 任一涛 | 自动规划及优化选择***和方法 |
CN105574685A (zh) * | 2016-02-02 | 2016-05-11 | 浙江工业大学 | 一种基于主客观结合的云服务评价方法 |
CN106961356A (zh) * | 2017-04-26 | 2017-07-18 | 中国人民解放军信息工程大学 | 基于动态QoS和主客观权重的Web服务选取方法及其装置 |
CN107679743A (zh) * | 2017-09-29 | 2018-02-09 | 河北百斛环保科技有限公司 | 一种基于大数据的环保智能执法应急溯源调度管理方法 |
CN108564391A (zh) * | 2018-01-10 | 2018-09-21 | 大连理工大学 | 一种考虑主客观信息的共享电动汽车需求预测方法及*** |
Non-Patent Citations (1)
Title |
---|
机器人行为选择机制综述;王义萍等;《机器人》;第31卷(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109948898A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jayabal et al. | Optimization of thrust force, torque, and tool wear in drilling of coir fiber-reinforced composites using Nelder–Mead and genetic algorithm methods | |
US10929472B2 (en) | Methods, devices and non-transitory computer-readable medium for parameter optimization | |
CN104268722B (zh) | 基于多目标进化算法的动态柔性作业车间调度方法 | |
Tong et al. | Optimization of multi-response processes using the VIKOR method | |
Korhonen | A visual reference direction approach to solving discrete multiple criteria problems | |
CN113792924A (zh) | 一种基于Deep Q-network深度强化学习的单件作业车间调度方法 | |
CN101103367B (zh) | 采用分布式遗传算法的优化处理方法 | |
CN107392919B (zh) | 基于自适应遗传算法的灰度阈值获取方法、图像分割方法 | |
CN114066122B (zh) | 一种基于多策略水波优化算法的调度方法 | |
CN110533301A (zh) | 一种基于动态约束矩阵的粒子群调度方法 | |
CN109472105B (zh) | 半导体产品良率上限分析方法 | |
CN109948898B (zh) | 一种基于需求概率的移动机器人选型方法 | |
Jain et al. | Evaluation of flexibility in FMS using SAW and WPM | |
CN102722103A (zh) | 基于模糊分析和可视化技术的多目标参数寻优方法 | |
CN110909787A (zh) | 基于聚类的进化算法进行多目标批调度优化的方法和*** | |
CN110471274A (zh) | 基于改进统一粒子群算法的机械零件加工流水线调度方法 | |
CN109146847A (zh) | 一种基于半监督学习的晶圆图批量分析方法 | |
CN112163808B (zh) | 一种基于对立学习的自适应鲸鱼算法求解物流中心选址问题的方法 | |
JP6052296B2 (ja) | 眼鏡レンズの設計方法および眼鏡レンズの設計システム | |
CN109408562A (zh) | 一种基于客户特征的分组推荐方法及其装置 | |
CN105096159A (zh) | 一种区域售电量预测方法及装置 | |
CN109991950A (zh) | 基于遗传算法的协作机器人装配生产线的平衡改善方法 | |
CN105069140B (zh) | 基于高阶用户偏好的推荐方法 | |
WO2019189016A1 (ja) | 情報処理装置、情報処理方法、プログラム | |
CN106777594B (zh) | 一种基于连续曲面的轧制过程数学模型的自学习方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |