改进EM算法及应用其的环境监控方法和系统与流程

改进em算法及应用其的环境监控方法和系统
技术领域
1.本技术涉及环境净化机器人技术领域，尤其是涉及一种改进em算法及应用其的环境监控方法和系统。


背景技术：

2.对变量进行监控，以针对其做出适配的响应方案，是自动化、智能化技术的实施机制。
3.在现代工业中的工艺、流程庞大且复杂，为保障生产过程的安全，生产产品的质量，对生产的过程进行监控。以上就是传统监控过程，流水线的工艺过程，其各个流程之间有着规定的相互影响，之间的流程监控一环扣一环。
4.然而，在众多环境因数（温湿度、光照强度、细菌数量、臭氧浓度...）中很难进行统一的异常数据监测；虽然单个环境的因数可以作为单个判断的标准，但是在各个环境因数之间有相互的影响，要进行多个环境因数的集合数据处理，即，对于自然环境监控的流程是错综复杂的，变化的可能性很大，使得基于环境监测实施的消毒机器人一类产品的智能和灵活性有所欠缺，为此本技术提出一种新的技术方案。


技术实现要素：

5.为了对不确定性、复杂性的多因数能做集合数据处理，改善相应消毒机器人的智能和灵活性，本技术提供一种改进em算法及应用其的环境监控方法和系统。
6.第一方面，本技术提供一种改进em算法，采用如下的技术方案：一种改进em算法，包括e步和m步，e步和m步交替迭代，重新估计参数，且当参数发生变化，则返回e步进行初始化参数；所述e步满足公式一：；其中，中表示在第次迭代中，第个样本属于第个高斯元的后验概率，是过程系统在多种工况运行下的维样本，是权值，是模型中高斯元的数目，是多变量高斯分布密度函数，是高斯元的均值；所述m步满足公式集二：；
；；其中，分别表示在第次迭代中的均值、协放差距阵和权值，是e步的训练样本的数，是最小信息长度准则下每个高斯元的标量参数的数目，。
7.可选的，所述e步包括：st1、建立混合高斯模型，其包括：根据环境参数进行工况分类，设是过程系统在多种工况运行下的维样本，用混合高斯模型描述：；其中，表示高斯元的参数，是第个高斯元的权值；st2、与的对应的多变量高斯分布密度函数是：；其中，是矩阵转置符号；st3、以个局部高斯元的加权求和替换多变量高斯分布密度函数，权值反映了任意样本属于第个高斯元的先验概率，得对应混合模型的密度函数的积分：；因为每一个高斯元的概率密度积分都为1，所以可得：；st4、计算分布，其包括：设未知参数：；给定训练样本集，其中包括个训练样本，假定：，其为混合高斯模型中待估计参数的初始值，则e步满足公式一，m步满足公式集二。
8.第二方面，本技术提供一种应用改进em算法的环境监控方法，采用如下的技术方案：一种应用改进em算法的环境监控方法，包括：接收和获取采集组采集的各类环境数据；基于各类环境数据建立混合高斯模型，且基于如上述任一所述的改进em算法估计模型参数；将估计参数代入各类环境消杀方案对应的预设判断逻辑，并根据判断结果确定是否执行环境消杀方案，及计算得到环境消杀方案对应的待执行控制量。
9.可选的，所述环境数据包括：温湿度、光照强度、细菌数量、臭氧浓度、人员数量中的任意一项或多项。
10.第三方面，本技术提供一种应用改进em算法的环境监控系统，采用如下的技术方案：一种应用改进em算法的环境监控系统，包括：场景感知模块，其用于获取预设的载体所在环境的图像和物体的感知数据；环境传感模块，其用于获取预设的载体所在环境的环境数据；建图模块，其用于基于场景感知模块的反馈进行地图构建；定位模块，其用于基于场景感知模块的反馈确定预设的载体相对于地图的位置；消杀方案管理模块，其用于获取权限人员预输入的消杀方案及匹配条件并存储，建立数据库；还用于根据场景感知模块、环境传感模块、建图模块、定位模块的数据做场景分析，初步匹配消杀方案；环境监控模块，其用作基于消杀方案管理模块的数据库，根据上述任一所述的应用改进em算法的环境监控方法对环境传感模块的数据处理，确定环境消杀方案；控制模块，其用于根据环境消杀方案对预连接的执行单元做控制输出。
11.综上所述，本技术包括以下至少一种有益技术效果：现有的em算法进行高斯混合模型建模，使用有很大的局限性，就是在初始化时必须预先给定高斯元的数目；而在em改进算法中，使初始化时可以给定任意高斯元数目，并在计算过程中自动减少权值较小的高斯元，从而将其应用于消杀（消毒）机器人，则其可以根据传感器获得参数的环境监控变的更加灵活，在环境监控过程，及时发现环境中出现的异常情况，使得机器人有效的根据异常情况做出相应的动作。
附图说明
12.图1是本技术的算法的流程示意图；图2是本技术系统的流程示意图。
具体实施方式
13.以下结合附图1-2对本技术作进一步详细说明。
14.本技术实施例公开一种改进em算法。
15.参照图1，改进em算法，其与现有em算法相同，包括e步和m步；其中，e步和m步交替迭代，重新估计参数，且当参数发生变化返回e步初始化参数。
16.结合本技术的应用场景，可以理解为：基于环境参数，例如：温湿度、光照强度、细菌数量、臭氧浓度、人员数量等做最大似然估计（出现某种情况的可能性），然后基于最大似然估计，反过来求前面的参数的估计值，反复交替，以此实现环境数据的监测。
17.以下具体解释，e步的建立：st1、建立混合高斯模型，其包括：根据环境参数（如上述）进行工况分类，设是过程系统在多种工况运行下的维样本，用混合高斯模型描述：；其中，是模型中高斯元的数目，表示高斯元的参数，是第个高斯元的权值；是多变量高斯分布密度函数，可以理解的是，权利要求中为方便描述以暂代。
18.st2、对于而言，与之对应的多变量高斯分布密度函数是：；其中，是矩阵转置符号，是第个高斯元的均值；st3、高斯分布密度函数实际上是个局部高斯元的加权求和，权值反映了任意样本属于第个高斯元的先验概率，因此对于混合模型来说，其密度函数的积分满足：；因为每一个高斯元的概率密度积分都为1，所以可得：；st4、计算分布，其包括：通过第2、3步可以看出，要建立混合高斯模型，要估计未知参数；可以理解的是，未知参数实际为。
19.给定训练样本集，其中包括个训练样本，假定：，其为混合高斯模型中待估计参数的初始值，e步与m步交替迭代，则具体地：e步满足公式一：；其中，中表示在第次迭代中，第个样本属于第个高斯元的后验
概率；m步满足公式集二：；；；其中，分别表示在第次迭代中的均值、协放差距阵和权值，是e步的训练样本的数，是最小信息长度准则下每个高斯元的标量参数的数目，。
20.上述比对现有em算法，可知：现有的em算法进行高斯混合模型建模，使用有很大的局限性，就是在初始化时必须预先给定高斯元的数目；而在em改进算法中，使初始化时可以给定任意高斯元数目，并在计算过程中自动减少权值较小的高斯元，从而将其应用于消杀（消毒）机器人，则其可以根据传感器获得参数的环境监控变的更加灵活，在环境监控过程，及时发现环境中出现的异常情况，使得机器人有效的根据异常情况做出相应的动作。
21.本技术实施例公开一种应用改进em算法的环境监控方法。
22.应用改进em算法的环境监控方法，其包括：q1、接收和获取采集组采集的各类环境数据；q2、基于各类环境数据建立混合高斯模型，且基于如上述改进em算法估计模型参数；q3、将估计参数代入各类环境消杀方案对应的预设判断逻辑，并根据判断结果确定是否执行环境消杀方案，及计算得到环境消杀方案对应的待执行控制量。
23.即，利用消毒机器人上传感器的各类接收数据建立混合高斯模型，作为环境数据的监测工具，建模过程中采用最大期望（em）算法估计模型参数。基于多种参数的判断设计，通过传感器接收的数据进行环境的实现监控，让消杀机器人的控制系统及时做出相应的调整。
24.本技术实施例公开一种应用改进em算法的环境监控系统。
25.参照图2，应用改进em算法的环境监控系统，其包括：场景感知模块，其用于获取预设的载体（消杀机器人的机体）所在环境的图像（如：摄像头采集）和物体的感知数据（如：激光雷达采集）；
环境传感模块，其用于获取预设的载体所在环境的环境数据；建图模块，其用于基于场景感知模块的反馈进行地图构建（具体可参考扫地机器人一类）；定位模块，其用于基于场景感知模块的反馈确定预设的载体相对于地图的位置；消杀方案管理模块，其用于获取权限人员预输入的消杀方案及匹配条件并存储，建立数据库；还用于根据场景感知模块、环境传感模块、建图模块、定位模块的数据做场景分析，初步匹配消杀方案；环境监控模块，其用作基于消杀方案管理模块的数据库，根据上述的应用改进em算法的环境监控方法对环境传感模块的数据处理，确定环境消杀方案；控制模块，其用于根据环境消杀方案对预连接的执行单元做控制输出。
26.可以理解的是，上述初步匹配消杀方案如：根据待消杀区域是否有人，确定是否执行紫外光杀菌，如果有人，则匹配无紫外光杀菌的方案。
27.根据上述，在多环境多参数的情况下，应用其的机器人依旧能很好的进行监控，并及时的给出异常信息，让消杀机器人做出相应的动作调整。
28.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。