一种基于深度学习算法的轮式移动机器人滑转率预测方法

本发明属于轮式移动机器人状态估计领域，本发明公开了一种基于深度学习的轮式移动机器人滑转率预测方法，解决了传感器实时测量无法提前预测和轮地交互复杂性导致预测精度不足的问题。具体方法为：首先，构建轮式移动机器人相关运动数据的车轮滑转率数据集；然后，优化改进CNN‑LSTM的网络层数和结构，高效提取信息和捕捉特征；此外，设计的隐藏状态增强模块强化隐藏状态的更新，设计的改进注意力机制模块动态调整输入特征权重，突出最重要特征；最后，设计考虑力学约束的复合损失函数用以训练模型，对训练好的模型进行验证和性能评估。本发明使得轮式移动机器人在不同地形上有较好的适应能力，提升了滑转率预测的准确性和稳定性。