CN109541989A - 一种智能建筑室内装修墙面刮扫处理机控制系统及方法 - Google Patents

Abstract

本发明属于装修技术领域，公开了一种智能建筑室内装修墙面刮扫处理机控制系统及方法；通过故障诊断模块首先分析刮扫处理机待测电路所有的故障类型、故障类型所带有的对外输出状态以及相应的故障位置，再利用上述数据形成训练样本，完成随机森林模型的训练，在日后进行电路的故障诊断过程中，只需将电路故障状态输入到随机森林模型中，即可获取电路的故障位置，即便是专业能力较差的技术人员也同样能够快速完成电路故障的诊断操作，最大限度内节约诊断时间，提高工作效率；同时，通过路径规划模块本可以减少工作点的数量来减少刮扫处理机的调整时间，提高刮扫处理机工作效率。

Description

一种智能建筑室内装修墙面刮扫处理机控制系统及方法

技术领域

本发明属于装修技术领域，尤其涉及一种智能建筑室内装修墙面刮扫处理机控制系统及方法。

背景技术

装修又称装潢或装饰。是指在一定区域和范围内进行的，包括水电施工、墙体、地板、天花板、景观等所实现的，依据一定设计理念和美观规则形成的一整套施工方案和设计方案。小到家具摆放和门的朝向，大到房间配饰和灯具的定制处理，都是装修的体现。装修和装饰不同，装饰是对生活用品或生活环境进行艺术加工的手法。加强审美效果，并提高其功能、经济价值和社会效益，并以环保为设计理念。完美的装饰应与客体的功能紧密结合，适应制作工艺，发挥物质材料的性能，并具有良好的艺术效果。不同的空间类型所用到的装修技术也有很大的差异，而装修风格上的差异，那更是应重中之重的考虑，还有装修文化上的意义。确定了这些客户才好去选择设计师或者装修公司进行装修！一般装修空间分为客厅装修、餐厅装修和家庭装修，书房、卧室(卧室又分为主卧与次卧，还有小孩子房，老人房等)、过道、厨房、卫生间、阳台、花园、衣帽间、休闲区，这些都是家装方面的装修空间。介绍一些公装方面的装修空间：办公楼、商场、专卖店、服装店设计、商场展厅、食品店、甜品店、面包店、酒店宾馆、客房、餐饮酒吧、歌厅、迪厅、休闲健身厅、体育场馆、会展剧场、博物馆、图书馆、学校、医院、工厂、会所、园林、售楼中心、公园广场、机场、车船站等这些都是具体的空间类型。然而，现有建筑室内装修墙面刮扫处理机电路发生故障时，由于高数量的电子元器件的存在使得导致电路故障的起因变得复杂，使用利用万用表、示波器等设备对电路进行检测分析才能确定故障原因，时间花销大，效率低；同时，在处理整个墙面的刮扫过程中，如果没有合理的工作路径规划就会增加工作时间，降低刮扫工作效率。现有技术中，监控得到的工作过程，图像不清，不便于观察工作进度及完成质量，不能做到发现问题及时解决，导致完成质量下降，降低施工速度，浪费时间，增加成本；现有技术中不能有效区分接收到的信号，不能做到数据信息的准确传输，易造成工作误差，延误工程进度，更降低工作效率及稳定性；现有技术中不能准确的控制旋转角度，降低工作质量，造成重复或二次补刮补扫的浪费。

综上所述，现有技术存在的问题是：

现有建筑室内装修墙面刮扫处理机电路发生故障时，由于高数量的电子元器件的存在使得导致电路故障的起因变得复杂，使用利用万用表、示波器等设备对电路进行检测分析才能确定故障原因，时间花销大，效率低；同时，在处理整个墙面的刮扫过程中，如果没有合理的工作路径规划就会增加工作时间，降低刮扫工作效率。

现有技术中，监控得到的工作过程，图像不清，不便于观察工作进度及完成质量，不能做到发现问题及时解决，导致完成质量下降，降低施工速度，浪费时间，增加成本；现有技术中不能有效区分接收到的信号，不能做到数据信息的准确传输，易造成工作误差，延误工程进度，更降低工作效率及稳定性；现有技术中不能准确的控制旋转角度，降低工作质量，造成重复或二次补刮补扫的浪费。

发明内容

针对现有技术存在的问题，本发明提供了一种智能建筑室内装修墙面刮扫处理机控制系统及方法。

本发明是这样实现的，一种智能建筑室内装修墙面刮扫处理机控制方法，所述智能建筑室内装修墙面刮扫处理机控制方法包括：

步骤一，利用蓄电池为室内装修墙面刮扫处理机进行供电；摄像头采用像元离散采集算法实时监控刮扫处理机墙面刮扫的过程；诊断刮扫处理机故障信息；

步骤二，利用无线发射器对采集的视频、故障信息、控制信息加以分类，并进行回归分析处理，然后发送到计算机进行处理及操控；

步骤三，通过电机驱动滑轮进行移动操作；利用路径规划程序规划刮扫处理机的移动路径；

步骤四，通过刮扫装置对墙面进行刮扫操作；通过采用RBF神经网络算法的旋转轴对刮扫装置角度进行旋转操作；通过升降杆对刮扫装置进行升降操作；

步骤五，通过吸尘器对刮扫装置刮扫墙面时产生的粉尘进行吸收操作。

进一步，所述步骤一中，摄像头采用像元离散采集算法实时监控刮扫处理机墙面刮扫的过程；具体的像元离散采集模型如下：

摄像头采集的刮扫处理机墙面的每个像元宽度记为d，像元中心记为 (x_c，y_c)，能量集中度C_e是与密切相关的物理概念，指摄像头扫描墙面上的目标点落于像元中心时，该像元捕获到的目标能量百分比；由C_e确定，关系为

将PSF在像元上积分，得到该摄像头扫描内容的像元对目标点的响应为：

进一步，所述步骤二中，所述无线网络接收器，完成信号的采集，并对接收的信号加以分类和回归分析，具体的接收到的信号集(x₁，y₁)，…，(x_l， y_l)∈(X×R)由概率分布P(x，y)(x∈Rⁿ，y∈R)生成，用实值函数拟合，并且使得：

R[f]＝∫c(x，y，f)dP(x，y)；

最小，其中，C为损失函数，用ε不敏感函数：

|y_i-f(x_i，x)|_ε＝max{0|y_i-f(x_i)|-ε}；

衡量函数预测值f(x)与观测值y的误差，即当误差超过时，该函数对样本点的拟合是无偏差的。

进一步，所述步骤四中，采用RBF神经网络模型的旋转轴对刮扫装置角度进行旋转操作；其中Vh和Vt为输入层的旋转角信号，输出层的输出信号是旋转角Yh，输入层倾角函数为斜率为1的线性函数,输出层旋转角是线性组合器, 可调节参数就是该线性组合器的权值Wi,而隐层旋转角函数采用高斯函数,第i 个隐层倾角输出Vi为:

式中:X＝(Vh,Vt)，T为输入样本；Ci为高斯函数中心值；σi为标准偏差, i＝1,2,…,n；

则输出层输出为：

式中θ为输出层神经元的阈值。

进一步，所述故障诊断模块诊断方法如下：

(1)分析待测电路所有故障类型、每种故障类型的对外输出状态，以及相对应的故障位置；

(2)以待测电路的故障类型为数据样本，以故障类型的对外输出状态为数据样本的特征变量，以每个故障类型的故障位置为期望输出，完成多个决策树的训练，由所述多个决策树组成随机森林模型；

(3)采集待测电路当前的故障状态，将所述故障状态输入到随机森林模型中，所述每个决策树输出对应的预测结果，对所有决策树输出的预测结果进行投票分析，随机森林模型最终输出的待测电路当前故障位置。

进一步，所述步骤(3)中对所采集待测电路当前的故障状态进行如下步骤操作：

利用小波变换算法对所采集的待测电路当前的故障状态进行噪声去除操作；

判断待测电路当前的故障状态是否存在异常数据或者缺失数据，如果是，利用均值填充方式或者线性回归填充方式进行数据填充；

对待测电路当前的故障状态所代表的数据进行规范化处理；

对待测电路当前的故障状态所代表的非数字量数据进行特征映射操作。

进一步，所述步骤(2)包括以下步骤：

从所有数据样本中以重抽样方法有放回地抽取n个样本容量一致的数据样本，作为训练决策树的训练样本；

从其中一个训练样本中以随机的方式抽取m个特征变量；

在决策树的内部节点处，按照基尼不纯度最小原则从m个特征变量中选取一个分类效果最好的特征xi，将该节点分为两个分支，所述基尼不纯度原则为

其中P(i)表示每一类占总类数的比例；

对决策树的每个内部节点重复上步，直到所述决策树能够准确分类训练样本或者决策树中每个节点的基尼不纯度达到最小；

选取下一个训练样本，重复上步，直到所有抽取训练样本所对应的决策树构建完毕；

所述n个训练样本所构建出来的决策树共同组成随机森林模型，所述随机森林模型构建完毕。

如权利要求1所述的智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述路径规划模块规划方法如下：

1)进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；

2)进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。

本发明的另一目的在于提供一种实施所述智能建筑室内装修墙面刮扫处理机控制方法的智能建筑室内装修墙面刮扫处理机控制系统，所述智能建筑室内装修墙面刮扫处理机控制系统包括：

参数配置模块、输入模块、计时模块、主控模块、装修模块、协议映射转换模块、故障检测模块、报警模块、数据存储模块、显示模块；

供电模块，与中央控制模块连接，用于通过蓄电池为室内装修墙面刮扫处理机进行供电；

视频监控模块，与中央控制模块连接，用于通过摄像头实时监控刮扫处理机墙面刮扫的过程；

故障诊断模块，与中央控制模块连接，用于诊断刮扫处理机故障信息；

中央控制模块，与供电模块、视频监控模块、故障诊断模块、无线通信模块、移动模块、路径规划模块、刮扫模块、转动模块、升降模块、粉尘吸收模块连接，用于通过单片机控制各个模块正常工作；

无线通信模块，与中央控制模块、计算机连接，用于通过无线发射器将采集的视频、故障信息、控制信息发送到计算机进行处理及操控；

移动模块，与中央控制模块连接，用于通过电机驱动滑轮进行移动操作；

路径规划模块，与中央控制模块连接，用于通过路径规划程序规划刮扫处理机的移动路径；

刮扫模块，与中央控制模块连接，用于通过刮扫装置对墙面进行刮扫操作；

转动模块，与中央控制模块连接，用于通过旋转轴对刮扫装置角度进行旋转操作；

升降模块，与中央控制模块连接，用于通过升降杆对刮扫装置进行升降操作；

粉尘吸收模块，与中央控制模块连接，用于通过吸尘器对刮扫装置刮扫墙面时产生的粉尘进行吸收操作。

本发明的优点及积极效果为：本发明通过故障诊断模块首先分析刮扫处理机待测电路所有的故障类型、故障类型所带有的对外输出状态以及相应的故障位置，再利用上述数据形成训练样本，完成随机森林模型的训练，在日后进行电路的故障诊断过程中，只需将电路故障状态输入到随机森林模型中，即可获取电路的故障位置，即便是专业能力较差的技术人员也同样能够快速完成电路故障的诊断操作，最大限度内节约诊断时间，提高工作效率；同时，通过路径规划模块本可以减少工作点的数量来减少刮扫处理机的调整时间，提高刮扫处理机工作效率。

本发明的摄像头采用像元离散采集算法实时监控刮扫处理机墙面刮扫的过程，有利于得到清晰的墙面刮扫的过程，便于观察工作进度及完成质量，做到发现问题及时解决，做到保质保量，且工作效率高，节约时间，减少不必要的成本费用；本发明的无线网络接收器，完成信号的采集，并对接收的信号加以分类和回归分析，有效区分接收到的信号，做到准确的传输，使得信息的准确性得以保证，提高工作效率及稳定性；本发明采用RBF神经网络模型的旋转轴对刮扫装置角度进行旋转操作；有效保证旋转角度的准确性，提高工作质量，加快工作效率，节约时间，有效避免重复或二次补刮补扫的浪费，节约成本。

附图说明

图1是本发明实施提供的智能建筑室内装修墙面刮扫处理机控制方法流程图；

图2是本发明实施提供的智能建筑室内装修墙面刮扫处理机控制系统结构示意图；

图2中：1、供电模块；2、视频监控模块；3、故障诊断模块；4、中央控制模块；5、无线通信模块；6、计算机；7、移动模块；8、路径规划模块；9、刮扫模块；10、转动模块；11、升降模块；12、粉尘吸收模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的智能建筑室内装修墙面刮扫处理机控制方法包括以下步骤：

步骤S101，通过供电模块利用蓄电池为室内装修墙面刮扫处理机进行供电；通过视频监控模块利用摄像头实时监控刮扫处理机墙面刮扫的过程；通过故障诊断模块诊断刮扫处理机故障信息；

步骤S102，中央控制模块通过无线通信模块利用无线发射器将采集的视频、故障信息、控制信息发送到计算机进行处理及操控；

步骤S103，通过移动模块利用电机驱动滑轮进行移动操作；通过路径规划模块利用路径规划程序规划刮扫处理机的移动路径；

步骤S104，通过刮扫模块利用刮扫装置对墙面进行刮扫操作；通过转动模块利用旋转轴对刮扫装置角度进行旋转操作；通过升降模块利用升降杆对刮扫装置进行升降操作；

步骤S105，通过粉尘吸收模块利用吸尘器对刮扫装置刮扫墙面时产生的粉尘进行吸收操作。

如图2所示，本发明提供的智能建筑室内装修墙面刮扫处理机控制系统包括：供电模块1、视频监控模块2、故障诊断模块3、中央控制模块4、无线通信模块5、计算机6、移动模块7、路径规划模块8、刮扫模块9、转动模块10、升降模块11、粉尘吸收模块12。

供电模块1，与中央控制模块4连接，用于通过蓄电池为室内装修墙面刮扫处理机进行供电；

视频监控模块2，与中央控制模块4连接，用于通过摄像头实时监控刮扫处理机墙面刮扫的过程；

故障诊断模块3，与中央控制模块4连接，用于诊断刮扫处理机故障信息；

中央控制模块4，与供电模块1、视频监控模块2、故障诊断模块3、无线通信模块5、移动模块7、路径规划模块8、刮扫模块9、转动模块10、升降模块11、粉尘吸收模块12连接，用于通过单片机控制各个模块正常工作；

无线通信模块5，与中央控制模块4、计算机6连接，用于通过无线发射器将采集的视频、故障信息、控制信息发送到计算机6进行处理及操控；

移动模块7，与中央控制模块4连接，用于通过电机驱动滑轮进行移动操作；

路径规划模块8，与中央控制模块4连接，用于通过路径规划程序规划刮扫处理机的移动路径；

刮扫模块9，与中央控制模块4连接，用于通过刮扫装置对墙面进行刮扫操作；

转动模块10，与中央控制模块4连接，用于通过旋转轴对刮扫装置角度进行旋转操作；

升降模块11，与中央控制模块4连接，用于通过升降杆对刮扫装置进行升降操作；

粉尘吸收模块12，与中央控制模块4连接，用于通过吸尘器对刮扫装置刮扫墙面时产生的粉尘进行吸收操作。

下面结合具体实施例对本发明的应用原理作进一步的描述。

所述智能建筑室内装修墙面刮扫处理机控制方法包括：

步骤一，利用蓄电池为室内装修墙面刮扫处理机进行供电；摄像头采用像元离散采集算法实时监控刮扫处理机墙面刮扫的过程；诊断刮扫处理机故障信息；

步骤二，利用无线发射器对采集的视频、故障信息、控制信息加以分类，并进行回归分析处理，然后发送到计算机进行处理及操控；

步骤三，通过电机驱动滑轮进行移动操作；利用路径规划程序规划刮扫处理机的移动路径；

步骤四，通过刮扫装置对墙面进行刮扫操作；通过采用RBF神经网络算法的旋转轴对刮扫装置角度进行旋转操作；通过升降杆对刮扫装置进行升降操作；

步骤五，通过吸尘器对刮扫装置刮扫墙面时产生的粉尘进行吸收操作。

进一步，所述步骤一中，摄像头采用像元离散采集算法实时监控刮扫处理机墙面刮扫的过程；具体的像元离散采集模型如下：

摄像头采集的刮扫处理机墙面的每个像元宽度记为d，像元中心记为 (x_c，y_c)，能量集中度C_e是与密切相关的物理概念，指摄像头扫描墙面上的目标点落于像元中心时，该像元捕获到的目标能量百分比；由C_e确定，关系为

将PSF在像元上积分，得到该摄像头扫描内容的像元对目标点的响应为：

进一步，所述步骤二中，所述无线网络接收器，完成信号的采集，并对接收的信号加以分类和回归分析，具体的接收到的信号集(x₁，y₁)，…，(x_l， y_l)∈(X×R)由概率分布P(x，y)(x∈Rⁿ，y∈R)生成，用实值函数拟合，并且使得：

R[f]＝∫c(x，y，f)dP(x，y)；

最小，其中，C为损失函数，用ε不敏感函数：

|y_i-f(x_i，x)|_ε＝ma，{0，|y_i-f(x_i)|-ε}；

衡量函数预测值f(x)与观测值y的误差，即当误差超过ε时，该函数对样本点的拟合是无偏差的。

进一步，所述步骤四中，采用RBF神经网络模型的旋转轴对刮扫装置角度进行旋转操作；其中Vh和Vt为输入层的旋转角信号，输出层的输出信号是旋转角Yh，输入层倾角函数为斜率为1的线性函数,输出层旋转角是线性组合器, 可调节参数就是该线性组合器的权值Wi,而隐层旋转角函数采用高斯函数,第i 个隐层倾角输出Vi为:

式中:X＝(Vh,Vt)，T为输入样本；Ci为高斯函数中心值；σi为标准偏差, i＝1,2,…,n；

则输出层输出为：

式中θ为输出层神经元的阈值。

进一步，所述故障诊断模块诊断方法如下：

(1)分析待测电路所有故障类型、每种故障类型的对外输出状态，以及相对应的故障位置；

(2)以待测电路的故障类型为数据样本，以故障类型的对外输出状态为数据样本的特征变量，以每个故障类型的故障位置为期望输出，完成多个决策树的训练，由所述多个决策树组成随机森林模型；

(3)采集待测电路当前的故障状态，将所述故障状态输入到随机森林模型中，所述每个决策树输出对应的预测结果，对所有决策树输出的预测结果进行投票分析，随机森林模型最终输出的待测电路当前故障位置。

进一步，所述步骤(3)中对所采集待测电路当前的故障状态进行如下步骤操作：

利用小波变换算法对所采集的待测电路当前的故障状态进行噪声去除操作；

判断待测电路当前的故障状态是否存在异常数据或者缺失数据，如果是，利用均值填充方式或者线性回归填充方式进行数据填充；

对待测电路当前的故障状态所代表的数据进行规范化处理；

对待测电路当前的故障状态所代表的非数字量数据进行特征映射操作。

进一步，所述步骤(2)包括以下步骤：

从所有数据样本中以重抽样方法有放回地抽取n个样本容量一致的数据样本，作为训练决策树的训练样本；

从其中一个训练样本中以随机的方式抽取m个特征变量；

在决策树的内部节点处，按照基尼不纯度最小原则从m个特征变量中选取一个分类效果最好的特征xi，将该节点分为两个分支，所述基尼不纯度原则为

其中P(i)表示每一类占总类数的比例；

对决策树的每个内部节点重复上步，直到所述决策树能够准确分类训练样本或者决策树中每个节点的基尼不纯度达到最小；

选取下一个训练样本，重复上步，直到所有抽取训练样本所对应的决策树构建完毕；

所述n个训练样本所构建出来的决策树共同组成随机森林模型，所述随机森林模型构建完毕。

路径规划模块规划方法如下：

1)进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；

2)进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。

步骤(2)包括以下步骤：

从所有数据样本中以重抽样方法有放回地抽取n个样本容量一致的数据样本，作为训练决策树的训练样本；

从其中一个训练样本中以随机的方式抽取m个特征变量；

在决策树的内部节点处，按照基尼不纯度最小原则从m个特征变量中选取一个分类效果最好的特征xi，将该节点分为两个分支，所述基尼不纯度原则为

其中P(i)表示每一类占总类数的比例；

对决策树的每个内部节点重复上步，直到所述决策树能够准确分类训练样本或者决策树中每个节点的基尼不纯度达到最小；

选取下一个训练样本，重复上步，直到所有抽取训练样本所对应的决策树构建完毕；

所述n个训练样本所构建出来的决策树共同组成随机森林模型，所述随机森林模型构建完毕。

路径规划模块规划方法如下：

1)进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；

2)进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。

步骤1)包括：将工作目标区域划分为均匀的网格，并且在每个网格中心布置工作点，每个工作点的工作区域近似为一个圆形区域，将覆盖集合中的冗余工作点完全去除。

以离散点为依据来判断冗余工作点，包括以下步骤：

A、将工作点的工作区域内部均匀分布密集点，形成密集点阵；

B、若由点pi生成密集点阵内所有点至少被其邻居工作点工作空间所覆盖，则工作点为冗余工作点，可以去除；

C、密集点阵生成规则：在圆内以圆心为生成点，在圆内等间隔分布各个点。

步骤1)中空白墙面的最小覆盖集算法为：

输入：矩形目标区域，刮扫处理机工作半径r₁，

网格尺寸集合S_g＝{l₁,l₂,...,l_n}；

输出：工作区域的最小覆盖集；

1-1、构造目标区域；

1-2、以网格尺寸l_i为变量进行目标区域离散化，用圆对工作区域进行完全覆盖，进行网格空间建立；

1-3、构造圆形离散点阵；

1-4、顺序搜索，对所有工作点进行搜索，判断冗余工作点；

1-5、删除冗余工作点；

1-6、重复步骤1-4至1-5直到工作点集无冗余工作点，得到相对于网格尺寸li的最小覆盖集S_fi；

1-7、重复步骤1-2至1-6步，得到关于不同网格尺寸的所有最小覆盖集S_f＝{S_f1,S_f2,...S_fn}，从中选出最优覆盖集S_B＝min{S_f}。

步骤1)中具有障碍的墙面区域的最小覆盖集算法为：

定义障碍边界：将目标区域内的门框、窗框标记为障碍边界，作为点阵构造的约束条件，将点阵中不属于目标区域的点去掉，其算法与空白墙面相同。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述智能建筑室内装修墙面刮扫处理机控制方法包括：

步骤一，利用蓄电池为室内装修墙面刮扫处理机进行供电；摄像头采用像元离散采集算法实时监控刮扫处理机墙面刮扫的过程；诊断刮扫处理机故障信息；

步骤二，利用无线发射器对采集的视频、故障信息、控制信息加以分类，并进行回归分析处理，然后发送到计算机进行处理及操控；

步骤三，通过电机驱动滑轮进行移动操作；利用路径规划程序规划刮扫处理机的移动路径；

步骤四，通过刮扫装置对墙面进行刮扫操作；通过采用RBF神经网络算法的旋转轴对刮扫装置角度进行旋转操作；通过升降杆对刮扫装置进行升降操作；

步骤五，通过吸尘器对刮扫装置刮扫墙面时产生的粉尘进行吸收操作。

2.如权利要求1所述的智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述步骤一中，摄像头采用像元离散采集算法实时监控刮扫处理机墙面刮扫的过程；具体的像元离散采集模型如下：

摄像头采集的刮扫处理机墙面的每个像元宽度记为d，像元中心记为(x_c，y_c)，能量集中度C_e是与σ_psf密切相关的物理概念，指摄像头扫描墙面上的目标点落于像元中心时，该像元捕获到的目标能量百分比；σ_psf由C_e确定，关系为

将PSF在像元上积分，得到该摄像头扫描内容的像元对目标点的响应为：

3.如权利要求1所述的智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述步骤二中，所述无线网络接收器，完成信号的采集，并对接收的信号加以分类和回归分析，具体的接收到的信号集(x₁，y₁)，…，(x_l，y_l)∈(X×R)由概率分布P(x，y)(x∈Rⁿ，y∈R)生成，用实值函数拟合，并且使得：

R[f]＝∫c(x，y，f)dP(x，y)；

最小，其中，C为损失函数，用ε不敏感函数：

|y_i-f(x_i，x)|_ε＝max{0，|y_i-f(x_i)|-ε}；

衡量函数预测值f(x)与观测值y的误差，即当误差超过ε时，该函数对样本点的拟合是无偏差的。

4.如权利要求1所述的智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述步骤四中，采用RBF神经网络模型的旋转轴对刮扫装置角度进行旋转操作；其中Vh和Vt为输入层的旋转角信号，输出层的输出信号是旋转角Yh，输入层倾角函数为斜率为1的线性函数,输出层旋转角是线性组合器,可调节参数就是该线性组合器的权值Wi,而隐层旋转角函数采用高斯函数,第i个隐层倾角输出Vi为:

式中:X＝(Vh,Vt)，T为输入样本；Ci为高斯函数中心值；σi为标准偏差,i＝1,2,…,n；

则输出层输出为：

式中θ为输出层神经元的阈值。

5.如权利要求1所述的智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述故障诊断模块诊断方法如下：

(1)分析待测电路所有故障类型、每种故障类型的对外输出状态，以及相对应的故障位置；

(2)以待测电路的故障类型为数据样本，以故障类型的对外输出状态为数据样本的特征变量，以每个故障类型的故障位置为期望输出，完成多个决策树的训练，由所述多个决策树组成随机森林模型；

(3)采集待测电路当前的故障状态，将所述故障状态输入到随机森林模型中，所述每个决策树输出对应的预测结果，对所有决策树输出的预测结果进行投票分析，随机森林模型最终输出的待测电路当前故障位置。

6.如权利要求5所述的智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述步骤(3)中对所采集待测电路当前的故障状态进行如下步骤操作：

利用小波变换算法对所采集的待测电路当前的故障状态进行噪声去除操作；

判断待测电路当前的故障状态是否存在异常数据或者缺失数据，如果是，利用均值填充方式或者线性回归填充方式进行数据填充；

对待测电路当前的故障状态所代表的数据进行规范化处理；

对待测电路当前的故障状态所代表的非数字量数据进行特征映射操作。

7.如权利要求6所述的智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述步骤(2)包括以下步骤：

从所有数据样本中以重抽样方法有放回地抽取n个样本容量一致的数据样本，作为训练决策树的训练样本；

从其中一个训练样本中以随机的方式抽取m个特征变量；

在决策树的内部节点处，按照基尼不纯度最小原则从m个特征变量中选取一个分类效果最好的特征xi，将该节点分为两个分支，所述基尼不纯度原则为

其中P(i)表示每一类占总类数的比例；

对决策树的每个内部节点重复上步，直到所述决策树能够准确分类训练样本或者决策树中每个节点的基尼不纯度达到最小；

选取下一个训练样本，重复上步，直到所有抽取训练样本所对应的决策树构建完毕；

所述n个训练样本所构建出来的决策树共同组成随机森林模型，所述随机森林模型构建完毕。

8.如权利要求1所述的智能建筑室内装修墙面刮扫处理机控制方法，其特征在于，所述路径规划模块规划方法如下：

1)进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；

2)进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。

9.一种实施权利要求1所述智能建筑室内装修墙面刮扫处理机控制方法的智能建筑室内装修墙面刮扫处理机控制系统，其特征在于，所述智能建筑室内装修墙面刮扫处理机控制系统包括：

参数配置模块、输入模块、计时模块、主控模块、装修模块、协议映射转换模块、故障检测模块、报警模块、数据存储模块、显示模块；

供电模块，与中央控制模块连接，用于通过蓄电池为室内装修墙面刮扫处理机进行供电；

视频监控模块，与中央控制模块连接，用于通过摄像头实时监控刮扫处理机墙面刮扫的过程；

故障诊断模块，与中央控制模块连接，用于诊断刮扫处理机故障信息；

中央控制模块，与供电模块、视频监控模块、故障诊断模块、无线通信模块、移动模块、路径规划模块、刮扫模块、转动模块、升降模块、粉尘吸收模块连接，用于通过单片机控制各个模块正常工作；

无线通信模块，与中央控制模块、计算机连接，用于通过无线发射器将采集的视频、故障信息、控制信息发送到计算机进行处理及操控；

移动模块，与中央控制模块连接，用于通过电机驱动滑轮进行移动操作；

路径规划模块，与中央控制模块连接，用于通过路径规划程序规划刮扫处理机的移动路径；

刮扫模块，与中央控制模块连接，用于通过刮扫装置对墙面进行刮扫操作；

转动模块，与中央控制模块连接，用于通过旋转轴对刮扫装置角度进行旋转操作；

升降模块，与中央控制模块连接，用于通过升降杆对刮扫装置进行升降操作；

粉尘吸收模块，与中央控制模块连接，用于通过吸尘器对刮扫装置刮扫墙面时产生的粉尘进行吸收操作。