基于触觉信息的人机交互接触状态模式识别算法研究

摘要

随着现代工业技术的飞速发展和日益成熟，智能机器人已经成为人们工作和生活中越来越重要的组成部分。在日常生活中，很多人喜欢养狗、猫等宠物，但是需要花很多精力去饲养它们，比如给宠物喂食、洗澡、遛弯等等。宠物机器人的出现可以极大的改善这些问题，宠物机器人不仅可以作为情感陪护和情感交流的对象，而且不需要花费大量的时间在喂养和清洁上面。宠物机器人可以通过多种传感器（包括视觉传感器、触觉传感器和听觉传感器等）来与人进行交流。本文主要研究触觉信息在人机交互接触状态模式识别中的应用，首先设计了基于触觉传感器的数据采集平台，然后使用改进过的BP算法进行分类，对人机交互接触状态识别最高正确率达到了98%，平均正确率达到了95%。 本文的主要研究工作如下： (1)设计与实现了人机交互的触觉信息采集平台。通过将K60单片机、蓝牙、3D打印模型、FSR压力传感器和nano25六轴传感器等元器件组装起来，搭建了一个模拟宠物机器人触觉的数据采集平台，分别采集了人对宠物机器人轻拍两下、重拍一下、推、变换方向推等一共十七种数据，通过IAR软件和MATLAB软件编程，实现了触觉数据的采集与保存； (2)提出了一种改进的PSO算法。由于PSO算法进行参数寻优时容易陷入局部最优，因此在PSO算法中采用了非线性惯性权重、学习因子与遗传思想相结合的方法，通过对比实验证明了此改进方式有较高的寻优精度，也能够较好的平衡PSO算法局部搜索和全局搜索之间的矛盾； (3)提出了一种改进的BP算法。由于初始权值的选择对BP算法的精度以及收敛速度非常重要，在BP算法中，引入了本文改进的PSO算法优化权值，并且通过实验证明了在人机交互接触状态模式识别中，此改进方式与未改进的BP算法和PSO-BP算法相比，有更高的识别准确率； (4)对人机交互触觉信息采集平台采集的数据进行了预处理和分类识别。先用自适应卡尔曼算法将实验数据进行滤波处理，然后采用PCA算法对数据进行特征提取，最后采用本文改进的算法对数据进行分类识别处理，并进行比较分析，提高了人机交互接触状态模式识别的准确度。

目录

声明

第1章 绪论

1.1 课题来源

1.2 课题研究的背景及意义

1.3人工智能的国内外发展及研究现状

1.4论文的主要研究内容及组织结构

第2章 基于触觉信息的人机交互数据采集平台的设计与实现

2.1 人机交互数据采集硬件平台设计

2.2 人机交互数据采集软件平台设计

2.3 nano25六轴传感器与FSR触觉传感器数据的同步实现

2.4 本章小结

第3章 基于触觉信息的人机交互接触状态数据的预处理

3.1 人机交互接触状态分析

3.2 数据的滤波处理

3.3 数据的特征提取

3.4 本章小结

第4章 基于改进PSO算法的优化BP神经网络算法研究

4.1 粒子群优化算法

4.2改进的粒子群优化算法

4.3 基于改进的PSO算法的优化BP神经网络算法

4.4 本章小结

第5章 基于触觉信息的人机交互接触状态分类算法的仿真与实现

5.1 基于基本动作数据的人机交互接触状态分类识别

5.2 基于动态数据的人机交互接触状态分类识别

5.3 基于基本动作+动态数据的人机交互接触状态分类识别

5.4 仿真结果分析

5.5 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻读硕士学位期间获得的学术成果