人机交互手势的超声波检测及其HMM融合SVM识别算法

随着智能装备的性能提升和普及应用,经常采用手势进行人机交互。为了更有效地解决复杂手势识别精度不理想的问题,提高对复杂手势的识别准确率,提出利用超声波多普勒频移的SVM-HMM手势识别算法对提取到的手势特征序列进行识别分类。该算法采用支持向量机SVM改进隐马尔可夫模型HMM中的状态转移概率矩阵,并经由Sigmoid函数处理状态序列中各个隐状态的输出概率,对HMM的分类性能进行优化。利用设置的三种不同分类器的对比实验结果表明,该改进算法具有较好的提升效果,尤其对于复杂手势的识别效果提升更为明显。通过实验结果表明,SVM-HMM的算法能够准确进行手势识别,总体手势的识别率为94.625%,相比未改进的HMM平均识别率提高了10.75%,对比其他改进HMM算法对复杂手势的识别准确率提升4%左右。

协作设计众包任务优化分配建模与求解

为解决产品设计中协作设计众包任务优化分配问题,建立了一个子任务对设计者匹配满意和设计者对子任务匹配满意的多目标优化模型,并提出一种改进的麻雀搜索算法进行求解。该模型以协作设计众包子任务和设计者双方最大匹配满意度为目标,从而建立双方的一对一匹配。对算法进行改进,利用Sinusoidal混沌映射初始化种群;利用正余弦算法指引所有麻雀个体向最优位置移动。为防止最优解陷入局部最优,对最优解加带惯性的柯西变异扰动;将改进的算法在6个基准测试函数上进行性能验证。试验结果表明:改进后的麻雀搜索算法寻优能力优于灰狼优化算法(GWO)、蝙蝠算法(BA)及麻雀搜索算法(SSA),并举出实例说明了方法的可行性。

改进平衡优化器的超声电机无模型自适应控制

为了提高超声电机的控制性能,将基于数据驱动的无模型自适应控制(Model Free Adaptive Control,MFAC)方法应用到超声电机的速度控制中,并针对MFAC存在参数调整困难的问题,提出一种改进的平衡优化器(Improved Equilibrium Optimizer, IEO)算法用于MFAC参数寻优。首先,利用自适应生成概率策略来平衡算法的探索与开发能力;其次,引入折射反向学习策略来扩大解的搜索范围,提高算法的收敛速度,同时采用柯西变异策略来提高算法跳出局部最优的能力;最后,提出一种改进的时间乘以绝对误差积分(Improved Integral Time Absolute Error, IITAE)指标函数用于MFAC的参数寻优。仿真和实验结果表明,与基于原始平衡优化器算法的MFAC相比,基于改进平衡优化器算法的MFAC的稳态误差和调整时间明显减小,系统的控制性能得到显著提高。