AN EXPLOITATION OF THE EXPERT SYSTEM OF MECHANICAL DESIGN BASED ON VIRTUAL REALITY

Object oriented methodology is introduced to build the model on expert system of mechanical design. The combination of knowledge representation with object oriented method and neural network make the expression of the complex knowledge in mechanical design world reasonably and properly, and the complicated system is built successfully. Also, the merging of virtual reality art and conventional mechanical design theory puts visual three dimensional mechanical movement into realities.

Convolutional neural networks for time series classification

Time series classification is an important task in time series data mining, and has attracted great interests and tremendous efforts during last decades. However, it remains a challenging problem due to the nature of time series data: high dimensionality, large in data size and updating continuously. The deep learning techniques are explored to improve the performance of traditional feature-based approaches. Specifically, a novel convolutional neural network (CNN) framework is proposed for time series classification. Different from other feature-based classification approaches, CNN can discover and extract the suitable internal structure to generate deep features of the input time series automatically by using convolution and pooling operations. Two groups of experiments are conducted on simulated data sets and eight groups of experiments are conducted on real-world data sets from different application domains. The final experimental results show that the proposed method outperforms state-of-the-art methods for time series classification in terms of the classification accuracy and noise tolerance. © 1990-2011 Beijing Institute of Aerospace Information.

Body Worn Sensors for Health Gaming and e-Learning in Virtual Reality

Virtual reality is an emerging field in the whole world.The problem faced by people today is that they are more indulged in indoor technology rather than outdoor activities.Hence,the proposed system introduces a fitness solution connecting virtual reality with a gaming interface so that an individual can play first-person games.The system proposed in this paper is an efficient and cost-effective solution that can entertain people along with playing outdoor games such as badminton and cricket while sitting in the room.To track the human movement,sensors Micro Processor Unit(MPU6050)are used that are connected with Bluetoothmodules andArduino responsible for sending the sensor data to the game.Further,the sensor data is sent to a machine learning model,which detects the game played by the user.The detected game will be operated on human gestures.A publicly available dataset named IM-Sporting Behaviors is initially used,which utilizes triaxial accelerometers attached to the subject’s wrist,knee,and below neck regions to capture important aspects of human motion.The main objective is that the person is enjoying while playing the game and simultaneously is engaged in some kind of sporting activity.The proposed system uses artificial neural networks classifier giving an accuracy of 88.9%.The proposed system should apply to many systems such as construction,education,offices and the educational sector.Extensive experimentation proved the validity of the proposed system.

虚拟现实中基于轻量级神经网络的手势识别

手势是虚拟现实环境中的重要输入方式,手势识别的精准度和效率为虚拟现实环境的有效交互提供了基础。为了提高虚拟现实环境中手势识别的正确率和速度,提出了一种基于轻量级优化卷积神经网络的手势识别模型。首先,对手势图像样本进行特征提取及初始化,并构建卷积神经网络手势识别模型。然后,借助MobileNet V2进行轻量化处理,通过深度与逐点卷积,有效降低手势识别模型参数量和计算量。最后,根据最小化手势识别误差反向求解神经网络的各个参数。试验结果表明,所提轻量级神经网络的手势识别准确率相对于原始卷积神经网络有微小下降,但其识别效率却大幅提升,特别是在大规模手势样本的识别场景下。轻量级卷积神经网络表现出了较高的识别综合性能,在虚拟现实环境下的手势识别适应度较高。

人体模型建模中全局映射智能估计人体形状的方法

针对人体模型建模中形状估计存在的性能低、适用性不强等问题,提出一种利用卷积神经网络进行人体形状估计的智能方法,并利用卷积神经网络层次化特征提取和多视图融合的方法精确估计人体形状。以人体模型为基础,对人体三维形状进行尺寸估计,实现快速人体形状估计,且使估计过程自动化,提高估计结果的精确性。研究表明,该方法克服了传统人工测量技术无法捕捉人体特征、估计人体形状与姿态的局限性,可用于人体模型尺寸的测量、服装虚拟现实中人体模型的建模等。

面向船舶的基于WPA-BP与虚拟现实的机舱安全监测

为了提高对船舶机舱安全运行远程故障诊断的效率,对船舶机舱的智能化诊断与监测进行了研究,设计了一种船舶机舱安全监测系统;采用优化后的狼群算法对反向传播神经网络进行改进,并创新建立了狼群算法-反向传播基础上的机舱柴油机故障诊断模型;经实验测试实现了平均诊断准确率高达99.102%、响应时间0.048 ms的验证结果;经实际应用满足了船舶安全运行的需求,提高了故障诊断有效性。

基于VR的采摘机器人仿真试验研究

针对采摘机器人精度和识别能力较差的问题,基于VR技术对采摘机器人进行试验研究。采摘机器人主要由PC控制中心、虚拟现实系统、传感器系统、通信系统和执行器系统等组成。为了实现快速、精准采摘,采用虚拟现实环境建模。首先,确定真实环境和虚拟环境的相对位置,然后采用神经网络模型进行非特定模型的参数辨识,最终确定虚拟环境模型。为了验证该采摘机器人的性能,对其进行定位精度试验和采摘试验,结果表明:采摘机器人的定位精度较高,采摘效果良好,采摘过程中可成功避障。

虚拟环境的系统设计方法及计算模型研究

面向对象技术和面向Ａｇｅｎｔ技术是虚拟环境系统的基本设计方法．本文用面向对象的方法来构造Ａｇｅｎｔ，并提供一组支撑Ａｇｅｎｔ的底层计算模型，如神经网络、遗传算法、专家系统和规划管理等．通过飞船游戏的模拟，详细论述了Ａｇｅｎｔ与底层计算模型之间的关系以及Ａｇｅｎｔ与环境之间的交互．本文思想和类库可应用到各种虚拟环境系统和智能应用系统．

3D交互输入新技术——手势识别

本文从分析人机交互研究的目的出发 ,介绍了用户产生手势到系统“感知”手势的过程 ,包括手势的建模及识别的原理和方法 .本文在对手结构和手关节运动分析的基础上 ,提出了基于数据手套和基于视觉(摄象机 )的手势输入方式 ,通过手势图象的分析 ,采用模糊神经网络方法对手势图象进行识别 ,取得了较好的效果 ,实现了一种在虚拟环境中具有广阔运用前景的

基于神经网络的手势识别

本文在对手结构和关节运动作了深入分析的基础上，建立了对其施加约束的手模型．根据所定义的约束及运动类型，建立了适合于手势合成的手数据结构．并采用神经网络理论进行手势识别，取得了较好的效果．

基于模糊神经网络的手势识别

本文通过对人手结构和手关节运动的分析 ,建立了手模型及其相应的数据结构 .由数据手套的数据接口获取各指节的曲伸角度 ,建立手势标准样本库 ,并提出了采用模糊神经网络进行手势识别 ,用手势标准样本加以训练 ,使其具备识别手势的功能 .试验结果表明 。

虚拟现实技术在数字展示设计中的应用研究

在信息技术飞速发展的时代,电子计算机被应用到了各行各业,也带动了整个社会的发展。虚拟现实技术正是这一时代的产物。本文以神经网络知识为基础理论,针对虚拟现实技术在数字展示设计中的仿真性和可观性进行评价。同时,通过大量的问卷调查,采集了相关的数据,建立了关于虚拟现实技术在数字展示设计中的应用评价模型。将黄山、泰山、故宫和乌镇作为研究对象,进行了模型的验证。评价结果显示,黄山和故宫的数字展示效果良好,泰山和乌镇的展示效果相对较差,这一结论与实际情况相符。从而,说明了模型的合理性。

用ANN模型扩展COMGIS系统的地震灾害模拟仿真功能

利用组件式GIS(COMGIS)技术来开发结合了专业震害分析模型的城市地震灾害模拟仿真系统,在VB下调用Matlab的神经网络工具箱来扩展GIS的地震灾害模拟仿真功能。研究表明:设定地震可随机输入,在系统菜单下直接调用水平成层土地震反应分析程序SHAKE91来计算出与设定震级相对应的场地土层地震动参数;实现了基于BP神经网络的震害模拟仿真模型在COMGIS系统中的模块化;系统的GIS空间分析功能可使模拟仿真结果与空间信息相匹配,实现了随机假定地震下城市潜在地震灾害的快速评估。

虚拟化环境中基于神经网络专家系统的Rootkit检测方法研究

针对现有虚拟化环境客户操作系统中对Rootkit检测存在误判率高、无法检测未知Rootkit等问题,提出了一种基于神经网络专家系统的Rootkit检测方法(QPSO_BP_ES)。该方法将神经网络与专家系统相结合,利用其各自的优势构成检测系统。在实际检测时,首先捕获事先选取出来的Rootkit典型特征行为,然后通过训练好的神经网络专家系统来检测客户操作系统中是否存在Rootkit。最后通过实验表明,QPSO_BP_ES检测系统模型可以降低误判率,有效地检测已知和未知的Rootkit。

采用无线网建立农业虚拟现实技术的研究

数字化农业是农业生产一个很重要的研究领域。为此,从数字化农业基本需求出发,探讨了农田信息发展的未来趋势。同时,提出了在无线网平台下,将无线网技术与农业虚拟现实技术相结合,构建各类虚拟农业专家系统,直接服务于农业的构想,为农业现代化提供参考。

一种交互输入新技术——三维手势识别

结合文献资料及笔者的科研成果 ,综合介绍了基于数据手套和基于视觉 (摄象机 )输入手势的新的三维交互输入技术。这种技术利用计算机进行图象分析 ,并采用神经网络和几何方法对输入三维图象进行识别 ,从而实现三维的交互输出。这是一种具有广阔运用前景的新技术。

基于自适应动态规划算法的小车自主导航控制策略设计

小车自主导航系统是路径规划领域研究的难点问题。本文利用自适应动态规划算法对小车自主寻路、避障的控制策略进行了设计。介绍了仿真过程中小车检测环境状态量的方法,提出了小车通过连续型奖励/惩罚信号自主学习寻路、避障的控制策略,并结合虚拟现实技术创建了不同路径和不同障碍物状态的仿真环境。通过不同路径状态的仿真实验,验证了自适应动态规划算法在解决小车自主导航避障控制策略问题上的可靠性和稳定性。

基于神经网络的自动驾驶模型及其虚拟实现

文章提出了一种基于人工神经网络的自动驾驶控制模型,并利用计算机虚拟技术模拟实现车辆的运行环境及其运行行为,并对自动驾驶控制模型进行了测试。试验表明这种自动驾驶模型能有效地指挥车辆的驾驶。

虚拟现实交互游戏中的手势识别

随着虚拟现实技术的发展和手势识别技术的不断提升,人们对自然交互的方式不断提出迫切需求。对于交互体验的游戏而言,尤为突出。此前的研究主要利用普通摄像头采集图像,获取手势的运动形态及像素信息,无法获得具有深度信息手势的三维特征。随着LeapMotion等深度传感器的出现,更多的深度信息可以被获取,为识别复杂的手势提供了可靠的数据保障。文章使用一种基于深度经网络的游戏交互手势识别系统,与以往的方法相比,具有更好的性能。

虚拟现实训练系统中基于手势的人机交互

给出了虚拟手建模和数据手套校正的方法和步骤。通过数据手套与位置跟踪设备的结合使用,得到现实世界中手的姿势以及位置,并以此驱动虚拟世界中的虚拟手进行交互操作。运用神经网络和逻辑组合的方法分别对定义的静态手势和动态命令进行识别,形成相应的操作命令。为验证所提方法的有效性和实用性,将基于手势的人机交互技术应用于某型自行火炮的虚拟驾驶训练中,受训者可以像在真实世界中一样操纵虚拟训练环境中的虚拟物体和部件,取得了满意的训练效果。