论文部分内容阅读
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。