SmartController智能控制系统
来源:互联网 发布:java accept方法 编辑:程序博客网 时间:2024/04/29 23:00
本作品是一款基于SVM动作识别的控制系统,具有记忆、学习和预测功能,能记录用户触发某一事件前一段时间的动作数据,并在平时监测用户动作,不断预测用户下一个可能动作,并自动帮用户完成。
作品背景:
现在智能家居市场上,大多用app、语音等方式控制家居,这些方法繁琐且需要用户经过一定训练。本作品旨在提供一个更方便更智能的方式帮助用户控制家居等设备。
基本思路:
根据前期实验数据已知,人的习惯动作是相对稳定的,我们比对了一个人不同时间做同一习惯动作2s内的加速度、角度数据,发现曲线几乎重合。这是系统预测功能的前提。
本系统由数据采集模块和分析预测模块组成。数据采集模块以手环的形式戴在手上,以10Hz的速度向上位机发送运动数据,每组数据包含3轴加速度和3轴角度值。
上位机即中央控制系统,不断接收下位机传来的用户运动数据,当用户触发某一事件时,将触发前一段时间的动作数据记录,并以此训练SVM网络。系统运行时不断分析用户当前动作数据,与已记录的数据作比较,以5Hz的速度预测用户下一个动作,并自动帮用户完成。
运动数据采集模块型号为MPU6050,各模块之间以arduino连接。
创新点:
将人工智能与家居产品、穿戴设备相结合,重新定义智能家居的控制方式。赋予家居系统学习能力,用户不必改变原有的生活习惯就能体验到智能家居带来的便捷:
(1) 智能程序与硬件结合,让硬件有实时学习功能。
(2) 采用SVM实时学习人的行为,采用PSO进行参数优化。
(3) 智能家居与穿戴设备的结合,让智能家居摆脱手机app,给用户更方便的使用体验。
(4) 本系统可与现有的智能家居和智能穿戴设备合作,嵌入其中,用户不必重新购买新的智能家居或穿戴设备产品。
技术关键:
Arduino组成数据的采集、处理、执行网络
利用粒子群算法,根据已记录数据寻找最佳参数以训练SVM网络,以达到最佳预测结果.
利用支持向量机(SVM)网络实现对动作的分类、预测功能。
实验数据:
实验验证时采集4种动作各15组数据进行分类预测,SVM网络预测确率达100%。
技术特点和优势:
本作品将机器学习和智能家居结合,相比市面上的智能家居和手环产品有较高的先进性和独创性。
本产品的学习和预测功能,将带来更好的用户体验,而不像一般智能家居成为手机的附庸。
本产品作为一套学习、预测、控制系统,其使用范围远不止智能家居控制。由于SVM网络强大的分类识别效果,本系统可以用于其他”学习-预测”结构系统。还可以与市面上众多穿戴类产品结合,或作为一套软件植入,以获取用户数据,实现预测功能。
最近各厂商相继推出智能穿戴类设备和智能家居产品,但市面上的穿戴或家居设备基本都无学习功能,本系统正是填补了这一空缺。
智能设备的竞争越来越激烈,但本系统既可生产相应穿戴设备和智能家居,也可作为一套软件与其他厂家合作销售,具有广阔的市场前景。
实物图
测试视频
- SmartController智能控制系统
- 智能插座远程控制系统
- 智能农业控制系统
- 智能农业控制系统
- Qt智能机器人控制系统
- 无线LED智能照明控制系统
- 智能控制系统中的信号---红外线
- 室内智能照明控制系统电路设计
- 树莓派 智能小车 语音控制系统
- 一种家居智能控制系统的设计
- 基于Android智能终端的远程控制系统
- 基于Android智能终端的远程控制系统
- 基于QT4的智能温度采集控制系统
- 基于树莓派的定时智能豆浆机控制系统
- 智能照明控制系统是如何实现的?
- 恒德室内智能照明控制系统电路设计
- 控制系统
- 控制系统
- 键盘与上移问题
- java.lang.ClassCastException: java.math.BigDecimal cannot be cast to java.lang.Long
- xib中添加scrollview
- android 数据网络存储
- 牛顿的广义二项式定理---微积分推倒的开始
- SmartController智能控制系统
- 无线网卡监听模式
- 1005 Number Sequence
- servlet/filter/listener/interceptor区别与联系
- JSP编码以及乱码解决总结
- [dfs] UVALive 3667 Ruler
- iOS开发UI篇之16程序启动原理和UIApplication
- mahout windows 安装及遇到问题
- ffmpeg数据结构之AVDictionary