SmartController智能控制系统

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

http://v.youku.com/v_show/id_XODA4NDI1NjMy.html