为响应船舶避碰领域研究对高效基础工具的需求,开发了一款轻型且易于操作的船舶自动避碰仿真测试平台。该平台基于MMG(maneuvering mathematical model group)船舶运动模型原理构建,采用Pygame编程框架,在设计上追求简约,于功能上注重高...为响应船舶避碰领域研究对高效基础工具的需求,开发了一款轻型且易于操作的船舶自动避碰仿真测试平台。该平台基于MMG(maneuvering mathematical model group)船舶运动模型原理构建,采用Pygame编程框架,在设计上追求简约,于功能上注重高效,可模拟有风流情况下的船舶运动过程。其轻量级特质保障了平台运行的流畅性,且具备良好的可扩展性,为智能避碰算法的研发与验证提供了有力支撑。借助此平台,研究人员能够更便捷、快速地测试与优化避碰算法,推动船舶避碰技术的不断进步与发展。展开更多
针对上肢肌音信号(Mechanomyography,MMG)动作识别准确率不高的问题,提出一种基于粒子群算法(PSO)与长短期记忆网络相结合的混合模型(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)的动作识别方法。采用5通道传感器对...针对上肢肌音信号(Mechanomyography,MMG)动作识别准确率不高的问题,提出一种基于粒子群算法(PSO)与长短期记忆网络相结合的混合模型(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)的动作识别方法。采用5通道传感器对受试者进行上肢肌音信号采集,使用巴特沃斯滤波(Butterworth Filter)等方法对肌音信号进行预处理,并进行特征提取;构建基于PSO-LSTM的上肢肌音信号识别模型并进行模型训练和测试;最后从不同测度对比了长短期记忆(LSTM)模型、麻雀搜索算法(Sparrow Search Algorithm,SSA)优化的LSTM模型(Sparrow Search Algorithm-Long Short Term Memory, SSA-LSTM)以及PSO-LSTM模型的实验结果。结果表明,PSO-LSTM模型的准确度均高于LSTM、 SSA-LSTM模型,达到96.9%左右,在迭代损失、迭代速度等方面也优于LSTM、SSA-LSTM模型,从而证明了该模型用于上肢肌音信号识别的优越性。展开更多
文摘为响应船舶避碰领域研究对高效基础工具的需求,开发了一款轻型且易于操作的船舶自动避碰仿真测试平台。该平台基于MMG(maneuvering mathematical model group)船舶运动模型原理构建,采用Pygame编程框架,在设计上追求简约,于功能上注重高效,可模拟有风流情况下的船舶运动过程。其轻量级特质保障了平台运行的流畅性,且具备良好的可扩展性,为智能避碰算法的研发与验证提供了有力支撑。借助此平台,研究人员能够更便捷、快速地测试与优化避碰算法,推动船舶避碰技术的不断进步与发展。
文摘针对上肢肌音信号(Mechanomyography,MMG)动作识别准确率不高的问题,提出一种基于粒子群算法(PSO)与长短期记忆网络相结合的混合模型(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)的动作识别方法。采用5通道传感器对受试者进行上肢肌音信号采集,使用巴特沃斯滤波(Butterworth Filter)等方法对肌音信号进行预处理,并进行特征提取;构建基于PSO-LSTM的上肢肌音信号识别模型并进行模型训练和测试;最后从不同测度对比了长短期记忆(LSTM)模型、麻雀搜索算法(Sparrow Search Algorithm,SSA)优化的LSTM模型(Sparrow Search Algorithm-Long Short Term Memory, SSA-LSTM)以及PSO-LSTM模型的实验结果。结果表明,PSO-LSTM模型的准确度均高于LSTM、 SSA-LSTM模型,达到96.9%左右,在迭代损失、迭代速度等方面也优于LSTM、SSA-LSTM模型,从而证明了该模型用于上肢肌音信号识别的优越性。
