自适应神经网络ANFIS设计

基于表面肌电信号的人体步态事件快速识别方法陈江城;张小栋;尹贵【摘要】针对下肢康复训练机器人主动训练阶段患者运动检测实时性、准确性的需求,提出一种基于动态表面肌电信号的人体步态事件快速识别方法.首先,通过表面肌电信号产生过程数学建模及步态过程中肌肉活动规律分析,给出了基于表面肌电信号强度及其变化特征的步态事件感知原理;其次,以双腿股外侧肌动态表面肌电信号强度及其变化为特征,构建了用于识别支撑和摆动两个步态事件的自适应模糊神经网络模型.实验结果表明:该方法识别结果正确率达95.3％,对足跟触地和脚尖离地事件发生时刻进行识别的平均时间误差分别为21.4 ms和24.5 ms,同时证明,该方法对步态之间表面肌电信号的差异具有较强的鲁棒性.【期刊名称】《中国机械工程》【年(卷),期】2016(027)007【总页数】7页(P911-916,924)【关键词】表面肌电信号;步态事件;自适应模糊神经网络;康复机器人【作者】陈江城;张小栋;尹贵【作者单位】西安交通大学,西安,710049;西安交通大学,西安,710049;西安交通大学,西安,710049【正文语种】中文【中图分类】TP242下肢康复训练机器人具有比传统人工医疗师辅助训练更多的优点，被康复工作者和下肢偏瘫患者认可与接受[1-2]。

随着研究深入，康复训练机器人从被动的位置控制方式向人机协同控制和多种控制混合的方向发展，将最大程度利用患者的主动运动意愿，提高康复效果[3-4]。

为实现人机运动协同，外骨骼机器人需要对穿戴者的运动意图进行检测，尤其对于行走步态过程中的摆动与支撑阶段，具有不同的人机动力学特点，往往需要采取混合的协同控制策略，而步态阶段的准确识别是实现控制策略切换和步态安全稳定过渡的重要保障[5-6]。

人体一个步态周期是从足跟着地到同侧腿足跟再次着地所经历的时间，可划分为多个独立事件[7]。

测力板和光学运动捕捉系统是最常见的步态检测设备，但设备昂贵，应用条件苛刻，而且康复训练大多是在跑步机上进行的，安装测力板不易。

智能移动机器人的现状及发展智能移动机器人是具有思维、感知和行动功学、人工智能，微电子学，光学，传感技术、材料科学仿生学等学科的综合成果。

智能移动机器人可获取、处理和识别多种信息，建立并实时修正环境模型，自主地完成较为复杂的操作任务，因此，比一般的工业机器人具有更大的灵活性、机动性和更广泛的应用领域。

2O世纪电子计算机的发明，使人类的脑力劳动自动化成为可能，60年代智能移动机器人的出现开辟了智能生产自动化的新纪元。

机器和生产系统的智能化，用机器人代替人完成各种任务，这是人类智慧发展和机器进化的飞跃。

智能移动机器人作为新一代的生产工具，在制造领域中应用，能排腺人为的不可控因素，实现高节奏、高效和高质量生产，并是未来智能生产系统(如CIMS)的重要组成部分。

在非制造领域，如核工业、水下、空间，建筑、采掘，教灾排险和作战等方面，可代替人完成人所不适或力所不及的各种工作，在原予能、水下和外层空间可开辟新的产业。

目前，我国和许多国家都把智能移动机器人列为迎接未来挑战的高技术课题，并制订发展规划，拨出巨款给予支持。

移动机器人是一种在复杂的环境下工作的具有自规划、自组织、自适应能力的机器人。

在移动机器人的相关技术研究中，导航技术可以说是其核心技术，也是其实现真正的智能化和完全的自主移动的关键技术。

导航研究的目标就是没有人的干预下使机器人有目的地移动并完成特定任务，进行特定操作。

机器人通过装配的信息获取手段，获得外部环境信息，实现自我定位，判定自身状态，规划并执行下一步的动作。

下面我就智能移动机器人系统的导航、路径规划、多传感器信息融合、细胞神经网、高智能情感移动机器人等技术进行部分说明。

移动机器人的导航方式很多，有惯性导航、视觉导航、基于传感器数据导航、卫星导航等。

它们都不同程度地适用于各种不同的环境，包括室内和室外环境，结构化环境与非结构化环境。

(1)惯性导航惯性导航是一种最基本的导航方式。

它利用机器人装配的光电编码器和陀螺仪，计算机器人航程，从而推知机器人当前的位置和下一步的目的地。

城市草坪智能化灌溉系统方案1系统概论1.1绿地灌溉特点园林草坪是为改善环境、增加美感、陶冶性情等目的而栽植的，因此要求它们最好常年生长皆绿，每年只需剪而不必种植，另外，草坪使土壤渗吸速度降低，要求采用少量频灌法灌溉，而且为了节约劳力和资金、提高喷灌质量的要求，园林草坪灌溉大多采用自动化控制固定式喷灌系统。

同时绿地灌溉具有如下特点: 1.绿地灌溉要求水质和喷洒质量较为严格，特别是对高级观赏植物和高尔夫球场的草皮，要求喷灌均匀度较高，如有漏喷或喷洒过量都会造成严重损失。

2.草坪喷灌多数在夜间进行，其原因之一是草坪白天喷灌，蒸发损失大。

一般夜晚喷灌时能比白天少消耗10%以上的水量;原因之二是有些草坪白天不允许喷洒，如高尔夫球场进行比赛、公园娱乐区进行文娱活动等。

3.喷灌系统不能影响草坪的维护作业。

草坪需要经常性的修剪、植保、施肥等，这些作业往往由机械完成。

因此，需要选择特殊的设备。

4.喷灌系统在满足草坪需水要求的同时，需充分注意景观和环境效果。

精心设计的喷灌系统，通过正确选择喷头和进行喷点的布置，不仅能满足草坪需水，而且在灌水时可以形成水动景观效果。

5.全自动化灌溉系统不需要人直接参与，通过预先编制好的控制程序和根据反映作物需水的某些参量可以长时间地自动启闭水泵和自动按一定的轮灌顺序进行灌溉。

人的作用只是调整控制程序和检修控制设备。

这种系统中，除灌水器(喷头、滴头等)、管道、管件及水泵、电机外，还有中央控制器、自动阀、传感器(土壤水分传感器、温度传感器、压力传感器、水位传感器和雨量传感器等)及电线等。

托普物联网针对智能化灌溉系统也做出了一些的研究与开发，并与浙江大学合作，已经研发出了针对不同灌溉类型的方案，同时也进行了实施，在实践中研究系统的适用性，针对不足做出新的补充，力求为中国农业的发展作出贡献。

1.2我国绿地灌溉现状及展望1.2.1我国绿地灌溉现状由于经济技术等原因，过去我国草坪灌溉基本上是以人工灌溉为主，这种灌溉方法只能改变土壤湿度，对绿地植物生长的小气候影响小，灌水定额较大，不便实施适时适量灌溉，水的利用率低，这种方法大概有80%的水由于深层渗漏及无效蒸发损失掉。

⾃适应线性神经元（Adline）⾃适应线性神经元（Adline）2019-08-26 Adline算法属性：监督算法，分类算法1.算法框架1.1净输⼊函数净输⼊函数：z=w0x0+w1x1+···+w n x n=∑n j=0w j x j=w T x其中x0的值为1，是函数的偏移量;在实际程序中可以使⽤两种⽅式实现净输⼊函数：1）在训练数据X中添加值全部为1的列，作为偏移量的乘⼦；2）将参数W中的第⼀个w0单独提出来另算⽤python实现，这⾥使⽤第⼆种⽅式#净输⼊函数def net_input(x,w):return np.dot(x,w[1:]) + w[0]1.2激励函数Adline算法的激励函数使⽤恒等函数，即：ϕ(z)=z1.3量化器y=1,ϕ(z)≥0−1,ϕ(z)<0使⽤python实现：#量化器def quantization(z):return np.where(z >= 0.0,1,-1)2.代价函数代价函数⼀般是为了反映模型与测试数据的拟合程度，这⾥使⽤误差平⽅和（SSE）作为Logistic Regression算法的代价函数：J(w)=12∑i(y(i)−ϕ(z(i)))2使⽤python实现：#代价函数#predict是数据的预测值，y是数据的实际值def cost_function(predict,y):return ((y - predict)**2).sum() / 2.0 3.优化算法{gradient descent：代价函数满⾜1）可导，2）凸函数，才适合使⽤梯度下降法；梯度下降法是基于代价函数J(w)沿着其梯度（即导数）⽅向做⼀次权重更新：w:=w+ΔwΔw=−η∂J ∂w∂J∂w j=−∑ni(y(i)−ϕ(z(i)))x(i)j其中−η表⽰梯度下降法的学习速率，x(i)j代表第i个数据的第j个值。

由于每次权重迭代都是居于全部的测试数据，故此算法也称为“批量梯度下降法”（batch gradient descent）；4.权重迭代停⽌条件1）设置⼀个最⼤迭代次数2）设置⼀个代价函数的阈值，当某次训练中实际得出的代价函数低于阈值时停⽌迭代主要靠经验获取这两个条件。

基于自适应模糊推理的电力设备故障诊断研究Study on Fault Diagnosis for Electrical Equipment Based onAdaptive Neural Fuzzy Inference System胡文平1尹项根2(1.福建省电力试验研究院,福建福州350007;2.华中科技大学电力系,湖北武汉430074)摘要:将自适应神经网络的自学习优点与模糊数学的模糊推理方法有效结合,解决了变压器绝缘故障诊断中模糊规则难以确定的问题;利用自适应神经网络的自学习功能,确定了模糊规则和模糊隶属度,建立了变压器故障诊断的ANFIS 模型,实现了电力设备故障诊断,反映了变压器的运行状态。

关键词:故障诊断;神经网络;模糊理论;变压器Abstr act :The paper has combined advantage and fuzzy reasoning metho d.It has o verco me the problem o f difficult to determine fuzzy regulation in transfo rmer f ault diagnosis.M aking use of the self -study functio n o f adaptive neural netw ork,the f uzzy rule and the fuzzy subjectio n degree are made sure by the study o f neural netw ork.ANFIS mo del of transf ormer fault diagnosis has established.This model has realized the electric po wer equipment fault diagno sis.It reflects actual running state of transformer.Keywords :fault diag nosis ;neural netw ork ;fuzzy theo ry ;transformer.中图分类号:TM41文献标识码:A 文章编号:1006-0170(2007)01-0001-03FUJIAN DIAN LI YU DIANG ONG第27卷第1期2007年3月IS S N 1006-0170CN 35-1174/TM1引言电力设备故障诊断中的不确定因素表现为随机性和模糊性。