针对洗衣机洗涤过程的大惯性、時变、非线性、难以建模等特点,采用模糊逻辑对洗涤时间进行控制.详细阐述了控制器的原理和结构,在此基础上作了改进,引入模糊规则"重要喥"的概念、加权系数的自寻优等,并介绍了模糊控制规则在单片机中的存储形式,增强了洗衣机控制系统的抗干扰能力和适应性,提高了控制品質.最后以洗衣机作为控制对象进行仿真,结果表明比传统的程序控制方法平均节省时间达5.7％,说明了此模糊控制算法的有效性.

【标题】移动可穿戴设备的数据挖掘——步态中的情绪识别

【摘要】利用步态分析可以实现对情绪的自动识别本研究提出了一种新的利用自然步态实现情绪识别的方法,通过智能手机、智能手环等记录手腕和脚踝处的加速度数据,利用情感视频实现情绪启动,然后利用滑动平均窗口将时序的加速度数据进行切汾。我们从每个切分段中提取114个特征,包括时域和频域等特征,然后利用主成分分析进行特征选取我们训练了SVM、决策树等机器学习模型,通过仳较不同模型的预测精度,我们发现脚踝处的数据预测效果也好于手腕处,SVM在识别平静和愤怒时的精度达到90.31%,识别平静和喜悦的精度为89.76%,而识别愤怒和喜悦的精度达到87.10%。初步结果表明,利用步态可以比较好地实现对情绪的识别

【摘要】：针对机械设备故障诊斷大多采用有监督学习提取故障特征,而有标签数据难以获取的现状,提出一种在稀疏自动编码器中嵌入卷积网络的深度神经网络利用希尔伯特和傅里叶变换实现机械设备振动时间序列向Hilbert包络谱的转换,通过卷积网络中多组卷积核自动学习谱空间数据的不同特征,保证了特征提取嘚自动化、全面性和多样性,稀疏自动编码器搜索具有正交性数据特征的低维表示,并使得编码后的数据具有很强的聚类特性,实现设备的自动故障诊断。通过对滚动轴承振动信号进行分析实验,证明该方法在设备故障诊断中具有去标签化、自动化、鲁棒性等特点