乒乓球轨迹预测与分类研究

发布时间：2017-08-21 10:08

  本文关键词：乒乓球轨迹预测与分类研究

  更多相关文章： 乒乓球机器人 轨迹预测 ELM算法 BP神经网络 旋转球轨迹分类

【摘要】：目前乒乓球机器人系统普遍存在两个难题：首先,乒乓球高速运动时,机器人较难在短时间内做出反应；其次,机器人无法识别来球类型(如下旋、上旋、无旋等),不能判断来球是否旋转以及旋转方向,这就造成机器人回球策略单一、应变能力差。针对这两个问题,本文对乒乓球机器人系统中乒乓球轨迹展开研究,主要包括轨迹预测以及旋转球轨迹分类两部分。 乒乓球轨迹预测是乒乓球机器人研究当中的基础。基于Extreme Learning Machines(ELM)算法对乒乓球轨迹进行预测时,首先获取真实的人机对打数据,并提取连续10帧的位置信息与速度信息选取特征,将其作为ELM算法的输入数据,然后进行归一化处理,创建ELM算法模型,输出结果为后20帧的位置信息。通过多次实验我们发现了原始ELM算法的不足,进而我们改进了ELM算法通过设置精度阈值以及历史数据离线学习,保存隐含层权值矩阵的方法保存训练好的ELM模型。最后通过实验验证改进ELM算法的可行性与适用性。 利用Error Back Propagation(BP)神经网络对乒乓球轨迹进行预测时,选取与ELM算法同样的数据以及预测方法。创建BP预测网络,输出同样是连续的后20帧位置信息。通过对大量历史数据进行离线学习,将训练效果最好的网络保存,利用保存的网络模型对新的乒乓球轨迹进行预测,验证了BP神经网络的可行性。最后我们加入了BP神经网络与改进ELM算法在实验结果上的对比,验证了BP神经网络在精度上的优势以及ELM算法在反应时间上的优势,最终综合考虑我们认为在轨迹预测工作上,ELM算法更加适用于乒乓球机器人。 利用ELM算法对旋转球运动轨迹分类时,经过多次实验,最终选择旋转球运动轨迹中每一帧的位置、速度作为特征。将旋球运动轨迹中连续10帧的位置、速度作为ELM算法的输入数据,对其进行归一化预处理,然后创建改进的ELM模式识别网络,输出则为该轨迹对应的击球类型。离线学习了大量数据,通过保存的权值矩阵对不同的旋转球轨迹进行分类。最后我们加入了BP神经网络分类器作为对比,并进行了实验,结果证明与基于BP的分类器相比,ELM算法精度相对低了一些,但是分类时间上的优势非常明显。
【关键词】：乒乓球机器人 轨迹预测 ELM算法 BP神经网络 旋转球轨迹分类
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183;G846
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-9
• 目录9-11
• 图目录11-12
• 1 引言12-19
• 1.1 研究背景及意义12-13
• 1.2 乒乓球机器人的发展现状13-17
• 1.2.1 国外乒乓球机器人发展状况13-16
• 1.2.2 国内乒乓球机器人发展状况16-17
• 1.3 论文组织结构17-19
• 2 基于ELM神经网络的乒乓球轨迹预测19-34
• 2.1 人工神经网络概述19-23
• 2.1.1 人工神经网络发展史19-20
• 2.1.2 神经网络的结构20-22
• 2.1.3 神经网络的特点22-23
• 2.2 ELM神经网络23-27
• 2.2.1 ELM极限学习机的发展23-24
• 2.2.2 ELM算法的网络结构24-25
• 2.2.3 ELM算法的工作原理25-27
• 2.3 ELM算法预测模型应用27-33
• 2.3.1 预测模型的样本数据27-28
• 2.3.2 ELM算法预测方法28-29
• 2.3.3 原始ELM实验分析29
• 2.3.4 改进ELM算法分析29-30
• 2.3.5 改进ELM实验分析30-33
• 2.4 小结33-34
• 3 基于BP神经网络的旋转球轨迹预测34-44
• 3.1 BP神经网络34-35
• 3.1.1 BP神经网络的结构34-35
• 3.1.2 BP神经网络的学习算法35
• 3.2 BP神经网络预测模型的实现35-42
• 3.2.1 Matlab神经网络工具箱35-37
• 3.2.2 输入层和输出层设计37
• 3.2.3 训练参数以及训练算法的选择37
• 3.2.4 实验与分析37-40
• 3.2.5 实验结果对比与分析40-42
• 3.3 小结42-44
• 4 基于ELM算法的旋转球轨迹识别44-54
• 4.1 ELM算法分类器44
• 4.1.1 旋转球轨迹分类问题44
• 4.1.2 ELM分类器的旋转球分类过程44
• 4.2 原始ELM分类器应用44-49
• 4.2.1 输入层和输出层数据处理45
• 4.2.2 输入数据预处理45-46
• 4.2.3 分类函数46
• 4.2.4 实验结果与分析46-49
• 4.3 改进ELM算法分类器49-51
• 4.3.1 实验结果与分析50-51
• 4.4 改进ELM分类器与BP分类器对比51-53
• 4.4.1 输入层和输出层数据51
• 4.4.2 实验结果51-53
• 4.5 小结53-54
• 5 结束语54-55
• 5.1 工作总结54-55
• 参考文献55-58
• 作者简历及攻读硕士学位期间取得的研究成果58-60
• 学位论文数据集6

【参考文献】

中国期刊全文数据库 前1条

1 芮庆,胡宗武,宫崎文夫;用LWR学习进行乒乓球轨道预测的仿真研究[J];机器人;1998年05期

中国博士学位论文全文数据库 前1条

1 张远辉;基于实时视觉的乒乓球机器人标定和轨迹跟踪技术研究[D];浙江大学;2009年

，

本文编号：712256