طراحی یک سیستم ترکیبی فازی با K-Means برای تشخیص نوع جسم با استفاده از داده های حسگر خمشی

دستکش های هوشمند با حسگرهای خمشی یکی از ابزارهای موثر در تعامل انسان ماشین و توانبخشی هستند و کاربردهای وسیعی در حوزه های مختلف پیدا کرده اند. علیرغم پیشرفت های اخیر چالش هایی مانند هزینه بالا، نیاز به کالیبراسیون توسط کاربر یا اپراتور، خطا در تشخیص حرکات ناقص و وابستگی به پردازش ابری همچنان وجود دارد. از این رو تحقیق و توسعه در زمینه طراحی حسگرهای ارزان، الگوریتم های مقاوم مبتنی بر منطق فازی و یادگیری ماشین و همچنین معماری های پردازش لب های برای دستیابی به دستکش های هوشمند، عملی دقیق و در دسترس ضروری است. در این تحقیق یک سیستم فازی مبتنی بر خوشه بندی K-Means برای تشخیص نوع جسم در دست با استفاده از پنج حسگر خمشی ارائه شده است. ابتداء داده ها علی رغم برچسب های زبانی با الگوریتم K-Means خوشه بندی می شوند تا مراکز خوشه ها به دست آید. در ادامه پراکندگی یا انحراف معیار هر خوشه برای طراحی توابع عضویت محاسبه می شود. توابع عضویت فازی بر اساس این مراکز و انحراف معیارها تعریف می شوند. برای هر حسگر سه تابع عضویت طراحی می شود. قوانین فازی با عملگر AND نوشته و آزمایش می گردد. خروجی هر قانون یک عدد بین ۰ تا ۲ است که پس از غیر فازی سازی به نزدیک ترین برچسب نگاشت می شود. با جایگزینی عملگر کمینه با میانگین و سپس حاصل ضرب، دقت از ۵۴.۸ به و در نهایت به ۸۶.۲٪ افزایش یافت. با توجه به سادگی، روش، تعداد محدود حسگرها و قابلیت پیاده سازی بلادرنگ، این نتیجه در مقایسه با روش های مشابه کارآیی بهتری دارد.

کلیدواژه ها:

ژست ، دست ، حسگر خمشی ، منطق فازی ، خوشه بندی K-Means ، تابع عضویت گوسی