摘要
穴位的位置是否找准会直接影响治疗效果,因此设计了一种基于粒子群算法优化神经网络(PSO-BP)的穴位相对坐标预测模型,然后与ARM结合构成一个可以用于人体穴位定位的系统。首先采用PC进行MATLAB仿真训练学习,然后将最优权值及阈值保存下来并简化算法嵌入ARM内,将在线预测转变为离线过程。实验结果表明:经粒子群优化过的BP神经网络有效地改善了局部极值缺陷,可应用于定位端预测穴位的位置,并在LCD中显示穴位相关信息,控制端收到位置数据后可执行电机上的运动操作。
狭义的家装:指室内装饰;是从美化的角度来考虑的,以使室内的空间更美观;
广义的家装:包括室内空间的改造、装修;今天我们说的家装多为广义的家装,是室内装修和装饰的综合。
中文引用格式:杨向萍,吴玉丹. 基于PSO-BP神经网络的人体穴位定位系统设计[J].电子技术应用,2018,44(9):75-78.
英文引用格式:Yang Xiangping,Wu Yudan. Acupoint positioning system based on PSO-BP neural network[J]. Application of Electronic Technique,2018,44(9):75-78.
0 引言
人体穴位分布容易受到人体尺寸和比例的影响,所以具有以下两个特性:非线性、模糊不确定性。人体穴位分布的解决方法主要有3种:视觉技术、光学定位法和专家系统法。但是这些方法存在着一些不足:视觉技术采用的是二维视觉测量结合图像处理进行人工标志穴位定位,庞大的分析系统降低了定位的实时性,并且应用场合有局限[1];光学定位法可模拟人眼得出物体的三维坐标达到定位目的,但是定位标靶和周围环境背景都会给定位造成极大的干扰,降低定位精度[2];专家系统法是整合专家经验知识,在实际应用中很难将这些经验转化成一系列规则。
人工智能和仿生技术的发展,出现了很多基于人工智能的预测方法。为了提高中医按摩机器人穴位寻找行为规划的精度,山东建筑大学提出了一种基于遗传算法优化BP神经网络的中医按摩机器人穴位坐标预测方法。结果表明,该方法对中医按摩机器人寻找患者穴位坐标具有较好的精度和预测准确性[3]。由于遗传算法的交叉变异部分会使整个收敛过程变慢,在实际应用中,稳定性可能会比较低。而粒子群算法过程比较简单,所以采用粒子群算法优化BP神经网络算法建立稳定准确的穴位坐标预测模型[4],简化学习过程后将过程移植进ARM[5-6]。最后测试表明:优化后的BP神经网络具有更快的收敛性和适应性,还有比较高的预测精度和稳定性。
本文提出的整体系统设计方案是基于ARM和PSO-BP的人体穴位定位,该系统还具备穴位坐标实时显示及穴位信息播报的功能。由于整个算法的学习过程比较复杂,循环次数非常多,会拖慢整个系统的运行