一种基于鸟类飞行行为分析的集成软件设计
一种基于鸟类飞行行为分析的集成软件设计[20191213084344]
摘 要
鸟类具有高超的飞行本领，飞行时进退自如、灵活异常。研究鸟类的这些飞行行为，对各类飞行器的设计有重要的借鉴意义。论文主要利用三轴加速度传感器建立一套电子装置并固定在鸟类背部，采集并存储鸟类飞行时的加速度数据。在鸟类归巢后，把数据下载到PC机中，通过人工神经网络等算法来分析鸟类头部摆动的幅度、频率等信息，用于研究鸟类的飞行行为。
论文具体建立了一个实验室模拟装置；以人工神经网络算法为核心，用C#语言编写了相应的集成分析软件。该软件界面包括数据加载、实时采集、图像分析和神经网络训练四个部分。实验中，用人手摆动模拟鸟类飞行时头部动作，通过模拟装置采集数据，用所开发的软件，进行了四种模式的识别。识别的误差已经控制在10%以内。
查看完整论文请+Q: 351916072
关键字:鸟类飞行行为；人工神经网络；三轴加速度传感器；C#编程；
目录
摘要 I
ABSTRACT ....II
第1章 绪 论 1
1.1课题研究背景 1
1.2课题研究意义 1
1.3课题基础 2
1.3.1三轴加速度传感器 2
1.3.2 C#编程语言 2
1.3.3人工神经网络 3
1.4 本文主要工作及各章节安排 3
1.4.1 主要工作 3
1.4.2各章节安排 4
第2章 三轴加速度传感器——MMA7361 5
2.1 三轴加速度传感器的特点 5
2.2 MMA7361原理 5
2.2.1基本原理 5
2.2.2 g-cell重力感应单元 5
2.3 MMA7361工作模式 6
2.4 硬件集成设计 7
2.4.1 总体设计 7
2.4.2加速度分辨率 8
2.4.3 数据采集及算法选择 8
第3章 人工神经网络算法及其编程实现 10
3.1 人工神经网络特点 10
3.2 人工神经网络的生物学基础——神经元 11
3.2.1 神经元特点 11
3.2.2单个神经元信息处理机制 11
3.2.3 神经元网络信息整合 12
3.2.4 神经元的数学模型 13
3.2.5 神经元的转移函数 16
3.3 人工神经网络模型 18
3.3.1 网络拓扑类型 18
3.3.2 神经网络学习规则 21
3.3.3 常用学习规则 22
3.4 使用AForge.NET实现神经网络 25
3.4.1 AForge.NET特点 25
3.4.2 使用Aforge建立Delta神经网络 26
第4章 软件集成设计 28
4.1编程语言特点 28
4.1.1 开发环境 28
4.1.2 C#语言特点 28
4.2软件总体设计 30
4.2.1 软件主界面设计 30
4.2.2 各模块功能设计 31
4.3 数据采集模块设计 32
4.3.1通信协议特点 32
4.3.2 数据保存格式 34
4.3.3串口初始化程序 36
4.3.4数据定时采集程序 37
4.4数据处理模块设计 38
4.4.1 数据处理总体设计思路 38
4.4.2数据预处理——归一化 38
4.4.3 数据处理——网络训练 40
4.4.4 实时检测功能的实现 42
4.5图像绘制模块设计 42
第5章 系统调试 44
5.1 数据采集注意事项 44
5.2 采样频率选择 44
5.3 系统软件调试 45
第6章 总结与展望 47
参考文献 48
致 谢 50
附图、附录 51
源程序 51
软件主界面 56
外文文献 58
外文译文 68
第1章 绪 论
1.1课题研究背景
100多年前，美国的莱特兄弟驾驶他们的飞行者号成功实现了人类历史上第一次飞行。那时的他们想像不到，仅仅过了50年，飞机的概念就由脆弱的小飞机发展到了喷气式飞机[1]，人们使用喷气式飞机甚至可以跨越大西洋。所以，航空业是一个需要想像的工业，假如今天的我们就是当时的莱特兄弟，想像一下，80多年后，到本世纪末，那时的飞机将会是什么样子的，那时的飞行生活又将是什么样子的呢？
最近热播的电影《钢铁侠3》中，钢铁侠驾驭着一身能够飞行的钢甲，又引发人们对未来飞行器的想象，身着一身钢甲恐怕还是有点夸张，但飞行器的小巧、灵活、低噪声可能就是未来飞行器的发展趋势，未来的人们是否能够像钢铁侠那样飞行？怎样才能像钢铁侠那样飞行？钢铁侠是怎样判断下坠、拐弯、障碍物的？
未来的飞行器将越来越像自然界的鸟儿，那时飞行起来就会产生极小的噪声。那样的系统将没有现在的飞机系统那么刚性，而是像鸟类那样，具有灵活多变性。鸟类飞行行为在鸟类仿生学中占有极其重要的地位，如果需要飞机具有鸟类那样，飞行起来噪声小、机动性大的特性，鸟类的飞行行为就有很大的研究价值，用什么样的工具去研究鸟类飞行行为也是一个崭新的课题，我们可以摒弃复杂庞大的数据计算以及模型，用人工神经网络替代。下面我将介绍我对研究的工具以及方法的一些看法。
1.2课题研究意义
本课题主要研究鸟类飞行时的原始加速度数据，挖掘数据中隐藏的鸟类飞行行为规律，并最终运用于小型飞行器研究。数据采集用的是三轴加速度传感器，它可以判断一个时刻三维的加速度情况，本课题将用三轴加速度传感器判断当前运动时的动作状态。算法分析利用人工神经网络，其最大的优点在于它不用考虑数据的内在联系，不用复杂的数学方法去计算数据的各种参数，而是动态的建立网络，然后训练网络得到权值和阀值，然后加以利用，判断相应的输入会有怎样的输出。这种三轴加速度传感器和人工神经网络的结合应用，不仅可以用来判断鸟类的行为模式，还可以推广到机器的故障分析，可以把机器调整到不同的可能出现的故障状态中，然后采集当前故障中的三轴加速度传感器数据，通过人工神经网络训练，得到权值和阀值直接利用，然后实时的判断机器是否发生故障，发生了什么故障。这种应用将是广泛的，在故障分析、机器人领域、运动控制都可以应用。
1.3课题基础
1.3.1三轴加速度传感器
本文采集的数据主要来自三轴加速度传感器，它是基于加速度的基本原来去实现工作的，加速度是个空间矢量，一方面，要准确了解物体的运动状态，必须测得其三个坐标轴上的分量；另一方面，在预先不知道物体运动方向的场合下，只有应用三轴加速度传感器来检测加速度信号。由于三轴加速度传感器也是基于重力原理的，因此用三轴加速度传感器可以实现双轴正负90度或双轴0-360度的倾角，通过校正后期精度要高于双轴加速度传感器大于测量角度为60度的情况。
三轴加速度传感器具有体积小和重量轻特点，可以测量空间加速度，能够全面准确反映物体的运动性质，在航空航天、机器人、汽车和医学等领域得到广泛的应用。
1.3.2 C#编程语言
本文集成软件界面利用C#语言编写。C#语言是一种简洁、类型安全的面向对象的语言。开发人员可以使用它来构建在.NET Framework上运行的各种安全、可靠的应用程序。使用C#语言可以创建传统的Windows客户端应用程序、XML Web services、分布式组件、C/S应用程序、Web应用程序以及很多其他类型的程序。本文主要应用C#创建Windows客户端应用程序，软件利用C#强大的类库资源集成了数据采集、图像分析、数据处理等功能。其中数据处理模块主要用到C# Aforge.Neuro（人工神经网络）类库[3]。
1.3.3人工神经网络
数据分析利用人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型 或计算模型 。神经网络是由多个非常简单的处理单元彼此按照某种方式相互连接而形成的计算系统，该系统是靠其状态对外部输入信息的动态响应来处理信息的，其功能取决于网络结构、连接强度（即权值）以及各单元的处理方式（即学习规则）。神经网络通过输入不同的学习规则和输入动态的改变权值大小，这正是模仿人脑结构及其功能的信息处理系统。
怎样模仿人脑的结构和信息处理方式是人工神经网络的研究重点[4]，目前比较成熟的结构主要是层次的、有反馈的网络，人脑是由神经元组成的网络，人工神经网络中的“神经元”又叫节点，每个节点代表一种特定的输出函数，称为激励函数（activation function）。节点之间的连接强度称之为权重（weight），权重相当于人脑中的的记忆功能。网络的输出根据权重、网络层次结构、激励函数调整，而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
1.4 本文主要工作及各章节安排
1.4.1 主要工作
根据人工神经网络相似输入有相似输出的理论，本文以鸟类运动为研究对象，通过三轴加速度传感器来采集鸟类飞行行为数据，首先对数据有一个预处理，然后利用数据动态建立人工神经网络，通过训练网络来得到权值和阀值加以利用。本论文拟做的主要工作包括以下几点：
一、分析人工神经网络特点以及算法；
二、提出鸟类飞行行为分析的总体设计方案；
三、根据要求设计鸟类飞行行为分析软件的数据采集部分；
四、根据要求设计鸟类飞行行为分析软件的数据处理部分；
五、结合现有的硬件和软件进行系统调试；
六、对调试结果设计改进方案
1.4.2各章节安排
本文的各章节安排如下：
第一章 绪论，介绍课题研究背景、意义、课题理论基础，并提出了论文的主要工作。
第二章 三轴加速度传感器在本文中的应用。
第三章 主要介绍数据分析算法，即人工神经网络算法理论模型以及程序实现方法。
第四章 对鸟类飞行行为分析的软件设计进行。
第五章 进行系统调试。介绍整体调试过程，给出实测的数据，并进行分析。
第六章 总结和展望 对全文的工作进行总结，并且对下一步的研究方向提出了建议。
第2章 三轴加速度传感器——MMA7361
2.1 三轴加速度传感器的特点
三轴加速度传感器具有体积小和重量轻特点，可以测量空间加速度，能够全面准确反映物体的运动性质，因为本设计要用到鸟类身上采集数据，传感器的小巧低功耗最重要，三轴加速度传感器真好符合该特点。
目前的三轴加速度传感器大多采用压阻式、压电式和电容式工作原理，产生的加速度正比于电阻、电压和电容的变化，通过相应的放大和滤波电路进行采集。这个和普通的加速度传感器是基于同样的一个原理[9]，所以在一定的技术上三个单轴就可以变成一个三轴。
2.2 MMA7361原理
2.2.1基本原理
MMA7361采用数字电容式工作原理，产生加速度与电容变化成正比，由一个MEMS电容感应g-cell单元组成。.
MMA7361是一种电容式重力感应传感器，电容式重力感应传感器大多为欧美厂商，其技术是在wafer的表面做出梳状结构，当产生动作时,由侦测电容差来判断变形量，反推出加速度的值。 与压阻式不同的是，电容式很难在同一个结构中同时感测到三个轴(X,Y,Z)的变化，通常都是X,Y和Z分开来的，这也就是为什么当板子水平放置时，无论如何改变X,Y的位置,都不会有中断产生，因为这时它只能检测Z轴的变化，X和Y的变化它检测不到， 只有当我们将板子倾斜一个角度后才能检测X,Y的变化)，而压阻式在同一个结构就能感测到三个轴的变化。
摘 要
鸟类具有高超的飞行本领，飞行时进退自如、灵活异常。研究鸟类的这些飞行行为，对各类飞行器的设计有重要的借鉴意义。论文主要利用三轴加速度传感器建立一套电子装置并固定在鸟类背部，采集并存储鸟类飞行时的加速度数据。在鸟类归巢后，把数据下载到PC机中，通过人工神经网络等算法来分析鸟类头部摆动的幅度、频率等信息，用于研究鸟类的飞行行为。
论文具体建立了一个实验室模拟装置；以人工神经网络算法为核心，用C#语言编写了相应的集成分析软件。该软件界面包括数据加载、实时采集、图像分析和神经网络训练四个部分。实验中，用人手摆动模拟鸟类飞行时头部动作，通过模拟装置采集数据，用所开发的软件，进行了四种模式的识别。识别的误差已经控制在10%以内。
查看完整论文请+Q: 351916072
关键字:鸟类飞行行为；人工神经网络；三轴加速度传感器；C#编程；
目录
摘要 I
ABSTRACT ....II
第1章 绪 论 1
1.1课题研究背景 1
1.2课题研究意义 1
1.3课题基础 2
1.3.1三轴加速度传感器 2
1.3.2 C#编程语言 2
1.3.3人工神经网络 3
1.4 本文主要工作及各章节安排 3
1.4.1 主要工作 3
1.4.2各章节安排 4
第2章 三轴加速度传感器——MMA7361 5
2.1 三轴加速度传感器的特点 5
2.2 MMA7361原理 5
2.2.1基本原理 5
2.2.2 g-cell重力感应单元 5
2.3 MMA7361工作模式 6
2.4 硬件集成设计 7
2.4.1 总体设计 7
2.4.2加速度分辨率 8
2.4.3 数据采集及算法选择 8
第3章 人工神经网络算法及其编程实现 10
3.1 人工神经网络特点 10
3.2 人工神经网络的生物学基础——神经元 11
3.2.1 神经元特点 11
3.2.2单个神经元信息处理机制 11
3.2.3 神经元网络信息整合 12
3.2.4 神经元的数学模型 13
3.2.5 神经元的转移函数 16
3.3 人工神经网络模型 18
3.3.1 网络拓扑类型 18
3.3.2 神经网络学习规则 21
3.3.3 常用学习规则 22
3.4 使用AForge.NET实现神经网络 25
3.4.1 AForge.NET特点 25
3.4.2 使用Aforge建立Delta神经网络 26
第4章 软件集成设计 28
4.1编程语言特点 28
4.1.1 开发环境 28
4.1.2 C#语言特点 28
4.2软件总体设计 30
4.2.1 软件主界面设计 30
4.2.2 各模块功能设计 31
4.3 数据采集模块设计 32
4.3.1通信协议特点 32
4.3.2 数据保存格式 34
4.3.3串口初始化程序 36
4.3.4数据定时采集程序 37
4.4数据处理模块设计 38
4.4.1 数据处理总体设计思路 38
4.4.2数据预处理——归一化 38
4.4.3 数据处理——网络训练 40
4.4.4 实时检测功能的实现 42
4.5图像绘制模块设计 42
第5章 系统调试 44
5.1 数据采集注意事项 44
5.2 采样频率选择 44
5.3 系统软件调试 45
第6章 总结与展望 47
参考文献 48
致 谢 50
附图、附录 51
源程序 51
软件主界面 56
外文文献 58
外文译文 68
第1章 绪 论
1.1课题研究背景
100多年前，美国的莱特兄弟驾驶他们的飞行者号成功实现了人类历史上第一次飞行。那时的他们想像不到，仅仅过了50年，飞机的概念就由脆弱的小飞机发展到了喷气式飞机[1]，人们使用喷气式飞机甚至可以跨越大西洋。所以，航空业是一个需要想像的工业，假如今天的我们就是当时的莱特兄弟，想像一下，80多年后，到本世纪末，那时的飞机将会是什么样子的，那时的飞行生活又将是什么样子的呢？
最近热播的电影《钢铁侠3》中，钢铁侠驾驭着一身能够飞行的钢甲，又引发人们对未来飞行器的想象，身着一身钢甲恐怕还是有点夸张，但飞行器的小巧、灵活、低噪声可能就是未来飞行器的发展趋势，未来的人们是否能够像钢铁侠那样飞行？怎样才能像钢铁侠那样飞行？钢铁侠是怎样判断下坠、拐弯、障碍物的？
未来的飞行器将越来越像自然界的鸟儿，那时飞行起来就会产生极小的噪声。那样的系统将没有现在的飞机系统那么刚性，而是像鸟类那样，具有灵活多变性。鸟类飞行行为在鸟类仿生学中占有极其重要的地位，如果需要飞机具有鸟类那样，飞行起来噪声小、机动性大的特性，鸟类的飞行行为就有很大的研究价值，用什么样的工具去研究鸟类飞行行为也是一个崭新的课题，我们可以摒弃复杂庞大的数据计算以及模型，用人工神经网络替代。下面我将介绍我对研究的工具以及方法的一些看法。
1.2课题研究意义
本课题主要研究鸟类飞行时的原始加速度数据，挖掘数据中隐藏的鸟类飞行行为规律，并最终运用于小型飞行器研究。数据采集用的是三轴加速度传感器，它可以判断一个时刻三维的加速度情况，本课题将用三轴加速度传感器判断当前运动时的动作状态。算法分析利用人工神经网络，其最大的优点在于它不用考虑数据的内在联系，不用复杂的数学方法去计算数据的各种参数，而是动态的建立网络，然后训练网络得到权值和阀值，然后加以利用，判断相应的输入会有怎样的输出。这种三轴加速度传感器和人工神经网络的结合应用，不仅可以用来判断鸟类的行为模式，还可以推广到机器的故障分析，可以把机器调整到不同的可能出现的故障状态中，然后采集当前故障中的三轴加速度传感器数据，通过人工神经网络训练，得到权值和阀值直接利用，然后实时的判断机器是否发生故障，发生了什么故障。这种应用将是广泛的，在故障分析、机器人领域、运动控制都可以应用。
1.3课题基础
1.3.1三轴加速度传感器
本文采集的数据主要来自三轴加速度传感器，它是基于加速度的基本原来去实现工作的，加速度是个空间矢量，一方面，要准确了解物体的运动状态，必须测得其三个坐标轴上的分量；另一方面，在预先不知道物体运动方向的场合下，只有应用三轴加速度传感器来检测加速度信号。由于三轴加速度传感器也是基于重力原理的，因此用三轴加速度传感器可以实现双轴正负90度或双轴0-360度的倾角，通过校正后期精度要高于双轴加速度传感器大于测量角度为60度的情况。
三轴加速度传感器具有体积小和重量轻特点，可以测量空间加速度，能够全面准确反映物体的运动性质，在航空航天、机器人、汽车和医学等领域得到广泛的应用。
1.3.2 C#编程语言
本文集成软件界面利用C#语言编写。C#语言是一种简洁、类型安全的面向对象的语言。开发人员可以使用它来构建在.NET Framework上运行的各种安全、可靠的应用程序。使用C#语言可以创建传统的Windows客户端应用程序、XML Web services、分布式组件、C/S应用程序、Web应用程序以及很多其他类型的程序。本文主要应用C#创建Windows客户端应用程序，软件利用C#强大的类库资源集成了数据采集、图像分析、数据处理等功能。其中数据处理模块主要用到C# Aforge.Neuro（人工神经网络）类库[3]。
1.3.3人工神经网络
数据分析利用人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN），是一种模仿生物神经网络
怎样模仿人脑的结构和信息处理方式是人工神经网络的研究重点[4]，目前比较成熟的结构主要是层次的、有反馈的网络，人脑是由神经元组成的网络，人工神经网络中的“神经元”又叫节点，每个节点代表一种特定的输出函数，称为激励函数（activation function）。节点之间的连接强度称之为权重（weight），权重相当于人脑中的的记忆功能。网络的输出根据权重、网络层次结构、激励函数调整，而网络自身通常都是对自然界某种算法或者函数的逼近
1.4 本文主要工作及各章节安排
1.4.1 主要工作
根据人工神经网络相似输入有相似输出的理论，本文以鸟类运动为研究对象，通过三轴加速度传感器来采集鸟类飞行行为数据，首先对数据有一个预处理，然后利用数据动态建立人工神经网络，通过训练网络来得到权值和阀值加以利用。本论文拟做的主要工作包括以下几点：
一、分析人工神经网络特点以及算法；
二、提出鸟类飞行行为分析的总体设计方案；
三、根据要求设计鸟类飞行行为分析软件的数据采集部分；
四、根据要求设计鸟类飞行行为分析软件的数据处理部分；
五、结合现有的硬件和软件进行系统调试；
六、对调试结果设计改进方案
1.4.2各章节安排
本文的各章节安排如下：
第一章 绪论，介绍课题研究背景、意义、课题理论基础，并提出了论文的主要工作。
第二章 三轴加速度传感器在本文中的应用。
第三章 主要介绍数据分析算法，即人工神经网络算法理论模型以及程序实现方法。
第四章 对鸟类飞行行为分析的软件设计进行。
第五章 进行系统调试。介绍整体调试过程，给出实测的数据，并进行分析。
第六章 总结和展望 对全文的工作进行总结，并且对下一步的研究方向提出了建议。
第2章 三轴加速度传感器——MMA7361
2.1 三轴加速度传感器的特点
三轴加速度传感器具有体积小和重量轻特点，可以测量空间加速度，能够全面准确反映物体的运动性质，因为本设计要用到鸟类身上采集数据，传感器的小巧低功耗最重要，三轴加速度传感器真好符合该特点。
目前的三轴加速度传感器大多采用压阻式、压电式和电容式工作原理，产生的加速度正比于电阻、电压和电容的变化，通过相应的放大和滤波电路进行采集。这个和普通的加速度传感器是基于同样的一个原理[9]，所以在一定的技术上三个单轴就可以变成一个三轴。
2.2 MMA7361原理
2.2.1基本原理
MMA7361采用数字电容式工作原理，产生加速度与电容变化成正比，由一个MEMS电容感应g-cell单元组成。.
MMA7361是一种电容式重力感应传感器，电容式重力感应传感器大多为欧美厂商，其技术是在wafer的表面做出梳状结构，当产生动作时,由侦测电容差来判断变形量，反推出加速度的值。 与压阻式不同的是，电容式很难在同一个结构中同时感测到三个轴(X,Y,Z)的变化，通常都是X,Y和Z分开来的，这也就是为什么当板子水平放置时，无论如何改变X,Y的位置,都不会有中断产生，因为这时它只能检测Z轴的变化，X和Y的变化它检测不到， 只有当我们将板子倾斜一个角度后才能检测X,Y的变化)，而压阻式在同一个结构就能感测到三个轴的变化。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/2293.html
