基于生活日志数据利用机器学习方法对人类活动水平进行分类 郑世和（Si-Hwa Jeong）、 南ウムミン（Woomin Nam）和 朴圭哲（Keon Chul Park）

《Sensors》：Application of Machine Learning Approach to Classify Human Activity Level Based on Lifelog Data Si-Hwa Jeong, Woomin Nam and Keon Chul Park

　　

摘要

本文提出了一种基于改进型白鲸优化算法的轨迹规划方法，用于具有复杂表面的等离子喷涂机器人的轨迹规划。首先，分析了该6自由度移动等离子机器人的系统架构、运动学模型及轨迹规划约束，包括运动学、动力学和环境约束，并建立了一个以时间优化、能耗和平滑性为目标的约束目标优化函数。其次，为了解决原始白鲸优化算法在全局搜索与局部开发之间的平衡问题，引入了帐篷混沌映射策略来增强种群多样性，并结合正弦和余弦算法优化搜索过程，从而提高收敛精度和稳定性。实验部分通过标准测试函数和轨迹规划的特定指标进行了验证。结果表明，改进型白鲸优化算法（IBWO）在收敛精度、稳定性和综合性能方面显著优于原始白鲸优化算法、粒子群优化算法等对比算法。此外，轨迹规划实例显示，由改进型白鲸优化生成的关节轨迹平滑且满足高约束要求，非常适合复杂表面的喷涂任务。