设计阶段中人机交互性能的优化方法

《IEEE Access》：Optimization Methods for Human-Machine Interaction Performance in the Design Phase

　　

摘要：

数字孪生模型可以通过人机界面全面显示工业设备和生产线的实时运行状态。然而，在复杂的交互场景中，交互界面可能会出现数据延迟和界面卡顿等问题。这些虚拟与物理之间的同步性问题可能导致操作员做出错误决策，从而限制了数字孪生系统在工程应用中的有效性。为了解决这个问题，本文提出了一种结合3DMark分数的图形处理单元（GPU）性能预测模型。同时，建立了一种多目标协同优化策略，以交互准确性和交互实时性能作为优化目标。首先，该方法将边界GPU基准数据与3DMark分数相结合，以高效预测边界内GPU的交互实时性能。然后引入Cobb-Douglas函数来建立人机交互精度的定量定义。最后，采用了非支配排序遗传算法II（NSGA-II），实现了精度和实时性能的协同优化，得到了一个帕累托最优的平衡解决方案。本文提出的方法应用于硬件选择和性能参数设计阶段，为各种操作条件下的交互界面性能提供了多种最优组合方案。为了验证该方法的有效性，在两个典型的工业场景（锻造生产和物流仓储）进行了验证。结果表明，在锻造场景中，该方法分别将交互时间和交互准确性提高了14.03%和21.35%；在仓储场景中，这些改进分别为4.22%和2.28%。