5.17 基于模糊神经网络的乒乓球旋转飞行轨迹模式分类
<p>基于模糊神经网络的乒乓球旋转飞行轨迹模式分类
任艳青, 方灶军,徐德, 谭民
控制与决策 2014年2月 第29卷 第2期</p>
<p>基于参数模型方法的主要思想是：通过对乒乓球进行受力分析，建立反弹模型得出其参数模型，然后通过在视觉测量的轨迹上选取部分测量点计算出初始点，代入参数模型通过迭代来预测飞行轨迹。
根据发动机获得的旋转轨迹统计得到，因旋转引起飞行轨迹偏移量可以达到7-8cm。
1 乒乓球的基本旋转轴及其旋转种类
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=aa5f51409106303c95aa61fe0a11250d&amp;file=file.png" alt="" />
2 旋转球在飞行中的受力分析
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=5cd6db2a398e4b1e3dec4d8e91aa2708&amp;file=file.png" alt="" />
3 模糊神经网络分类器的设计
3.1 模糊神经网络
本文将通过设计模糊神经网络分类器来解决对乒乓球飞行轨迹的旋转模式分类问题。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=a855f8a4d4081c3203fb81c1dce9e804&amp;file=file.png" alt="" />
3.2 模糊神经网络参数设置
3.2.1 输入向量和输出向量
输入向量的维数为18，输出向量的维数是3。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=68edeb92120fac13ed48e73bdb22596f&amp;file=file.png" alt="" />
3.2.2 隐含层的节点数
隐含层节点数的大小直接影响到神经网络的分类性能。节点数太大造成网络的学习过程过长
, 太小会使网络的容错性能变差。
3.3 旋球模式判断
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=582ebed0ca1393b8dc083872bc17877c&amp;file=file.png" alt="" />
4 BP神经网络分类器的实验结果
实验分3部分进行：
（1）神经网络的训练、校验和测试；
（2）选取新的左右旋、上下旋飞行轨迹作为测试样本；
（3）选取斜轴上的数据作为测试样本。
实验1
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=5ae5bca3ba62110529497022edf54ca4&amp;file=file.png" alt="" /></p>
<p><img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=acb167c94ed359623fc5959df1680909&amp;file=file.png" alt="" /></p>
<p><img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=7caa592d05a4e059c20e505f0acd1918&amp;file=file.png" alt="" />
分类器1的分类结果准确率可以达到98.41%，分类器2的分类结果准确率可以达到98.41%。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=6fc1decc87bc0a31c5a9a82e30a14572&amp;file=file.png" alt="" /></p>
<p>实验2
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=aabb7645463afe98aa33ffdb814aac05&amp;file=file.png" alt="" />
分类器1分类的正确率为100%，分类器2分类的正确率为97.5%。</p>
<p>实验3
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=88dd1d70f57c2e481cc3261032478786&amp;file=file.png" alt="" />
分类器1分类和分类器2分类的准确率均为100%。
5 结论
实验结果验证了分类器的有效性，两个分类器将有助于提高旋转球轨迹预测的准确性。</p>