【技术实现步骤摘要】
本申请涉及深度学习，尤其涉及一种用于vr设备的摇杆控制异常检测方法。
技术介绍
1、在虚拟现实（vr）技术迅速发展的当下，vr设备在游戏、教育等领域的应用日益广泛。摇杆作为vr设备中最关键的交互工具之一，其精确度和稳定性对于提升用户的沉浸式体验至关重要。然而，由于复杂的物理结构和高频度的用户交互，摇杆系统很容易发生性能衰减或控制异常，如响应延迟、运动不稳定或频繁震动，这不仅影响用户体验，也会导致设备故障或安全事故。
2、目前，针对摇杆控制异常的检测和处理大多依赖于传统的硬件维护和人工检测，这种方法不仅耗时耗力，而且效率低下，难以实时准确地发现和处理问题。此外，传统方法往往采取被动应对策略，只有在用户明显感知到异常或设备发生故障时才进行干预，难以做到预防性维护或及时响应。这些问题严重制约了vr设备的性能稳定性和用户体验的提升。
技术实现思路
1、本申请提供了一种用于vr设备的摇杆控制异常检测方法，进而提高了用于vr设备的摇杆控制异常检测准确率。
2、本申请第一方面提供了一种用于vr设备的摇杆控制异常检测方法，所述用于vr设备的摇杆控制异常检测方法包括：
3、获取vr设备摇杆系统的摇杆几何参数数据，并基于格拉肖夫准则和所述摇杆几何参数数据构建所述vr设备摇杆系统的摇杆运动基准模型，以及基于预置的双层优化算法对所述摇杆运动基准模型进行摇杆运动模型优化，得到目标摇杆运动模型；
4、基于所述目标摇杆运动模型对所述vr设备摇杆系统进行摇杆运动数据
5、通过预置的异常检测阈值函数对所述目标摇杆运动数据进行初步异常检测，得到多个目标摇杆运动异常区间，并对所述目标摇杆运动异常区间进行深度异常分析，得到多个目标摇杆运动异常点；
6、对所述多个目标摇杆运动异常点进行异常点分类，得到第一摇杆运动异常点集合以及第二摇杆运动异常点集合，并对所述第一摇杆运动异常点集合以及所述第二摇杆运动异常点集合进行特征编码和矩阵转换，得到摇杆运动异常特征矩阵；
7、将所述摇杆运动异常特征矩阵输入预置的摇杆控制异常检测模型进行vr设备摇杆系统的摇杆控制异常反馈检测，得到摇杆控制异常检测结果；
8、基于预置的异常反馈机制对所述摇杆控制异常检测结果进行自适应异常处理，得到初始摇杆控制异常处理策略，并通过预置的遗传算法对所述初始摇杆控制异常处理策略进行策略优化，得到目标摇杆控制异常处理策略。
9、本申请第二方面提供了一种用于vr设备的摇杆控制异常检测装置，所述用于vr设备的摇杆控制异常检测装置包括：
10、获取模块，用于获取vr设备摇杆系统的摇杆几何参数数据，并基于格拉肖夫准则和所述摇杆几何参数数据构建所述vr设备摇杆系统的摇杆运动基准模型，以及基于预置的双层优化算法对所述摇杆运动基准模型进行摇杆运动模型优化，得到目标摇杆运动模型；
11、处理模块，用于基于所述目标摇杆运动模型对所述vr设备摇杆系统进行摇杆运动数据采集，得到初始摇杆运动数据，并对所述初始摇杆运动数据进行数据清洗和尺度归一化处理，得到目标摇杆运动数据；
12、分析模块，用于通过预置的异常检测阈值函数对所述目标摇杆运动数据进行初步异常检测，得到多个目标摇杆运动异常区间，并对所述目标摇杆运动异常区间进行深度异常分析，得到多个目标摇杆运动异常点；
13、编码模块，用于对所述多个目标摇杆运动异常点进行异常点分类，得到第一摇杆运动异常点集合以及第二摇杆运动异常点集合，并对所述第一摇杆运动异常点集合以及所述第二摇杆运动异常点集合进行特征编码和矩阵转换，得到摇杆运动异常特征矩阵；
14、检测模块，用于将所述摇杆运动异常特征矩阵输入预置的摇杆控制异常检测模型进行vr设备摇杆系统的摇杆控制异常反馈检测，得到摇杆控制异常检测结果；
15、优化模块，用于基于预置的异常反馈机制对所述摇杆控制异常检测结果进行自适应异常处理，得到初始摇杆控制异常处理策略，并通过预置的遗传算法对所述初始摇杆控制异常处理策略进行策略优化，得到目标摇杆控制异常处理策略。
16、本申请第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的用于vr设备的摇杆控制异常检测方法。
17、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的用于vr设备的摇杆控制异常检测方法。
18、本申请提供的技术方案中，通过获取vr设备摇杆系统的几何参数数据，并基于格拉肖夫准则构建摇杆运动基准模型，这种方法能够精确地定义摇杆运动的理想轨迹和性能标准。这种精确的基准模型是识别和评估异常行为的关键，能够显著提高摇杆控制的精确度和可靠性。采用双层优化算法对摇杆运动模型进行优化，考虑到了摇杆的整体运动效率和用户操作的舒适度。这不仅提高了摇杆的响应性和流畅性，还优化了用户的交互体验，使得vr设备的使用更加直观和自然。基于目标摇杆运动模型进行的摇杆运动数据采集，结合数据清洗和尺度归一化处理，确保了监测数据的准确性和实时性。这使得系统能够快速识别异常情况，及时做出响应，减少故障发生的概率和对用户体验的影响。通过深度异常分析，系统能够识别出摇杆运动中的具体异常点，提供了异常原因的更深层次理解。这对于准确定位问题源头和采取针对性的维修措施至关重要。通过特征编码和矩阵转换，将异常点进行有效分类，提高了异常检测的准确度和效率。这种智能分类和特征分析为后续的异常处理提供了强有力的数据支持。采用自适应异常处理机制和遗传算法对处理策略进行优化，使得系统不仅能够针对当前的异常情况做出响应，还能基于历史数据和持续学习不断优化其异常处理策略，进而提高了用于vr设备的摇杆控制异常检测准确率。
本文档来自技高网...【技术保护点】
1.一种用于VR设备的摇杆控制异常检测方法，其特征在于，所述用于VR设备的摇杆控制异常检测方法包括：
2.根据权利要求1所述的用于VR设备的摇杆控制异常检测方法，其特征在于，所述获取VR设备摇杆系统的摇杆几何参数数据，并基于格拉肖夫准则和所述摇杆几何参数数据构建所述VR设备摇杆系统的摇杆运动基准模型，以及基于预置的双层优化算法对所述摇杆运动基准模型进行摇杆运动模型优化，得到目标摇杆运动模型，包括：
3.根据权利要求1所述的用于VR设备的摇杆控制异常检测方法，其特征在于，所述基于所述目标摇杆运动模型对所述VR设备摇杆系统进行摇杆运动数据采集，得到初始摇杆运动数据，并对所述初始摇杆运动数据进行数据清洗和尺度归一化处理，得到目标摇杆运动数据，包括：
4.根据权利要求1所述的用于VR设备的摇杆控制异常检测方法，其特征在于，所述通过预置的异常检测阈值函数对所述目标摇杆运动数据进行初步异常检测，得到多个目标摇杆运动异常区间，并对所述目标摇杆运动异常区间进行深度异常分析，得到多个目标摇杆运动异常点，包括：
5.根据权利要求1所述的用于VR设备的摇
6.根据权利要求1所述的用于VR设备的摇杆控制异常检测方法，其特征在于，所述将所述摇杆运动异常特征矩阵输入预置的摇杆控制异常检测模型进行VR设备摇杆系统的摇杆控制异常反馈检测，得到摇杆控制异常检测结果，包括：
7.根据权利要求3所述的用于VR设备的摇杆控制异常检测方法，其特征在于，所述基于预置的异常反馈机制对所述摇杆控制异常检测结果进行自适应异常处理，得到初始摇杆控制异常处理策略，并通过预置的遗传算法对所述初始摇杆控制异常处理策略进行策略优化，得到目标摇杆控制异常处理策略，包括：
8.一种用于VR设备的摇杆控制异常检测装置，其特征在于，所述用于VR设备的摇杆控制异常检测装置包括：
9.一种计算机设备，其特征在于，所述计算机设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的用于VR设备的摇杆控制异常检测方法。
...【技术特征摘要】
1.一种用于vr设备的摇杆控制异常检测方法，其特征在于，所述用于vr设备的摇杆控制异常检测方法包括：
2.根据权利要求1所述的用于vr设备的摇杆控制异常检测方法，其特征在于，所述获取vr设备摇杆系统的摇杆几何参数数据，并基于格拉肖夫准则和所述摇杆几何参数数据构建所述vr设备摇杆系统的摇杆运动基准模型，以及基于预置的双层优化算法对所述摇杆运动基准模型进行摇杆运动模型优化，得到目标摇杆运动模型，包括：
3.根据权利要求1所述的用于vr设备的摇杆控制异常检测方法，其特征在于，所述基于所述目标摇杆运动模型对所述vr设备摇杆系统进行摇杆运动数据采集，得到初始摇杆运动数据，并对所述初始摇杆运动数据进行数据清洗和尺度归一化处理，得到目标摇杆运动数据，包括：
4.根据权利要求1所述的用于vr设备的摇杆控制异常检测方法，其特征在于，所述通过预置的异常检测阈值函数对所述目标摇杆运动数据进行初步异常检测，得到多个目标摇杆运动异常区间，并对所述目标摇杆运动异常区间进行深度异常分析，得到多个目标摇杆运动异常点，包括：
5.根据权利要求1所述的用于vr设备的摇杆控制异常检测方法，其特征在于，所述对所述多个目标摇杆运动异常点进行异常点分类，得到第一摇...
【专利技术属性】
技术研发人员：曾晓，赵建波，邱辉，
申请(专利权)人：广东控银实业有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。