基于AI的智能交换功能拉杆箱设计

葛霖霖，敬钊君

（青岛黄海学院 山东 青岛 266427）

0 引言

拉杆箱因其能够放置大量旅行用品或者办公、学习用品，且使用安全、方便，受到广大旅行爱好者、大学生或上班族的青睐[1]。随着人工智能的发展，人们将人工智能中的语音识别功能使用到拉杆箱上，为发展或者扩大拉杆箱的智能化使用奠定了一定的基础。在概述AI智能交换功能拉杆箱的设计原理的基础上，本文介绍了一种AI智能移动拉杆箱，本设计的目的在于供应一种AI智能移动拉杆箱，以解决现有技术中拉杆箱不能够有效地解决智能语音把握及节目源网络化的问题，且不能够实现人机互动、购物、把握模块，同时连接到操作处理模块，接收和发送把握指令。通过AI智能化语音实现其网络智能优化功能，实现人机互动无延迟的特点，为拓展AI技术在智能拉杆箱领域提供了一种理论和实践意义[2-3]。

1 功能模块步骤

传统的移动拉杆箱只是简单的一种机械装置，其主要功能是简单的装载实际物品功能，通俗地讲就是我们日常所见的“皮箱”。本次AI语音识别的拉杆箱主要以蓄电池升压为基础，将使用者的音频信号通过蓝牙进行放大扩声，实现其装卸物品的自动化功能。拉杆箱主要包括蓝牙把握模块、usb接口模块、tf/sd接口模块、数据传输模块、把握处理模块、aux输入模块、话筒拾取模块、耳机模块、扩声模块、喇叭模块、遥控语音装置。其主要操作过程分为以下几个步骤[4]：

步骤1：用户通过语音功能将指令传达于拉杆箱的蓝牙接收模块；

步骤2：蓝牙接收模块将用户的指令通过自带的AI智能装置进行自我语音识别；

步骤3：AI语音识别模块将处理的数据信息通过tf/sd接口模块进行分类机械设置和判定；

步骤4：拉杆箱的机械装置将各个机械操作模块进行自我任务的执行；

步骤5：AI智能拉杆箱将各阶段的任务通过AI语音识别功能对用户进行汇报；

步骤6：AI智能拉杆箱的使用阶段中，若发现系统错误，则将错误代码直接进行输入转换成为一个可显示的文字代码，将文字代码通过显示屏幕和语音模块分别进行输出。

2 拉杆箱模型构建

SVM智能网络由Vapnik基于统计学理论中的结构风险最小化首次创建，其创建思想是建立一个分类超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化，AI拉杆箱正是基于此种原理进行设计和操作。学习机器在测试数据上的误差训练误差率和一个赖以于VC维数（Vapnik-Chervonenkis dimension）的项的和为界面，在可分模式情况下，支持向量机对于前一项的值为零，并且使第二项最小化。该方法能在模式分类的基础上提供最好的泛化能力。SVM的网络示意图如图1所示[5-6]。

图1 SVM智能网络示意图

从图1中SVM网络模型可见，SVM网络由数据输入层、调整网络运算结果和结构的隐含层、数据输出的输出层三部分组成。SVM网络模型其运算原理如下：输入层数组个数为M个数组，每个数据p在输入层的有效表达为｛Xp输入｝，每个数组P在输出层的有效表达为｛Tp输出｝，P数组通过ANN网络隐含层中第i神经元时的总输入计算表达式为公式(1)：

上述f1（X）是一个Sigmoid调节函数，该表达式见（3）。

假设wki和kθ分别为节点i的权值和k节的阈值，q隐含层为模型中的隐含层节点择期表达式如公式（5）所示：

公式（5）的表达式如公式（6）所示：

数组p的误差函数表达式Wi-e为：

系统中总共N个样本函数表达式为公式（8）所示：

输出层k数据反馈至p时的数据为公式（9）所示：

模型系统加权和修正系数后的表达式为公式（10）所示：

为了提高模型的运算精度，在公式（10）系统中引入学习速率和动量因子修正系统的精度，其表达式如公式（11）、（12）所示：

若系统达到模型设定的误差或系统循环次数要求，则输出结果，否则重新开始运算。

AI拉杆箱的具体机械理论通过下述操作约束条件完成：

接触约束算法就是通过对接触边界约束条件的适当处理，将公式（13）中所示的约束问题转化为无约束优化问题。拉格朗日乘子法是解决小变形、小滑移基础问题最常采用的转换方法。拉格朗日乘子法通过引入乘子λ，定义修正的系统总势能满足公式（14）：

一般的，可将g对位移U作为layler展开，并只取线性项满足公式（15）的要求：

将式（15）代入公式（14）后，对U和λ求变分，可得系统代数控制方程为公式（16）：

拉格朗日乘子法中接触条件可以精确满足。拉格朗日乘子技术需要采用特殊的界面单元来描述接触，采用非线性迭代方程进行求解。

3 实测结果

通过对AI拉杆箱进行实测10 000次的使用效果评估检测，并对其使用过程中的具体操作要求进行结果操作，各功能数据如表1所示。从表1可见，AI智能拉杆箱操作测试中智能拉杆箱的语言操作合格率为99%，这主要是由于在接受测试的1 000名用户中使用普通话、四川方言、广东话、东北话、蒙古话的这几类主体测试时，因为方言的发言和具体的语音识别有一定的差异，从而对具体的语音采集和模式运算出现误差；在机械功能测试的时候，因为采用纯物理AI控制的指令传输，所以任何指令均完全满足操作要求，所以其合格率为100%。对其数据传输功能进行采集测试过程中，数据采集模块为90%，这是由于实验者在模拟实际旅客运行的繁杂环境中进行样本的采集，于是会出现数据采集结果为90%的结果，同样对于扩声装置、耳机模块及遥控语音装置的组建进行测试的时候，其具体实测结果为100%。

表1 AI智能拉杆箱操作测试

针对上述采集的数据和实测结果进行分析，并对其生产过程中的组件和运算模式进行全方位的改进，通过以下措施提高其准确率：

措施1：通过改进运算的模式参数，调整其具体法则和关键系数，进而改进其具体系统的反应灵敏度；

措施2：通过调整其具体的行为规则，改变其运算模块的系统延迟时间，进一步提高其反馈时间和运算维度，提高其系统反应的灵敏度；

措施3：通过调节其模块装置的位置，达到其具体规则的识别准则，进而提高其运算维度和系统反应速度，进一步提高其使用测试的准确率。

按照上述改进措施，对其AI智能语音手提箱重新进行10 000次的测试，其结果如表2所示，通过上述测试结果可见，改进后的AI智能拉杆箱操作测试的语音功能检测结果、数据传输检测结果、aux输入模块结果、喇叭模块检测结果、机械功能检测结果、话筒拾取模块检测结果、扩声模块检测结果、遥控语音装置检测结果均为100%。

表2 改进后的AI智能拉杆箱操作测试

4 结论

本文基于SVM网络设计出一种AI智能交换功能拉杆箱，其具体结论：

（1）拉杆箱主要包括蓝牙把握模块、usb接口模块、tf/sd接口模块、数据传输模块、把握处理模块、aux输入模块、话筒拾取模块、耳机模块、扩声模块、喇叭模块、遥控语音装置主要组件。

（2）通过SVM组件实现其具体拉杆箱的具体功能。

（3）通过改进运算的模式参数，调整其具体法则和关键系数，进而改进其具体系统的反应灵敏度。通过调整其具体的行为规则，改变其运算模块的系统延迟时间，进一步提高其反馈时间和运算维度，提高其系统反应的灵敏度。通过调节其模块装置的位置，达到其具体规则的识别准则，进而提高其运算维度和系统反应速度，进一步提高其使用测试的准确率。通过三项改进措施，经过10 000次的测试，拉杆箱的全部功能可满足100%的合格率要求。

（4）基于AI的智能化交换功能的拉杆箱设计是一种反应速度快，运算结果准确，能够充分实现用户功能的产品。