数字孪生技术中的数据传感器融合以增强家庭环境能力

本文研究了数字孪生技术中数据传感器融合的集成，以增强家庭环境能力，特别是在新冠疫情及其经济影响所带来的挑战背景下。研究强调了数字化转型在不仅适应而且缓解第四次工业革命期间中断方面的关键作用。使用Wit Motion传感器，收集了行走、工作、坐着和躺着等活动的数据，传感器测量加速度计、陀螺仪和磁力计。该研究整合了信息物理系统、物联网、人工智能和机器人技术，以强化数字孪生能力。该论文比较了传感器融合方法，包括特征级融合、决策级融合和卡尔曼滤波融合，以及SVM、GBoost和随机森林等机器学习模型，以评估模型的有效性。结果表明，传感器融合显著提高了这些模型的准确性和可靠性，因为它弥补了单个传感器的弱点，特别是磁力计。尽管在理想条件下精度更高，但整合多个传感器的数据可确保在实际环境中获得更一致和可靠的结果，从而建立一个可以自信地应用于实际场景的稳健系统。