首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 125 毫秒
1.
5 DOF穿戴式上肢康复机器人控制方法研究   总被引:4,自引:0,他引:4  
提出了一种面向偏瘫患者,可实现单关节和多关节运动的5自由度穿戴式上肢康复机器人的控制新方法.根据偏瘫患者上肢单侧受损的特点,该机器人利用偏瘫患者的健肢运动的表面肌电信号(sEMG)驱动康复机械臂辅助患者患肢实现康复训练.利用肌电绝对值积分(IAV)和自回归参数模型法(AR model)对选定的上肢四块肌肉运动产生的sEMG信号进行分析,所提取的特征分别作为基于Levenberg-Marquardt算法的反向传播神经网络的输入,6个上肢运动作为输出建立表面肌电信号与上肢康复动作之间的关系.试验结果表明该方法利用sEMG准确地完成了对上肢康复动作的识别.这一方法有利于提高患者运动积极性,保持正确运动的感觉,并为研究患者受损上肢表面肌电信号与肌肉运动的关系打下了基础.  相似文献   

2.
为了平面二自由度冗余驱动并联机器人更好地跟踪目标轨迹,在已有计算力矩控制的基础上加入CMAC神经网络作为补偿.CMAC结构中,轨迹跟踪误差与同步误差构造的耦合误差及其变化率组成网络的输入,经过学习后得到补偿力矩.Matlab的仿真结果表明:加入了CMAC网络补偿后,轨迹的跟踪误差与支链的同步误差都能够收敛到0,与经典的计算力矩法比较,精度有较大的提升.在计算力矩法的基础上加入CMAC网络,确实能够实现目标轨迹精确的同步跟踪.  相似文献   

3.
针对入侵检测系统对异常入侵检测的不足,采用CMAC神经网络,将其应用于对异常入侵行为的检测,并给出了基于CMAC的入侵检测模型.由于CMAC网络是一种联想网络,所以它对未知类型的入侵行为有很好的识别能力.同时,它的学习与修正只涉及很少的神经元,所以其速度很快.最后通过试验证明,应用CMAC神经网络的入侵检测系统相对于传统检测技术,在检测率及误判率上都有所提高.  相似文献   

4.
外骨骼式上肢康复机器人及其控制方法研究   总被引:1,自引:0,他引:1  
提出了一种融合单、多关节及日常生活功能行动作训练的5自由度外骨骼式偏瘫上肢康复机器人系统.根据偏瘫患者上肢单侧受损的特点,提取偏瘫患者的健侧肢体运动的表面肌电信号用于驱动康复机器人辅助患者患侧肢体实现康复训练动作.采用肌电绝对值积分和自回归参数模型法对上肢运动中参与动作的4块肌肉产生的sEMG信号分别进行特征提取,并分别作为基于Levenberg-Marquardt算法的反向传播神经网络的输入,6个上肢运动作为输出建立表面肌电信号与上肢康复动作之间的关系.试验结果表明该方法利用sEMG准确地完成了对上肢康复动作的识别.该方法有利于提高中枢神经系统紧张度,促进血液循环,在康复的同时防止并发症的产生,更有利于提高患者运动积极性,保持患者正确运动的感觉.  相似文献   

5.
针对灵巧手虚拟现实的控制,提出了数据手套控制手指关节角度,肌电信号进行抓取力度控制的方法.建立了虚拟现实灵巧手模型,根据神经网络算法实现前臂肌电信号对抓取过程中的拇指尖力预测.实验改变拇指接触状态,预测力模型与实际力度对比,验证模型的有效性.该研究可用于智能假肢控制及上肢康复训练、遥操作机器人等领域.  相似文献   

6.
CMAC神经网络具有学习算法简单、收敛速度快、局域泛化等优点,被广泛应用于机器人控制、信号处理、模式识别以及自适用控制等领域。但是网络的训练过程需要大量的存储单元,最优结构参数的选取是CMAC网络设计中一个重要问题。文中通过对函数逼近问题的研究,说明了量化精度和泛化参数如何影响网络对函数的逼近质量。仿真结果表明,通过对结构参数的调整,可以达到最小的逼近误差。而通过对网络结构的优化不但可以节约网络的训练时间而且可以大幅度减少存储单元的数量。  相似文献   

7.
选用神经网络中的CMAC模型对中央空调系统进行故障诊断,并通过压缩其存储空间使CMAC网络得到实际运用。选取中央空调系统的空气处理单元作为故障诊断对象,对其7种可能的故障进行了分析,仿真结果表明利用CMAC模型可以很好地对这7种可能的故障进行模式划分,对中央空调系统故障诊断的改进和提高提供了依据。  相似文献   

8.
强化学习方法在移动机器人导航中的应用   总被引:1,自引:0,他引:1  
路径规划是智能机器人关键问题之一,它包括全局路径规划和局部路径规划.局部路径规划是路径规划的难点,当环境复杂时,很难得到好的路径规划结果.这里将强化学习方法用于自主机器人的局部路径规划,用以实现在复杂未知环境下的路径规划.为了克服标准Q 学习算法收敛速度慢等缺点,采用多步在策略SARSA(λ)强化学习算法,讨论了该算法在局部路径规划问题上的具体应用.采用CMAC神经网络实现了强化学习系统,完成了基于CMAC神经网络的SARSA(λ)算法.提出了路径规划和沿墙壁行走两个网络的互相转换的方法,成功解决了复杂障碍物环境下的自主机器人的局部路径规划问题.仿真结果表明了该算法的有效性,同传统方法相比该算法有较强的学习能力和适应能力.  相似文献   

9.
CMAC(Cerebellar Model Articulation Controller)网络是一种具有线性结构、算法简单的局部化神经网络,由一个固定的非线性输入层和一个可调线性输出层组成,实质为自适应查表算法.由于信息以分布方式存储,CMAC泛化能力强,学习速度快.通过引入信息测度特征反映图像边缘,以CMAC网络为非线性函数映射器,对配电系统中关键绝缘瓷瓶的远程监控作了应用研究,提出一种利用CMAC网络完成瓷瓶图像信息测度至边缘特征的非线性映射方法;并通过边缘检测前后的正常预处理和异常扫描,实现瓷瓶状态的实时监测.仿真和实际应用均表明该方案具有可行性和有效性.  相似文献   

10.
高超声速飞行器级间分离时,飞行速度约为6 Ma,动压约为70 kPa,前后体之间会有较强的气动干扰,造成飞行器出现姿态偏差。为了抑制这种气动干扰,提出了一种基于CMAC神经网络的预置舵偏设计方法。该方法利用CMAC神经网络的非线性映射作用,并对CMAC神经网络结构进行改进,不以网络输出量为网络自适应学习的输入,而是以分离后的攻角为网络学习的输入,计算不同的分离干扰所需的预置舵偏值。通过仿真验证,文中提出的预置舵偏设计能够有效抑制分离气动干扰对攻角和侧滑角的影响,能使角度偏差由4°减小到0.02°。  相似文献   

11.
为了提高人体上肢动作识别正确率,提出了一种基于表面肌电信号双谱分析的动作分类方法,以信息增益作为表面肌电信号起止点分割效果衡量标准,结合TKE算子提取出肌肉运动起止区间的表面肌电信号,对提取到的表面肌电信号进行双谱变换,提取双谱的正反对角切片作为表面肌电信号特征,以概率神经网络作为分类器,以100次10折交叉验证为一次动作分类实验,计算10次分类实验的平均正确率,最终得到正对角切片、反对角切片和正反对角切片的分类正确率分别为94.56%、90.93%和95.48%.  相似文献   

12.
DynamicControlforRobotManipulatorBasedontheNeuralNetworkSUNDisheng;SONGShinmin(孙迪生)(宋新民)(RobotResearchInstituteofHIT,Harbin,1...  相似文献   

13.
为解决一类不确定非线性系统控制问题,提出了小脑神经网络模糊自适应算法.将系统分为标称模型、参数不确定部分以及包含建模误差、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒控制消除混合干扰,并设计了递归小脑模型关节控制器作为观测器来对混合干扰的上界进行实时逼近.李亚普诺夫理论证明了控制算法可使系统一致有界稳定,微飞行机器人姿态控制仿真结果表明,控制算法改善了系统的动态性能及鲁棒性,研究结论对复杂非线性系统的有效控制提供了依据.  相似文献   

14.
为了提高单个通道肌电信号识别效率,对多通道肌电信号进行融合处理.选择了具有kaiser窗的FFT变换,对多通道肌电信号进行频谱特性分析,并提取出能表征各通道肌电信号特性的奇异值.在奇异值的基础上,利用BP神经网络的数据融合技术,从多通道中实现了单个通道的信息识别,有效地识别各动作模式,为康复机器人的智能化控制提供了有效的多通道肌电信号识别技术.  相似文献   

15.
上肢康复外骨骼机器人主要用于为上肢运动功能障碍患者提供科学有效的康复训练,以实现患肢运动功能恢复及日常生活自理。该文从控制策略的角度综述了近年来上肢康复外骨骼机器人的研究进展。首先,从不同时期的康复治疗需求的角度出发,对已有的控制策略进行主动、被动控制分类,并对不同的控制方法进行概述,分析了各控制方法的当前研究现状。最后,对上肢康复外骨骼机器人发展中一些关键的挑战进行讨论并展望了未来的研究方向。  相似文献   

16.
康复机器人技术发展现状及关键技术分析   总被引:21,自引:3,他引:21  
依据康复机器人技术发展意义及社会需求,结合该领域的发展现状及趋势.介绍了国内外近些年来主要研究成果,分析了肌电信号的检测及时域、频域、时频域、高阶谱、混沌与分形的信号处理技术,机械本体技术及基于康复机器人技术的智能控制方法,并指出了此领域的存在问题及未来在肌电信号检测及处理技术、机械结构及材料技术、基于专家系统及康复机理的智能控制技术方面的发展趋势.  相似文献   

17.
为了使机器人通过触觉感知外部环境信息,弥补视听交互信息缺失的不足,根据聚偏氟乙烯(PVDF)材料的压电效应设计开发基于触觉传感器和卷积神经网络的机器人触觉识别系统,能够根据所采集的触觉信号识别出材质类型. 提出基于渐进式级联卷积神经网络的触觉识别算法. 该算法基于卷积神经网络提取机器人传感器的信号特征,包括经过短时傅里叶变换的触觉数据频谱图和信号表征周期内的时域特征. 为了解决特定材质识别混淆的问题,利用K-Medoids聚类算法和动态时间规整(DTW)距离度量算法将分类过程区分为粗、细2个层次,构建渐进式分类模型. 实验表明,设计的触觉传感器对物体材质的平均识别正确率约为97%,机器人能够成功识别触摸到的真实材质,为下一步的探索交互任务奠定基础.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号