一种下肢运动意图识别算法性能实时测评系统

对腿部运动意图识别算法的实时性能进行综合可靠的评价是实现下肢假肢灵活稳定控制的前提。提出一种逐层分级的基于下肢运动意图识别算法的实时测评方法,对算法的可靠性、稳定性以及运动意图识别速度进行综合评价。利用开发的运动意图识别算法评测系统,对基于肌电信号源和机械信号源的两种运动意图识别算法进行了实时性能测试,发现肌电信号源的算法识别时间大于机械信号源算法,但是其算法稳定性优于机械信号源算法。进一步地,还利用该评测系统有效地区分出正常识别策略与异常识别策略,发现正常策略的动作识别稳定系数比异常策略高25%左右。因此,所提的基于下肢运动意图识别算法的实时测评方法,能够对不同信号源算法以及不同识别策略的实时性能进行有效评价,为智能下肢假肢控制系统开发提供可供参考的测试平台。     

基于多源信息融合的膝上假肢步态识别方法

为了实现膝上假肢的有效控制,提出基于多源信息融合的步态识别方法。首先通过搭建人体下肢多源运动信息系统获取下肢表面肌电信号、腿部角度信号和足底压力信号。针对获取的信息,采用基于小波变换的空域相关滤波对肌电信号进行消噪并提取信号特征;选择大小腿、膝关节角度作为腿部角度信号特征;将足底压力信号通过阈值法提取有效特征。在特征提取基础上,分别利用BP神经网络和有限状态机对下肢运动信息进行步态识别,并将识别结果进行融合。实验验证了该方法在平地行走、上下楼梯模式下步态识别准确率均达到95%以上。     

基于GMM-HMM模型的智能下肢假肢运动意图识别

传统下肢假肢运动意图识别方法常使用多模态传感器信号,带来一定的复杂性以及模式转换识别一般带有滞后性,提出了基于数据驱动下的智能下肢假肢运动意图识别方法。在对单侧下肢截肢者运动模式进行了重定义后,仅使用惯性传感器,采集健肢侧处于摆动相的时序数据。选择高斯混合-隐马尔可夫模型作为分类器,对下肢假肢的运动意图进行识别。实验结果表明,该算法在模式空间中的一组基模式:平地行走、上坡、下坡、上楼和下楼5种稳态模式中,识别率达到98. 99%,在包含5种稳态模式和8类转换模式的13类运动模式中的识别率可达到96. 92%。所提出的方法可以在下肢假肢运动意图识别性能上有较大提升,帮助单侧下肢截肢者实现自然、流畅、稳定的行走。     

融合脑电-肌电信号的人机协作装配意图识别方法

针对人机协作装配场景下基于单源生理电信号识别协作意图准确率不高、稳定性不好的问题,首先采用支持向量机方法分别从脑电信号和肌电信号识别单源协作装配意图,然后采用D-S证据理论对多源协作装配意图识别结果进行融合,提出了一种融合EEG-EMG信号的人机协作装配意图识别方法。实验结果表明,所提方法可以有效提高人机协作装配意图识别的准确率和稳定性。     

下肢假肢穿戴者跑动步态识别与膝关节控制策略研究

为研究假肢穿戴者跑动状态以及假肢膝关节的跑动控制,首先通过人体多源运动信息采集,获取髋、膝关节加速度信号、大腿股直肌部位肌电信号和足底压力信号,使用切比雪夫I型滤波方法进行降噪并提取信号特征。利用相关性分析方法,结合足底压力信号实现对跑动状态识别。在此基础上,利用粒子群优化的支持向量机方法进行信号分析,实现对6个跑动相位的识别。以四连杆假肢为被控对象,以人体跑动信号的特征点为各相位的转移条件,提出了基于有限状态机的假肢跑动控制策略。通过多项式拟合,建立了假肢膝关节控制模型,并进行了下肢假肢测试平台的验证。测试结果表明,所提方法可以实现跑动步态与相位的有效识别,并控制假肢膝关节做出正确的跑动动作。     

基于运动意图识别的上肢助力外骨骼复合控制方法研究

针对上肢助力外骨骼助力时响应延时问题，提出一种基于人机交互力信号、位姿信号数据融合的运动意图识别算法，使用支持向量机(Support vector machine, SVM)分类器对人体运动信号进行分类，确定穿戴者运动意图，对控制参数做出适应性调节，改变人机协同控制系统响应速度。采用果蝇优化算法(Fruit fly optimization algorithm, FOA)优化支持向量机，提高分类准确率；引入有限状态机(Finite state machine, FSM)，处理非合理运动意图。为降低外骨骼控制系统跟踪误差，设计一种模糊控制与阻抗控制结合的复合控制方法，提高控制参数更新速度，实时调整轨迹。开展运动意图识别实验，结果表明，识别准确率可达97.93%，可快速检测出非合理运动意图，与使用肌电信号作为运动数据相比，降低信号处理难度的同时，保持了较高的准确率；通过控制系统性能仿真与外骨骼助力性能测试实验证明了控制方法的可行性。     

基于HMM的下肢表面肌电信号模式识别的研究

采用隐马尔科夫(HMM)的信号分类识别方法,用以实现下肢步态中各细分动作的更好识别和描述。首先将待分类的肌电信号进行预处理,按等时间间隔对每通道的肌电信号划分不同的段,采用小波变换方法对每个数据段内肌电信号进行多尺度分解,并提取小波分解系数的奇异值构成观察值序列。将步态周期的四种运动模式与HMM状态一一对应,用Baum-Welch算法对HMM参数进行重估训练,再用标定技术处理的前向后向算法和Viterbi算法进行识别,得到的平均识别率高于90%。然后在四种运动模式中分别提取小波特征组成特征编码,送入概率神经网络(PNN)中进行识别。证明HMM的识别效果优于概率神经网络,能够更好地应用于假肢的控制研究。     

采用蝙蝠算法进化相关向量机的假肢步态识别

为了提高假肢穿戴者步态识别准确率,提出了一种高阶过零分析技术分析表面肌电信号的假肢步态识别方法。该方法针对假肢穿戴者步态识别过程中的多分类问题,选择表面肌电信号（surface electromyogram signal,简称sEMG）作为步态识别信息源,将表征时间序列特性的高阶过零分析（higher order zero crossing analysis,简称HOC）方法运用于不同步态下的肌电信号的特征提取,结合相关向量机（relevance vector machine,简称RVM）建立了多分类步态识别模型,然后采用蝙蝠算法（bat algorithm,简称BA）对RVM分类器的核函数参数进行优化。实验结果表明,所提方法与粒子群算法优化相关向量机（particle swarm optimization-relevance vector machines,简称PSO-RVM）及RVM等方法相比,对于平地行走、上楼、下楼、上坡和下坡5种步态的识别准确率均高于PSO-RVM和RVM等方法。     

基于脑肌电反馈的虚拟康复训练系统设计

针对虚拟康复系统在个体适应性、安全可行性和主动参与性等方面的研究需求,提出一种基于脑肌电反馈的虚拟康复系统。采集执行不同手势动作对应的脑电信号及表面肌电信号,提取不同肌肉模块的肌电特征送入支持向量机模型进行运动意图识别;提取脑电和肌电疲劳特征,并提出一种萤火虫-模糊神经网络算法,通过脑肌电疲劳特征实时优化调节虚拟场景的控制参数。最后,搭建包含虚拟场景及反馈控制策略的虚拟康复系统,并针对上肢肘关节屈伸、肩关节前屈后伸动作进行康复训练实验,基于肌电特征模式识别结果实现对虚拟场景及目标的控制,基于脑肌电疲劳特征优化调整场景控制参数,通过虚拟系统康复实验验证系统的有效性。     

软质肘关节外骨骼的肌力矩估计与神经网络补偿协调控制

为辅助偏瘫患者进行多模式肘关节康复训练,研制了一种软质肘关节康复外骨骼机器人,并提出了一种基于人体肌力矩估计与自适应神经网络补偿的协调控制策略。利用表面肌电信号来识别人体的运动意图并调整康复训练轨迹,采用Lyapunov方法证明了控制算法的闭环控制稳定性。搭建了实时控制实验平台,并开展了基于运动意图的轨迹跟踪实验与自由主动训练实验。实验结果表明,所提控制策略能保证被动训练过程的轨迹跟踪精度,并且可以根据患者的运动意图调整主动训练过程的运动轨迹,实现不同强度的主动康复训练。     

人体下肢应激微反应自动识别

由于现有的动作识别方法不能直接用于人体微反应动作识别,本文基于人体下肢微反应动作特点,构建了一种时空金字塔韦伯局部描述子并设计了基于字典学习的人体下肢微反应自动识别算法。该方法利用时空金字塔韦伯局部描述子提取每一类人体下肢微反应动作特征,使用主成分分析法对特征降维;然后,建立每一类动作子字典并将子字典串联形成总的动作字典;最后,通过实验分析了金字塔级数L,降维后每类动作特征维数d_(PCA),每类动作子字典原子个数n_(Atom),以及稀疏阈值C等参数对识别结果的影响,并确定最优参数值L=3,d_(PCA)=30,n_(Atom)=40,C=10。实验结果表明,提出的算法对10种人体下肢微反应动作的识别率均在0.83~0.91之间,平均识别率达到0.86,高于其他动作识别算法。设计的算法更适用于人体下肢微反应动作分类,并可有效提高分类识别率。     

基于滑动统计特征的信号非平稳度评价和比较

对多种典型的信号整体和局部非平稳度计算方法及其局限性进行比较,在此基础上根据滑动统计分析的思想提出滑动均值、滑动方差以及滑动变异系数的概念和计算方法,以充分表征信号的时变细节和不同信号的差异。针对不同的机械故障信号和心电信号,对不同算法的平稳度评价能力和适用范围进行分析和比较。结果表明,相对于传统评价方法,基于滑动统计特征的信号非平稳度评价方法具有较突出的理论基础、精度和稳定性。     

电动负载模拟器摩擦模型参数辨识方法

随机子空间算法作为模态参数识别算法中的主要方法之一，虽然被广泛运用于实际桥梁结构的模态参数识别中，但其依然存在一定的缺陷。基于此，针对其存在的三大问题：系统定阶难、只适用于时不变结构以及真实模态筛选存在主观性，笔者提出了相应的解决方法。首先，利用“奇异熵增量一阶导数法”实现系统阶次的智能化判定；其次，引入“滑窗技术”对输入信号进行划窗处理，实现时变结构的参数识别；然后，基于真实模态存在的一般规律，并通过建立相似矩阵实现真实模态的辨识；最后，将信号采集、信号预处理和改进随机子空间算法进行有效结合，运用于某大型斜拉桥振动台试验以验证所提算法的可靠性。结果表明：所提算法能运用于桥梁的健康监测中，且识别结果具有可信性。     

用于机械系统瞬时目标的双视角高速视觉检测系统

基于高速相机研发了双视角高速视觉检测系统。该系统可从不同角度对周期机械运动进行长时间、无接触的同步实时检测,并可自动判断和存储异常动作的瞬时高帧率视频图像。基于机械系统运动特性提取理论,提出了多视角高帧率视频图像的离线处理算法,利用两个高速相机准确建立了样本图像数据库及它们的对应关系。提出了多视角同步实时检测算法,完成了对目标的实时视觉检测,并实现了瞬时保存关键图像的功能。为验证算法的有效性和系统的稳定性,搭建了双视角高速视觉检测系统,对真实的机械系统进行了实验。结果显示,提出的系统实现了500fps的双目高速相机同步检测,以及0.1s内运动目标的自动判断,同时完成了对关键图像的瞬时保存。文中的研究为机械系统的非接触检测提供了一种高速可视化的检测方法。     

电动负载模拟器摩擦模型参数辨识方法

为实现电动负载模拟器的高精度控制，针对负载模拟器运行中受到的摩擦力影响问题，提出基于改进布谷鸟算法（improved cuckoo search algorithm，简称ICSA）的摩擦模型参数辨识方法。首先，搭建了电动负载模拟器试验样机，建立了动力学数学模型,并引入一种连续摩擦模型代替传统不连续摩擦模型；其次，将布谷鸟算法（cuckoo search algorithm，简称CSA）进行改进，在辨识中自动调整判定概率和步长的数值，提高了收敛速度和收敛精度；然后，通过逐点试验的方法得到了负载模拟器角速度范围为［-1,1］rad/s的摩擦力数据，并利用ICSA算法对摩擦力模型进行辨识；最后，进行了验证试验。试验结果表明： ICSA算法能准确快速地辨识出连续摩擦模型的6个参数，且收敛速度快、准确性高；当迭代达到最大迭代次数时，ICSA算法的目标函数值较CSA算法减小了45.2%。     

改进蜂群算法及其在圆度误差评定中的应用

针对基本人工蜂群算法(Artificial bee colony algorithm,ABC)的缺点,提出一种改进人工蜂群算法(Improved artificial bee colony algorithm,IABC),并应用于圆度误差最小区域评定中。该改进算法利用信息熵初始化种群,增强种群的多样性,并在引领蜂和跟随蜂搜索阶段,提出一种新的搜索策略,平衡算法的探索与开发能力。详细阐述IABC算法的基本原理与实现步骤,给出圆度误差满足最小包容区域条件的优化目标函数和收益度函数。通过基准测试函数验证IABC算法的有效性和准确性;通过对由三坐标机测得的多组测量数据进行圆度误差评定试验,结果表明IABC算法的评定精度优于最小二乘法、遗传算法以及粒子群算法等其他优化算法,且在求解质量和稳定性上优于ABC算法,验证了IABC算法不仅正确,而且适用于圆度误差的评定优化。     

智能汽车环境感知算法测试评价系统开发

基于硬件在环仿真平台和六自由度驾驶模拟器,开发了智能汽车环境感知算法测试评价系统。为兼顾仿真测试的可重复性、可拓展性及道路测试的真实性,采用真实交通场景作为输入场景信息;针对现有检测算法评价依赖人工识取的不足,提出了基于机器学习的标准检测算法和基于数据关联的检测评价算法,并将系统测评结果与人工识取结果进行对比。实验结果表明,所开发的测试评价系统方案可行,测试精度较高,实时性较好,在模糊、遮挡、光照变化等复杂环境下均可实现对各种不同特性的车道线和车辆目标的准确测评,能较好地满足智能汽车环境感知算法测试评价的要求。     

纺织丝线张力信号实时消噪技术的研究

提出了基于提升框架的小波变换算法在丝线张力信号实时消噪过程中的应用,给出了该算法的流程图,通过对仿真信号与实测信号的消噪试验,验证了该算法的有效性,该算法可以应用于对实际信号的消噪处理,能够满足对张力信号处理的实时性要求,且易于实现。