Design of a transverse-flux permanent-magnet linear generator and controller for use with a free-piston stirling engine

Transverse-flux with high efficiency has been applied in Stirling engine and permanent magnet synchronous linear generator system, however it is restricted for large application because of low and complex process. A novel type of cylindrical, non-overlapping, transverse-flux, and permanent-magnet linear motor(TFPLM) is investigated, furthermore, a high power factor and less process complexity structure research is developed. The impact of magnetic leakage factor on power factor is discussed, by using the Finite Element Analysis(FEA) model of stirling engine and TFPLM, an optimization method for electro-magnetic design of TFPLM is proposed based on magnetic leakage factor. The relation between power factor and structure parameter is investigated, and a structure parameter optimization method is proposed taking power factor maximum as a goal. At last, the test bench is founded, starting experimental and generating experimental are performed, and a good agreement of simulation and experimental is achieved. The power factor is improved and the process complexity is decreased. This research provides the instruction to design high-power factor permanent-magnet linear generator.     

基于脑电的产品意象推理模型研究

将用户对产品的感性认知通过脑电数据量化,探求消费者认知过程脑电与产品意象的对应关系,并以此建立相应的意象推理模型。以吊灯为研究样本,通过多组感性意象形容词描述产品意象空间。基于被试的行为数据、脑电信号和事件相关电位,分析被试在吊灯产品意象辨别过程中的决策行为。研究不同意象匹配情况下,各脑区N200、P300、N400等脑电成分的波幅和分布情况,确定脑电成分与产品意象匹配的映射关系。基于被试的反应时长、选择率和脑电信号等评价因素,构建模糊推理的产品意象认知模型。通过试验验证,推理模型与意象语义评估的结果有一致性,具有较好的可靠性。     

Path classification and estimation model based prognosis of pneumatic cylinder lifetime

Prognosis is a key technology to improve reliability,safety and maintainability of products,a lot of researchers have been devoted to this technology.But to improve the predict accuracy of remaining li...     

基于ESO的PMSM系统自抗扰FCS-MPC策略

为了提高三相永磁同步电机(PMSM)系统的控制性能,以反双曲正弦函数为基础,通过改进的扩张状态观测器(ESO)获取转速和反电动势项高精度估值,以自抗扰控制作为转速控制调节器,提出了基于ESO的自抗扰有限控制集模型预测控制(FCS-MPC)策略,以减小电磁转矩脉动,降低算法的复杂性和计算量.与基于PI的 FCS-MPC策略相比,新的控制策略能够保证 PMSM系统稳定运行,具有良好的转速跟踪性、抗干扰性和鲁棒性.     

医疗仪器与微型电子计算机的有机结合

<正>在医疗仪器中,对于获取医学信号及完成某些初始的数据处理,滤波或解调都是有重要作用的.传统上,广义仪器系统中的这些信号的数据处理和存储一般多采用比较简单的数字——电子电路.但是,当需要非常满意的处理结果或较精确的结果时,就需把仪器连到计算机上去.1 广义的仪器系统每种仪器系统至少要有图1中所示的这些功能中的几个部分.这个医疗仪器系统和普通仪器的主要区别是信号源.医疗仪器系统的信号源是人体组织或加在人体组织的能量.如图1中,传感器把来自被测对象的能量或信息转换成另一种形式(通常是电的形式).然后对这个信号进行数据处理并显示出来.     

能动式微夹钳的研究

采用形状记忆合金的形状记忆效应为动力 ,设计研究成功了一种微小型能动式微夹钳 ,阐述了这种微夹钳的动作原理、结构及驱动与控制电路的设计思想 ,汇总了设计研制过程中所作的试验及测试数据 ,并为微夹钳的成功设计与研究提供了依据     

基于HHT和SVM的运动想象脑电识别

对运动想象脑电信号(EEG)分类识别是脑-机接口(BCI)研究领域的重要问题。本文通过经验模式分解(EMD)将EEG分解为一系列内蕴模式函数(IMF),并对重要IMF的瞬时幅度提取AR模型参数,同时对所有的IMF进行Hilbert变换(HT)得到Hilbert谱,进而求得瞬时能量(IE)。将得到的AR参数和IE,结合时域均值和中值绝对偏差估计(MAD),组成初始特征,然后利用经遗传算法(GA)优化的支持向量机(SVM)进行分类,得到识别结果。对2008年BCI CompetitionⅣDataset 1中想象左手和脚运动的两组数据进行识别,在仅仅使用少数通道的情况下,识别正确率分别达到84.7%和85.8%,初步验证了该方法的有效性。     

基于小波包分解的意识脑电特征提取

针对2种不同意识任务(想象左手运动和想象右手运动)的脑-机接口(brain-computer interface,BCI)设计,提出了基于小波包分解的特征提取方法。首先深入研究了小波包变换,结合事件相关去同步化(event-related desynchronization,ERD)/事件相关同步化(event-related synchronization,ERS)现象,提出以小波包分解系数来考虑特征,然后对C3、C4导联脑电信号进行小波包分解系数方差和相对能量2种特征的提取,最后采用最简线性分类器进行分类。结果表明,2种特征对应的最大分类正确率均达到了85%,对应时间分别为4.34 s和4.39 s。因此,在保证分类正确率的前提下,所提方法更加简单和有效,为大脑意识任务分类提供了新思路。     

脑-机接口的研究现状与挑战

脑-机接口（Brain—computer interface，BCI）为人们提供了全新的与外界进行信息交流和控制的手段，具有非常重要的科学意义、学术价值和广阔的应用前景，是当今世界研究的热点。本文介绍了BCI的结构、类型和研究现状，分析了现有BCI系统存在的问题以及今后的发展方向。     

SSVEP-BCI抗自由眨眼稳定性的ANFIS方法

针对伪迹干扰下脑机接口稳定性问题,以自由眨眼动作下稳态视觉诱发脑机接口的稳定性为切入点,进行了稳态视觉诱发脑电信号去眼电伪迹(electroculography,简称EOG)研究。提出了一种基于自适应神经模糊推理系统(adaptive neuro-fuzzy inferency system,简称ANFIS)的无眼电电极下脑电信号眼电伪迹的自适应消除方法并进行实验,验证该方法对自由眨眼动作下稳态视觉诱发脑机接口稳定性的提高。该伪迹消除方法通过自适应神经模糊推理系统逼近眼电信号源至眼电伪迹的非线性变换函数,达到消除脑电信号中眼电伪迹的目的。算法通过前额叶区脑电信号获得替代性眼电信号源,经延时处理后,输入自适应噪声消除器中以消除各通道脑电信号中的眼电伪迹。通过自由眨眼动作下稳态视觉刺激实验,对该伪迹消除方法中各参数及函数的选择进行了研究,并将该方法与经典滤波和传统独立成分分析(independent component analysis,简称ICA)进行对比,证明了该方法在消除眼电伪迹的情况下保留了稳态视觉刺激的有效信息,识别正确率较经典滤波相比最高提高了6.25%,较传统ICA相比最高提高10%,保证了稳态视觉诱发脑机接口在自由眨眼动作下的稳定性。     

脑控技术的研究与展望

脑机接口作为一种特殊的人机交互方式,为机电设备的脑意念控制提供了新思路,是智能机器人领域的研究热点。随着生物传感和信号处理等技术的进步及脑 机接口技术的不断突破,脑 机接口技术逐渐地由原有的大脑 计算机接口技术发展为大脑机电设备接口技术,从而形成了一个新的技术理论体系——脑控技术。笔者在论述了国内外脑机接口技术发展现状的基础上,系统地提出了脑控技术的概念及其所涉及的关键技术,讨论了典型的脑控假肢和脑控残疾轮椅的现有研究成果以及脑控技术在外骨骼机器人中的应用前景,并对这项新技术的发展进行了总结和展望。     

基于单试验脑电图的n-back任务中的脑力负荷分类

近年来,脑力负荷估计已经经历了广泛的研究,因为监测认知负荷的能力能够防止认知超负荷并且改善工作场所安全。脑电图（EEG）信号已经被发现是一种客观和非侵入性的脑力负荷的测量方式。然而,作为实时脑力负荷监测和脑机接口研究的重要一步,基于单试验EEG数据的认知负荷的评估一直是一个重大的挑战。最近,许多高级的特征提取方法和机器学习算法已经被采用于基于EEG的脑力负荷评估中。在本研究中,使用在具有2个难度水平的n back任务的执行期间记录的EEG数据进行了单试验脑力负荷分类,测试了3种类型的特征提取的有效性（谱功率、离散小波变换和公共空间滤波）,并评估了4种分类算法的性能（支持向量机、K 近邻、随机森林和梯度推进分类器）。研究结果表明,公共空间滤波是性能最好的基于单试验的脑力负荷分类的特征提取方法,而且最佳性能可以通过将来自谱功率或离散小波变换的特征与来自公共空间滤波的特征相结合,并采用随机森林分类器来实现。这项研究可能对基于单试验脑电图数据的脑力负荷评估中的特征提取方法以及机器学习算法的选择提供一些有用的指导。     

运动意识任务的模式识别方法研究

针对脑机接口研究中运动想象脑电信号的模式识别问题,提出了一种基于离散小波变换和AR双谱的特征提取方法.该方法首先利用Daubechies类小波函数对二路脑电信号进行3层分解,抽取小波系数的均值、能量均值、均方差三个特征;然后,采用5阶AR模型进行双谱估计,抽取双谱切片特征;最后,将这两类特征进行组合后使用马氏距离线性判别进行分类.利用BCI2003竞赛的标准数据,该方法使得EEG的识别正确率达到92.86%,与竞赛的最好结果(89.29%)相比提高了3.57%,为BCI研究中脑电信号的模式识别提供了有效的手段.     

P300 Speller中基于AdaBoost SVM的导联筛选研究

P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了一种基于AdaBoost SVM(adaptive boosting support vector machine)的特征筛选方法,对脑电导联进行优化筛选,通过对6位受试者的实验数据处理及分析,结果表明该方法可以在不显著影响识别效率的基础上降低导联数量76%以上。另外,相较于经典的SVM-RFE特征筛选方法,该方法极大降低了计算复杂度,更适用于训练数据庞大的脑电特征优化问题。     

基于基因优化的脑电信号特征选择

针对脑机接口( BCI)研究中脑电信号的特征选择问题,提出了一种基因优化算法(GO).GO算法在变异的基础上实现自下而上、由微观到宏观的自组织优化,可以在提高分类精度的同时很大程度上节省在线数据处理的时间.为检验提出方法的有效性,将其与基于AGA的特征选择方法以及基于Fisher距离的滤波选择方法进行了比较,实验结果表明基于GO的分类精度明显高于其他方法,获得了最好的模式识别性能.     

基于梯度boosting的癫痫脑电检测方法（英文）

自动癫痫脑电检测对癫痫的诊断具有重要意义,可以减轻监测长期脑电的工作强度。本文提出和探讨一种基于梯度boosting的长程脑电癫痫检测的新机器学习算法。该算法提取长程脑电的相对波动指数作为特征,采用梯度boosting算法训练分类器来识别发作和正常脑电。最后采用平滑和\"collar\"技术作为后处理进一步提高检测准确率。利用弗莱堡21位病人的脑电数据对该癫痫检测算法进行评估,实验表明,该算法的平均灵敏度为94.6%,误检率为0.18/h。