基于黎曼几何的自然动作运动参数脑电解码研究

本文基于黎曼几何分类算法,探索了使用运动相关皮层电位(MRCPs)解码 3 种自然抓握动作的运动学信息的可能性。 本研究采集了 9 名受试者在执行指捏、掌握和旋拧动作(包括两种不同水平的速度和力)的脑电图信号。 在进行信号的预处理 之后,将信号转化到协方差空间输入到黎曼均值最小距离(MDRM)分类器,实现基于 MRCPs 的手部自然动作的运动参数模式 的识别。 对于 3 种动作的运动参数,实验结果表明,二分类的总平均结果可以达到 89. 24% ,四分类结果可以达到 75. 28% 。 本 文采用的黎曼框架新颖高效,为脑-机接口的 MRCP 分类提供了新思路,同时本研究对于精细而自然地控制神经假体或者其他 康复设备具有重要意义,这将大大提高运动障碍用户的认可度。     

垃圾焚烧发电厂渗沥液处理优化组合工艺

介绍目前国内外垃圾焚烧厂渗沥液处理的主要工艺方法,指出各种处理方法的优缺点和适用范围,提出一种将斜板沉淀、水解酸化、SBR、混凝沉淀及消毒杀菌技术相结合的垃圾焚烧厂渗沥液处理工艺。     

基于运动想象脑电的机器人连续控制系统研究

脑-机接口(BCI)旨在提供人脑和外部设备之间沟通的桥梁。目前,基于运动想象脑电信号的机器人控制系统主要是离散控制,而连续控制对于用户和环境的自然交流至关重要。基于此,设计了一种基于运动想象脑电的机器人二维连续控制系统,受试者进行运动想象时,发送给机器人的控制信号同时包含水平方向和垂直方向的控制信号,可以控制机器人在二维平面内运动。系统采用便携式脑电设备采集受试者运动想象时的脑电信号,经特征提取和转化后用来控制虚拟光标和机器人。实验中,首先通过一维和二维的虚拟光标控制任务来提高受试者控制机器人的能力;然后将光标控制和机械臂控制相结合,使得机械臂运动与光标移动同步;最终受试者通过运动想象脑电控制机械臂完成连续抓取任务。6名受试者在该系统上进行了多次实验,二维连续控制机械臂对4个目标的抓取成功率达到85%。     

基于ANOVA和BP神经网络的最优肌电信号测量位置选择

基于肌电信号的手部动作识别中,肌电信号测量位置的选择直接关系到动作识别的准确率.本文以使用最少的肌电传感器和获得较高的动作识别率为目标,提出一种基于ANOVA(方差分析)和BP神经网络的肌电信号测量位置优选方法.使用4个肌电传感器采集受试者做出指定动作时的肌电信号,提取肌电信号的时域特征,并按测量位置组合构成15个不同的样本进行BP神经网络的训练和测试.采用单因素ANOVA分析测量位置对动作识别结果影响的显著性,采用Tukey HSD将测量位置进行归类,并从动作识别率最高的子集中选择测量位置最少但识别准确率最高的测量位置组合作为最优的肌电信号测量位置.实验结果表明,测量位置对动作识别的结果具有显著的影响,随着测量位置数的增加,动作识别准确率呈上升趋势,最优的测量位置组合为P1+P3+P4,其动作识别准确率为94.6%.     

机器人辅助上肢关节运动控制与临床实验研究

针对机器人辅助患肢被动康复训练过程中关节活动度(ROM)及运动控制参数不能随患肢病情实时调整的问题,提出一种新的模糊自适应关节被动运动闭环监督控制方法.该方法首先根据患肢关节活动恢复程度设计上层监督控制器,得到符合患肢病情的关节期望运动范围;再通过设计下层闭环位置跟踪控制器,控制机器人平稳地牵引患肢关节沿目标轨迹进行训练.临床实验结果验证了所提算法的有效性.     

基于小波变换和AR参数模型的脑电信号识别方法

为了实现脑-计算机接口(Brain-computer interface,BCI)系统,对运动脑电信号的特征进行了提取和分类。将多路脑电信号进行CAR(Common average reference)滤波后,利用小波变换和AR参数模型提取特征并使用基于马氏距离的线性判别分析对运动脑电信号进行分类。结果表明,该方法提取的特征向量较好地反应了脑电信号的事件相关去同步(Event-related desynchronization,ERD)和事件相关同步(Event-related synchronization,ERS)的变化时程,为BCI研究中脑电信号的模式识别提供了有效的手段。     

两自由度康复训练交互装置

针对手部康复训练设备主要由主动驱动器驱动导致的安全稳定性差、容易造成二次伤害等问题,设计了一种用于手部康复训练的被动驱动交互装置.首先简单介绍了被动驱动器的结构、实现原理,在此基础上提出了一种两自由度手部康复训练交互装置设计方法,该交互装置在支架上设置两根相互垂直并处于同一平面的轴,轴的两端分别连接被动驱动器和数字编码器,手柄在两轴的驱动下能在两维空间内运动并产生两自由度的力.接着分析了手柄受力与被动驱动器输出力的变换方法,最后设计康复游戏,与研制的交互装置配合,开展了脑卒中患者的康复训练试验,试验结果验证了康复训练交互装置对于手部康复训练的有效性.     

一种被动力反馈阻尼器及其模型研究

根据力觉反馈的需要,设计了一种基于磁流变液的阻尼器,并建立了模型。介绍了磁流变液阻尼器的设计方法,该阻尼器由上、下盖组成密闭的壳体,转子通过轴设置于壳体内,壳体内充满磁流变液,在磁场作用下磁流变液屈服应力产生变化,转子相对于壳体转动时阻尼力连续快速变化,分析了阻尼器阻尼力构成及其可控性,运用较为简化的方法建立了阻尼器的逆动态模型,利用研制的阻尼器原型设计了实验系统并进行了挤压柔顺性物体和碰撞刚体力反馈实验,实验中阻尼器能够实现大范围的力觉反馈,因此表明设计方法有效、模型正确。     

基于改进头姿估计方法的机器人轮椅交互控制

针对现有迭代最近点（ICP）头姿估计算法存在迭代次数偏多且易陷于局部最优、而随机森林（RF）头姿估计算法准确性和稳定性不高的问题,提出一种新的头姿估计改进方法,并基于该改进方法构建机器人轮椅实时交互控制接口．首先,分析现有迭代最近点头姿算法与随机森林头姿算法在准确性、实时性及稳定性方面存在的问题,并提出一种新的基于随机森林与迭代最近点算法融合的头姿估计改进方法;其次,为实现头姿估计到机器人轮椅交互控制的无缝连接,建立基于传统机器人轮椅操纵杆的头部姿态运动空间映射;最后,在基于标准头姿数据库分析改进头姿估计方法性能的基础上,构建机器人轮椅实验平台并规划运动轨迹,以进一步验证基于改进头姿估计方法的人机交互接口在机器人轮椅实时控制方面的有效性．实验结果表明,改进后的头姿估计方法较传统迭代最近点算法减少了迭代次数且避免了陷于局部最优,在仅增加少量运算时间的基础上,其准确性和稳定性都优于传统随机森林算法;同时,基于改进头姿估计方法的人机交互接口亦能实时平稳地控制机器人轮椅沿既定的轨迹运动．     

基于二维PMCC鲁棒特征参数的语音识别

在噪声环境语音识别中，如何提取鲁棒性特征参数是其核心问题之一，首先提出了一种二维根倒谱特征参数，然后，该参数结合基于最小方差无失真响应谱估计的特征参数(PMCC)。最终，发现了一种新颖的鲁棒特征参数，在不同的信噪比下，它能成功地被用于连续语音识别中。试验结果表明，在不同的噪声环境和信噪比下，二维PMCC鲁棒特征参数比传统Mel频率倒谱系数（MFCC）和感知线性预测（PLP）有更好的识别率。