多模式人手动作分类识别方法

为了满足手部运动功能康复器的主动康复训练对多种人手动作模式识别的需求,分析了表面肌电信号采样通道设置布局、训练样本制作、特征提取方式、模式分类器结构参数等因素对手部动作识别的影响,设计了针对前臂的表面肌电信号采集方案,分别基于时域统计量、自回归模型系数、小波包分解系数特征设计了BP神经网络分类器。实验结果表明：对6种单指动作、13种多指动作、20种手部动作的最佳平均识别率分别为98.5%、92.4%、90.9%,计算时间小于190 ms,验证了所提出方法的有效性和实用性。     

一类双线性系统的广义预测控制研究

双线性模型预测控制的研究表明,采用一般双线性模型的预测控制将涉及非线性优化问题,在线处理相当困难,而采用线性近似模型的预测控制又会带来较大的偏差.针对一类输入一输出双线性系统,提出了一种双线性系统的广义预测控制算法.该算法将基于输入-输出模型双线性系统中的双线性项和线性项合并,建立了一种类似于线性系统的ARIMA模型,并充分利用多步最优预测信息,由递推近似实现多步预测.控制律具有解析形式,避免了一般非线性寻优的复杂计算,并能适用于非最小相位双线性系统.仿真实验表明该算法具有良好的控制效果.     

一种新型气囊抛光设备及其位置分析

针对气囊抛光的运动特性和要求,提出了一种新型正交5-DOF并联气囊抛光机床,研究了该机床的位置正反解,推导出位置正反解方程,基于该并联机床的结构布局特点,绘制了该机床的工作空间轮廓图,仿真结果适合于气囊抛光的运动要求,为该并联机床的设计及气囊抛光的应用奠定了理论基础.新型5-DOF并联气囊抛光机床具有结构简单、承载能力强、精度高、运动稳定、惯性小、初始装配位姿解耦、工艺性好等优点,可用于空间曲面(磨具、叶片等)零件的加工及精密抛光等领域.     

一类非线性系统的广义预测控制研究

提出一种针对双线性Hamm erste in模型的预测控制策略。该策略将双线性Hamm erste in模型中的无记忆非线性静态增益环节,改进成易于由中间变量求取控制量的环节,避免求解高阶方程根的困难,又对双线性环节采用双线性系统的广义预测控制。避免解非线性优化问题,使得到的中间变量的表达式具有解析形式。由于引入广义预测控制中多步预测的思想,抗噪声的能力显著提高。仿真结果验证了该策略的有效性。     

一种新型气动蠕动机器人的机理研究

本文提出了一种新型气动蠕动机器人，分析了它的驱动机理和动态特性，这种蠕动机器人有一个基于气动驱动器的新颖驱动机构和四个吸附足，它结构简单，制造成本低，易于小型化，仿真表明本文的控制策略可行，响应快速，控制可靠，因而这种新型机器人在很多领域有着广泛的应用潜力。     

基于Wi-Fi无线通信技术的商用冰箱控制系统

针对目前大型酒店及超市在使用商用冰箱时,存在的保鲜效果差、食品存储状况差等缺点,提出了基于Wi-Fi无线通信技术的商用冰箱控制系统。设计了基于Wi-Fi无线通信技术的控制系统的硬件结构,介绍了CPU主控单元及温度检测原理;采用串口转Wi-Fi模块实现多台冰箱的无线组网,开发了基于光电开关的自动条码扫描模块、整个系统的电源管理模块以及掉电保护功能。采用分布式软件设计思想,设计了冰箱控制系统的软件,包括上位机控制软件以及现场控制软件。     

基于改进支持向量机的人手动作模式识别方法

为了提高基于表面肌电信号（sEMG）控制的手部运动康复器对人手多种动作模式的识别率,比较常规支持向量机（SVM）多类分类器的特点,提出改进的决策树支持向量机多类分类方法.该方法引入基于sEMG特征向量的类间距离可分性测度来指导决策树的构建,能够为每个SVM子分类器的训练提供识别率较高的样本划分方案,在提高决策树内部节点分类成功率的同时,简化了分类器结构.通过实验对比可知,新方法在20种手部动作模式的识别训练过程中,单项动作最低识别率较常规决策树方式提高了7.1%,平均识别率达到88.9%,训练速度较一对一支持向量机分类器提高了5.8%.     

一种新型正交5-DOF并联气囊抛光机床的运动传递性能分析

提出了一种新型正交5-DOF并联气囊抛光机床,研究了这种新型5-DOF并联气囊抛光机床的运动学传递性能,定义了速度传递性能评价指标和各向同性性能评价指标,基于这种并联机器人的结构布局特点,分析了各性能评价指标在工作空间内的分布规律,为这种并联气囊抛光机床的应用提供了理论基础。这种新型正交5-DOF并联气囊抛光机床具有结构简单、承载能力强、运动惯性小、初始装配位姿解耦、工艺性好等优点,可用于空间曲面(磨具、叶片等)零件的加工及精密抛光等领域。     

一种新型气动蠕动机器人的机理研究

文章提出了一种新型气动蠕动机器人，分析了它的驱动机理和动态特性。这种蠕动机器人有一个基于气动驱动器的新颖驱动机构和4个吸附足。它结构简单，制造成本低，易于小型化。仿真表明该控制策略可行、响应快速、控制可靠。因而这种新型机器人在很多领域有着广泛的应用潜力。     

基于多通道sEMG小波包分解特征的人手动作模式识别方法

为了满足主动康复训练和人机交互等复杂应用场景对多样性的人手运动模式识别需求,提出了一种基于多通道表面肌电信号sEMG小波包分解特征的人手动作模式识别方法。通过实验对比分析,确定了最佳采样布局方案,通过采集前臂表面肌电信号,设计了基于数字滤波器的肌电信号活动段自动标识算法,能快速准确完成样本动作标签的制作。以原始肌电信号的小波包分解系数作为特征向量训练分类器。通过对比不同隐含层节点数对分类器模式识别准确率的影响,最终确定BP神经网络模式分类器的所有结构参数。设计并训练完成了BP神经网络人手运动模式分类器。对9种手部运动的平均识别率达到93.6%,计算时间小于150ms。