排序方式: 共有47条查询结果,搜索用时 15 毫秒
1.
在脑机接口(BCI)领域,手部自然动作脑电识别对实现自然而精确的人机交互具有重要意义.然而,在针对手部自然动作范式的研究中,利用迁移学习提高模型在不同被试之间泛化能力的尝试仍然较少.本文选择掌握、指捏和旋拧三种手部自然动作开展脑电实验,并在实验数据集上验证了CA-MDM(协方差中心对齐-黎曼均值最小距离)和CA-JDA(协方差中心对齐-联合分布适应)这两种迁移学习算法的有效性.实验结果显示,CA-JDA在二分类和四分类任务中的平均准确率分别为60.51%±5.78%和34.89%±4.42%,而CA-MDM在相同分类任务中的表现分别为63.88%±4.59%和35.71%±4.84%.该结果凸显了基于黎曼空间的分类器在处理协方差特征时的优势.本文的研究不仅证实了迁移学习在手部自然动作范式中的可行性,也可为缩短BCI系统的校准时间,实现自然人机交互策略提供帮助. 相似文献
2.
3.
上肢康复机器人实时安全控制 总被引:2,自引:0,他引:2
针对上肢辅助康复机器人临床使用中的安全性和平稳性问题,提出基于模糊逻辑的实时在线安全监测控制方法.机器人对患肢进行康复训练时,患肢状态对控制效果会产生影响;通过设计智能安全监控模糊控制器(SSFC)改善系统运动平稳性以及突发情况下的安全性.首先提取相关运动特征评估受训患肢状态稳定情况,安全监控模糊控制器智能实现正常扰动情况下的控制期望力调节以及突发情况下的紧急响应.其次通过基于位置的阻抗控制策略实现患肢与机器人末端的柔顺性.实验结果验证了该控制方法能够有效地实现康复机器人的安全性和平稳性. 相似文献
4.
回转窑托轮轴轴承设计与刮研非常重要。介绍了JCJ03-1990轴瓦与轴颈装配要求,并根据实践经验提出了轴瓦与轴颈的接触角为30°,接触面内进行研磨和接触面内不进行研磨两种研磨方法。此类方法特点是轴瓦与轴颈的接触角小,从瓦口开始刮研油囊,油囊弧顶处一直延伸到接触带位置;能有效避免翻瓦和轴拉丝的重大事故。 相似文献
5.
醪垢的形成因素有:微溶或可溶物质在蒸馏过程中处于过饱和状态而析出;可溶性钙盐转化成碳酸钙垢;可溶性钙盐受热分解生成难溶碳酸钙垢;前处理的制浆工艺。醪垢的预防方法有化学防垢法、物理防垢法、控制离心清液回配比、减少回配量、改善工艺、规范操作。醪垢的清洗方法有化学清洗法(碱煮法、酸洗法)、CIP清洗法、高压水射流清洗法。 相似文献
6.
7.
针对目前上肢运动训练康复机器人缺少对患肢训练模式智能处方诊断的现状,提出了全新的基于小波包模糊推理的上肢康复机器人智能专家系统诊断方法.该方法在智能专家诊断过程中首先根据患肢在水平和垂直方向上的被动运动位置跟踪误差,通过小波包分解提取患肢运动性能特征,然后根据两个方向上的运动性能特征值并运用专家知识,通过模糊逻辑推理诊断该患肢适合的康复运动训练类型.临床实验结果表明,该方法能够较准确地实现不同病情患肢的运动训练模式处方诊断,有助于提高康复机器人的临床智能化水平. 相似文献
8.
针对目前机器人辅助抗阻训练过程中肌力训练方法大多是在参考轨迹设定框架内根据受试者的运动行为来设计底层阻力控制器的局限,提出一种新的模糊自适应分层触发肌力训练控制方法. 该方法无需事先设定训练参考轨迹,首先根据训练过程中患肢运动性能设计上层渐进抗阻基础阻力监督控制器,得到单节训练的基础阻力; 再通过计算单节训练过程中患肢生物阻抗的变化设计下层自适应阻力触发控制器,根据生物阻抗变化值对节内训练阻力作进一步调整.临床实验结果验证了所提控制策略的有效性. 相似文献
9.
基于小波包变换和聚类分析的脑电信号识别方法 总被引:4,自引:10,他引:4
为了实现脑-计算机接口(brain-computer interface,BCI)系统,对大脑C3,C4处采集的二路运动想象脑电信号的特征进行了提取和分类.在分析小波包频带划分特点的基础上,利用小波包能量进行特征提取并使用基于马氏距离的线性判别分析进行了左右手运动想象模式分类,结果表明该方法提取的特征向量较好的反映了运动想象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.另外,该方法识别率高,适合脑-计算机接口的应用. 相似文献
10.
鉴于情感脑电蕴含丰富的空间模式特征,提出一种基于二维空间域表征可视化的情感识别方法。首先,提取多通道脑电Gamma频段的微分熵(Differential Entropy,DE)特征并根据导联位置映射至9×9的二维空间进行拓扑重构,使用三次插值方法进一步提高空间域特征图的分辨率;然后,针对性地设计了一种深度残差网络(Residual Network,ResNet)模型作为情感脑电解码器对情感脑电信号(Electroencephalogram,EEG)进行深层抽象特征的自动提取和端到端分类;最后,通过梯度加权类激活映射(Gradient-weighted Class Activation Mapping,Grad-CAM)方法对输入特征图进行可解释性分析,依据热力图分布定位对特定情感状态识别具有较大贡献的空间脑区。在SEED数据集上进行了相关情感识别实验,三种情感类别分类平均准确率为94.88%,达到了较先进的性能。 相似文献