虚实结合的可穿戴产品适合性检验研究

目的 为了更科学地研究和检验可穿戴产品的适合性,提出一种适合性检验方法,能够精确保留现实环境中的产品佩戴关系,并能将现实与虚拟的适合性检验研究相结合,得到合理的适合性检验结果.方法 以虚拟现实眼镜的适合性检验为例,通过高精度的三维测量技术将现实环境中的人、产品以及人—产品佩戴关系转化为三维虚拟信息,并以人—产品佩戴三维模型为参考基准对齐人和产品的虚拟模型,得到保留现实佩戴关系的人—产品佩戴模型组,再应用偏差分析法得出人—机佩戴区域的可视化适合性结果和统计数据,结合主观评价方法进一步分析产品的适合性.结论 虚实结合的产品适合性检验方法可在虚拟环境中高精度地保留现实环境中的人—产品佩戴关系,并能得到可视化的适合性检验结果,为检验和指导产品的适合性提供依据.     

光谱编码计算关联成像技术研究

现有的多光谱成像技术通常采用光学分光的方式，使用多个探测器对成像场景的光谱图像进行采集，导致现有成像系统复杂，数据量大、效率低。针对现有技术的不足，提出基于正交调制模式的光谱编码计算关联成像技术。通过正交光谱编码矩阵融合Hadamard基图案构造投影散斑对宽带光源进行调制，单像素探测器收集成像物体与调制光源相互作用后的反射信号；应用演化压缩技术复原成像物体的混叠光谱图像；利用编码矩阵的正交性质解码出欠采样的光谱分量图像，对分离出的图像应用组稀疏压缩感知算法重构全采样的光谱分量图像，最后融合出成像物体的多光谱图像。通过数值模拟与实验两方面验证了所提方法的高效性。所提的技术简化了多光谱关联成像系统，降低了数据量。光谱编码方法可以扩展到更多的光谱通道，也可以应用在偏振关联成像、信息加密等领域。     

外骨骼可穿戴四肢康复机器人的设计与实现

为了解决患者四肢康复治疗问题,设计了一款基于外骨骼的可穿戴四肢康复训练机器人,可以实现上肢和下肢联合康复治疗,它占地小,便于携带。该机器人由上肢模块、下肢模块和控制模块组成,采用Inventor软件进行三维建模,并对核心支撑部件进行静力学分析,以验证整体结构设计的稳定性和正确性。仿真结果表明:患者可以实现上肢康复和下肢康复联合训练,真正实现了四肢康复训练全方位和立体化,可以满足患者康复训练需求并且具有一定的市场推广价值。     

乙醇浓度预测的多元线性回归模型建立及验证

设计了由光源、气室、探测器和控制器等组成的非分散红外吸收系统，往气室内通入不同浓度的多组分气体（含有乙醇、二氧化碳和水蒸气），采用红外光谱仪进行光谱数据采集，得到多组分气体混合光谱图。根据数据集样本求解回归系数，建立了多元线性回归模型，并进行干扰修正以降低二氧化碳和水蒸气对乙醇浓度预测的影响。对建立的多元线性回归模型进行评价，结果表明:模型真实有效且具有良好的线性回归效果，可以用于预测气体浓度，乙醇、二氧化碳和水蒸气浓度预测误差均在可接受的范围之内，其中乙醇浓度预测误差最小，不超过2.0×10-4。通过干扰修正尽可能排除二氧化碳和水蒸气的干扰，能够较准确地预测乙醇浓度。     

可钢化双银低辐射镀膜玻璃生产改进

通过对低辐射镀膜玻璃现有技术进行分析,运用磁溅射镀膜技术解决现有膜系的小角度反射发红问题,降低钢化后的颜色变化.     

基于两步聚类和关联规则结合的推荐算法

在电子商务的浪潮中,互联网保险也蓬勃发展,传统的保险业务由线下转到线上。当互联网保险企业积累到一定量级的用户后,开始探索新的业务发展模式,如何有效挖掘已有的潜在会员,如何探索会员感兴趣的保险产品,如何为用户推荐个性化的个性化保险方案,是当前迫切需要解决的问题。基于此,本文探讨了基于两步聚类和关联规则结合的推荐算法,旨在提高关联规则的有效性,从而为互联网保险企业会员推荐最感兴趣的保险产品。     

基于局部离群因子和神经网络模型的设备状态在线监测方法研究

核电厂重大设备状态在线监测是保障核电厂安全和经济运行的重要技术，针对传统阈值监测的固有缺陷，提出一种基于局部离群因子（LOF）和神经网络模型的设备状态在线监测方法。此方法属于多参数动态阈值监测方法，首先分析监测对象的故障模式和故障现象，选择一组可覆盖故障现象的传感器测点；根据设备运行特点采集足够长时间的历史运行数据，筛除异常数据；计算历史运行数据的LOF，以历史运行数据为输入、LOF为输出，建立并训练得到神经网络模型；最后基于神经网络模型和传感器测点实时数据计算设备健康指数，监控当前设备健康状态。将本文的监测方法用于循环水泵泵体健康状态的监测，并采集了一段时间的正常数据和异常数据以验证其监测效果，验证结果表明，本文提出的监测方法可以提前10d进行预警，降低误报率，大幅提升监控效能。       

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

利用人外周血淋巴细胞染色体畸变估算离体模拟局部照射剂量

多数电离辐射事故均为局部照射。对于局部照射剂量估算,国际原子能机构(IAEA)推荐采用Dolphin's 模型,该模型需推算出照射部位染色体畸变率,再代入离体均匀照射情况下建立的剂量效应曲线来估算局部照射剂量。准确推算照射部位染色体畸变率对于估算剂量十分重要,选用合适的剂量效应曲线对估算剂量也同样重要,而对于局部照射,关于不同剂量率剂量效应曲线对估算结果影响的报道还十分有限。基于此本研究利用人外周血淋巴细胞染色体畸变估算离体模拟局部照射剂量,分析不同剂量率剂量效应曲线对估算结果的影响。利用⁶⁰Co γ射线离体照射人外周血样品(样本A和样本B),剂量分别为1 Gy和5 Gy。将照射血与未照射血按25%和75%比例混合以模拟局部照射,分析混合血样中淋巴细胞的双着丝粒染色体(dicentric chromosome,dic)加着丝粒环(r),利用Dolphin's模型估算局部照射dic+r率,并用剂量率不同的两种剂量效应曲线估算局部照射剂量。结果显示,大部分混合血样dic+r分布不符合泊松分布,为过离散分布。利用与实际照射剂量率一致的剂量效应曲线估算的样品受照剂量大多与实际照射剂量比较接近,相对偏差在10%以内,但两样本的1 Gy 25%组的估算受照剂量与实际照射剂量偏差较大。利用与实际照射剂量率不一致的剂量效应曲线估算的样品受照剂量与实际照射剂量相对偏差均超过10%。结果表明dic+r分析用于估算离体模拟局部照射的剂量有可行性,采用剂量率和照射剂量率一致的剂量效应曲线估算的结果更为准确。     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.