上肢康复机器人实时安全控制

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.     

二分粒度聚类和KELM的全景图像火焰识别研究

针对现有灭火机器人视觉系统的窄视野且检测结果受光照变化干扰的问题,提出了一种应用于大视角全景图像火焰识别且抗光照变化干扰的二分粒度聚类优化的核极限学习机方法.首先,对全景图像建立抗光照变化干扰的颜色模型;然后在该颜色模型下利用经过二分和粒度思想改进的K-means聚类算法分割疑似火焰区域与非火区域;最终提取疑似火焰区域的颜色分量等特征参数作为输入向量来训练核极限学习机(KELM)分类器以提取火焰区域.经仿真研究证明,该算法能快速准确识别全景火焰图像,对光照变化具有良好的鲁棒性,且通用性强.     

基于滑模变结构控制的路径跟踪研究

为解决锅炉水冷壁磨损检测机器人的路径跟踪问题,提出了一种基于指数趋近律的滑模变结构控制的机器人路径跟踪方法。在水冷壁磨损检测机器人运动模型的基础上,进行路径跟踪误差分析,设计一种基于指数趋近律的滑模变结构控制器,再利用Lyapunov定理验证其收敛性,最后通过MATLAB软件模拟仿真,仿真结果表明该控制器可以克服误差,使位姿误差收敛至零。     

基于FCA-ReliefF的融合生理信号情绪识别研究

针对当前情绪识别研究中特征维数多、识别率不高的问题,提出了基于多生理信号(心电、肌电、呼吸、皮肤电)融合及FCA-ReliefF特征选择的情绪识别方法。通过将从时域和频域两个维度提取的生理信号特征进行融合,作为分类器的输入进行情绪分类。为了降低特征维度,首先进行特征相关性分析(FCA)删除相关性较大的特征;再通过ReliefF剔除分类贡献弱的特征,达到降低特征维度的目的。在公开的数据集上进行验证,并与相关研究进行对比。结果表明,提出的方法在特征维度及识别率两个方面均有优势。提出的FCA-ReliefF降维策略有效地将特征从108维减少到60维,并且将识别精度提高到98.40%,验证了方法的有效性。     

基于小波包模糊推理的上肢康复机器人智能专家系统

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.     

多类运动想象脑电信号特征提取与分类

针对多类运动想象情况下存在的脑电信号识别正确率比较低的问题,提出了一种基于小波包特定频段的小波包方差,小波包熵和共同空间模式相结合的脑电信号特征提取的方法,并将特征向量输入到支持向量机中达到分类的目的;首先选择重要导联的脑电信号,进行特定频段的小波包去噪和分解;其次对通道优化的重要导联的每个通道信号计算小波包方差和小波包熵值作为特征向量;然后对所有重要导联的分解系数重构并进行共同空间模式特征提取;最后结合2种不同导联方式所获取的特征向量作为分类器的输入进行分类;采用BCI2005desc_IIIa中l1b数据进行验证,该算法的分类正确率最高达到88.75%,相对2种单一的提取方法分别提高28.27%和6.55%;结果表明该算法能够有效提取特征向量,进而改善多类识别正确率较低的问题。     

基于ERS/ERD的二级共空间模式的运动想象脑电信号特征提取

针对多类运动想象EEG信号在脑-机接口方面存在分类识别率低和被试者差异性的问题,提出了一种基于ERS/ERD现象的二级共空间模式特征提取的方法。首先对全部导联进行特定频段的小波包降噪和分解;其次对分解系数重构后的信号以手(左、右)和脚(脚、舌)这二类进行一级共空间模式获取空间滤波器并对其采用2-范数筛选准则,提取权重系数较大的N个导联;然后以优化导联的投影矩阵对手与脚进行空间滤波后的信号分别作为原始信号进行二级空间模式特征提取;最后采用支持向量机进行分类。采用BCI2005Ⅲa中三位被试者的数据进行仿真验证,得到分类正确率最高达到92.55%。结果表明,该方法对EEG信号的特征提取具有较好的效果。     

基于多维度特征表征与SVM的齿轮故障诊断

针对旋转机械中齿轮故障诊断问题,为尽可能提高故障诊断准确性,提出了一种基于多维度特征表征与支持向量机(SVM)的齿轮故障诊断方法。首先,从不同维度分别使用小波包、单一能量、变分模态分解以及集合经验模态分解四种特征提取方法提取齿轮振动信号的特征;其次,将提取的特征信息按照一定的方式进行特征融合表征;最后,采用SVM分类方法对齿轮的运行状态(正常状态,轻微故障,中等故障,断齿故障)进行评估,从而实现齿轮故障诊断。通过多组特征融合表征研究分析表明,多维度融合的特征表征较单一维度特征信息更能够有效地反映齿轮运行状态,有助于进一步提高齿轮故障诊断准确率。     

机器人辅助上肢抗阻运动控制与临床实验研究

针对机器人辅助患肢肌力增强渐进抗阻训练过程中阻力不能随患肢病情进行实时调整的问题,用一种新的模糊自适应阻抗力监督控制方法设计了一个机器人辅助上肢抗阻运动控制系统.该系统依据这种新的控制方法首先对患肢肌力恢复水平进行评估并据此设计机器人上层渐进抗阻基础阻力模糊规划器,得到每个训练周期的基础阻力,再通过设计的机器人下层模糊自适应阻抗力控制器,在基础阻力确定的基础上,根据患肢抗阻训练过程中肌力的变化对患肢与机器人末端之间的相互作用力做进一步的调整.运用Barrett公司4自由度机器人WAM Arm构建的临床康复实验系统平台,验证了该系统的算法的有效性.