共查询到20条相似文献,搜索用时 31 毫秒
1.
为研究动态驾驶环境下肌肉疲劳与人体肌氧含量变化间的关系,探讨了肌氧含量变化作为人体肌肉疲劳衡量指标的可能性。借助近红外光谱技术(NIRS)观测并分析了肱二头肌、股二头肌和竖脊肌在不同动态驾驶环境下肌氧含量变化的特点,同时监测并分析了脑氧含量的变化趋势,并对各动态驾驶环境下的人体舒适性及疲劳进行了主观评价实验。结果表明:不同的动态驾驶环境直接影响人体的肌氧含量和脑氧含量,利用近红外光谱技术(NIRS)能够探测人体肌肉的疲劳,人体肌氧含量的变化可作为衡量肌肉疲劳的重要参考依据。 相似文献
2.
3.
4.
5.
6.
7.
《兵工学报》2015,(Z1)
为研究方形钢筋混凝土板在爆炸波作用下的破坏模式和抗爆性能,在不同爆炸距离作用和装药量下对典型单向支撑方形钢筋混凝土板进行了数值模拟分析。用AUTODYN软件和流固耦合算法建立混凝土和钢筋三维分离式实体模型,对实验过程进行数值模拟分析,并考虑应变率对钢筋和混凝土材料的动态本构特性的影响。在此基础上,分析了不同装药量下对钢筋混凝土板的损伤和破坏特征。计算结果揭示了钢筋混凝土板从混凝土开裂、底部层裂碎片形成、钢筋屈服到混凝土板局部震塌的动态演变过程。研究结果表明,在近爆非均布爆炸荷载作用下钢筋混凝土板易发生局部冲切破坏,在远距离均匀爆炸冲击波作用下易发生整体弯曲破坏和支座剪切破坏。 相似文献
8.
基于运动学和动力学模型的电驱动无人履带机动平台纵向决策研究存在自适应能力差、难以获得精确的模型参数等问题。针对无人履带机动平台直驶遇到障碍物并接近障碍物的行驶工况,根据驾驶数据提出一种驾驶员纵向决策机理,使用高斯混合-隐半马尔可夫模型对熟练驾驶员纵向决策过程进行建模。使用高斯混合模型对驾驶员在直驶接近障碍物过程中的意图进行辨识,并对驾驶行为进行聚类和量化;通过隐半马尔可夫模型描述驾驶员决策转移过程与相同决策的持续时间;进行不同地面条件下的实车验证。试验结果表明:所提出的驾驶员模型可以很好地模仿驾驶员纵向决策机理,使得最大加速度小于3.5 m/s2,最大减速度大于-4.5 m/s2,决策边界平均加速度绝对值趋近于0.8 m/s2;通过对不同地面条件下的决策持续时间分布进行再训练,该方法可以不依赖地面参数从而适应不同环境条件。 相似文献
9.
10.
11.
12.
13.
14.
15.
在许多实际情况中,引起振动的动力只能减小,但却不能完全排除.而通过控制系统的固有频率,避免外激励作用下的共振,是最直接用于对振动进行控制的手段.为此,对某装备基础车体以及基础改车体振动特性进行分析,建立了两种车体的有限元模型并进行自由模态分析,对比两种车体模态参数,结果表明:基础车体固有频率较小,容易受地面激振频率影响,前十阶振型主要集中表现为动力舱隔板局部振动,对驾驶员人机环影响较大;基础改车体固有频率较大,车体结构刚度均匀性设计合理,动力舱隔板振动得到很好的改善,即人机环得到改善.研究结果对车体结构服役可靠性提升有重要的理论指导,也可为白车身结构设计与校核提供理论依据. 相似文献
16.
研究用于变体机翼后缘的U型复合材料蒙皮处于不同预变形下的动态特性。利用激振器对机翼后缘激振,模拟飞行中变体机翼后缘的环境振动,通过改变机翼后缘的偏转角度(0~25°),采集各U型波纹的动态应变信号进行数据分析。结果表明:蒙皮的预变形越大,振动所引起的U型蒙皮的变形越小;该蒙皮所能承受的机翼后缘角度偏转的安全工作范围为0~15°;用电阻应变片测量U型蒙皮波峰处的动态应变具有一定的实时性和可行性。 相似文献
17.
针对实际作战的特点,采用系统有效性分析方法,考虑作战双方的对抗,结合兰切斯特方程,将轻武器系统的系统、环境和使命三要素结合起来,建立了用于分析枪械作战效能分析的评估模型,给出了在对抗条件下的枪械动态作战效能评估方法,避免了以往静态效能评估和动态评估的局限性,使作战效能评估更加具有广泛性、灵活性和合理性。并选用3种不同的枪械,进行了实战模拟验算,对比分析了不同枪械在作战过程中的作战效能,计算结果说明了所建模型的正确性和实用性。 相似文献
18.
19.
驾驶员行为的不确定性为高级驾驶辅助系统的应用带来挑战。为更加准确预测驾驶员的换道行为,通过深入研究多层感知机(MLP)深度学习算法与支持向量机(SVM)算法,设计了MLP-SVM预测算法,应用于驾驶员换道行为预测。基于驾驶车辆信息和周围交通环境信息建立驾驶员换道行为预测模型,并采用公开实车驾驶数据集进行验证。研究结果表明,基于MLP-SVM的驾驶员换道行为预测模型,与分别基于MLP或SVM的驾驶员换道行为预测模型对比,取得的最高预测准确率为92.6%,可更早预测出换道行为,提前预测时间可达4.54 s。 相似文献
20.
为解决有级转向履带车辆驾驶员操控经验的表征问题,以采集得到的大量真实驾驶数据为依托,提出一种基于操控基元序列的驾驶员操控行为表征模型。操控基元以高斯混合模型表征,并以有向图的形式完成驾驶员操控基元切换序列的提取与类别辨识;依据不同类别的操控基元序列辨识结果完成了对驾驶数据的重分组,利用隐马尔可夫-高斯混合模型完成每一个类别下的驾驶员操控行为模型训练。结果表明:所提取出的操控基元序列既能完成对驾驶员转向操控基元切换行为的表征,又能实现对轨迹基元类别的合理划分;在给定期望轨迹所对应的预测时域内,驾驶员操控行为模型能够实现特定条件下的驾驶员转向操控量预测,预测平均偏差在4.2%以内。 相似文献