基于双流卷积神经网络的肌电信号手势识别方法

面向高性能的肌电控制系统,提出一种基于双流卷积神经网络的肌电信号手势识别方法,其从原始表面肌电信号中提取离散小波变换系数,与原始表面肌电信号分别作为双流卷积神经网络两个分支的输入进行高层特征学习,最终通过一个高层特征融合模块对两个分支学习得到的高层特征进行融合.所提方法在3个包含50～52类手势动作表面肌电信号的大规模...     

基于双谱分析的表面肌电信号模式识别

本文提出一种新的用于表面肌电信号分类的方法。这种方法将双谱分析技术应用于表面肌电信号分类来对六种简单的动作进行分类,包括内翻,外翻,握拳,展拳,上切和下切六种动作模式的识别。在以往的表面肌电信号分类中,人们都假设信号满足高斯分布和线性,并且为平稳信号。但是实际的表面肌电信号往往不能满足上面的假设,根据前人对表面肌电信号的研究我们知道,当肌肉收缩低于最大自发收缩的25％时,表面肌电信号所表现的非高斯性是显著的。因此为了获得更多的表面肌电信号的信息和获取更好的表面肌电信号分类的识别率,我们利用双谱分析和主元分析相结合方法对肌电信号进行了分类研究。     

表面肌电信号分析及其在康复医学中的应用

表面肌电信号( sEMG)有多种分析处理方法,如时域、频域、参数模型、时-频域、非线性动力学等方法,针对分析处理方法的选取问题,通过分析研究各类分析处理方法,比较了各类分析处理方法的特点、优劣与使用情况.研究结果表明,每种分析处理方法都有各自的优缺点和适用范围,具体使用时应很据实际情况选择确切的方法.并对肌电信号分析处...     

基于HMM的下肢表面肌电信号模式识别的研究

采用隐马尔科夫(HMM)的信号分类识别方法,用以实现下肢步态中各细分动作的更好识别和描述。首先将待分类的肌电信号进行预处理,按等时间间隔对每通道的肌电信号划分不同的段,采用小波变换方法对每个数据段内肌电信号进行多尺度分解,并提取小波分解系数的奇异值构成观察值序列。将步态周期的四种运动模式与HMM状态一一对应,用Baum-Welch算法对HMM参数进行重估训练,再用标定技术处理的前向后向算法和Viterbi算法进行识别,得到的平均识别率高于90%。然后在四种运动模式中分别提取小波特征组成特征编码,送入概率神经网络(PNN)中进行识别。证明HMM的识别效果优于概率神经网络,能够更好地应用于假肢的控制研究。     

基于磁场刺激与神经网络肌电信号的模式识别

针对表面肌电(SEMG)信号的非平稳特性,采用bior3.1小波对在磁场刺激下从掌长肌、肱桡肌、尺侧腕屈肌和肱二头肌四块肌肉上采集的四路表面肌电信号进行了分析,并用小波变换方法提取其肌电信号的特征,构成特征矢量,输入Elman神经网络分类器进行模式识别,经过训练能够成功地识别出握拳、展拳、腕内旋、腕外旋、屈腕、伸腕、前臂内旋、前臂外旋八种运动模式.实验表明,该方法识别率高,为肌电信号的模式识别提出了一种基于磁场刺激的新方法.     

基于多源信息融合的膝上假肢步态识别方法

为了实现膝上假肢的有效控制,提出基于多源信息融合的步态识别方法。首先通过搭建人体下肢多源运动信息系统获取下肢表面肌电信号、腿部角度信号和足底压力信号。针对获取的信息,采用基于小波变换的空域相关滤波对肌电信号进行消噪并提取信号特征;选择大小腿、膝关节角度作为腿部角度信号特征;将足底压力信号通过阈值法提取有效特征。在特征提取基础上,分别利用BP神经网络和有限状态机对下肢运动信息进行步态识别,并将识别结果进行融合。实验验证了该方法在平地行走、上下楼梯模式下步态识别准确率均达到95%以上。     

表面肌电信号测试中工频干扰的抑制

介绍了一种表面肌电信号 (EMG)测试调理电路和信号处理的方法。表面EMG测量中最难处理的问题之一是工频(5 0Hz)干扰 ,它处在有效的肌电信号频带之中。针对表面EMG的测量特点设计了一种信号调理电路 ,使肌电信号和工频信号并行单独处理 ,避免了不加区分地采用工频陷波器 ,这一设计思想在实际的肌电信号检测时取得了较好的实验结果。     

基于小波包分析和Elman网络的肌电信号处理

提出了一种基于小波包变化和Elman神经网络的表面肌电信号特征提取和模式识别方法.在对表面肌电信号进行预处理的基础上,提出了以小波包变换各频段的能量来构造特征值,以该特征值作为训练样本输入Elman神经网络进行网络训练,构筑手部动作分类器,训练完成的分类器可完成伸腕、屈腕、展拳和握拳等4种手部动作模式的识别.实验结果表明,与其他分析方法比较,该方法不仅识别率高,鲁棒性好,同时也为其他非平稳生理信号分析提供了新方法.     

基于Matlab的6种上肢动作肌电信号识别

表面肌电(surface eIectromyogram,sEMG)信号的去噪处理和特征提取的效果好坏直接关系到识别的准确率.以获得较高的识别准确率为目标,对肌电信号的去噪处理和特征提取展开研究.先对表面肌电信号进行小波阈值去噪;再分别运用时域、频域和时频分析对去噪后的信号进行特征提取;最后利用BP神经网络对肌电信号进行...     

基于SOPC嵌入式技术的表面肌电信号检测系统的研究

本文介绍了一种基于ALTERA公司SOPC嵌入式技术的表面肌电信号检测系统。系统将模拟滤波器和数字滤波器结合起来处理采集到的信号,有效地提取了表面肌电信号。     

基于改进自适应模糊推理系统的YG3硬质合金精密外圆磨削表面质量预测

为提高硬质合金材料精密外圆磨削的表面完整性和加工质量,研究其表面质量的预测技术,建立了基于自适应模糊推理系统(ANFIS)的YG3硬质合金精密外圆磨削表面粗糙度预测模型,并引入混合田口遗传算法(HTGA)对预测模型进行了改进。采用工艺试验中所用的磨削参数及相应条件下测得的表面粗糙度数据作为训练样本和测试样本,通过对BP神经网络模型、传统ANFIS预测模型及改进ANFIS预测模型的预测结果进行对比分析,对三种模型的有效性和预测精度进行了验证。结果表明,所提出的改进ANFIS预测模型从预测值相对误差Er的分布及均方根相对误差EMSRE的大小来看,均优于其他两种预测模型,预测精度较高,是一种有效的表面质量预测方法。      

SSVEP-BCI抗自由眨眼稳定性的ANFIS方法

针对伪迹干扰下脑机接口稳定性问题,以自由眨眼动作下稳态视觉诱发脑机接口的稳定性为切入点,进行了稳态视觉诱发脑电信号去眼电伪迹(electroculography,简称EOG)研究。提出了一种基于自适应神经模糊推理系统(adaptive neuro-fuzzy inferency system,简称ANFIS)的无眼电电极下脑电信号眼电伪迹的自适应消除方法并进行实验,验证该方法对自由眨眼动作下稳态视觉诱发脑机接口稳定性的提高。该伪迹消除方法通过自适应神经模糊推理系统逼近眼电信号源至眼电伪迹的非线性变换函数,达到消除脑电信号中眼电伪迹的目的。算法通过前额叶区脑电信号获得替代性眼电信号源,经延时处理后,输入自适应噪声消除器中以消除各通道脑电信号中的眼电伪迹。通过自由眨眼动作下稳态视觉刺激实验,对该伪迹消除方法中各参数及函数的选择进行了研究,并将该方法与经典滤波和传统独立成分分析(independent component analysis,简称ICA)进行对比,证明了该方法在消除眼电伪迹的情况下保留了稳态视觉刺激的有效信息,识别正确率较经典滤波相比最高提高了6.25%,较传统ICA相比最高提高10%,保证了稳态视觉诱发脑机接口在自由眨眼动作下的稳定性。     

Application of adaptive neuro-fuzzy inference system and cuckoo optimization algorithm for analyzing electro chemical machining process

Electrochemical machining process (ECM) is increasing its importance due to some of the specific advantages which can be exploited during machining operation. The process offers several special privileges such as higher machining rate, better accuracy and control, and wider range of materials that can be machined. Contribution of too many predominate parameters in the process, makes its prediction and selection of optimal values really complex, especially while the process is programmized for machining of hard materials. In the present work in order to investigate effects of electrolyte concentration, electrolyte flow rate, applied voltage and feed rate on material removal rate (MRR) and surface roughness (SR) the adaptive neuro-fuzzy inference systems (ANFIS) have been used for creation predictive models based on experimental observations. Then the ANFIS 3D surfaces have been plotted for analyzing effects of process parameters on MRR and SR. Finally, the cuckoo optimization algorithm (COA) was used for selection solutions in which the process reaches maximum material removal rate and minimum surface roughness simultaneously. Results indicated that the ANFIS technique has superiority in modeling of MRR and SR with high prediction accuracy. Also, results obtained while applying of COA have been compared with those derived from confirmatory experiments which validate the applicability and suitability of the proposed techniques in enhancing the performance of ECM process.     

基于聚类和自适应神经模糊推理系统的数控机床绿色度评价方法

为了实现对数控机床绿色度的智能评价,提高数控机床绿色度预测精度,提出了一种基于聚类和自适应神经模糊推理系统（ANFIS）的评价方法。采用改进的粒子群优化模糊C均值聚类算法实现样本的自适应分类,生成辅助ANFIS学习的训练样本集;建立基于ANFIS的评价模型,通过对训练样本集的学习自动生成模糊规则,消除评价指标的模糊性和随机性对评价结果的影响;训练后的评价模型可用于评价样本的自适应推理。最后利用提出的评价方法对数控机床绿色度进行实例分析,验证了该评价方法的有效性。     

基于自适应神经-模糊推理系统模糊信息融合的采煤机截齿磨损在线监测

为实现对截齿截割过程中磨损程度的实时精确在线监测,分别测试和提取不同磨损程度的截齿在截割过程中的振动信号、声发射信号和温度信号,建立不同磨损程度截齿截割信号的多特征样本数据库,根据最小模糊度优化模型计算求解各特征信号的最优模糊隶属度函数,采用自适应神经-模糊推理系统多维模糊神经网络方法实现多传感特征信息的决策融合,输出置信度和权重较高的截齿磨损量融合结果。通过随机测试实验对融合系统进行验证,结果表明,基于ANFIS模糊信息融合的截齿磨损监测系统辨识度较高,测试结果最大误差在6.5%以内,系统具有良好的融合效果以及较高的测试精度。     

基于信息融合的钢包精炼炉元素收得率预报

为提高元素收得率的预报精度,针对元素收得率主要影响因素无法及时获得的问题,提出一种基于信息融合的预报方法。该方法对原始数据层与特征层分别进行融合操作。在原始数据层,首先将相关性较为明显的可测变量按照机理进行结合,然后使用基于改进遗传算法的特征构建方法对由可测变量与结合变量组成的变量集合进行融合,使融合后的特征作为元素收得率主要影响因素的评价指标。在特征层,使用自适应神经-模糊推理系统对构建后的特征进行融合,从而得到元素收得率预报模型。将此方法应用于Q345B钢种Si、Mn元素收得率的预报,实验结果表明所提出的方法不仅可以满足生产要求,而且比其他预报方法有更高的预报精度。     

基于模糊基函数网络和自适应最小二乘算法的外圆纵向磨削表面粗糙度的预测

建立了外圆纵向磨削表面粗糙度的模糊基函数网络（FBFN）预测模型，网络的训练采用自适应最小二乘算法（ALS）。ALS将最小二乘算法和遗传算法相结合，能够自主学习，不用人为干预，FBFN和粗糙度的分析模型相结合，只需少量实验数据便可完成网络的训练，自动产生模糊规则，确定隐含层的节点数。仿真和实验结果表明，FBFN网络结构非常适合粗糙度的预测和控制，采用ALS学习方法比BP算法、传统的遗传算法和正交二乘法等能产生更好的结果。     

交通环境振动测试数据中暗振动去除的ANFIS法

轨道交通引起的环境振动测试数据中混杂着暗振动的成分。提出了一种去除暗振动的自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,简称ANFIS)法,阐述了其基本原理,给出了该法的具体实现步骤。通过一条列车引起的地面振动加速度时程与一条暗振动加速度时程叠加得到现场实测振动加速度时程,采用提出的ANFIS法及其他几种已有方法对该算例进行了去除暗振动的计算,并进行了对比分析。几种方法计算的时程均方根误差分别为:谱幅值修正法0.414mm/s~2,自功率谱法0.363mm/s~2,自互功率谱法0.261mm/s~2,ANFIS法0.074mm/s~2,可见,ANFIS法均方根误差最小;几种方法计算的加权振级VLz分别为:振动级修正法63.842dB,谱幅值修正法62.894dB,自功率谱法63.859dB,自互功率谱法63.802dB,ANFIS法63.805dB,ANFIS法计算结果与真实交通振动值63.815dB最接近。结果表明,在时程、傅里叶谱、功率谱密度及振动级的计算上,ANFIS法计算结果都与真实交通振动值非常接近,产生的误差比其他已有方法更小。