基于相控阵聚焦的经颅磁声电刺激仿真与实验分析

经颅磁声电刺激方法在颅内产生的感应电场分布是决定神经调控精度的关键因素。相控阵可产生高聚焦度声场,但其结构参数与颅内感应电场之间关系尚不明确。本文建立了包含相控阵的三维有限元模型,计算了声场分布并采用焦区横截面积、焦区深度、声强和电场强度为评价指标。设计仿体实验测量了焦点处实际电场强度。以Wistar大鼠为实验对象,考察了相控阵在0.8MHz中心频率,不同阵元数下与0.3T静磁场耦合作用对大鼠局部场电位的作用规律。结果表明：增加阵元数目可提高焦区电场强度,进而降低局部场电位低频段（4-30Hz）振荡频率,增加高频段（30-80Hz）能量,揭示了基于相控阵聚焦的经颅磁声电刺激对神经元兴奋性的调节机制,为经颅磁声电刺激系统设计与相控阵结构参数选择提供参考。     

基于皮层-基底神经节环路模型的经颅磁声电刺激对大鼠行为决策的影响

经颅磁声电刺激（TMAES）是一种新型、无创、可改变不同脑区电活动的神经调控方法。前额叶皮层与基底神经节中各脑区相互影响,在行为决策中起着关键作用,然而目前涉及其调节机理的研究相对较少。前运动皮层神经元活性和前额叶皮层突触可塑性与行为决策关系密切。该文基于皮层-基底神经节回路模型,模拟分别对健康大鼠、帕金森大鼠施加刺激后,不同脑区在奖赏选择任务中的神经活动,仿真分析不同感应电流强度对皮层神经元放电率和脑区间突触权重的影响。并通过行为学实验进一步探讨经颅磁声电刺激对健康大鼠与帕金森模型大鼠行为决策的影响。仿真结果显示,对健康大鼠施加刺激可提高前额叶皮层与纹状体、前运动皮层之间的突触权重;对帕金森大鼠施加刺激可提高前运动皮层神经元放电率,调节前额叶皮层与纹状体、前运动皮层之间的突触权重。实验结果显示,施加刺激后,大鼠的学习探索能力和空间记忆能力均得到了提高,且帕金森模型大鼠受刺激的作用效果更显著。研究结果表明,经颅磁声电刺激可提高大鼠的运动积极性和学习效率,且有助于改善基底神经节的功能失衡。研究结果为进一步探索经颅磁声电刺激调节决策认知功能的作用机制奠定基础。     

经颅磁刺激模式差异性对大鼠工作记忆神经网络关联特性的影响研究

经颅磁刺激(TMS)技术因具有无痛无创和非侵入式等特点已被广泛应用于临床神经功能调控领域.工作记忆是重要的认知神经功能,但TMS对工作记忆功能的影响机制尚不清晰,且各模式TMS对认知功能的影响差异较大.因此,探究TMS技术对工作记忆(WM)的调控机制有重要的临床意义.首先,该文将成年Wistar大鼠分为空白对照(con...     

经颅磁刺激技术的研究进展

电磁场作用于生物体时会产生一定的生物效应,这是生物电工领域的发展方向之一。经颅磁刺激(TMS)是一种无创生物刺激技术,它利用时变磁场产生感应电场,引起生物电流在组织中传导,改变大脑皮层神经细胞的动作电位,影响脑内代谢和神经电活动。TMS装置主要包括脉冲电流发生回路和磁刺激线圈,改变回路和线圈的参数可以产生不同形式的刺激,满足不同的临床应用需求。TMS技术发展30几a来,已成为神经外科、精神科等临床科室的常用诊断与治疗手段,在脑功能研究方面也展示出巨大的潜力。随着TMS技术的不断发展与临床研究的不断深入,TMS的应用将会越来越广泛。     

一种应用于经颅磁刺激脉冲宽度可调的节能型激励源

为了提高经颅磁刺激系统中激励源的节能率,该文在脉冲宽度可控经颅磁刺激仪(cTMS1)的基础上,提出一种节能型激励源(EEES),并设计EEES电路拓扑结构和开关控制方法。首先,通过控制开关的导通时间,实现脉冲电流宽度的调节。然后,设计电路拓扑结构,实现能量的回收再利用,提高系统的能量利用率。最后,开发EEES实验平台并对系统性能进行测试。实验结果表明,EEES可以产生幅值高达1 058A的脉冲电流,可调脉冲宽度范围为5～160μs。与cTMS1激励源相比,EEES能量自损率明显低于cTMS1,节能率高达62.60%～93.21%。因此,该文提出的EEES系统为TMS激励源的发展提供了重要参考。     

基于AVMD的非线性经颅电刺激伪迹去除方法

经颅交流电刺激( transcranial alternating current stimulation, tACS) 是一种应用广泛的无创脑刺激方法。 由于非线性 tACS 伪迹的干扰,很难直接获取刺激时神经电活动的真实情况。 为此,提出一种自适应变分模式分解( adaptive variational mode decomposition, AVMD)方法用于去除非线性 tACS 伪迹。 该方法利用希尔伯特变换(Hilbert transform, HT)提取伪迹包络,然后 利用窗口傅里叶变换(window Fourier transform, WFT)确定 VMD 分解的模态数。 再利用 VMD 分解原始数据得到多个本征模态 信号。 最后根据各模态信号的幅度特征重构真实脑电成分。 在模拟数据和公开实验数据上测试 AVMD 方法的性能,分别采用 重构脑电与真实脑电之间的相关系数(模拟数据)以及重构脑电和 sham 脑电统计特征的平均绝对误差(实验数据)进行方法性 能评价。 结果表明,对于模拟数据,在调幅深度 ma∈[0. 001,0. 01]、相位调制深度 mp∈[0. 001,0. 01]和刺激频率 f arti∈[10, 100]的条件下,重构脑电和真实脑电的平均相关系数分别为 0. 988 5、0. 893 5 和 0. 948 4。 对于实验数据,重构脑电和 sham 脑 电之间统计特征的平均绝对误差在刺激频率为 11 Hz 时分别为 0. 989 6(峰度)、2. 991 8(均方根幅度)、0. 175 1(样本熵),在刺 激频率为 62 Hz 时为 0. 940 7(峰度)、2. 473 1(均方根幅度)和 0. 084 1(样本熵)。 与移动叠加平均法( superposition of moving averages, SMA)、自适应滤波法(adaptive filtering, AF)和经验模态分解法(empirical mode decomposition, EMD)相比,AVMD 方法 表现出更稳定更好的非线性 tACS 伪迹去除性能。 该方法的提出为闭环 tACS 刺激仪器的开发提供支持。     

多通道经颅磁刺激线圈阵列的驱动与控制

经颅磁刺激是一种无痛、无创的神经刺激技术,近年来在医学上被广泛使用。与传统单通道磁刺激线圈相比,多通道线圈阵列可以实现多点同步刺激、扫描刺激以及刺激模式的灵活切换,因此具有更好的发展前景。但由于线圈阵列驱动电路复杂、线圈间存在电磁耦合等难点,多通道线圈阵列的驱动与控制方法仍需进一步研究。该文基于8路独立导线构成的4×4直导线阵列,设计了一种新颖的多通道线圈阵列的驱动与控制电路。驱动电路主要包括充电电路和8路放电电路,用于在线圈阵列中产生脉冲电流;控制电路则主要用于切换刺激模式和控制脉冲电流的幅值及重复频率。通过仿真计算和实验测量,分析电磁耦合对脉冲电流波形的影响,验证了该驱动与控制电路可以实现线圈阵列在不同重复频率、不同刺激模式下工作,并且在理论上,线圈阵列下方3cm处的刺激强度足够达到脑细胞的兴奋阈值。     

基于BP神经网络的SSSC的建模与仿真

SSSC的模型是分析其原理和设计其控制器的基础.由于SSSC是一个强非线性的系统,用传统的方法所建立的模型已不能达到人们的要求,利用具有非线性拟合能力的人工神经网络建立了逆变器电容电压和线路有效阻抗的神经网络模型.神经网络特有的非线性逼近、强化学习和自适应能力,使神经网络模型对变化的环境和参数具有自适应性.     

基于磁声电技术的肺部组织成像仿真研究

新冠肺炎可引起肺水肿和肺实变,对肺部造成严重的损害.CT检测存在辐射,超声成像对轻症患者难以发挥作用.磁声电成像是一种典型的电磁和超声相互耦合的电特性成像技术,具有高空间分辨率和高对比度的优点,可检测肺部病变早期变化.该文介绍磁声电技术的原理,利用有限元分析软件建立肺水肿或肺实变前期模型和完全肺水肿或肺实变模型,仿真分...     

再热汽温神经网络预测模型的构建及仿真

在火电机组运行过程中,提高再热汽温预测精度对于提高机组运行经济性、可靠性具有重要意义。影响再热汽温的因素错综复杂,采用传统方法难以建立精确的数学模型,或模型预测精度不高。混沌理论的发展为这一问题的研究提供了新的思路。本文在揭示再热汽温混沌特性的基础上,利用混沌特性处理输入样本及确定神经网络结构,将神经网络与改进型遗传算法结合,构建了基于改进型遗传算法的再热汽温神经网络预测模型。仿真结果表明,该模型相对误差的最大绝对值仅为0.068 12%,收敛速度快。     

基于模糊神经网络继电保护装置的仿真研究

根据模糊数学和神经网络的基本原理,建立了一个基于模糊神经网络的继电保护装置系统模型。给出了模糊神经网络的结构和学习算法并进行了仿真,大量的实验证明该方法是可行的。     

基于MEA-LVQ神经网络的GIS特高频局部放电识别研究

针对学习向量量化(learning vector quantization,LVQ)神经网络在气体绝缘全封闭组合电器GIS特高频局部放电识别过程中存在初始权值敏感、竞争层未被充分利用的问题,提出了利用思维进化算法(mind evolutionary algorithm,MEA)优化LVQ神经网络的GIS特高频局部放电识别模型。该模型采用K交叉验证来确定LVQ网络竞争层中最佳神经元数目,并在此基础上利用思维进化算法寻找LVQ网络的最优初始权值,构建最佳的局部放电识别网络模型。对比该模型和BP网络、LVQ网络以及K交叉验证LVQ网络的放电识别准确率,结果表明:MEA优化的LVQ神经网络具有更高的识别精度。文中的研究对于提高局部放电识别准确率具有一定的价值。     

基于BP神经网络的静电放电电流解析表达式

针对静电放电(ESD)电磁脉冲测试及其辐射场计算这一难点问题,提出了一种基于BP(back propaga-tion)神经网络的任意曲线拟合方法,并给出了任意曲线的数学解析表达式通式。根据IEC 61000-4-2标准的相关规定,采用本方法得出了理想接触式ESD电流波形的解析表达式,神经网络隐含层神经元个数选取为9时,拟合曲线均方误差(MSE)为4.491 7×10-4。提取本方法得到的理想接触式ESD电流曲线的波形参数(上升时间为0.81ns,峰值电流为14.938 5A,30ns时电流值为8.038 9A,60ns时电流值为4.037 7A),证明了该解析式满足IEC61000-4-2的相关规定。通过对6kV放电电压的工程实测ESD电流波形曲线拟合,得到工程实测ESD电流波形的解析表达式,隐含层神经元个数选取为20时,拟合曲线均方误差为0.093 5。本方法为工程实测ESD辐射场的相关计算提供了更准确的解析表达式。     

基于神经网络GIS局部放电模式的识别

全封闭气体绝缘开关设备（GIS）广泛应用于电网中,其内部缺陷导致的设备故障可能会引起大面积停电事故.针对GIS缺陷放电模式识别问题,设计了3种GIS典型放电模式,通过实验平台获取放电指纹数据,并从中提取出12种特征.对基于单一网络方式的概率神经网络、自适应神经网络以及基于复合神经网络方式下的GIS局部放电识别问题进行对比研究,考察3种网络方式在输入验证、部分训练集等不同条件下的放电模式识别率与一致性问题.实验结果表明,采用上述单一方式神经网络可以作为一种局部放电识别手段,但识别结果的一致性较差,而复合神经网络不仅具有高识别率,而且一致性也较好,可以较好地满足GIS局部放电识别.     

基于神经元解耦RBF网络多电机系统参数PID控制

以多变量非线性强耦合的两电机同步控制系统为研究对象,针对电流跟踪型SPWM变频器供电的感应电机系统,在α,β静止坐标系下,建立两台电机系统的数学模型.采用RBF网络自适应PID控制器和自适应神经元解耦补偿器的解耦控制技术,对两电机同步系统的速度和张力进行解耦控制.实验结果表明:采用该方法设计的控制器可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能和跟随性能.     

基于广义回归神经网络的特高频局部放电定位法

局部放电的检测和定位是变电站电力设备状态监测和诊断的重要手段.现有的基于时差法的特高频局部放电定位技术,由于高昂的设备成本限制了其应用范围.提出的基于广义回归神经网络和接收信号幅值强度(RSSI)指纹图的局部放电定位法,分为2个阶段.在算法的离线阶段,建立被测区域的RSSI指纹图;在线阶段,利用广义回归神经网络(GRN...