共查询到19条相似文献,搜索用时 78 毫秒
1.
针对智能肌电假手力控制的需要,提出一种基于表面肌电信号(s EMG)和广义回归神经网络(GRNN)的手部输出力估计方法。首先在介绍实验平台的基础上详细描述了肌电信号的采集和特征提取方法以及广义回归神经网络的构建;然后,通过在手臂8个不同部位粘贴肌电传感器来检测手部动作过程中的肌电信号;同时为了全面测量人手在三维空间中的输出力,采用三维力传感器对手部的输出力进行测量;在同步获得手臂上的多通道肌电信号(X)和手部三维力推拉信号(F)后,对采集得到肌电信号进行了特征提取得到特征矩阵X_F;将X_F和F用于构建GRNN网络,并用均方差和残差绝对值均值对手部输出力的估计结果进行评估。为验证该方法的有效性,进行了实验验证,结果表明,该方法能够很好地利用sEMG对手部的输出力进行估计。 相似文献
2.
3.
4.
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. 相似文献
5.
针对消噪过程中信号细节难以保留的问题,采用了一种基于小波变换的空域相关消噪方法。通过运用信号小波分解后与噪声的小波系数随尺度变化规律不同的特性,实现了信号与噪声的分离,同时给出了表面肌电信号噪声能量阈值的估计算法。实验结果表明,该消噪处理方法不仅能有效地去除肌电信号中的噪声,而且可以较好地保留肌电信号的边缘特征,为下肢表面肌电信号特征的提取创造了良好的条件。 相似文献
6.
7.
8.
9.
广义回归神经网络(GRNN)在AMT挡位判别中的应用 总被引:3,自引:0,他引:3
通过分析传统方法研究AMT换档规律存在的问题和神经网络在不能获得精确数学模型的非线性系统中能达到最优控制的特性以及在线学习的能力等,提出基于广义回归神经网络(GRNN)进行AMT的换档规律的研究,并针对某4档轿车机械自动变速器,建立该车自动变速两个参数(车速、油门开度)神经网络控制模型,运用Matlab软件进行换档过程的仿真分析.研究结果表明:利用GRNN研究AMT的换档规律过程简单、适应性强等,能够正确有效地进行车辆档位判别. 相似文献
10.
11.
基于表面肌电信号的前臂手部多运动模式识别 总被引:7,自引:0,他引:7
基于表面肌电信号的肢体运动模式识别是假手仿生控制的基础,SEMG的个体差异与识别率是肌电假手实用化必须面对的问题。本文根据SEMG的频谱特性提出了一种新的特征提取方法——功率谱比值法。该方法的主要特点是以实时取得的SEMG功率谱信号为基础,确定最大功率谱附近的谱能量与全信号段谱能量之比为特征值,将人的个体差异影响降低到最低程度。模式分类器采用特别设计的Bayes统计决策算法,该方法在非特定人的条件下应用于前臂肌群的多运动模式识别时,识别正确率达到84%,已具备一定的实用性。 相似文献
12.
为快速精确地预报弹丸落点,提出了基于一种广义回归神经网络的弹丸落点预报方法。首先,建立了 GRNN 网络落点预报模型;其次,采用粒子群算法对预报模型中的光滑因子进行了优化,得到了最佳的 GRNN 网络的落点预报模型;最后,对该预报模型进行数值仿真。结果表明,该方法预报射程的最大误差不超过40 m,横偏误差不超过0.2 m;且预报落点的平均时间为6.645 ms,与数值积分法相比,减少了1300.623 ms。因此,该方法快速精确地预报弹丸落点是有效可行的,可作为工程实际应用的理论参考。 相似文献
13.
针对传统的表面粗糙度预测方法过度依赖人工提取特征以及预测精度较低的问题,提出一种基于 Inception 模块改进
的深度残差收缩网络( IDRSN) 和双向长短时记忆网络(BiLSTM) 的表面粗糙度预测方法。 首先,利用深度残差收缩网络
(DRSN)中软阈值化结构和注意力机制对输入信号进行降噪处理。 其次,引入 Inception 模块构建 IDRSN 以提升网络的多尺度
信息获取能力,实现自适应多尺度特征提取。 然后,引入反向长短期记忆(LSTM)构建 BiLSTM 预测网络,利用正反两个 LSTM
提高网络捕捉历史和未来完整信息的能力。 最后,进行实验验证,分别对比 IDRSN、DRSN、BiLSTM 和人工提取特征 4 种方法的
提取特征效果,以及 BiLSTM、卷积神经网络(CNN)、DRSN 和 CNN-LSTM 4 种表面粗糙度预测模型的预测精度。 结果表明所提
方法具有较高的预测精度,为铣削加工表面粗糙度预测奠定了方法基础。 相似文献
14.
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... 相似文献
15.
利用BP神经网络良好的非线性映射能力,建立了普通珩磨和超声珩磨条件下的磨削表面粗糙度预测模型,经过多次网络训练,得到了具有良好性能的BP神经网络。对超声珩磨加工钕铁硼材料表面粗糙度进行了预测,并取得了理想的预测结果。 相似文献
16.
17.
为预测短期内机械生产实验的数据分布规律,以更好地指导生产和提高工作效率,充分利用计算机模拟研究的优势,基于金属切削工艺加工的部分实验数据,利用线形回归模型、灰色模型和神经网络模型对实验数据进行了分析处理并建立了小样本数据的综合预测模型。研究结果表明小样本预测模型是可行的,它对机械工程各种相关实验数据的短期预测都具有普遍适用性,同时提供了可以快速了解数据在未来分布规律的方法。 相似文献
18.
介绍了在修复机械零件表面缺陷中常用的几种表面强化技术,并通过几个实际应用例子说明了各种表面强化技术的使用情况。 相似文献
19.
刘崇欣 《计算机集成制造系统》2012,18(10)
汽车冲压模具种类繁多、结构复杂,影响其价格的因素多,难以准确估算成本,导致报价难度大。为此,应用模糊数学理论,将模糊贴近度和指数平滑预测相结合构建模具成本预测模型,为减少应用模糊数学进行模具相似性判断的主观因素,提出结合粗糙集理论计算模糊贴近度的方法。该方法首先根据模具成本信息数据库进行知识分类,构建模具成本信息决策表,应用粗糙集属性重要度对模具特征集合各元素进行客观权重分配,然后根据专家评判的主观权重与客观权重综合确定模具特征集合各元素的综合权重,从而提高预测精度。另外,考虑到模具各特征因素对其价格的影响程度不同,对模具成本预测中的调整系数λ的经验公式进行了改进,使其更加合理。通过一组模具样本实例验证了该方法的可靠性和合理性。 相似文献