基于sEMG的下肢运动解析方法研究

为了实现肢体运动解析并用于康复机器人系统自适应控制,提出一种基于sEMG的下肢运动解析方法。同步采集下肢6块肌肉的表面肌电信号(sEMG)和髋、膝关节角度;引入相干性分析方法,定量描述s EMG和关节角度耦合关系,进而优化选取肌肉通道;采用一阶递归滤波器补偿sEMG和关节角度的机电延迟(EMD);提出基于黄金分割的最小二乘极限学习机(GSLSELM)算法,进行下肢运动解析。实验结果表明,7名被试下肢运动解析的均方根误差(RMSE)和时长,能够满足康复机器人系统控制的准确性和实时性要求。     

基于加速度传感器的下肢运动信息获取方法

在智能下肢假肢的设计中,需要获取足够的下肢运动信息,而ADXL203作为一种采用集成微电子机械系统（iMEMS）技术的加速度传感器,非常适合于下肢运动姿态的测量。通过分析和研究微型加速度传感器ADXL203的原理和使用方法,设计了基于两个ADXL203传感器的下肢运动姿态识别系统,该系统能准确测试人体大腿、小腿的倾角,并通过运算得到膝关节的屈伸角度和角速度。测试结果表明,该系统非常适合于下肢运动信息的获取,并具有体积小、反应快速灵敏的优点。     

下肢外骨骼运动预测方法研究

为实现下肢外骨骼无滞后跟随人体运动,提高穿戴者运动灵活度、舒适度,提出了一种基于多传感器并具有预测功能的人体运动识别方法.搭建了基于姿态角度传感器、足底压力传感器和编码器的运动感知系统,并提出了运动识别方案.为解决物理式传感器普遍存在的延迟问题,引入时间序列预测算法来减小甚至消除延迟.最后,通过穿戴下肢外骨骼样机进行平地行走试验,验证了该运动识别方法在感知人体与下肢外骨骼运动信息方面的有效性,该方法能够有效提高下肢外骨骼的人机运动协调性.     

下肢外骨骼运动预测方法研究

为实现下肢外骨骼无滞后跟随人体运动,提高穿戴者运动灵活度、舒适度,提出了一种基于多传感器并具有预测功能的人体运动识别方法.搭建了基于姿态角度传感器、足底压力传感器和编码器的运动感知系统,并提出了运动识别方案.为解决物理式传感器普遍存在的延迟问题,引入时间序列预测算法来减小甚至消除延迟.最后,通过穿戴下肢外骨骼样机进行平地行走试验,验证了该运动识别方法在感知人体与下肢外骨骼运动信息方面的有效性,该方法能够有效提高下肢外骨骼的人机运动协调性.     

下肢外骨骼运动预测方法研究

为实现下肢外骨骼无滞后跟随人体运动,提高穿戴者运动灵活度、舒适度,提出了一种基于多传感器并具有预测功能的人体运动识别方法.搭建了基于姿态角度传感器、足底压力传感器和编码器的运动感知系统,并提出了运动识别方案.为解决物理式传感器普遍存在的延迟问题,引入时间序列预测算法来减小甚至消除延迟.最后,通过穿戴下肢外骨骼样机进行平地行走试验,验证了该运动识别方法在感知人体与下肢外骨骼运动信息方面的有效性,该方法能够有效提高下肢外骨骼的人机运动协调性.     

下肢外骨骼运动预测方法研究

为实现下肢外骨骼无滞后跟随人体运动,提高穿戴者运动灵活度、舒适度,提出了一种基于多传感器并具有预测功能的人体运动识别方法.搭建了基于姿态角度传感器、足底压力传感器和编码器的运动感知系统,并提出了运动识别方案.为解决物理式传感器普遍存在的延迟问题,引入时间序列预测算法来减小甚至消除延迟.最后,通过穿戴下肢外骨骼样机进行平地行走试验,验证了该运动识别方法在感知人体与下肢外骨骼运动信息方面的有效性,该方法能够有效提高下肢外骨骼的人机运动协调性.     

基于关键帧的上肢运动评价方法研究

Kinect V2能够对人体上肢的骨骼实现稳定且准确的识别,因此,许多学者都将其应用于上肢运动康复的评价领域。为提高Kinect V2对于上肢运动的匹配速率,提出了一种基于关键帧的快速评价方法。通过提取整个动作序列中骨骼点的三维坐标极值,并记录对应的帧ID,从而生成新的骨骼序列,最终采用动态时间规整(DTW)对动作进行匹配。为验证该评价方法的有效性,对健康的志愿者进行了试验,试验结果表明,该方法具有较高的匹配效率。     

基于人体运动数据的下肢机器人运动学与动力学分析

针对有下肢运动障碍的患者,机器人系统与生物医学系统的结合为广大患者带来了福音,通过医学角度对人体运动数据规律的分析,可以更好地研发下肢外骨骼机器人系统。基于人体运动数据作为参考轨迹导入机器人系统的思想,通过三维红外式动作捕捉系统和三维测力平台系统实验采集人体下肢运动数据和足底力数据,利用算法对采集的数据进行滤波和拟合,通过建立下肢外骨骼机器人连杆模型,根据实验数据推导计算出髋关节和膝关节的转动角度和力矩曲线,基于Matlab设计自适应控制器验证了基于实验数据的运动学和动力学分析的有效性,为下肢外骨骼机器人电机的选型和控制系统的设计提供了数据支持和理论依据。     

下肢外骨骼助力性能评价方法研究

为定量研究下肢外骨骼的助力性能,提出了助力性能量化指标矩差和ΔT与矩差功率比μ,矩差和ΔT定义为人体穿戴外骨骼前后下肢髋、膝、踝三关节力矩差值之和,矩差功率比μ定义为ΔT与外骨骼消耗的总功率p之比。建立了下肢外骨骼的动力学模型,结合人体步态运动数据获得了在常见步态下总功率p的变化情况。利用动力学分析软件ADAMS建立了人体简化仿真模型和人机穿戴仿真模型,分析了ΔT的变化规律,结合p和ΔT得到μ的变化规律,结果显示,在行走站立阶段,ΔT均保持较大数值,表明穿戴外骨骼之后,在站立阶段人体下肢三关节力矩大幅减小,外骨骼辅助作用明显;矩差功率比μ均在摆动阶段取得最大值,表明在摆动阶段外骨骼单位功耗对人体辅助贡献大,功耗利用率高。     

下肢外骨骼人机耦合粗糙度的评价方法

为了更好的评价外骨骼的人机工效,在现有外骨骼样机的基础上,提出一种基于三维运动捕捉系统的下肢外骨骼人机耦合粗糙度的评价方法。该方法利用运动捕捉系统获得穿戴者髋关节和膝关节的轨迹变化,建立下肢外骨骼人机耦合粗糙度的模型,从而在一定程度上定量地表现外骨骼的人机工效。同时通过引入高斯滤波,实现对模型中线的获取,提高了模型的正确性。实验结果证明,该方法可以获取穿戴者与下肢外骨骼在3种步态时的不匹配度,可以作为外骨骼综合评价的参考。     

汽车前部与行人下肢的冲击实验评价方法研究

利用MADYMO软件数据库中的下肢冲击器模型进行了汽车碰撞计算机仿真，并利用一个生物逼真度较好的行人模型进行了汽车与行人碰撞计算机仿真。将仿真结果除以相应的技术要求值得到各自的风险系数。依照风险系数的综合评价，可对不同汽车前部结构对行人下肢的碰撞性能进行排序。排序结果表明，由下肢冲击器实验仿真得到的结果和由汽车与行人碰撞仿真得到的结果基本相符。将EEVC制订的下肢冲击器实验评价方法得到的实验结果按损伤风险系数进行排序的方法，可用来进行汽车前部结构对行人下肢碰撞安全性能好坏的评价，但下肢冲击器实验依然存在一些不足需要进行政进．     

一种基于平面约束的偏瘫恢复运动评价方法

偏瘫是一种常见的脑卒中后遗症,偏瘫患者在患有肢体运动障碍的同时,常常伴有轻微的感觉、语言、认知等方面的障碍。提出一种基于惯性传感器的偏瘫患者运动恢复过程的跟踪与评价的新方法,主要应用于痉挛减轻阶段偏瘫患者的自主恢复过程的姿态跟踪及运动能力的评定。该方法融合了惯性传感器信号和偏瘫上肢恢复动作的生物力学约束,根据运动过程中前一时刻前臂和后臂的运动姿态,构建约束平面,对加速度信息进行约束。基于该方法,通过对偏瘫病人上肢的运动恢复过程的跟踪,测量人体上肢不同部位(前臂、后臂)的动作完成的完整程度。实验表明,该方法有效地降低了传感器噪声所引起的漂移,有效地提高了角度测量的准确度和稳定性。     

人体下肢外骨骼的运动分析与仿真

以人体下肢和下肢外骨骼的耦合特性为研究目的,在分析了人体行走的步态特征参数和运动参数的基础上,运用D-H建模方法建立下肢外骨骼运动模型。然后运用仿真软件ADAMS对外骨骼运动模型进行仿真分析。仿真结果验证了运动分析、建模及理论推导的正确性,为下一步研究下肢外骨骼打下了理论基础。     

基于 sEMG 的下肢连续运动切换态实时识别方法

在外骨骼与人进行自然人机交互(HRI)过程中,准确快速地识别下肢连续运动中的切换态至关重要。 切换态 sEMG 信 号即包含切换前后运动信息,又包含切换的瞬态信息,难以直接用于识别。 为了快速准确地识别切换态,本文提出了 FMICMD-LACNN 的实时识别方法。 提出了自适应多分量瞬时频率估计方法来提升多元本征线性调频模态分解(MICMD)计算效率,提 出了分量能量惩罚因子提高 MICMD 分解精度,从而形成了快速多元本征调频模态分解(FMICMD)算法。 针对 FMICMD 分解后 sEMG 信号,构建了 LACNN 识别模型,实现了快速且准确的切换态识别。 本研究采集了 10 名受试者 8 种常见下肢连续运动切 换态下的 sEMG 信号进行实验验证。 结果表明,对于这 8 种切换态,该方法平均识别准确率为 98. 35% ,平均识别时间仅约 8 ms,均优于 CNN-LSTM、E2CNN 以及 CNN-BiLSTM 方法。 该方法具有较高的准确率和实时性,能够满足外骨骼与人体快速自 然交互的需求。     

基于GMM-HMM模型的智能下肢假肢运动意图识别

传统下肢假肢运动意图识别方法常使用多模态传感器信号,带来一定的复杂性以及模式转换识别一般带有滞后性,提出了基于数据驱动下的智能下肢假肢运动意图识别方法。在对单侧下肢截肢者运动模式进行了重定义后,仅使用惯性传感器,采集健肢侧处于摆动相的时序数据。选择高斯混合-隐马尔可夫模型作为分类器,对下肢假肢的运动意图进行识别。实验结果表明,该算法在模式空间中的一组基模式:平地行走、上坡、下坡、上楼和下楼5种稳态模式中,识别率达到98. 99%,在包含5种稳态模式和8类转换模式的13类运动模式中的识别率可达到96. 92%。所提出的方法可以在下肢假肢运动意图识别性能上有较大提升,帮助单侧下肢截肢者实现自然、流畅、稳定的行走。     

基于步态的下肢康复用外骨骼机器人运动分析

穿戴式下肢助行外骨骼机器人是一种能够帮助行走不便的老人和具有行走功能障碍的患者进行辅助行走的仿人服务机器人,其康复训练设备已提升为国家战略性研究项目,越来越得到重视。通过对人体下肢运动机理以及步态的研究,并基于动力学仿真软件Adams对外骨骼机器人的受力和步态进行仿真分析,验证步态的合理性,同时对以后行走的合理性提供依据以及为进一步设计出一种新型穿戴式下肢助行外骨骼机器人样机提供参考。     

LTSA和KECA相结合的轴承故障诊断

针对轴承的工况复杂,其振动信号呈现非线性、非平稳特性。传统算法不能充分挖掘出非线性、非平稳信号内部本质信息,提出了基于局部切空间排列算法(LTSA)与核熵成份分析(KECA)相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时间序列重构到高维相空间,并估计数据的本征维数;然后利用局部切空间排列算法对数据集进行维数约简,得到初始的低维流形结构特征向量空间的第一行特征,对其进行快速傅里叶变换(FFT),从其频谱中分别提取滚动轴承内环、外环的故障特征频率及它们分别对应的倍频和频谱能量等7个变量作为故障特征向量;最后采用KECA对滚动轴承的故障特征向量进行模式识别,KECA可实现根据熵值大小进行特征分类,具有较强的非线性处理能力,从而实现故障的识别与诊断。采用Case Western Reserve大学提供的轴承实验数据对算法进行了验证,结果表明该方法可有效提取滚动轴承的故障特征,可以对滚动轴承的故障类型精确分类,实现对滚动轴承准确的故障诊断。     

基于职业能力的高职机械制造与自动化专业学生评价方法实践与研究

借鉴德国能力本位职业教育理念,以常州机电职业技术学院机械制造与自动化专业教改班为例,在深入研究教学内容和模式的基础上,从构建原则和具体措施方面尝试构建与我国现阶段高职教育教学相适应的学生考评体系,对考核的内容和方式等进行了改革,实现多元化的课程评价内容以及多样化的评价方式,注重学生课程学习的过程考核,突出能力本位,对学生素质能力的评定提出了一个新的思路。     

基于MATLAB的多功能下肢康复训练辅具的机构运动分析

根据人机工程学原理,为满足老年人和残障人的日常生活需求,设计开发了一款多功能康复训练辅具.对其上肢提升机构,建立机构的运动分析数学模型,利用MATLAB软件进行机构运动仿真分析,在指定各项设计参数后,通过仿真获得机构的运动参数和运动曲线,为机构的运动性能评价及康复辅具的智能控制提供必要的依据.