下肢假肢穿戴者跑动步态识别方法

提出基于粒子群（PSO）优化支持向量机（SVM）的下肢假肢穿戴者跑动步态识别方法.将假肢接受腔装配的肌电（EMG）传感器、加速度计和足底的压力传感器采集的假肢穿戴者跑动运动信息进行去噪预处理,对应提取加速度的偏度、均值与肌电信号均方根多个特征参数作归一化处理,结合双下肢足底压力信息组成多维特征向量,作为SVM的输入,解决了单一特征识别步态的低准确率问题.利用PSO优化分类模型参数,建立基于SVM的次序二叉树分类模型对跑动步态进行辨识.与传统BP神经网络的步态识别方法对比表明,利用PSO优化SVM方法能够将跑动步态识别率提高到92.78%,优于SVM和BP神经网络.     

动力型假肢膝关节设计与仿真研究

目前应用的被动式假肢膝关节由于其局限性并不能满足截肢者日常活动的需求,设计了一种能够为穿戴者提供助力的动力型假肢膝关节.利用Vicon人体三维运动捕捉系统,采集人体下肢运动信息,对人体膝关节的运动进行分析,结合动力型假肢膝关节实现的功能和工作原理设计其结构.利用CAD软件Solidworks对动力型假肢膝关节进行建模,...     

虚拟现实灵巧手姿态力度控制算法与仿真

针对灵巧手虚拟现实的控制,提出了数据手套控制手指关节角度,肌电信号进行抓取力度控制的方法.建立了虚拟现实灵巧手模型,根据神经网络算法实现前臂肌电信号对抓取过程中的拇指尖力预测.实验改变拇指接触状态,预测力模型与实际力度对比,验证模型的有效性.该研究可用于智能假肢控制及上肢康复训练、遥操作机器人等领域.     

智能下肢假肢关键技术研究进展

智能假肢是将智能检测与控制技术应用于假肢的产物,可显著提高假肢装置的安全性、功能性和舒适性,使得假肢能够达到与健肢相同的运动效果.根据人体运动具有规律性的特点,利用先进的传感器融合与智能控制技术,对速度、路况、步态等运动状态进行有效的识别,是实现假肢协调控制的基础.本文在介绍国内外发展现状的基础上,对智能假肢的控制从理论分析、样机研制、实验测试等方面进行了系统的介绍.     

面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号(sEMG信号)和支持向量机回归(SVR)实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.     

基于神经网络的智能下肢假肢自适应控制

下肢假肢的膝关节是一种具有高度非线性、时变、强耦合的阻尼系统,传统控制方法很难达到良好控制效果.针对这一问题,提出将神经网络(NN)应用于下肢假肢控制.以学习矢量量化(LVQ)神经网络为基础,提出神经网络模型参考自适应控制方法.该方法通过选择适当的参考模型和自适应算法,利用参考模型输出与实际系统输出之间的误差信号,由自适应算法计算当前的控制量以控制智能下肢假肢,达到自适应控制的目的.该方法不需要进行性能指标的变换,容易实现且自适应速度快,仿真结果表明了该方法的有效性.     

基于RBF神经网络的非线性模型预测控制

提出了一种基于径向基函数(RBF)神经网络的非线性模型预测控制系统,利用RBF神经网络的非线性拟合性,构建一个神经网络预测器(NNP)来预测模型未来时刻的输出值.然后利用神经网络控制器(NNC)实现基于模型的预测控制.仿真结果表明此方法具有较好的控制效果,并且在有扰动和模型失配的情况下,表现了良好的鲁棒性.     

基于新概念的“感知城市”探索

为了实现机器主动感知人体的生理状态、情感和行为等人体状态信息、实现机器对人体的行为和环境的有效干预,提出以机器感知人体为核心的新概念,与现有的环境智能概念进行对比;基于新概念详细分析“感知城市”的核心、关键组成等要素,提出信息与信息采集设备之间所具有的耦合关系;构建以机器主动感知人体、环境自主适应人体为核心的“感知城市”平台,与IBM提出的“感知城市”平台进行对比;以“椅子”为例,具体阐述在“感知城市”中如何实现机器主动感知人体、如何在感知人体状态信息后实现环境的自主调节.与现有的环境智能和感知城市对比,结果表明,所提出的概念和平台,可以实现机器的主动感知和有效干预.     

无线传感器网络能量优化策略综述

无线传感器网络有机融合计算机网络、通信网络和物理感知网络,实现物理世界与信息世界的信息交互和动态控制,被认为是引领经济发展和社会进步的创新型技术.在无线传感器网络中,传感器节点由能量有限的电池供电,而大部分节点部署在复杂的环境中,更换电池或者给电池充电是不现实的.为了合理有效利用有限的能量以延长无线传感器网络的生命周期,实现能量的高效利用是无线传感器网络应用的主要目标.从无线传感器网络的单个节点和整个网络两个方面论述了目前国内外有关能量优化策略研究,并分析了目前国内外具有代表性的降低能耗的协议及算法.     

基于多源信息和粒子群优化算法的下肢运动模式识别

为了提高人体下肢多运动模式识别的准确性,提出一种基于多源信息和粒子群优化算法-误差反向传播(PSO-BP)神经网络的识别方法.建立下肢多源信息采集系统,该系统由下肢表面肌电信号、髋关节角度、髋关节加速度组成.选择肌电信号偏度、峭度和功率谱比值为肌电信号特征,髋关节角度细分模式均值比为腿部角度信号特征,加速度标准差、能量峰值、两轴相关性系数为髋关节加速度特征.按照主成分分析(PCA)方法融合上述特征值,利用PSO-BP进行识别.实验结果表明:该方法识别率为95.75%,平均识别时间为1.234 8s.