基于sEMG信号的关节力矩NARX预测模型

为解决利用力矩传感器控制肌力训练设备所带来的滞后性,利用表面肌电信号(sEMG)超前于运动的特性,设计了基于一组拮抗肌表面肌电信号的关节力矩预测模型。首先搭建康复训练设备为信号采集和实验验证提供条件。将sEMG经过预处理,选择sEMG信号的方差特征作为神经网络输入,利用带有外部输入的非线性自回归(NARX)模型的动态循环神经网络,分别建立了基于关节力矩实际值的超前多步(MSA)预测模型和基于模型预测输出(MPO)的预测模型,通过等张和等长测试实验,比较了MSA和MPO模型的力矩预测性能。实验结果表明,两种模型输出预测值和实际值之间都有极强关联性(皮尔逊相关系数均大于0.95)。随着超前预测的步数增加,MSA模型的预测精度降低,但是超前预测的时间增大。在等张和等长测试中,当超前步数分别小于29和35时,MSA预测精度显著高于MPO(p<0.05),但MPO模型在成本和体积上更具优势。综上所述,两种模型均可以准确预测关节力矩,在实际康复训练设备控制中,可根据应用需求选择不同的力矩预测模型。     

基于递归小脑神经网络模型控制的空间机器人关节抗死区及摩擦控制

探讨了存在关节力矩输出死区、摩擦与外部干扰的载体位姿均不受控的漂浮基空间机器人系统的动力学控制问题。设计了一种递归小脑模型关节控制器（CMAC）神经网络与死区估计补偿器,使两关节铰能够跟踪期望运动轨迹。该控制器利用摩擦双观测器估计不可测的内部摩擦状态,利用死区预补偿器消除关节力矩输出死区的影响;应用递归小脑神经网络模型逼近了包含摩擦误差及外部干扰的动力学方程不确定项。仿真结果表明了该控制方法的有效性。     

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。     

5-DOF上肢康复机械臂交互式康复训练控制策略

设计一种5-DOF穿戴式偏瘫上肢康复机械臂系统,提出被动和主动两阶段的交互式康复训练控制策略。在被动训练中,根据偏瘫患者上肢单侧受损的特点,提取偏瘫患者的健侧上肢4块肌肉的表面肌电信号(Surface electromyogram, sEMG) 作为康复机械臂的控制信号,利用AR参数模型和BP神经网络来理解患者的运动意图,驱动机械臂辅助患侧上肢实现特定的康复训练动作。在主动训练中,通过实时获取各关节力矩信号来判断人体上肢的运动所产生的作用力方向与大小,并利用比例控制器和运动学雅可比逆矩阵控制康复臂末端速度、驱动各关节运动。试验结果证明了提出方法的正确性和有效性。     

GRNN在肌电预测踝关节运动中的应用

下肢运动预测对于步行康复机器人患者主动训练控制系统的设计具有重要意义.提出一种基于广义回归神经网络(GRNN)的利用肌电信号预测踝关节角轨迹算法:分别用肌电图仪和三维运动捕捉仪同步采集踝关节做屈伸运动时周围五块肌肉的肌电信号和踝关节角度,并对肌电信号进行特征提取.基于主分量分析的数值算法对肌电数据进行降维,得到肌电主分量信号.基于肌电主分量信号利用GRNN算法预测踝关节角轨迹,用黄金分割搜索算法确定GRNN中的最佳平滑参数σ.采用小波消噪算法对踝关节角预测轨迹进行滤波以提高预测精度.用上述算法对9名志愿者进行实验的结果表明:该方法预测精度较高,与BP神经网络预测算法相比运算时间短且预测误差较小,因而更适用于下肢关节角轨迹的在线预测.     

基于肌肉协同激活模型的上肢关节运动连续估计

关节运动连续估计为基于表面肌电信号的人机交互提供了一种更为自然灵活的方式。提出了一种基于肌肉协同理论和支持向量回归的激活模型进行上肢关节角度的估计。首先利用非负矩阵分解算法对肌电信号进行解耦,提取独立动作的协同元;然后根据非负最小二乘算法计算相应协同元激活系数;最后通过支持向量回归构建了映射激活系数到关节角度的激活模型,利用建立的激活模型从采集的表面肌电信号得到关节运动的连续估计。对2个关节独立和组合运动的估计实验表明,该模型能获得较高的估计精度。     

基于神经网络的空间7R机器人模型辨识及其实验研究

针对空间冗余机器人建模中不确定因素的影响 ,采用神经网络辨识空间 7R机器人输入输出间的非线性关系 ,建立机器人的运动学模型。对Elman动态递归网络结构作了改进 ,提出一种状态延迟输入动态递归神经网络 ,提高了网络的学习速度。将该网络应用到机器人系统模型的辨识问题上 ,以德国PowerCubeTM模块化机器人为研究对象 ,根据机器人返回的关节位置信息及利用OPTOTRAK 30 2 0三维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本 ,对包含各种影响因素的机器人运动模型进行了辨识 ,得到了满意的结果 ,说明了神经网络在此类问题中应用的优越性     

气动肌肉关节的刚度分析及变刚度运动控制

根据人腿髋关节、膝关节骨骼结构及拮抗肌肉运动发力特点,设计一种拮抗气动肌肉驱动的仿生单腿机器人;由三元素模型求单根肌肉及关节摆动下被动刚度特性,分析关节角度/刚度关系;为实现仿生腿膝关节刚度可控的角度控制,建立仿生关节关于角度/刚度的基本气压解算模型;基于计算力矩控制对非线性对象具有高度补偿线性化性,提出含力矩项补偿的改进气压解算模型。搭建仿真及样机实验平台,结果表明,含两种气压解算模型的双闭环控制算法均能较好跟随膝关节角度/刚度,含带力矩项补偿模型的双闭环控制算法对膝关节的角度/刚度控制精度优于含基本模型的双闭环控制算法。该算法适用拮抗气动肌肉关节的类人运动,可满足人机协作时可靠性、柔顺性、仿生性等要求。     

肌电信号选择对下肢关节连续运动估计的影响

介绍了利用肌电信号实现人体运动识别的发展状况和相关方法。针对肌肉选择对下肢关节角度预测性能的影响这一问题,构建了肌电信号组合集,并建立了高阶多项式模型以及提出的改进模型实现对肌电信号子集到关节角度的映射。利用最小二乘法对模型参数进行了辨识,并对比验证了这两种模型的有效性,确认了最佳肌电信号组合与模型自由度。结果表明,提出的改进高阶多项式模型对不同肌电信号组合实现关节角度预测具有更稳健的效果,同时,下肢关节连续运动识别的最佳肌肉选择不一定与关节运动直接相关。     

基于递归过程神经网络的航空发动机滑油系统状态监测

针对航空发动机滑油系统状态监测问题,提出了递归过程神经网络模型。其隐层和输出层为过程神经元,该网络的输入信号为时变函数或过程,并且含有一个特别的关联层,在建模过程中能储存系统过去更多时刻的状态信息,使得网络结构适于预测时间序列问题。文中给出了相应的学习算法,并且分别利用人工神经网络和递归过程神经网络对航空发动机滑油系统状态进行预测。结果表明,递归过程神经网络预测精度高,优于传统人工神经网络的预测能力。为航空发动机滑油系统状态监测问题提供了一种有效的方法。     

基于sEMG和肌肉骨骼模型的手指多关节力矩耦合分析

手指内部力矩受表面肌电信号、肌力、手部姿态等因素影响而无法直接获取,为了实时且准确地获取手指各关节力矩以及耦合力矩并应用于手部康复机器人的交互控制中,提出了一种基于表面肌电信号和肌肉骨骼模型的手指多关节力矩和耦合力矩分析与实时获取方法。首先设计了自适应手指关节角度采集系统,通过实验同步采集指浅屈肌与指伸肌的肌电信号以及手指各关节的角度数据,建立手指多关节力矩模型,从而获取手指各关节力矩。然后建立手指D-H模型,结合虚功原理获取手指的耦合力矩。最后,辨识了手指多关节力矩模型的参数,并通过OpenSim软件获取了仿真力矩。计算力矩与仿真力矩的对比结果显示：4名被试3个关节力矩的均方根误差分别为0.156 7、0.097 425、0.084 95,证明了该方法能够实时并准确的获取手指各关节力矩和耦合力矩,能够满足手部康复机器人交互控制准确性和实时性的需求。     

基于人机耦合模型的上肢康复外骨骼闭环PD迭代控制方法

针对多关节上肢外骨骼重复性康复训练非线性求解困难问题,提出了一种闭环PD迭代学习控制方法。基于人体工学确定了六自由度上肢外骨骼康复机械臂的参数、自由度配置与关节运动范围。以人机交互力为耦合方式,建立了基于牛顿-欧拉法的人机耦合模型,完成了人机耦合动力学模拟分析。基于迭代学习控制理论提出外骨骼康复机械臂的闭环PD迭代学习控制方法,通过建模仿真分析了肩关节/肘关节迭代学习控制的轨迹误差、人机交互力和驱动力矩。第三次迭代后的轨迹误差小于0.05 rad,PD迭代学习控制器的输出对系统控制进行了有效的补偿,提高了系统状态的稳定性。研制了六自由度上肢外骨骼康复机械臂样机,开展试验测试。试验结果表明,随着控制试验在迭代域上的运行,系统的输出向着期望的系统状态转化,所提出的迭代学习控制算法可以提高上肢外骨骼康复训练重复性运动的控制精度,进而提高人机交互性能。     

一种基于参数影响的数据驱动下的疲劳寿命预测方法

金属构件的主要失效方式是在循环载荷作用下的疲劳破坏,因此金属构件的疲劳寿命预测对于保证结构安全性和可靠性十分必要。能量法是一种既能用于低周疲劳寿命预测,也能用于高周疲劳寿命预测的方法,其以寻找有效的显式能量损伤参量为手段,结合适当的损伤积累方式进行寿命评估。针对材料疲劳寿命预测问题,提出一个基于能量法和人工神经网络算法的疲劳寿命预测方法。为了达到反映不同加载路径影响的目的,从转动惯量的角度引入两个路径相关参量。使用基于应变控制的九种材料的疲劳试验数据对提出的神经网络模型进行训练、测试。结果显示模型对训练数据和测试数据均有良好的预测精度,并可对单轴加载、多轴加载、高周疲劳和低周疲劳寿命进行有效预测,表明本模型在多轴疲劳寿命预测方面具有较广泛的适用性。     

多模式人手动作分类识别方法

为了满足手部运动功能康复器的主动康复训练对多种人手动作模式识别的需求,分析了表面肌电信号采样通道设置布局、训练样本制作、特征提取方式、模式分类器结构参数等因素对手部动作识别的影响,设计了针对前臂的表面肌电信号采集方案,分别基于时域统计量、自回归模型系数、小波包分解系数特征设计了BP神经网络分类器。实验结果表明：对6种单指动作、13种多指动作、20种手部动作的最佳平均识别率分别为98.5%、92.4%、90.9%,计算时间小于190 ms,验证了所提出方法的有效性和实用性。     

基于BP神经网络的1550冷轧机寿命预测研究

1550冷轧机作为钢铁企业的重要设备,其工况要求24h不间断运行,对此类设备进行寿命预测研究,实施适时的停机检修和工作任务安排,对钢铁企业具有重大意义。首先建立了基于神经网络的设备剩余寿命预测过程模型;其次分析了神经网络在设备剩余寿命预测领域的应用,分别构建了基于BP神经网络的设备状态识别与剩余寿命预测模型;最后以某钢铁企业1550连轧机齿轮箱的寿命预测为例,验证了该方法的有效性。     

A neural network based methodology for the prediction of roll force and roll torque in fuzzy form for cold flat rolling process

Neural network models can be effectively used to predict any type of functional relationship. In this paper, a neural network model is used to predict roll force and roll torque in a cold flat rolling process, as a function of various process parameters. A strategy is developed to obtain a prescribed accuracy of prediction with a minimum number of data for training and testing. The effect of increasing the size of training and testing data set is also examined. After the prediction of most likely value, upper and lower bound estimates are also found with the help of the neural network. With these estimates, the predicted value can be represented as a fuzzy number for use in fuzzy-logic based systems.     

GRNN-PSO视角下的网络安全势态预测研究

网络安全态势预测是属于网络安全态势最为关键构成部分之一,在对网络安全预防制订决策面发挥着非常重要作用。针对网络安全态势预测存在误差等方面问题,本文提出一种GRNN-PSO(改进广义回归神经网络)预测方法,其目的就是使得网络安全态势预估的精准度得到改善。运用时间窗口移动的方法,将各个离散时间监测点的网络安全态势值形成部分线性相关的多元回归数据序列,把它可以看作为样本集录进改进广义回归神经网络中再进行训练,从而形成相关预测模型。在改进广义回归神经网络对其进行训练之中,运用粒子群算法动态地搜索广义回归神经网络最优培训参数,使得选择广义回归神经网络训练参数等方面难题得到解决,最后通过对传统预测方法与改进过的广义回归神经网络预测方法进行相关实验,实验结果体现了前者比后者的方法具有更佳的性能。