助老机器人伴行模态人机耦合系统的耐冲击振动特性分析

由于助老机器人在户外辅助老年人行走过程中会遇到路面不平冲击或其它瞬时冲击,不仅会对助老机器人本身产生冲击振动影响,还会引起由此带来老年人手部的局部振动。为了研究助老机器人人机耦合系统的耐冲击性,对助老机器人人机耦合系统振动特性进行了较深入的分析。①分析了助老机器人的前、后轮在不同作用输入下的强迫振动,分别建立了助老机器人系统和老年人人体系统的振动模型;②建立了助老机器人人机耦合系统的振动模型;③采用Matlab/Simulink软件分别从地面不平冲击和瞬时冲击两类情况对助老机器人人机耦合系统的耐冲击振动特性进行了振动模型仿真分析。结果表明:两类情况下老年人手部的振动幅值、振动最大速率和助老机器人把手的振动幅值、振动最大加速度以及最大耦合作用力均较小,助老机器人人机耦合系统的耐冲击性较好。其研究过程为分析对防摔控制和人手舒适度调节控制的影响提供了理论基础。     

下肢康复机器人肌电感知与人机交互控制方法

下肢康复机器人以其诸多的优势而逐步取代传统的康复治疗手段。在论述下肢康复机器人及其人机交互控制方法研究现状的基础上,针对下肢康复机器人对患者运动意图与运动能力感知的双重需求,提出了一种基于表面肌电信号的受试者运动状态的精密感知方法,包括表面肌电快速识别人体步态事件、表面肌电连续解码人体下肢关节运动角度,以及表面肌电定量预测人体下肢主动关节力矩。为了实现患者自主引导和下肢康复机器人按需辅助训练,深入讨论分析了下肢康复机器人的系统设计和基于表面肌电精细感知的人机交互控制方法。最后,展望了下肢康复机器人的未来研究方向与内容。     

旋转机械故障诊断中的主从混合神经网络模型研究

针对ＢＰ网络在旋转机械故障诊断应用中的不足，借助Ｈｏｐｆｉｅｌｄ网络的优良特性，建立了以反馈式Ｈｏｐｆｉｅｌｄ网络为主控网络、前馈式ＢＰ网络为从网络的主从混合神经网络模型。通过这个网络模型的设计、动力学行为分析、学习算法的描述和测试以及它在旋转机械故障诊断中的应用，结果表明：该网络模型具有收敛速度快、稳定性好、最小系统误差等优点，是一种实现旋转机械故障诊断的优良网络模型。     

基于支持向量多分类机的多类复杂手操作EEG信号模式识别

针对用于服务机器人的脑机接口系统中脑电信号模式识别精度不高,不能满足机器人多任务要求的问题,提出一种基于C-支持向量多分类机的多类复杂手操作EEG信号模式识别方法,并将其应用到复杂手操作的EEG信号模式识别试验中,实现一个4类复杂手操作的模式识别,实验结果表明,与之前用BP神经网络进行识别相比,识别率由85％提高到了90％。     

一种用于润滑膜厚智能检测的光电信号采集电路设计

基于光纤位移传感器在润滑膜厚智能检测方面研究的需要。开发设计了一种以单片机为核心、以光电二极管作为光电转换信号接收器件,通过A／D转换,实现信号采集与处理等功能的光电信号采集电路;同时建立了与上位计算机(PC机)的串行通讯连接,更好的发挥了该电路对研究的需求。     

十自由度假手结构设计及动力学建模仿真

针对传统假手运动不够顺畅和不够灵活的缺点,参考人手的结构,设计了一种五指十自由度的假手。该假手采用模块化的设计思想,除拇指外的四指尺寸结构完全相同,每个手指具有2个屈曲自由度;拇指具有屈曲和侧摆2个自由度。在此结构的基础上,针对拇指和食指进行了动力学建模,并通过Matlab数值仿真和ADAMS虚拟实验的对比,验证了动力学模型的正确性。     

基于表情辅助的假手脑控方法

针对传统纯意念运动想象脑控范式和稳态视觉诱发脑控范式存在范式训练难度高、设备集成复杂及高成本、不易随身携带等问题,借助表情辅助脑电信号适应性广、识别率高和易于便携化系统集成的优势,提出了基于表情辅助的假手脑控方法;研究构建了一种基于表情辅助的假手便携可穿戴脑控系统,包括硬件选型设计与系统组建,及表情辅助脑电信号分类识别算法和假手控制算法的设计研究与软件模块开发等,实现提眉、皱眉、左撇嘴和右撇嘴4种辅助表情脑电信号的检测识别,对应完成假手的手指张开、手指闭合、手腕内旋和手腕外旋4个动作的控制,并进行在线实验验证。结果表明：基于表情辅助的假手脑控方法不仅优于传统的稳态视觉诱发脑控范式（去掉了系统中原所必须的稳态视觉诱发器）,而且优于纯意念运动想象脑控范式,平均在线识别与控制准确率高于85%。     

下肢外骨骼机器人控制的脑电感知方法研究

将外骨骼机器人技术与BCI系统结合起来,使人体具有了外骨骼机器人的一系列优良特性,同时使外骨骼机器人具备了人体的智能;首先,对外骨骼机器人技术与BCI技术的融合进行了可行性分析,说明了该方法的可行性;其次,通过实验采集了6种想象运动的脑电信号,选取了C3、C4通道的脑电信号,并对其进行了去噪处理;然后,对经过预处理的六种想象运动的脑电信号通过小波变换进行了分解,提取了包括小波分解系数和能量系数的脑电信号小波特征;最后,针对所提取的小波特征,采用了最小二乘支持向量机对这6种想象运动模式进行分类处理。     

涡轮叶片三维叶尖间隙光纤检测系统

航空发动机涡轮叶片叶尖间隙呈三维变化特点,传统光纤式叶尖间隙检测系统的测量结果受维间耦合影响精度差,信息源单一。本文利用一种沿直角等腰三角排布的三路双圈同轴式光纤传感基元组成的传感探头,通过BP神经网络解耦方法,实现了从传感器输出到叶尖端面径向间隙、轴向倾角和周向倾角三维参量的解耦。设计加工三维测量光纤传感器和后续调理电路并对检测系统进行了静、动态实验验证。实验结果表明:该系统径向间隙静态测量的最大误差为47μm,标准差为10μm,轴向和周向倾角的静态测量最大误差分别为0.49°和2.32°,标准差分别为0.13°和0.36°。系统具有良好的重复性和可靠性,径向间隙的动态测量标准差小于18μm,轴向和周向倾角的动态测量标准差小0.2°和0.5°,能够满足航空发动机涡轮叶片叶尖间隙三维参量快速实时检测的需求。     

基于表面肌电信号的人体步态事件快速识别方法

针对下肢康复训练机器人主动训练阶段患者运动检测实时性、准确性的需求,提出一种基于动态表面肌电信号的人体步态事件快速识别方法。首先,通过表面肌电信号产生过程数学建模及步态过程中肌肉活动规律分析,给出了基于表面肌电信号强度及其变化特征的步态事件感知原理;其次,以双腿股外侧肌动态表面肌电信号强度及其变化为特征,构建了用于识别支撑和摆动两个步态事件的自适应模糊神经网络模型。实验结果表明：该方法识别结果正确率达95.3%,对足跟触地和脚尖离地事件发生时刻进行识别的平均时间误差分别为21.4ms和24.5ms,同时证明,该方法对步态之间表面肌电信号的差异具有较强的鲁棒性。