排序方式: 共有44条查询结果,搜索用时 15 毫秒
1.
上肢康复机器人实时安全控制 总被引:2,自引:0,他引:2
针对上肢辅助康复机器人临床使用中的安全性和平稳性问题,提出基于模糊逻辑的实时在线安全监测控制方法.机器人对患肢进行康复训练时,患肢状态对控制效果会产生影响;通过设计智能安全监控模糊控制器(SSFC)改善系统运动平稳性以及突发情况下的安全性.首先提取相关运动特征评估受训患肢状态稳定情况,安全监控模糊控制器智能实现正常扰动情况下的控制期望力调节以及突发情况下的紧急响应.其次通过基于位置的阻抗控制策略实现患肢与机器人末端的柔顺性.实验结果验证了该控制方法能够有效地实现康复机器人的安全性和平稳性. 相似文献
2.
醪垢的形成因素有:微溶或可溶物质在蒸馏过程中处于过饱和状态而析出;可溶性钙盐转化成碳酸钙垢;可溶性钙盐受热分解生成难溶碳酸钙垢;前处理的制浆工艺。醪垢的预防方法有化学防垢法、物理防垢法、控制离心清液回配比、减少回配量、改善工艺、规范操作。醪垢的清洗方法有化学清洗法(碱煮法、酸洗法)、CIP清洗法、高压水射流清洗法。 相似文献
3.
4.
基于小波包变换和聚类分析的脑电信号识别方法 总被引:4,自引:10,他引:4
为了实现脑-计算机接口(brain-computer interface,BCI)系统,对大脑C3,C4处采集的二路运动想象脑电信号的特征进行了提取和分类.在分析小波包频带划分特点的基础上,利用小波包能量进行特征提取并使用基于马氏距离的线性判别分析进行了左右手运动想象模式分类,结果表明该方法提取的特征向量较好的反映了运动想象脑电信号的事件相关去同步(event-related desynchronization,ERD)和事件相关同步(event-related synchronization,ERS)的变化时程.另外,该方法识别率高,适合脑-计算机接口的应用. 相似文献
5.
回转窑托轮轴轴承设计与刮研非常重要。介绍了JCJ03-1990轴瓦与轴颈装配要求,并根据实践经验提出了轴瓦与轴颈的接触角为30°,接触面内进行研磨和接触面内不进行研磨两种研磨方法。此类方法特点是轴瓦与轴颈的接触角小,从瓦口开始刮研油囊,油囊弧顶处一直延伸到接触带位置;能有效避免翻瓦和轴拉丝的重大事故。 相似文献
6.
鉴于情感脑电蕴含丰富的空间模式特征,提出一种基于二维空间域表征可视化的情感识别方法。首先,提取多通道脑电Gamma频段的微分熵(Differential Entropy,DE)特征并根据导联位置映射至9×9的二维空间进行拓扑重构,使用三次插值方法进一步提高空间域特征图的分辨率;然后,针对性地设计了一种深度残差网络(Residual Network,ResNet)模型作为情感脑电解码器对情感脑电信号(Electroencephalogram,EEG)进行深层抽象特征的自动提取和端到端分类;最后,通过梯度加权类激活映射(Gradient-weighted Class Activation Mapping,Grad-CAM)方法对输入特征图进行可解释性分析,依据热力图分布定位对特定情感状态识别具有较大贡献的空间脑区。在SEED数据集上进行了相关情感识别实验,三种情感类别分类平均准确率为94.88%,达到了较先进的性能。 相似文献
7.
8.
针对目前上肢运动训练康复机器人缺少对患肢训练模式智能处方诊断的现状,提出了全新的基于小波包模糊推理的上肢康复机器人智能专家系统诊断方法.该方法在智能专家诊断过程中首先根据患肢在水平和垂直方向上的被动运动位置跟踪误差,通过小波包分解提取患肢运动性能特征,然后根据两个方向上的运动性能特征值并运用专家知识,通过模糊逻辑推理诊断该患肢适合的康复运动训练类型.临床实验结果表明,该方法能够较准确地实现不同病情患肢的运动训练模式处方诊断,有助于提高康复机器人的临床智能化水平. 相似文献
9.
针对手部康复训练设备主要由主动驱动器驱动导致的安全稳定性差、容易造成二次伤害等问题,设计了一种用于手部康复训练的被动驱动交互装置.首先简单介绍了被动驱动器的结构、实现原理,在此基础上提出了一种两自由度手部康复训练交互装置设计方法,该交互装置在支架上设置两根相互垂直并处于同一平面的轴,轴的两端分别连接被动驱动器和数字编码器,手柄在两轴的驱动下能在两维空间内运动并产生两自由度的力.接着分析了手柄受力与被动驱动器输出力的变换方法,最后设计康复游戏,与研制的交互装置配合,开展了脑卒中患者的康复训练试验,试验结果验证了康复训练交互装置对于手部康复训练的有效性. 相似文献
10.
基于肌电信号的手部动作识别中,肌电信号测量位置的选择直接关系到动作识别的准确率.本文以使用最少的肌电传感器和获得较高的动作识别率为目标,提出一种基于ANOVA(方差分析)和BP神经网络的肌电信号测量位置优选方法.使用4个肌电传感器采集受试者做出指定动作时的肌电信号,提取肌电信号的时域特征,并按测量位置组合构成15个不同的样本进行BP神经网络的训练和测试.采用单因素ANOVA分析测量位置对动作识别结果影响的显著性,采用Tukey HSD将测量位置进行归类,并从动作识别率最高的子集中选择测量位置最少但识别准确率最高的测量位置组合作为最优的肌电信号测量位置.实验结果表明,测量位置对动作识别的结果具有显著的影响,随着测量位置数的增加,动作识别准确率呈上升趋势,最优的测量位置组合为P1+P3+P4,其动作识别准确率为94.6%. 相似文献