上肢康复机器人实时安全控制

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.     

不同液化酶对玉米和小麦为原料的酒精发酵影响

目前许多酒精生产企业使用玉米和小麦混合原料生产酒精,小麦投加最高比例已达到20%。以玉米和小麦混合原料为基础,对不同厂家液化酶进行酒精发酵对比试验,通过检测分析,选择性能更好的液化酶为大生产服务。     

基于小波包变换和聚类分析的脑电信号识别方法

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.     

葡萄酒多糖的研究与利用现状

介绍了葡萄酒中的多糖分类、特点及作用,具体说明了增加葡萄酒中多糖含量的方法,并概述了国内外对葡萄酒中多糖的研究、应用现状。     

基于小波包模糊推理的上肢康复机器人智能专家系统

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.     

回转窑托轮瓦研磨角度及研磨方法的改进

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。     

酒精生产中醪垢形成、预防及清洗

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。     

两自由度康复训练交互装置

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.     

一种被动力反馈阻尼器及其模型研究

根据力觉反馈的需要,设计了一种基于磁流变液的阻尼器,并建立了模型。介绍了磁流变液阻尼器的设计方法,该阻尼器由上、下盖组成密闭的壳体,转子通过轴设置于壳体内,壳体内充满磁流变液,在磁场作用下磁流变液屈服应力产生变化,转子相对于壳体转动时阻尼力连续快速变化,分析了阻尼器阻尼力构成及其可控性,运用较为简化的方法建立了阻尼器的逆动态模型,利用研制的阻尼器原型设计了实验系统并进行了挤压柔顺性物体和碰撞刚体力反馈实验,实验中阻尼器能够实现大范围的力觉反馈,因此表明设计方法有效、模型正确。     

基于ANOVA和BP神经网络的最优肌电信号测量位置选择

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%.