基于三维动态步态的身份识别方法仿真

根据步态识别人身份的研究中,由于二维步态特征无法完全表示人体特有的动态步伐特征,导致识别受限。提出基于三维动态步态的身份识别方法,以连续步态图像帧为单位,通过立体视觉技术从二维图对不同采样时刻的运动人体三维步态轮廓信息进行提取,提取人体步态三维轮廓后,对其进行无关区域分割,获取和人体行走相关的步态特征。通过构建步态特征变换的几何模型,给出动态三维步态特征的转换过程,依据欧氏距离度量,根据结果实现身份识别。仿真实验结果表明,所提方法具有很高的识别精度和识别效率,性能较静态方法有较大的改善。     

基于连续隐马尔科夫模型的步态识别

步态识别主要是通过人体走路的姿势来识别人的身份，近来年，步态作为一种生物特征识别技术备受计算机视觉研究者的关注．给出了基于连续隐马尔科夫的步态识别方法：研究了静止背景下人体步态的检测以及基于步态的人体身份识别技术，主要包括背景建模、人体检测、轮廓特征提取及连续隐马尔科夫识别和分类．在小数据库上取得了超过95％的识别率；实验结果表明，本方法有效．     

基于Logistic模型的驾驶人换道意图识别方法

 为有效降低车道变换行为诱发事故的风险性,提出一种基于Logistic 模型的驾驶人换道意图识别方法。利用faceLAB 视觉追踪系统,通过真实环境下的实车测试,结合换道前驾驶人对后视镜的注视特性确定换道意图时窗,分析车道保持与换道意图阶段的注视特性差异,提取扫视次数、扫视幅度、水平方向视觉搜索广度、头部水平转动角度标准差等驾驶人换道意图特征指标,构建了Logistic 模型,并经效度检验后应用于对驾驶人换道意图的识别。结果显示,基于Logistic 模型的驾驶人换道意图识别方法的识别成功率达到90.24%,与基于转向灯信号的驾驶人换道意图识别方法相比,具有明显的时序及成功率方面的优势。     

正常青年人行走步态的实验研究

以VICON步态分析系统对5名年龄身高体重均相近的正常青年人的常速行走步态进行了实验研究.得到了青年人常速行走步态的基本参数,给出了关节角度的统计曲线,并对单支撑期内各关节角度进行了分析.比较了左右两侧关节角度的差异.结果表明,正常行走左右两侧关节角度存在着差异,以左右侧关节角度差异度结合时相对称性指标可以更合理地评价步态的对称性.单支撑期内关节角度范围为假肢设计及正常人步态的模拟提供了参考.     

铁路列车超载偏载检测技术

针对当前所提出的各种测量列车超、偏载的方法做了简要的介绍和总结,并根据各自不同的测量原理将其分为轨道衡、直接测量和间接测量三种方式,对每一种测量方法进行了比较,并给出了一种新的列车超偏载的检测方法.     

基于惯性测量器件的无线步态分析平台

步态定量测量方法应用于许多领域,如临床医学、双足机器人控制等.采用惯性测量单元结合无线传感器网络建立了一个步态分析平台,将两个无线惯性测量单元传感器节点分别绑定在左右双侧脚踝,以同时采集双脚运动过程中的加速度和角速度信号,并将其通过无线方式发送到远程终端.通过模式识别、时间序列分析、阈值检测和零速修正等多种数据融合方法计算步态参数,并通过融合双足传感器数据得到双支撑相、双脚步行周期等重要的双足步态参数,其中双支撑相参数对人体日常动作的识别有重要意义.实验结果显示该研究具有较高的计算精度.     

基于最小二乘法的步态机器人运动轨迹辨识

运动轨迹辨识是机器人研究领域中的一个热点问题,运用最小二乘法对步态机器人的运动轨迹进行研究.测量并计算了人体步态特征参数;在此基础上,通过曲线拟合的方法,为下肢各个关节部位建立相对应的数学模型,得到了步态机器人运动轨迹的整体数学模型;最后,利用得到的数学模型表达式验证了文中所提研究方法的可行性与有效性.     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.     

基于重构吸引子融合BAG方法的步态识别研究

针对基于惯性传感器的步态识别方法在动态情况下表现不佳且计算复杂度较高的问题,提出一种基于重构吸引子融合盒近似几何(BAG)方法。首先,将人类步态视作一个动态系统,根据Taken理论在潜在空间重构吸引子;然后,利用奇异谱分析方法获得奇异值,并将其应用于惯性传感器的标量测试;最后,利用盒近似几何方法完成步态识别。针对20个不同对象的模式分析了各种参数对步态识别性能的影响,实验结果表明,相比其它几种步态识别方法,本文方法能够实现高精度的识别且具有较低的计算复杂度。     

基于应变信号时频分析与 CNN网络的车辆荷载识别方法

针对现有神经网络车辆荷载识别方法的识别精度不足且训练样本采集困难的问题,提出了一种基于应变信号时频分析与CNN网络的车辆荷载识别方法,对移动车辆总重进行荷载识别.首先,利用连续小波时频变换方法处理桥梁跨中应变信号,得到应变信号的时频特征,并利用双线性插值算法将时频信号矩阵变为大小为64×64的数值矩阵,作为CNN网络的输入数据;其次,利用CNN网络的回归学习算法,在训练少量数值矩阵后直接建立应变响应与车辆荷载的映射关系,从而实现对未知车辆荷载的识别;最后,通过模拟试验发现虽然在不同路面粗糙度和噪声影响下,CNN网络的荷载识别结果会受到不同程度的影响,但在一定范围内的路面粗糙度和噪声影响下仍然能较精确地识别车辆荷载.     

人体背部负重对坡道行走步态的影响

为了研究背部负重对于坡道行走步态的影响并分析受试者面临的滑倒危险性,4名健康受试者先后在10°斜坡上完成了不负重上坡和下坡、负重上坡和下坡条件下的试验。每人在每种条件下都进行3次试验。通过步态分析系统得到步态周期、步长、摆动相所占比例、脚跟触地时小腿角度和所需最大摩擦因数等步态参数,并且进行了统计分析。试验结果表明:负重后所需最大摩擦因数没有增大,而是明显减小;受试者在负重后会自动调节步态参数,从而降低所需最大摩擦因数,减小滑倒的危险;不同的受试者,由于行走习惯和肌肉强度等生理条件不同,在同样的环境中和同样的负重条件下面临的滑倒危险不相同。     

考虑荷载随机性的人行桥人致振动计算方法研究

随着人行桥大跨轻柔化的发展趋势，行人动力荷载逐渐攀升为人行桥设计中的控制荷载．然而，受行人荷载随机性的影响，如何计算人行桥的人致振动响应却成为桥梁工程设计人员最为棘手的问题．为了建立准确实用的人行桥人致振动响应计算方法，首先提出了改进后的基于瞬时步行参数的行人步行力随机性时域模型，并通过实测手段系统地研究了模型中包括个体间差异性以及个体内部变异性在内的行人步行参数的分布规律．在此基础上阐述了行人流步行过程模态力的集成，建立了行人作用下的人行桥人致振动的模态叠加分析法．本文以43#人行桥为例，将数值模拟结果与人致振动试验数据以及现有各国人行桥设计规范进行了综合的对比分析，验证了考虑随机性后的人行桥人致振动时域分析法的可靠性与实用性．     

日常活动中水平面行走步态实验

步态研究是人类运动生物力学和康复医学研究的热点之一。本文对日常变化活动中水平面行走步态进行了实验研究。实验涉及到人在日常生活中水平面上直线行走，圆弧线行走及行走中直角转向３种活动。测试对象在右手提１０ｋｇ重物和不提重物以３种不同速度行走。此外，还简述了实验设备和实验方法。     

基于特殊螺纹密封完整性的三轴设计系数研究

针对高温高压气井完井油管柱密封完整性问题，开展了基于88.90 mm×6.45 mm 110SS材料油管一种气密封特殊螺纹密封完整性分析的管柱三轴设计系数研究，研究中采用了API RP 5C5—2017国际标准螺纹性能试验评价方法，进行了高温和室温环境下A系全包络线载荷密封实验评价。基于气密封能判据，采用有限元模拟分析了不同VME（冯米塞斯等效应力）全包络线载荷2次循环工况的密封能和密封能倍数的变化规律并确定了危险载荷点。结果表明，通过API标准密封完整性实验评价的气密封特殊螺纹连接，需采用有限元进一步分析包络线载荷循环密封能及密封能倍数的变化规律，确定这种螺纹连接安全适用范围；同时开展了3种VME全包络线载荷2次循环后密封适用性分析，确定了高温和室温两种环境下螺纹安全适用包络线载荷范围及合理的三轴安全系数，并完成了1口高温高压气井完井油管柱安全分析和现场应用。提出的研究方法为管柱三轴设计安全系数的确定提供了有益指导。     

步行中下肢关节动力学以及表面肌电的研究综述

步行是我们日常生活中最为普遍的运动,要想深入地了解这项运动,必须对行走过程中控制人体运动的关节力矩进行分析。单纯的运动学或动力学研究不能准确揭示出人体步态所蕴藏的生命信息,因此,从关节动力学角度结合表面肌电研究人体步态已成为当前研究的热点。通过多环节运动的动力学方法可对下肢关节动力学指标进行分析与探讨。目的：综述人体运动中下肢关节力矩、关节功率等关节动力学参数变化,以及肌电相关指标的变化。方法：检索PubMed和中国知网数据库中有关步行时下肢关节动力学的文章。英文检索词为Joint kinetics;Walking;sEMG,中文检索词为“关节动力学;步行;表面肌电。”结果与结论：目前对于人体步行中下肢关节动力学的研究：在研究指标上,单一指标的研究较多,多指标的综合研究不足。在研究对象上,针对青年人群和步行障碍患者的研究比较多,对老年人和儿童的相关报到较少。在研究内容上,针对背部负重行走的步态研究居多,对负重损伤的力学机制研究较少,在研究结果上,一些结论之间相互矛盾,负重影响人体步态的确切机制仍然模糊不清。     

重型矿用汽车多参数动力性换挡规律

基于矿用汽车载荷变化大、行驶环境多变、油门变化频繁的特点，依据重载爬坡和轻载下坡的典型工况，制定了重型矿用汽车多参数动力性换挡策略.利用函数叠加法建立康明斯QSL-FR91674型发动机全特性曲线，得到不同油门开度情况下发动机输出转速与输出转矩的表达式.根据发动机输出动力特性，计算得到3550型矿用汽车车速、油门开度和加速度三参数动力性换挡规律.再结合道路状况识别方法、车辆载荷、驾驶员操作意图，针对轻载下坡和重载爬坡工况，修正得到重型矿用汽车多参数动力性换挡规律.在Maplesim中建立换挡模型，通过仿真计算，得到修正前后车辆轻载下坡路况时挡位和车速变化曲线，后者避免了不必要的换挡，保证了车辆的动力性能.     

基于因子分析的母线负荷异常数据辨识方法

针对现有母线负荷数据异常辨识方法适应性差、辨识精度不高的问题,基于母线负荷数据现状剖析异常数据的基本特征,分析因子分析的理论及其应用于母线负荷异常数据辨识的原理,提出了基于因子分析的母线负荷异常数据辨识方法.该方法引入因子分析将母线负荷曲线分解为表征曲线正常时序变化规律的基本分量和表征曲线数据异常或随机波动特征的随机分量;同时基于负荷曲线随机分量给出了异常数据辨识的3σ判定准则.最后,以重庆某供电公司算例验证了所提方法较现有方法更具合理性、有效性.     

基于改进型密度峰值算法的电力负荷聚类分析

在海量异质灵活资源参与含高比例新能源电网的运行调节背景下,针对用户用电特性分析的准确性、鲁棒性、计算效率的高要求问题,文中提出了一种基于特征指标完善和改进型密度峰值算法的电力负荷聚类分析方法。首先,通过提取9个完备的特征指标进行指标降维和完善以代替日负荷曲线组成的功率向量作为聚类输入;其次,采用熵权法对各项特征指标赋予权重保证负荷曲线的形态特征;最后,采用一种改进型密度峰值聚类算法对日负荷进行聚类分析。基于某地区实际负荷数据进行算例分析,结果表明文中所提方法在鲁棒性、聚类质量等方面相比于传统电力负荷聚类算法均具有优越性,聚类结果能真实有效地反映用户的实际用电特性,为制定精准的电力用户画像、需求侧响应策略提供了态势感知基础。     

基于过程神经网络的步态模式自动分类

为克服步态辨识中特征向量法存在的步态特征难于提取、计算量大和算法复杂等局限,提出一种基于过程神经网络的步态模式自动分类综合方案.为感知人体步态,在测试者下肢安装加速度传感器来采集步行过程中的时序运动学信息.采用巴特沃斯滤波处理并将其拟合为时变函数直接输入到过程神经网络,利用其对任意连续泛函的逼近能力来实现对不同步态模式...     

基于K-means聚类与PSO特征优选KNN的分级负荷识别方法

针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。