基于表面肌电的肘关节运动角度预测

表面肌电信号(sEMG)由于能够反映用户的动作意图而被广泛应用在上肢康复治疗系统中.针对目前上肢康复机器人的手臂关节运动控制不灵活的问题,提出一种基于sEMG的肘关节运动角度预测方法.为解决单一的时域特征提取方法存在的时间效率高而稳定性不足的问题,从时域和频域分别提取特征值,采用BP人工神经网络建立表面肌电信号与肘关节角度的映射模型,实现肘关节角度的预测.实验结果表明,该模型的预测结果与真实角度值有高度的一致性,有助于提高上肢康复机械臂的灵活性.     

基于LabVIEW的人体表面肌电信号手势识别

随着科技发展的不断进步,人类对工具的操控和使用要求不断提高;一系列新型传感器和控制设备伴随着电子科技产业发展不断产生,人们对于交互的需求也越来越智能化、数字化。其中,手势识别作为人与人之间重要的交互沟通方式在测控领域有着巨大的潜力。实现手势识别有多种途径,其中基于人体表面肌电流(sEMG)的测量方法以其更加快捷简单的使用体验深受消费者期待。探讨了一种基于sEMG的手势识别方法,结合Lab VIEW平台进行了简单的分类和应用,为实现可携带式的sEMG手势识别设备提供一种实用方案。     

人体下肢行走关节连续运动表面肌电解码方法

为实现人体下肢步态动作的连续识别,提出了一种利用表面肌电信号进行下肢关节运动角度连续解码的方法。首先利用光学运动捕捉实现下肢关节运动角度的计算,然后采集下肢运动相关主力肌肉的表面肌电信号并提取其活动强度信息;在此基础上,基于受限玻尔兹曼机构建深度自动编码器(DAE),实现多路表面肌电信号强度时间序列的低维空间编码和最优特征提取;最后,利用BP神经网络建立特征量与关节矢状面运动角度之间的非线性回归模型。实验结果表明:该方法提取的信号特征信息优于传统的主量分析方法,采用提出的模型能够更精确地估计下肢关节连续运动角度,其估计值与真实值的均方误差较传统方法降低25%~35%。研究结果为人机交互接口技术的开发、实现下肢可穿戴智能装备的生物电连续控制、提高人机运动平稳性奠定了基础。     

基于表面肌电信号参数的人体上肢运动研究

根据检测得到的右上肢主肌肉群的肌电信号,探讨了人体右上肢主肌肉群的肌肉功能状态和男性与女性之间肌肉功能状态的差别.20位实验者右上肢完成13个基本动作,对三角肌、肱二头肌、肱三头肌、掌长肌和指伸肌五块肌肉进行肌电采集,用SPSS 14.0软件时特征参数平均振幅(AEMG)和积分肌电(IEMG)进行数据处理.结果表明:完成不同的日常生活活动,肌肉的活跃程度存在着一定的相似性和差异性;男性以增强指伸肌和三角肌为主,女性则以掌长肌和三角肌为主.实验数据可为老年人和残疾人康复训练及肌电信号控制提供一定的理论依据和指导作用.     

基于ADS1298的表面肌电采集系统设计

针对现有表面肌电信号采集方法存在的元器件较多、电路复杂和调试困难等问题,以ADS1298集成模拟前端设计了一种新型s EMG信号采集系统.通过充分利用ADS1298集成的可编程增益放大器、24位高分辨率ADC以及右腿驱动放大器,简化了前端调理电路的设计,使系统的集成度高、体积小、功耗低.     

人体下肢表面肌电信号的检测与分析

人体步行时下肢肌电信号 (EMG)活跃 ,为研究步态周期内 EMG随路况的变化趋势 ,采用了下肢表面 EMG8通道检测装置进行了实验 ,对多人在 6种路况 (或步速 )下行走时的下肢 EMG进行了检测和分析。实验结果表明 ,步行时下肢肌肉活动有一定的规律性 ;各路况信号开始及持续时间、信号绝对值平均、中频等特征值区分明显 ,可以将其应用于智能肌电控制假肢路况模式辨识     

人体腿部表面肌电信号特征提取方法

表面肌电信号(sEMG,surface electromyography)作为人体运动检测的主要信息源之一,已被广泛应用于康复训练福祉机器人领域。针对人体下肢动作识别的问题,提出了一种针对表面肌电信号进行小波变换的特征提取方法。在肌电信号的频域分布中,该方法选取小波子空间中活动段的平均功率组成特征向量。为验证所提出方法的有效性,设计实现了一种微型便携式多通道sEMG信号采集系统,并利用支持向量机(SVM,support vector machine)构建分类器对腿部动作进行识别。实验结果表明:该方法能有效识别腿部常见的4种动作,同一个体动作识别率能达到95%以上,不同个体识别率平均能达到85%,能够较好地应用于下肢运动障碍患者的日常康复训练。     

基于规则的交互上下文预测基于规则的交互上下文预测

为了改进当前上下文预测中由于缺乏对交互情况的考虑所导致的不完全预测问题,提出了基于规则对交互上下文进行预测的方法．给出了交互上下文的定义及使用本体对交互上下文进行建模的方法．在基于规则的交互上下文预测架构中,利用交互规则发掘算法和交互预测算法等推理计算得出交互规则,根据得到的交互规则对交互上下文进行预测．该方法的使用合理地改进了传统的上下文模型,从根本上系统地解决了传统的上下文预测的局限性问题,有效地提高了上下文预测的能力．     

基于表面肌电的工人上肢肌肉疲劳试验研究

当人体进入疲劳状态时,表面肌电信号会发生相应的变化。为了探讨工人在持续上肢作业时肌肉疲劳对人体肌电信号的影响,针对疲劳与肌电信号的关系提出评价肌肉疲劳的数学模型,选取10名健康受试者进行机械操作与重物搬举作业。同时,使用表面肌电测试分析仪对肌电信号进行实时监测,采用方差分析、t检验和非线性拟合方法对疲劳与肌电信号的关系进行分析。结果表明,肌电信号的波动程度对生理疲劳有显著变化,上肢肌肉疲劳程度越重,其肌电信号恢复至正常值越久。非线性拟合结果显示,上肢肌肉疲劳的发展趋势呈现出"S型"的趋势。据此提出,疲劳失稳期前让受试者休息,可以减缓或延迟生理疲劳的发生。     

基于递归量化分析的表面肌电特征提取和分类

利用展拳、握拳和腕屈、腕伸时从前臂分别检测的两路表面肌电（surface electromyography,SEMG）信号,对四种动作进行了分类研究.先采用移动平均法（moving average,MA）和一阶差分法确定SEMG信号中对应的每个动作波形的起止点,再利用递归量化分析（recurrence quantification analysis,RQA）方法提取各种动作波形的非线性特征参量（确定率、递归率等）,由两路SEMG信号的这些特征参量构成特征矢量,输入BP（back propagation）神经网络,完成对不同动作的分类.研究结果表明,将利用递归量化分析得到SEMG信号的几种非线性参量作为特征值,对不同动作进行分类能够获得较高的分类准确率.     

基于ARMA模型的滑坡滑动力预测研究

为了更有效地降低滑坡灾害带来的损失、掌握滑坡滑动力变化情况,应用滑坡滑动力远程监测系统获得滑坡滑动力大小,根据滑动力时序变化特征,首次提出采用ARMA模型方法对其进行预测。通过以南芬露天铁矿2-1滑坡监测点滑动力时间序列为例进行研究,实现了该滑坡滑动力的短期预测。结果表明:预测值与实际值的误差率不超过3.5%,预测结果与实际情况符合较好,表明应用ARMA理论进行滑坡滑动力预测是可行的。     

基于肘关节表面肌电信号的负载识别

针对大多数肌电信号只进行特定肢体动作识别而没有对肢体进行外加负载识别的问题,提出一种基于表面肌电信号(surface electromyography, s EMG)的负载识别方法。首先,采用4通道表面电极采集肘关节在不同负载下的s EMG信号;然后,利用时域、频域特征提取方法对s EMG信号进行特征提取构成特征向量;最后,利用支持向量机(support vector maching, SVM)、BP神经网络和RBF神经网络对特征向量进行分类识别。结果表明以时域特征值识别,SVM的识别效果最佳,准确率为96.2%;以频域特征值识别,BP神经网络的识别效果最佳,准确率为87.5%;以时、频域组合特征值识别,RBF神经网络的识别效果最佳,准确率为90.4%。可见通过s EMG信号进行负载识别具有一定的可行性,为s EMG信号的广泛应用奠定基础。     

Interaction between colour and motion in human vision

There is a wealth of anatomical and psychological evidence which suggests that when people look at an object in the visual world, its various attributes such as colour, 'form', motion and depth are analysed by separate channels in the visual system. If so, how are these attributes put back together again to create a unified picture of the object? And if the object moves rapidly, how is perfect perceptual synchrony maintained between different features on its surface, if it is indeed true that they are being processed separately? Our evidence suggests that the visual system extracts certain conspicuous image features based on luminance contrast, and that the signals derived from these are then attributed to other features on the object, a process that we call 'capture'. Specifically, we find that when either illusory contours or random-dot patterns are moved in the vicinity of a colour-border, the colour border will also seem to move in the same direction even though it is physically stationary.     

一种基于切削力模型的模具型腔粗加工进给率优化策略

复杂曲面加工广泛应用于模具行业．由于加工参数缺乏科学的选择工具,数控加工的进给率常根据加工经验设定．通常必须创建切削体积模型或矢量力模型来优化刀具路径各段的进给率．鉴于模具型腔粗加工常采用2．5维加工,提出一种通过正交切削试验楚立切削力曲面模型用于模具型腔粗加工进给率优选的新策略．基于切削力曲面模型,采用多项式拟合的方法构楚刀具在许可切削力下的侧向切深和进给率的方程,根据楚立的方程计算每个刀位点处的进给率并反写到初始的G代码文件中．通过典型模具型腔的粗加工试验验证,证明该进给率优化策略不仅可以缩短加工时同,而且可以使加工载荷均匀．该策略对切削力载荷要求尽量均匀的模具型腔高速加工更有意义．     

SMS中基于冲突探测的滑行道轨迹预测算法研究

本文研究了机场场面管理系统中的重要环节——滑行道轨迹预测算法.首先研究了滑行道路段基于冲突探测的滑行花销问题,建立了滑行道动态花销模型;然后基于冲突探测和场面资源的动态花销提出了场面交通事件触发的A*轨迹预测算法以及全局Floyd轨迹预测算法.对这两种算法进行仿真的结果表明,基于事件触发的A*算法在场面交通不太拥挤的条件下适用,全局Floyd算法适合场面交通拥挤的情况;最后,通过比较和分析,提出了将两者结合的思想.算法具有很强的可扩展性,能够为机场流量管理提供科学的指导.     

基于GRNN的中厚板轧机压力预测模型

为了实现中厚板轧机在轧制过程中的压力变化自动预测和控制,分析了轧制过程中压力变化的影响因素,在神经网络技术和现场实测数据的基础上,利用Matlab人工神经网络工具箱,应用广义回归神经网络建立压力变化预测模型来提高轧制压力变化预测的精度.经过对现场实测数据的处理,分析了工作辊直径和初始板坯宽度对轧制压力网络模型精度的影响.指出随着工作辊直径的增大,网络的精度逐渐降低;随着选用初始板坯宽度的增大,网络模型的精度逐渐增高.结果表明:该方法建立的模型可以实现对压力变化的预测,且预测精度有较大提高.     

基于多模态和加权支持向量机的热轧轧制力智能预报

为了提高热轧生产过程精轧机组的轧制力预设定精度,需要对轧制力进行高精度的预报.本文通过机理公式计算出轧制力的近似值,然后采集大量的实际生产数据修正轧制力预报值.首先利用聚类方法区分不同的生产状态,其次在相同生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数,最后采用乘法方式修正轧制力,达到高精度的轧制力预测.结果表明,轧制力预报的平均相对误差为3.2%,满足现场的生产要求.     

基于网络方法的疾病基因预测算法分析

目的 分析基于各类生物网络的复杂疾病致病基因预测算法,总结其优势及不足之处,提出改进思路及未来的研究方向。方法 深入分析当前基于网络的疾病基因预测算法原理,包括不同生物网络的构建、算法原理的基本假设、3个代表性算法及基于其发展出的最新方法。结果与结论 分析发现当前算法存在的3个不足并指出解决此不足的2种思路。