汽车碰撞中胸-腹部的生物力学响应与损伤评价

统计表明,在汽车交通事故中人体胸部和腹部的损伤占很大的比例.为了研究汽车碰撞事故中人体胸腹部的生物力学响应与损伤机理,文中利用建立的人体胸-腹部生物力学有限元仿真模型,并引入国际同行已进行的相同部位尸体实验研究数据,对碰撞过程中人体胸腹部的生物力学响应进行了仿真分析.文献尸体实验与仿真过程中胸腹部的受力、加速度、胸腹部压缩变形量以及应力、应变分布等指标的对比结果表明,仿真结果与实验数据具有很好的一致性.研究表明,人体胸-腹部生物力学响应的有限元模拟能够准确地反应碰撞过程中人体胸-腹部的损伤程度,文中提出的模型可以用于汽车车身结构、约束系统、防护系统等方面的安全性设计和评估.     

基于SysML的作战场景监测仿真研究

当前作战场景监测仿真领域中存在的问题（诸如多元要素无法统一表达、状态无法清晰监控、仿真模型数据交互太过单一等）依然没有很好的解决方案．为此,以作战场景为研究对象,遵循模型的系统工程思想,提出基于SysML(Systems Modeling Language)的作战场景监测仿真的统一流程框架．利用SysML扩展机制,结合作战场景领域知识,设计了一套作战场景的领域元模型;通过领域元模型构建了作战场景模型;提出并实现了一种可以实时监测作战场景中状态数据的方法,使数据与模型产生交互;并通过一个作战场景验证所提方法的有效性和可行性．     

关于运动人体科学实验的几点思考

通过对运动人体科学实验内容的分析,阐述其与医学、生物学实验的相互关系,强调实验中充分发挥人体机能的生理、心理学作用,并指出实验过程中需重视的健康与安全问题,从而提高运动人体科学实验数据的严谨性和可信性.     

中医察目望神规则挖掘的关键技术

中医客观化中有一个很重要的问题是根据量化的人体特征推导出人体的状态.提出了一种用于中医察目望神客观化中从眼部特征推导出人体"神"的状态的规则挖掘方法.首先给出了视频采集方法,接着使用类-属性依赖最大化方法(CAIM)对眼部特征数据进行离散化形成规则挖掘中的属性区间,然后使用云模型进行关联规则挖掘得到大量候选规则,再对3种互补的规则裁剪方法进行修改和组合用于候选规则的整理,并形成最终的规则集合.利用交叉验证法检验规则挖掘的效果,得到了93%的平均精确度,达到了很好的效果.     

采用运动传感器的人体运动识别深度模型

针对传统机器学习方法在采用运动传感器数据的人体运动识别领域中识别效果严重依赖人工特征且准确率受限的问题,提出一种改进的卷积网络与双层长短期记忆网络的深层混合(VGGLSTM)模型以实现特征自提取并进行运动识别。该模型结合传感器数据层状、时序的结构特点,将多维传感器数据类比于图像的RGB矩阵进行适应性处理;由一维串联卷积网络与双层长短期记忆网络复合而成。实验结果表明,在开源的人体运动识别(HAR)数据集和无线传感器信息控掘(WISDM)数据集上采用该模型的人体运动识别方法的平均准确率分别达到了97.17%和96.53%,该模型可以有效避免复杂的特征工程,在人体运动识别问题中具有很好的准确性和适应性。     

基于状态子空间辨识算法的双阶挤出系统动态特性建模研究

针对高聚物挤出发泡所用的双阶挤出系统中需要解决连接体压力稳定控制的动态建模问题,提出了一种用于双阶挤出系统预测的状态子空间系统辨识策略,该方法利用系统的输入输出数据成功辨识出了双阶挤出系统的动态模型,并将实际测量数据与辨识得到的模型仿真输出数据进行对比,结果验证了基于状态子空间的辨识算法得到的系统模型能很好地反映实际情况。     

改进的小波阈值函数在心率检测中的应用

基于人脸视频图像的心率检测是根据血液的运动使人脸皮肤颜色发生细微的变化,提取出含有脉搏信息的信号,从而得出心率值的方法。由于受背景光照、环境温度等因素的影响,在提取心率信号的过程中不可避免地带有噪声,导致检测的心率值不准确。针对这一问题,提出了一种改进的小波阈值函数并应用在心率检测中。改进的小波阈值函数既满足阈值函数的连续性,又避免了软阈值函数恒定偏差的问题,同时通过调节参数能灵活地调节阈值函数,从而实现了对心率准确、有效地估计。实验表明,改进的阈值函数去噪优于软、硬阈值函数,心率检测准确、有效。该方法在监测生命健康、监控运动安全、防止疲劳驾驶等领域有着很好的应用前景。     

基于心脏模型的心肌梗死病变仿真研究

根据心肌纤维结构和复合材料理论建立了人体左心室的三维有限元力学模型,进行了心肌梗死的病变仿真研究.结果表明兴奋延迟使得左心室功能异常,心壁运动不协调,病变区应力集中.仿真结果与加标记的核磁共振成像结果及其他模型进行了对比分析,结果表明该模型可用于探讨心脏的病理机制.该研究将心脏电生理模型和力学模型进行了有机结合,为建立具有电生理和力学特性的虚拟心脏打下了良好基础.     

煤矿井下飞行机器人建模与仿真

针对煤矿井下飞行机器人自主导航、数学模型不完善与实验数据缺失问题,建立了煤矿井下飞行机器人运动力学模型、传感器观测状态估计模型、仿真系统。自定义煤矿井下导航坐标系,在简化后的微分平坦状态空间,建立线运动与角运动的运动力学模型;选用三维激光雷达、惯性测量单元(IMU)、相机传感器,并分别建立其观测模型,进而在特殊欧式群SE(3)空间,构建基于优化理论的传感器观测状态估计模型;搭建仿真系统并模拟煤矿井下工作面场景,对建立的运动力学模型和传感器观测状态估计模型进行仿真实验。建立的煤矿井下飞行机器人的运动力学模型与状态估计模型可行、有效,生成的仿真数据集为后续研究提供参考。     

基于扫描数据建立人体动态模型

提出一种由三维人体扫描数据建立人体动态模型的新方法.该模型由骨架运动学模型和简化的三角网格表面模型构成,分别用于产生人体各种姿态以及表达相应的体表形状.通过操纵骨架运动,可实现实时与逼真的人体姿态仿真.实例分析表明,该方法克服了目前从扫描数据通常仅用于构造静态人体模型或无法实现实时姿态仿真的缺陷,在人机工程设计及虚拟现实领域有较大应用价值.     

多源统计数据驱动的航空发动机剩余寿命预测方法

针对统计数据驱动方法中多变量无法建立退化模型的问题,提出了一种多源统计数据驱动的航空发动机剩余寿命(RUL)预测方法。建立了基于欧氏距离的航空发动机监测信息融合模型,综合多源监测数据以量化发动机健康状态退化过程;构建了基于非线性漂移维纳过程的航空发动机退化模型,推导发动机剩余寿命概率密度函数解析式,实现对发动机剩余寿命的估计。选取C-MAPSS数据集进行仿真实验,结果表明,与已有研究结果相比,所提方法预测结果在确定系数和惩罚得分两项均有所改进。该方法可为其他非线性退化系统的RUL预测提供一定的参考。     

基于LSA-HRnet网络的人体姿态估计方法在太极拳运动中的应用

由于专业运动知识的匮乏、动作评估准确度低等问题,导致人们对运动训练的积极性不高,运动水平提升慢以及身体出现不同程度的损伤等,针对以上问题,提出一种基于注意力机制的轻量级采样模块的HRnet(Lightweight Sampling Attention block HRnet,LSA-HRnet)人体姿态估计模型对运动过程中的动作进行分析和评估,提出的算法采用轻量级采样块网络和融合注意力机制实现模型的轻量化以及模型性能的提升.相比原始HRnet模型及其他的优秀人体姿态估计SCnet模型、轻量级Lite-HRnet,在自制太极拳的实验结果表明提出的模型能够有效的提高预测精度和降低参数量.基于提出方法能丰富混合现实技术在运动领域的发展的技术理论,改进现存运动问题、激发练习兴趣和提升体质健康.     

老龄化背景下城轨换乘站客流组织仿真分析

针对人口老龄化背景下的城轨换乘站客流组织问题,从影响因素分析出发,量化老年乘客生理特征对乘客行动力影响的外在表现,并运用社会力模型描述换乘站内行人运动。借助AnyLogic仿真软件,以重庆市某换乘站为实验对象构建地铁换乘站仿真模型。通过设计多场景仿真实验,结果发现老年乘客比例对站内客流速度、进站时间、换乘时间都有明显影响,尤其是在站内客流瓶颈处和高差变化处的影响更为明显。最后,对适老背景下城轨车站设计和运营提出针对性建议。     

一个新的下丘脑-胰岛轴血糖调解系统激素分泌的非线性动力学模型

提出了一个新的下丘脑-胰岛轴血糖调节系统激素分泌的非线性动力学模型.该模型能够合理地描述健康人群胰岛素、胰升糖素对血糖的调节作用以及这些激素随时间演化的动力学规律.仿真模拟口服葡萄糖耐量实验(OGTT)结果表明,该模型是一个更加符合人体生理实际的血糖调节模型.     

支持向量回归多参数的同时调节

参数调节问题是支持向量回归的基本问题.已有的参数调节方法主要采用内外双层优化框架,调节过程中,训练学习器与更新超参数交替进行.这种嵌套结构具有较高的计算复杂性.针对这一问题,提出了支持向量回归多参数的同时调节模型.首先,将Lagrange乘子、惩罚因子、不敏感度参数和核函数参数合并为一个参数向量,推导出支持向量回归问题的一个新的表示形式,可将原来分离的双层调节过程整合为一个单层调节过程.然后,应用贯序无约束极小化技术(SUMT),将支持向量回归问题转化为多元无约束优化问题.在此基础上,应用变尺度方法(VMM)设计、分析并实现了一个同时调节算法.最后,通过标准数据集上的实验,验证了同时调节算法的收敛性,并比较了同时调节算法与常用调节算法的有效性和计算效率.理论分析与实验结果表明,同时调节模型是一正确且有效的多参数调节模型.     

适于CFD数值仿真的人体热调节模型建模分析

本文在深入研究人体热调节生理机制的基础上,根据热环境人体表面温度实验数据,提出了一种适用于CFD数值仿真的具有热调节行为的人体热模型,通过流固耦合数学模型,获得人体表面温度分布。     

基于卡尔曼预测的外骨骼摆动腿随动控制研究

针对一种双关节驱动助力外骨骼机器人中人机交互系统所获取的传感器信息滞后于人体运动意图,从而造成执行机构无法及时跟踪摆动腿的运动,导致无法提供助力的情况,运用卡尔曼滤波算法对采集到的下肢运动信息进行运动意图预测,以弥补延时。利用采集的步态周期数据进行控制仿真实验:依据下肢外骨骼单侧腿简化的二连杆动力学模型,将预测信号输入模型,并采用PD控制验证系统稳定性和预测准确度。仿真结果表明,利用该方法可以对人体运动意图进行有效的预测,可用于驱动外骨骼摆动腿进行随动控制。     

基于涡流搜索算法的过程支持向量回归机模型

针对传统支持向量回归机在机制上难以直接对时变信号进行处理的问题, 提出了一种用于时间序列预测 的过程支持向量回归模型, 采用涡流搜索算法优化选择模型参数, 采用 UCI(University of California Irvine)数据 库的空气质量数据集和比利时 SIDC(Solar Influences Data Analysis Center)的太阳黑子数据进行仿真实验。 实验 结果表明, 该模型预测结果均优于粒子群过程支持向量回归机和支持向量回归机的预测结果, 具有较好的预测 能力。     

基于逻辑相似性的运动检索算法

针对基于内容的人体运动检索问题,提出了一种基于逻辑相似性的运动数据检索方法。首先,针对特定人体运动序列数据,使用自组织网络映射算法对运动数据进行预处理,找出运动数据帧的最佳匹配单元。然后,应用数据编码规则对匹配单元进行量化及编码处理,获得基于符号化表示的运动描述符。基于符号化表示的描述符建立运动序列索引机制,应用多分辨率框架进行运动模式匹配。最后,按照模式匹配结果进行运动相似性排序,输出检索结果。在CMU运动数据库中的试验结果表明了算法有效性。     

驱动人体下肢运动的脑肌电相干同步方法

针对驱动下肢运动中脑肌电信息不同步现象导致的脑肌电融合识别稳定性差等问题，提出一种结合多元自回归(mvAR)模型及最大化相干性法则的驱动下肢运动脑肌电相干性分析及信息同步化方法。首先根据驱动下肢运动中神经冲动传导机制及运动控制原理，进行驱动下肢运动脑肌电产生原理及信息不同步现象分析；其次，引入多元自回归模型，以下肢稳态力输出状态下的多次实验多通道脑肌电作为模型输入，迭代得到基于高维模型拟合的脑肌电时频相干性结果；再次，确定显著相干频率及时刻，并利用最大化相干性法则将脑肌电时延量化，实现脑肌电同步；最后，搭建下肢稳态力输出脑肌电同步采集和下肢运动意图识别实验平台并进行方法验证。实验结果表明，在下肢稳态力输出过程中，脑肌电相干性在beta频段呈现显著相干，各受试者左右腿脑肌电时延分布于10～40 ms之间，其中左腿平均时延为(23.3±11.4) ms,右腿平均时延为(19.8±4.8) ms,使用抵消时延后的脑肌电融合识别下肢运动意图准确率有部分提升，可有效同步脑肌电中的驱动下肢运动信息，同时提升脑肌电融合识别稳定性。