基于气动人工肌肉的混合位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型（Cerebellar Model Articulation Controller,CMAC）在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应模糊CMAC用以逼近气动人工肌肉系统中的不确定项.CMAC网络权值的在线学习调整保证了自适应模糊CMAC的逼近性能.对离散抗饱和PID控制器（DASPID）与自适应模糊CMAC离散滑模混合控制器（HybridC）的位置跟踪控制性能进行了对比实验.实验结果表明,HybridC较之DASPID有更好的位置跟踪控制性能.当期望参考输入为正弦信号时,DASPID的最大位置跟踪误差为±15 mm;而HybridC的最大位置跟踪误差仅为±07 mm,平均位置跟踪误差大约仅为±02 mm.并且,离散滑模所固有的抖振现象得到了有效的抑制.     

葡萄糖转运体4与Ⅱ型糖尿病相互关系的研究进展

葡萄糖转运体4(GLUT4)是转运葡萄糖的重要蛋白质,与Ⅱ型糖尿病(T2DM)密切相关.从GLUT4对骨骼肌、心肌和脂肪组织,以及肾组织的肾小球系膜细胞的影响等方面进行了综述,研究葡萄糖转运体4与Ⅱ型糖尿病相互关系.     

气动人工肌肉驱动仿人灵巧手的结构设计

研究一种气动人工肌肉驱动的多指仿人灵巧手的结构设计. 通过分析正常人体解剖学,针对人类手掌的外形结构、驱动形式及运动规则,设计了一种5指仿人灵巧手. 该灵巧手有5个手指、19个自由度,在外观和功能上与人手接近;手指采用气动人工肌肉驱动,以柔索传动. 实验结果表明,该仿人灵巧手具有很好的柔顺性,并且整体外形和手指关节的运动范围均能达到拟人的效果.     

小白鼠部分器官中乳酸脱氢酶（LDH）分布特异性的探讨

本文证实了乳酸脱氢酶（LDH）在小白鼠部分器官中的分布特异性.指出了乳酸脱氢酶五种同工酶在小白鼠的心肌、骨骼肌、肾脏、脑和肝脏中均存在，并且在心肌、脑和肾脏中LDH-1（H4）占优势;而在骨骼肌和肝脏中以LDH-5（M4）占优势;分别与各自的生理功能相适应.     

大鼠骨髓基质细胞培养的实验研究

目的探讨体外培养大鼠骨髓基质细胞的可行性,为细胞移植治疗疾病奠定基础.方法采用淋巴细胞分离液(1.077 g/L)离心分离MSCs.加入碱性成纤维生长因子(bFGF)进行培养,并用流式细胞仪进行荧光三标检测鉴定.结果分离后的MSCs在生长因子的作用下出现增殖性生长,经流式细胞仪检测显示CD90,CD106阳性,CD45阴性.结论可在体外培养出较大密度大鼠骨髓基质细胞.     

运动与骨骼肌中的基因表达

通过献资料法阐述了运动对骨骼肌基因表达的影响,以便深入理解骨骼肌的工作原理,为客观指导运动训练提供依据．     

鱼形微机器人推进的力学分析

基于鱼类肌肉水动力学的研究,利用鱼类尾鳍与微机器人摆翼运动相似性,对仿生鱼形微机器人摆翼所产生的推进力进行了分析。分析表明,鱼形微机器人推进力与流体的粘性系数、摆翼面积和偏移角等因素有关。     

冠状动脉平滑肌细胞和内皮细胞膜电位对冠状动脉血管紧张性的影响

冠状动脉平滑肌细胞和内皮细胞的膜电位对冠状动脉血管紧张性的调节具有极其重要的意义.平滑肌细胞和(或)内皮细胞的超极化可导致冠状动脉舒张,平滑肌细胞和(或)内皮细胞的去极化可导致冠状动脉收缩.各种不同因素刺激平滑肌细胞和(或)内皮细胞可使它们产生超极化或去极化的反应从而导致冠状动脉血管舒张或收缩.掌握这一机制可以在临床治疗当中很好的控制患者的冠状动脉血流.     

小脑经颅直流电刺激技术提升运动表现的应用

小脑是脑皮层下的一个重要运动调节中枢,它与大脑不同皮层区域在解剖和功能上紧密连接,配合大脑皮层完成机体的运动功能和运动学习。经颅直流电刺激(transcranial direct current stimulation, tDCS)是一种非侵入性的脑刺激技术,通过电极将微弱的电流作用于小脑能有效地提升皮层脊髓兴奋性和调控小脑与大脑皮层间的功能连接。本文系统梳理近20年国内外关于tDCS刺激小脑对提升人类运动表现影响的相关文献,研究结果表明tDCS刺激小脑可以改善人体的运动表现,如姿势控制、运动适应与运动学习、肌肉力量表现等。然而,tDCS刺激小脑的生理机制和刺激强度、刺激时间、刺激时间间隔等参数的选择有待进一步研究。未来的体育科学研究中,如何将tDCS刺激小脑的技术应用于运动训练,帮助运动员突破现有的运动能力仍有待深入探究。     

基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究

针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN（RNA）的表面肌电信号（sEMG）特征提取和分类算法. 该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类. 将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类. 实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.012 7,均显著优于传统单一算法,体现了较好的分类性能.