【摘 要】
：
传统的意图识别方法所用传感器数量及种类较多,特征向量维数偏高,统计特征对短时样本具有不稳定性.将关节角表示的几何特征与加速度、角速度表示的物理特征有机融合并应用于智能下肢假肢的运动意图识别.首先,利用惯性测量单元于健侧大腿、小腿处采集的摆动相前期短时时序数据解算膝关节角,以获取大腿、小腿绕关节轴的转动特性;其次,对物理特征提取均值、方差以反映短时数据的平均水平及离散程度,对几何特征提取最值斜率以反映短时数据的局部变化率并弥补统计特征的不稳定性;最后,将几何特征与物理特征融合,采用支持向量机对13种日常行为
【机 构】
：
安庆师范大学数理学院,安徽 安庆246133;安庆师范大学安徽省智能感知与计算重点实验室,安徽安庆246133;安庆师范大学数理学院,安徽 安庆246133;安庆师范大学安徽省智能感知与计算重点实验室
论文部分内容阅读
传统的意图识别方法所用传感器数量及种类较多,特征向量维数偏高,统计特征对短时样本具有不稳定性.将关节角表示的几何特征与加速度、角速度表示的物理特征有机融合并应用于智能下肢假肢的运动意图识别.首先,利用惯性测量单元于健侧大腿、小腿处采集的摆动相前期短时时序数据解算膝关节角,以获取大腿、小腿绕关节轴的转动特性;其次,对物理特征提取均值、方差以反映短时数据的平均水平及离散程度,对几何特征提取最值斜率以反映短时数据的局部变化率并弥补统计特征的不稳定性;最后,将几何特征与物理特征融合,采用支持向量机对13种日常行为进行分类.实验结果表明,对5类稳态模式:平地行走、上楼、下楼、上坡和下坡的识别率达到96.9％,对8类转换模式的识别率达到97.1％,对13种模式的识别率达到94.3％.仅用健侧两个传感器数据,通过特征融合构成25维的混合特征,实现了快速降维,降低了算法复杂度.
其他文献
针对果蝇优化算法(FOA)存在收敛速度慢和易陷入局部最优等问题,提出一种基于混沌的正余弦果蝇优化算法(CSC-FOA).通过混沌logistic映射生成算法的初始种群位置,使果蝇位置更接近最优值,降低随机初始化对算法性能的影响;果蝇个体位置更新时采用正余弦搜索策略,利用正余弦的波动搜索避免局部最优,提高收敛速度.实验结果表明,与同类算法相比,CSC-FOA算法在收敛精度、稳定性以及收敛速度等方面的性能更好.
为提高在CT图像中结直肠息肉的筛选效率,提出一种基于深度森林的结直肠息肉CT图像检测方法.通过灰度化、归一化、中值滤波、随机旋转的手段对数据集进行预处理,将处理后的数据输入一个调整后的深度森林进行预测分类,得到输出结果.实验结果表明,该模型与其他分类算法采用不同指标对比后,具有较好的分类效果,分类精度达到了99.67％,同时该模型具有较少的超参数,泛化能力强,有助于在医学影像领域辅助医生筛查疾病患者.
分析了磁致伸缩换能器的等效电路,计算得到了换能器工作的谐振频率.对换能器工作电压与电流的相位差进行补偿,并给出了相位补偿后的等效电路.以DSP为控制单元,设计了换能器驱动电路,包括电源电路、功率放大电路、辅助电源电路等.功率放大电路的全桥逆变电路采用自动相位控制方式.对电路的工作原理和工作过程进行了分析,对设计的换能器驱动电路进行实验.试验结果表明,设计的驱动电路频率稳定、工作可靠,能够满足激振时效等场合的应用.
为科学合理地分析曲线波形腹板钢箱-混凝土组合梁的扭转振动特性,首先,综合考虑弯扭耦合效应和波形钢腹板的剪切变形效应,基于Galerkin法和Hamilton原理建立了该桥型的扭转振动频率控制微分方程和自然边界条件.随后,根据自然边界条件,求解了剪切变形效应和弯扭耦合效应共同作用下曲线波形腹板钢箱-混凝土组合梁扭转振动频率的解析公式,将计算结果与ANSYS三维有限元进行了对比,结果表明,曲线波形腹板钢箱-混凝土组合梁扭转振动频率的解析公式与ANSYS有限元分析结果吻合良好.在此基础上,当R无穷大时,利用实测
有机化学是应用化学专业的一门核心课程,有机化学实验是有机化学课程学习的重要环节.针对有机化学实验教学过程中出现的问题,从教学理念、教学设计与实施、教学评价3个方面分析问题、阐述原因、提出改进措施,在改善教学效果的基础上,更加注重实验教学目标的达成,强化有机化学实验教学的育人功能.
二极管是直流电源的重要部件,其散热问题一直制约着其容量的增大.为了揭示平板式二极管热沉的散热性能,本文对一种热源布置于基板侧面的热沉进行了实验研究.通过实验数据计算得到了强迫对流下热沉表面传热系数h、总热阻R,不同位置处基板热阻Rb等参数.实验结果表明实验所得肋表面传热系数与现有关联式计算的肋表面传热系数基本相当.对于热源布置于热沉基板侧面的情况而言,基板导热热阻占总热阻比重较大,降低热源附近基板的热阻可以有效地提高其散热性能.
数字控制的LCL单相并网逆变器会产生控制延时,这会严重影响系统环路特性.为了解决此问题,提出了一种基于双电流闭环即时采样与零极点补偿结合的控制策略.首先,分析了传统电容电流反馈控制的LCL并网逆变器产生的延时对系统有源阻尼特性的影响;其次,分析了并网电流环的延时对系统幅频特性的影响;之后,对电容电流环和并网电流环采用即时采样并在前向通路中加入零极点补偿,并对改善后的系统鲁棒性和稳定性进行分析.Matlab/Simulink仿真结果表明:系统的动态性能和鲁棒性得到了提高,所提出的改进措施能较好的减小延时.
针对车-车通信过程中因信道容量约束产生的列车控制精度降低的问题,提出基于RBFNN(radical basis func-tion neural network,RBFNN)的自适应量化滑模ATO(automatic train operation,ATO)控制方法.基于自适应量化滑模控制技术,利用RBFNN对列车模型受到的附加阻力及未知扰动进行自适应逼近补偿,并引入基本阻力参数自适应机制以实现列车高精度控制,保证列车运行安全.仿真结果表明:该算法能够保证列车高精度跟踪理想的运行曲线,实现列车在站间的平稳
伴随着互联网和无线通信技术的快速发展,如何对海量无线监测数据进行处理和干扰源排查成为无线电监管部门面临的困难和挑战之一.针对此问题,提出了一种同相正交信号-功率谱密度转化算法和功率谱密度信号瀑布图可视化方法,以实现对无线信号实时监测的可视化呈现;在此基础上,结合未来无线电监测小型化、网格化的发展趋势,采用HTML5 Canvas,WebSocket和Python Flask技术设计实现了 一套切实可行、机动性强、实时性高、支持远程异构网络的无线频谱数据实时监测系统.系统运行结果表明:该系统具有较高的准确性
针对一类具有周期扰动和输入时滞的不确定非线性系统,提出一种基于神经网络的自适应动态面控制方案.将径向基函数神经网络和傅里叶级数展开结合,构造一种混合函数逼近器来逼近系统中未知的周期扰动函数.通过引入一个积分项解决输入时滞问题,同时采用带有非线性滤波器的动态面控制方法,避免自适应反推控制方法中普遍存在的复杂性爆炸问题.所提出的神经网络控制方案能够确保闭环系统中所有信号是半全局有界的,并且系统输出能渐近地跟踪给定的参考信号.两个仿真结果验证了所提出的控制方案是有效的.