基于运动模式划分的工业机器人健康监测方法

由于工业机器人存在多运动模式耦合的问题,传统的健康监测方案需要在每个关节处单独安装传感器,难以满足实际工业现场需求。本文以6关节工业机器人为研究对象,基于振动信号研究了多运动模式切换场景下工业机器人的健康监测方法。首先,通过跳变点算法实现机器人运动模式划分,获取不同运动模式对应的信号区间。其次,对不同运动模式的信号分别提取监测指标。最后,基于控制图法实现工业机器人不同关节的健康监测。在工业机器人退化实验数据中验证了本文所提方法,表明本文所提方法能够在仅使用两个振动传感器的条件下实现机器人6个关节的健康状态监测。本文所提运动模式划分算法在对大量历史退化数据进行分析时,所需运行时间更短、单次精度更高且重复性更好。本文提出的方法能够在使用少量传感器的条件下,有效避免运动模式耦合和采样信号的差异可能导致的监测结果误判,使得监测结果更加精准可靠,适用于实际工业现场的工业机器人健康状态监测。

面向时空轨迹流的共同运动模式分布式挖掘算法

从轨迹流中挖掘共同运动模式指在同一时间内发现具有相同运动行为的移动对象群体,在交通物流、疫情防控等方面具有重要意义。然而,现有研究面对大规模轨迹流数据难以做到快速响应。因此,本文首先提出了基于滑动窗口的分布式时空轨迹流共同运动模式挖掘算法,使用滑动窗口计算模型代替快照计算模型,利用增量式更新代替重新计算,使算法更适用于无界且快速到达的轨迹流数据,在效率和有效性方面呈现更好的性能。其次,针对分布式流处理系统中由于负载不均导致性能下降问题,提出了自适应多级动态数据分发策略,该策略能够适应轨迹流数据的动态变化,实时监测系统负载情况并根据负载不均的程度做出适当调整。最后,基于分布式流处理平台Flink实现了上述功能,并通过真实数据集的实验证明本文提出的算法比基准方法具有更快的响应速度和更低的延迟。

低成本MEMS惯性器件行人运动模式识别算法

针对行人正常行走、上楼、下楼等常见运动模式识别的问题,提出了一种低成本的足部MEMS惯性器件运动模式识别算法。首先,根据MEMS惯性器件的安装关系和实际采集的数据,分析了不同运动模式下的加速度计和陀螺仪的输出特征,然后,选取x轴方向的加速度计和y轴方向的陀螺仪输出的数据,利用输出波峰波谷的先后逻辑顺序,识别正常行走、上楼、下楼3种常见的行人运动模式,最后,对4名实验人员采集的10组数据进行分析。结果表明:采用该方法,正常行走状态识别的平均成功率可达到100%,上楼状态识别的平均成功率达到97.25%以上,下楼状态识别的平均成功率达到98.99%以上。从而验证了该方法的有效性。

多运动模式并联机构工作空间分析

面对行业对自动化装备的重大需求,引入一种由移动副驱动的并联机构,该机构具有多运动模式、大工作空间等特点,可用于钻孔、装配、检测等领域.为了分析并联机构的工作空间,采用闭环矢量法建立不同运动模式下系统通用的运动学模型;在此基础上,考虑滑块行程、关节转角等约束条件,提出空间搜索法搜索不同运动模式下并联机构的可达工作空间.结果表明:在不同的运动模式下,并联机构的工作空间连续无空洞,该结果为后续的机构设计及应用提供了理论依据.

一种多运动模式的软体爬行机器人

为了提高软体机器人对复杂地形的适应能力,提出了一种具有多运动模式的软体爬行机器人。首先,分别利用聚乙烯材质与聚丙烯材质的波纹管设计了软体爬行机器人的转向伸缩执行器与弯曲执行器,并通过浇注成型与3D打印技术制造了软体爬行机器人样机;其次,分析软体爬行机器人的平面直行、平面转向和平面杆过渡等运动模式,研究了软体爬行机器人的运动步态规律;再次,基于常曲率假设,分析压强与执行器弹性变形的关系,建立了执行器的运动学模型;最后,通过运动学试验,验证了执行器运动学模型的正确性,检验了软体爬行机器人在多模式下的运动能力。

基于循证医学的运动模式对老年轻度认知障碍患者心理状态及社会功能的影响

目的 分析基于循证医学的运动模式对老年轻度认知障碍(MCI)患者心理状态及社会功能的影响。方法 选取2021年8月至2023年4月安徽省两组芜湖市第四人民医院住院治疗的老年MCI患者120例,根据简单随机法分为对照组和观察组,各60例。对照组接受常规综合干预,观察组在对照组基础上采用基于循证医学的运动模式干预,持续10周。比较两组干预前后认知功能、社会功能及心理状态。结果 干预10周后,两组简易智能精神状态检查量表、蒙特利尔认知评估量表、改良Barthel指数、费城老年中心信心量表评分均高于干预前,且观察组高于对照组(P<0.05);两组汉密尔顿焦虑量表、汉密尔顿抑郁量表评分均低于干预前,且观察组低于对照组(P<0.05)。结论 基于循证医学的运动模式有助于提高老年MCI患者的认知功能,改善其社会功能和心理状态。

八段锦摇头摆尾式联合PNF运动模式对脑卒中患者平衡功能的影响

目的:观察八段锦摇头摆尾式联合PNF颈部运动模式对脑卒中患者平衡功能的影响。方法:筛选60例符合纳入标准的脑卒中患者,采用随机数字表法分为对照组和观察组各30例。对照组患者接受常规康复治疗,观察组在对照组基础上联合运用八段锦摇头摆尾式及PNF颈部运动模式,两组患者均接受治疗3周。分别于治疗前后进行脑卒中患者姿势评定量表(PASS)评分、躯干损伤量表(TIS)评分、Berg平衡量表(BBS)评分评定。结果:治疗3周后,两组PASS评分、TIS评分、BBS评分均较治疗前明显提高(P<0.01),且观察组评分改善较对照组更明显(P<0.05)。TIS评分分项中静态坐位平衡及动态坐位平衡观察组与对照组改善差异有统计学意义(P<0.05),协调分项观察组与对照组改善差异无统计学意义(P>0.05)。结论:八段锦摇头摆尾式与PNF颈部运动模式相结合,可有效提升脑卒中患者姿势控制及平衡功能,较常规治疗展现出更佳的疗效。

循环摆运动模式的模拟与实验探究

理论分析了循环摆系统的动力学过程,从Euler缰绳方程出发推导出微分方程组,探讨不同运动情境间的方程衔接条件.利用Mathematica对运动方程做数值计算,采用控制变量实验验证理论分析.通过展示4种运动模式的相图,讨论了相图中各参量变化的物理图像.在主要参量的影响下,得到绳绕转圈数、重物下落高度以及摆动持续时间的相图.

基于卷积神经网络的肌电信号人体运动模式识别技术

随着外骨骼机器人等肌电控制设备的快速发展,表面肌电信号此类非平稳、非周期信号在高性能运动识别系统中的应用已成为相关研究领域的重点。为实现肌电信号跨域特征融合,提出一种基于肌电信号的双卷积链神经网络模型,采集7块关键肌肉的原始肌电信号,经特征提取,转化为能量核相图和离散小波变换系数特征图,分别输入双卷积链神经网络的卷积神经网络分支和MobileNetV2分支,利用融合模块提取高层隐藏特征并进行充分交互。制备包括以上两种特征图像和传统肌电信号图谱在内的3种数据集。3组交叉实验结果表明:所提方法对6种自测下肢运动的平均识别准确率达94.19%,显著优于其他特征组合与网络架构;在ENABL3S开源数据集识别7种下肢运动中取得98.32%的稳态识别准确率,进一步验证了所提方法优良的肌电特征捕捉能力和模式识别准确性。

产后抑郁发生的危险因素及其与孕中期运动模式的关系研究

目的探讨产后抑郁(PPD)发生的危险因素及其与孕中期运动模式的关系。方法收集2021年7月至2022年6月在西北妇女儿童医院进行产检并分娩的136例产妇的临床资料。所有产妇均电话随访至分娩后60 d。根据爱丁堡产后抑郁量表(EPDS)的评估结果将纳入研究的产妇分为非PPD组(112例)和PPD组(24例)。对两组患者的一般资料进行单因素分析,采用多因素Logistic回归分析法分析产妇发生PPD的危险因素及其与孕中期运动模式的关系。结果单因素分析结果显示,PPD组的不良孕产史、产次、分娩方式、新生儿转科情况、家庭经济状况及夫妻关系均与非PPD组存在显著性差异(P<0.05),孕中期每日运动时间、每日步数及每周运动频率均显著低于非PPD组(P<0.05)。多因素回归分析结果显示,存在不良孕产史、多产、非自然分娩、新生儿转科、家庭收入低、夫妻关系差、孕中期每日运动时间≤30 min、运动频率≤3次/周以及每日步数<5630步是PPD发生的独立危险因素(P<0.05)。结论PPD的发生受到诸多因素的影响,对于有不良孕产史、多产、非自然分娩、新生儿状况不佳、家庭收入低及夫妻关系较差的孕产妇应引起关注,加强孕期健康指导,引导孕妇选择积极的生活方式及合适的运动模式,有利于降低PPD的发生风险。

间离与沉浸:从活动影像的运动模式看国产动画电影的转型

活动影像的运动模式具有电影性和动画性两种不同的运动倾向,迪士尼动画和吉卜力动画分别是这两种运动倾向的代表。以两种运动倾向为基础,国产动画在活动影像的运动模式上也有着转型和发展趋势。早期国产美术电影有着动画性运动倾向,同时将民族元素融入其中,形成独特的“间离效果”,使当时的国产动画电影在世界动画中自成一派。当下的国产动画电影更多地向迪士尼动画学习,以电影性运动倾向为主,同时在设计、叙事和内涵等方面也存在着模仿国外动画电影的痕迹。基于此,结合对商业市场、动画本体和运动模式的分析,需要国产动画电影再一次的转型以实现更好的发展。

基于AIS数据的渡轮异常运动模式监测

为实时监测环境、操作行为等引起的船舶异常运动情况,采用船舶自动识别系统(AIS)的二维船舶观测位置坐标,运用多核函数非参数估计方法,估计船舶正常运动模式的概率密度函数;根据假设检验方法,设定船舶异常运动判断标准,导入AIS实时监测数据,检验判别算法的有效性。结果表明,用判别算法能够实时监测渡轮运行情况,及时检测设定航线出现异常运动的渡轮,为海事部门自动监管船舶安全航行提供参考依据。

一种分岔混联机构的结构与运动模式分析

目前机器人领域的研究对象主要集中在单一自由度的机构上,对于变自由度机构的研究缺少足够的重视,因此本文对变自由度的机构进行了探索性的研究。研究的对象是一种具有运动分岔特性的并联机构,可以实现多种自由度模式的切换。这种运动分岔机构在初始形态下,具有绕两个相互垂直方向的瞬时转动,但在持续运动模式下,可分为A模式和B模式,分别是围绕x轴和y轴的持续转动,在此基础上,构建混联支链,组建运动分岔并连机构,可以实现3T3R运动模式、3T运动模式、2R1T运动模式(xy面、yz面转)、2R1T运动模式(xy面、空间转)、1R2T运动模式。因此这种多自由度机构大大拓展了其应用范围和处理复杂问题的灵活性,这是单一自由度机构所实现不了的。

单腿支撑运动模式在青少年短跑训练中的应用

随着体育教育改革的不断深化,越来越多的先进训练理念和方法被引入校园体育课。其中,单腿支撑训练模式以其独特的优势,成为众多体育教师关注的焦点。文章旨在探讨单腿支撑运动模式在青少年短跑训练中的运用,并分析了其对学生身体素质提高的积极影响,从而推动体育课程改革与探索走向深入。

多分运动模式对老年慢性心力衰竭合并衰弱患者护理的干预效果

分析多分运动模式在老年慢性心力衰竭合并衰弱患者护理中的应用效果。方法 选择2023年1月-2023年12月期间院内收治的老年慢性心力衰竭合并衰弱患者110例,通过随机原则分成对照组及观察组,对照组行常规护理,观察组行常规护理+多分运动模式,分析组间指标干预效果。结果 干预后,观察组LVEF高于对照组(P<0.05),血压、肌酐水平、TFI评分及MLHFQ低于对照组(P<0.05)。结论 多分运动模式能够有效优化年慢性心力衰竭合并衰弱患者的心功能水平,改善其衰弱状态,促使血压降低,改善生活质量。

基于SWOT分析下的智慧化运动模式可持续发展研究

本文基于“体医结合”背景,应用SWOT分析法系统地、科学地分析了智慧化运动模式目前的优势、劣势、机遇、挑战,同时分析了影响其发展的内外部因素,梳理出其发展的内外联系,并在此基础上,构建了“线上直播+线下运动+健康指导”的智慧化运动新模式。

基于MEMS惯性传感器的人体多运动模式识别

针对人体多运动模式识别中识别精度低的问题,提出一种基于MEMS惯性传感器的人体多运动模式识别算法。该算法选取MEMS加速度传感器的时域特征作为模式识别特征量,提取MEMS角速度传感器的时域特征作为二次识别的特征量,能够准确识别走、跑、站立、上楼、下楼、趴倒、躺倒、倒退多种运动模式。识别过程采用分层识别算法,同时使用支持向量机识别区分难度较大的两类行为动作。嵌入式消防单兵定位系统平台的实验验证表明,利用该算法能够识别消防单兵的多运动模式,平均识别精度达到94%以上。

强制性使用运动疗法对脑梗死患者上肢运动模式和手功能的影响

目的:观察强制性使用运动疗法(CIMT)对脑梗死患者上肢运动模式和手功能恢复的康复疗效。方法:将符合入选条件的36例脑梗死患者随机分为对照组(n=18例)和干预组(n=18例)。对照组采用常规Bobath方法为主,配合Rood法、Brunnstrom促进法,进行上肢和手功能训练,2h/d,5次/周,连续2周。干预组采用强制性使用运动疗法治疗:限制健侧肢体动作,在治疗期间要求患者穿戴吊带和夹板一整天,每天清醒时固定时间不少于90%,根据制定的塑形任务进行患侧肢体的反复训练,6h/d,5次/周,连续2周。结果:CIMT患者治疗后FMA的各项评分较治疗前均有显著提高,差异有显著性意义(P<0.05),治疗后两组间反射活动和协调能力与速度评分差异无显著性意义(P>0.05),其他4部分的评分差异具有显著性意义(P<0.01)。干预组治疗后简介上肢功能STEF评分较治疗前均有显著提高,差异有显著性意义(P<0.05),两组间的治疗前后评分差值比较差异有显著性意义(P<0.01)。结论:CIMT可以在短期内改善脑梗死患者上肢运动模式和提高手的精细动作和运动速度,其疗效明显优于常规康复治疗方法。

落石运动模式与运动特征现场试验研究

落石试验是寻找落石运动敏感因素、探求运动规律和获取运动参数的较好方法。为厘清落石形状、块度大小和运动模式对其运动特征的影响规律,进行了112块落石现场试验;以落石形状、质量和运动弹跳次数为变量,统计分析了水平运动距离、运动速度的变动规律。试验结果表明:不管何种形状落石,运动模式均为滚动和弹跳,无明显滑动段;切坡平台和公路内侧沟槽拦截了59%的试验落石,显示出了良好的拦截能力,可考虑作为被动拦截措施;近球形、方形和短柱状落石水平运动距离、运动速度等均较大,且运动特征类似,而长方形、片状落石运动能力较差,且同长柱状落石运动特征相似,综合而言落石圆柱状假定较球形假定应更符合实际;落石质量越小则运动能力越差,但随机性越大;落石以滚动模式为主时动能损耗大,弹跳为主时则水平运动距离和运动速度较大,落石同坡表的碰撞会急剧改变落石的运动参数与方向。

基于运动模式在线分类的移动机器人目标跟踪

区别于以往采用固定运动模式的目标跟踪研究,提出一种基于单目视觉传感器的人体运动模式在线识别算法,及基于此算法的人体目标跟踪方法。首先,利用视觉信息检测运动目标,并提取其视觉特征;然后通过单目视觉深度提取算法,获取目标的运动特征;接着将连续几帧的特征变化矢量送入随机森林(RF)进行学习,实现对人体运动模式的在线分类;最后根据分类结果在线选取不同的目标运动模型,并利用近似最优的粒子滤波器实现对目标运动状态的准确估计。实验结果证明了本文提出算法的有效性。