针对于脊髓损伤患者的16式轮椅太极拳智能运动模式分类以及坐位平衡控制策略的分析研究

目的本研究旨在基于生物力学数据驱动的16式轮椅太极拳运动模式分类下,探究不同损伤节段的脊髓损伤患者在不同运动模式中的坐位姿势控制策略差异。方法对36例脊髓损伤患者进行横断面研究,分为高水平(n=17)和低水平损伤组(n=19)。在受试者进行16式轮椅太极拳运动时同步采集躯干上部的运动学,动力学以及肌电数据。基于自组织映射算法进行动作分类。重复测量方差分析被用于探究在不同损伤节段患者中不同动作模式组别的差异。结果16式轮椅太极拳被分为3类。在第1类动作中,患者存在较高的上斜方肌激活水平,相比第2类动作高9.657%(P=0.018)。第2类动作中,患者存在较高的压力中心移动速度,相比第1类动作高51.429%(P<0.001)。在第3类动作中,患者存在较高的双侧肩关节冠状面活动度,相比第1类动作左侧及右侧肩部分别高41.775%(P<0.001)及22.479%(P<0.001)。高节段损伤组在第1类动作的肩关节冠状面关节活动度(P=0.023)以及水平面活动度(P=0.006)更小,而低节段损伤组在第2类动作的肱三头肌激活更多(P=0.014)。结论16式轮椅太极拳被分为强化运动组,协调运动组以及柔韧运动组。不建议高节段损伤的患者进行强化运动组的训练,但建议低节段的患者进行协调运动组的训练。

下肢肌肉疲劳对老年人足底压力中心轨迹的影响

目的探究老年人在下肢肌肉疲劳后,足底压力中心(COP)轨迹的变化,从而更好地研究老年人因行走疲劳导致的受伤机制。方法18名健康的老年人志愿者身穿课题组提供的同一款鞋子和紧身衣在跑步机上快速行走(4.10±0.62 km/h),经5 min适应期后开始采集足底压力分布数据(Novel Pedar-X system,Novel Inc.,Munich,Germany),而后每5 min采集1次,每次持续2 min,共采集13次。提取COP的轨迹,计算COP在内外侧和前后侧的最大值、最小值、标准差,以及移动速度。最后用Wilcoxon符号秩检验进行统计学分析。结果与行走任务刚开始时的不疲劳状态相比,老年人疲劳后,COP轨迹在外侧方向上向内靠近了28%(P=0.002),在内侧方向上向外靠近了7%(P=0.004);在后侧方向上向前移动了8%(P=0.005);在内外侧的变异性降低了12%(P<0.001),在前后侧的变异性降低了6%(P=0.002);在内外侧的移动速度降低了13%(P<0.001),在前后侧的移动速度降低了7%(P<0.001)。结论老年人下肢肌肉疲劳后,COP轨迹在内外侧方向上向中线靠近,在后侧方向上向前靠近,同时伴随COP轨迹移动速度的减小和轨迹变异性的降低。本研究对探究老年人因下肢肌肉疲劳而受伤的机制有所帮助,为老年人鞋子的设计提供了理论基础。

人体测量参数通过回归分析预测亚洲超重和肥胖柔韧性扁平足女性人群的人体动力学数据的研究

目的肥胖和超重会损害人体肌肉骨骼系统的功能,尤其是对于患有柔韧性扁平足的女性。动力学数据反映了柔韧性扁平足患者活动过程中的关节内部受力,肌肉激活情况等。这些数据在柔韧性扁平足患者的治疗决策中至关重要。但是,目前明显缺乏获得动力学数据的简单、高效且具有经济效益的方法。本研究的目的是使用回归分析通过人体的基本测量参数来预测动力学数据。本研究的人群是特患有柔韧性扁平足的超重或肥胖女性受试者。方法本研究招募了16名患有柔韧性扁平足的超重或肥胖女性受试者。收集了来自动作捕捉系统的步行数据和手动的人体测量参数的数据。通过建立肌肉骨骼模型计算了下肢关节力。采用回归分析的方式研究了人体测量参数同动力学数据的关系,并建立了回归模型。结果基于人体测量参数和动力学数据建立的回归模型中,膝关节接触力和地面反作用力的第2个峰值表现出显著的拟合效果。可以拟合但拟合效果不显著的动力学参数包括髋关节、膝关节和髌股关节接触力的第一个峰值,踝关节接触力的峰值。结论综上所述,人体测量学数据可通过回归分析对动力学参数进行预测。本研究中提出的方法可以快速估计动力学数据,因此可以潜在地促进扁平足的治疗。

基于Azure Kinect运动捕捉的下肢关节力学和地面反作用力分析

传统的步态分析系统往往操作复杂、便携性差且设备成本高。本研究拟基于Azure Kinect深度视频数据,结合足地接触模型,建立基于Azure Kinect运动捕捉系统的下肢肌骨动力学分析流程。实验采集了10名受试者的深度视频数据,通过预处理获取骨架结构,以此作为肌骨模型输入,计算得到下肢关节角度、关节接触力和地面反作用力,并将其计算结果与传统的Vicon系统获取的运动学和动力学数据进行对比。所计算的下肢关节力和地面反作用力除以每位受试者体重,进行归一化处理。下肢关节角度曲线与Vicon得到的结果强相关(ρ平均值为0.78~0.92),但均方根误差高达5.66°。在下肢关节力预测方面,Azure Kinect模型均方根误差平均值范围为0.44~0.68,而地面反作用力均方根误差平均值范围为0.01~0.09。研究表明,所建立的基于Azure Kinect的肌骨动力学模型能较好地预测下肢关节力和垂直地面反作用力,但在下肢关节角度预测方面还存在一定误差。

基于ACLBFO算法的车辆路径规划

针对传统细菌觅食优化算法(Bacterial Foraging Optimization,BFO)缺乏信息交流,容易陷入局部最优且收敛缓慢的缺点,将群体全面学习策略、趋化步长自适应更新机制嵌入到原始BFO算法中,提出一种自适应全面学习细菌觅食算法(Adaptive Comprehensive Learning Bacterial Foraging Optimization,ACLBFO)。为了验证所提算法的有效性,将其应用于考虑时间窗的车辆路径规划问题,设计相应的编码机制、适应度函数构造。与基本的细菌觅食优化算法及两种改进的细菌觅食优化算法进行对比研究。实验结果表明,该算法更加适用于该类问题的求解,可以获得更快的收敛速度与求解精度。

结构重组的细菌觅食优化算法及其在投资组合问题上的应用

为了提高细菌觅食优化(BFO)算法的收敛速度,降低它的计算复杂性,从结构设计的新思路提出了结构重组的细菌觅食优化(SRBFC)算法。借鉴粒子群算法(PSO)中单循环结构的优点,对细菌觅食算法的结构重新设计,采用复制频数、驱散-死亡频数、趋化次数三个参数来判断复制、驱散-死亡操作的进行,在不违背原始算法的基本思想的前提下,将嵌套循环结构简化为新的执行结构。为了验证该算法的有效性以及可行性,首先将SRBFO算法与BFO算法在四个常见的测试函数上进行仿真,结果表明SRBFO算法既保持了原算法的优点,又能大大降低计算时间。接着将SRBFO算法应用于求解带有交易费用和不允许卖空的投资组合优化问题。考虑了三种对风险态度的投资者,选择了较为困难的8个资产的投资问题进行仿真,并将结果与PSO和SPSO算法对比,再一次证明了SRBFO算法在寻找最优投资组合的有效性以及可行性。

考虑了机器和模具维护的注塑车间生产调度智能优化

有效集成预防性机器和模具维护的生产调度方案能够大大提高生产系统的可靠性和稳定性,提高生产效率,降低生产成本。本文以注塑车间生产为背景,对考虑机器和模具预防性维护的生产调度问题进行研究,并运用结构重组的细菌觅食优化(SRBFO)算法对这一问题进行优化求解。传统的基于时间的、维护时长固定的维护策略并不能够很好的符合实际生产的需要,因此,本文考虑了动态随机的、机器和模具维护时长随机器和模具年龄变化的维护策略,将机器和模具维护同样当作决策变量之一整合进入产品生产调度决策中。接着,我们选择了SRBFO算法为这种典型的NP问题来寻找最优的生产调度方案。在求解过程中,为了实现算法中细菌"位置矢量"到"可行调度方案"的映射,必须对细菌进行编码解码,每个细菌需要携带五个方面的信息才能够完整的通过三种不同的解码方式转化为一个可行的调度方案。最后,将SRBFO算法用来求解5个不同规模的生产调度问题实例,并与PSO算法进行了对比,实验结果表明了无论是在解的质量还是算法稳定性上面,SRBFO算法在处理本文所研究的生产调度问题上的性能要优于PSO算法。同时为了进一步验证本文所提的维护策略的优越性,在实例求解中将传统的基于机器年龄的、维护时长固定的维护策略作为对比策略,实验结果表明本文所提出了动态随机的、预防性维护时长随机器和模具年龄变化的维护策略相比较基于加工时间的、维护时长固定的维护策略而言,更能够缩短最大完工时间。