定向肌群步态训练在全髋关节置换术后康复中的应用

探讨定向肌群步态训练在全髋关节置换术后患者康复中的应用效果。方法 选择2022年7月到2023年12月骨伤科病区120例(符合纳入标准)的全髋关节置换术后的患者。随机分成对照组和观察组。对照组术后给予常规康复锻炼指导。观察组患者术后加以定向肌群步态训练。应用髋关节Harris评分量表、Barthel指数评分量表及通过步态分析评定两组患者的髋关节功能、日常生活自理能力。结果 观察组术后7天Harris髋关节评分、Barthel指数评分优于对照组,(P<0.05)差异有统计学意义;观察组术后2周步态明显优于对照组,(P<0.05)差异有统计学意义。结论 全髋关节置换术后运用定向肌群步态训练后患者髋关节功能康复效果明显,行走步态稳定,患者生活自理能力及生活质量得到提升。

电力系统短期电力负荷预测仿真研究

在短期电力负荷准确预测的研究中,由于模型存在随机、时变、非线性等特点,用传统的神经网络进行预测结果往往不是很理想。为了提高预测的准确率,在建模之前,先通过相似日法选出与预测日总体相似度较高的负荷数据作为输入数据,提高待预测数据与训练数据之间的相关性。然后通过动态模糊神经网络来进行预测。减小建模的复杂性并提升建模速度。最后用EUNTTE提供的电力负荷数据来进行仿真,仿真表明相似日和动态模糊神经网络结合的方法预测结果较为理想,提高了预测的准确率。

工程教育模式下控制理论一体化综合课程的改革与实践

江西理工大学自动化专业依托"基于三个紧密结合加全面素质教育的自动化专业人才培养模式创新实验区",以培养卓越工程师为目标,对传统的教学体系进行改革、优化,探索工程教育模式下控制理论一体化综合课程的教学体系,打破传统控制类课程的界限,通过项目实施,构建以"项目→能力"为核心,教与学、理论与实践、知识与能力紧密结合的控制理论一体化综合课程体系,多种教学方法并行。经过几年的教学改革和实践,学生的创新能力和工程实践能力得到了很大的提高。

基于改进蚁群算法的单神经元PID控制在数控精校机电液伺服系统中的应用

数控精校机电液伺服系统是一个参数变化比较大的非线性系统,常规的PID控制效果难以让人满意。采用单神经元PID控制器,在线调整权值,增强了对非线性系统的调节控制功能,然而参数的选择非常重要。文章提出一种改进的连续蚁群算法,用于优化单神经元PID控制器的参数,并用于精校机电液伺服系统,通过MATLAB仿真结果可得系统的阶跃响应,证明该算法比一般的蚁群算法精度更高,收敛更快,同时体现了该蚁群算法在实际应用中的实用性。

基于Gabor和ADABOOST的面部表情识别

多尺度图像的Gabor表示在计算机视觉领域有着广泛的应用,本文探讨了面部表情图像的Gabor表示方法,为了减少特征矢量的维数,本文对Gabor小波系数进行了下采样处理和并采用PCA二次降维。最后利用Adaboost方法对面部表情进行识别,通过实验表明该方法对已知人脸的表情识别率达到95%以上,对未知人脸的表情识别率达72%,识别效果比较好。

分布式数据库技术在保险信息管理系统中的实现

介绍了分布式数据库技术的基本原理 ,详细阐述了分布式数据库技术在保险信息管理系统结构设计及事务处理和查询中的实现过程。通过引入分布式技术 。

快速降阶匈牙利算法的云计算任务分配模型

为了提高云计算任务分配效率,在标准匈牙利算法的基础上,提出一种快速降阶优化算法的云计算任务分配模型.为实现快速求解全局任务分配问题,快速降阶算法不断排除已确定的分配方案对应的代价矩阵元素,从而快速降低矩阵的阶次.并可根据成本矩阵规模将矩阵分解成多个矩阵,使得该算法在任务和计算机不对等的情况下同样适用.论文最后的仿真结果表明,快速降阶匈牙利算法计算耗时远远小于匈牙利算法,并能有效提高计算机的利用率.

基于动态模糊神经网络的短期电力负荷预测

针对电力负荷受天气和日期影响特点,提出一种基于动态模糊神经网络的短期电力负荷预测的新方法.该算法最大的特点是模糊规则是动态变化的,通过系统误差、可容纳边界来判断系统是否需要新增一条模糊规则,使用误差下降率(ERR)修剪算法剔除对整个网络影响较小的模糊规则.该算法还使用了分级学习法让网络的学习速度大大提高.在分析了EUNITE网络提供的负荷数据基础上来进行仿真,该仿真将温度、星期、月份、节假日因素作为网络的输入向量,取日负荷峰值作为网络的输出向量.仿真结果显示取得了较好的预测准确率.

基于RBF神经网络的电喷天然气发动机空燃比控制

电喷天然气发动机空燃比在工况突变时会剧烈波动,为提高控制精度,使用RBF神经网络和前馈PID控制算法相结合,由当前工况决定燃料基本喷射量,再由RBF神经网络预测的空燃比信号传递给PID控制器进行反馈调节。此外利用Matlab/Simulink软件进行仿真,建立了电喷天然气发动机空燃比仿真模型。仿真结果表明,该控制方法在节气门及发动机转速突变的情况下,过渡时间较PID算法明显减小,控制精度亦有提高。

一种混沌编码的粒子群优化算法及其应用

研究粒子群优化算法。传统的粒子群算法采用实数编码,收敛速度慢。为了提高收敛速度,提出了一种混沌编码的粒子群优化算法。混沌编码作为一种全新的数学编码方式,更能准确地表达编码对象的多样性,将混沌编码应用到粒子群优化算法中,使算法在初期的搜索区域更大,更快找到全局最优解。把混沌编码的粒子群算法与BP算法相结合用来优化神经网络。利用混沌编码的粒子群算法快速找到全局最优位置的邻域,然后再用BP算法进行局部寻优,收敛到全局最优位置。仿真结果证明混沌编码的粒子群神经网络比实数编码的粒子群神经网络分类收敛速度更快,验证了算法的有效性。

不确定时滞及非线性特性执行器系统的模糊Smith预估控制

针对一类带有不确定时滞特性执行器系统,采用Smith预估控制和模糊控制相结合的串级控制,使系统高性能运行.

一类模糊预估控制系统的鲁棒稳定性分析

针对一类模糊预估控制系统,利用幅相特性分析法及描述函数分析法分别对系统的主、付回路的鲁棒稳定性进行了分析,并导出了鲁棒上界.

改进型单神经元自适应PID控制在磨矿分级控制中的应用

磨矿分级系统具有诸多不确定因素、非线性、时变、难以建立精确的数学模型,对其溢流浓度进行较好的控制,一直是大家研究的课题。本文提出一种改进型单神经元自适应PID控制方案,因为神经元具有学习特性,该方案能对比例、积分、微分系数进行调整。仿真结果表明,该算法能够适应被控对象较大范围的变化,具有较强的适应能力和鲁棒性。

拔火罐联合穴位贴敷防治胸腰椎压缩性骨折患者便秘的疗效观察

目的:探讨运用拔火罐联合穴位贴敷防治胸腰椎压缩性骨折患者便秘的疗效。方法:52例胸腰椎压缩性骨折患者,随机分为观察组和对照组,各26例。观察组入院后12 h内给予拔火罐联合穴位贴敷;对照组不提前采取措施,待出现便秘后给予通便的中药汤剂口服。观察两组患者便秘发生和肠鸣音恢复情况。结果:观察组便秘发生率为7.7%,显著低于对照组的42.3%(P<0.01);观察组肠鸣音恢复情况优于对照组,差异有统计学意义(P<0.01)。结论:运用拔火罐联合穴位贴敷能有效的刺激胸腰椎压缩性骨折患者的肠蠕动,减少患者便秘的发生。

一种改进的TCPW算法在拥塞控制中的应用

互联网的快速发展,给人们生活带来极大便捷,同时也带来了严重的问题——网络拥塞。TCPW是一种基于端到端带宽估计的拥塞控制机制,沿用了TCP Reno在慢启动初始化阶段设置慢启动阈值方法。提出了一种慢启动改进算法,在拥塞避免阶段采用一种新的机制设置cwnd和ssthresh值,减少了慢启动时间,通过NS-2仿真结果表明改进算法在吞吐量、延时及丢包率等方面都有一定的改善。

基于神经网络的静力压桩机的液压同步控制系统

静力压桩机的液压控制系统是一个非线性、耦合的时变系统,一般的PID控制无法达到满意的效果。因此,本文提出了一种基于神经网络整定的PID和一种改进的主从位置同步系统结构,其仿真结果表明这种神经网络整定的PID的改进的主从位置同步控制方案具有比利用常规数字PID的经典主从位置同步控制方案更好的控制效果。

基于PCA-LDA与蚁群优化BP神经网络的人脸识别算法

针对人脸识别问题,提出了一种新的算法。该算法利用融合的PCA和LDA算法进行特征提取,并使用蚁群优化的BP神经网络进行人脸识别。使用融合的PCA和LDA算法对特征向量进行提取压缩,为了提高BP神经网络对人脸的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的初始参数,并使用优化后的BP神经网络进行训练和人脸识别。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。

基于MATLAB的自动控制系统稳定性分析

利用MATLAB提供的丰富的控制系统分析和绘图资源 ,对自动控制系统从时域、频域进行稳定性分析 。

基于培养研究能力的线性系统理论研究生课程的教学探索

江西理工大学线性系统理论课程在教学实践中注重教学内容和学科前沿、方法论、仿真及实验紧密结合,并采用了灵活多样的教学方法,启发式、问题式、互动式教学和研究式教学、科研实践相互结合,借助丰富的网络资源和多媒体等手段,增强了学生兴趣,提高了教学质量,尤其是培养了研究生的科学素养及研究能力。