混合CNN-HMM的人体动作识别方法

针对当前人体动作识别算法检测精度不佳和实验场景多样性的问题,提出了一种混合卷积神经网络−隐马尔可夫模型(CNN-HMM)的人体动作识别方法。建立了抬腿、深蹲和仰卧臀桥3组分别包含1个标准动作姿态和5个非标准动作姿态的人体康复训练动作模型库,结合可穿戴式惯性动作捕捉系统PN2.0获取实验数据。最后从准确率、灵敏度和特异性3个方面进行性能评估。实验结果表明,该方法能够以较高识别率将6种不同动作姿态区分开,其平均识别准确率为97.00%,相较于单一CNN方法提高了5.78%。

基于运动捕捉的多自由度机械臂输入设备研究

研究参照人体上肢运动角度活动范围,设计了一种用于交互式运动捕捉的多自由度机械臂输入设备。以Unity3D中的虚拟人物模型为实验样本,实验对比了使用图形用户界面(Graphical User Interface,GUI)和机器人用户界面(Robot User Interface,RUI)两种方法对5种指定动作生成所花费的时间。结果表明,使用该机械臂输入设备生成指定动作时耗时更短,分别为使用GUI方法的0.52倍、0.6倍、0.38倍、0.22倍和0.47倍,实验效果更加直观,为动画制作领域的研究提供了参考。

上肢外骨骼康复训练装置设计及分析

针对“脑卒中”患者肌无力、无法自主康复训练等问题,设计了一种服务于上肢肌力处于MMT-0、MMT-1阶段的患者的可穿戴型上肢外骨骼康复训练装置。通过控制可以实现上肢5个康复训练姿态,使患者进行多模式、日常独立的被动康复训练。通过对上肢外骨骼装置的结构进行运动学分析及仿真,表明各关节自由度能较好地在人体正常运动范围内进行运动,验证了计算结果的正确性。通过实验测试与分析表明,装置能较好地实现预期规定姿态的控制,完成患者的被动训练,且具有适应性好、灵活性高以及自主操作能力好等优点。

基于SFLA-ELM模型的滚动轴承早期故障诊断方法

针对滚动轴承早期故障信号非线性增强、耦合关系复杂的特点而导致传统的模型识别率低的问题,首先对轴承振动信号进行LMD分解,然后提取前三个PF信号的符号熵作为特征向量,作为神经网络的输入量;其次,利用混合蛙跳算法优异的全局寻优特性,克服传统ELM算法易陷入局部最优的缺陷,建立了基于混合蛙跳算法和极限学习机的新模型;最后,通过与BP网络、ELM网络的试验对比,SFLA-ELM模型具有较高的故障识别率和较强的健壮性.

基于触觉提示的行车环境预警方案设计

驾驶员精神不集中、后视镜盲区等问题,是引发交通事故的重要原因。拟提出一种将触觉反馈设备设置在方向盘上,并使用驾驶员拇指按压接触的方式进行行车预警的方式。通过在车身周围设置单点障碍区域和多点障碍区城进行模拟验证实验,实验结果表明,参与者可以通过触感迅速估计出潜在危险的区域。在单点障碍区域中,其判断准确率为81.5%,多点障碍区域中其识别准确率为84.5%,也证明了提出的触觉预警方案对用户有较强的可接受性和作用效果。

基于特征分析的BP神经网络轴承剩余寿命预测

为准确评估机械设备的剩余寿命,准确掌握设备的健康状态信息,提出一种特征值提取和BP神经网络(BP Neural Network,BPNN)模型的剩余寿命预测方法。首先采用特征值提取的方法建立寿命特征指标,以寿命特征指标为BP网络输入神经元,建立BP神经网络剩余寿命预测模型,以辛辛那提轴承全寿命周期实验数据为模型算例,验证了模型的可行性,并给出了轴承剩余寿命从100%到0的预测曲线,预测结果显示该方法能够有效地预测轴承剩余寿命。

复合材料拉挤多腔板敲击检测方案设计

针对复合材料拉挤多腔板的结构复杂问题,采用传统的无损检测方式很难对复合材料拉挤多腔板的型腔结构进行缺陷检测。因此,拟设计一种激振敲击检测方案,通过控制激振器的方式敲击多腔板型材来获得振动信号,避免了传统的力锤敲击检测获得的振动信号存在严重失真的影响。最后使用小波包进行特征提取和支持向量机(SVM)相结合的方法对敲击检测的多腔板进行故障诊断。实验结果表明:使用小波包分析和支持向量机相结合的方法对复合材料拉挤多腔板的分类识别取得了较好的结果。