基于神经网络PID控制器的外骨骼系统设计

外骨骼关节驱动电机使用区别于常规需要对应情况长时间调参的普通PID控制器,以可自适应的神经网络PID控制器为核心控制方法。使用STM32F103RCT6作为外骨骼机器人的局部控制器,OrangePi PC为高性能核心控制器,使用nRF24L01、WH148 B10K、HX711、肌电传感器、AB相编码器、MPU9250、ACS712等模块分别实现各区间2.4 GHz无线/CAN(controller area network,独立控制器局域网络)有线通信、关节角度采集、足底压力采集、EMG采集、整体姿态采集和电源信息采集。该外骨骼机器人将使用高性能的锂电池组作为能源,整体机械结构使用SolidWorks对各部分关节等结构进行设计和建模,并考虑加工成本和难度问题,使用3D打印和钻铣等加工方式完成各零件加工。在算法中使用基于肌电信号(electromyogrsphy, EMG)、零力矩点(zero moment point, ZMP)步态稳定性判据和惯性测量单元(inertial measurement unit, IMU)作为主动控制器的核心,并在单片机程序底层中实现类分时操作系统,各分区使用带校验数据帧的通信方式。经开发验证,该设计可行并方便模块化升级改进。

一种基于预处理迭代算法的核磁共振T2谱反演

在求解病态线性方程组时,数值解通常存在不稳定和误差过大等问题,尤其在系数矩阵和右端向量存在扰动时更是如此。针对上述问题,首先设计一个预条件对角阵,叠加在病态方程组上,并推导出一个简单迭代公式。为了确保迭代算法的有效性,对迭该代公式的收敛性进行了证明。最后,分别以希尔伯特病态线性方程组和实验室岩心数据构建的T2谱反演模型为测试实例,对预处理迭代算法进行了验证。实验结果表明,该算法对严重病态线性方程组的求解是有效的。

基于步底力特征的人体识别建模与分析

人体步态识别是一种生物识别技术,在信息识别、公共安全及生物医学检测等方面具有很大的应用潜力。基于人体步底力特征,在充分运用人体行走时运动力学知识的基础上,搭建基于三维测力平台的测试场景,对4名志愿者进行步态数据采集,建立力数据库,通过整理力数据库中的力数据,分析人体行走过程中步态变化与步底力之间的映射关系,为人体识别提供一种新的建模与分析方法。