基于Kimura神经元振荡器的六足仿生机器人步态控制研究

生物中枢模式发生器(CPG)对六足机器人的步态控制具有重大研究意义,为此提出一种基于Kimura神经元振荡器的六足机器人CPG步态控制方法。首先,以蜘蛛为仿生对象设计六足机器人机械结构并对其进行运动学解算;然后,基于Kimura神经元振荡器建立振荡器模型并对其参数整定;其次,针对机器人6条单腿的相位关系设计CPG网络模型;最后,通过计算机仿真工具和样机进行联合实验。结果表明,基于Kimura神经元振荡器生成的CPG网络模型输出信号幅值和相位差稳定,能够满足六足机器人步态控制需求,为六足机器人的步态控制提供一种可行性方案。

基于反向传播神经网络和医疗物联网的心理压力评估方法

针对基于脉搏信号的人体心理压力测量分类结果精度不高的问题,提出一种基于反向传播(BP)神经网络和医疗物联网(IoMT)的心理压力检测系统设计方法。该系统采用以MAX30101为核心的光电容积脉搏波(PPG)采集模块来获取人体PPG数据,并基于小波去噪和RR尖峰检测方法得到心室搏动间距,利用时域和频域上的处理提取出心率变异性(HRV)作为特征,设计Adam自适应优化算法训练的神经网络模型实现心理压力程度3分类。同时为实现长时间不间断的检测与分析,设计基于IoMT的心理压力检测数据远程平台,实现24h连续用户健康检测。实验结果表明,该系统检测准确度达到88.7%,较传统的心理量表测评和激素测量法能够有效方便的对心理压力程度进行分类。