基于SOA-ELM的手部动作识别方法实验研究

为提高人体手部动作识别率,利用搜寻者优化算法(SOA)的全局搜索最优解原理和极限学习机(ELM)处理非线性关系的能力,提出一种基于搜寻者优化算法优化极限学习机(SOA-ELM)的手部动作识别方法。首先,采集内翻、外翻、握拳、展拳等4种手部动作的表面肌电信号,提取4种表面肌电信号的积分肌电值和均方根值,将其作为特征值;然后,利用这些特征值对ELM进行训练,采用SOA搜寻ELM的最优输入层权值和隐含层节点阈值;最后,采用经SOA优化的ELM对4种手部动作进行识别。实验结果表明,SOA-ELM比粒子群优化极限学习机(PSO-ELM)能更有效地对4种手部动作进行识别。

基于下肢表面肌电信号的动作模式识别研究

基于肌电信号模式识别方法,首先将采集的踝关节外展、内收,膝关节外伸、内屈4种动作的表面肌电信号经过去噪等预处理,接着分别提取4种动作表面肌电信号的积分肌电值和均方根值作为特征向量,最后利用这些特征向量进行模式识别。本文分别利用BP神经网络和极限学习机(ELM)两种方法进行肌电信号的模式识别,分别以识别率和识别时间为评价标准,比较两种方法在模式识别方面的优劣。实验结果表明:极限学习机(ELM)无论是在识别率还是在识别时间上都优于BP神经网络,能够更有效地对下肢4种动作进行模式识别。

马钢张庄矿高压辊磨机装配工艺研究

针对马钢张庄矿高压辊磨机辊套疲劳断裂严重、对辊精度不能满足生产要求等问题,马钢重机公司根据张庄矿实际生产要求对对辊进行国产化,国产化内容包括辊轴、辊套等零部件的新制以及装配工艺攻关,通过技术研发同时结合实际生产经验,成功对高压辊磨机辊套与辊轴以及辊轴与轴承进行装配,完成了张庄矿高压辊磨机整对对辊的国产化,为该型设备后续生产及优化提供了理论和实践参考依据。