基于高斯过程的改进经验模态分解及应用

传统Hilbert-Huang变换(HHT)的经验模态分解算法是基于3次样条插值的包络线计算方法,存在过冲及边界效应等缺点.针对传统经验模态分解算法求解包络线存在的问题,提出了基于高斯过程回归的改进包络线插值方法.并且讨论了如何优化高斯过程参数,提高了泛化能力及包络线的插值精度,较好地改进了HHT的虚假频率和端点效应问题.通过处理步态数据的试验表明,采用高斯过程方法可以较好地改进HHT存在的虚假频率和端点效应问题,减小了固有模态函数的失真.

脑-机接口研究进展

作为当前神经工程领域中最活跃的研究方向之一,脑-机接口在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力.近10年来,脑-机接口技术得到了长足的进步和飞速的发展,应用领域也在逐渐扩大.在已有相关工作的基础上,介绍脑-机接口系统的主要组成部分,对各组成部分常涉及到的相关基本理论和技术作了总结和介绍,主要包括脑信号获取、脑信号预处理、特征提取、变换算法等相关技术和理论,最后对脑-机接口未来的研究方向进行了展望.

基于混合驱动仿生膝关节机构设计

目的针对传统假肢关节机构与驱动系统的不足,设计并实现由磁流变阻尼器结合直流电机混合驱动,滚珠丝杠传动的多轴闭链仿生膝关节.方法通过多变量优化设计方法求解出膝关节机构参数、滚珠丝杠安装位置参数和电机的角速度及扭矩.基于虚拟样机技术构建了智能仿生腿的仿真平台并在其上进行了运动学仿真.结果仿生膝关节与人腿膝关节运动曲线接近,结合电机驱动可实现更大范围的步速调整.结论该优化方法得到的系统参数可使膝关节机构具有很高的仿生特性及良好的运动特性.

基于过程神经网络的步态模式自动分类

为克服步态辨识中特征向量法存在的步态特征难于提取、计算量大和算法复杂等局限,提出一种基于过程神经网络的步态模式自动分类综合方案.为感知人体步态,在测试者下肢安装加速度传感器来采集步行过程中的时序运动学信息.采用巴特沃斯滤波处理并将其拟合为时变函数直接输入到过程神经网络,利用其对任意连续泛函的逼近能力来实现对不同步态模式下时序加速度信号的自动分类.同时,针对传统梯度下降法难于收敛和局部极小等问题,提出采用粒子群优化算法对网络的权函数和权系数进行学习.实验证明了该方案的正确性和有效性.

基于虚拟样机的异构双腿机器人联合仿真

阐述了一类新型双足机器人——异构双腿机器人的概念及研究目的。研究用Pro/E、ADAMS和MATLAB/Simulink联合构建异构双腿机器人的虚拟样机,并提出基于虚拟样机的联合仿真策略。为实现对期望步态的动态跟踪,提出了基于对角回归神经网络的自适应PID控制算法。为验证方案的合理性,进行了步态仿真及控制仿真。结果表明,虚拟样机技术可避免复杂的人工建模和求解过程,仿真逼真且接近实际系统,为复杂双足机器人系统提供了良好的研究方法。

基于模糊逻辑的多移动机器人自适应协作围捕

提出一种在未知动态环境下实现多移动机器人自适应协作围捕运动目标的整体方案,为成功实现围捕,设计了基于模糊逻辑的钳型夹击策略,模糊规则通过遗传算法学习获得.同时为躲避围捕过程中遇到的动态随机障碍,提出了基于碰撞风险的随机避障策略.围捕机器人的综合行为通过融合避障行为、合围行为和抓捕行为获得.在MRS仿真环境下进行了模拟实验,获得的不同条件下的围捕结果证明了围捕策略的有效性和鲁棒性.

基于势点的未知动态环境下多移动机器人协作围捕

提出一种在未知动态环境下实现多移动机器人自适应协作围捕运动目标的整体方案。为成功实现围捕,设计了基于势点的夹击策略,势点由效率最优原则获得。同时为躲避围捕过程中遇到的动态随机障碍,提出了基于碰撞风险的随机避障策略。围捕机器人的综合行为通过融合避障行为、合围行为和抓捕行为获得。在Microsoft Robotic Studio(MRS)仿真环境下进行了模拟实验,获得的不同条件下的围捕结果证明了围捕策略的有效性和鲁棒性。

人机博弈技术展示——下棋机器人

本文介绍融合了人工智能技术、人机交互技术等新技术的下棋机器人。下棋机器人系统的设计与实现是对提升科技传播吸引力方式的一种探索,增强了传播过程的自主性、互动性、趣味性。系统设计从硬件和软件角度都采用模块化方法,并针对机器人同时进行4盘棋局对弈的多任务处理需求对机器人末端执行机构和棋局清盘算法进行了独特设计,大幅度提高了系统运行效率。

CC3200 SimpleLink WiFi模块的高速图像传输

针对全国大学生智能汽车创新竞赛中,视觉组通过串口发送图像来调试车模的过程中出现的速度慢问题,提出了基于TI CC3200SimpleLink WiFi模块的图像高速传输方案,并进行了实验验证。利用WiFi模块通过网络将单片机采集到的图像数据发送给计算机,进而显示为图像。实验结果表明:本方案可以高速并准确地传输图像,实时性高,可以让智能车在运行的同时发送图像,极大地提高了调试效率。

个体生理信息采集及评估系统设计

本文设计了一套可穿戴个体生理信息采集系统,可同时采集人体心电、呼吸、体温、血氧等生理参数,通过该系统采集不同工况下受试人员的生理信息,结合支持向量机机器学习方法,将采集到的生理参数、历史训练数据作为输入,研究人体生理参数与耐受力的关系,建立个体耐受力评估模型.

基于两类阶梯模式的相位展开

为了加强相位展开过程的准确性和鲁棒性,提出了一种新颖的梯形相位展开算法。该算法结合了灰度和相位两种编码方式进行相位展开。基于灰度的相位展开可以通过投射不同的灰度确定不同的等级,但是当条纹周期非常小,相应的灰度差异也非常小,使相位展开出现错误。相位展开具有很强的鲁棒性,但本身计算量很大。与传统算法相比,该算法设计了两类模式快速地恢复绝对相位。第一类模式是基于灰度信息对全局调制光栅进行分割,第二类模式是基于相位进行编码,同时在第一模式中对全局调制光栅进行更加细致的分级,第二类模式变化的周期与包裹相位的截断周期一致。因为颜色能够简单而且准确地确定边界,同时相位有很好的鲁棒性,因此,能够准确地恢复绝对相位。实验结果表明:提出的算法能够准确地确定包裹相位的等级,而且能够快速地得到物体表面的三维信息。

基于时—频分析的步态模式自动分类

针对不同路况和运动模式下的高维、非线性、强耦合和高时变下肢加速度信号的识别问题,提出了一种基于时--频分析的步态模式自动分类方案.利用三轴加速度传感器采集运动时小腿在矢状面、冠状面和横切面的加速度信号,利用五阶Daubechies小波基对其进行特征提取,并采用线性判别式分析进行降维,最后利用决策树和支持向量机对得到的精简步态特征进行模式分类.实验结果显示两种分类器的总体分类准确率均达到90%以上,个别步态分类可达到100%,验证了特征提取和降维方法的合理性和有效性.