基于多模态特征组合的真实驾驶疲劳状态识别

对驾驶员在驾驶过程中的疲劳状态进行实时准确的预判,可减少由于驾驶疲劳引发的交通事故。首先,通过无线体域网采集了12名驾驶员在真实驾驶过程中的多模态特征,提取了脑电、肌电、呼吸等3种生理信号的特征参数近似熵,其中基于畸变能密度理论(DED)确定肌电信号的采集位置为颈6棘突旁开2 cm处的上斜方肌;然后,通过模糊C聚类方法分析了3种特征参数组合对疲劳状态的反映效果;最后,建立基于马氏距离理论的真实驾驶疲劳判别模型。研究结果表明,驾驶员颈6部位比颈7部位肌电信号的ApEn值显著下降(P<0.05),表明颈6处肌肉比颈7处肌肉对驾驶员的疲劳状态反映更为敏感,实际检测结果与畸变能密度理论计算结果一致,证明了该位置提取肌电信号的正确性和准确性;脑、肌、呼吸这3种生理信号的ApEn值均随驾驶时间的延长呈递减变化,驾驶约90 min时递减趋势变缓,表明驾驶员进入疲劳状态;通过模糊C聚类分析可知,当脑电与肌电ApEn组合时,清醒与疲劳的概率分布界限清晰,可有效反映驾驶疲劳状态;以脑电和肌电近似熵为自变量,基于马氏距离理论建立真实驾驶过程的疲劳判别模型,其测试集准确率达90.92%,表明该模型能够比较准确的判别出驾驶员的疲劳状态。

阻抗法检测呼吸信号的电路设计

介绍一种用阻抗法检测呼吸信号的硬件电路。该电路采用四电极法检测呼吸波，克服了二电极法检测所带来的信号不稳定、易受干扰等问题。在信号处理上，使用多重滤波与放大，克服了心动、血流等信号的干扰。该电路已成功地应用于我们研制的模块化生命参数监护仪中，取得了较满意的效果。

轴承数控磨床特性分析

文章选择数控机床中广泛应用的半闭环进给伺服系统作为研究对象,参考具体全自动磨床的典型结构,对其数学模型进行了探讨,并借助计算机软件分析了其信号响应情况。