虚拟诱导患者下肢主动运动意图及其脑电精准感知方法

针对下肢运动功能障碍患者无法产生强烈主动运动意图造成外骨骼机器人在康复运动辅助时人机交互性差的问题,提出了一种虚拟诱导患者下肢主动运动意图及其脑电精准感知方法。首先,分析影响患者运动意图产生的因素,建立基于大脑注意机制的虚拟诱导患者意图产生模型,形成基于脑电信号的人机交互策略;然后,设计并搭建数据驱动沉浸式三维虚拟诱导场景,激发患者大脑产生主动运动意图;进而,采集患者脑电信号,通过基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的伪迹去除方法进行信号预处理;最后,利用深度卷积神经网络实现对患者运动意图的精准识别。实验结果表明:虚拟诱导方法能够有效增强受试者脑电信号特征,运动意图识别率明显提高,相比常规方法,采用虚拟诱导方法后,静息状态识别准确率达到80.5%,提高了10.33%,产生意图识别准确率达到92.17%,提高了20.5%,稳定维持在较高水平,为外骨骼机器人实现按需辅助控制奠定了基础。

基于OSPF路由协议思想的虚拟维修诱导技术

提出了一种基于OSPF路由协议思想的虚拟维修诱导技术方法VMIT。首先列出OSPF核心部分与VMIT的对应关系,然后阐述VMIT的基本内涵,包括编制零件或总成层级码,通过零件发出故障信号以诊断故障零件,利用小波神经网络预测维修时间,采取改进的Dijkstra算法求解和评价更换零件最优路径。最后以更换离合器油封为例,阐述虚拟维修的四个阶段,分别为给油封及周边零件编制层级码,根据故障信号查找故障零件,利用小波神经网络预测拆装油封及周边零件的时间,获取拆除油封的最优路径。案例的四个阶段与VMIT的四个基本内涵相呼应,同时也进一步证明了VMIT的可行性。