E1man神经网络水下机器人对推进器故障的诊断

为保证自主式水下机器人在高压、可见度差的未知海洋环境下顺利完成作业任务，必须要求水下机器人具有应付突发事件的能力，具有自动诊断的能力。本文用递归的Elman神经网络来建立水下机器人的运动模型，并采用开环随机训练与闭环顺序训练两步学习方法，加快神经网络的收敛速度，提高神经网络的精度，然后通过比较模型的输出与实际测量值来产生残差，从而进行推力器故障诊断。仿真结果表明Elman神经网络给出了精度较高的水下机器人的运动状态，该Elman神经网络可以准确地诊断推力器故障以及故障发生的时间。

基于个性化导联选择策略的脑机交互康复训练临床初步研究

脑机交互(BMI)技术可识别人体运动意图,并控制机器人辅助卒中患者患肢动作,有效刺激肢体运动及感觉反馈神经环路。卒中患者的损伤类型、损伤程度和损伤部位极具个性化,大脑皮层中运动意图的表达可能会出现不同程度的迁移现象。该文提出一种基于个性化导联选择策略的脑机交互康复训练方法,将患者运动意图表达脑区作为BMI系统信号采集点。该研究共纳入3位卒中患者,分别完成10 d的康复训练,采用基于个性化导联选择策略的BMI康复训练方法,所有患者分别在训练前、后进行临床量表评价和脑电信号(EEG)评估。结果显示:受试者在训练后Fugl-Meyer量表评分提升,其中1位出现运动诱发电位,表征神经通路激活。该基于个性化导联选择策略的脑机交互康复训练方法应在大量患者样本中进一步验证。