期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于改进sEMG活动段检测的手部运动意图识别新方法
1
作者
刘声中
许德章
《嘉兴学院学报》
2022年第6期105-112,共8页
针对单参数固定门限检测表面肌电信号(sEMG)活动段的端点反转、端点末端提前收尾导致手部运动意图分类效果不佳的问题,提出了一种基于改进sEMG活动段检测的手部运动意图识别方法.首先,通过改进两级判别自适应门限算法,检测sEMG活动段的...
针对单参数固定门限检测表面肌电信号(sEMG)活动段的端点反转、端点末端提前收尾导致手部运动意图分类效果不佳的问题,提出了一种基于改进sEMG活动段检测的手部运动意图识别方法.首先,通过改进两级判别自适应门限算法,检测sEMG活动段的端点;其次,将子活动段的时域特征作为分类模型的输入特征矩阵,对LSTM手部运动意图识别模型进行训练;最后,以UCI肌电数据集作为研究对象进行对比实验.结果表明,相比于单参数固定门限提取sEMG活动段的特征作为LSTM输入,手部运动意图的分类精度提高了15.6%,总体平均分类精度达到91.7%.
展开更多
关键词
表面肌电信号
活动段提取
L
s
TM神经网络
手部运动意图
下载PDF
职称材料
基于表面肌电信号的膝关节动态力矩的BP神经网络估计
被引量:
4
2
作者
许全盛
李世明
季淑梅
《中国体育科技》
CSSCI
北大核心
2018年第1期105-114,共10页
目的:提出一种利用表面肌电信号估计膝关节动态力矩的BP神经网络模型方法。方法:5名受试者完成从徒手至90%1RM的负重下蹲起实验,采集右侧股直肌、股内侧肌和股外侧肌的表面肌电信号,以滤波平滑归一化的表面肌电信号与膝关节角作为BP网...
目的:提出一种利用表面肌电信号估计膝关节动态力矩的BP神经网络模型方法。方法:5名受试者完成从徒手至90%1RM的负重下蹲起实验,采集右侧股直肌、股内侧肌和股外侧肌的表面肌电信号,以滤波平滑归一化的表面肌电信号与膝关节角作为BP网络的输入,以逆向动力学计算获得的膝关节力矩作为期望输出,设计基于误差反向传播校正训练算法网络模型,用训练好的BP网络估计不同负重水平下蹲起产生的膝关节力矩。结果:1)网络中间层节点数为6,以30%1RM负重时股直肌、股内侧肌和股外侧肌的表面肌电联合膝角作为输入时网络性能达到最佳,其中,相同负重下测试数据的互相关系数和归一化均方根误差分别达到0.975和5.5%;2)负重增加时网络估计精度逐渐降低,均方根误差在90%1RM时最大达到18.5%。3)BP网络很好地映射了肌电与膝力矩数值上的非线性关系,而膝角则在预测膝力矩变化趋势上起关键作用。结论:以表面肌电信号和膝关节角作为输入变量的BP神经网络模型方法是实现自然运动状态下肌肉人体膝关节力矩准确估计的有效途径,训练好的BP网络能适应中高强度以下的不同负荷和动作速度。
展开更多
关键词
BP神经网络
表面肌电信号
膝关节力矩
估计
下载PDF
职称材料
基于人体手臂运动意图反馈的人机顺应协作
3
作者
黄沿江
陈锴彬
+2 位作者
王恺
杨丽新
张宪民
《机器人》
EI
CSCD
北大核心
2021年第2期148-155,共8页
本文旨在通过人体手臂运动意图反馈来提高人与机器人协作的顺应性.首先通过自编码器和反向传播神经网络融合表面肌电信号和机器视觉信号,对人体手臂肘关节力矩和运动意图进行预测.然后,将人体手臂肘关节力矩反馈给机器人,以此预测手臂...
本文旨在通过人体手臂运动意图反馈来提高人与机器人协作的顺应性.首先通过自编码器和反向传播神经网络融合表面肌电信号和机器视觉信号,对人体手臂肘关节力矩和运动意图进行预测.然后,将人体手臂肘关节力矩反馈给机器人,以此预测手臂的运动意图并让机器人作出顺应响应,从而实现人机协作.最后,结合主观评价指标和客观评价指标,在人机协作锯木头实验中对比了3种不同协作模式的效果.与无运动意图反馈的人机协作相比,有反馈的人机协作下的协作交互力波动幅度减小了153.39 N,任务完成时间减少了19.25 s.实验结果表明,有人体手臂运动意图反馈的人机协作能够提高人与机器人协作的顺应程度,与人-人协作效果类似.
展开更多
关键词
人机协作
关节力矩预测
表面肌电(
s
emg
)信号
自编码器
反向传播神经网络(BPNN)
原文传递
题名
一种基于改进sEMG活动段检测的手部运动意图识别新方法
1
作者
刘声中
许德章
机构
安徽工程大学人工智能学院
芜湖安普机器人产业技术研究院
出处
《嘉兴学院学报》
2022年第6期105-112,共8页
基金
国家自然科学基金(52005003)
芜湖市科技局项目(2021cg03)。
文摘
针对单参数固定门限检测表面肌电信号(sEMG)活动段的端点反转、端点末端提前收尾导致手部运动意图分类效果不佳的问题,提出了一种基于改进sEMG活动段检测的手部运动意图识别方法.首先,通过改进两级判别自适应门限算法,检测sEMG活动段的端点;其次,将子活动段的时域特征作为分类模型的输入特征矩阵,对LSTM手部运动意图识别模型进行训练;最后,以UCI肌电数据集作为研究对象进行对比实验.结果表明,相比于单参数固定门限提取sEMG活动段的特征作为LSTM输入,手部运动意图的分类精度提高了15.6%,总体平均分类精度达到91.7%.
关键词
表面肌电信号
活动段提取
L
s
TM神经网络
手部运动意图
Keywords
s emg signal
active
s
egment extraction
L
s
TM neural network
hand motion intent
分类号
TP242.6 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于表面肌电信号的膝关节动态力矩的BP神经网络估计
被引量:
4
2
作者
许全盛
李世明
季淑梅
机构
燕山大学生物医学工程系
中国海洋大学体育系
鲁东大学体育学院
出处
《中国体育科技》
CSSCI
北大核心
2018年第1期105-114,共10页
基金
秦皇岛市科学技术研究与发展计划项目(201602A135)
山东省自然科学基金资助项目(ZR2013AL010)
文摘
目的:提出一种利用表面肌电信号估计膝关节动态力矩的BP神经网络模型方法。方法:5名受试者完成从徒手至90%1RM的负重下蹲起实验,采集右侧股直肌、股内侧肌和股外侧肌的表面肌电信号,以滤波平滑归一化的表面肌电信号与膝关节角作为BP网络的输入,以逆向动力学计算获得的膝关节力矩作为期望输出,设计基于误差反向传播校正训练算法网络模型,用训练好的BP网络估计不同负重水平下蹲起产生的膝关节力矩。结果:1)网络中间层节点数为6,以30%1RM负重时股直肌、股内侧肌和股外侧肌的表面肌电联合膝角作为输入时网络性能达到最佳,其中,相同负重下测试数据的互相关系数和归一化均方根误差分别达到0.975和5.5%;2)负重增加时网络估计精度逐渐降低,均方根误差在90%1RM时最大达到18.5%。3)BP网络很好地映射了肌电与膝力矩数值上的非线性关系,而膝角则在预测膝力矩变化趋势上起关键作用。结论:以表面肌电信号和膝关节角作为输入变量的BP神经网络模型方法是实现自然运动状态下肌肉人体膝关节力矩准确估计的有效途径,训练好的BP网络能适应中高强度以下的不同负荷和动作速度。
关键词
BP神经网络
表面肌电信号
膝关节力矩
估计
Keywords
BP network
s emg signal
s
knee torque
e
s
timation
分类号
G804.6 [文化科学—运动人体科学]
下载PDF
职称材料
题名
基于人体手臂运动意图反馈的人机顺应协作
3
作者
黄沿江
陈锴彬
王恺
杨丽新
张宪民
机构
华南理工大学机械与汽车工程学院
华南理工大学广东省精密装备与制造技术重点实验室
佛山科技学院
出处
《机器人》
EI
CSCD
北大核心
2021年第2期148-155,共8页
基金
国家自然科学基金(51748111,52075178,51820105007)
广东省自然科学基金(2019A1515011154)
中央高校基本科研业务费专项资金(2019MS068)。
文摘
本文旨在通过人体手臂运动意图反馈来提高人与机器人协作的顺应性.首先通过自编码器和反向传播神经网络融合表面肌电信号和机器视觉信号,对人体手臂肘关节力矩和运动意图进行预测.然后,将人体手臂肘关节力矩反馈给机器人,以此预测手臂的运动意图并让机器人作出顺应响应,从而实现人机协作.最后,结合主观评价指标和客观评价指标,在人机协作锯木头实验中对比了3种不同协作模式的效果.与无运动意图反馈的人机协作相比,有反馈的人机协作下的协作交互力波动幅度减小了153.39 N,任务完成时间减少了19.25 s.实验结果表明,有人体手臂运动意图反馈的人机协作能够提高人与机器人协作的顺应程度,与人-人协作效果类似.
关键词
人机协作
关节力矩预测
表面肌电(
s
emg
)信号
自编码器
反向传播神经网络(BPNN)
Keywords
human-robot collaboration
joint torque prediction
s
urface electromyography(
s
emg
)
signal
autoencoder
backpropagation neural network(BPNN)
分类号
TP242.6 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种基于改进sEMG活动段检测的手部运动意图识别新方法
刘声中
许德章
《嘉兴学院学报》
2022
0
下载PDF
职称材料
2
基于表面肌电信号的膝关节动态力矩的BP神经网络估计
许全盛
李世明
季淑梅
《中国体育科技》
CSSCI
北大核心
2018
4
下载PDF
职称材料
3
基于人体手臂运动意图反馈的人机顺应协作
黄沿江
陈锴彬
王恺
杨丽新
张宪民
《机器人》
EI
CSCD
北大核心
2021
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部