Demonstration of the Source of Motor Program Signal: Study on the Correlation between Muscle Strength and sEMG Signal in Normal Children and Adults

To investigate the relationship between muscle strength and sEMG of biceps brachii during elbow flexion by measuring the maximum muscle strength and sEMG value of normal children and adults, and to analyze their sources, so as to lay a theoretical foundation for the method of motor program reconstruction to restore the function after brain injury, 30 healthy children aged 9 - 10 years and 30 adults aged 20 - 30 years were randomly selected. The muscle strength and sEMG of biceps brachii during elbow flexion were detected and recorded, and the data were statistically analyzed. The muscle strength of children was significantly lower than that of adults (P < 0.001), and the sEMG value of biceps brachii was significantly lower than that of adults (P < 0.001), but the sEMG value per kilogram force of children was significantly higher than that of adults (P < 0.01). The results show that there was a very significant difference in pull (efficiency) between adults and children when there was no significant difference in SEMG signal intensity. This is because although children’s central nervous system has matured, the muscle tissue has not been well trained, resulting in insufficient muscle strength. The muscle strength of adults is significantly higher than that of children, because they have been exercising for a long time after the development of the central nervous system. It is proved that sEMG signal is not produced by muscle contraction itself, but comes from the motor program signal of central nervous system which drives muscle contraction, and it is produced before muscle contraction.

基于轨迹数据的非机动车左转信号灯安全效应评估

【目的】对城市交叉口采用的左转非机动车信号灯设施进行交通安全性量化评估。【方法】提出一种基于拓展碰撞时间(extended time to collision,ETTC)指标的左转非机动车信号灯安全效应评估方法。针对现有的碰撞时间(time to collision,TTC)指标不适于评估交叉口左转非机动车冲突的问题,考虑非机动车车辆尺寸与加速度对交通冲突的影响,采用拓展碰撞时间指标,评估交叉口非机动车交通冲突。收集长沙市4个信号交叉口的视频大数据,利用视频软件Tracker提取车辆微观轨迹后,开展案例分析。【结果】左转非机动车信号灯在时间上明确了非机动车的通行权,其设置能显著降低非机动车冲突率,在平峰、高峰时段非机动车冲突率分别降低了40.11%、25.27%。在直行相位末期、左转相位即将启亮时,设置组的左转非机动车在待行区等待,冲突率降为0;而对比组近50%的非机动车违规左转,冲突严重。设置左转非机动车信号灯的改善效果随非机动车流量的增大呈先增加后降低趋势,而随机动车流量的增大呈逐步波动下降趋势。【结论】本研究揭示了非机动车左转信号灯的设置对减少交叉口交通冲突的影响,可为城市交叉口非机动车交通安全管控提供有益参考。

基于sEMG的手指康复治疗的信号处理研究

手指功能在日常生活中特别重要,特别是在一些需要抓取和一些较为精细的动作中,对日常生活质量有着不可忽视的影响。而目前临床针对手指功能康复的治疗模式主要采用辅助设备康复,而这种模式又较为枯燥。提出了一种通过采集表面肌电信号(sEMG)的方式,使得手指功能受损的患者可以脱离现有比较枯燥的治疗方式,同时也更有利于患者其他功能例如神经系统功能的恢复。采用肌电信号公开数据集,对原始肌电信号做相关的预处理,同时采用matlab仿真的方式验证预处理的正确性;并通过临床实验采集患者肌电信号的方式验证使用目前的肌电传感器对运动意图分析的可行性。

基于微分熵及卷积神经网络的脑电运动想象分类识别

针对基于运动想象的脑电信号多分类识别准确率不高的问题,提出一种基于微分熵及卷积神经网络对运动想象四分类的识别方法。首先,将脑电信号通过滤波器提取为Alpha、Beta、Theta、Gamma 4个频段,分别计算各个频段的微分熵特征,并按照脑电极空间特征对数据结构进行重构为三维脑电信号特征立方体。最后,将其输入卷积神经网络进行四分类,该方法基于BCI Competition IV-2a公开数据集,准确率达到95.88%,并在试验室建立四分类运动想象数据集进行相同的处理,准确率达到94.50%。测试结果表明本文所提方法具有更好的识别效果。

强运动环境下抗基线漂移可穿戴运动体征监测系统设计

本文针对强运动环境设计了一种可穿戴运动体征监测系统。选用ADS1292型模数转换器芯片作为心电(ECG)信号采集模块,LMT70型温度传感器芯片作为体温信号采集模块,ICM20602型6轴陀螺仪作为加速度测量模块,可穿戴于人体实现动态心电监测、体表温度采集以及运动步数和运动距离测量。针对强运动导致的基线漂移对心电信号检测的影响,设计了归一化最小均方(NLMS)自适应滤波器进行滤除。测试结果表明,本设备测试精度较高,抗基线漂移能力较强。

基于高频电流信号的电机故障特征提取方法

目前异步电机故障诊断主要依赖于振动、温度和噪声等参数,对于监测的电气信号,主要用于分析电机输出动力情况。电气信号中除了体现电机动力输出特征外,还包含丰富的机械故障、电气故障等信息特征。由于电气信号中的故障特征信号微弱,易被基频分量与噪声湮没而难以突出故障特征,不利于电机状态监测与故障诊断,因此提出了一种基于高频电流信号解调的电机故障特征提取方法,针对采样率不低于25.6 kHz的电机定子高频电流信号,综合运用高通滤波、Hilbert变换、快速傅里叶变换(FFT)3种分析方法,提取高频电流中电机故障的微弱特征信号,应用神经网络算法对电机正常、静态偏心、动态偏心、转子断条、轴承内圈、轴承外圈6种状态进行了诊断。该方法准确提取了电流信号故障特征,并成功识别了6种故障。

跨被试运动想象脑电信号的卷积神经网络识别方法

本文提出一种跨被试的深度神经网络识别方法,应对运动想象脑电信号的非线性、非平稳特性.该方法首先计算协方差矩阵均值,将不同被试者样本集的协方差对齐至单位矩阵,提升样本的被试间泛化性.然后,将对齐后的样本输入至卷积神经网络中,通过留一被试交叉验证法,构建跨被试的运动想象脑电信号识别方法.在BCI Competition IV dataset 2b公开数据集上进行实验,结果表明,新的方法在该数据集上取得了高的识别性能,且测试场景中的时间复杂度与现有方法相同.

嵌入式系统中运动想象脑-机接口编解码算法综述

脑-机接口技术通过在大脑与外部设备之间建立信息传输通路,使用户能够对外部设备进行直接控制。近年来,基于运动想象范式的脑-机接口编解码算法研究在医疗健康、教育娱乐及日常生活设备中的应用范围越来越广,这些算法通常需要嵌入到硬件设备中来满足实际应用的需求。介绍了近年来嵌入式系统中运动想象脑-机接口编解码算法研究现状,从传统机器学习算法和深度学习算法两个角度指出其对应的优缺点。重点介绍四类常用嵌入式平台的代表性设备及其优缺点,并针对不同的应用场景给出相应的硬件选型建议。归纳了更适用于嵌入式脑-机接口系统的评价指标并最终总结了领域内现存的挑战与未来发展方向。

基于主轴电机电流信号的表面粗糙度检测

针对表面粗糙度不能及时检测造成的工件浪费问题,首次提出根据主轴电机电流信号进行表面粗糙度检测分类。通过实验采集不同表面粗糙度加工时的主轴电机电流信号,采用小波包分解将电流信号分解成不同频段,借助能量特征和裕度因子对不同频段电流信号进行评估,过滤低相关性频段,再通过随机森林筛选特征,降低特征的冗余性。总谐波失真特征实现了积屑瘤检测,仅依赖构建的电流信号特征工程表面粗糙度检测准确率高达95%以上,并且检测时间在2 s以内,基本实现了工件表面粗糙度的快速准确检测。

基于并行多尺度时间卷积网络的运动想象信号分类方法

运动想象信号的非线性和低时空域分辨率会导致基于深度学习分类方法的准确性较低。因此,提出一种并行多尺度时间卷积网络分类方法对运动想象信号进行分类。所提方法可提取运动想象信号在时间和空间上的信息,并在时间维度上使用并行卷积计算方法,更好地提取信号的时间特征。此外,在不影响分类准确率的前提下,使用一种简化的预处理方法,简化复杂的预处理过程。实验结果表明,所提方法在BCI Competition IV数据集上的分类准确率为74.4%,待训练的参数量减少到35663;对比FBCSP和DeepNet等经典分类方法,分类准确率分别提高了2.2%和6.6%,参数量分别降低了86.4%和87.5%,验证了所提方法的有效性。

七叶皂苷钠调控SIRT1/NF-κB信号通路对帕金森病大鼠的神经保护作用

目的探究七叶皂苷钠通过调控沉默信息调节因子1(SIRT1)/核因子κB(NF-κB)信号通路发挥对帕金森病大鼠的神经保护作用。方法采用6-羟基多巴胺注射法构建帕金森病大鼠模型,将建模成功的48只大鼠随机分为模型组、七叶皂苷钠低剂量组(1.8 mg/kg)、七叶皂苷钠高剂量组(3.6 mg/kg)、七叶皂苷钠+EX527组(七叶皂苷钠3.6 mg/kg+SIRT1抑制剂EX5275 mg/kg),每组12只;另取12只健康大鼠作为假手术组。各药物组大鼠腹腔注射相应药液,每天1次,持续21 d。末次给药结束24 h后,检测大鼠运动及认知功能,观察其黑质区和海马组织CA1区神经元形态,检测其黑质纹状体中多巴胺(DA)含量和黑质区酪氨酸羟化酶(TH)、α突触核蛋白(α-Syn)表达水平,检测其血清中促炎因子[白细胞介素6(IL-6)、IL-18]、抗炎因子(IL-10)水平及黑质纹状体中SIRT1、磷酸化NF-κB p65(p-NF-κB p65)、NF-κB p65蛋白表达水平。结果与假手术组比较,模型组大鼠黑质区和海马组织CA1区神经元损伤严重;其旋转圈数、逃避潜伏期、黑质区α-Syn蛋白表达水平、血清中促炎因子水平、黑质纹状体中p-NF-κB p65与NF-κBp65蛋白的相对表达量之比均显著升高或延长(P<0.05),目标象限停留时间、黑质纹状体中DA含量及黑质区TH蛋白表达水平、血清中抗炎因子水平、黑质纹状体中SIRT1蛋白表达水平均显著缩短或降低(P<0.05)。与模型组比较,七叶皂苷钠各剂量组大鼠神经元损伤程度减轻,各定量指标均显著改善,且高剂量组的改善更为明显(P<0.05),而EX527可逆转高剂量七叶皂苷钠的改善作用(P<0.05)。结论七叶皂苷钠可通过上调SIRT1蛋白表达来抑制NF-κB信号激活,从而抑制帕金森病大鼠的神经炎症,改善其运动及认知功能障碍,最终起到神经保护作用。

改进FBCSP和CNN的运动想象脑电信号分类

为提高运动想象脑机接口识别准确率,结合共空间模式(common spatial pattern,CSP)和卷积神经网络(convolutional neural network,CNN)方法,提出一种改进滤波器组共空间模式(filter bank common spatial pattern,FBCSP)和CNN的算法,用于多分类运动想象脑电信号识别任务。信号预处理后,使用包含重叠频带的FBCSP计算空间投影矩阵,数据经过投影得到更有区分度的特征序列。然后将特征序列以二维排列方式输入搭建的CNN模型中进行分类。所提出方法在脑机接口竞赛数据集2a和Ⅲa上验证,并和其他文献方法对比。结果表明,本文方法一定程度上提高了运动想象脑电信号的分类准确率,为运动想象研究提供了一个有效办法。

基于非线性建模与拟合的永磁同步电机转子初始位置精确估计方法

针对永磁同步电机转子初始位置估计的精度与收敛速度受限问题,提出一种基于高频信号注入的非线性建模与拟合实现的初始位置估计方法。首先,建立初始位置与高频信号响应的关联模型,表明高频响应可用于直接计算初始位置,但直接计算结果在大部分转子位置易受测量噪声的影响。为此,提出基于多项式模型建立位置估计非线性模型,选取合适的模型参数,利用少量测试点拟合该模型,即可实现初始位置的快速精确估计,有效提高了估计精度与系统抗干扰能力。实验与仿真结果表明,相比现有方法,提出的方法易于实现,无需复杂滤波器与观测器设计,仅需要选取少量测试点即可快速估计精确转子初始位置,在保证估计精度的同时改进了传统估计方法收敛速度慢问题。

中药及间充质干细胞调控免疫反应治疗肌萎缩侧索硬化症的作用机制

背景:肌萎缩侧索硬化为一种进行性神经退行性疾病,常导致大脑和脊髓神经元死亡。肌萎缩侧索硬化发病机制极为复杂,难治率、死亡率高且目前其治疗药物仅有2种,因此开发新治疗方法以改善患者预后迫在眉睫。目的:综述中药及间充质干细胞调控免疫反应治疗肌萎缩侧索硬化的作用机制。方法:以“traditional Chinese medicine,mesenchymal stem cells,ALS,immune response”为英文检索词,以“中药,间充质干细胞,肌萎缩侧索硬化,免疫反应”为中文检索词,检索万方、中国知网、PubMed及Web of Science数据库2010-2023年的相关文献,最终纳入69篇文献进行综述分析。结果与结论:①中药调控免疫反应治疗肌萎缩侧索硬化可总结为5个机制:主要包括冰片和黄芪甲苷等中药促进闭锁小带蛋白1、闭合蛋白5表达重建血液中枢神经系统屏障完整性;复方扶芳藤合剂调节自然杀伤细胞表面受体分子抑制其自身毒性;半枝莲和广藿香等作用补体系统因子抑制其异常激活;雷公藤和钩藤等介导细胞外信号调节激酶1/2衰减诱导型一氧化氮合酶产生而抑制小胶质细胞活化;左归丸、栝蒌根等促进白细胞介素10表达调控T细胞改善免疫环境。②通过现有研究总结了间充质干细胞调控免疫反应治疗肌萎缩侧索硬化可总结为5个机制:减少水通道蛋白4表达和降低内皮型一氧化氮合酶信号传导等方面修复免疫屏障完整性;释放吲哚胺2,3-双加氧酶和前列腺素E2等因子抗自然杀伤细胞毒性;分泌因子H干扰转化酶活性抑制补体系统异常激活;调控CX3CL1/CX3CR1系统轴或分泌转化生长因子β等途径改变小胶质细胞表型抑制其活性;增加白细胞介素10表达或激活STATS磷酸化通路来恢复T细胞功能。③目前中药联合间充质干细胞治疗肌萎缩侧索硬化研究较少,已知的相关研究报道显示,肌萎灵注射液可促进干细胞增殖分化以及补阳还五汤联合骨髓间充质干细胞显著提高血脑屏障完整性,未来还需进一步探讨两者对难治性肌萎缩侧索硬化的协同治疗效果。

基于高频信号注入的同步磁阻电机无位置传感器控制

针对同步磁阻电机定子电感具有电磁饱和、交叉耦合等特点带来的电机参数非线性问题,提出了一种递推最小二乘法与脉振高频电流信号注入相结合的无位置传感器控制方法,其原理是将幅值固定的高频正弦电流信号注入到同步磁阻电机观测坐标系直轴内,在交轴提取含有转子位置信息的电压信号,采用带遗忘因子的递推最小二乘法进行电机电阻与电感参数的在线辨识,可实现电机的无位置传感器控制。仿真与台架试验验证了所提方法的准确性与实用性。

基于CEEMDAN-HT的永磁同步电机匝间短路振动信号故障特征提取研究

由于长时间处于高负荷运行状态,永磁同步电机(permanent magnet synchronous motor, PMSM)定子绕组线圈匝与匝之间的绝缘性能容易降低,导致出现匝间短路,此时电机的振动强度会发生改变。针对此现象,提出将自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)与希尔伯特变换(Hilbert transform, HT)结合,构成一种CEEMDAN-HT非线性信号分析方法,并将其应用于提取振动信号故障特征。首先,利用CEEMDAN算法分解振动信号,得到一系列本征模态函数(intrinsic mode function, IMF),并将主元分析中的方差贡献率用于识别包含故障特征信息的IMF。其次,使用HT对方差贡献率较高的IMF进行分析,并以三维联合时频图呈现时间、瞬时频率与幅值,得到了主要故障特征。最后,使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障试验平台,通过对比有限元仿真结果与试验结果,对提出的方法进行了有效性和准确性验证。

陀螺电机轴承小样本非等间隔的寿命预测研究

现有轴承寿命预测的研究成果直接应用于陀螺电机轴承时,存在轴承振动信号难采集、模型使用小样本、非等间隔数据建模精度低等问题。选取陀螺电机电流信号作为可测信号并制定执行标准,截取有效电信号;提取初值化均方根值和Renyi熵作为退化特征以描述轴承寿命。设计的非等间隔、融合经验模态分解(Empirical Mode Decomposition,EMD)和生物地理学算法(Biogeography-based Optimization,BBO)的灰色模型(Grey Models,GM),即非等间隔EMD-BBO-GM(1,1),其包括间隔变化、数据分解、模型构建和参数优化共4个模块,可实现轴承寿命预测功能。选取小微挠性陀螺电机进行轴承寿命预测试验。研究结果表明,新模型使用两种退化特征获得的预测寿命与实际寿命相当,拟合精度不低于98%,预测精度不低于95%;与标准GM(1,1)相比,预测精度提升量为24.975%,间隔变化、数据分解和参数优化3个模块的贡献度分别为90.94%、3.64%、5.42%。

基于深度残差网络的电机故障诊断研究

电机故障诊断技术的研究对于保障安全生产、减少机械故障、减轻生产损失有重要的现实意义。针对传统机器学习的故障诊断方法的局限性,提出基于深度残差网络(ResNet)的电机故障诊断方法。首先,分析了传统的电流信号特征分析方法。然后,建立了深度ResNet故障诊断框架。最后,通过设计不同模式的三相电流输入策略,建立特征自适应提取的深度学习电机故障诊断模型,有效提取了电机电流信号的故障深度特征,并通过对比试验验证了诊断效果。试验结果表明,该方法准确率高于传统机器学习方法。该研究为深度ResNet在电机故障诊断领域的推广应用奠定基础。

运动想象脑电图的空域特征迁移核学习方法

运动想象脑电(MI-EEG)信号在构建临床辅助康复的无创脑机接口(BCI)中获得了广泛关注。受限于不同被试者的MI-EEG信号样本分布存在差异,跨被试MI-EEG信号的特征学习成为研究重点。然而,现有的相关方法存在域不变特征表达能力弱、时间复杂度较高等问题,无法直接应用于在线BCI。为解决该问题,提出黎曼切空间特征迁移核学习(TKRTS)方法,并基于此构建了高效的跨被试MI-EEG信号分类算法。TKRTS方法首先将MI-EEG信号协方差矩阵投影至黎曼空间,并在黎曼空间上对齐不同被试者的协方差矩阵,同时提取黎曼切空间(RTS)特征;随后,学习RTS特征集上的域不变核矩阵,从而获得完备的跨被试MI-EEG特征表达,并通过该矩阵训练核支持向量机(KSVM)进行分类。为验证TKRTS方法的可行性与有效性,在3个公开数据集上分别进行多源域-单目标域以及单源域-单目标域的实验,平均分类准确率分别提升了0.81个百分点和0.13个百分点。实验结果表明,与主流方法对比,TKRTS方法提升了平均分类准确率并保持相似的时间复杂度。此外,消融实验结果验证了TKRTS方法对跨被试特征表达的完备性和参数不敏感性,适合构建在线脑接机口。

基于PSO-VMD的永磁同步电机匝间短路振动信号故障特征提取研究

在永磁同步电机(PMSM)的故障类型中,匝间短路(ITSC)故障较为常见,准确提取其故障特征具有重要意义。然而,在故障特征提取时容易出现模态混叠现象。为了准确提取出永磁同步电机(PMSM)出现匝间短路(ITSC)时振动信号的故障特征,提出了一种基于粒子群优化变分模态分解(PSO-VMD)的自适应非线性信号处理方法。首先,利用粒子群优化(PSO)寻找变分模态分解(VMD)的最优分解层数与二次惩罚因子,得到最优分解模型。其次,利用得到的最优分解模型对电机振动信号进行分解,得到一系列固有模态函数(IMF)。在此之后,计算分解得到的各IMF的方差贡献率(VCR),进一步计算累计方差贡献率(C-VCR),以筛选出包含故障特征信息的IMF。最后,应用希尔伯特变换(HT)对筛选出的IMF进行分析,并以三维时频图输出时间、瞬时频率与幅值,完成故障特征提取。为了验证所提方法的有效性和准确性,搭建了PMSM的ITSC实验平台,使用所提方法处理实测信号,结果表明,所提PSO-VMD方法有效改善了模态混叠现象,能更准确的提取故障特征,具有更好的工程适用性。