-
Patent Agency Ranking
公开(公告)号：CN113952091A
公开(公告)日：2022-01-21
申请号：CN202111472020.5
申请日：2021-12-06
Applicant: 福州大学
Abstract: 本发明提出一种多传感器融合的假肢手抓握力反馈控制方法，包括多传感器融合与反馈方法、握力预测方法及基于PD的CMAC机械手抓握控制方法；多传感器融合与反馈方法中，包括对肌肉采集其表面肌电信号，对被假肢手抓握的物体采集其温度、接触力、滑动状态、采集抓握动作对应的关节加速度及角速度及对假肢手的抓握动作采集其实际握力；握力预测方法预测当前抓握动作的抓握力；多传感器融合及反馈方法是对数据进行融合以生成当前抓握动作的假肢端感受信息；本发明让使用者能及时调整实际抓握力和抓握动作，实现准确、稳定地抓握物体，同时在抓握过程中检测被抓握物体的实时温度和接触力，通过振动及显示模块将触觉信息反馈给使用者。
-
公开(公告)号：CN113952091B
公开(公告)日：2025-02-18
申请号：CN202111472020.5
申请日：2021-12-06
Applicant: 福州大学
IPC: A61F2/54 , A61F2/58 , A61F2/72 , G06F3/01 , G06F18/25 , G06N3/044 , G06N3/084 , G06N3/043 , G06N5/048
Abstract: 本发明提出一种多传感器融合的假肢手抓握力反馈控制方法，包括多传感器融合与反馈方法、握力预测方法及基于PD的CMAC机械手抓握控制方法；多传感器融合与反馈方法中，包括对肌肉采集其表面肌电信号，对被假肢手抓握的物体采集其温度、接触力、滑动状态、采集抓握动作对应的关节加速度及角速度及对假肢手的抓握动作采集其实际握力；握力预测方法预测当前抓握动作的抓握力；多传感器融合及反馈方法是对数据进行融合以生成当前抓握动作的假肢端感受信息；本发明让使用者能及时调整实际抓握力和抓握动作，实现准确、稳定地抓握物体，同时在抓握过程中检测被抓握物体的实时温度和接触力，通过振动及显示模块将触觉信息反馈给使用者。
-
公开(公告)号：CN113143570B
公开(公告)日：2023-08-11
申请号：CN202110458686.9
申请日：2021-04-27
Applicant: 福州大学
Abstract: 本发明提出一种多传感器融合反馈调整的止鼾枕，其特征在于，包括：止鼾枕本体、布设在止鼾枕本体上的分布式压力传感器、布设在止鼾枕本体内的多个带有气泵的气囊，以及控制器、心电脉搏波传感器、声音传感器和设置在每个气囊内的气压传感器；所述分布式压力传感器、心电脉搏波传感器、声音传感器、气压传感器和气泵的驱动结构分别连接控制器。其对使用者的睡眠干扰小，使用体验佳。所提取的特征值对鼾声的辨别准确，通过分布式压力传感器网络能识别人体体位信息，对于气压的检测保证了使用的安全性。能在使用者无感知中调整睡眠体位，保证睡眠质量。
-
公开(公告)号：CN113143570A
公开(公告)日：2021-07-23
申请号：CN202110458686.9
申请日：2021-04-27
Applicant: 福州大学
Abstract: 本发明提出一种多传感器融合反馈调整的止鼾枕，其特征在于，包括：止鼾枕本体、布设在止鼾枕本体上的分布式压力传感器、布设在止鼾枕本体内的多个带有气泵的气囊，以及控制器、心电脉搏波传感器、声音传感器和设置在每个气囊内的气压传感器；所述分布式压力传感器、心电脉搏波传感器、声音传感器、气压传感器和气泵的驱动结构分别连接控制器。其对使用者的睡眠干扰小，使用体验佳。所提取的特征值对鼾声的辨别准确，通过分布式压力传感器网络能识别人体体位信息，对于气压的检测保证了使用的安全性。能在使用者无感知中调整睡眠体位，保证睡眠质量。
-
公开(公告)号：CN112120697A
公开(公告)日：2020-12-25
申请号：CN202011019909.3
申请日：2020-09-25
Applicant: 福州大学
IPC: A61B5/0488 , A61B5/00
Abstract: 本发明涉及一种基于表面肌电信号的肌肉疲劳提前预测与分类方法，包括以下步骤：（1）选取与关节运动相关肌肉的表面肌电信号；（2）对获取的表面肌电信号进行预处理，然后对信号进行分段处理，并对每段信号提取非线性特征参量作为疲劳特征向量，所述非线性特征参量包括小波包熵、LZ复杂度和多尺度熵；（3）分别对每个特征参量采用改进的自适应归一化最小均方滤波器NLMS算法进行特征参量预测，改进的自适应NLMS算法利用NLMS在每一个时间步自适应更新的特性，根据设定的提前预测时间段进行特征参量的提前预测；（4）采用改进的小脑模型神经网络对预测得到的这些特征参量进行疲劳分类识别。该方法可以提前预测肌肉疲劳。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
