一种多关节诊疗机器人柔顺力控制模式下的重力补偿方法

    公开(公告)号:CN113319855B

    公开(公告)日:2022-04-12

    申请号:CN202110719915.8

    申请日:2021-06-28

    Abstract: 一种多关节诊疗机器人柔顺力控制模式下的重力补偿方法,属于诊疗机器人力控领域,为了解决现有的重力补偿方法对诊疗机器人重力补偿精度不足的问题。本发明实时记录机器人多个姿态下的姿态矩阵以及传感器的测量值,构造线性方程组,通过最小二乘法求解诊疗工具的参数向量;在诊疗工具处于初始位置时以及按照大地坐标系调整诊疗工具的姿态,使诊疗工具的重力只剩沿六维力与力矩传感器坐标的y轴方向时,分别记录传感器的测量值;在传感器坐标系下,利用降维解析法计算诊疗工具重心的位置;计算出诊疗工具的重力分量与力矩分量补偿值,实现对诊疗工具的重力补偿。有益效果为实现对多种诊疗工具在多姿态工作模式下的高精度重力补偿。

    基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法

    公开(公告)号:CN114098768A

    公开(公告)日:2022-03-01

    申请号:CN202111417486.5

    申请日:2021-11-25

    Abstract: 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法,属于康复治疗领域,为了解决现有的识别方法在模型选择和参数调节时,存在耗时长以及识别效率低的问题。本发明针对样本个体采集的原始表面肌电信号进行滤波和活动段识别后,进行特征值提取,构建源域;以源域为基础,引入概率矩阵和中心距离构建损失函数,通过线性规划方法求出解迁移学习分类器;对待识别个体的原始表面肌电信号依次进行采集、滤波和活动段识别后,进行特征值提取,生成目标域;将目标域与源域进行域内对齐后输入迁移学习分类器,完成对待识别个体的手势动作的识别。有益效果为避免了模型选择和参数调节的同时,减少了标签数据和训练时间。

    一种基于近红外光谱血氧浓度测量的肿瘤成像系统及其实验检测方法

    公开(公告)号:CN106618501B

    公开(公告)日:2021-05-04

    申请号:CN201611243089.X

    申请日:2016-12-29

    Abstract: 一种基于近红外光谱血氧浓度测量的肿瘤成像系统及其实验检测方法。主要解决了传统肿瘤探测设备笨重、价格昂贵、诊断成本较高的问题。其构造为所述的主控制部分包括控制核心STM32F103,其分别连接光信号产生模块、数据存储和通信接口模块、信号调理和模数转换模块。其中数据存储和通信接口模块包括SD卡,与上位机通信的USB及串口;信号调理和模数转换模块包括数据的放大滤波部分以及模数转换部分,负责信号的采集和预处理。所述的探头部分包括光信号产生模块、光信号接收模块。本发明具有无辐射、造价低、可便携、易操作、辨识率高、可成像等优点。

    一种基于SVM典型相关分析的脑电通道选择算法

    公开(公告)号:CN112684897A

    公开(公告)日:2021-04-20

    申请号:CN202011643295.6

    申请日:2020-12-30

    Abstract: 一种基于SVM典型相关分析的脑电通道选择算法,涉及一种脑电信号最佳通道选择方法,为了解决多通道采集方式中计算量与复杂度高,耗费大量运算时间以及不利于被试者穿戴的问题。本发明通过对原始脑电信号进行空间滤波,保留脑电信号中有效的频带,再进行小波包两层分解,提取小波包系数;计算小波能量,然后获取通道特征组;获取初始权重;并按由大到小的顺序进行排序,利用SVM,按照各个通道对实际运动想象意图分类结果的贡献程度进行更新,得到更新后的通道权重并对其进行数据分析与信号处理,进行最佳通道的判断,得出最有效的电极位置。有益效果为计算量小,提高了设备的便携性和可穿戴性。

    面向仿生机械手的可穿戴便携式实时控制动作识别系统

    公开(公告)号:CN111360792A

    公开(公告)日:2020-07-03

    申请号:CN202010238380.8

    申请日:2020-03-30

    Abstract: 面向仿生机械手的可穿戴便携式实时控制动作识别系统,涉及一种仿生机械手实时控制技术,为了解决现有的机械手成本高、功能单一、实时性差以及采集与识别的精度偏低的问题。本发明通过分析表面肌电信号的产生机理和特点,确定了待识别动作、采集的肌肉区域和电极的数量及摆放位置。使用实验室自主研发采集装置采集了4通道前臂表面肌电信号,并进行去干扰处理后,进行数据分窗,特征值提取,手势分类,最终实现对仿生机械手的控制。有益效果为使用容易方便、成本低廉,功能丰富,实时性好,采集与识别精度高。

    基于脑电信号频带能量比特征的驾驶疲劳检测方法

    公开(公告)号:CN109480872A

    公开(公告)日:2019-03-19

    申请号:CN201811327333.X

    申请日:2018-11-08

    Abstract: 基于脑电信号频带能量比特征的驾驶疲劳检测方法,本发明涉及一种脑电信号分析方法。本发明目的是为解决现有的检测技术多以人的外部行为特征作为依据,难以准确地了解驾驶员的心理、生理属性,不易客观地评价驾驶员的疲劳状态,主观性过强,导致驾驶疲劳检测结果准确率低的问题。过程为:一、采集驾驶者脑电信号;二、进行预处理;三、得到局部均值分解后的乘积函数;四、得到重构的脑电信号;五、求解功率谱密度;六、求解脑电信号不同波段的频带能量比;七、对四进行归一化处理;八、求取标准差,将标准差、脑电信号不同波段的频带能量比作为BP神经网络的输入参数,输出疲劳状态。本发明用于驾驶疲劳检测领域。

    一种用于脑电信号特征分类的ANFIS规则库优化算法

    公开(公告)号:CN107292270A

    公开(公告)日:2017-10-24

    申请号:CN201710484546.2

    申请日:2017-06-23

    CPC classification number: G06K9/00536

    Abstract: 一种用于脑电信号特征分类的ANFIS规则库优化算法,涉及脑电信号特征参数分类算法。由于脑电信号具有明显的非线性特征,非线性特征分类方法在脑电信号分类中应用较多。自适应模糊神经推理系统(ANFIS)融合了神经网络和模糊逻辑的优点,不仅可以对样本进行有效的学习,还可以对知识进行良好的表达和抽取。ANFIS系统在进行模糊推理时要建立模糊规则库,规则库的数量为所有参数隶属度函数个数的乘积。目前只能依靠经验给每个输入参数的隶属度函数个数进行设置,往往无法达到较好的训练效果。本发明的一种用于ANFIS系统规则库的优化算法GA-ANFIS方法,采用遗传算法(GA)对每个输入参数的隶属度函数进行合理设置,同时还能有效控制规则库的数量,保证系统的训练学习效率。

    一种基于近红外光谱血氧浓度测量的肿瘤成像系统及其实验检测方法

    公开(公告)号:CN106618501A

    公开(公告)日:2017-05-10

    申请号:CN201611243089.X

    申请日:2016-12-29

    CPC classification number: A61B5/0073 G01N21/359

    Abstract: 一种基于近红外光谱血氧浓度测量的肿瘤成像系统及其实验检测方法。主要解决了传统肿瘤探测设备笨重、价格昂贵、诊断成本较高的问题。其构造为所述的主控制部分包括控制核心STM32F103,其分别连接光信号产生模块、数据存储和通信接口模块、信号调理和模数转换模块。其中数据存储和通信接口模块包括SD卡,与上位机通信的USB及串口;信号调理和模数转换模块包括数据的放大滤波部分以及模数转换部分,负责信号的采集和预处理。所述的探头部分包括光信号产生模块、光信号接收模块。本发明具有无辐射、造价低、可便携、易操作、辨识率高、可成像等优点。

    基于脑电图的面向跨受试疼痛分类方法

    公开(公告)号:CN119782880A

    公开(公告)日:2025-04-08

    申请号:CN202411842229.X

    申请日:2024-12-13

    Abstract: 基于脑电图的面向跨受试疼痛分类方法,解决如何有效提高跨受试疼痛分类的可靠性且减轻临床数据采集压力的问题,属于脑电图数据评估领域。本发明包括:识别目标受试者和历史数据集中历史受试者疼痛敏感度高度相关的静息EEG特征,并筛选出历史数据集中与目标受试者有相似疼痛反应的历史受试者,组成目标受试者的源受试者集合;利用源受试者集合构建伪标签,并在考虑认知等实验动态因素的情况下优化源受试者集合,得到源域;利用源域和目标域进行自适应迁移学习,对所有源域学习后得到的目标域的标签进行加权融合,得到目标受试者的预测分类结果,完成分类。

    基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法

    公开(公告)号:CN114098768B

    公开(公告)日:2024-05-03

    申请号:CN202111417486.5

    申请日:2021-11-25

    Abstract: 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法,属于康复治疗领域,为了解决现有的识别方法在模型选择和参数调节时,存在耗时长以及识别效率低的问题。本发明针对样本个体采集的原始表面肌电信号进行滤波和活动段识别后,进行特征值提取,构建源域;以源域为基础,引入概率矩阵和中心距离构建损失函数,通过线性规划方法求出解迁移学习分类器;对待识别个体的原始表面肌电信号依次进行采集、滤波和活动段识别后,进行特征值提取,生成目标域;将目标域与源域进行域内对齐后输入迁移学习分类器,完成对待识别个体的手势动作的识别。有益效果为避免了模型选择和参数调节的同时,减少了标签数据和训练时间。

Patent Agency Ranking