-
公开(公告)号：CN113332099A
公开(公告)日：2021-09-03
申请号：CN202110641726.3
申请日：2021-06-09
Applicant: 常州大学
IPC: A61H1/02
Abstract: 本发明涉及一种基于绳索驱动的上肢运动康复训练装置，包括底座、水平旋转框架组件、竖直旋转框架组件、前臂固定组件、腕部旋转组件、控制电路模块；所述底座实现固定整体装置和移动水平旋转框架组件的作用；所述水平旋转框架组件实现支撑和旋转竖直旋转框架组件的作用，所述竖直旋转框架组件实现支撑和旋转前臂固定组件的作用，所述前臂固定组件实现固定前臂和腕部固定组件的作用，所述腕部固定组件实现固定腕关节和旋转腕部的作用。本发明提供了一种基于绳索驱动的上肢运动康复训练装置，能够为肢体运动功能障碍患者提供功能多样的上肢康复训练。
-
公开(公告)号：CN109023895A
公开(公告)日：2018-12-18
申请号：CN201810612071.5
申请日：2018-06-14
Applicant: 常州大学
IPC: D06H3/12
CPC classification number: D06H3/12
Abstract: 本发明提出了一种光电整纬检测头检验装置，属于纺织机械技术领域，其特征在于，该装置主要包括模拟架、主动辊、导布辊、电动机、电动推杆、光电检测头、光源，所述主动辊与导布辊通过外球面轴承安装在模拟架上，所述电动机通过电机固定座安装在模拟架上，并由皮带与主动辊相连，所述电动推杆与模拟架和探头底板连接，所述光电检测头中装有探头电路板，与光源固定安装在探头底板上。本发明光电整纬机探头电路板检测装置适用范围广，可对多种品种织物进行检测，运行稳定可靠，提高了对探头电路板的检测能力，是光电整纬行业必不可少的检测装置。
-
公开(公告)号：CN107496140A
公开(公告)日：2017-12-22
申请号：CN201710865854.X
申请日：2017-09-22
Applicant: 常州大学
IPC: A61H1/02
Abstract: 本发明涉及一种弹簧-绳索驱动手指康复装置，包括其机械系统和控制系统。机械系统主要包括手指屈伸机构、机体等，控制系统主要包括主控模块、驱动执行模块、显示及按键模块等。本发明采用新型的弹簧与绳索驱动方式，由弹簧-绳索-滑轮组实现手指关节的屈伸运动，绳索穿于弹簧管内部，由电机带动绳索展放和绕收，实现手指屈伸，牵引效果好，且无需设计外骨骼机构，有效精简了结构。控制系统根据按键输入的相应训练控制指令，进而驱动电机实现弹簧-绳索展放与绕收，为患者提供手指康复运行训练。
-
公开(公告)号：CN107452236A
公开(公告)日：2017-12-08
申请号：CN201710616348.7
申请日：2017-07-26
Applicant: 常州大学
Abstract: 本发明提出了一种儿童趣味益智遥控小车系统，主要由上位机和下位机构成，下位机主要实现运动执行、语音互动、灯光互动等功能，上位机主要实现运动路径规划、运动路径解析、运动命令发送等功能，上位机下位机通过无线通讯模块进行数据传输。本系统除了常规的按键遥控控制外还具有路径规划设计功能，大大提升了产品的趣味性和益智效果，易于激发儿童的参与感和创造性。
-
公开(公告)号：CN106390391A
公开(公告)日：2017-02-15
申请号：CN201610805007.X
申请日：2016-09-06
Applicant: 常州大学
IPC: A63B26/00 , A63F13/285
CPC classification number: A63B26/00 , A63F13/285
Abstract: 本发明涉及一种振动触感反馈多动症康复训练系统，包括上位机、下位机、通讯模块、语音设备、显示设备、脑电信号采集设备以及穿戴式振动触感反馈带。本发明根据神经生理训练康复理论，通过设计游戏场景训练任务结合多感官反馈来改善多动症患儿的神经反应缺陷。训练时通过实时监测分析患儿脑电信号，结合训练任务完成成绩，在线评估患儿的注意活动状态。在常规视、听觉反馈的基础上增加了触感反馈，且各反馈形式根据在线所评估的患儿注意活动状态动态调整。利用本发明振动触感反馈多动症康复训练系统，通过形式丰富的视觉、听觉、以及触感等多感官动态反馈，能增强患儿训练时的沉浸感和融入感。
-
Patent Agency Ranking
公开(公告)号：CN117898732A
公开(公告)日：2024-04-19
申请号：CN202410008806.9
申请日：2024-01-03
Applicant: 常州大学
IPC: A61B5/22 , A61B5/00 , G06F18/22 , G06F18/241 , G06F18/214 , G06F18/213
Abstract: 本申请涉及运动识别技术领域，具体涉及一种握力感知装置及基于其的运动意图辨识方法。握力感知装置，包括，上位机，微控制器，压力传感器以及握柄，握柄上设置有凹槽，压力传感器以非阵列式设置在握柄上的凹槽内，对人体握力明显部位进行检测；微控制器与压力传感器、上位机连接。运动意图辨识方法，包括：上位机获取压力传感器信号并进行预处理，并对接收到的信号进行时域特征提取、时频域特征提取；根据特征与类别的相关性，相邻特征之间的变化率，特征之间的相关性选取最适特征并以此进行分类模型训练，用训练好的模型输出辨识结果。本发明通过手部关键部位的多点接触力及多层级有效力特征信息的表征来实现运动意图预测，具有很好的辨识效果。
-
公开(公告)号：CN113569924B
公开(公告)日：2024-03-12
申请号：CN202110778426.X
申请日：2021-07-09
Applicant: 常州大学
IPC: G06F18/2411 , G06F18/25 , G06F18/214 , A61B5/16
Abstract: 本发明公开了一种基于支持向量机多核协作的情绪辨识分类方法，包括获取样本数据，所述样本数据分为训练样本和测试样本；将训练样本输入两个不同核函数类型的支持向量机分类器进行模型训练；将测试样本输入至两个已完成训练的不同核函数类型的支持向量机分类器，比较和判别两者输出的预测标签；若两者预测标签一致则直接输出该类标签；若两者预测标签不一致，则利用多核协作策略，通过分析各核的决策值，制定相应的表决机制来共同判别该样本的最终标签。本发明从多核协作分类的角度出发，减少了传统的支持向量机单核作用的局限性。
-
公开(公告)号：CN117540182A
公开(公告)日：2024-02-09
申请号：CN202311508050.6
申请日：2023-11-13
Applicant: 常州大学
IPC: G06F18/2113 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/2411
Abstract: 本发明属于脑电信号处理领域，具体涉及一种联合相关性和冗余性评估的脑电信号特征优化方法，包括以下步骤，脑电信号数据采集和数据预处理；提取各子频带的特征并融合成为样本特征；通过样本加权的ReliefF算法筛选初选特征集；利用互信息对初选特征集中特征的冗余性进行打分，筛选最优特征集；将优化后的特征样本划分为训练集和测试集，用训练集训练模型，向所得模型中输入测试集以评估辨识效果。本申请联合相关性和冗余性评估的脑电信号特征优化方法，有效消除了冗余特征并保留类别强相关特征，准确选取了更具表征性的特征，进而实现运动想象脑电信号的有效分类识别。
-
公开(公告)号：CN117426778A
公开(公告)日：2024-01-23
申请号：CN202311356580.3
申请日：2023-10-19
Applicant: 常州大学
IPC: A61B5/369 , A61B5/372 , A61B5/16 , A61B5/00 , G06F18/15 , G06F18/2131 , G06F18/2134 , G06F18/24 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/084
Abstract: 本发明涉及静息态脑电技术领域，尤其涉及一种基于通道差异的情绪异常脑电表征方法及系统。基于通道差异的情绪异常脑电表征方法：获取情绪异常状态和正常状态下的脑电信号；对预处理后的脑电信号进行时域特征、频域特征、时频域特征及非线性特征提取；对于提取的特征，基于各通道进行特征选择，获取能表征该通道信息的最优特征，并将各通道最优特征进行融合作为情绪状态的脑电表征特征集；基于脑电表征特征集组成的特征样本，利用BP神经网络进行辨识模型训练，得到情绪异常状态预测模型进行情绪异常状态预测。本申请的表征方法通过考虑通道的差异特点及通道信息特征优化，进行情绪异常状态的预测，可以有效提升预测的准确性。
-
公开(公告)号：CN117421637A
公开(公告)日：2024-01-19
申请号：CN202311448768.0
申请日：2023-11-02
Applicant: 常州大学
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06F17/18 , G06F17/16
Abstract: 本发明属于脑电信号处理领域，具体涉及一种基于时频Fi sher比的运动想象脑电辨识方法，包括以下步骤：脑电数据获取；数据预处理及样本划分；根据时频Fi sher比、各通道功率谱密度之间的互信息值选取各子频带最优通道集；提取各子频带特征并融合形成样本特征，训练辨识模型；输出辨识结果。本申请通过计算各通道的时频Fi sher比来表示各通道上时频分量的区分度，通过关键通道的选择，提取最具代表性的通道，降低信号中的噪声，从而提高运动想象脑电的辨识率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.02 seconds)
