-
公开(公告)号：CN114869306B
公开(公告)日：2025-03-21
申请号：CN202210665652.1
申请日：2022-06-14
Applicant: 东南大学
Abstract: 本发明公开了基于博弈论和sEMG的上肢康复机器人自适应控制方法及系统，首先设计被试操作过程中，控制机器人在训练时间内进行的运动轨迹；基于sEMG的反向传播神经网络肌力估计模型，通过构建三层神经网络建立表面肌电信号和末端力之间的非线性动态关系；利用博弈论原理对人机交互系统进行分析，推导出机器人的角色，采用纳什平衡来更新两者之间的控制率，确定机器人和被试者的自适应权重因子，最终使得机器人根据被试者在操作过程中的运动意图，按照博弈论原理得到的权重系数自适应调整自身的训练模式，实现康复机器人的训练模式能够自适应人体上肢运动意图。本方法充分考虑被试者的训练进程变化实时提供相应的训练任务，提高了康复机器人的训练效率。
-
公开(公告)号：CN115129154A
公开(公告)日：2022-09-30
申请号：CN202210724205.9
申请日：2022-06-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于眼动平滑追踪和引导力场的机器人辅助手眼协调训练系统，包括虚拟交互场景模块、眼动平滑追踪检测模块、机器人辅助拦截模块及撞击力渲染模块，虚拟交互场景模块能够生成具有虚拟运动物体以及手柄虚拟代理的虚拟交互场景；眼动平滑追踪检测模块采集用户对虚拟运动物体进行眼动追踪时的眼动信号以检测出眼动平滑追踪事件。机器人辅助拦截模块估计虚拟运动物体的运动方向并生成拦截引导力场，从而产生辅助力辅助用户拦截。撞击力渲染模块采集机器人手柄运动学信息进行碰撞检测并在检测到碰撞后根据撞击力计算模型计算撞击力并控制电机产生力反馈于用户手部。从而提高用户参与手眼协调训练时的积极性和趣味性，提高系统沉浸感。
-
公开(公告)号：CN113081671B
公开(公告)日：2022-09-30
申请号：CN202110346485.X
申请日：2021-03-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，通过评估被试多次在随机预设轨迹跟随任务中的运动表现指标与运动参与度指标，以提高被试训练中的主动参与度为目标建立评价函数，采用贝叶斯优化方法训练学习评价函数与按需辅助策略的超参数间的关系，寻到下一轮按需辅助策略中最合适的按需辅助策略。该方法同时量化评价被试的运动表现指标与运动参与度指标，可实时监测被试生理心理状态，并根据被试的运动表现与运动参与度变化情况，提供个性化、智能化的最优按需辅助策略，从而保证被试的积极投入状态，有效地刺激神经有效引发神经功能重组，提高了机器人技术辅助康复的训练效率，是康复机器人更快进入临床应用的关键要素。
-
公开(公告)号：CN112932898A
公开(公告)日：2021-06-11
申请号：CN202110119541.6
申请日：2021-01-28
Applicant: 东南大学
Abstract: 一种基于贝叶斯优化的按需辅助康复机器人训练方法，通过收集用户多次在随机预设轨迹跟随任务中的表现指标，以成本函数的形式对每一轮中用户的表现进行评价，在后续的每一轮任务中，基于贝叶斯优化算法和用户之前的任务表现进行按需辅助算法的超参数优化，调整下一次任务的按需辅助效果。由于不同被试的运动能力差异性较大，而且在训练过程中的学习能力不同，通过传统训练方式无法自适应用户的运动能力，为了提高被试的康复训练效果，提高康复策略对于不同被试的适应性，通过本发明的方法可以有效提高任务的变化性，并且可以通过更短的循环过程更快实现设备对于用户运动能力的适应性，减少了治疗师的工作量，有效提升了康复效率。
-
公开(公告)号：CN112818883A
公开(公告)日：2021-05-18
申请号：CN202110169344.5
申请日：2021-02-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于眼动信号的感兴趣目标深度学习检测与定位方法，包括以下步骤：获取眼动仪的原始输出数据；对原始数据预处理，包括剔除异常数据及数据滤波；采用自适应阈值算法从预处理后的眼动数据中区分出凝视事件和扫视事件；手动标记凝视序列并设计处理不等长序列的深度神经网络，训练ConvLSTM神经网络,并使用该网络检测刻意凝视簇和非刻意凝视簇,将刻意凝视簇与原图叠加即可定位感兴趣目标在图片中的具体位置，该方法中的自适应阈值算法识别凝视事件和扫视事件，对不同的被试具有更高的识别精度，深度神经网络也提高了感兴趣目标检测与定位精度，尤其是在遮挡目标、不完整目标以及不确定目标等检测与定位精度远高于基于计算机视觉的方法。
-
Patent Agency Ranking
公开(公告)号：CN114869306A
公开(公告)日：2022-08-09
申请号：CN202210665652.1
申请日：2022-06-14
Applicant: 东南大学
Abstract: 本发明公开了基于博弈论和sEMG的上肢康复机器人自适应控制方法及系统，首先设计被试操作过程中，控制机器人在训练时间内进行的运动轨迹；基于sEMG的反向传播神经网络肌力估计模型，通过构建三层神经网络建立表面肌电信号和末端力之间的非线性动态关系；利用博弈论原理对人机交互系统进行分析，推导出机器人的角色，采用纳什平衡来更新两者之间的控制率，确定机器人和被试者的自适应权重因子，最终使得机器人根据被试者在操作过程中的运动意图，按照博弈论原理得到的权重系数自适应调整自身的训练模式，实现康复机器人的训练模式能够自适应人体上肢运动意图。本方法充分考虑被试者的训练进程变化实时提供相应的训练任务，提高了康复机器人的训练效率。
-
公开(公告)号：CN112818883B
公开(公告)日：2024-03-26
申请号：CN202110169344.5
申请日：2021-02-07
Applicant: 东南大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于眼动信号的感兴趣目标深度学习检测与定位方法，包括以下步骤：获取眼动仪的原始输出数据；对原始数据预处理，包括剔除异常数据及数据滤波；采用自适应阈值算法从预处理后的眼动数据中区分出凝视事件和扫视事件；手动标记凝视序列并设计处理不等长序列的深度神经网络，训练ConvLSTM神经网络,并使用该网络检测刻意凝视簇和非刻意凝视簇,将刻意凝视簇与原图叠加即可定位感兴趣目标在图片中的具体位置，该方法中的自适应阈值算法识别凝视事件和扫视事件，对不同的被试具有更高的识别精度，深度神经网络也提高了感兴趣目标检测与定位精度，尤其是在遮挡目标、不完整目标以及不确定目标等检测与定位精度远高于基于计算机视觉的方法。
-
公开(公告)号：CN114800440B
公开(公告)日：2023-07-25
申请号：CN202210231857.9
申请日：2022-03-09
Applicant: 东南大学
IPC: B25J9/00
Abstract: 本发明公开了一种基于变刚度的外肢体机器人辅助支撑方法，先获取表面肌电传感器和惯性传感器的数据；对惯性传感器的数据进行处理，判断穿戴者是否有操作意图；对表面肌电传感器的数据进行预处理，包括全波整流、低通滤波和归一化；预处理后的表面肌电信号用于穿戴者手臂的参考刚度估计；手臂参考刚度映射到外肢体机器人的阻抗控制模型中。该方法利用人体手臂刚度和机械臂刚度协调的方法，实现了人和外肢体在过顶支撑任务中的人机协同，可以减少任务中人员的投入。当穿戴者手臂刚度减少时，机械臂刚度增大，外肢体可以在操作者疲劳时产生更大的支撑力，有利于减小穿戴者的工作强度以及降低穿戴者疲劳受伤的风险。
-
公开(公告)号：CN114800440A
公开(公告)日：2022-07-29
申请号：CN202210231857.9
申请日：2022-03-09
Applicant: 东南大学
IPC: B25J9/00
Abstract: 本发明公开了一种基于变刚度的外肢体机器人辅助支撑方法，先获取表面肌电传感器和惯性传感器的数据；对惯性传感器的数据进行处理，判断穿戴者是否有操作意图；对表面肌电传感器的数据进行预处理，包括全波整流、低通滤波和归一化；预处理后的表面肌电信号用于穿戴者手臂的参考刚度估计；手臂参考刚度映射到外肢体机器人的阻抗控制模型中。该方法利用人体手臂刚度和机械臂刚度协调的方法，实现了人和外肢体在过顶支撑任务中的人机协同，可以减少任务中人员的投入。当穿戴者手臂刚度减少时，机械臂刚度增大，外肢体可以在操作者疲劳时产生更大的支撑力，有利于减小穿戴者的工作强度以及降低穿戴者疲劳受伤的风险。
-
公开(公告)号：CN119388430A
公开(公告)日：2025-02-07
申请号：CN202411681086.9
申请日：2024-11-22
Applicant: 东南大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于非零和博弈的外肢体机器人辅助支撑控制方法，包括根据支撑控制系统的动力学，设置该系统的状态转移矩阵、输入矩阵的参数，初始化基础参数，更新支撑控制系统的状态变量和状态变量估计偏差；根据李雅普诺夫稳定性控制定理和状态观测器，得到穿戴者反馈增益的估计值；根据非零和控制、博弈控制和穿戴者反馈增益的估计值，计算外肢体的最优反馈增益；依据外肢体的动力学公式和最优反馈增益，通过自适应调整外肢体机器人的关节扭矩输出，实现外肢体机器人的稳定支撑。本发明可以提高外肢体机器人在人机协同进行支撑任务时的稳定性和柔顺的交互，有效提高了过顶支撑作业的成功率，降低了用户肌肉骨骼损伤的发病率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.038 seconds)
