摘要：针对半主动型膝关节置换手术机器人的柔顺跟随医生意图运动和手术安全范围约束问题,提出了一种模型预测导纳控制算法.首先,为了提高算法运行效率,使用斯特林插值方法对机械臂动力学模型进行线性化,并作为预测模型,该方法计算简单且求解精度高;其次,基于导纳模型力柔顺控制机理识别操作医生的力意图生成机械臂期望运动轨迹;然后,设计虚拟状态,提高模型预测控制算法的显式处理约束能力,利用模型预测控制的滚动优化和反馈校正特性提高控制鲁棒性;最后,结合成机械臂模型预测导纳控制器.设计三环PID(Proportional integral derivative)控制对照试验,验证了模型预测控制算法的轨迹跟踪性能更好,可以更好的实现期望的导纳动态,从而得到更优的柔顺效果.在此基础上,进一步验证模型预测导纳控制器在具有强耦合性、复杂系统参数结构特性的机械臂上的主动约束效果.结果表明模型预测导纳控制算法能实现比传统三环PID控制更好的柔顺性,且具备满足膝关节置换手术需求的安全性.本文有望促进半主动手术机器人的实际应用.

摘要：目的研究生长棒技术治疗早发性脊柱侧凸过程中不同上固定节段选择对术后脊柱生物力学特性的影响。方法利用有限元技术分别建立同一患者行生长棒术前以及术后T1~L4、T2~L4、T3~L4固定共4个脊柱模型(C6~S1节段),在C6上表面分别施加7 N·m力矩载荷和1 rad角位移载荷,分析上固定椎体邻近结构的生物力学特性。结果生长棒术后脊柱整体活动度(range of motion,ROM)显著下降,固定T2~L4节段时,脊柱活动受限最大,邻近椎体代偿性活动显著增加,椎间盘应力增大最明显。结论生长棒上固定选择T2节段时,术后发生交界性胸椎后凸和脊柱退行性病变的风险最高,在临床手术中应加以避免。

摘要：压电陶瓷用作微型机器人的致动器具有静音、低功耗等优点,但在悬臂型应用中高位移所需的高驱动电压是其应用难点。该文针对一种双鳍式微型机器鱼的压电致动器,设计了可控制输出频率、幅值的高压正弦信号驱动系统。压电致动器的驱动模块采用PA443高压运放设计外围电路,运放电源基于集成开关芯片设计升压(BOOST)和降压-升压(BUCK-BOOST)开关电源电路,实现了升压比分别为27和14的+166 V和-166 V小型运放电源。信号源模块输出正弦脉冲宽度调制(SPWM)波并对其解调,经PA443放大成驱动电压。结果表明,该驱动系统在满足体积小和输出稳定的前提下,采用交替驱动方式连接负载,输出峰-峰值可调且最大为326.5 V的正弦双极驱动电压,具有实用创新性和一定带载能力。

摘要：针对卷积神经网络(CNN)模型的训练过程中,模型参数记忆数据部分特征导致的隐私泄露问题,提出一种CNN中基于差分隐私的动量梯度下降算法(DPGDM)。首先,在模型优化的反向传播过程中对梯度添加满足差分隐私的高斯噪声,并用加噪后的梯度值参与模型参数的更新过程,从而实现对模型整体的差分隐私保护;其次,为了减少引入差分隐私噪声对模型收敛速度的影响,设计学习率衰减策略,改进动量梯度下降算法;最后,为了降低噪声对模型准确率的影响,在模型优化过程中动态地调整噪声尺度的值,从而改变在每一轮迭代中需要对梯度加入的噪声量。实验结果表明,与DP-SGD(Differentially Private Stochastic Gradient Descent)相比,所提算法可以在隐私预算为0.3和0.5时,模型准确率分别提高约5和4个百分点。可见,所提算法提高了模型的可用性,并实现了对模型的隐私保护。

摘要：传统无线局域网组网方式存在通信距离近、功耗高等问题,不能满足大型超市电子价签系统的通信要求。为此,提出一种基于LoRa(Long Range)通信技术的电子价签系统设计方案。采用具备LoRa调制方式的SX1278芯片作为系统LoRa模块的主芯片,以STM32单片机作为网关和节点价签的主控MCU,采用星型拓扑结构组网,并通过对通信过程中信噪比和接收信号强度两个参数值进行融合计算来分析信道状态,以此实现对数据传输速率的自适应调整。经实验测试,该系统通过服务器可经LoRa无线网络稳定传输数据,最终对电子价签显示内容进行更改,并有效提高了通信距离和降低功耗,可满足大型超市的实际需求。

摘要：针对同时同频全双工(CCFD)技术的双向中继系统,提出了一种基于多维矩阵的信道估计方法。该方法由自干扰消除、多维矩阵建模及信道估计三部分组成。在两用户端,所提方法同时发送所设计的导频序列至中继,中继对接收的信号进行自干扰消除,然后放大转发至两用户;所提信道估计方法无需在中继处进行信道估计,减轻了中继负担,无需迭代。仿真实验结果表明,与已有的最小二乘(LS)、两步训练序列(TST)和非迭代P_KRF信道估计方法相比,所提方法具有更高的信道估计精度且天线配置更灵活,对信道的估计更稳定,更具有实际意义。

摘要：由于车辆高速移动引发位置突变,深度学习模型难以学习预测函数,导致现有方案在长期预测中位置误差较大,对此提出了基于车流特性的长期车辆轨迹预测方案。通过分析城区场景中车流的聚集性和潮汐性,分析各个位置出现的频次,确定了不同位置相应的权重值;利用长短期记忆(long short-term memory,LSTM)网络的“记忆”特性,设计了基于LSTM的编码器-解码器预测模型,实现长期车辆轨迹预测。仿真实验结果表明,所提方案与消融实验方案对比,在工作日长期预测中的平均位置误差降低了1.4%,最终位置误差降低了1.1%,均方根误差降低了0.9%,且具有较好的泛化性。

摘要：针对车载边缘计算郊区道路场景中不同类型的依赖性任务卸载问题,采用联合郊区服务器和附近车辆计算资源的方法,设计了一种依赖性任务车—车(vehicle to vehicle,V2V)协同卸载方案,该方案考虑了郊区服务器部署、车辆计算能力异质性、计算任务依赖性、车辆移动性等特点,以最小化平均计算时延为目标,构建了多种依赖关系的任务模型。实验结果表明,所提方案相比于传统方案,能更好地降低平均计算时延和卸载失败率。

摘要：传统缓存算法存在命中率低、交换率高等问题,且现有缓存算法在分布式大数据存储系统中并不适用,为此提出了一种基于频繁序列挖掘的自适应缓存策略。该方法使用数据挖掘算法挖掘历史访问窗口内的频繁序列,将频繁序列模糊合并后构建匹配模式集合以供查询。当新的访问来临时,将固定访问长度内的子序列与匹配模式集合进行匹配,然后根据匹配结果预取数据,同时结合修改后的S4LRU(4-segmented least recently used)数据结构进行缓存数据换出。在公开的大数据处理trace集上进行了仿真实验,实验结果表明,在不同的缓存大小下,提出算法与现有典型缓存算法相比,平均命中率提高了0.327倍,平均交换率降低了0.33倍,同时具有低开销和高时效的特点。此结果表明,该方法较传统替换算法而言是一个更为有效的缓存策略。

摘要：口感是影响口服制剂服药依从性的重要因素。儿童具有独特的病理、生理特征,对不良口感的耐受性差,导致服药剂量不准确,用药风险高。因此,建立客观、科学的口感评价方法,是儿童用药研发的重要环节,具有重要的临床意义和科学价值。本课题组从“仪器、研发、临床、审评、监管”5个维度,组织儿童用药口感设计与评价领域专家,结合中国儿童用药临床特点,明确现状,探讨问题,并提出改进思路,为开发适宜儿童的口服制剂提供参考。