摘要：由于具有紧凑的空间布局和良好的结构刚度等特点,3自由度球面并联机构在肩、腕等多自由度关节的设计方面具有潜在的优势,但现有球面机构设计方法未结合人体肩关节工作空间呈非对称形貌、灵巧运动能力呈非对称分布的特点开展针对性的设计.本文以3-RRR非对称球面并联机构为原型,开展假肢肩关节机构参数优化研究,旨在改善非对称球面并联假肢肩关节机构的运动学性能.为此,首先确定了机构的参数化模型,在推导机构运动学正反解和速度雅可比矩阵的基础上,以机构工作空间对人体肩关节工作空间的覆盖程度最大、机构灵巧性最高和输入轴最大力矩最小为目标对机构的参数进行多目标优化设计.利用基于三角模糊数的模糊层次分析法计算各个指标的权重,以加权求和法从优化求解的Pareto解集中筛选出满足需求的最优机构参数.根据该最优机构参数设计的假肢肩关节机构,其工作空间能够有效覆盖人体肩关节的工作空间.和现有对称配置的球面并联机构相比,其机构灵巧性和最大关节力矩得到有效改善.研究工作可为假肢肩关节的设计与应用提供理论基础.

摘要：针对现有软体机械手存在形变模型不准确、操作空间小和位置控制精度低等问题,设计出一种液-气相变驱动三关节软体机械手并进行了相应的形变改进模型分析与运动控制试验。建立一种考虑温度与材料自重因素的硅胶形变非线性力学模型且基于该模型完成了机械手的弯曲性能分析,建立三关节机械手末端操作空间的数学模型。而后基于传统刚性机械手的运动学逆解算法,提出一种基于最小驱动能量函数的运动学逆解方法来确定机械手各关节的弯曲角度。通过最小驱动能量函数并利用神经网络算法策略实现了三关节软体机械手末端轨迹的稳定控制,其相对位置距离偏差小于2.8%。通过充分的试验和理论分析,为液-气相变转化驱动软体机械手的后期实际应用提供了理论支撑。

摘要：随着工业大数据技术的发展,制造企业通过收集和分析生产数据,获取在预测、诊断等方面的优化方法。然而制造企业受限于建模和算力等技术瓶颈,难以高效地实现数据分析,在联合其他参与方共同协作时即需要承担信息泄露的风险,又难以保证模型的性能无损。针对这些场景问题,提出基于数据隐私保护的多方无损线性模型学习方法。首先搭建多方协作计算框架,设计了数据单向加密算法来保护数据出场的隐私安全,各协作方分别基于加密数据进行线性模型的训练。随后,研究分析线性模型与数据集的关联特性,提出线性模型无损聚合算法。最后,在典型工业场景数据集上进行方法验证,试验结果表明提出的框架可以获得性能无损的全局模型,并实现数据持有方的隐私安全保护。

摘要：手势识别是人机交互领域的重要研究内容,为截肢患者控制智能假肢手提供基础.当前主流方法之一是利用表面肌电图(Electromyogram,EMG)识别手部运动意图,但肌电信号存在信号弱和易受噪声、汗液、疲劳影响等缺点.同时肌电图在识别准确率方面,尤其是截肢患者手势识别方面仍然具有较大的提升空间.针对这些问题,设计了基于气压肌动图(Pressure-based mechanomyogram,pMMG)的穿戴式信号采集装置,为手势识别提供了优质的信号源.结合深度神经网络中全连接层结构、典型抽样和标准正则化技术,提出了一种改进多类神经模糊推理系统(Improved multicalss neural fuzzy inference system,IMNFIS),与传统自适应神经模糊推理系统(Adaptive neural fuzzy inference system,ANFIS)相比,泛化能力得到显著提升.招募了7名健康受试者和1名截肢受试者,并用8种算法开展离线实验.所提方法在残疾人手势识别实验中取得了97.25%的最高平均准确率,在健康人手势识别实验中取得了98.18%的最高平均准确率.与近年公开报道的多种手势识别研究相比,所提方法的综合性能更优.

摘要：目的观察不同难度的上肢精细任务中预期性姿势调节(APA)的特征变化,并探究网状脊髓束(RST)激活对其APA的影响。方法本研究采用了双变量混合设计,包含4种不同测试任务和3中不同任务启动状态。共招募健康右利手男性13例进入测试。受试者须根据耳机中的声音提示随机完成前向触碰、杯状抓握、拇指夹卡片和小指夹卡片四种任务,各10次。每种任务测试中有一半的任务启动提示音为114 dB的白噪音,以诱发惊吓效应激活RST;另一半为80 dB的嘟嘟声,作为常规对照。使用表面肌电记录受试双侧胸锁乳突肌、下斜方肌、背阔肌、腰段竖脊肌以及右侧三角肌、桡侧腕屈/伸肌的全程肌电。并在随后处理中,将肌电时域和频域指标转化为目标肌肉的启动反应时、达峰时间、激活延时、APA或补偿性姿势调节(CPA)幅值等进行不同任务和刺激状态的对比分析。此外,研究中根据胸锁乳突肌(SCM)提前激活与否将114 dB测试任务分别归类为SCM+和SCM-作为不同启动态进行处理。结果RST激活后,各任务中运动前反应时与肌肉收缩达峰时间均明显缩短(P0.05)。小指夹取任务中桡侧腕伸肌预期性肌肉激活延时较触碰任务显著缩短[(-15.39±5.02)ms和(4.45±4.59)ms],差异有统计学意义(P<0.05)。结论不同难度的上肢精细任务中仅桡侧腕伸肌表现出任务特异性的提前激活;RST激活可以导致预期动作提前启动,并加速肌肉收缩和提高部分躯干肌APA幅值,但对前臂肌肉APA/CPA幅值没有显著影响。

摘要：针对功能性电刺激(Functional electrical stimulation,FES)下外部干扰和肌肉疲劳对关节运动的影响,提出了一种神经网络自适应滑模控制方法以获得更加精确的关节运动.本文建立了电刺激下的关节运动模型,在此模型的基础上设计了滑模控制律,利用径向基神经网络在线逼近系统不确定特性,并通过Lyapunov方法设计了径向基神经网络的自适应律,以电刺激所产生的膝关节运动控制为例,通过仿真和实验研究验证了该神经网络滑模控制方法相对于传统的滑模控制来说,不仅可以准确地控制电刺激而获得期望的关节运动,而且当关节运动受到外部干扰和肌肉疲劳的影响时,还可自适应地对此进行补偿,有效地调节电刺激强度以获得准确的关节运动.

摘要：可靠性设计优化由于考虑了实际中广泛存在的不确定性信息而受到研究者的广泛重视,同时在提高产品可靠性和服役性能方面发挥了重要作用,因此一直是工程设计领域的研究热点之一。围绕概率解析和代理模型两个方面,面向随机不确定性场景,系统梳理和综述了可靠性设计优化领域的重要研究进展,并总结了时变可靠性设计优化的重要成果。探讨了可靠性设计优化所面临的问题和挑战,展望了未来的发展趋势。

摘要：针对混流装配线生产效率问题,设计了以最小化工作站的闲置与超载时间和最小化总调整变换时间为优化目标的数学模型。为得到高质量且平稳性好的解,提出了适应该模型求解的改进分散搜索算法。该算法首次应用一种基于遗传理论的多样性初始解生成法,不但保证了初始种群的多样性,而且为参考集提供了高质量的初始解。设计了参考集生成更新方法、子集产生方法、子集合并方法和优化解方法等多种机制,既保持了种群的多样性,又寻求到了质量较高的满意解。通过某企业混流装配线实例,验证了所设计算法的有效性。

摘要：混流装配线的物料配送是支撑装配线运作的复杂系统。配送准确、及时不仅能够保证生产不断线,还能大大提高生产效率,发挥混流装配的优势。但是配送环节中往往存在工位货物需求量,工位预约到货时间和车辆运输时间不确定等因素,使得传统路径规划模型不能真实地反映现场情况,反而因种种异常导致事倍功半。对不确定因素进行考虑,建立模糊信息条件下的机会约束规划模型,并改进传统混合智能算法去求解模型。算法设计上,采用轮盘赌启发式算法来缩小初始解的搜索范围,在交叉算子中提出用广义海明相似度概念来区分染色体的相似程度,在进化过程中采用双选择双变异流程来加快算法的收敛速度。通过实例证明该算法处理不确定因素的可行性和高效性,并对模糊参数中关键因子的置信度选择不同值进行对比分析,给出选择建议。

摘要：鉴于目前多周期订货—运输集成问题研究几乎都假设需求不可拆分、造成不能有效降低总成本,或者将车辆数作为能力约束,造成企业各计划期内需求变化较大时不便于合理设置车辆数等问题,提出一个需求可拆分、动态车辆数的多周期订货—运输集成优化模型。鉴于目前该问题缺乏有效的求解算法,提出一种遗传算法与2-OPT算法相结合的混合遗传算法,针对问题的特点设计了一种二维编码方式来处理多周期订货时间和数量问题,并通过算例验证了模型和算法的有效性。