摘要：针对存在执行器故障、外界干扰和模型不确定的自主式水下潜航器系统(autonomous underwater vehicle,AUV),提出基于全驱系统(fully actuated system,FAS)方法的鲁棒自适应轨迹跟踪误差受限控制策略,使AUV能够渐近跟踪目标信号.首先,将跟踪误差相关的归一化函数和障碍函数与时变尺度函数相结合,提出误差受限全驱系统方法;其次,将径向基函数神经网络(radial basis function neural networks,RBFNNs)与误差受限全驱系统方法相结合处理系统中的不确定模型;进一步,设计自适应补偿机制处理执行器故障;再次基于Lyapunov稳定性理论证明轨迹跟踪误差渐近收敛于零;最后,通过仿真结果验证所设计的鲁棒自适应轨迹跟踪误差受限控制器的有效性.

摘要：手指外骨骼机器人是一种手部康复训练装置,传统的连杆型手指外骨骼机器人通常只考虑远指关节的末端轨迹重合度,未考虑掌指关节和指间关节的末端轨迹,无法保证手指能够自然的屈伸,存在舒适性和安全性问题。基于人机共融外骨骼机构构型综合方法,建立了人机构型的约束方程,提出了人机共融设计方法,认为外骨骼机器人在穿戴后与手指共融为一个整体机构。设计了自适应角度采集设备进行了数据采集实验,并拟合出2个指关节关联性函数,将其引入人机构型约束方程,通过粒子群算法求解并优化了尺度参数,完成人机共融外骨骼机器人设计并仿真分析了其工作空间。搭建了外骨骼机器人样机并进行了实验,结果显示机器人样机具备人机共融特性,能够很好地拟合三关节末端的轨迹,证明了设计方法的有效性。

摘要：针对当前穿戴式外骨骼机构设计缺少系统流程和具体方法,且较少考虑人机共融的问题,提出了基于人机共融的外骨骼机构构型综合及优选方法。在构型综合方面,根据人机共融中穿戴性要求,构建人体肌骨构型(Musculoskeletal configuration,MC),应用“最小闭链单元组合法”建立人机构型(Human-machine configuration,HMC);根据人机共融中运动灵活性要求,利用“二连杆单元插入法”提升HMC自由度并进行构型变换,结合邻接矩阵和“环路顺逆标注法”建立了构型综合的数学模型;在构型优选方面,根据人机共融中人机运动一致性要求,利用复用杆和复用因子指标优选出符合自由度要求的构型。选取食指为例,建立了食指HMC并综合出15种拓扑构型,优选出自由度为3、复用因子总数为4的构型,该构型满足穿戴式外骨骼机构设计中人机共融要求,验证了上述方法的有效性。

摘要：手部外骨骼机构是进行手部康复训练的主要选择之一,其舒适性和安全性主要取决于是否符合人体指关节运动学特征。为了建立准确的指关节运动学模型,首先通过采集手指屈伸过程的医学影像,分析关节运动过程中指骨的接触方式,确定了在关节转动时两指骨的相对运动为滚动与滑动叠加的混合运动,进而证明了指关节运动为非定中心转动。然后,提出“瞬径法”计算连续瞬心轨迹,并通过极坐标变换获取了手指各关节连续瞬心轨迹曲线,并通过能够适应指关节瞬心变化的角度采集设备获取了关节角度变化规律,建立了指关节关联性映射,并分析了关节角度和角速度特征。最后,利用等效瞬心将指关节运动学模型与工程应用相对接,设计了能够定位指关节等效瞬心的跨越式转动副,并将其加装在手部外骨骼机构上进行运动学测试和人机相容性测试,结果表明符合指关节运动学特征的外骨骼机构能够更好地拟合手指生理运动轨迹,在辅助过程中对各指段的压力也更低,证明了模型的有效性。

摘要：脑卒中(stroke)是由于脑部血液供应突然中断或脑血管破裂,导致脑细胞损伤进而损害患者运动和认知能力的一种急性脑血管疾病。融合脑—机接口(BCI)和虚拟现实(VR)的新型康复训练模式,不仅能促进脑网络功能激活,而且能为患者提供沉浸感强、趣味性强的情境反馈。本文设计了融合多感官刺激反馈、BCI和VR的手部康复训练系统,通过虚拟场景的任务引导患者运动想象,获取患者运动意图,进而在虚拟场景下进行人机交互;同时,融入触觉反馈进一步增加患者本体感受,从而实现基于视、听、触觉多感官刺激反馈的手功能康复训练。本研究通过对比分析加入触觉反馈前后的脑电信号数据内不同频段功率谱密度的差异,发现加入触觉反馈后运动脑区被明显激活,运动脑区的功率谱密度在高γ频段有显著提升。研究结果说明,患者在融合多感官刺激的VR—BCI手功能增强康复系统中进行康复训练,能够加速感觉传导通路和运动传导通路的双向促通,从而加速康复进程。

摘要：肌肉协同理论能够用于分析神经肌肉系统的内在功能模式,基于此提出了一种基于肌肉协同分析的功能性电刺激(FES)康复效果量化研究方法。首先,在二维肌肉协同分析的基础上,通过连续小波分解建立了肌电张量,利用CP_ALS算法进行了肌电张量的非负矩阵分解,实现了覆盖空域、频域和时域的三维肌肉协同分析。然后,设计了患者腕伸动作康复实验,以健康被试为对照组,分别对比分析了不同偏瘫程度的患者在进行持续10天的FES理疗前后的腕伸肌肉协同变化。实验结果显示经过FES理疗后,患者的肌肉协同数量有所增加(从2增加到3),空域肌肉协同均达到正相关水平(均值为0.5402),频域肌肉协同增幅最大(增幅均值为0.8271),时域肌肉协同效果最好(均值为0.7979),说明FES在卒中康复中能够有效提升患者的肌肉协同效果。

摘要：在跨用户手势识别研究中,针对单源域迁移学习存在的负迁移和模型泛化性能差的问题,本研究创新性地提出了一种基于肌电-惯性特征融合的多源域迁移学习策略,关键创新点在于整合多个源域的数据,并在此基础上采用域特有特征对齐与域分类器对齐的技术手段。这一方法旨在强化模型在不同用户间的手势识别性能,进而显著提升跨用户手势识别系统的准确性。首先,引入长短时记忆(long short-term memory, LSTM)网络模型,提取肌电-惯性信息的平均绝对值、方差、峰值等时序特征;其次进行域特有特征对齐与域分类器对齐,利用多个源域数据完成对目标域的特征提取;最后融合分类损失、域特有特征差异损失和域分类器差异损失3个损失函数,协同优化整体损失。实验结果表明,所提方法与单源域、源域组合等多种传统方法相比,识别平均率有所提高,在NinaPro DB5数据集上,目标用户的手势识别平均准确率达到80%以上。