摘要：针对传统纯意念运动想象脑控范式和稳态视觉诱发脑控范式存在范式训练难度高、设备集成复杂及高成本、不易随身携带等问题,借助表情辅助脑电信号适应性广、识别率高和易于便携化系统集成的优势,提出了基于表情辅助的假手脑控方法;研究构建了一种基于表情辅助的假手便携可穿戴脑控系统,包括硬件选型设计与系统组建,及表情辅助脑电信号分类识别算法和假手控制算法的设计研究与软件模块开发等,实现提眉、皱眉、左撇嘴和右撇嘴4种辅助表情脑电信号的检测识别,对应完成假手的手指张开、手指闭合、手腕内旋和手腕外旋4个动作的控制,并进行在线实验验证。结果表明:基于表情辅助的假手脑控方法不仅优于传统的稳态视觉诱发脑控范式(去掉了系统中原所必须的稳态视觉诱发器),而且优于纯意念运动想象脑控范式,平均在线识别与控制准确率高于85%。

摘要：为了解决高精度数控机床主轴系统热误差的难题,提出了一种主动控制主轴热误差的新方法.根据设计的螺旋盘管冷却器,分析了硅脂厚度对主轴与冷却器间的接触热阻的影响规律,建立了热阻模型.在简化主轴系统模型的基础上,构建了主轴系统的热-流-固有限元模型,并对冷却参数进行了仿真.利用搭建的温度控制系统,对有限元模型进行验证.结果表明,有限元模型能有效预测主轴系统热特性的变化规律,其冷却器的换热效率高,热平衡时间缩短了约68%,热误差减小了约19%.本研究为精密机床主轴热误差控制提供了一种新思路.

摘要：针对传统路径规划算法仅能规划单一最短路径且不能调节路径宽度而难以适用于自主式水下航行器(autonomous underwater vehicle,AUV)集群航路规划的缺陷,提出了精英族系遗传算法(elite family genetic algorithm,EFGA)。该算法将基因适应度加入适应度评价函数中,同时在进化过程中标记精英个体作为多路径规划结果,并在该算法基础上针对AUV集群路径规划问题设计了一种多智能体路径规划(multi-agent path planning,MAPP)方法。仿真结果表明,该算法可以求解无冲突路径集合实现MAPP,通过实现AUV集群的最优多路径航行方案减少集群的航行耗时,且能够满足不同AUV编队规模对可调路径宽度的需求。

摘要：磁控形状记忆合金(Magnetic shape memory alloy, MSMA)是近年来新兴的一种智能材料,兼具传统智能材料如压电和超磁致伸缩材料响应快以及温控形状记忆合金应变大的特点,非常适合作为高性能驱动元件。在分析MSMA变形机理的基础上推导出材料的本构方程,引入温度作为材料变形影响因素修正了模型,并改进现有方程在材料预压力不为零时无法准确描述其变形的不足。试验测试了MSMA材料的变形特性,并基于试验数据建立神经网络模型以模拟变形过程中应力、应变等参数的非线性耦合关系。试验结果表明,该材料的体积能量密度可达70 kJ/m^3,而能量转换效率高达80%。以高速开关阀为例研究了MSMA驱动高性能液压阀时的输出特性,完成了阀的结构设计、驱动器磁路和阀的流场仿真。阀芯驱动系统动态分析结果表明,MSMA直接驱动液压阀芯系统频率可达200 Hz以上,动态响应时间为5 ms。

摘要：脑瘫步态康复机器人可以克服传统步态康复手段治疗师人数、精力、经验不足等缺点,提供持续、高特异性和高强度的康复辅助治疗。本文总结了初步临床的脑瘫步态康复机器人的研究现状,并探讨了相关技术的不足与发展方向。首先,对脑瘫病理特点、运动症状和传统康复手段的不足进行了介绍。然后,对14款典型脑瘫步态康复机器人从机械结构、病例特性及临床实验设计等3个方面进行综述。进而,从脑瘫步态康复机器人的设计思路、整体结构、辅助形式和辅助关节以及临床试验的受试者、辅助策略、实验设计和临床评估等方面讨论分析了现有研究的局限性,并对相关技术的发展趋势进行展望。

摘要：针对单兵救援人员对装甲车内伤员实施救助时体力不足的问题,开展外骨骼辅助救援者的设计与特性分析研究。通过对人体弯腰提升过程运动机理的研究,开展救援外骨骼的机构设计、运动学与动力学分析。基于分散负载的理念,融合外骨骼方案和外肢体方案,提出一种辅助人体提升重物的并联助力机构,设计一种单兵救援提升助力系统,完成救援外骨骼的样机研制并通过实验验证了样机运动的有效性。研究结果表明:救援外骨骼机器人能够实现救援者提升过程的运动需求,并能够实现分散救援者负载、提高救援效率的目标。

摘要：下肢康复机器人以其诸多的优势而逐步取代传统的康复治疗手段。在论述下肢康复机器人及其人机交互控制方法研究现状的基础上,针对下肢康复机器人对患者运动意图与运动能力感知的双重需求,提出了一种基于表面肌电信号的受试者运动状态的精密感知方法,包括表面肌电快速识别人体步态事件、表面肌电连续解码人体下肢关节运动角度,以及表面肌电定量预测人体下肢主动关节力矩。为了实现患者自主引导和下肢康复机器人按需辅助训练,深入讨论分析了下肢康复机器人的系统设计和基于表面肌电精细感知的人机交互控制方法。最后,展望了下肢康复机器人的未来研究方向与内容。

摘要：针对精密操控中人-机之间缺乏信息双向交互,以及人的精神状态变化会严重影响肢体操控的精度和安全性等问题,提出了一种引入深度强化学习思想的脑-机协作精密操控方法。首先,结合人在上层规划与机器在精细控制上的各自优势,建立由主动操控和被动调控组成的双环路人-机信息交互机制;其次,引入深度强化学习思想,从蒙特卡罗采样原理出发,以表征精神状态的脑电信号(EEG)作为模型的输入,以机器人速度指令作为模型的输出,推导出脑-机协作方法的数学模型;再次,建立具有3个全连接层的精神状态感知网络,从脑-机接口系统的实时监测计算机内存中提取最后1000 ms的EEG作为输入信号,设计开发脑-机协作精密操控算法。最后,创建轨迹跟踪虚拟环境和任务场景,对脑-机协作精密操控方法进行了实验验证,结果表明:该方法在轨迹跟踪任务的控制精度和完成时间指标上均得到了提高;相较于传统方法,该方法的平均轨迹跟踪精度和完成时间指标分别提高了36.55%和22.81%。

摘要：针对下肢运动功能障碍患者无法产生强烈主动运动意图造成外骨骼机器人在康复运动辅助时人机交互性差的问题,提出了一种虚拟诱导患者下肢主动运动意图及其脑电精准感知方法。首先,分析影响患者运动意图产生的因素,建立基于大脑注意机制的虚拟诱导患者意图产生模型,形成基于脑电信号的人机交互策略;然后,设计并搭建数据驱动沉浸式三维虚拟诱导场景,激发患者大脑产生主动运动意图;进而,采集患者脑电信号,通过基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的伪迹去除方法进行信号预处理;最后,利用深度卷积神经网络实现对患者运动意图的精准识别。实验结果表明:虚拟诱导方法能够有效增强受试者脑电信号特征,运动意图识别率明显提高,相比常规方法,采用虚拟诱导方法后,静息状态识别准确率达到80.5%,提高了10.33%,产生意图识别准确率达到92.17%,提高了20.5%,稳定维持在较高水平,为外骨骼机器人实现按需辅助控制奠定了基础。

摘要：针对现有助行机器人防老年人跌倒的安全保障措施不够完善、模型存在局限性的问题,建立了防止老年人跌倒的助老机器人人机系统动力学模型,对人机系统的动态稳定性展开分析研究。首先,建立了人体倒立摆动力学模型,得到了人体动态稳定性区域以及人体跌倒的可能形式;其次,分别从前倾、后倾、左倾和右倾4种情况建立了防老年人跌倒的人机系统动力学模型,并给出了系统动态稳定必须满足的约束条件;最后,通过求解人机系统动力学方程对人体和助老机器人的动态稳定性分别进行了分析判断,并搭建了实验平台,分别对4种情况进行了实验,验证了模型的有效性。实验结果表明:在4种情况下,助老机器人的倾角均小于1°,人体的倾角均能在短时间内迅速下降至0°,所建人机系统可满足动态稳定性要求,所设计的助老机器人在帮助使用者进行户外行走过程中,能够起到防止老年人跌倒的目的。所提基于动态稳定性分析的动力学模型可为同类机器人控制研究提供理论基础,有助于助老机器人实用化。