基于指数积的上肢康复机器人运动学分析

目的:为了简化上肢康复机器人构型分析,清晰描述上肢康复机器人末端相对基坐标系的位姿描述。方法:基于旋量理论计算出各关节相对基坐标系的旋量坐标,采用指数积形式,给出了上肢康复机器人末端运动学方程。在给定杆长和关节角度限制范围情况下,采用蒙特卡洛法对末端运动空间进行了仿真分析并利用Matlab绘制了末端运动空间随机位置点云图。结果:采用指数积形式建立的末端运动学方程表达方式简单,计算出的位置随机点云图可近似逼近真实运动空间。结论:旋量坐标将上肢康复机器人各关节运动关系描述统一化,几何概念清晰、物理意义明确。蒙特卡洛计算方法随机、快速的在各关节转角限制范围内进行取值并组合,能够简化计算过程,可通过增加随机点选取数量获得更加精确的运动空间。     

推进养老机构规范化管理的研究——加强专业化养老服务水平和提高标准化管理水平

现今,我国人口老龄化形式十分严峻,到2015年我国60岁以上老年人口将达到2.16亿,养老任务压力日益增大,加强机构养老服务能力迫在眉睫,本文介绍了相应的扶持机构养老的具体措施和未来养老服务的展望。本文就我国人口老龄化形势、我国养老形势、机构养老和半失能老年群体养老问题、应对人口老龄化解决养老问题的措施、总结和展望5个方面进行综述。     

智能膝关节假肢的技术发展与趋势分析

<正>膝关节假肢根据其力矩实现的方式可以分为被动式、半主动式和主动式~([1])。传统的膝关节假肢产品均为被动式或半主动式,此类假肢能够通过弹性元件(弹簧)和储能元件(液压缸、气压缸等)在支撑期储存能量,同时给予一定阻尼,保证支撑的稳定性,在摆动期释放能量并助伸,从而实现膝关节屈伸运动。由于这种膝关节行走过程中阻尼不能随时调     

基于核函数极限学习机和小波包变换的EEG分类方法

目的为实现运动功能障碍患者的运动意愿,基于脑-机接口(brain-computer interface,BCI)的康复训练技术是近年来的研究热点。脑-机接口的关键技术是快速准确地识别出与运动想象相关的脑电模式。针对脑电信号非平稳及个性化差异等特点,利用小波包理论和核函数极限学习机(extreme learning machine,ELM)方法,提出一种自适应的特征分类方法来提高脑电信号的分类识别率。方法由于小波包存在着频带交错的现象,所以首先利用距离准则将自适应提取的最优小波包的平均能量作为特征向量,并采用核函数ELM方法进行分类。最后利用BCI竞赛数据进行了脑电信号特征分类的仿真研究,并对不同算法的分类识别率进行仿真分析。结果自适应特征分类方法对用于实验的脑电数据的平均分类识别率达到97.6%,对比ELM、神经网络(back propagation,BP)和支持向量机(support vector machine,SVM)分类方法,核函数ELM方法在分类时间和识别精度上效果最佳。结论本文提出的脑电信号分类方法取得了较高的分类识别率,适用于脑电信号的分类应用。