表面肌电信号在脑卒中患者上肢运动功能康复中的应用

目的:为脑卒中患者提供一种可视、有趣的游戏训练方式,有效地帮助患者恢复上肢运动功能.方法:在建立一套良好的硬软件系统后,借助虚拟现实技术,将患者手臂肌肉的表面肌电信号(sEMG)和运动传感器信号结合起来完成游戏.结果:患者在该游戏中得到了良好的视觉反馈,上肢运动功能康复效果明显,训练积极性增强.结论:使用sEMG信号可以有效帮助脑卒中患者进行康复训练,康复训练过程有趣实用.     

基于光电容积脉搏波的精神疲劳评估方法

目的 针对精神疲劳难于定量评估的问题,本文探索一种非侵入式可穿戴检测方法获取人体生理参数,从而实现对人体精神疲劳的定量评估。方法 搭建光电容积脉搏波（photoplethysmography,PPG）采集平台,采集20名健康在校生的PPG信号,对PPG信号进行预处理和特征提取,获取时域、频域共143维特征。使用机器学习算法建立分类模型,对于Pearson相关系数法、F检验和relief-F得到的特征权值,选择最优的特征子集,使用降维后的特征子集训练模型,减少复杂度和过拟合概率。结果 与实际状态对比,基于该方法的单个体疲劳检测平均准确率为92.48%,多个体疲劳检测准确率最大值为92.2%,可以有效地识别精神疲劳。结论 光电容积脉搏波信号经过时域和频域分析构建的特征能够使用机器学习算法进行准确的精神疲劳状态分类评估。     

基于心率变异率的人体疲劳度评估模型

目的构建一种信号采集方便、准确度高的人体疲劳度评估模型,以帮助人们及时地做出疲劳预警。方法首先使用MAX30102传感器采集包含大量与人体生理和病理相关信息的光电容积脉搏波(photoplethysmography, PPG)信号;然后对PPG信号进行消除噪声干扰和基线漂移的预处理,再运用差分阈值法提取心率变异率(heart rate variability, HRV)信息,利用隐马尔可夫模型(hidden Markov model, HMM)理论建立基于HRV的人体疲劳评估模型;最后随机选取10位志愿者的数据利用Baum-Welch算法对模型参数进行训练优化后得到状态转移概率矩阵A和观测值概率矩阵B,随机选取3位精神状态转变模式不同的志愿者数据并运用Viterbi算法求得最优状态,与实际状态进行对比。结果所建模型对3位志愿者的疲劳评估准确度都达到了80%以上,具有较高的准确度。结论运用HMM理论构建的基于HRV的人体疲劳评估模型能够准确评估人体的精神状态,具有广阔的应用前景。     

波形折流杆换热器的工业实验研究

对波形折流杆换热器的传热性能和壳程流体阻力性能进行了工业实验研究，管程流体为工业热醋酸，壳程流体采用循环冷却水。通过实验得到了该换热器在设计工况下的总传热系数，并应用修正的威尔逊图解法得到了管程、壳程传热准数关系式。