人体下肢行走运动特征及肌肉肌腱参数研究

为了提高舱外航天服运动性能,保证航天员舱外活动的灵活性与舒适性,从生物学出发,以人体行走为例,研究了下肢膝关节运动特征及肌肉肌腱参数。首先从解剖学角度对人体下肢肌骨模型进行分析,其次对人体下肢关节的运动学、肌肉肌腱参数与动力学特征等进行研究,最后分析下肢膝关节力矩、角加速度与关节惯量的关系。结果表明:人体下肢膝关节处于最大屈曲位时,关节角加速度几乎同时达到最大;内外侧腓肠肌与股直肌分别在支撑期与摆动期提供重要力量;行走运动中的人体膝关节力矩与角加速度未呈现较好线性关系,但关节惯量与周期(时间)序列可完成较好线性拟合。该结果可为太空环境下的相关研究及舱外航天服的设计提供一定参考。     

基于DSP的三自由度肌电假手实时控制方法

 利用安置在拇长屈肌,指深屈肌和指伸肌上的3个电极所测得的肌电信号,采用所提出的新的模式分类器,可以实现基于DSP的三自由度假手手指运动的实时控制。该分类器采用自回归(AR)参数模型和样本熵的方法构造特征矢量,经过由弹性反向传播(RP)算法构建的3层前馈神经网络的分类,能够成功地分辨出拇指、食指和中指的弯曲与伸展运动,平均识别率可以达到91%以上。实验结果表明,该分类器具有很高的辨识能力,同时由于其较小的计算量,也为嵌入式的多自由度肌电假手控制提供了一种新的控制方法。     

直升机气动与操纵导数的频域辨识方法研究

对频域辨识求取直升机气动与操纵导数方法进行了探索与研究。建立了直升机横航向运动辨识数学模型,并介绍了频域辨识原理;利用直升机模拟器横向扫频飞行测试数据,进行了直升机横航向气动与操纵导数辨识,并对辨识结果进行了时域验证。结果表明,所建立的频域辨识方法正确、可行,具有一定的工程应用价值。     

基于支承向量数据描述的行星齿轮故障诊断技术研究

针对直升机主减速器大传动比行星传动结构故障诊断的需求,本文提出了一种基于行星传动结构振动信号时域、频域特征的故障诊断方法,通过提取行星传动结构时域、频域特征,构建表征行星传动结构典型故障类型的特征向量矩阵,并利用支承向量数据描述的方法在高维特征空间中实现了对行星传动结构故障类型的辨识.     

用小波和神经网络相结合的方法识别人体表面肌电信号

以MALTAB语言作为系统设计工具，将小波分析与神经网络相结合分析人体表面肌电信号。对SEMG信号的识别分为3个步骤：数据预处理，特征的提取，设计分类器分类。首先利用小波分析进行消噪，提取特征；然后采用BP神经网路进行分类、识别；最后通过对分类结果的分析与比较，证明小波与神经网络相结合是一种有效的表面肌电信号的模式识别方法。     

模拟不同重力水平下多种步态中下肢关节运动特征研究

为探索低重力环境对人体行走和跑步时下肢关节运动特性的影响,搭建了一种悬吊式低重力模拟装置,采用惯性运动捕捉系统,对9名男性受试者在常规重力(1g)、模拟火星重力(1/3g)和模拟月球重力(l/6g)条件下的平地行走(速度4 km/h)、平地慢跑(速度7 km/h)和坡地行走(速度3.6 km/h、坡度15°)进行运动测量,得到了不同重力水平下平地与坡地行走和跑步时髋、膝与踝关节的关节活动范围等运动学数据。结果表明,下肢各关节在矢状面上的屈曲/伸展活动范围远大于冠状面的内收/外展和横截面上的内旋/外旋活动。模拟低重力条件下,髋关节和膝关节在各个平面上的活动范围均明显减小,踝关节活动角度无显著变化规律。通过分析一个步态周期内各关节在矢状面上的角度变化发现,低重力条件下,步态运动的支撑时相变短,摆动时相变长,步态更加缓慢,且倾向于采用一种行走-蹦跳的步态策略。基于以上实验结果,梳理出了满足平地与坡地多种步态需求的下肢关节活动范围,并对星际航天服下肢关节配置进行了初步讨论。     

主成分分析和支持向量机在无刷直流电机故障诊断中的应用研究

针对无刷直流电机(BLDCM)故障诊断问题,提出一种基于主成分分析(PCA)和支持向量机(SVM)的故障诊断方法。首先对故障时刻无刷直流电机三相电流进行分析,提取故障特征值;再由PCA从提取的故障特征值中选取敏感特征;最后使用SVM对特征值集合进行训练和测试,实现故障诊断与识别。该方法在6种无刷直流电机典型故障中进行了验证,故障诊断准确率高达92%,证实了该方法的有效性。     

基于过程功率谱熵SVM的转子振动故障诊断方法

针对旋转机械振动过程的复杂性和振动故障产生的随机性以及振动故障样本获取难的问题,在信息熵理论的基础上,融合了支持向量机(SVM)小样本、全局性和泛化性好的优点,提出了过程功率谱信息熵(功率谱熵)SVM的故障诊断方法。结合转子实验台,得到了4种典型振动故障在多测点多转速下的数据,通过计算提取了其功率谱熵特征值作为故障样本,即故障向量,并建立SVM诊断模型,对转子振动故障的类别、严重程度和部位识别诊断,验证了该方法在转子振动故障诊断方面效果良好。     

一种基于肌声信号的穿戴式助力系统运动意图检测算法

针对未来深空探测活动中航天员在多种复杂任务环境下的运动助力需求,提出一种面向航天员穿戴式助力系统的运动意图检测算法。以航天员的关节力矩作为运动意图的表征,利用希尔伯特-黄变换对特定肌肉发出的肌声信号进行滤波处理,以消除由肢体运动导致的伪迹噪声和由传感器引入的高频噪声,并参照肌肉的发力原理对滤波后的肌声信号进行特征值提取,通过机器学习的方法建立肌声信号与关节力矩间的映射关系,使助力系统能够及时准确地识别出航天员的运动意图并实施助力。最后募集了3名志愿者进行了150 000组样本数据关节力矩辨识实验,实验结果表明：所提出算法的决定系数可达0.953 2,能够有效辨识航天员的运动意图。     

姿态遥控模式下的无人机短周期特性辨识仿真研究

为了探索姿态遥控模式下的无人机纵向短周期模态计算方法,本文以某型机为例建立了姿态遥控模式下的无人机动力学模型,并采用纵向倍脉冲信号对无人机进行了激励。根据响应结果,基于低阶等效拟配法,采用遗传算法对无人机的阻尼、频率特性进行了辨识,对比分析了时域以及频域辨识方法的结果,最后将所得方法应用于某型无人机纵向短周期模态特性辨识。结合飞行员评价表明,频域辨识拟配得出的频域特性比时域特性好,拟配精度更高;所采用的低阶等效拟配方法适用于姿态遥控模式下的无人机纵向短周期特性评价。     

基于递推傅里叶变换的飞行器参数在线辨识方法

在线辨识在现代飞行控制系统设计中扮演越来越重要的角色,飞行器模型的在线更新使得人们可以采用更智能的控制方法。基于计算精度和速度的考虑,在线辨识方法通常以递推方式进行,主要分为时域和频域两大类方法。在建立飞行器系统模型结构的基础上,利用频域递推傅里叶变换及最小二乘方法,实现对气动及控制偏导数的在线辨识。针对某飞机纵向通道的在线辨识仿真验证该方法有效,且计算速度和收敛速度快,辨识结果与参数真实值之间的一致性好,方法对传感器噪声有较强的适应性。最后,分析比较了各种典型激励信号对辨识结果的影响,为进行实际在线辨识试验提供了参考依据。     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

基于排列组合熵的转子振动信号故障诊断SVM方法研究

针对发动机转子的多种故障模式,提出了基于排列组合熵的SVM故障诊断方法。利用转子实验台,模拟了转子正常、转子不平衡、转子不对中、动静碰磨和基座松动5种典型振动模式,并使用振动传感器采集多路振动数据。计算振动数据的排列组合熵并将其作为故障特征向量,对特征向量样本集进行多级SVM分类诊断,并运用小波包能量特征提取方法提取信号特征。实例计算与结果对比表明,本文方法的正确率要高于基于小波包能量提取特征的SVM分类诊断方法,在提取转子振动信号的特征向量及在小样本下的故障分类诊断等方面,具有可行性和有效性。     

一种基于 KFCM的 SVM遥感图像机场目标分类算法

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法(KFCM)用于处理遥感数据的不确定性问题,并通过聚类分析后的目标子图,剔除非目标样本的同时保留了目标样本,较好地解决了样本不平衡问题。将基于KFCM的SVM分类算法用于遥感图像机场目标的分类,实验结果和性能分析表明该算法分类性能优于传统SVM算法。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

基于1-DISVM的聚类模型及直升机齿轮箱故障诊断应用

针对当前故障诊断中存在的训练样本少、知识难获取的问题,结合SVM小样本学习的特点,提出一种基于SVM的自学习聚类模型。通过改进无监督1-SVM算法上的不足,形成一种改进决策1-SVM(1-DISVM)算法,由此构建了多模式训练与分类算法,并设计出基于1-DISVM的自学习聚类模型。最后对其进行仿真验证,并应用于直升机齿轮箱的故障诊断,结果表明该方法能从少量样本中自学习输入模式的内在规律,自适应地对未知故障模式进行准确地分类识别。     

基于数据融合的模拟低重力步态识别方法

针对有动力航天服在进行主动助力时对人机系统下肢行走状态感知的需求,提出了基于数据融合的步态识别方法。首先设计了同步多源传感采集方案,分析了模拟低重力下的运动特点;将多源传感信息进行数据融合,针对不同运动模态和行走步态提取特征,基于模糊有限状态机进行步态相位划分。最后,在搭建的模拟低重力试验系统进行了运动测试验证,实测验证了本方法适用于平地行走和上下台阶等不同运动模式,获得了较高的识别准确率。     

飞机从向等效系统识别与评价的应用研究

本文运用时域和频域的等效系统法,针对几种典型的短时信号激励,通过ＢＷ－１变稳机研制试验收度飞和应用研究试飞,进行了大量的纵向等效模型参数识别。最后基于部分识别结果,依据美军标ＭＩＬ＿Ｆ－８７８５Ｃ的要求,从飞行品质的评判方面作了一些初步的探讨 。     

测试转台宽频带系统的前馈控制器设计方法与仿真

分析了前馈控制器在提高系统跟踪性能中的作用并利用正弦信号幅相自适应控制原理提出了一种基于频域模型参数辨识的宽频带前馈控制器设计方法,系统仿真显示控制器设计能够使系统的频域和时域特性得到改善。前馈控制器特性参数可在线测试,从而减少了模型估计不确定性的影响。     

基于融合信息的转子振动故障SVM诊断方法

通过提取信息特征,提出基于融合信息的转子振动故障支持向量机(SVM)诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息特征;最后,将提取到的信息特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明:将信息特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.