基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.     

超高加速度宏微运动平台连接臂的疲劳分析及优化设计

提高连接臂的疲劳寿命对于宏微运动平台超高加速度和超精密定位的实现起着非常重要的作用。文中针对超高加速度宏微运动平台关键部件连接臂展开研究：采用SolidWorks软件搭建连接臂模型，通过有限元分析软件ANSYS Workbench对连接臂进行静力分析、疲劳分析。为了提高连接臂疲劳寿命，以满足连接臂的工作要求为约束条件，以连接臂的质量最小、寿命最高为优化目标进行拓扑优化研究。基于拓扑优化结果，对模型进行优化，所获得的优化后的连接臂模型与优化前模型进行对比，结果表明优化后的连接臂在质量减少的同时大幅提高了寿命，这为超高加速度宏微运动平台实现超精密定位提供了理论支持。     

基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

智能假肢膝关节的研发要点及其研究进展综述

目的 介绍国内外智能假肢膝关节研究的主要进展,为相关领域的研发提供可借鉴的思路.方法 基于机械结构、调控方式、驱动方式,对典型假肢膝关节进行了分类比较,并从假肢穿戴者的运动意图识别、驱动控制、人机协调控制等方面做了分析.此外,对假肢膝关节在智能化研究与安全性、个性化与通用性、人机共融技术、科学伦理、关键技术等方面需要注意的问题,提出了研发要点和技术思路.结论 智能假肢膝关节应注重安全性与稳定性,规避用户在使用过程中的潜在危险因素;实现假肢控制参数的自整定和灵活适配,在个性化与通用性上达到平衡;综合考虑人—机—环境因素,实现协调控制;坚持"以人为本",在技术方法和科学伦理两个方面开展医工结合的研究;突破关键技术限制,建立完善的社会医疗康复保障服务体系.     

一种基于YOLO算法的口罩佩戴检测研究

介绍了机器学习的基本概念和常见类别(有监督学习、无监督学习、强化学习),介绍了深度学习的概念、基本技术以及它与机器学习的关系,研究了基于神经网络的的YOLO算法在实际生活中的应用,如检测目标人物是否佩戴口罩,并对实际模型的性能进行评估及模型优化方向作思考.     

电容式力感知牙周探针设计建模与实验研究

针对当前牙周探针在探诊力控制方面的不足,提出一种基于悬臂梁挠曲效应的差动电容式力感知牙周探针解决方案,设计了探针验证结构,建立了探诊力作用下具有不规则形状的探针工作尖的挠曲模型,导出了探诊力和差动电容之间的求解方程,并通过仿真和实验对模型与方程进行了验证。结果表明,所建立的探针工作尖挠曲模型与静应力仿真结果的最大相对误差不超过±4.5%,所设计的力感知牙周探针多次重复探诊力检测实验的标准差小于均值的0.1%,所导出的求解方程的计算值与实验数据之间趋向一致,以探诊力为拟合权重进行修正后全量程的平均偏差为2.49%,具备进一步产品开发的可行性。     

基于全U网络的混凝土路面裂缝检测算法

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和U-net模型,提出一种全U型网络的裂缝检测算法。首先,依照原U-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原U-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原U-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

专家模糊控制的氩氧精炼炉口喷溅抑制系统研究

低碳铬铁冶炼过程中由于物料反应不均衡,会导致喷溅的发生,这不仅会导致设备的损坏,严重可能会导致人员的伤亡。为了降低喷溅发生率,根据所采集的不同工况炉口火焰图像进行图像预处理,同时结合专家系统分析,从而抑制喷溅的发生。通过对AOD炉正常工作和三种不正常工作状态的炉口火焰进行检测、预处理、特征提取等技术分析,实现专家系统模糊控制技术,并对不同图像灰度值分别进行氧气、氮气、氧枪高度、泡沫抑制剂的控制,使AOD炉控制在正常冶炼的范围内,从而达到冶炼过程中喷溅抑制的自动控制。