步行器测力系统多传感器信息融合技术研究

论文摘要

下肢残疾是一个庞大的群体,其康复训练的监控和效果评估对患者具有重要意义,也是残疾人康复工程中尚未解决的难点问题。本文采用近年来迅速发展起来的多传感器信息融合新技术研究提取上肢力信息(柄反作用矢量HRV)的方法,并尝试用于康复训练监测和效果评估,以探索解决上述难点的新途径。为了有效提取上肢力信息,本文主要做了如下工作:1.结合步行器实际使用情况,对步行器结构进行了受载测试,运用有限元分析方法,从理论上对不同比例作用力情况下和施力作用点在一定范围移动情况下步行器形变和弯矩相对输出分布进行了分析。其结果为下一步步行器测力系统多传感器位置的选择提供了良好的理论依据,确保多传感器融合的有效进行。2.采用间接方法测量上肢力,并从理论上系统地论证了其可行性。该方法有效地避免了直接测量对步行器使用者的心理干扰与恐惧,从而保证了测量数据的准确可靠获取。3.建立了基于柄反作用矢量(HRV)的步行器间接测力系统,可通过步行架上的12套应变片电桥有效地提取上肢力信息,并依据冗余—优化算法原理进行系统的静态线性标定。4.采用多传感器数据经人工神经网络融合方法提取、处理和标定上肢力信息。实验结果表明,与传统的线性方法相比,多传感器信息神经网络融合方法的单向力精度误差最大为7.78%,低于线性方法的8.45%;数据融合的交叉干扰最大为7.49%,也远小于线性方法的19.96%。即人工神经网络的数据融合与标定法可有效地提高受载力的测量精度并减小交叉干扰,可望为康复训练的监控和效果评估提供新思路。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 步行器的应用
• 1.1.2 步行器分类及适用人群
• 1.1.3 步行器使用监测和效果评价
• 1.2 研究内容及意义
• 1.3 多传感器信息融合
• 1.3.1 信息融合的基本概念
• 1.3.2 多传感器信息融合在本研究中的应用
• 第二章 步行器有限元分析基础
• 2.1 弹性力学的概念
• 2.2 弹性力学的基本假设
• 2.3 应力、应变、位移的概念
• 2.3.1 应力
• 2.3.2 应变
• 2.3.3 位移
• 2.4 空间梁单元刚度矩阵
• 2.5 FEA求解步行器的基本思路
• 第三章 基于HRV的步行器结构有限元仿真
• 3.1 步行器建模
• 3.1.1 前置处理
• 3.1.2 步行器求解
• 3.1.3 步行器后置处理
• 3.2 步行器仿真结果分析
• 第四章 步行器HRV信号检测
• 4.1 压力应变片应变原理
• 4.2 应变片电桥测量原理
• 4.3 应变片的选择和粘贴
• 4.4 应变片信号的检测
• 第五章 步行器测力系统多传感器数据融合
• 5.1 HRV的测量前提
• 5.2 冗余-优化方法
• 5.3 步行器测力系统的线性标定
• 5.3.1 静态标定
• 5.3.2 误差检验
• 5.4 步行器测力系统的非线性标定
• 5.4.1 基于人工神经网络的数据融合
• 5.4.2 BP神经网络数据融合在步行器测力系统标定中的应用
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢