生物医学工程专业毕业论文 [精品论文] 步行器测力系统多传感器信息融合技术研究

《生物医学工程专业毕业论文 [精品论文] 步行器测力系统多传感器信息融合技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、生物医学工程专业毕业论文[精品论文]步行器测力系统多传感器信息融合技术研究关键词：步行器测力系统多传感器信息融合有限元分析人工神经网络康复训练摘要：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

2、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

3、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。正文内容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

4、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

5、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.

6、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。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

7、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

8、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