基于阵列MEMS磁传感器的测量与标定方法

针对MEMS磁传感器存在测量噪声大的问题,利用MEMS磁传感器体积小的特点,设计了阵列形式的MEMS磁传感器测量模块,减小了测量噪声对标定结果的影响。通过合理的硬件设计,实现同一时刻采集32个MEMS磁传感器信号。在硬件设计基础上,通过对阵列MEMS磁传感器建模与分析,设计了基于阵列MEMS磁传感器的标定方法。通过仿真及实物系统实验,验证了所提出方法的有效性。系统实验结果表明,采用阵列MEMS磁传感器标定结果的归一化模值标准差较单个磁传感器减小了70%。     

四连杆膝关节假肢的动力学建模与分析

相比于单轴式膝关节,四连杆膝关节具有更好的仿生特性和运动安全性,因而在下肢假肢研究中得到广泛关注. 本研究以一款四连杆膝关节被动假肢为研究对象,主要关注足-地交互作用力以及膝关节单边接触力等强非线性因素对下肢假肢步态的影响. 为此,采用 Kelvin-Voigt 模型和库伦模型描述足-地接触力和摩擦力,并采用 Kelvin-Voigt 模型描述膝关节单边接触力,从而基于第一类拉格朗日方程建立假肢动力学模型. 本研究以步态实验测得的髋关节运动数据为模型的驱动信号,针对假肢的步态特征进行了数值分析. 计算结果显示,当膝关节液压阻尼器的刚度较小时,强非线性作用力会使假肢产生显著的亚谐波响应,进而导致步态周期失谐. 进一步研究发现,提胯行为能够避免步态周期失谐,这也为残疾人行走时的提胯等代偿行为提供了一种新的力学解释. 为了评价假肢步态与健康人实测步态的一致性,本研究进一步定义了步态相关系数并分析了膝关节液压阻尼器刚度、阻尼参数对相关系数的影响. 结果表明,通过合理的刚度、阻尼参数设计,两者步态的相关系数可达到 0.9 以上,这为四连杆膝关节被动假肢进一步优化提供了理论支撑.      

一个关于凸集强分离的充分必要条件及其应用

该文首先给出了关于两个非紧凸集可被强分离的充分必要条件，它是[1，2]中一个定理的改进，然后利用它改进了[4-7]中一些定理和[8]中的一个结果．     

G谱估计的渐近性质

本文首次证明了G谱估计用来估计实正态的ARMA模型的谱密度时是渐近正态的。同时,进一步给出一个例子,说明它不是优效渐近正态的。     

一类多维指数分布的参数估计

考虑生存函数为(F)(x1,x2,…,xn)=P{X1＞x1,…,Xn＞xn}=exp{-[n∑i=1(xi/θi)1/δ]δ}(0＜xi＜∞,0＜δ≤ 1,0＜θi＜∞,i=(1,n))的一类多维指数分布,给出了它的密度函数的表示式,并讨论了它的性质.提出了相关参数δ的估计(^δ),证明了(^δ)有相合性和渐近正态性,得到了(^δ)的渐近方差σ2δ.最后还给出了若干随机模拟的结果.     

Global Chaos Synchronization between Two New Different Chaotic Systems via Active Control

We present chaos synchronization between two new different chaotic systems by using active control. The proposed controller ensures that the states of the controlled chaotic response system asymptotically synchronizes the states of the drive system. Numerical simulations are shown to verify the result.     

NA序列部分和的矩完全收敛性

讨论了NA序列部分和的矩完全收敛性,在一定条件下获得了NA序列矩完全收敛的充要条件,显示了矩完全收敛和矩条件之间的关系,将独立同分布随机变量序列矩完全收敛的结果推广到NA序列,得到了与独立随机变量序列情形类似的结果.     

中立型大系统的渐近稳定性

文[1]—[3]研究了中立型大系统的稳定性,获得了一些较好的结果。对相对中立型系统来讲,滞后线性系统的稳定性理论已比较完善。本文所提供的方法能较有效地克服判断中立型大系统稳定性的困难,所获得的结果不同于所有已知结果,并补充了这方面的研究。 1.线性系统我们考虑线性中立型大系统     

具有周期孔洞和振荡系数的二阶椭圆算子谱分析与数值模拟

讨论具有周期孔洞和振荡系数的二阶椭圆算子的谱问题，得到该问题的多尺度渐近分析公式，并给出数学证明. 文中数值结果也验证了该方法的有效性.     

随机函数的几乎处处中心极限定理

设{X_n,n≥1}是独立同分布随机变量序列,EX_1=0,EX_1~2=1．设S_n=∑_i~n=1 X_i,T_N=T_N(X_1,…,X_n)是随机函数且T_N=AS_N+R_n．我们证明若supE|R_n|＜∞,R_n=o n~(1/2)a．s．或R_n=O(n~(1／2-2γ))a．s．(0＜γ＜1／8),则对随机函数T_n几乎处处中心极限定理(简记为ASCLT)和函数型几乎处处中心极限定理(简记为FASCLT)成立．由此作为推论,可得对U统计量、Von-Mises统计量、线性过程、移动平均过程、线性模型中误差方差估计、功率和、连续分布函数的乘积极限估计和分位点函数的乘积极限估计等均成立着ASCLT和FASCLT．