基于差分进化算法下肢康复机构的优化设计

文章针对基于运动轨迹的单自由度下肢康复机器人存在的足部踏板速度突变问题，提出一种平面连杆机构尺度综合的优化方法。对下肢康复机构进行运动学分析，建立正逆解的数学模型，构建机构的凸轮曲线与足部轨迹的运动学关系；采用差分进化算法对下肢康复机构进行尺度综合分析，通过构造优化目标函数优化模型中的各参数，得到一组机构参数的最优解。优化结果表明，采用差分进化算法优化后，可以降低下肢康复机构足部踏板的速度突变，提高装置的稳定性，同时保证足部步态轨迹与正常步态轨迹基本重合。研究结果表明，该优化方法可以为下肢偏瘫患者提供科学的康复训练轨迹，有助于其康复训练。最后，文章提出一种基于层次分析法(analytic hierarchy process, AHP)的下肢功能康复评估指标体系，并建立一种以综合指标为基础的评估方法，该指标能够真实地反映患者在康复过程中的训练效率，使康复训练方式的选择更加科学、高效，更好地满足患者的康复需求。     

基于FPGA并行加速的脉冲神经网络在线学习硬件结构的设计与实现

当前，基于数字电路的脉冲神经网络硬件设计，在学习功能方面的突触并行性不高，导致硬件整体延时较大，在一定程度上限制了脉冲神经网络模型在线学习的速度。针对上述问题，文中提出了一种基于FPGA并行加速的高效脉冲神经网络在线学习硬件结构，通过神经元和突触的双并行设计对模型的训练与推理过程进行加速。首先，设计具有并行脉冲传递功能和并行脉冲时间依赖可塑性学习功能的突触结构；然后，搭建输入编码层和赢家通吃结构的学习层，并优化赢家通吃网络的侧向抑制的实现，形成规模为784～400的脉冲神经网络模型。实验结果表明：在MNIST数据集上，使用该硬件结构的脉冲神经网络模型训练一幅图像需要的时间为1.61 ms、能耗约为3.18 mJ，推理一幅图像需要的时间为1.19 ms、能耗约为2.37 mJ，识别MNIST测试集样本的准确率可达87.51%；在文中设计的硬件框架下，突触并行结构能使训练速度提升38%以上，硬件能耗降低约24.1%，有助于促进边缘智能计算设备及技术的发展。