基于神经网络的水下机器人力控策略研究

水下机器人抓取物体时,物体与指尖存在力控制问题,但是由于动力学模型、被抓取物体位置和刚度的不确定性,采用传统阻抗控制方法不具有鲁棒性,因此对基于位置的神经网络阻抗控制方法进行了研究,构建了基于位置的神经网络阻抗控制器,采用三层前向反馈神经网络构建补偿器结构,基于 BP算法和Delta学习规则,得到了反向传播的更新规则;该神经网络控制系统具有很强的自适应性,可以很好地完成机器手抓取物体的任务;在水下机器人单手指上分别对软性材料(泡沫)和硬性材料(木块)施加5N恒定力进行反复的实验,结果表明,该方法具有较好的补偿和控制效果,为水下机器人的准确抓握和合理操作奠定基础。     

基于注意力机制和深度学习的运动想象脑电信号分类方法

脑机接口(Brain Computer Interface,BCI)作为一种新型的信息沟通与控制手段,是一个涉及神经科学、信号处理以及模式识别等多个学科的交叉研究课题.基于运动想象的BCI系统被认为是最具发展前景的一种脑机接口系统.针对基于机器学习方法构建脑电特征与运动想象之间的映射关系进行分类时,现有方法仍存在无法兼...     

肝脏虚拟外科手术切口的渲染

虚拟外科手术电脑模拟的特点是手术器官表面切口的视觉呈现,而这种呈现通常具有最小的可视化范围,因此对切口模型高真实感呈现提出了较高要求。本文通过实时生成新的虚拟手术切口的几何图形和纹理图,研究了模拟和渲染肝脏虚拟手术切口的可行性。用于表面可视化的切口纹理在运行时生成以提高实时性能,并提出一种扩展的次表面散射方法,以便切口周围区域局部变色自然。该方法完成切割到切口真实感呈现约在150毫秒以内,可以增加在实时应用中虚拟手术切口的高真实感。