一、“运动生物力学中加速度的直接测量”（论文文献综述）
王佳伟,刘晔[1]（2022）在《运动协调理论模型与量化方法的演进》文中指出背景:运动协调是人体运动能力的重要组成部分,探索其规律对了解人体在运动中的神经-肌肉-关节三者的协调控制具有重要意义。目的:通过系统分析国内外关于运动协调的研究文献,梳理运动协调理论模型和量化方法的演进过程。方法:检索Pub Med、Web of Science、EBSCO、CNKI中国期刊全文数据库收录的相关文献,英文检索词主要为"motor coordination,segment coordination,muscle synergy,equilibrium point,uncontrolled manifold",中文检索词主要为"运动协调,关节耦合,关节协调,肌肉协同,矢量编码,运动控制",检索时间不限,最终纳入111篇文献进行归纳总结。结果与结论:目前在运动协调理论模型中,动态系统理论、非控制流形假说、肌肉协同假说的应用最广、价值最大,对应的量化方法也不断演进,其中连续性分析方法对探究周期与非周期性相对运动的关节协调特征具有较大潜力,肌肉协同分析方法可用于识别不同人群的肌肉协同策略。建议中国的运动协调能力研究,在提高基础理论探索与各类量化方法使用的基础上,结合分析关节协调模式和神经肌肉的协同控制策略,以更好地了解神经-肌肉-关节三者的协调规律。
穆桂脂[2]（2021）在《仿垄式甘薯秧回收机粉碎抛送关键技术与装置研究》文中指出甘薯秧产量大,是良好的饲料,人工割秧清运劳动强度大、成本高,机械粉碎还田不但造成资源浪费而且易引起薯地病虫害传播,实现甘薯秧机械化粉碎回收作业是甘薯种植产业轻简化生产急需解决的难题。针对甘薯垄作种植,薯秧匍匐贴地生长、秧茎交错缠绕难以切割回收的问题,本文重点对单垄单行种植甘薯秧机械化收获中的切割粉碎、抛送回收关键技术进行了理论分析与试验研究,解决了垄形沟底薯秧难回收、薯秧粉碎质量差、抛送收集回落等技术问题,研究结果为实现甘薯秧高效粉碎回收机的开发提供理论基础与方法。主要研究内容与结果如下:（1）基于甘薯秧茎秆力学试验测定了其机械特性参数,采用直接测量和虚拟标定结合的方法获得了甘薯碎秧茎叶离散元仿真参数。利用万能试验机测试了典型品种甘薯秧的茎秆弹性模量、剪切模量和泊松比,分析了其含水率与剪切特性及收获时间的关系;通过直接测量法得到碎秧本征参数,利用Plackett-Burman试验、最陡爬坡试验和Box-Behnken优化试验标定了甘薯碎秧颗粒间碰撞恢复系数、静摩擦系数和滚动摩擦系数等,为甘薯秧机械粉碎回收机构设计和碎秧离散元分析提供理论依据。（2）基于单垄单行的甘薯种植模式,提出了一种仿垄式甘薯秧回收粉碎抛送技术方案。依据垄作甘薯秧蔓生长状况,设计了垄形刀辊机构和抛送装置,采用Y型甩刀螺旋仿垄布置实现薯秧全垄切割粉碎,碎秧在抛送部件和气流共同作用下被收集到回收箱;通过分析甘薯秧切断、断秧随动、断秧切碎和碎秧抛送回收过程,建立了甘薯秧粉碎抛送动力学模型,确定了影响其粉碎和回收质量的主要因素为:刀辊转速、甩刀数量、离地间隙、机具前进速度、风机转速、风机叶片数及叶片倾角及输送管结构等。（3）为提高碎秧抛送回收率,通过CFD（Computational Fluid Dynamics）数值仿真分析,明确了关键装置参数对回收机内部流场影响规律。结果表明:回收机入口处的气流流速较低且平稳,从刀辊轴中心到甩刀刀尖逐渐增大,到风机轴向外侧速度继续增大,整体气流沿回收机壁面向上运动,利于甘薯碎秧输送;采用甩刀双螺旋排列、提高刀辊转速使粉碎室内气流高流速面积增大,随风机转速增加,回收机内平均流速逐渐增大,输送筒上壁面位置的风速较高,增加风机叶片数和叶片倾角使得抛送室内气流分布更均匀,但流速下降;确定了输送弯管的上壁面三段弧度结合、单一曲率半径收缩过渡、适宜的风机入口开度有助于提高抛送装置性能。（4）在分析碎秧颗粒群运动特性基础上,提出了一种气固两相耦合与台架试验融合的关键装置参数多目标优化方法。采用气固耦合法模拟碎秧颗粒群的抛送过程,分析了碎秧颗粒群运动规律;仿真对比确定甩刀双螺旋对称布置、较高的刀辊转速、适宜的风机转速、叶片数和叶片倾角有利于碎秧颗粒的抛送收集。三因素三水平中心组合仿真优化试验,构建抛送装置多目标优化预测模型并利用台架试验进行验证,得到当风机转速为880r/min,叶片数为3,叶片倾角为7°时,抛送装置比功耗为718m2/s2、甘薯秧回收率为92.79%、抛送速度为5.96m/s。对比试验表明抛送装置优化后比功耗降幅达到15.83%,甘薯秧回收率提高2.9%,抛送速度提高5.49%;抛送装置采用最优参数组合,甩刀采用双螺旋排列方式,离地间隙为30 mm,以刀辊转速、送秧速度、甩刀数量为试验因素,粉碎合格率、回收率和刀辊比功耗为优化指标,开展单因素试验及三因素五水平正交旋转组合试验,建立垄形刀辊机构优化预测模型,结果表明在刀辊转速为2100r/min、送秧速度为0.54m/s、甩刀数量为20的参数优化组合时,粉碎合格率为92.14%、回收率为93.01%、刀辊比功耗为2891.6m2/s2。（5）在抛送装置、垄形刀辊机构采用确定的最优结构参数,机器前进速度为0.54 m/s时,田间试验探究仿垄式甘薯秧回收机关键装置工作参数田间影响规律。采用中心组合试验方法获得影响因素与评价指标之间的回归模型,得出随着刀辊转速和离地间隙的减小甘薯秧的粉碎合格率升高,留茬高度降低,但伤薯率增加。回收率随着刀辊转速的增加先快速增长后缓慢增长,随离地间隙的减小而缓慢增加,随风机转速的增加而增加。离地间隙提高,风机转速适当降低,刀辊转速降低则含土率越低。得到在刀辊转速2000r/min、离地间隙19mm、风机转速为800r/min最优工作参数组合时,甘薯秧的粉碎合格率为91.48%、回收率为90.77%、留茬高度为49.7mm、伤薯率为0.28%、含土率为4.8%。
李安安,石萍[3]（2021）在《人体日常健康管理可穿戴设备研究进展》文中指出随着大众对便携地获得个体健康信息的需求不断扩大,可穿戴设备不仅被广泛应用于临床,还由于其智能化、微型化、便携化等特点,被逐渐应用到普通家庭日常健康管理中。本文通过PubMed及CNKI数据库对可穿戴设备的文献进行搜索,依据可穿戴设备实现的不同功能对其进行分类,简述了其应用的算法及具体分析方法,并对其在人体健康领域的发展趋势做出了展望。
冯茹,杨辰,李翰君,刘卉[4]（2021）在《机器学习在预测人体运动地面反作用力中的应用综述》文中认为三维地面反作用力（Ground reaction force,GRF）是人体运动分析的重要测量参数,但其测量受到一定限制。本文系统归纳了机器学习在预测GRF中的应用现状。以"ground reaction force"与"machine learning""neural network"组合为关键词检索,筛选利用机器学习模型预测GRF的研究。共纳入14篇研究,研究的动作包括步行、跑步及个别专项动作,利用不同的学习算法来预测GRF,输入参数包括足底压力参数、运动捕捉获取的人体运动学参数等,均采用相关系数及均一化均方根误差作为评价指标。结果显示,利用机器学习预测GRF可获得极好的预测精度。利用机器学习模型预测GRF在人体运动中的应用还有待更多的研究,如增加用于机器学习的数据集大小可进一步提高学习模型的预测性能等。
徐青华[5]（2021）在《冬残奥坐姿高山滑雪选手旗门转弯技术的运动生物力学研究》文中提出研究目的:高山滑雪作为“冬残奥”雪上项目的金牌大项,是我国备战2022年北京冬残奥会的重点突破方向。如何充分利用级别优势,弥补身体残疾带来的功能障碍,是残疾人运动员取得比赛成功的关键技术因素。为此,本文根据国家残疾人高山滑雪队备战“残奥会”的要求,从残疾人运动员的身体形态和由此决定的功能分级出发,结合运动实践,对坐姿大回转旗门转弯关键环节动作进行了针对性的技术分析和运动规律研究。具体研究目的包括:（1）截肢运动员环节惯性参数的测量方法以及利用健全人人体测量学模型计算截肢运动员身体质心的可行性研究;（2）探索坐姿高山滑雪大回转项目的运动学规律,分析倒立摆模型在滑行轨迹优化中的有效性。研究方法:截肢运动员身体环节惯性参数的研究中,选取17名坐姿截肢运动员,利用测力台和平衡板获得残端质量和质心位置,结合健全人人体回归模型和多刚体模型计算身体整体质心,通过与平衡板测试法获得的身体质心的比较进行有效性验证。坐姿高山滑雪大回转项目动作技术研究中,设计开发了适用的运动学测试系统,利用无人机高空定点拍摄和可穿戴惯性传感器相结合的方法,分析了11名坐姿运动员终点前3个目标旗门赛段内的滑行技术动作,探索不同级别运动员旗门转弯技术的动作特点和表现差异。最后,利用倒立摆模型对滑行轨迹和滑行时间进行仿真计算,通过与实际滑行表现的对比进行模型有效性验证。研究结果:（1）膝上截肢和膝下截肢运动员的身体一维质心存在显着性差异（p=0.01）,与健全人一维质心差异非常显着（p<0.01）。（2）利用4种人体回归模型和多刚体模型计算身体整体质心时,Zatsiorsky环节参数模型的计算结果与平衡板测试法的测量结果之间不存在显着性差异（p>0.05）。（3）残端长度比例因子估测的残端质量与测力台测量值具有非常好的一致性（ICC=0.89）。（4）不同分级级别、不同截肢类型的运动员全程滑行时间差异非常显着（p<0.01）。全程滑行时间与全程滑行距离、距离旗门最小距离、单旗门质心运动轨迹、单旗门滑行时间之间均呈显着性正相关（p<0.05）。分级级别与目标赛段内全程滑行时间相关性非常显着（r=-0.92,p<0.01）。（5）对于LW10和LW11级运动员来说,单旗门转弯的最大滑行速度与滑行时间呈非常显着性负相关（r=-0.76,p<0.01）,对于LW12级运动员来说,全程滑行时间与旗门转弯前后的速度变化相关性显着（r=0.56,p=0.02）,LW10和LW11级运动员的速度变化与全程滑行时间相关不显着（r=0.23,p=0.40）。（6）倒立摆模型的仿真结果与实际滑行距离和滑行时间之间差异不显着（p>0.05）,一致性结果分别为ICC=0.45和ICC=0.85。研究结论:（1）利用测力台测量的残端质量和质心位置,结合Zatsiorsky身高体重模型获得的截肢运动员身体质心与平衡板测试法的测试值之间具有非常好的一致性,说明测力台测试法结合Zatsiorsky的身高体重参数模型能够有效获得截肢残疾人的身体质心。利用残端长度比例结合人体测量回归模型可以较好的估测残端的质量,尤其是对于大腿残端的计算,结果更有效,但是长度比例因子在估测残端质心位置时则会导致较大误差。（2）不同级别运动员完成旗门转弯的时机不同,高级别运动员适宜采用进入旗门前完成身体转向的滑行方式,低级别运动员适宜采用滑过旗门后进行身体转向的滑行方式。（3）高级别运动员的最大滑行速度显着大于低级别运动员,LW10级运动员因可以从提高旗门转弯阶段的最大滑行速度来提升运动表现,LW12级运动员则可以通过减小旗门转弯前后的速度损失来提高运动表现。单旗门滑行的轨迹长度、转弯半径、距离旗门最小距离、旗门滑行前后速度变化等指标不仅能够分析单旗门转弯的运动学规律,也能有效反应比赛全程的运动表现。（4）对坐姿高山滑雪大回转项目来说,根据牛顿第二定律和运动学方程,建立倒立摆模型可以有效模拟旗门转弯阶段的滑行轨迹和滑行时间,并根据模型仿真结果预判运动员的最优成绩。
殷可意[6]（2021）在《老年女性膝骨关节炎患者步态适应性运动特征研究》文中指出研究目的:骨性关节炎（Osteoarthritis,OA）是最常见的关节炎类型之一,老年、女姓和肥胖人群是这种渐退化疾病的主要易感群体。世界卫生组织数据显示,到2020年,寿命增长和老龄化发展已使OA上升为致残的第4大原因。膝关节作为人体最大的滑膜关节,由于使用频率较高和承受负载过大,发生OA的概率远远高于其他关节。近几十年我国人口老龄化发展迅猛,肥胖患病率逐渐增高,KOA病患数量很可能在未来大幅增加,由此产生的人体功能障碍、残疾,不仅严重妨碍日常生活,还会引发严重心理疾病,对个人、家庭和社会均将产生极大的负面影响。目前,我国KOA管理体系尚未完善,究其原因在于相较于其他慢性心血管类疾病,人们通常将KOA视为“衰老的正常现象”,同时缺乏大范围、规范性、跨人群的骨关节健康流行病学调查研究。因此,如何立足患者需求,解决疾病负担挑战,让更多的患者获益于规范化治疗,提高骨关节健康状况,改善生活质量,亟待社会各界合力破局。KOA缺乏完全治愈手段,临床干预以缓解关节疼痛,保留和改善关节功能为重点,其中非药理干预以运动生物力学手段为主,如何调整膝关节内负载是KOA干预研究的重中之重,然而目前,该手段的使用仍旧存在诸多壁垒,例如,缺乏对KOA群体步行时多环节与膝关节运动配合模式的认识,干预研究结果尚不统一,同时这一手段的实施需要严苛的实验环境,在临床领域大范围推广困难重重,是否可利用其他生物力学指标简易推估膝关节负载少有探索。以上均为KOA康复干预与日常管理（包括:早期诊断、严重程度评估、干预方案制订和效果评价）中不可或缺的重要理论基础与应用参考。综上,本项目总体研究目的是:以步行为动作任务,老年女性KOA为目标人群,深入探讨KOA群体多步行时适应性运动特征变化,明确KOA群体特有的“适应性调整”模式;确定对膝关节负载变化敏感的相关生物力学因素,建立其相互关系,以期指导制定有力且高效的运动干预模式,从而实现KOA早诊早治、及早干预、治疗策略的个性化和阶梯化目标。研究一具体目的:探究KOA老年女性相较于健康老年女性,步行过程中膝关节内收力矩变化对邻近髋、踝关节和其他环节（足、骨盆和躯干）运动特征的影响,以期获取对KOA疾病介入较为敏感的多环节生物力学指标。研究方法:受试者:以问卷调查的形式进行受试者的初选（膝关节疼痛、活动不灵活和年龄）,后续通过临床手段——膝关节站立位放射学影像（即X光片:正位片、侧位片）完成KOA的诊断和分期判定（K-L分级）,本研究最终纳入KOA受试者15人和年龄相匹配的健康对照组15人。设备搭建:在运动科学学院运动技能研究中心实验大厅完成步态分析实验。使用Vicon运动捕捉系统追踪全身反光球运动轨迹,采样频率为100Hz,配合埋入步道中间位置的两块测力台同步采集受试者步行过程中经过测力台时双足地面反作用力,采样频率为1000Hz。数据分析:使用Nexus和Visual 3DTM软件进行后续数据处理与分析。相关指标:1.步态时空参数——步幅、单步长、步宽、步态周期时长和步速;2.运动学——下肢髋、膝、踝关节角度,足前进角,骨盆和躯干侧倾角;3.动力学——下肢髋、膝、踝关节净力矩。研究结果:（1）老年女性KOA受试者相较于健康对照组,步速显着下降（t=2.129,P=0.04）,其他步态时空参数不存在组间差异;（2）老年女性KOA受试者步行过程中髋关节外展角度有所增大,对应膝关节内收力矩第一峰值出现时刻的髋关节角度1明显大于对照组（t=4.561,P<0.0001）,其余膝、踝额状面内角度不存在显着组间差异;对应膝关节内收力矩第一峰值出现时刻的骨盆、躯干侧倾角明显倾向患侧（t=4.396,P=0.0001;t=10.03,P<0.0001）,对应膝关节内收力矩第二峰值出现时刻的足前进角表现为外八（t=3.351,P=0.002）、骨盆和躯干侧倾角显着倾向患侧（t=3.028,P=0.0052;t=3.135,P=0.004）;（3）支撑末期中对应膝关节内收力矩第二峰值出现时刻的踝关节力矩2（t=17.73,P<0.0001）,支撑初期膝关节内收力矩第一峰值（t=14.42,P<0.0001）,踝关节最大背屈力矩（U=58,P=0.0004）及膝关节最大伸膝力矩（t=2.197,P=0.03）存在显着组间差异。研究二:具体目的:在不同体重KOA老年女性中进一步探究步态时空参数、下肢关节及其他身体环节的运动特征改变,明确KOA老年女性群体步行时特有的“适应性变化”过程;同时利用数学手段建立上述运动调整与膝关节内收力矩的关系,探讨其相互作用。研究方法:受试者:招募及筛选条件同研究一,最终纳入KOA受试者60人,群体中存在体重超标的情况,由于体重也是对膝关节负载造成影响的关键因素之一,因此,按照我国成人身体质量指数标准,最终将研究二中的受试者分为三组,依次记为BMI（正常）,BMI（超重）,BMI（肥胖）。数据处理分析及指标:同研究一研究结果:（1）步行过程中,步幅（F=3.951,P=0.02）、单步长（F=3.737,P 0.03）、步速（F=4.851,P=0.01）均存在显着统计学差异,差异主要体现在BMI（肥胖）组和BMI（正常）组之间。而步宽、步态周期时长不存在任意两者的组间差异;（2）三组KOA受试者中,超重组和肥胖组相较于体重正常组,在膝关节内收力矩第一峰值出现时刻,骨盆、躯干侧倾角明显倾向患侧（F=8.449,P=0.0006;F=4.663,P=0.01）,在膝关节内收力矩第一、第二峰值对应时刻,足前进角瞬时值显着增大,表现为更大的外八字（F=5.553,P=0.006;F=11.51,P<0.0001）,肥胖组相较于体重正常组,踝关节最大跖屈力矩减小（F=4.620,P=0.013）,膝关节垂直胫骨力峰值降低（F=4.644,P=0.0097）,髋关节外展力矩峰值随着体重增大,逐级减小（F=6.539,P=0.0334,P=0022）。（3）足前进角、骨盆和躯干侧倾角、步速和BMI值与代表KOA中膝关节负载的膝关节内收力矩第一、第二峰值间存在线性关系。其中,BMI、足前进角在膝关节内收力矩双峰值变化中相对贡献较大,其次为躯干、骨盆侧倾角和步速。研究结论:（1）相较于健康老年女性,KOA老年女性增大的膝关节内收力矩引起步速减慢,髋关节支撑初期外展角度增大,踝关节支撑末期外翻力矩增大,足前进角内八程度减小,骨盆和躯干侧倾向患侧等适应性运动特征变化;病程一致的KOA老年女性,随着体重递增,膝关节内收力矩逐级增大,上述适应性变化更加凸显;（2）膝关节内收力矩增大导致步速,足前进角,骨盆和躯干侧倾角产生明显的适应性运动改变。利用上述指标和身体质量指数构建的多元线性回归模型,可快速推估膝关节内收力矩双峰值的大小,易于其在KOA诊断、干预中大范围应用;（3）多元线性回归结果表明,体重和足前进角对膝关节内收力矩峰值的相对影响较大,降低体重,增大足前进角度（外八字）可降低膝关节内收力矩峰值,并作为KOA老年女性群体步态修正方案的普适关注点。
朱业安[7]（2020）在《基于数字人体运动模型的智能步态康复评估研究》文中指出随着我国居民健康意识水平的日益提高和人口老龄化问题的愈加突出,康复医学在整个医学体系中的作用越来越明显,进一步推动发展康复医学显的格外重要。老年人群、慢性病及亚健康人群、残疾人群均存在不同程度的肢体运动功能障碍,社会和家庭需要花费极大的代价来治疗和护理这类群体;另外,我国康复医疗起步晚、行业医务人员短缺、医疗资源分布不均以及服务能力不足,使得社会和家庭负担更为沉重。本文将从常见的步态障碍入手,提出将数字人体运动模型同机器学习算法相结合,实现智能的步态康复评定,辅助临床医生的诊疗,尝试探讨这种新模式解决部分上述问题的可能性。首先,通过基于深度图像的骨骼关键点检测技术和基于逆向动力学原理的骨肌仿真技术建立数字人体运动模型,该模型可实现运动学和动力学两个方面的定量康复评估。然后,将数字人体运动模型同机器学习算法相结合,以从数字人体运动模型中导出的步态特征作为输入、对应的步态模式作为输出,利用集成学习算法学习其中的映射关系,从而实现智能的步态康复评估。考虑到步态分析参数的多样性和复杂性,大量参数可能存在信息冗余及属性重复等问题,提出了以信息增益为依据的二元对比决策方法来实现最优特征子集的选取;同时,集成学习的性能受特定参数的影响大,本文选用的随机森林算法就受决策树的深度和决策树的数量影响,因此本文引入了一新的启发式算法—鲸鱼优化算法来自动调整分类识别算法的参数。最后,以偏瘫步态的自动识别和分析为例,通过实验的方法来验证将数字人体运动模型同机器学习算法相结合来实现智能的步态康复评定的可行性。本文的创新点有两个:第一,通过构建数字人体运动模型实现了非侵入性的步态评估参数获取;第二,将数字人体运动模型同机器学习算法相结合,实现了步态障碍的自动识别和分析,一定程度上避免了由于医生经验不足而引起的误判。在我国康复医疗成本高、行业服务能力不足和康复医师短缺的大背景下,利用数字人体运动模型这种全新且无创的技术进行康复评定,具有一定的现实意义和创新性。将数字人体模型同机器学习算法相结合,实现步态康复的智能评定,符合国家政策和社会发展的导向,能在一定程度上推动远程医疗、移动医疗、智慧医疗的发展。成本低廉、易于操作的智能康复评定易于在临床上推广,服务患者。
张聪[8]（2020）在《多通道表面肌电信号特征提取关键技术研究》文中提出表面肌电信号（surface Electromyography,sEMG）作为一种无创、安全和易采集的生物信号,是肌肉活动的电生理根源,被广泛用于运动生物力学相关领域的分析与研究。研究表明,为了适应不同的力学任务,骨骼肌内部存在不均匀的激活状态,单电极或若干对电极采集肌电的方式无法充分捕获肌肉激活的不均匀性,因而无法完成精确的肌肉激活分析和肌肉力估计等任务。高密度阵列等多通道表面肌电采集技术可捕获高时空分辨率信号,是肌肉力估计和运动分析等研究中的主流数据采集技术。尽管多通道表面肌电可采集到丰富的信息,同时也带来冗余和干扰信息,在实际应用时需对其进行较为深入的处理,以提取最合适的肌电特征。针对表面肌电-肌力估计的多通道肌电信息融合需求和爬行运动中肌肉协同提取存在的不稳定及不彻底等问题,本文对基于主成分分析（principalcomponent analysis,PCA）、独立成分分析（independentcomponentanalysis,ICA）、非负矩阵分解（nonnegative matrix factorization,NMF）、因子分析（factor analysis,FA）和典型相关分析（canonical correlation analysis,CCA）等盲源分离算法的多通道表面肌电特征提取问题展开了深入探索。论文主要研究内容和成果可归纳如下:（1）高密度阵列表面肌电-肌力估计中的特征提取研究。本文将力估计模型的输入特征（输入信号）提取分为三个步骤:信号预处理、数据融合和滤波器设计。在信号预处理方面,提出了以PCA为基础的阵列表面肌电去噪方案。利用信噪比或CCA辅助辨识噪声主成分,利用非噪声主成分重构得到去噪后的阵列表面肌电。在数据融合方面,在利用盲源分离算法分析不均匀激活信息的基础上,提出并实现了一系列基于盲源分离算法的阵列表面肌电融合框架,具体包括:基于ICA和权重组合聚类的ICAClustering框架,基于不均匀性最大化的PCASelecting框架,基于多主成分最优快速融合的PCAFixedPoint框架,以及新颖的基于CCA的通用源信号融合框架（PCA-CCA、ICA-CCA、CCA-CCA和FA-CCA）。在滤波器设计方面,针对低通滤波器参数选择困难等问题,提出利用肌电调制模型进行滤波器参数寻优的思想,设计了一种基于峭度的高效滤波器参数优选算法。以静态等长线性增长-维持屈肘力任务为研究对象,本研究募集了 10位受试者,开展了目标力为20%MVC（最大自主收缩力）、40%MVC和60%MVC的数据采集。数据分析结果表明:本研究提出的噪声源辨识方法有效,通过主成分重构可显着提升低信噪比通道的信号质量（p<0.05）;基于不均匀性的数据融合框架可较好的捕获肌肉激活信息,将融合后的信号经过所设计的峭度引导的低通滤波器后,可得到高质量的力模型输入信号（输入信号与实测力的皮尔逊相关系>0.95）;最终,将输入信号输入多项式模型,实现了高精度的力估计（均方根误差（root mean square difference,RMSD）<10%）。（2）稳定高效的爬行运动肌肉协同特征提取研究。鉴于爬行运动中肌肉激活差异大,分析了采用传统NMF算法提取肌肉协同存在的不稳定性和协同分离不彻底性两大难题,探索了两种NMF改进思路。首先,为解决协同提取不稳定性问题,提出了一种基于PCA的NMF协同初始值设定方法。其次,针对协同分离不彻底问题,提出了基于能量分层和协同不相关约束的两种NMF协同提取方案。本研究对10位受试者开展了爬行运动和数据采集,数据分析结果表明:PCA指定协同初始值的方法显着提升了基于NMF算法的肌肉协同提取的稳定性,大多数情况下多次运行算法,协同可收敛到同一个解;HNMF中的高能层信号主要代表少数强激活肌肉的信息,无法表征爬行运动的特点,低能层信号代表大多数弱激活肌肉的信息,可充分表征爬行运动特点;HNMF的高低能层划分减少了协同提取受肌肉激活差异大的影响,协同分离度高;UNMF通过一个不相关约束,对NMF的迭代准则加入正则项,显着提升了协同分离度,得到较为稀疏的协同结构,具有潜在的神经控制意义。总之,本文系统研究了基于盲源分离算法的多通道表面肌电特征提取问题,其主要创新点如下:（1）考虑到肌肉激活不均匀性问题,提出了一系列基于盲源分离的框架并将其用于信号预处理和数据融合;（2）基于肌电调制模型提出了一种新颖的滤波器参数寻优方法,实现了阵列表面肌电-肌力估计中的高质量力模型输入特征提取;（3）考虑到爬行过程中肌肉间激活差异大带来的协同提取问题,试图从不同角度改进NMF算法,实现了对爬行运动的稳定高效肌肉协同提取。本论文研究成果可用于假肢控制、人机接口设计、康复训练、运动评估等领域。
张超飞[9]（2019）在《振动诱导下驾驶人腰背部肌肉响应机理及建模方法研究》文中指出全身振动是驾驶人肌肉疲劳快速发展,腰背痛高发的关键诱因,而振动诱导下肌肉在牵张反射作用下发生主动收缩被认为是其内在机理。本文创建了可求解全身振动下腰背部肌肉响应的驾驶人肌肉骨骼生物力学模型,从与驾驶人主观舒适性密切相关的肌肉力和关节负载的角度开展了振动舒适性研究。所建立的振动舒适性仿真平台,可以定量评估不同振动输入下驾驶人的腰背部肌肉响应,对提高汽车的舒适性设计奠定了理论基础,具有重要的工程应用价值。基于文献中生理解剖数据建立了符合人体自然生理弯曲曲线的人体颈椎模型,提高了颈椎模型的仿生度及预测精度。结合Meng和Dennis等建立的腰椎和胸椎模型,建立了人体脊柱系统肌骨力学模型。针对椎间软组织非线性力学特性,利用基于混合模型回归分析的特征参数优选方法,为脊柱各关节分别构建了泛化能力更强的三次非线性转矩-转角模型,解决了模型输入与关节运动角不匹配导致的求解精度不高的难题。最后,基于最小生物力学负载假设,提出了脊柱各椎间关节转动位移优化求解算法,实现了任意脊柱弯曲角度下各椎间关节转角的预测,且模型预测结果与实验测量值保持一致,准确度高。通过开展SD大鼠活体单根腓肠肌振动牵拉实验,研究汽车振动频率下牵张反射对肌肉振动响应力的作用机制。实验发现,牵张反射对肌肉振动响应力有显着性影响,切断牵张反射神经反射弧后,肌肉力平均下降20%以上。发现振动刺激下肌肉在牵张反射机制的作用下自主收缩以对抗牵张,肌肉的生物力学载荷在被动张力基础上附加主动收缩力,从而增大肌肉载荷使得肌肉疲劳加速发展的机理。另外,在牵张反射反馈控制下,肌肉振动响应力随肌肉长度变化具有迟滞阻尼特性,且呈现出频率依赖非线性的特征,为牵张反射的神经反馈控制建模提供理论支撑。通过志愿者全身振动实验,研究了全身振动下驾驶人腰背部肌肉的振动响应,实验发现被试腰背部竖脊肌的表面肌电RMS值在共振频率4 Hz附近达到峰值。随后,对驾驶人腰椎椎间刚度和人-椅接触系统的力学特性建模,结合所开发的牵张反射延时反馈控制模型,建立了考虑肌肉牵张反射频率依赖非线性的驾驶人振动舒适性仿真模型。模型预测的肌肉激活度在人体系统的共振频率附近达到最大,与实验结果一致。印证了汽车振动下人体骨骼肌受振动牵拉而诱发牵张反射,迫使骨骼肌激活度大幅度提升,致使肌肉负载程度大幅提高,从而加速肌肉疲劳的机理。
董瑞春[10]（2017）在《人体-座椅系统三维有限元建模及其动态特性研究》文中研究指明汽车座椅对驾驶员长时间驾驶的乘坐舒适性影响很大。不仅汽车座椅在汽车驾驶室中的布置参数影响乘坐舒适性,而且其几何轮廓对乘坐舒适性影响很大。此外,在汽车驾驶或工作场所人类面临着多重振动,经常长时间处在全身振动的环境中容易导致各种伤害和疾病。特别在垂直方向的低频振动对人体和脊椎的动态响应有着很大的影响。下腰痛和椎间盘退化疾病更频繁地发生在暴露在振动环境中的汽车驾驶人群中。由于直接测量人体内部的生物动力特性比较困难,人体的计算机模型被频繁用于研究人体的生物力学特点。一方面人体侵入试验受到伦理问题的限制;另一方面,问卷的结果会受到被试者的主观因素影响,缺少可重复性。有限元分析是一个强大的工具,已被广泛用于研究复杂的生物系统。虽然传统脊椎动力学研究提供了坚实的基础,但是许多研究的有限元模型只包含了人体外的整段脊椎或者部分脊椎,没有考虑在脊椎之间肌肉软组织和脊椎与皮肤之间的内脏对腰椎的动力学影响。为改善汽车座椅乘坐舒适性,减少振动对人体脊椎伤害,本文在创建人体有限元模型的基础上对人体和人体-座椅系统进行了静力学和动力学研究以及振动试验研究。主要研究工作如下:首先,对人体-座椅系统进行三维建模研究。人体-座椅系统包括基于人体解剖测量的三维数据、座椅三维数据和基于人体运动学姿势可调的人体-座椅装配关系。在POSER软件中设置身高和驾驶姿势,在PRO/ENGINEER软件中应用小平面特征以及重新造型对人体皮肤和腰椎体几何表面进行降噪和光滑处理,应用3D CONVERTER软件对几何文件进行格式转换,应用ANSA软件对人体的皮肤、内脏、韧带、椎间盘和骨骼等进行网格划分,在有限元软件ABAQUS中创建人体-座椅系统有限元模型进行后续各种分析。根据不同研究目的本文提出了五种人体有限元模型的创建方法。本文创建了垂直和驾驶等不同坐姿50百分位的中国男性人体有限元模型。其次,对人体-座椅系统进行静态乘坐舒适性的有限元分析,研究了不同腰部支撑对靠背压力分布和腰椎间盘应力分布的影响。通过设置靠近人体腰部的座椅靠背单元边界条件实现腰部支撑参数的调节,通过身高、体重等主要参数验证人体模型,通过与文献和试验对比计算结果来验证人体-座椅系统有限元模型。最后运用该有限元模型分析了在重力作用下汽车座椅不同腰部支撑参数对人与座椅之间相互作用的影响,得出不同支撑参数时靠背的压力大小及分布特点、接触面积、压力中心、总的作用力和腰椎的应力特点,综合分析得出最为理想的腰部支撑厚度,为腰部支撑设计提供参考。第三,对人体不同节段腰椎、垂直坐姿人体和人体-座椅系统有限元模型进行动力学分析,包括模态分析、瞬态动力学分析和随机响应分析。分析了皮肤和肌肉软组织、内脏、臀部、臀部接触面积、上身集中质量、转动惯量、集中质量的坐标、坐姿和重力对人体和脊椎模态的影响。得出了肌肉软组织和内脏的弹性模量以及集中质量的坐标对腰椎垂直方向第一阶固有频率的影响曲线。得出了腰椎各个运动节段在第一阶垂直共振时的运动特点。对前倾、垂直和后倾坐姿人体的瞬态动力学分析得出加速度和应力在腰椎间盘的分布特点以及应力幅值特点。随机响应分析发现,在垂直方向白噪声激励条件下人体的响应峰值频率就是垂直方向第一阶固有频率。此外,分析了不同坐姿和不同刚度的座椅对人体或人体—座椅系统动态响应功率谱的影响,得出了不同坐姿和不同刚度座椅时人体腰椎盘在两个坐标轴方向的响应功率谱。该方法可以代替试验研究不同方案的人体-座椅系统动态响应问题以及评价新设计座椅的动态特性。第四,通过振动试验研究了全身振动环境中腰部支撑对人体腰部肌肉状态和振动的影响。根据腰部支撑量d（d1=0 mm,d2=20 mm,d3=40 mm）的不同,试验分为三组:d1组、d2组和d3组。试验过程中被试者坐在安装有腰部支撑装置的汽车座椅中,汽车座椅固定在振动试验台上,振动试验台的振动频率是10Hz,幅值是0.42 m/s2 rms。在三十分钟的振动试验中,每隔三分钟记录十秒钟长的腰部表面肌电信号和加速度信号。分析结果表明腰部支撑对腰部肌肉的激活水平和振动传递比有影响。在d2组中被试者的腰部肌肉激活水平和振动传递比最小。此外,发现在三组试验中腰部肌肉的激活水平和振动传递比随着振动时间的延长都不断下降,说明随着振动时间的延长,腰部肌肉发生疲劳。
二、“运动生物力学中加速度的直接测量”（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、“运动生物力学中加速度的直接测量”（论文提纲范文）
（1）运动协调理论模型与量化方法的演进（论文提纲范文）
| 0引言 |
| 1 资料和方法Data and methods |
| 1.1 资料来源 |
| 1.1.1 检索人及检索时间 |
| 1.1.2 检索文献时限 |
| 1.1.3 检索数据库 |
| 1.1.4 检索词 |
| 1.1.5 检索文献类型 |
| 1.1.6 手工检索情况 |
| 1.1.7 检索策略 |
| 1.1.8 检索文献量 |
| 1.2 入选标准 |
| 1.3文献筛选过程 |
| 2 结果Results |
| 2.1 运动协调理论模型的演进 |
| 2.1.1 肌肉协调理论模型演进 |
| 2.1.2 肢体协调理论模型演进 |
| (1)动作图式理论。 |
| (2)动态系统理论(dynamic systems theory)。 |
| (3)非控制流形假说(Uncontrolled manifold hypothesis)。 |
| 2.2 运动协调量化方法的演进 |
| 2.2.1 肌肉协同分析 |
| 2.2.2 肢体协调分析 |
| (1)离散方法。 |
| (2)连续方法。 |
| (3)UCM分析法。 |
| 3 总结与展望Conclusions and prospects |
| 3.1 总结 |
| 3.2 展望 |
（2）仿垄式甘薯秧回收机粉碎抛送关键技术与装置研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 秸秆粉碎抛送研究现状 |
| 1.2.2 甘薯秧处理机械研究现状 |
| 1.2.3 物料特性研究现状 |
| 1.2.4 气固两相流数值模拟研究现状 |
| 1.3 主要研究内容 |
| 1.4 研究方法与技术路线 |
| 2 甘薯秧茎秆机械特性和离散元仿真参数测量与标定 |
| 2.1 收获期甘薯秧生长特性 |
| 2.2 甘薯秧茎秆机械特性测量 |
| 2.2.1 实验样品采集 |
| 2.2.2 甘薯秧含水率测定 |
| 2.2.3 甘薯秧剪切试验 |
| 2.3 碎秧离散元仿真参数测量与标定 |
| 2.3.1 碎秧本征参数测量 |
| 2.3.2 碎秧接触参数测量 |
| 2.3.3 碎秧颗粒堆积仿真 |
| 2.3.4 参数标定试验 |
| 2.4 本章小结 |
| 3 关键装置设计 |
| 3.1 甘薯种植模式 |
| 3.2 仿垄式甘薯秧回收机粉碎抛送技术总体方案 |
| 3.2.1 农机农艺要求 |
| 3.2.2 总体结构与工作原理 |
| 3.3 垄形刀辊机构设计与动力学建模 |
| 3.3.1 垄形刀辊机构设计 |
| 3.3.2 甘薯秧切割粉碎动力学建模 |
| 3.3.3 最小刀辊转速 |
| 3.4 抛送装置设计与动力学建模 |
| 3.4.1 碎秧颗粒群的悬浮速度 |
| 3.4.2 抛送装置设计 |
| 3.4.3 碎秧抛送过程动力学建模 |
| 3.4.4 碎秧回收过程动力学建模 |
| 3.5 本章小结 |
| 4 关键装置参数对回收机内部流场影响规律 |
| 4.1 CFD数值计算模型 |
| 4.1.1 流体动力学控制方程 |
| 4.1.2 数值计算模型 |
| 4.1.3 流体计算区域和网格 |
| 4.2 流场分布特征分析 |
| 4.2.1 观测面标定 |
| 4.2.2 流场分布特征 |
| 4.3 垄形刀辊机构参数对粉碎室内流场影响规律 |
| 4.3.1 粉碎室内流场速度分析 |
| 4.3.2 甩刀排列方式对粉碎室内流场影响规律 |
| 4.3.3 刀辊转速对粉碎室内流场影响规律 |
| 4.4 风机工作参数及结构对抛送室内流场影响规律 |
| 4.4.1 风机转速对回收机内空气流动的影响 |
| 4.4.2 风机叶片数对抛送装置的影响 |
| 4.4.3 叶片后倾角对抛送装置的影响 |
| 4.5 输送管参数对输送管内流场影响规律 |
| 4.5.1 弯管弧度 |
| 4.5.2 弯管收缩曲线 |
| 4.5.3 风机入口开度 |
| 4.6 本章小结 |
| 5 基于碎秧颗粒群运动特性分析的关键装置参数多目标优化 |
| 5.1 碎秧颗粒群运动特性分析 |
| 5.1.1 气固耦合基本理论 |
| 5.1.2 气固耦合参数设置 |
| 5.1.3 碎秧颗粒群运动规律 |
| 5.1.4 垄形刀辊结构和工作参数对颗粒运动规律影响 |
| 5.1.5 风机转速和结构参数对颗粒运动规律影响 |
| 5.2 基于CFD-DEM抛送装置参数优化仿真试验 |
| 5.2.1 抛送装置优化预测模型 |
| 5.2.2 试验结果与显着性分析 |
| 5.2.3 抛送装置参数优化 |
| 5.2.4 抛送装置最优参数组合试验台试验验证 |
| 5.3 垄形刀辊机构参数多目标优化 |
| 5.3.1 试验设计 |
| 5.3.2 单因素试验 |
| 5.3.3 多目标优化试验 |
| 5.4 本章小结 |
| 6 田间试验 |
| 6.1 试验条件 |
| 6.2 试验指标与测试方法 |
| 6.3 试验设计方案与回归模型建立 |
| 6.3.1 试验设计方案 |
| 6.3.2 回归模型建立 |
| 6.3.3 回归模型方差分析 |
| 6.3.4 各因素对作业指标的影响 |
| 6.4 参数优化与试验验证 |
| 6.4.1 参数优化 |
| 6.4.2 试验验证 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 主要研究结论 |
| 7.2 研究创新点 |
| 7.3 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要成果 |
（3）人体日常健康管理可穿戴设备研究进展（论文提纲范文）
| 0 引言 |
| 1 应用现状 |
| 1.1 娱乐休闲类 |
| 1.2 运动检测类 |
| 1.2.1 计步 |
| 1.2.2 能量消耗 |
| 1.2.3 活动轨迹及运动分类 |
| 1.3 人体健康监测及医疗应用类 |
| 1.3.1 睡眠监测 |
| 1.3.2 房颤检测 |
| 1.3.3 跌倒检测 |
| 1.3.4 血糖检测 |
| 2 关键技术 |
| 3 总结与展望 |
（4）机器学习在预测人体运动地面反作用力中的应用综述（论文提纲范文）
| 引言 |
| 1 文献检索方法 |
| 2 文献检索结果 |
| 3 分析 |
| 3.1 预测GRF学习模型的构建 |
| 3.2 GRF学习模型预测效果的评价与优化 |
| 3.3 机器学习在预测GRF中的局限性及应用前景 |
| 4 结束语 |
（5）冬残奥坐姿高山滑雪选手旗门转弯技术的运动生物力学研究（论文提纲范文）
| 摘要 |
| abstract |
| 英文名词缩写表 |
| 1 前言 |
| 1.1 研究背景及意义 |
| 1.1.1 残疾人体育与残奥运动 |
| 1.1.2 “冬残奥”与“科技冬奥” |
| 1.2 本文主要研究内容 |
| 1.3 本文组织结构 |
| 1.4 技术路线图 |
| 1.5 研究假设 |
| 1.6 名词释义及操作定义 |
| 2 文献综述 |
| 2.1 残疾人运动员功能分级 |
| 2.1.1 残疾人运动员功能分级通则 |
| 2.1.2 残疾人竞技体育分级研究 |
| 2.2 人体环节惯性参数研究 |
| 2.2.1 人体环节惯性参数研究现状 |
| 2.2.2 环节惯性参数的比例因子估测研究 |
| 2.3 高山滑雪运动现场分析方法研究 |
| 2.3.1 视频分析方法 |
| 2.3.2 惯性传感器的应用 |
| 2.4 健全人高山滑雪运动技术研究 |
| 2.4.1 旗门转弯技术的运动学分析 |
| 2.4.2 滑行速度与滑行时间研究 |
| 2.4.3 高山滑雪的能量分析 |
| 2.4.4 高山滑雪滑行轨迹研究 |
| 2.5 冬残奥高山滑雪研究 |
| 2.5.1 残疾人高山滑雪的起源与发展 |
| 2.5.2 冬残奥高山滑雪场地及坐式滑雪器特点 |
| 2.5.3 坐姿高山滑雪技术分析 |
| 2.6 文献小结 |
| 3 截肢运动员身体环节惯性参数研究 |
| 3.1 引言 |
| 3.2 研究方法 |
| 3.2.1 研究对象 |
| 3.2.2 身体形态测量 |
| 3.2.3 残端质量及质心位置的测试方法 |
| 3.2.4 身体一维质心的计算和测量方法 |
| 3.2.5 模型回归法的有效性验证 |
| 3.2.6 环节惯性参数的长度比例因子估算方法 |
| 3.2.7 数据分析 |
| 3.3 研究结果 |
| 3.3.1 身体一维质心的模型估计 |
| 3.3.2 健侧环节质量及质心位置的模型回归结果 |
| 3.3.3 残端环节惯性参数的长度比例因子估算结果 |
| 3.4 讨论 |
| 3.4.1 残端长度对身体一维质心的影响 |
| 3.4.2 健全人回归模型计算截肢人群环节惯性参数的有效性 |
| 3.4.3 长度比例因子估测残端质量和质心位置的有效性 |
| 3.5 小结 |
| 4 基于轨迹优化的坐姿高山滑雪旗门转弯技术的运动学分析 |
| 4.1 引言 |
| 4.2 研究方法 |
| 4.2.1 研究对象 |
| 4.2.2 测试环境条件 |
| 4.2.3 运动学指标测试方法 |
| 4.2.4 质心运动轨迹曲率半径的计算方法 |
| 4.2.5 质心运动轨迹长度的计算方法 |
| 4.2.6 基于倒立摆模型的滑行轨迹仿真 |
| 4.2.7 数据处理及分析 |
| 4.3 研究结果 |
| 4.3.1 系统测试结果及精度分析 |
| 4.3.2 单旗门转弯的滑行时间及距离特点 |
| 4.3.3 转弯半径与旗门转弯表现间的关系 |
| 4.3.4 旗门转弯阶段运动员滑行姿态分析 |
| 4.3.5 旗门转弯阶段滑行速度特点 |
| 4.3.6 目标赛段全程滑行时间的影响因素 |
| 4.3.7 旗门转弯阶段质心运动轨迹的模型仿真结果 |
| 4.4 讨论 |
| 4.4.1 单旗门转弯的运动学规律 |
| 4.4.2 旗门转弯阶段的速度变化规律 |
| 4.4.3 多旗门转弯的运动学规律 |
| 4.4.4 倒立摆模型在坐姿高山滑雪轨迹仿真中的作用 |
| 4.5 结论及建议 |
| 4.6 实践应用 |
| 5 研究创新性与不足 |
| 5.1 研究创新性 |
| 5.2 研究不足 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录一 人体环节惯性参数研究概述 |
| 附录二 曲率半径计算主要程序代码 |
| 附录三 身体形态测量方法及骨性标记点 |
| 附录四 姿态传感器通信协议 |
| 附录五 大学本科至研究生学习经历 |
| 附录六 攻读博士学位期间科研经历 |
（6）老年女性膝骨关节炎患者步态适应性运动特征研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文名词缩写表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 研究内容 |
| 1.3.1 研究一 |
| 1.3.2 研究二 |
| 1.4 研究假设 |
| 1.5 研究范围 |
| 1.6 名词解释与操作性定义 |
| 2 文献综述 |
| 2.1 膝关节骨性关节炎基本情况概述 |
| 膝骨关节炎的患病率与发病率 |
| 膝骨关节炎的影响 |
| 膝骨关节炎的定义 |
| 2.2 膝关节骨性关节炎系统风险指标 |
| 社会人口因素 |
| 基因遗传因素 |
| 肥胖与代谢综合症 |
| 维生素/饮食 |
| 骨密度和骨量 |
| 2.3 膝关节骨性关节炎关节层面风险指标 |
| 骨与关节形状 |
| 肌肉力量 |
| 关节负载与对线 |
| 职业与运动 |
| 损伤/手术 |
| 2.4 影响膝关节骨性关节炎的生物力学风险指标 |
| 2.5 文献小结 |
| 3 研究一 老年女性膝骨关节炎患者步行时多环节/关节生物力学特征分析 |
| 3.1 研究目的 |
| 3.2 研究方法 |
| 3.2.1 受试者 |
| 3.2.2 实验流程 |
| 3.3 数据处理与分析 |
| 3.3.1 运动学数据处理 |
| 3.3.2 动力学数据处理 |
| 3.3.3 统计学分析 |
| 3.4 研究结果 |
| 3.4.1 步态时空参数 |
| 3.4.2 多关节/环节运动学特征 |
| 3.4.3 髋、膝、踝三关节动力学特征 |
| 3.5 讨论与分析 |
| 3.5.1 膝骨关节炎外在步态运动特征变化 |
| 3.5.2 膝骨关节炎关节内部力学特征变化 |
| 3.5.3 膝骨关节炎多环节运动特征的改变 |
| 3.6 小结 |
| 4 研究二 不同体重老年女性膝骨关节炎患者步行时全身补偿和适应性运动调整 |
| 4.1 研究目的 |
| 4.2 研究方法 |
| 4.2.1 受试者 |
| 4.2.2 实验流程 |
| 4.3 数据采集与解析 |
| 4.3.1 数据采集 |
| 4.3.2 数据解析 |
| 4.3.3 统计学分析 |
| 4.4 研究结果 |
| 4.4.1 步态时空参数 |
| 4.4.2 多环节运动特征 |
| 4.4.3 下肢三关节运动特征 |
| 4.4.4 膝关节内收力矩第一峰值与多环节运动变量间的关系 |
| 4.4.5 膝关节内收力矩第二峰值与多环节运动变量间的关系 |
| 4.5 讨论与分析 |
| 4.5.1 不同体重膝骨关节炎患者步态时空参数及多环节运动学变化 |
| 4.5.2 不同体重膝骨关节炎患者踝、膝和髋关节运动特征变化 |
| 4.5.3 膝关节内收外力矩峰值多元线性回归模型结果分析 |
| 4.6 小结 |
| 5 综合讨论与分析 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 研究特色创新之处 |
| 6.3 实践应用与展望 |
| 6.3.1 实践应用 |
| 6.3.2 展望 |
| 6.4 研究局限性 |
| 6.4.1 系统局限性 |
| 6.4.2 研究方案局限性 |
| 参考文献 |
| 附件 Ⅰ：研究一与二 V3D软件中用到的部分计算编码 |
| 附件 Ⅱ：VAS 疼痛量表 |
| 附件 Ⅲ：K-L（Kellgren-Lawrence） Knee OA 分级量表 |
| 附件 Ⅳ：伦理委员会审批表 |
| 附件 Ⅴ：在学期间发表论文情况 |
| 致谢 |
（7）基于数字人体运动模型的智能步态康复评估研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究来源、背景和意义 |
| 1.1.1 研究来源 |
| 1.1.2 研究背景 |
| 1.1.3 研究目的和意义 |
| 1.2 研究现状和进展 |
| 1.2.1 步态康复评定的研究现状 |
| 1.2.2 骨骼关键点检测技术的研究现状 |
| 1.2.3 体内生物力测量方法的研究现状 |
| 1.2.4 人工智能技术在康复医疗中的应用现状 |
| 1.2.5 综述小结 |
| 1.3 研究的主要内容和重点 |
| 1.4 技术路线和研究方法 |
| 第二章 构建数字人体运动模型和智能评估模型的基本理论 |
| 2.1 数字人体运动模型的构建 |
| 2.1.1 复现人体运动时空关系的骨骼关键点检测算法 |
| 2.1.2 RGB-D数据驱动的多体动力学模型 |
| 2.2 基于集成学习的步态康复评估 |
| 2.2.1 模糊决策的基本原理 |
| 2.2.2 信息增益的基本原理 |
| 2.2.3 用于集成学习模型参数优化的鲸鱼算法 |
| 2.2.4 随机森林算法的基本原理和优缺点 |
| 2.3 本章小结 |
| 第三章 基于数字人体运动模型提取步态评定参数 |
| 3.1 步态评定所需的时空特征 |
| 3.1.1 时空特征参数的操作定义 |
| 3.1.2 基于骨骼关键点三维坐标序列的提取 |
| 3.2 用于步态分析的质心移动特征 |
| 3.2.1 质心移动特征参数的操作定义 |
| 3.2.2 应用子节段质心加权法进行计算 |
| 3.3 步态分析中的关节活动度 |
| 3.3.1 关节活动度的操作定义 |
| 3.3.2 采用空间向量和三角形法进行计算 |
| 3.4 用于步态分析的关节接触力 |
| 3.4.1 关节接触力的操作定义 |
| 3.4.2 基于多体动力学模型的提取实现 |
| 3.5 本章小结 |
| 第四章 融合数字人和集成学习的智能康复评估实现 |
| 4.1 标准诊断程序的设计 |
| 4.2 从数字人体运动模型中导出步态特征 |
| 4.3 利用改进的模糊决策方法筛选最优特征子集 |
| 4.3.1 计算特征间的二元比较级 |
| 4.3.2 获取最优子集 |
| 4.4 融合改进鲸鱼算法和随机森林的智能诊断 |
| 4.5 诊断算法的性能评估 |
| 4.6 本章小结 |
| 第五章 案例分析:偏瘫步态的自动识别和分析 |
| 5.1 临床试验 |
| 5.2 偏瘫步态识别特征的提取结果 |
| 5.3 特征重要性排序与步态模式识别 |
| 5.3.1 特征重要性排序 |
| 5.3.2 步态模式识别 |
| 5.4 识别结果的分析与评价 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历在读期间发表的学术论文 |
| 致谢 |
（8）多通道表面肌电信号特征提取关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 运动生物力学简介 |
| 1.1.2 神经肌肉骨骼系统 |
| 1.1.3 多通道表面肌电信号 |
| 1.2 多通道表面肌电信号特征提取及其研究意义 |
| 1.3 基于盲源分离的多通道表面肌电特征提取研究现状 |
| 1.4 本论文的研究内容和意义 |
| 1.5 论文组织结构 |
| 第二章 生理学和算法理论基础 |
| 2.1 生理学基础 |
| 2.1.1 神经系统介绍 |
| 2.1.2 肌电信号的产生与检测 |
| 2.1.3 肌肉力的产生 |
| 2.1.4 运动的产生 |
| 2.2 盲源分离介绍 |
| 2.2.1 盲源分离概念及基础模型 |
| 2.2.2 表面肌电信号处理中常用的盲源分离算法 |
| 2.2.3 主成分分析 |
| 2.2.4 独立成分分析 |
| 2.2.5 典型相关分析 |
| 2.2.6 非负矩阵分解 |
| 2.2.7 因子分析 |
| 2.2.8 算法间的异同 |
| 2.3 肌肉力测量 |
| 2.3.1 肌力测量意义 |
| 2.3.2 肌力测量方法 |
| 2.3.3 基于高密度阵列表面肌电的肌力估计 |
| 2.4 运动分析 |
| 2.4.1 运动分析的意义 |
| 2.4.2 运动分析技术 |
| 2.4.3 肌肉协同理论 |
| 2.5 本章小结 |
| 第三章 阵列表面肌电-肌力估计中的预处理及滤波器设计研究 |
| 3.1 特征提取框架 |
| 3.2 肌力估计实验设计与数据采集 |
| 3.3 基于盲源分离的信号预处理 |
| 3.4 基于表面肌电信号调制模型的滤波器参数寻优方法 |
| 3.5 实验结果与分析 |
| 3.5.1 信号预处理结果及分析 |
| 3.5.2 滤波器参数寻优结果 |
| 3.6 总结与讨论 |
| 3.6.1 PCA预处理框架的有效性讨论 |
| 3.6.2 基于峭度引导的滤波器参数寻优方法的有效性讨论 |
| 3.7 本章小结 |
| 第四章 阵列表面肌电-肌力估计中的数据融合研究 |
| 4.1 三种不同的阵列表面肌电数据融合方案 |
| 4.1.1 基于ICA的数据融合方案 |
| 4.1.2 基于PCA的数据融合方案 |
| 4.1.3 基于CCA的数据融合方案 |
| 4.2 实验结果与分析 |
| 4.2.1 基于ICA的数据融合结果及分析 |
| 4.2.2 基于PCA的数据融合结果及分析 |
| 4.2.3 基于CCA的数据融合结果及分析 |
| 4.2.4 各数据融合方案性能比较 |
| 4.2.5 肌力估计结果及分析 |
| 4.3 总结与讨论 |
| 4.3.1 肌肉激活不均匀性问题 |
| 4.3.2 数据融合框架的有效性及选取建议 |
| 4.4 本章小结 |
| 第五章 爬行运动肌肉协同特征提取研究 |
| 5.1 爬行运动概述 |
| 5.2 实验设计与数据采集 |
| 5.3 基于NMF算法的肌肉协同特征提取改进方案 |
| 5.3.1 基于PCA的初始协同矩阵设置方法 |
| 5.3.2 基于信号分层的肌肉协同提取方案 |
| 5.3.3 基于协同不相关约束的NMF算法改进 |
| 5.3.4 协同矩阵匹配方法 |
| 5.4 实验结果与分析 |
| 5.4.1 基于PCA的协同初始化结果 |
| 5.4.2 基于PCA的多通道信号分层结果 |
| 5.4.3 基于HNMF和UNMF的肌肉协同提取结果 |
| 5.5 总结与讨论 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文主要工作总结 |
| 6.2 研究创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（9）振动诱导下驾驶人腰背部肌肉响应机理及建模方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 课题的提出 |
| 1.2 国内外研究现状 |
| 1.2.1 驾驶人肌肉骨骼生物力学模型研究现状 |
| 1.2.2 振动诱导下驾驶人骨骼肌牵张反射机理研究现状 |
| 1.2.3 驾驶人腰背部振动舒适性研究现状 |
| 1.3 本论文研究内容及论文结构 |
| 1.3.1 本论文研究内容及方案 |
| 1.3.2 论文结构 |
| 第2章 驾驶人脊柱肌肉系统及其椎间软组织建模 |
| 2.1 现有的人体肌肉骨骼生物力学模型 |
| 2.1.1 驾驶人肌肉骨骼生物力学基础模型 |
| 2.1.2 驾驶人肌肉骨骼生物力学基础模型的不足 |
| 2.2 驾驶人颈椎建模及验证 |
| 2.2.1 现有的驾驶人颈椎模型及其不足 |
| 2.2.2 驾驶人颈椎肌肉骨骼系统建模 |
| 2.2.3 驾驶人颈椎肌肉骨骼力学模型验证 |
| 2.3 椎间软组织力学特性分析及建模 |
| 2.3.1 椎间软组织力学特性及建模 |
| 2.3.2 人体脊柱椎间旋转刚度参数统计分析 |
| 2.3.3 人体脊柱椎间旋转刚度非线性建模 |
| 2.4 基于脊柱肌肉骨骼模型的椎间关节转动位移求解 |
| 2.4.1 基于最小生物力学负载假设的椎间关节转动位移求解算法 |
| 2.4.2 椎间关节转动位移求解结果及其验证 |
| 2.5 本章小结 |
| 第3章 振动诱导下单根骨骼肌的牵张反射机理及实验研究 |
| 3.1 大鼠腓肠肌振动牵拉实验设计 |
| 3.1.1 实验平台搭建 |
| 3.1.2 实验方案设计 |
| 3.2 振动诱导下大鼠腓肠肌的牵张反射机制 |
| 3.2.1 实验数据处理与分析方法 |
| 3.2.2 牵张反射对肌肉振动响应力的影响 |
| 3.3 本章小结 |
| 第4章 考虑肌肉牵张反射频率依赖非线性的驾驶人振动舒适性仿真研究 |
| 4.1 驾驶人全身振动实验研究 |
| 4.1.1 驾驶人全身振动实验设计 |
| 4.1.2 驾驶人振动传递特性及腰背部肌肉振动响应 |
| 4.2 考虑牵张反射的驾驶人肌肉振动响应机制 |
| 4.2.1 振动诱导下牵张反射神经反馈控制建模 |
| 4.2.2 适用于全身振动仿真的驾驶人肌肉骨骼模型 |
| 4.2.3 驾驶人全身振动舒适性仿真及肌肉振动响应机制 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（10）人体-座椅系统三维有限元建模及其动态特性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 人体-座椅系统静态舒适性研究现状 |
| 1.2.2 人体—座椅系统动态特性研究现状 |
| 1.3 论文的主要研究内容和结构 |
| 1.4 小结 |
| 第2章 全人体三维动力学模型的创建 |
| 2.1 引言 |
| 2.2 建模方法 |
| 2.3 Poser中设置50%分位中国男性人体及坐姿 |
| 2.4 皮肤椎体盆骨表面光滑处理 |
| 2.4.1 造型设计 |
| 2.4.2 小平面特征 |
| 2.5 网格划分 |
| 2.6 人体材料特性 |
| 2.7 人体质量转动惯量数据 |
| 2.8 振动响应分析方法 |
| 2.9 随机振动分析理论基础 |
| 2.10 小结 |
| 第3章 人体-座椅系统静态模拟 |
| 3.1 人座椅模型 |
| 3.1.1 座椅模型 |
| 3.1.2 人体模型 |
| 3.1.3 人与座椅的相互关系 |
| 3.2 模型验证 |
| 3.3 腰部支撑对人体-座椅系统的影响 |
| 3.3.1 接触压力 |
| 3.3.2 接触面积 |
| 3.3.3 接触压力中心坐标 |
| 3.3.4 座椅靠背所受作用力 |
| 3.3.5 人体腰椎间盘应力 |
| 3.4 讨论 |
| 3.5 小结 |
| 第4章 腰椎动态特性 |
| 4.1 低胸腰椎有限元模型(T12-Pelvis)前处理 |
| 4.2 腰椎有限元模型验证 |
| 4.3 影响腰椎低阶模态的因素 |
| 4.4 腰椎垂直方向第一阶固有频率的变化曲线 |
| 4.5 垂直方向第一阶模态时腰椎各运动节段的位移 |
| 4.6 腰椎间盘加速度随机响应功率谱 |
| 4.6.1 不同模型腰椎间盘L1-L2的加速度功率谱密度 |
| 4.6.2 X坐标对腰椎间盘L1-L2的加速度功率谱密度峰值的影响 |
| 4.6.3 不同方向单轴激励时腰椎间盘随机响应功率谱 |
| 4.7 讨论与小结 |
| 第5章 人体动态特性 |
| 5.1 引言 |
| 5.2 分析方法和设置 |
| 5.3 模型验证 |
| 5.4 人体低阶模态 |
| 5.5 臀部边界条件、臀部和肌肉弹性模量对垂直频率的影响 |
| 5.6 瞬态响应 |
| 5.6.1 前倾、垂直和后倾姿势时腰椎间盘的瞬态响应 |
| 5.6.2 驾驶姿势时腰椎间盘的瞬态响应 |
| 5.7 随机响应分析 |
| 5.7.1 垂直激励时腰椎间盘随机响应 |
| 5.7.2 前后激励时椎间盘的随机响应 |
| 5.7.3 左右激励时椎间盘的随机响应 |
| 5.7.4 阻尼比对腰椎间盘随机响应影响 |
| 5.8 讨论 |
| 5.9 小结 |
| 第6章 人体-座椅系统动态特性 |
| 6.1 引言 |
| 6.2 方法步骤 |
| 6.2.1 人体-座椅系统有限元模型的建立 |
| 6.2.2 静态仿真 |
| 6.2.3 频率提取分析 |
| 6.2.4 随机响应分析 |
| 6.3 人体振动评价指标 |
| 6.4 结果 |
| 6.4.1 静态和模态分析结果 |
| 6.4.2 倾斜坐姿弹性座椅时的结果 |
| 6.4.3 驾驶坐姿弹性座椅时的结果 |
| 6.4.4 驾驶坐姿刚性座椅金属骨架时的结果 |
| 6.4.5 驾驶坐姿刚性座椅时的结果 |
| 6.5 讨论与小结 |
| 第7章 人体-座椅系统振动试验研究 |
| 7.1 引言 |
| 7.2 方法 |
| 7.2.1 试验设备 |
| 7.2.2 被试者与试验方案 |
| 7.2.3 数据处理计算 |
| 7.3 肌电信号结果 |
| 7.3.1 支撑参数为d2时某被试者的肌电信号 |
| 7.3.2 支撑参数为d2时某被试者的幅值变量 |
| 7.3.3 支撑参数为d2时某被试者的频率变量 |
| 7.3.4 RMS回归分析的统计 |
| 7.4 加速度信号结果 |
| 7.4.1 振动加速度处理结果 |
| 7.4.2 腰部支撑对振动传递比的影响 |
| 7.4.3 振动时间对振动传递比的影响 |
| 7.5 讨论 |
| 7.5.1 应用肌电信号判断肌肉状态 |
| 7.5.2 应用振动信号判断肌肉状态 |
| 7.6 小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间取得的学术成果 |
| 作者从事科学研究和学习经历的简历 |
四、“运动生物力学中加速度的直接测量”（论文参考文献）
- [1]运动协调理论模型与量化方法的演进[J]. 王佳伟,刘晔. 中国组织工程研究, 2022
- [2]仿垄式甘薯秧回收机粉碎抛送关键技术与装置研究[D]. 穆桂脂. 山东农业大学, 2021
- [3]人体日常健康管理可穿戴设备研究进展[J]. 李安安,石萍. 北京生物医学工程, 2021(04)
- [4]机器学习在预测人体运动地面反作用力中的应用综述[J]. 冯茹,杨辰,李翰君,刘卉. 数据采集与处理, 2021(04)
- [5]冬残奥坐姿高山滑雪选手旗门转弯技术的运动生物力学研究[D]. 徐青华. 上海体育学院, 2021(09)
- [6]老年女性膝骨关节炎患者步态适应性运动特征研究[D]. 殷可意. 上海体育学院, 2021(09)
- [7]基于数字人体运动模型的智能步态康复评估研究[D]. 朱业安. 华东交通大学, 2020
- [8]多通道表面肌电信号特征提取关键技术研究[D]. 张聪. 中国科学技术大学, 2020(01)
- [9]振动诱导下驾驶人腰背部肌肉响应机理及建模方法研究[D]. 张超飞. 清华大学, 2019
- [10]人体-座椅系统三维有限元建模及其动态特性研究[D]. 董瑞春. 东北大学, 2017(01)