XiaoMi-AI文件搜索系统
World File Search System测力
[分析METRLOGICA 中的测量兼容性
通过在区域参考标准实验室 (RRSL)、班加罗尔开发和调试容量为 50 kN 的自重测力机以及在印度不同地区的其他 (RRSL) 开发和调试容量为 50 kN 的自重测力机，实现了将单位从国家标准转移到用户时，将测量结果传输到区域参考标准实验室 (法制计量部)，而不会对不确定度产生太大影响。通过与 BMC 为 ± 0.003 % (k=2) 的 NPL 主标准机校准的工件，直接比较已建立的标准机器的性能。从不同机器获得的称重传感器校准数据显示，实际力在 ± 0.05% 以内，因此已建立的力标准机器的性能非常令人满意。
3 度自由度测量的应用 ...
无人机技术的发展正在迅速发展，在制造飞机时，需要对作用在飞机上的空气动力进行分析。气动力分析可以通过风洞和水洞进行。可以使用可视化进行测量，但该方法不提供直接的气动力值。因此不能直接进行空气动力分析。可以使用带有称重传感器的力测量系统来进行空气动力测量。气动力测量系统应用可以直接分析气动力，因为力读数值直接以图形形式显示。该测量仪器使用称重传感器作为传感器，然后使用微控制器处理来自称重传感器的数据并显示在计算机上。经测试，该测力仪可以根据被测载荷测量出曳力和升力，误差较小。此外，可以使用该力测量系统来确定力矩。因此该系统可以测量3个自由度的空气动力，该测力系统还可以显示测试对象所受到的空气动力的方向。关键词：无人机、称重传感器、微控制器、气动力
配备测功仪来监测划船表现的可靠性
本研究的目的是开发一种便携式数据采集系统，用于测量模拟划船过程中每次划桨的功率输出和脚部产生的力量，并使用该系统研究用于描述划船表现的选定变量的可靠性。使用 Concept II 划船测力计，瞬时功率输出计算为手柄处的力量（使用安装在手柄附近的小型传感器测量）和手柄速度（使用红外发射器 - 接收器检测飞轮每个叶片的通过来测量）的乘积。使用两个测力板测量脚部的累积力，每个测力板安装在每只脚下。使用运行 Asyst 数据采集软件的 80386SX 计算机以 30 Hz 的频率对所有传感器的输出进行采样。所有传感器均具有出色的线性度，系统校准显示测量误差小于 3%。使用对七名经验丰富的桨手进行的重复 90 秒最大测试来研究用于描述划船表现的变量的可靠性。统计分析表明，在使用的 14 个变量中，只有两个变量不符合设定的标准。总之，发现划船者在模拟划船过程中的表现非常可靠，并且本研究中使用的选定变量可用于客观地描述划船测功仪上的表现。
通过静水称重进行高精度密度测定的程序
可获得更可重复的结果。讨论了单盘双刀天平的操作，并建议进行简单的修改以使其适应静水工作。提出了一种数据哲学，它特别适用于现在正在开发的用于静水工作的新一代测力仪器。提出了一个简化的空气密度公式和一个估计水密度日常变化的公式。附录中介绍了一种简单的平衡校准程序，并描述了制造悬挂线和样品表面脱气的简化方法。通过对硅晶体的测量说明了这些技术的使用，这些测量表明该过程的标准偏差可重复性约为百万分之一。
盆底功能障碍女性盆底肌肉强度评估：信度与相关性研究
括约肌。盆底功能障碍 (PFD) 是指一组与 PFM 或结缔组织有关的疾病，包括盆腔器官脱垂 (POP)、尿失禁和/或肛门失禁以及性交困难。5 尽管评估 PFM 功能很困难，1,6 测量 PFM 强度、耐力和神经肌肉激活对于 PFD 女性的临床评估至关重要，以便指导治疗。5 目前没有测量 PFM 强度和耐力的黄金标准，但已使用了许多工具来实现此目的。1,5 阴道测压法测量最大阴道挤压压力，并且已被证明在 7,8 和 7,9,10 个评分者之间都是可靠的，然而，它受腹内压的影响很大。5 阴道测力也用于测量 PFM 强度。测力是通过窥器进行的，该窥器测量 PFM 收缩产生的前后峰值力，并且似乎具有很强的评分者内 11,12 和评分者间一致性，13,14 但是，尚未研究市售测力的可靠性和并发有效性。阴道触诊 1,8,9,14 – 19 价格低廉，在临床实践中广泛用于评估 PFM 收缩的质量、力量和耐力。但是，它是主观的并且评分者间可靠性较差。9,10,16 改良的牛津评分量表是手动评估 PFM 强度的常用量表。1 肛提肌测试 20,21 是目前西班牙、法国和比利时医院物理治疗评估方案中使用的一种阴道触诊方法，尚未通过 PFM 强度或激活度测量进行验证。肛提肌测试使用与改良牛津评分标准相同的 6 分制评分标准来量化 PFM 强度，但通过确保 PFM 激活能够持续和重复（表 1）进一步考虑收缩的质量。
使用运动单位放电信息在手指屈曲和延伸过程中的灵活力估计
摘要 - 随着高级机器人手的发展，可靠的神经机界面对于充分利用机器人的功能灵活性至关重要。在这项初步研究中，我们开发了一种新的方法，可以在灵巧的手指屈曲和伸展过程中连续和同时估计单个手指的等距力。具体而言，分别从手指伸肌和屈肌记录的表面高密度肌电图（EMG）信号中提取运动单元（MU）排放活性。MU信息被分为不同的组，与单个手指的屈曲或伸展相关，然后在多手指屈曲和扩展任务期间用于预测单个手指力。与常规EMG振幅方法相比，当使用线性回归模型时，我们的方法可以获得更好的力估计性能（预测力和测量力之间的较高相关性和较小的估计误差）。对我们方法的进一步探索可以潜在地提供强大的神经机界面，以直观地控制机器人手。
研究论文 单点渐进成形过程中成形参数对摩擦的影响
单点渐进成形（SPIF）过程中的摩擦是影响工件表面质量和成形性能的主要因素。为了研究工艺参数对SPIF中摩擦的影响，根据SPIF成形原理和成形过程中摩擦的特点，以成形工具与金属板料的接触面积为分析对象，解析表达考虑摩擦条件下的受力状态，给出成形力与摩擦系数之间的关联表达式。在此基础上，通过实验测力计算得到不同工艺参数下的摩擦系数值，并通过有限元模拟验证所获摩擦系数的准确性和有效性。最后，采用表面响应法分析了成形参数对摩擦系数的影响及摩擦系数的预测模型。研究结果表明:刀具直径或主轴转速的增加有助于减小接触面间的摩擦系数,而分层进给量、进给速度或成形角的增加均使摩擦系数有不同程度的增大。研究结果可为提高零件表面质量和成形性能提供理论和技术参考。
用于估计群体神经活动的通用神经网络模型，以实现稳健的神经解码
背景：稳健且连续的神经解码对于可靠且直观的神经机器交互至关重要。本研究开发了一种新型通用神经网络模型，该模型可以根据解码的群体运动神经元放电活动连续预测手指力。方法：我们实施了卷积神经网络 (CNN) 来学习从前臂肌肉的高密度肌电图 (HD-EMG) 信号到群体运动神经元放电频率的映射。鉴于 EMG 信号本质上是随机的，我们首先提取 EMG 能量和频率图的时空特征以提高学习效率。然后，我们通过对多个参与者的群体神经元放电活动进行训练建立了一个通用神经网络模型。使用回归模型，我们实时连续预测单个手指力。我们将力预测性能与两种最先进的方法进行了比较：神经元分解方法和经典的 EMG 幅度方法。结果：我们的结果表明，通用 CNN 模型优于特定于受试者的神经元分解方法和 EMG 振幅方法，测量力和预测力之间的相关系数更高，力预测误差更低。此外，CNN 模型显示出随时间推移更稳定的力预测性能。结论：总体而言，我们的方法为实时和稳健的人机交互提供了一种通用且高效的连续神经解码方法。
MSTIC 博士学院 & EDST 博士学院
量化人体运动行为首先要尽可能准确地测量和估计运动学和动力学变量。监测人体运动在功能康复、骨科、运动、辅助机器人或工业人体工程学中有着广泛的应用。当今的运动捕捉系统通常指立体摄影测量系统和实验室级测力板，它们虽然准确，但价格昂贵、需要专业技能且不便携。最近，使用惯性测量单元或 RGB 深度相机等价格实惠的传感器进行人体运动估计已成为众多研究的主题。尽管这些系统在实验室外具有巨大的应用潜力，但它们的准确性仍然有限，主要是由于固有的 IMU 漂移和视觉遮挡，而且关节运动学和动力学估计仍然难以估计。这些缺点可能解释了为什么这种系统很少用于常见的临床应用或家庭康复计划。在此背景下，本论文致力于开发一种新型、经济实惠的运动捕捉系统，该系统能够准确估计人体的三维关节状态。与以前基于视觉或惯性传感器的研究不同，所提出的方法包括结合新设计的视觉惯性传感器的数据。该系统还利用了新的实用校准方法，这种方法不需要任何外部设备，而且价格非常实惠。所有传感器数据都融合到一个受约束的扩展卡尔曼滤波器中，该滤波器利用人体的生物力学和所研究的任务来显著改善关节状态估计。这是通过结合不同类型的约束来实现的，例如关节限制、刚体和软关节约束，以及对关节轨迹和/或传感器随机偏差的时间演变进行建模。该系统估计精确的三维关节运动学的能力已通过对上臂和跑步机步态的日常生活活动的各种案例研究得到验证。已经研究了两种具有不同传感器数量和配置的不同原型。与黄金标准运动捕捉系统相比，对几名健康受试者进行的实验显示出非常令人满意的结果。总体而言，两个系统之间的平均 RMS 差异低于 4 度。当使用较少数量的传感器进行步态分析时也是如此。该系统还用于动态识别
MSTIC 博士学院 & EDST 博士学院
量化人体运动行为首先要尽可能准确地测量和估计运动学和动力学变量。监测人体运动在功能康复、骨科、运动、辅助机器人或工业人体工程学方面有着广泛的应用。当今的运动捕捉系统通常是指立体摄影测量系统和实验室级测力板，它们准确但价格昂贵，需要专业技能，并且不便携。最近，使用价格实惠的传感器进行人体运动估计，例如惯性测量单元或 RGB 深度相机，已成为众多研究的主题。尽管这些系统在实验室外具有巨大的应用潜力，但它们的准确性仍然有限，主要是由于固有的 IMU 漂移和视觉遮挡，并且关节运动学和动力学估计仍然难以估计。这些缺点可能解释了为什么这种系统很少用于常见的临床应用或家庭康复计划。在此背景下，本论文涉及开发一种新的经济实惠的运动捕捉系统，该系统能够准确估计人体 3D 关节状态。与以前基于视觉或惯性传感器的研究不同，所提出的方法包括结合新设计的视觉惯性传感器的数据。该系统还利用了新的实用校准方法，这些方法不需要任何外部设备，同时仍然非常实惠。所有传感器数据都融合到一个受约束的扩展卡尔曼滤波器中，该滤波器利用人体的生物力学和所研究的任务来显着改善关节状态估计。这是通过结合不同类型的约束（例如关节限制、刚体和软关节约束）以及对关节轨迹的时间演变和/或传感器随机偏差进行建模来实现的。该系统估计精确 3D 关节运动学的能力已通过对上臂和跑步机步态的日常生活活动的各种案例研究得到验证。已经研究了两种具有不同传感器数量和配置的不同原型。与黄金标准运动捕捉系统相比，对几名健康受试者进行的实验显示出非常令人满意的结果。总体而言，两个系统之间的平均 RMS 差异低于 4 度。当使用较少数量的传感器进行步态分析时也是如此。该系统还用于