导读:本文包含了肌肉力论文开题报告文献综述及选题提纲参考文献，主要关键词:生物力学,手指肌肉力,增广拉格朗日乘子法,混合遗传算法
肌肉力论文文献综述
王扬威,宋治成,贺俊敏,孙雪[1]（2019）在《基于混合遗传算法的手指肌肉力优化求解方法研究》一文中研究指出目的为解决手指肌肉、肌腱组织结构复杂导致肌肉力真实值很难获取的问题,采用混合遗传算法求解手指肌肉力。方法在分析手指解剖结构的基础上,基于生物力学原理,建立了手指肌肉、肌腱力和接触力的力学平衡方程,以最小化肌肉应力平方和为优化目标函数,利用遗传算法和增广拉格朗日乘子法相融合的混合遗传算法,采用典型对象的手指接触力测量数据为输入参数,优化计算求解手指的肌肉力。结果有效求出了手指的各个肌肉力,优化计算结果与其它研究的结果较为吻合;随着手指关节角减小,FDP和FDS的数值增大,而LE、LU、UI、RI的数值随之减小,FDP、FDS、LE和RI+UI+LU在数值上约为外界接触力的0.7～3.7倍。结论基于遗传算法和增广拉格朗日乘子法的混合优化算法,初始优化不依赖初值的选取,避免了经验取值,提高了算法的适用性。(本文来源于《航天医学与医学工程》期刊2019年04期）
翟东桢[2]（2019）在《人体上肢屈臂过程肌肉力建模与分析》一文中研究指出随着工作和生活节奏的加快,人们身体素质呈现出持续下降的情况,越来越多的人选择去健身房锻炼。对于上肢力量训练,因缺乏直接测量肌肉力的方法,所以在训练过程中不能直观了解肌肉力的变化。本文通过建立人体上肢屈臂过程肌肉力模型,定量地分析主要屈肌(肱二头肌、肱肌和肱桡肌)的肌肉力变化,为上肢肌肉力训练提供理论基础,使训练更加具有针对性和高效性。本文根据人体上肢生理结构和运动特性,建立合理的人体上肢刚体模型,并由直线代替肌肉,建立肌肉的直线模型。通过建立上肢坐标系,得到各肌肉起止点的空间位置坐标,推导出肌肉力臂模型,并通过细化前臂的刚体模型,在肌肉力臂模型中加入前臂旋转角度变量,使肌肉力臂值包含两个变量(肘关节弯曲角度和前臂旋转角度),目的是让所建立的上肢肌肉力模型符合更多的训练场景。设计人体上肢运动实验,由无线独立传感系统采集上肢的运动数据,主要包括肘关节的运动角度、角速度和角加速度。运用拉格朗日动力学方程对肘关节进行逆动力学分析,得到肘关节的关节力矩。根据神经控制肌肉以消耗最小能量为优化原则,通过肘关节力矩平衡方程和肌肉力所受约束的条件,采用约束优化方法求解出肱二头肌、肱肌和肱桡肌的肌肉力大小。采集运动信号的同时,采集肱二头肌的表面肌电信号,对表面肌电信号进行预处理,得到肌肉激活度,通过肌肉激活度计算出肱二头肌的肌肉力,对比由两种方法计算出的肱二头肌肌肉力,目的是验证所建模型的有效性。最后,本文通过多组实验,分析不同运动状态下的肱二头肌、肱肌和肱桡肌的肌肉力变化,为以后的上肢力量训练提供理论依据。(本文来源于《沈阳工业大学》期刊2019-06-04）
赵鹏飞,陈玲,门玉涛[3]（2018）在《有限元分析肌肉力对腰椎内固定系统的影响》一文中研究指出背景:内固定系统是治疗腰椎损伤的常用方法,而腰椎肌肉力的作用与矢状面进钉角度的选择是影响内固定手术成功率的主要因素,不能忽视。目的:研究不同姿势下肌肉力对不同矢状角度进钉的万向椎弓根内固定系统的影响。方法:选取健康成年男性L_3和L_4节段的MRI数据,建立腰椎L_3和L_4叁维有限元模型,并与万向椎弓根螺钉内固定系统以不同矢状角度装配,并按照以下3种加载方案进行设计。方案1:不加载重力、随动载荷和竖脊肌力,模拟腰椎的前屈、后伸、侧弯3种姿势,研究腰椎内固定系统各部分的应力和位移分布。方案2:加载重力和随动载荷,不加载竖脊肌力,研究腰椎前屈、后伸和侧弯3种姿势下模型的应力和位移的分布。方案3:加载重力、随动载荷和竖脊肌力,在3种力共同作用时,研究腰椎在前屈、后伸和侧弯3种姿势下的应力和位移分布。对比在不同工况下,内固定系统各部分的应力和位移。结果与结论:(1)前屈姿势下,3种方案内固定系统的应力变化趋势相似;后伸姿势下,方案1,2应力趋势都是先上升后下降,方案3的应力值处于下降状态;侧弯姿势下,方案1的模型应力先上升后下降。方案2,3先下降后上升;(2)在不同姿势下,椎骨位移都是在0°-5°增加,之后随着角度的增加而减小;(3)3种加载方案下,方案1椎间盘位移量最小;(4)结果提示,引入肌肉力会增加内固定系统在各个工况下的应力,椎间盘的应力也会增加,但是各部分的应力趋势与椎骨的姿势有关。在研究中需要根据进钉角度的不同综合考虑肌肉力的影响。(本文来源于《中国组织工程研究》期刊2018年23期）
张楠鑫[4]（2018）在《基于肌肉力描计法的人机交互控制方法的研究》一文中研究指出随着我国经济的发展,人们的生活水平在近年来有着显着的提高。特别是老年人和残疾人等弱势社会群体的民生问题也得到重视和处理。医疗康复机器人能够为患有运动障碍的人群(如患有运动损伤的老年人和残疾人)提供有益的康复环境。医疗康复机器人的服务对象是人,因此发展医疗康复机器人的人机交互技术尤为关键。当前的人机交互控制中人体运动意图的探测方法主要有两大类,一类是基于脑电、肌电等生理电信号的运动意图的探测方法,另一类则是利用压力、声和光等物理手段测量人体的某些部位或环节在运动过程中发生的变化来预测人体运动意图。本文主要研究基于肌肉力描记法(Forcemyography,FMG)的运动意图识别方法。FMG的主要测量原理是利用压力传感器监测肌肉运动时表面肌群体积分布变化,采集的信号通过模式识别的方法进行处理,进而预测出人体的运动意图。与目前最常使用的肌电信号不同,FMG信号不易受到信号衰弱、环境噪声和阻抗变化等因素的干扰,因此是一种比较理想的人机交互控制信号源。本文开发并使用了一套的四通道FMG信号采集系统。预实验中,本文探索了信号迟滞,器件校准以及数字滤波对FMG信号质量的影响。实验中,六名肢体健全的受试者按照视频的指令分别完成了手张开,手握拳,腕屈,腕伸,前臂内旋,前臂外旋和休息的动作,受试者各类动作的FMG信号将被采集并上传到上位机。准确且快速地探测人体的运动意图是良好人机交互的基础。本文采用基于线性判别式分析(Liner Discriminant Analysis,LDA)的模式分类方法对FMG信号进行解码,从而验证本文获得的FMG信号用于动作分类的可行性。研究表明,利用四个通道的数据,并且仅提取数据中一个维度特征平均绝对值(Mean Absolute Value,MAV)进行训练,训练后的分类器可以取得平均91.62%的动作分类准确率,其中手张开,手握拳,腕屈,腕伸,前臂内旋,前臂外旋和休息这7种动作分类准确率分别为89.93%,89.10%,90.85%,90.21%,89.44%,90.82%和100%。此外,本文还初步探索了FMG信号中动作启动点的搜索方法。研究发现通过提取特殊的时域特征或变换后,可从信号时域图谱中观察到启动点与动作平稳期有着显着的幅值差异,进一步地只需通过设定阈值就可以近似地寻找到动作启动点。系统在动作启动点后采样数据有利于提高分类器的动作分类准确率,进而减少控制中的抖动和失误,增强系统控制的柔顺性。本文还探索了采样通道和特征提取对于FMG信号分类准确率的影响。研究发现FMG信号的通道个数对动作识别准确率有着显着性影响,随着通道个数增加,动作分类的准确率显着性提高。此外,在相同的通道个数时,不同通道的组合情况对动作分类的影响存在较大的差异。另一方面,关于特征提取的研究中发现随着特征个数的增加,动作识别准确率有一定的提升,然而方差分析的结果表明该影响效果并不显着。本文还探讨了不同特征组合对动作识别准确率影响,统计发现时域特征平均绝对值(MAV)在一维特征用于动作分类的情形中具有最高的准确率(91.62%),而时域特征求和(SUM)在各组(按特征个数分组)最优的前3个特征组合中具有最高的出现频次。综上所述,本文主要研究了FMG信号在人机交互中的控制方法。文中的研究成果有助于开发出基于FMG信号的人机交互控制系统,提高人机交互控制系统的鲁棒性,改善现有康复机器人的交互控制性能。(本文来源于《中国科学院大学(中国科学院深圳先进技术研究院)》期刊2018-06-01）
尹伟,黄红拾,任爽,于媛媛,敖英芳[5]（2018）在《前交叉韧带损伤伴随内侧半月板损伤患者的肌肉力不对称性研究》一文中研究指出部分前交叉韧带损伤患者会产生一种不对称的步态模式,并且有研究指出伴随半月板损伤的患者会表现出更加不对称的步态模式,目前导致这种步态模式的肌肉模式仍然不是很清楚。本研究计划通过步态分析和主成分分析的方法来分析探讨造成这种步态模式的肌肉力不对称性。研究结果表明,伴随内侧半月板损伤的患者表现出更大的不对称性,然而相关肌肉力的不对称性并没有出现。人体特异性差异会对步态分析结果造成很大影响,将来的研究应该注重于受人体特异性差异影响较小的动作。(本文来源于《北京力学会第二十四届学术年会会议论文集》期刊2018-01-21）
高瞻乐,程亮,周继和,王帅[6]（2017）在《等速力量训练对优秀运动员膝关节前交叉韧带重建患者术后肌肉力特征的研究》一文中研究指出研究目的ACL损伤容易发生在运动员或者运动爱好者身上,损伤后使得他们难以短时间内重返训练及比赛或产生日常生活困难。等速训练已经广泛应用作为一种康复手段,同时等速测试仪也成为一种康复训练和测试的设备。运动员在康复阶段通常使用等速力量测试作为手术后康复的评价手段,较少作为手术后的一种康复训练手段。因此本文对利用等速力量训练对运动员的ACL损伤后的康复效果进行比较研究(本文来源于《第十九届全国运动生物力学学术交流大会论文摘要汇编》期刊2017-10-13）
张守先[7]（2017）在《基于小波分析表面肌电信号的上肢肌肉力估计》一文中研究指出表面肌电信号(Surface Electromyography Signal,sEMG)是由于肌肉收缩时所募集的运动单元动作序列电位(Motor Unit Action Potential Trains,MUAPT),迭加在皮肤表面的一种非平稳生理电信号。目前表面肌电信号的特征提取与分类方法并不成熟,尤其是针对多功能智能上肢的肌电控制,残疾人更期望在自主控制智能上肢运动的同时,能够实现主动调节智能上肢力的大小。针对这个现状,本文就表面肌电信号的特征与上肢肌肉力大小之间的关系进行研究。目前,对于表面肌电信号的分析研究还存在许多问题,如采集表面肌电信号的过程中会受到周围环境和采集设备的噪声干扰,在对肌电信号进行分析前,必须进行预处理;由于表面肌电信号的微弱性,在进行特征提取时,需对多个特征进行融合分类;一般的特征分类器对于复杂的运动模式识别率较低,影响分类识别结果。因此,本文为获得更合适的处理算法来优化控制信号源。首先,制定合理的实验方案。然后对已采集的表面肌电信号进行活动段检测、去噪、特征提取,选择效果更好的分类器对不同大小的肌肉力进行分类识别。首先,本文提出将高斯混合模型应用于表面肌电信号,以检测肌肉活动段的开始,停止和活动间隔。并利用小波变换中降噪的方法,对原始表面肌电信号进行预处理,获取有效的信号。其次,分别从时域、频域和时频域的角度对降噪后的表面肌电信号进行特征提取,并定量对比分析各特征值与不同肌肉力之间的关系。发现单纯地从时域和频域特征的角度出发,很难获取与肌肉力大小之间的相互关系。而基于小波分析的时频特征与肌肉力大小存在着一定的关系,特别是小波系数的高、低频子频段的奇异值特征向量,在不同肌肉力水平下的差异性较大。最后,在模式识别过程中,分别选择BP神经网络、线性判别分析(Linear Discriminant Analysis,LDA)和支持向量机(Support Vector Machine,SVM))3种分类器。然后在每个分类器内输入提取的特征向量,以5种不同的肌肉力作为动作识别方式,进行分类识别。通过对分类结果的对比分析,发现支持向量机的识别效率更好。(本文来源于《沈阳工业大学》期刊2017-05-31）
李满良[8]（2017）在《仿肌肉力驱动的拟人肘关节模糊控制及联合仿真》一文中研究指出随着人们对生物系统功能特征、运动机理认知的不断深入,以及计算机技术的迅猛发展,仿生机器人进入了机电系统与生物性能相互融合的阶段,如传统结构与仿生材料的融合以及仿生驱动的运用。本文对一类仿肌肉力驱动的拟人肘关节进行了动力学建模和轨迹跟踪控制器设计,并进行了虚拟样机设计和联合仿真研究。该拟人肘关节为2-DOF并联机构,采用仿肌肉力驱动方式来模拟人类肘关节的运动能够体现仿生驱动机构的柔顺特性。本文主要工作如下:首先,在详细分析拟人肘关节结构和运动方式的基础上,选取Hill叁元素肌肉模型作为仿生驱动器的数学模型,与拟人肘关节的Lagrange动力学模型相结合,建立一种新型的仿肌肉力驱动的拟人肘关节标称动力学模型。进一步考虑不确定性和外部干扰等因素,建立该系统的综合动力学模型。其次,针对仿肌肉力驱动的拟人肘关节的轨迹跟踪控制问题,考虑其多变量、非线性、时变性及不确定性等特点,设计一种模糊PID控制器。该控制器基于模糊控制规则推理机构,不断检测误差及误差变化率,实时在线调整PID控制器参数。利用MATLAB进行轨迹跟踪控制仿真实验,验证所设计控制器的有效性。再次,利用Solid Works软件建立拟人肘关节的虚拟样机模型,在ADAMS仿真环境下进行前臂抬起过程的运动轨迹仿真,观察运动轨迹随时间的变化情况,验证虚拟样机的合理性。最后,利用MATLAB/SIMULINK搭建仿真控制系统、通过S函数编写肌肉力特性函数,经由ADAMS/Controls模块实现MATLAB和ADAMS两个软件的信息交互,将拟人肘关节ADAMS虚拟样机模型和MATLAB仿真控制系统相结合,进行联合仿真控制,进一步验证虚拟样机设计的正确性和控制器的有效性。(本文来源于《燕山大学》期刊2017-05-01）
孟凡冬[9]（2017）在《基于OpenSim的上肢康复训练肌肉力特性分析》一文中研究指出近年来,随着人们生活习惯不规律以及人口老龄化加重,脑卒中患者数量逐年增加。如何快速、有效地使脑卒中患者回归到日常的生活,一直是康复医学领域研究的重点问题。从病理上出发,脑卒中患者往往会表现出某部分肌肉功能性障碍。主被动康复训练会使这部分肌肉功能得以恢复,然而只有当肌肉活性发生质变时,康复治疗效果才会体现出来。本文从上肢骨骼的生理结构出发,建立了上肢运动学与动力学模型,在此基础上,通过分析肌肉力的影响因素,建立了基于Hill的上肢骨肌模型,设计了上肢康复器控制系统,结合实验研究了主被动康复训练中的肌肉特性,并通过人体表面肌电信号对肌肉活性进行了分析。在人体骨肌系统叁维模型的基础上,通过比例缩放改变肢体环节的体长及体重来建立不同个体的上肢骨肌模型。根据解剖学、运动生物力学的知识设置上肢参数,对上肢环节进行运动学、动力学以及优化分析,分别求取关节角度、关节力矩以及肌肉力。建立肌肉Hill模型,对影响肌肉力的因素进行分析。通过仿真软件OpenSim分析肌肉力与肌纤维长度以及羽状角等影响因素的关系。分别对影响肌腱力、肌纤维主动力、肌纤维被动力的因素进行分析;根据肌肉的结构特性,分析肌纤维横截面积与肌纤维体积、肌纤维长度的关系;设置参数,最后对上述模型进行仿真分析。为研究康复训练中的肌肉特性,建立了上肢康复器及其仿真模型。结合康复训练要求和康复器特性分析,设计了被动控制器和主动控制器,提出了基于位置的阻力给定算法,结合人体模型对控制器进行仿真分析。为提高被动控制器的控制精度,设计了滑模变结构控制算法,提高了系统的抗负载能力,通过仿真验证改进的效果。搭建康复训练实验装置,完成肌肉模型的验证性实验,同时依次进行了上肢在不同模式下的康复训练、通过表面肌电信号及肌肉模型对肌肉力进行预估判断,分析训练的合理性。(本文来源于《哈尔滨工程大学》期刊2017-01-01）
汪海洋,张淼,钱佩伦,叶成文[10]（2016）在《基于驾驶员肌肉力的转向操纵舒适性研究》一文中研究指出针对汽车驾驶员转向操纵过程中的舒适性问题,从生物力学角度出发,提出了一种基于驾驶员上肢主要肌肉的肌肉力的转向操纵舒适性评价方法。利用模拟驾驶平台进行模拟转向实验,采集人体上肢运动学及动力学数据,在人体上肢骨骼肌肉模型的基础上,对转向操纵过程进行仿真分析,在上肢主要肌肉的肌肉力的基础上,建立转向操纵舒适性评价模型,结合主观评价结果验证了该评价方法的可行性。(本文来源于《农业装备与车辆工程》期刊2016年07期）
肌肉力论文开题报告
（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：
随着工作和生活节奏的加快,人们身体素质呈现出持续下降的情况,越来越多的人选择去健身房锻炼。对于上肢力量训练,因缺乏直接测量肌肉力的方法,所以在训练过程中不能直观了解肌肉力的变化。本文通过建立人体上肢屈臂过程肌肉力模型,定量地分析主要屈肌(肱二头肌、肱肌和肱桡肌)的肌肉力变化,为上肢肌肉力训练提供理论基础,使训练更加具有针对性和高效性。本文根据人体上肢生理结构和运动特性,建立合理的人体上肢刚体模型,并由直线代替肌肉,建立肌肉的直线模型。通过建立上肢坐标系,得到各肌肉起止点的空间位置坐标,推导出肌肉力臂模型,并通过细化前臂的刚体模型,在肌肉力臂模型中加入前臂旋转角度变量,使肌肉力臂值包含两个变量(肘关节弯曲角度和前臂旋转角度),目的是让所建立的上肢肌肉力模型符合更多的训练场景。设计人体上肢运动实验,由无线独立传感系统采集上肢的运动数据,主要包括肘关节的运动角度、角速度和角加速度。运用拉格朗日动力学方程对肘关节进行逆动力学分析,得到肘关节的关节力矩。根据神经控制肌肉以消耗最小能量为优化原则,通过肘关节力矩平衡方程和肌肉力所受约束的条件,采用约束优化方法求解出肱二头肌、肱肌和肱桡肌的肌肉力大小。采集运动信号的同时,采集肱二头肌的表面肌电信号,对表面肌电信号进行预处理,得到肌肉激活度,通过肌肉激活度计算出肱二头肌的肌肉力,对比由两种方法计算出的肱二头肌肌肉力,目的是验证所建模型的有效性。最后,本文通过多组实验,分析不同运动状态下的肱二头肌、肱肌和肱桡肌的肌肉力变化,为以后的上肢力量训练提供理论依据。
（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。
肌肉力论文参考文献
[1].王扬威,宋治成,贺俊敏,孙雪.基于混合遗传算法的手指肌肉力优化求解方法研究[J].航天医学与医学工程.2019
[2].翟东桢.人体上肢屈臂过程肌肉力建模与分析[D].沈阳工业大学.2019
[3].赵鹏飞,陈玲,门玉涛.有限元分析肌肉力对腰椎内固定系统的影响[J].中国组织工程研究.2018
[4].张楠鑫.基于肌肉力描计法的人机交互控制方法的研究[D].中国科学院大学(中国科学院深圳先进技术研究院).2018
[5].尹伟,黄红拾,任爽,于媛媛,敖英芳.前交叉韧带损伤伴随内侧半月板损伤患者的肌肉力不对称性研究[C].北京力学会第二十四届学术年会会议论文集.2018
[6].高瞻乐,程亮,周继和,王帅.等速力量训练对优秀运动员膝关节前交叉韧带重建患者术后肌肉力特征的研究[C].第十九届全国运动生物力学学术交流大会论文摘要汇编.2017
[7].张守先.基于小波分析表面肌电信号的上肢肌肉力估计[D].沈阳工业大学.2017
[8].李满良.仿肌肉力驱动的拟人肘关节模糊控制及联合仿真[D].燕山大学.2017
[9].孟凡冬.基于OpenSim的上肢康复训练肌肉力特性分析[D].哈尔滨工程大学.2017
[10].汪海洋,张淼,钱佩伦,叶成文.基于驾驶员肌肉力的转向操纵舒适性研究[J].农业装备与车辆工程.2016