【摘 要】
：
针对上肢胳膊、手腕擦伤及骨折等患者,需要固定护具辅助康复;针对指伸肌麻痹,手指功能障碍、无力等症状,需要专用康复器械辅助治疗。本文基于逆向工程开展相关上肢关节康复训练器械的研发,采用EinScan-Pro+3D扫描仪扫描人体上肢三维数据,在Geomagic Studio逆向建模软件进行模型重建,在建模软件Unigraphics NX中进行个性化辅助康复器械正向设计。3D打印制作出康复训练器械样机,
【基金项目】
：
天水师范学院教育教学改革研究项目(JY203016),天水师范学院创新创业教育教学改革研究项目“新工科背景下的机械类大学生创新创业课程实践教学改革”,天水师范学院大学生创新创业训练计划项目“3D打印下的医疗护具定制”。
论文部分内容阅读
针对上肢胳膊、手腕擦伤及骨折等患者,需要固定护具辅助康复;针对指伸肌麻痹,手指功能障碍、无力等症状,需要专用康复器械辅助治疗。本文基于逆向工程开展相关上肢关节康复训练器械的研发,采用EinScan-Pro+3D扫描仪扫描人体上肢三维数据,在Geomagic Studio逆向建模软件进行模型重建,在建模软件Unigraphics NX中进行个性化辅助康复器械正向设计。3D打印制作出康复训练器械样机,通过测试、优化设计,实现了上肢及手指关节康复器械。
其他文献
变电站能否安全、可靠运行直接影响到电力系统作用及其效益的体现,传统人工巡检方式的应用难以满足变电站运行需求。基于此,本文从变电站巡检现状的分析入手,提出一种视频监控的变电站智能巡检系统,旨在发挥出变电站维护工作的最大效用。
针对目前现有垃圾桶功能单一、智能化程度较低等问题,本创新产品具有智能感应自动开合桶盖、自动套袋、自动打包、分类垃圾、自动清理扫地机器人尘盒以及APP远程监控预警功能。旨在提高人们的生活质量,实现垃圾自动分类打包,减少人与细菌的接触,保持健康生活。
输油管道穿跨越区域地貌类型多样,管道铺设过程不可避免地会穿越山区、丘陵等地质灾害多发区,而地质灾害的发生、发展通常具有隐蔽性和潜伏性。因此,开展输油管道大范围、空间连续的地质灾害监测迫在眉睫。基于C波段Sentinel-1A卫星影像、30 m SRTM DEM数据利用小基线集干涉叠加技术提取输油管道重点区段地表形变信息,结合可见光影像、万安县降雨数据、坡度坡向数据对SBAS-InSAR监测方法的适用性和形变结果及成因进行分析研究。研究结果发现:该方法在失相干(相干性小于0.3)区域形变结果为空值,无法获得
牛奶中所含体细胞的类别与数量是诊断与治疗奶牛乳腺炎的重要依据。针对牛乳体细胞分类识别问题,本文针对牛乳体细胞构建四个单一分类器分别是K近邻分类器、支持向量机分类器、BP神经网络分类器和随机森林分类器对牛乳体细胞进行分类识别。牛乳体细胞与其他人体血液细胞存在不同,目前针对牛乳体细胞方面的研究较少,因此本文针对牛乳体细胞进行分类研究,实现单一分类器对牛乳体细胞的高精度分类。
非局域均值滤波器是目前图像处理领域一个重要去噪算法。传统的非局域均值滤波器,主要针对单模态图像进行设计。将其应用于跨模态图像处理时,由于图像间的结构差异性,往往导致其滤波输出产生纹理复制的缺陷。针对这一问题,本文引入相关系数进行图像间的结构相似性刻画,并将其用于滤波器权值的动态正则化约束,最终得到一个适应跨模态场景的非局部均值滤波器算法。实验结果表明了所提算法的有效性。
移动通信核心网作为通信网的重要组成部分,为移动用户提供了接入、移动性管理及数据传输等服务。首先介绍了核心网的基本概念与发展历程;然后介绍了核心网近年来的主用应用技术,分析了各类技术的特点及应用场景;最后对核心网应用技术未来可能的发展方向作出了展望。
基于Arduino的低成本智能宿舍监控系统可以控制多种宿舍楼传感器设备,通过Arduino微控制器接收传感器设备传递的数据,处理后传递至物联网云平台,并存入数据库中。上位机和移动终端也可以通过物联网平台查看数据或者发送控制命令。本文在总体设计和硬件设计的基础上,提出该系统软件模块的设计。
本文从某部电话汇接局大型军用程控交换局的割接背景和目标出发,分析了大型程控交换机割接工作的实际问题和技术难点,并提出了相关难点的解决办法和总体割接方案。最后提出了行业发展方向,介绍了IMS系统。
信息技术与课堂教学的融合创新对提高教育质量、改善教育供给、培养创新人才具有明显的促进作用。教学过程中通过对面部微表情识别,将人工智能技术与教育进行深度融合,可实现教师对学生的个别化指导。通过课程实践证明,深度可分离卷积的课堂微表情识别算法可及时捕获并识别学生的情感状态,结合人工智能和大数据技术,可对学生予以有针对性的个别化指导,能够有效提升教学效果。
为解决司机驾驶行为识别效率低下和准确率不足的问题,提出一种基于深度残差网络的驾驶行为识别模型(Driverbehavior Recognition Network,DRNet)。首先对深度残差网络的结构和原理进行研究,构建驾驶行为识别模型;然后设计三种模型结构,使用Pytorch深度学习框架搭建识别模型,载入驾驶行为数据集进行实验验证;最后对比实验数据确认效果最优模型为Res-101。实验结果验证