主、被动康复

2024-08-06

主、被动康复（共7篇）

主、被动康复篇1

随着我国老龄化地加剧和各种因素的影响,偏瘫患者呈现逐年上升趋势,因而开发偏瘫康复设备具有重要的意义。传统的康复训练是由治疗师握住患者受损肢体,辅助患者做各种动作,维持患者肢体的活动范围,并促进运动功能的早日康复。传统训练方式存在很多的问题,如训练效率和训练强度难以保证,训练效果受到治疗师水平的影响。近年来国内外也相继开发出一些偏瘫康复训练设备,如美国密歇根大学研究的下肢康复机器人,实现了肢体的阻抗控制训练[1]。国内哈尔滨工程大学机电一体化实验室开发的一种下肢康复训练机器人,可以通过模拟正常人行走的运动轨迹来对患者进行训练[2]。然而由于缺乏对偏瘫患者训练模式的深入系统研究,患者往往由于力量不足得不到有效锻炼,或因用力过大损伤肌肉,造成对身体的不良后果。基于此,本文设计了一种主被动康复训练机,患者可以有效地进行主动或被动式训练。文章利用ANSYS WORKBENCH有限元协同平台对主被动康复训练机的强度和刚度进行了力学计算,符合安全要求,设计的主被动康复训练机对于发展康复事业具有重要的意义。

1 主被动康复训练机结构

根据偏瘫患者自身特点和训练模式需要,结合人机工程学设计了如图1所示的主被动康复训练机,主要由丝杆螺母传动机构、手部训练机构、脚部训练机构、座椅旋转装置、座椅升降装置、底架组件、支架组件、重物等组成。丝杆螺母传动机构由电动机驱动皮带,从而带动丝杆旋转使安装在螺母两边的滚轮沿导轨平移。手部训练机构主要是双手拉动拉环使绳子沿着装在支架组件上的滑轮机构拉动重物上升或下降。座椅升降装置主要采用电动推杆推动升降立柱进行座椅上升或下降,座椅旋转装置主要靠座椅面与后背之间的旋转杆实现座椅的角度调节。脚部训练机构主要是双脚在脚踏上用力使脚部沿其转轴进行一定角度旋转,从而脚踏两端的绳子通过滑轮组件带动重物上升或下降。

主被动康复训练机的基本工作原理为当偏瘫患者手部力量大于重物质量时,患者通过拉动拉环带动绳子沿着滑轮组件提升重物上升或下降,完成主动康复训练。当偏瘫患者手部力量小于重物质量时,手部力量拉不动重物,此时电动机驱动皮带从而带动丝杆旋转使安装在螺母两端滚轮带动绳子上的挡块提升重物,此时患者只需拉着拉环用很小的力量就完成了训练,实现了被动康复训练。脚部康复训练工作原理与手部训练类似。设计的主被动康复训练机,适应了偏瘫患者康复训练的需求,体现了人性化的特点,有利于保证偏瘫患者的安全性和不易造成肌肉损伤等。

2 主被动康复训练机的力学分析

2.1ANSYS WORKBENCH有限元协同平台

ANSYS WORKBENCH有限元协同平台是通过对产品研发流程中仿真环境的开发与实施,搭建一个具有自主知识产权、集成多学科异构CAE技术的仿真系统。以产品数据管理PDM为核心,组建一个基于网络的产品研制虚拟仿真团队,基于产品数字虚拟样机,实现产品研制的并行仿真和异地仿真。所有与仿真工作相关的人、技术、数据在这个统一环境中协同工作,各类数据之间的交流、通讯和共享皆可在这个环境中完成。

2.2 主被动训练机有限元模型

考虑到设计的主被动康复训练机能够在强度和刚度上满足偏瘫患者使用要求,本文通过在PRO/E下建立三维整体模型后转换为igs格式导入到ANSYS WORKBENCH协同平台中,主被动康复训练机支撑组件均采用45钢材料,密度7.8×10-9t/mm3,弹性模量2.05×105MPa,泊松比0.28。考虑到实际使用要求,材料模型选取线弹性模型,划分后的主被动康复训练机有限元模型如图2所示。

2.3 主被动训练机接触及边界处理

根据实际工况限制了底架组件与地面接触支撑件的x,y,z 方向平移自由度。载荷施加为座椅面上按照 980N力施加,手拉伸按照5kg力施加。由于主被动康复训练机的构件比较多,零部件之间采用焊接或螺栓连接,在ANSYS WORKBENCH有限元协同平台下其接触设定为Bonded接触,所产生的接触对如图3所示。

3 主被动康复训练机的力学计算结果

3.1 主被动康复训练机MISE分布

图4为偏瘫患者以最大载荷使用主被动康复训练机时的MISE分布,从图4可以看出偏瘫患者手部训练时设计的主被动康复训练机机械结构MISE分布不均匀,最大MISE出现在支架组件与底架组件连接的地方,最大MISE值为102.1MPa,最大MISE值没有超过45钢材料的屈服极限,因而设计的主被动康复训练机结构是安全的,符合偏瘫患者使用要求。

3.2 主被动康复训练机应变分布

图5是主被动康复训练机受载后的应变分布图,从图5中可以看出应变最大值为0.00050227,最大应变值仍出现在支架组件与底架组件连接的部位,应变分布整体看基本均匀,其值也说明了主被动康复训练机在使用过程中刚度是足够的,符合安全要求。

4 结语

1) 本文设计的主被动康复训练机对于偏瘫患者康复训练具有一定的实用价值;

2) ANSYS WORKBERNCH仿真平台为主被动康复训练机性能提供了有利的工具,分析过程贴近实际;

3) 本文分析结果所得到的主被动康复训练机应力场及应变场可为设计提供可靠地理论依据。

摘要：开发偏瘫康复设备对于发展我国康复事业具有重要的意义。根据患者使用要求开发出了一种新型的主被动康复训练机,结构合理,功能完善。并利用ANSYS WORKBENCH有限元仿真平台对开发的主被动康复训练机结构的强度和刚度进行了校核,其结果可为设计提供一定的理论依据。

关键词：康复训练机,设计,ANSYS WORKBENCH,结构强度

参考文献

[1]Simon AM,Brent Gillespie R,Ferris DP.Symmetry-based re-sistance as a novel means of lower limb rehabilitation[J].J.Bio-mech,2007,40(6):1286-1292.

[2]张晓超,张立勋,颜庆.一种新型三自由度下肢康复训练机器人步态机构运动分析及仿真[J].自动化技术及应用,2005,24(3):32-35.

主、被动康复篇2

1 资料与方法

1.1 一般资料

选取2013年9月～2015年12月我科住院脑卒中偏瘫患者180例,采用电脑随机法随机分为主被动训练组、CPM组及对照组各60例,两组患者性别、年龄、病程、卒中半球、卒中性质经统计学分析差异无统计学意义(P>0.05),具有可比性。见表1。所患者符合1995年全国第四次脑血管病学术会议修订的诊断标准,经头颅CT或MRI确诊出血性或缺血性脑卒中[2]。

1.2 纳入标准

病程2周～3个月;首次卒中;轻至中度单侧上肢瘫痪,非废用手;年龄30～70岁;自愿参加试验。

1.3 排除标准

①昏迷;②孕妇;③外伤性脑损伤引起的偏瘫;④服用影响神经肌肉活动的药物,如抗痉挛药、抗癫痫药、抗组胺药等;⑤有严重认知障碍,不能理解并配合实验者;⑥有严重心、肝、肺、肾损害者。

1.4 治疗方法

所有患者同时进行偏瘫肢体针刺、推拿、干扰电刺激治疗。针刺:取百会、四神聪、曲池、合谷、丰隆、悬钟、昆仑施平补平泻手法,针下得气后留针30min,6次/周,连续4周;推拿:上下肢先用滚法再用揉捏手法,均15min,6次/周,连续4周;干扰电刺激:电极置于所有患者偏瘫侧肢体肌肉体表同一部位,刺激强度在运动阈以上,引起肌肉明显收缩,每次30min,6次/周,连续4周。

1.4.1主被动训练组

双侧上肢分别固定在主被动康复治疗器上,每次45min,根据患者肌力和肌张力选择阻力,一般选5～8挡,2次/天,6次/周,连续4周。

1.4.1 CPM组

偏瘫侧上肢关节分别固定在肩、肘、腕、指关节CPM康复器上,由控制器选择被动运动的角度(训练时的角度应比被动角度多10°)、速度和持续时间,每次45min,2次/天做持续被动运动,6次/周,连续4周。

1.5 观察指标

治疗前、治疗后(治疗4周)、治疗后1月用Fugl-Meyer上肢运动功能(FMA)评定表、改良Ashworth量表(MAS)、日常生活活动能力(ADL)评定表比较三组患者上肢功能。①FMA检查患者脑损伤后肢体反射状态、屈伸协同运动和选择性分离运动,上肢运动功能部分含32个项目,评分分3级(0～2),上肢总分数66分。②MAS分为0、Ⅰ、Ⅰ+、Ⅱ、Ⅲ、Ⅳ级,分别记0、1、2、3、4、5分。③ADL主要采用Barthel指数(MBI),Barthel指数共10项,上肢功能包括进食、穿衣、洗澡、修饰等,满分100分,60分以上生活可以自理,分值越高,患者生活自理能力越强。

1.6 统计方法

所有计量资料以均值加减标准差()表示,两组间均值比较采用独立样本t/t'检验,治疗前后自身对照均值比较采用配对t检验;所有计数资料以频数(f)表示,无序分类资料采用χ2检验,采用SPSS13.0进行统计分析;等级资料以频数(f)和平均Ridit值()表示,采用Ridit检验,由PEMS3.1进行统计。α=0.05。

2 结果

2.1 Fugl-Meyer上肢评分

治疗前三组患者Fugl-Meyer上肢评分比较无统计学意义(P>0.05),治疗后、治疗后1月CPM组及主被动训练组Fugl-Meyer评分均显著优于对照组,且主被动训练组优于CPM组(P<0.05)。见表2。

②P<0.05

2.2 改良Ashworth评分

治疗前三组患者MAS评分比较无统计学意义(P>0.05),治疗后、治疗后1月CPM组及主被动训练组MAS评分均显著优于对照组,且主被动训练组优于CPM组(P<0.05)。见表3。

2.3日常生活活动能力评分治疗前三组患者MBI评分比较无统计学意义(P>0.05),治疗后、治疗后1月CPM组及主被动训练组MBI评分均显著优于对照组,且主被动训练组优于CPM组(P<0.05)。见表4。

3 讨论

脑卒中所致的偏瘫属于上运动神经元损伤,主要表现为痉挛、肌力减退和主动运动控制和协调能力受损。脑卒中患者生存质量主要取决于偏瘫肢体运动功能恢复的程度。临床脑卒中患者主动运动训练常被忽视,偏瘫后主动运动恢复可提高患者的康复疗效,有利于患者早日康复。主被动训练在患者进行被动运动时兼顾主动运动,可能更好地促进患者康复,更大范围地刺激脑运动功能区。

脑卒中偏瘫的康复治疗措施多,药物治疗常缓解较严重的肌肉痉挛,对肢体运动功能康复无直接作用;针灸治疗脑卒中早期具有较好疗效,但远期效果缺乏大样本研究证据;PNF等神经促通技术[3,4,5]用于脑卒中康复的有效率67%～90%,但治疗内容繁杂,且多凭治疗师经验,不利于临床循证医学评价,且占用人手及耗费时间多。目前偏瘫上肢康复以持续被动运动训练为主(CPM)[6,7,8],本研究表明,主被动结合康复训练显著改善偏瘫上肢运动功能,有效抑制异常张力升高。

综上所述,主被动康复训练器用于脑卒中明显改善患者的上肢运动功能及日常生活活动能力,最终提高患者的生活质量。

参考文献

[1]南登崑.康复医学[M].北京:人民卫生出版社,2008:21-158.

[2]中华医学会第四次全国脑血1管病学术会议.各类脑血1管病诊断要点[J].中华神经内科杂志,1996,29(6):379.

[3]张天.强化坐-站训练对脑卒中患者平衡及步行能力的影响[D].郑州大学,2012.

[4]古潭正道,陈立嘉.针对脑卒中患者的Bobath治疗方法[J].中国康复理论与实践,2011,17(9):805-809.

[5]于青,张志强,任亚平.体针联合PNF疗法早期干预对改善脑卒中后肢体运动功能障碍的疗效观察[J].临床和实验医学杂志,2012,11(24):1928-1930.

[6]李少武,张巍,刘翔,等.脑卒中偏瘫患者康复前后手主动运动与被动运动功能磁共振影像分析[J].中国康复理论与实践,2006,(11).

[7]张志杰,欧阳亚涛,王俊,等.持续被动运动结合康复治疗对深度烧伤后肩关节屈曲功能障碍的临床疗效[J].中国康复理论与实践,2008,(9).

主、被动康复篇3

大型机动目标跟踪技术一直是导航与制导领域研究的重要课题。利用主动雷达和被动雷达所提供信息的互补性进行信息融合是解决复杂环境下大型机动目标状态信息获取的有效途径。若主、被动雷达的测量数据能够正确有效地融合,就可以充分利用主动雷达测量精度高和被动雷达隐蔽性好的特点,实现对目标的精确定位和隐蔽跟踪,使系统在目标探测和目标识别方面更加智能化,从而提高系统的生存能力和抗干扰能力[1,2,3]。

鉴于目前采用EKF算法的加权平均融合精度较低,仿真时间较短的问题,文章将固定指数加权模糊自适应EKF算法应用到主被动雷达的机动目标融合跟踪中,对主被动雷达基于改进算法的分布式分层融合进行仿真研究,并与分布式加权平均融合进行比较。

1 分布式分层融合跟踪系统设计

构建主被动雷达分布式分层融合机动目标跟踪系统,如图1所示。

系统的信息融合处理过程如下:首先,对主、被动雷达的量测信息进行量测预处理,完成对量测数据的野值剔除、空间对准以及时间对准;第二步,将主动雷达的量测数据送入基于固定指数加权模糊自适应EKF算法的滤波器进行处理,被动雷达量测数据的处理采用常规EKF算法;最后,将经过滤波处理的雷达量测数据的局部估计信息送入融合中心,完成对雷达信息的融合,从而获得主被动雷达量测数据的全局估计。由于被动雷达不提供距离信息,所以该系统是采用部分反馈的主被动雷达分布式融合跟踪系统。

设主、被动雷达同时跟踪一个目标,目标机动模型为匀加速模型,目标运动方程描述为

Xk+1=FkXk+GkWk 。

其中,状态变量

$X_{k} = [\begin{matrix} x (k) & \bar{x} (k) & \ddot{x} (k) & y (k) & \bar{y} (k) & \ddot{y} (k) & z (k) & \bar{z} (k) & \ddot{z} (k) \end{matrix}]$ 。

主动雷达的量测方程[4]为

$Ζ_{k}^{a} = [\begin{matrix} z_{k}^{r} \\ z_{k}^{θ} \\ z_{k}^{φ} \end{matrix}] = [\begin{matrix} r_{k} \\ θ_{k} \\ φ_{k} \end{matrix}] + v_{k}^{a} = h^{a} (x_{k}) + V_{k}^{a}$

;

$h^{a} (x_{k}) = [\begin{matrix} \sqrt{x^{2} (k) + y^{2} (k) + z^{2} (k)} \\ \arctan \frac{y (k)}{x (k)} \\ \arctan \frac{z (k)}{\sqrt{x^{2} (k) + y^{2} (k)}} \end{matrix}]$

;

$V_{k}^{a} = [\begin{matrix} v_{k}^{r a} \\ v_{k}^{θ a} \\ v_{k}^{φ a} \end{matrix}]$

。

其中,rk,θk,φk为真值,v $_{k}^{r a}$ ,v $_{k}^{θ a}$ ,v $_{k}^{φ a}$ 为量测噪声,在本文中设其为均值为零,方差分别为σ $_{r a}^{2}$ ,σ $_{θ a}^{2}$ ,σ $_{φ a}^{2}$ 的高斯白噪声。Z $_{k}^{a}$ 为极坐标下的含有量测噪声的量测,上标a表示主动雷达,x(k)、y(k)、z(k)分别为笛卡儿坐标系下目标相对于导弹质心在各个坐标系上的位置。V $_{k}^{a}$ 为主动雷达的量测噪声。

将主动雷达的量测矩阵在一步预测值 $\hat{X}$ $_{k | k - 1}^{a}$ 处线性化,可以直接利用下式求出:

$\begin{array}{l} Η_{k}^{a} = \frac{\partial h^{a}}{\partial X} |_{x = \hat{X}_{k | k - 1}^{a}} = \\ [\begin{matrix} \frac{x (k)}{r (k)} & 0 & 0 & \frac{y (k)}{r (k)} & 0 & 0 & \frac{z (k)}{r (k)} & 0 & 0 \\ - \frac{y (k)}{s^{2} (k)} & 0 & 0 & \frac{x (k)}{s^{2} (k)} & 0 & 0 & 0 & 0 & 0 \\ - \frac{x (k) z (k)}{r^{2} (k) s (k)} & 0 & 0 & - \frac{z (k) y (k)}{r^{2} (k) s (k)} & 0 & 0 & \frac{s (k)}{r^{2} (k)} & 0 & 0 \end{matrix}] |_{x = X_{k | k - 1}^{a}} (6) \end{array}$

式(6)中, $r (k) = \sqrt{x^{2} (k) + y^{2} (k) + z^{2} (k)},$

$s (k) = \sqrt{x^{2} (k) + y^{2} (k)}$ 。

因此,主动雷达的量测方程可线性化表示为

Z $_{k}^{a}$ =HakX $_{k}^{a}$ +V $_{k}^{a}$ 。

被动雷达的量测方程为

其中,θk,φk为真值, v $_{k}^{θ p}$ ,v $_{k}^{φ p}$ 为量测噪声,本文设其为均值为零,方差分别为σ $_{θ p}^{2}$ ,σ $_{φ p}^{2}$ 的高斯白噪声。Z $_{k}^{p}$ 为极坐标下的含有量测噪声的量测,上标p表示被动雷达,V $_{k}^{p}$ 为被动雷达的量测噪声。

设目标机动过程噪声Wk和被动雷达量测噪声V $_{k}^{p}$ 是相互独立的零均值高斯白噪声,满足:

E(Wk) = 0,E[WkWjT] = Qδkj;

E(Vkp) = 0,E[Vkp(Vkp)T] = Rpδkj;

Cov[Wk,Vjp] = E[Wk(Vjp)T] = 0。

将被动雷达的量测矩阵在一步预测值 $\hat{X}$ $_{k | k - 1}^{p}$ 处线性化,可以直接利用下式求出:

$\begin{array}{l} Η_{k}^{p} = \frac{\partial h^{p}}{\partial X} |_{x = \hat{X}_{k | k - 1}^{p}} = \\ [\begin{matrix} - \frac{y (k)}{s^{2} (k)} & 0 & 0 & \frac{x (k)}{s^{2} (k)} & 0 & 0 & 0 & 0 & 0 \\ - \frac{x (k) z (k)}{r^{2} (k) s (k)} & 0 & 0 & - \frac{z (k) y (k)}{r^{2} (k) s (k)} & 0 & 0 & \frac{s (k)}{r^{2} (k)} & 0 & 0 \end{matrix}] |_{x = \hat{X}_{k | k - 1}^{p}} 。 \end{array}$

$\begin{array}{l} 其中 ‚ r (k) = \sqrt{x^{2} (k) + y^{2} (k) + z^{2} (k)}, s (k) = \\ \sqrt{x^{2} (k) + y^{2} (k)} 。 \end{array}$

因此,被动雷达的量测方程可线性化表示为

Z $_{k}^{p}$ =HpkX $_{k}^{p}$ +V $_{k}^{p}$ 。

由此可得主被动雷达融合跟踪系统的量测方程

$\begin{matrix} Ζ_{k}^{i} = Η_{k}^{i} X_{k}^{i} + V_{k}^{i} ； & i = a, p \end{matrix}$ 。

2 主/被动雷达量测数据生成

对于主被动雷达分布式分层融合跟踪算法的仿真研究设计步骤如图2所示。

假设机动目标在三维空间内的起始运动速度为[500 m/s,100 m/s,100 m/s],起始位[2 000 m,1 500 m,1 000 m],目标运动轨迹如下:

当t∈[1 s,2 s]、t∈[4 s,6 s],机动目标做匀速运动;

当t∈[2 s,4 s]、t∈[6 s,8 s]时,在oxy平面内为a,其它时间在oxy平面内目标运动加速度为零;

当t∈[8 s,10 s]时,oxz平面内目标加速度为a。

取目标机动加速度a为30 m/s2和50 m/s2;对于主动雷达,首先产生距离、方位角、俯仰角方差分别为102、0.012和0.012的高斯白噪声;然后将目标的真实运动轨迹数据加上这些噪声,就得到了仿真时使用的主动雷达量测数据。同样,对于被动雷达量测数据的获取就是将目标运动的真实轨迹数据与方差为0.052的方位角、俯仰角高斯白噪声相加。

3 主/被动雷达分布式分层融合算法

在分层融合算法中,局部滤波器和全局滤波器的目标运动方程相同,只是它们的量测方程不同。主被动雷达的量测方程[5]可表示为

$\begin{matrix} Ζ_{k}^{i} = h^{i} (x_{k}, k) + v_{k}^{i} ； & i = a, p 。 \end{matrix}$

全局量测方程为

$Ζ_{k + 1} = Η_{k + 1} X_{k + 1} + v_{k + 1} 。$

其中,Zk+1=[(Z $_{k + 1}^{a}$ )T,(Z $_{k + 1}^{p}$ )T]T,Hk+1=[(H $_{k + 1}^{a}$ )T,(H $_{k + 1}^{p}$ )T]T,vk+1=[(v $_{k + 1}^{a}$ )T,(v $_{k + 1}^{p}$ )T]T,Rk+1=diag[R $_{k + 1}^{a}$ ,R $_{k + 1}^{p}$ ]。则利用滤波理论可得到雷达的局部输出,既有

${\begin{matrix} \begin{matrix} \hat{X}_{k + 1}^{i} = \hat{X}_{k + 1 | k}^{i} + Ρ_{k + 1}^{i} (Η_{k + 1}^{i})^{Τ} (R_{k + 1}^{i})^{- 1} [Ζ_{k + 1}^{i} - \hat{Ζ}_{k + 1 | k}^{i}] \\ (Ρ_{k + 1}^{i})^{- 1} = (Ρ_{k + 1 | k}^{i})^{- 1} + (Η_{k + 1}^{i})^{Τ} (R_{k + 1}^{i})^{- 1} Η_{k + 1}^{i} ； \end{matrix} & i = a, p 。 \end{matrix}$

而全局融合估计为

${\begin{matrix} \hat{X}_{k + 1}^{} = \hat{X}_{k + 1 | k}^{} + Ρ_{k + 1}^{} Η_{k + 1}^{Τ} R_{k + 1}^{- 1} [Ζ_{k + 1}^{} - \hat{Ζ}_{k + 1 | k}^{}] \\ Ρ_{k + 1}^{- 1} = Ρ_{k + 1 | k}^{- 1} + Η_{k + 1}^{Τ} R_{k + 1}^{- 1} Η_{k + 1}^{} 。 \end{matrix}$

由上式可见,分层融合算法是将主动雷达和被动雷达的状态估计送到融合介质处,与此处所接收到的其它的局部估计融合,用局部估计和局部协方差来表示全局估计和全局协方差。主被动雷达分层融合算法的基本方程为[1]

${\begin{cases} \hat{X}_{k + 1} = Ρ_{k + 1}^{} {Ρ_{k + 1 | k}^{- 1} \hat{X}_{k + 1 | k}^{} + \sum_{i} [(Ρ_{k + 1}^{i})^{- 1} \hat{X}_{k + 1}^{i} - (Ρ_{k + 1 | k}^{i})^{- 1} \hat{X}_{k + 1 | k}^{i}]} \\ (Ρ_{k + 1})^{- 1} = Ρ_{k + 1 | k}^{- 1} + \sum_{i} [(Ρ_{k + 1}^{i})^{- 1} - (Ρ_{k + 1 | k}^{i})^{- 1}] \end{cases}$

; i=a, p。

若把融合后的全局状态估计和状态协方差阵反馈到局部滤波器里,则构成反馈式分层融合算法。既有

${\begin{matrix} \begin{matrix} Ρ_{k + 1}^{i} = Ρ_{k + 1} \\ \hat{X}_{k + 1}^{i} = \hat{X}_{k + 1} ； \end{matrix} & i = a, p 。 \end{matrix}$

分层融合算法的重要性在于,一方面它根据传输到融合中心的局部滤波估计及其协方差阵和相应的预测估计及其协方差阵,得到融合估计式和融合估计的协方差,其结果使得融合估计的精度高于各局部估计的精度。另一方面,它的通信传输量最大可降低到只传输各局部滤波器的滤波估计。

4 分布式分层融合跟踪仿真

分别对基于EKF算法和基于固定指数加权模糊自适应EKF算法的主被动雷达分布式分层融合机动目标跟踪过程进行仿真研究。

假设仿真条件:主被动雷达的采样时间均为10 ms,即主动雷达与被动雷达量测数据是同步的,机动目标在三维空间内的起始运动速度为[500 m/s,100 m/s,100 m/s],起始位置为[2 000 m, 1 500 m, 1 000 m],目标机动噪声标准差为0.5 m/s2 ,主动雷达测距噪声标准差为10 m,测角噪声标准差为0.01 rad, 被动雷达测角噪声标准差为0.05 rad,主动雷达初始协方差阵P $_{0}^{a}$ 为100I(9×9),滤波初始值为:[1 995 m,490 m/s, 0 m/s2,1 495 m,95 m/s,0 m/s2,995 m,95 m/s,0 m/s2]T,被动雷达初始协方差阵P $_{0}^{p}$ 为100I(9×9),滤波初始值为:[1 990 m,495 m/s,m/s2,1 490 m,98 m/s,0 m/s2,990 m,98 m/s,0 m/s2]T,量测数据是在目标真实运动轨迹数据加入高斯白噪声生成的,机动目标运动轨迹如下:

1 s～2 s,目标做匀速运动;

2 s～4 s,在oxy平面内加速度为a的机动运动;

4 s～6 s,目标做匀速运动;

6 s～8 s,在oxy平面内加速度为a的机动运动;

8 s～10 s,在oxz平面内加速度为a的机动运动。

基于固定指数加权模糊自适应EKF算法的主被动雷达分布式分层融合跟踪算法进行仿真研究的目标运动规律均采用此运动过程,所不同的是目标机动的加速度各不相同,1 g=10 m/s2。

4.1 基于EKF算法与改进滤波算法的分层融合跟踪

在假定的仿真环境下针对机动加速度为3 g和5 g的目标基于EKF算法的分层融合跟踪进行仿真研究,这里仅给出5 g的目标在X轴方向上的融合跟踪结果,即主动雷达、被动雷达和信息融合的X轴方向上的位置、速度、加速度估计均方根误差曲线和仿真结果。

表2给出了基于改进的固定指数加权模糊自适应EKF算法的平均加权与分层融合算法仿真结果的比较。

4.2 仿真结果分析

仿真表明:当目标的机动加速度为5 g时,利用常规EKF滤波进行主被动信息分层融合,主动雷达、被动和信息融合的位置跟踪精度都在222.9 m附近变化,速度跟踪精度在63.20 m/s附近波动,且融合位置、速度跟踪精度高于主动雷达和被动雷达,加速度跟踪精度在45.25 m/s2附近变化。而利用固定指数加权模糊自适应EKF滤波进行分层融合,其局部位置跟踪精度和全局融合位置跟踪精度为136.823 5 m,速度跟踪精度53.148 0 m/s,高于主动雷达和被动雷达位置、速度跟踪精度,加速度跟踪精度在44.80 m/s2附近变化,融合加速度跟踪精度高于被动雷达但低于主动雷达,但三者的数值几乎相等。因此,当目标的机动加速度为5 g时,与常规EKF算法的分层融合算法相比较,基于固定指数加权模糊自适应EKF算法的主被动雷达分层融合能够明显提高目标的位置、速度跟踪精度,但对加速度跟踪精度改善程度较小。另外,随着目标机动加速度的增大,基于固定指数加权模糊自适应EKF滤波算法的分层融合位置跟踪精度提高,但速度和加速度的跟踪精度迅速下降。基于固定指数加权模糊自适应EKF算法的分层融合跟踪性能优越于基于常规EKF算法的分层融合,但算法跟踪精度的提高是以损失跟踪的实时性为代价的。

5 结论

本文采用常规EKF算法和基于模糊推理系统的一种固定指数加权模糊自适应EKF算法,对主被动雷达跟踪同一个目标的问题进行研究,研究表明:基于固定指数加权模糊自适应EKF算法的分层融合跟踪性能优越于基于常规EKF算法的分层融合,但在相同条件下,前者的仿真时间比后者长;基于固定指数加权模糊自适应EKF算法的主被动雷达分布式分层融合方法的目标跟踪性能明显优越于分布式平均加权融合方法,在仿真费时上两者相近。

参考文献

[1]曲润峰,侯明善.方差模糊自适应卡尔曼滤波及其应用.弹箭与制导学报,2005;25(2):509—511

[2]何友,修建娟,等.雷达数据处理及应用.北京:电子工业出版社,2006

[3]曲润峰.主/被动雷达信息融合方法研究与应用.西安:西北工业大学,2005

[4]吴振辉,董朝阳.主/被动雷达H∞滤波的最小方差数据融合算法.系统仿真学报增刊,2006;18(2):769—722

[5]何友,王国宏,等.多传感器信息融合及应用.北京:电子工业出版社,2007

[6]蔡宗平,覃青相,等.主被动雷达分布式目标融合跟踪仿真研究.微计算机信息,2012;

[7]刘山林,蔡宗平,等.固定指数加权模糊自适应EKF研究及其应用.弹箭与制导学报,2009;29(2):3—4

主、被动康复篇4

关键词：歌唱发声,要素,关系

一、认识和了解歌唱发声的一些要素, 是学习歌唱艺术的重要基石

声乐理论研究是一项科学性、系统性、实践性很强的科研活动, 歌唱发声方法的学习和掌握、以及在教学和歌唱实践中得以正确的认识和运用, 是这一课题研究的最终目的。如何保证歌唱发声方法的科学性, 我认为首先要认识和了解歌唱发声的各个要素以及它们之间的相互关系。

歌唱发声的学习过程中有一些基本要素要学习和掌握。歌唱发声的要素很多, 如歌唱发声呼吸中的主被动关系;歌唱发声音源的主被动关系;歌唱发声共鸣调整中的主被动关系;男歌手“关闭”唱法中的主被动关系;歌唱咬字吐字拼音过程中的主被动关系等等。歌唱发声训练首先是要认识和正确把握歌唱发声呼吸的主被动关系。也就是说学会“呼吸”。歌唱发声的呼吸与平时的呼吸有着根本的区别。人平时的呼吸是自然的、不自觉的、不需要控制的, 而歌唱发声的呼吸是一种智能的控制, 气是有意识的挤压进出人体的, 也就是说呼吸是被动行为。沈湘教授把呼吸形象化的比做风箱:“呼吸是被动行为, 就像手风琴的风箱, 拉开风箱气就进去了, 再一推其又出去了。这说明气不是吸进去呼出来的, 而是被压进去压出来的。这种现象是物理大气压现象。”这一生动的形象比喻, 使我们对歌唱发声中的呼吸的掌握有了十分鲜明的印象。歌唱发声中尽管有很多技巧, 也有很多唱法, 但不论哪种唱法、哪种技巧都必须以科学的歌唱发声呼吸为基础, 过不了这一关, 一切都将无从谈起。其次是歌唱发声共鸣调中的主被动关系。共鸣其实是一种简单的物理现象, 当一物体震动发音时产生具有一定的震动频率的基础音响, 使临近的、同发音体基音频率相同或近似的发音体或物体空间震动发音。这就是共鸣。歌唱发声的共鸣需具备三个要素:一是共鸣空间;二是存在于共鸣空间的音响;三是通入共鸣空间里的空气。三个要件缺一不可。当然初学者还必须首先了解人体产生共鸣的几个空间部位。如发声中气流从胸腔、经过咽腔 (喉咽腔、口咽腔、鼻咽腔) 与口腔、鼻腔、头腔中的空窦互为通气。声音是从胸口 (第一或第二纽扣处) 经喉头贴着咽腔后壁向上传送;一部分声音进了鼻咽腔, 形成了声音的“涡流”;一部分声音反射到上口盖, 并于上口盖中部产生共鸣焦点, 随着声音上升, 共鸣焦点逐步向后移动, 进入“换声区”, 声波进入软口盖后上方空间, 鼻后腔就好像多了一大块声音, 鼻咽腔就会出现明亮的共鸣焦点, 同时向前反射, 眉心、额头部分也会产生明亮震动的音响, 气流的调整、控制、胸腔、口腔、鼻腔、头腔相互贯通都是需要大脑的指令和内心的感觉来完成的。调整的自然、得当、适度、共鸣焦点上就会产生明亮优美的泛音音色。再次是歌唱的发声音源中的主被动关系。发声器官主要是包括喉头和声带, 喉头内的两片对称的韧带, 我们称之为声带。声带是发声的振源体, 是由非常薄的韧带组成, 极具有弹性。在歌唱发声中要保证音色纯净的基因。这是产生明亮纯净泛音的前提和基础。新学员或初学者往往会出现两个问题, 一是喉结不稳定, 或是过于上扬, 或是过分下压, 应该在略低位置相对稳定。二是声门的闭合问题。找不准一个适合的闭合度, 不是闭合的太紧声音又紧又长, 气不畅, 嗓子紧, 要么就是声带闭合无力, 声音空洞, 感觉就是漏气。声带闭合的“声门”一定不能过紧, 也不能过松。“声门”的闭合必须适度。这仍然需运用“内觉”去体会在“声门”的发声上用气不用力, 要找一种气和声音混在一起的感觉。声音虽然是从“嗓子眼儿”出来, 但是这个“嗓子眼儿”却不在声带处, 而是在上胸部 (第一或第二纽扣处) , 这也就是我们所寻找的正确的音源发声位置。除了上述这三个要素的主被动关系外, 还有其他一些要素也应该了解掌握。我想重点从歌唱发声的心理要素和生理要素的主被动关系作一浅显的探讨。

二、歌唱发声的心理要素和生理要素之间的主被动关系

1、歌唱发声的心理要素和生理要素

影响歌唱发声的要素很多, 但其中最主要的有两个要素。一个是生理要素, 一个是心理要素。生理要素是指人的呼吸器官、发声器官、共鸣器官以及唇、齿、舌、牙、喉这些形成语音的器官。学习、认识和掌握这一要素是掌握科学发声方法的重要基础。心里要素是指人的感觉、感知创造想象和形象思维等一系列心理活动。可以说, 这是打开歌唱艺术殿堂大门的金钥匙。在当前世界范围内的发声方法教学上存在着生理学派、心理学派和心理、生理相结合的学派。生理学派强调的是歌唱发声器官生理机能调节、运动的学派, 主要讲各种器官在发声时的用劲方法。其优点是简单易学、易掌握;心理因素对其支配与干扰的作用小, 只要身体条件好, 敢唱就能掌握歌唱方法。这一学派的缺点是过分强调客观现状, 而忽视了人的主观能动性。因而, 按照这一学派对学生教习之, 就一定不会在声乐的道路上走得太远。心理学派与生理学派相反, 注重心理活动, 强调心理要素。主张以心理调整技巧为主。这种学派的优点是, 当心理状态稳定, 不受任何干扰时, 便能唱出极为美妙的歌声。但是, 这种学派的缺点也是显而易见的, 由于不注重人的生理要素, 忽视歌唱时生理发声状态, 以及各种心理负担及干扰因素的不可避免性, 往往造成声音上的失误。第三种学派既为心理与生理相结合的学派。这一学派也是意大利美声学派传统的主张;在强调心理因素的同时也要顾及生理因素的积极作用。也就是说, 既要用心去唱, 也要用劲儿唱。第三种学派是值得肯定和推崇的。本文拟就歌唱发声的心理要素与生理要素之间关系作一浅析。

2、正确认识和把握歌唱发声的心理要素与生理要素之间的相互关系

既然歌唱发声的心理要素和生理要素都不得偏废, 那么二者又是什么关系呢?多年的声乐实践使我对“声乐发声要素的主被动论”有了比较明确的认识。正如沈湘教授所指出的那样:“心理要素是处于主动的、主导的首要地位, 其他有关歌唱发声的生理要素都是被动的从属地位。”为什么说心理要素是在歌唱发声训练中起着主导作用呢?一是歌唱发声是一门自然科学, 有着非常严格的内在规律。掌握了这一规律, 就可能尽早的从歌唱艺术的神秘的迷宫里走出来, 实现从量变到质变, 从必然王国向自由王国的飞跃。能够揭示这一内在规律, 实现从量变到质变的飞跃。就是一个认识、实践、再认识的过程。这一过程也就是歌唱发声训练的、复杂的、系列的心理活动。二是歌唱发声训练首先是要找感觉, 感觉就是心理活动。心理学指出:“客观事物直接作用于人的感觉器官, 人脑中就产生了对这些事物的个别属性的反应, 这种反应叫做感觉。”教学中都是以“感觉”的方式来传授发声方法的, 虽说感觉是具体的, 但是方法却是十分抽象。因此, 学生在发声方法训练学习的初始阶段都感到比较困惑。人体这个会发声的“乐器”有其特殊性, 既看不见, 又摸不着, 十分抽象。因而在训练过程中必须用一系列心理活动的抽象感觉来调整。这些心理活动既有感觉 (听觉、视觉、动觉、力觉) 、知觉 (空间知觉、时间知觉、运动知觉、距离知觉) 、又有思维判断与“内视觉“的空间想象等等。这些抽象的方法往往使初学者产生困惑, 即是心理障碍。克服这一障碍, 除了要有十足的勇气和坚定的信念外, 更要有一定的创造想象力与较强的形象思维能力, 这既是声乐技巧的提升过程, 也是心里逐步成熟的过程。三是声乐训练是“内听觉”、“内视觉”。“内听觉”是要听到自己腔体里的共鸣音响, 如果没有内听的感觉, 就找不到共鸣的位置。“内视觉”是指歌唱者能“看”到腔体内部明亮的音色, 也能“看”到共鸣腔里较空较暗的音色。除此之外就是大脑的形象思维了。如共鸣腔体打开程度、共鸣焦点位置确定、气息下沉上翻路线, 以及声波传送与反射方向等等, 都靠“形象思维”的想象力来调整。

综上所述, 歌唱发声涉及的要素很多, 但大体上可分为两大类:即心理因素和生理因素。生理因素是泛指歌唱发声所涉及到的人的相关器官, 这是看得见的客观存在;心理因素主观抽象的, 我们所说的“内听觉”、“内视觉”是看不见摸不着的, 但我们又必须去苦苦的追寻和探索, 这是创造歌唱艺术奇迹的通天大道。因此说, 心里感觉和思维活动这一心理要素, 在歌唱发声的整个过程中, 始终是处于主动的主导地位。也就是说, 复杂的心理活动、感觉、表象、知觉、记忆、创造想象与形象思维等等始终贯穿歌唱者的训练和演唱过程中。认识和把握歌唱发声的心理要素与生理要素的相互关联与主被动关系, 是用“心”去挖掘美丽的自然之声, 尽早开启声乐艺术大门的金钥匙。

参考文献

⑴普通心理学曹日昌主编人民教育出版社

⑵歌唱学邹本初人民音乐出版社

⑶声乐学基础石惟正人民音乐出版社

主、被动康复篇5

压电泵是根据压电材料的逆压电效应, 压电振子在输入电信号下产生变形, 变形使压电泵的腔体容积变化实现液体输出或者利用振子产生波动来传送液体, 可实现重量轻、无噪声、结构简单、耗能低、无干扰、体积小等特性[1,2,3,4], 可利用施加频率或电压的大小控制输出微流量等等, 被广泛应用在医疗/制药、化学分析、生物工程、电子器件冷却等方面[4,5,6,7,8,9]。

近年来人们研制出各种类型的压电泵, 这些压电泵中被动阀压电泵其主要原理是利用液体的流动推动阀的开启, 而主动阀压电泵则是通过主动方式控制阀的开和关, 根据主动阀压电泵的特点, 提出了主被动阀结合式的双腔串联压电泵方案, 以期提高压电泵的输出性能, 改善压电泵的工作能力。

2 结构与工作原理

主被动阀结合式的压电泵的结构如图1示, 泵的进出口阀是主动阀, 阀的开启和关闭完全是由外界驱动信号根据泵腔体积变化情况的要求来控制的。因此, 进、出口阀的开启和关闭时间可以做到准确自如, 这就控制了阀对于压电振子的滞后性, 消除了流体在流经阀口、开启单向阀时的能量损失, 有效地抑制了倒流现象。该泵是利用两个腔体串联, 泵腔1的出口是泵腔2的入口, 两腔之间安装一个伞形阀, 即被动阀, 将两腔分开, 理论上两串联腔体可以提高泵是输出压力和输出流量。

双腔串联压电泵在工作时, 两泵腔压电振子的电极所加驱动电信号相位差为180o, 以使压电振子异步振动。该泵的一个工作循环可分为两个阶段:

(1) 给进口压电振子和出口压电振子施加电信号, 使进口阀打开, 出口阀打开;改变泵腔的驱动电信号, 使泵腔1压电振子向上弯曲, 液体从入口吸入腔体1中, 泵腔2压电振子向下弯曲, 泵腔2中的液体从出口流出。其工作状态如图2所示。

2) 当改变主动阀的控制信号时, 使进口阀关闭, 出口阀关闭;给泵腔压电振子施加电信号, 使泵腔1振子向下弯曲, 泵腔2振子向上弯曲, 腔体1体积随信号改变而减小使压力增加, 泵腔2体积反而增大使压力降低, 故液体从泵腔1排至泵腔2, 泵腔1与泵腔2的共同作用增强了流体的单向流动, 其工作状态如图3所示, 这样就完成了一个工作周期。

3 试验研究

对主被动阀结合式的双腔串联泵的输出特性进行试验研究, 主要测试泵的输出流量和输出压力, 在不同驱动电压和工作频率下泵的输出特性。泵的输出流量和输出压力受泵用圆形

双晶片振子驱动信号及阀性能的影响。

3.1 泵用压电振子驱动信号

文章所研究的主被动阀结合的双腔串联压电泵的驱动信号为正弦波信号, 即进出口阀和两泵腔振子的驱动信号均为正弦波信号。原因是正弦波信号振子响应也是正弦信号, 虽然有滞后现象, 但泵中的各个振子均是由正弦波信号驱动, 滞后现象可以忽略。依据对泵工作工程的分析, 进出口阀同时开启关闭, 故用同样的驱动信号, 泵腔1吸水时泵腔2排水, 故泵腔1和泵腔2的驱动信号相反。给出的压电泵的驱动信号如图4所示。

3.2 泵的输出特性

文章采用定压调频的方法测试主被动阀结合式双腔串联压电泵的输出流量、输出压力。试验过程中分别给压电振子施加不同的驱动电压, 观察泵的工作情况, 测试了泵的输出特性。

对该泵施加不同的驱动电压, 从泵的工作状况得知泵的输出特性和驱动电压呈线性关系, 驱动电压越高, 泵的输出流量和输出压力均呈线性增加。但由于压电振子有承载电压的极限值, 故不能无限的增大驱动电压。文章所测试的结果驱动电压均低于100V。

图5是在压电泵工作电压在70V和90V时得到的频率-流量特性曲线。从曲线走向看, 变化规律基本相同。驱动频率从60Hz开始流量快速地呈线性增加, 频率增加到100Hz时流量达到最大值, 当频率超过110Hz流量又开始下降, 分析原因是因为驱动频率越高时, 压电振子振动的幅值减小, 阀口开启小, 腔体体积减小, 故泵的流量随之降低。可知, 该双腔串联泵在工作频率约为100Hz时输出流量达到最大, 驱动电压90V时压电泵最大泵水量可达到520ml/min, 该频率为其输出流量的最佳工作频率。

图6是在压电泵工作电压在70V和90V时得到的频率-压力特性曲线。由图可知, 两条曲线的走势基本相同, 双腔串联泵的输出压力-频率曲线有波峰和波谷, 初始测量的频率为60Hz, 压力曲线处于波谷位置, 说明此时压电泵的输出压力最小。随着驱动频率的增加, 输出压力随之增大, 当驱动频率达到110Hz左右时, 两条曲线的输出压力基本都达到最大值, 驱动电压90V时最大输出压力可达到25k Pa, 这说明压电泵的输出压力和流量具有相似的频率特性, 工作状态都有最佳的工作频率。不同的是, 随着频率继续增加, 输出压力反而下降, 曲线再次出现波谷, 但此时输出压力并不是最小值。频率再增加, 压力又继续升高, 当频率达到约200Hz左右时候, 压力又达到最大值, 说明双腔串联泵的压力-频率特性曲线至少有两个最佳工作频率。工作过程中可以通过改变驱动频率的大小调整压电泵的输出压力, 为实际应用提供条件。

4 结束语

4.1 主被动阀结合式双腔串联压电泵输出压力和输出流量均随驱动电压的升高而增大, 基本呈线性关系。

4.2主被动阀结合的双腔串联压电泵有最佳工作频率点, 在最佳输出频率点输出流量和输出压力达到最大。最大输出流量为520ml/min, 最大输出压力为25k Pa。

4.3 试验所测得的结果对压电泵的研究有指导意义, 并为提高主动控制泵的输出流量和输出压力提供了一种新的方法。

摘要：针对如何提高微型主动阀类压电泵的输出特性的问题, 提出了主被动阀结合式压电泵的研究方案, 并设计制作了压电泵, 进行了试验研究。试验结果表明:主被动阀相结合式压电泵最大输出流量为520ml/min, 最大输出压力25kPa。

关键词：压电泵,主动阀,试验

参考文献

[1]阚君武, 杨志刚, 程光明等.压电泵的研究与发展[J].光学精密工程, 2002, 10 (6) :619-625.

[2]赵爱玲, 张海峰, 王丙军.一种旋转压电陶瓷驱动器的设计和研究[J].机械设计与制造, 2012, 7 (7) :30-31

[3]Jin-Ho Kim a, C.J.Kang b, Yong-Sang Kima.Adisposable polydimethylsiloxane-based diffuser micropump actuated by piezoelectric-disc[J].Microelectronic Engineering, 2004, 71:119~124.

[4]Ma Bin, Liu Sheng, Gan Zhiyn.A PZT insulin pump integrated with a silicon microneedle array for transdermal drug delivery[J].Microfluidics and Nanofluidics, 2006, 2 (5) :417-423.

[5]Kan Junwu, Yang Zhigang, Peng Taijiang, et al.Design and test of a high-performance piezoelectric micropump for drug delivery[J].Sensors and Actuators, 2005, 121 (1) :156-161.

[6]曾平, 程光明, 刘九龙, 等.集成式计算机芯片水冷系统的研究[J].西安交通大学学报, 2005, 39 (11) :1207-1210.

[7]Heffington, Samuel N, Glezer Ari.Orientation-independent atomization heat transfer cell for thermal management of microelectronics[J].Advances in Electronic Packaging, 2003, 2:635-640.

[8]Zhang Tao, Wang Qing-Ming.Valveless piezoelectric micropump for fuel delivery in direct methanol fuel cell (DMFC) devices[J].Journal of Power Sources, 2005, 140 (1) :72-80.

[9]Ederer, P.Raetsch, W.Schullerus, et al.Piezoelectrically driven micropump for on-demand fuel-drop generation in an automobile heater with continuously adjustable power output[J].Sensors and Actuators A, 1997, 62:752-755.

主、被动康复篇6

歌唱发声的基础是呼吸,很多老师和学生在声乐训练的过程中,都会强调呼吸的饱满、深沉和持久。但是在实际的练习中,总有演唱者存在着气息不够或者长句拖不完的情况,当然可能是呼吸的控制上存在问题,但还有一个也是我们常常会忽视的问题,那就是声带闭合所导致的影响。歌唱的发声音源是气息经过声门(声带闭合的间隙),引起声带的振动发声,即基音。然而声带受气息摩擦振动出来的声音是微弱的,只有在胸腔、口咽腔及头腔的打开和共鸣作用下才能产生响亮、优美的歌唱性声音。

歌唱的声音有高、低、强、弱之分,声带振动的频率决定着声音的高低。振动频率高发出的声音就高,振动的频率小发出的声音就低;声带振幅的大小决定了声音的强弱,声带来回颤动所占的空间大,所形成的振幅大,声音就强,反之,声带来回颤动所占的空间小,所形成的振幅小,声音就弱。基音决定音高,泛音决定音色, 基音不纯泛音也杂。初学歌唱时,有些人往往声门闭得过紧,气息不流通,声音太挤、僵硬而缺乏色彩;还有些人声带闭合无力漏气,声音空洞暗淡,解决这两种声音的办法就是找到声音和呼吸的平衡感,也就是声门闭合的适度。声门闭合的适度和腰腹以及横膈膜的力量是分不开的,我们可以做一个实验:拿一个吹饱气的气球, 用手指将气球口捏紧,然后用手掌去推气球的底部,会感到从气球往手掌回弹的反作用力,如果手指松掉气球口,再用手去推气球底部,就会发现用不上力,也不存在回弹的反作用力了。在充满空气的气嘴上插上音哨, 气球内的空气缓缓冲击音哨簧片振动发出均匀的鸣叫声, 这时再用手掌去推气球底部,就会发现推的力量越大声音越大,反之力量小则声音小。从实验中我们可以明白, 我们的呼吸和发声也是这样,当呼吸充满后,声带积极拉紧闭合,向下挡气发声,使呼吸自然深沉而有依托, 进而发出明亮动听的声音。那么如何来练习呢?歌唱发声之前不要主动想着闭合声带,这样会导致呼吸不流通, 闭合过紧,应该要想着找气不找劲,气和声音混合在一起, 从上胸部第二个纽扣的发声位置出来。起音时想着叹着唱,在发声位置上气一碰声音就出来了。因此,声带是在气流通过时被动闭合。声门是否适度,可以感觉下嗓子周围和下巴是否松弛,也可以用“内视觉”和“内听觉” 来感受声音是否明亮有力。

喉头的位置也决定了是否能自然地将声音传递出来, 声音浮浅、缺少呼吸的支持的歌声往往喉头是上跑的。喉头上跑会使喉部的腔体变小,短小的喉咽腔所产生的低频声波得不到共振扩大,失去深沉、宽厚的胸腔共鸣, 声音就会变得尖细、僵硬。主动想着将喉头的位置固定在哪个地方,会导致喉头肌肉的紧张,让声音挤卡。为了能够让喉头能略低地保持拉紧的积极状态,在训练当中,教师常常会引导学生用打哈欠的办法训练,上颚上提、咽腔打开、下巴自然后缩下放,在保持哈欠的状态下运用舌头吐字与鼻咽腔的配合,喉头就可以稳定下来不致于上下乱跑。所以只要主动想着“吸着唱”的感觉, 喉头就会被动地下降。

二、咬字吐字过程中的主被动关系

声乐艺术形式有别于其他的音乐形式,它主要是通过语言来表达歌曲的思想内容和与观众直接产生交流和共鸣的,因而清晰准确的语言成为歌唱中重要的组成部分。歌唱咬字的拼读动作很简单,但是不同语种的拼音规律却非常复杂,生活中说话往往多在口腔里,比较浅白, 并且总是向前和向外说的。与说话不同的是,歌唱的语言念字要把口腔的语言器官和口腔后面的共鸣器官结合在一起,来增加语音的共鸣效果。从口腔的唇齿到咽腔, 再从咽腔到胸口,都是歌唱语言的吐字范围。我们在演唱时,不是主动在嘴里“嚼字”,而是首先要想着字头挂在上口盖和眉心的位置,字头的语气准确、适度,然后再想着“贴着咽壁吸着念,吸着说”时,上口盖和眉心就会出现明亮的泛音音色。挂着位置和口盖的同时, 要主动想着声音“落底”的感觉,有了这种“上挂、下落” 的感觉,整个声音便会始终保持通畅、音色明亮二有弹性。在此基础上再“挂着前面往后兜着唱”,被动地咬字, 不仅能将字音唱清楚,还能使每个母音保持美妙的共鸣音色,这也是我们的演唱者在声乐训练中不断追求的状态。

总之,每一个演唱者在声乐的学习研究中都会在主动和被动的关系中完成训练,一旦将主动和被动的关系弄反了,演唱也就无法达到“自然”的状态。所以,通过这样的探索研究我们会发现心理活动在整个发声过程是占主动的主导地位的,这也印证了老一辈说的话“唱好歌,光有好嗓子不行,更需要一个好脑子”。

摘要：发声和咬字吐字是歌唱的基础,掌握了正确的发声和咬字吐字才能更自然地歌唱。本文主要分析歌唱发声中的主被动关系和咬字吐字过程中的主被动关系。

关键词：主、被动关系,发声,咬字吐字

参考文献

[1]邹本初.歌唱学[M].北京:人民教育出版社,2004.

[2]黄友葵.论歌唱艺术[M].长沙:湖南文艺出版社,1989.

主、被动康复篇7

衍射光栅是一种核心的光学元件[1,2]。“没有一个单一的元件在现代物理学发展的贡献能比衍射光栅大”[3],大面积光栅更是天文学研究里必不可少的重要元件。大面积高精度的光栅在国防领域也有重要的应用,如美国成功地将大面积高精度的光栅应用于导弹拦截试验中。随着科学技术的进步发展,对衍射光栅的制作精度要求也越来越高。其基本发展趋势是衍射光栅的面积越来越大,光栅精度要求越来越高。现在衍射光的精度达到在1 mm的宽度里刻划出10 000条以上刻线。制作衍射光栅的方法很多,最新的方法中具有代表性的X射线曝光法[5]、电子束刻蚀法[6,7]、湿法刻蚀法等,但这些最新的制作方法都只在特殊的条件下才能应用。虽然目前衍射光栅有多种制作方式,但是制作方法仍然主要是机械刻划和全息离子束刻蚀[9,10]。两种机械刻划和光栅复制制作光栅是两种传统的制作方法[11]。

光栅复制需采用母版光栅,而母版光栅仍采用机械刻划的制造方式[12]。在很多关键光栅制作中,机械刻划方式制作光栅仍具有无可替代的作用,光栅刻划机是一种具有超高精度的高科技设备,被誉为“精密机械之王”[13]。利用光栅刻划机制作高精度衍射光栅的刻划工作要求精度极高,因此对设备自身各部件配合精度要求极高,也对环境要求极为苛刻,对光栅刻划机所处的环境要保持恒温,湿度也要保持在相对稳定的值,对环境振动干扰也极为敏感。由于光栅刻划机是一种具有超高精度的设备,对环境振动影响极其敏感,必须尽可能多地考虑可能存在的振动因素并采取防范措施。光栅刻划机所处的环境中振动因素非常复杂,其中有风载引起的建筑物振动、光栅刻划机附属动力设备运转引起的振动、送回风气流传播引起的激振、噪声传播的振动、人员走动引起的地板激振、外部环境中各种交通工具引起的地面振动、大地脉动等,大部分振动都属于微振动,振幅为微米级,大部分振动频率为1~100Hz[14]。由于高频率振动在传播过程中能量衰减得快,而低频振动往往衰减慢[15],在隔振设计中侧重考虑系统的低频隔振性能,而且主要考虑地基传递的振动干扰。

1 光栅刻划机基座隔振系统的数学模型

根据牛顿定律建立主被动复合隔振系统的动力学方程:

当f=0时,系统中不存在主动控制力,即隔振系统为被动隔振系统。

根据相关研究人员给出的光栅刻划机基座模型,经测量得到其长为1680 mm,宽度为1000 mm,高度为500 mm,可算出体积为0.84 m3,基座材料为花岗岩,密度为2970~3070 kg/m3,则可估算出光栅刻划机基座的质量m=2500kg,根据相关资料,光栅刻划机基座的空气弹簧刚度k=672 500 N/m,阻尼c=46 000 N·s/m。根据式(1)或式(2)可在Matlab/simulink软件仿真模块里搭建被动隔振仿真框图进行仿真。仿真中取地基输入的振动干扰信号为u=20sin(2)μm,频率分别取1 Hz、2 Hz、2.6 Hz、4 Hz、6 Hz、10 Hz、30 Hz、60 Hz、100 Hz。得到图2~图4的仿真结果。

从图2可以看出,采用单层被动隔振方式时在地基干扰振动频率为1 Hz时,光栅刻划机基座的稳定振幅为21μm,振幅相对假设的地基振幅20μm增加了5%;当地基振动干扰频率为2 Hz时,光栅刻划机基座的稳定振幅相对干扰增加了5%;当地基振动干扰频率为2.6 Hz时,光栅刻划机基座的稳定振幅为18μm,相对干扰减小了10%。

从图3可以看出,干扰频率为4 Hz时,光栅刻划机基座的最大振幅为12.3μm,稳定振幅为9.3μm,分别相对地基振动干扰振幅降低了38.5%和53.5%;干扰频率为6 Hz时,光栅刻划机基座的最大振幅为8.3μm,稳定振幅为4.1μm,分别相对干扰振幅降低了58.5%和79.5%;地基干扰频率为10 Hz时,光栅刻划机基座的最大振幅为4.5μm,稳定振幅为1.5μm,分别相对干扰振幅降低了77.5%和92.5%。

从图4可以看出,干扰频率为30 Hz时,光栅刻划机基座的最大振幅为0.5μm,稳定振幅为0.24μm,分别相对地基振动干扰振幅降低了97.5%和98.8%;干扰频率为60Hz时,光栅刻划机基座的最大振幅为0.9μm,稳定振幅为0.1μm,分别相对干扰振幅降低了95.5%和99.5%;干扰频率为100 Hz时,光栅刻划机基座的最大振幅为1.8μm,稳定振幅为0.06μm,分别相对地基振动干扰振幅降低了91%和99.7%。

综合被动隔振仿真结果分析可知,被动隔振系统在振动干扰频率远大于隔振系统固有频率时具有良好的隔振性能,然而当干扰频率在隔振系统固有频率附近或者振动干扰频率很低时系统的隔振性能很差,甚至无法隔离振动,因此很有必要研究采用主被动复合隔振方法来隔离低频振动干扰。

2 主被动复合隔振仿真及分析

采用主被动复合隔振方法时,用PID作为主动控制隔振的控制器,根据式(1)可在Matlab/simulink0中搭建仿真框图并进行仿真。根据前面对被动隔振系统的隔振仿真分析可知,被动隔振系统在振动干扰频率为1 Hz、2.6 Hz、4 Hz、6 Hz时隔振效果不好,为方便对比,在主被动复合隔振仿真中输入的地基振动干扰频率分别取1 Hz、2.6Hz、4 Hz、6 Hz,振幅为20μm。

从图5和图6仿真结果图可知,采用PID主动控制的主被动复合隔振后,在1 Hz的地基振动干扰作用下,光栅刻划机基座的稳定振幅为2μm,相对地基振动干扰振幅降低了90%;在2.6 Hz干扰作用下,光栅刻划机基座的稳定振幅为2.7μm,相对干扰降低了86.5%;在4 Hz的干扰作用下,光栅刻划机基座的稳定振幅为1.6μm,相对干扰降低了92%;在6 Hz的干扰作用下,光栅刻划机基座的稳定振幅为2.2μm,相对干扰降低了89%。综合上面仿真结果可见,在采用了PID主动控制的主被动复合隔振方法使得隔振系统具有良好的低频隔振性能,使得低频振动干扰振幅衰减达到90%左右,起到被动隔振方法难以达到的隔振效果。

3 结论

【主、被动康复】推荐阅读：

主被动复合09-15

被动主动05-28

被动句式06-05

被动运动07-12

被动训练08-29

被动检测09-02

被动护理10-12

被动安全系统08-12

被动语态精讲09-15

英汉被动句09-21