本發(fā)明屬于骨科醫(yī)療器械
技術(shù)領(lǐng)域：
，尤其涉及一種骨科鎖定螺釘。
背景技術(shù)：
：鋼板螺釘系統(tǒng)是治療骨折的主要手段之一，自接骨板用于骨折治療以來，迄今已有一百年的歷史。20世紀(jì)60年代初，諸多學(xué)者總結(jié)了前人鋼板加壓固定骨折的方法，提出了治療骨折的4個(gè)原則，即：骨折塊解剖復(fù)位，對(duì)各骨折塊堅(jiān)強(qiáng)內(nèi)固定，保護(hù)骨折端端血運(yùn)，早期活動(dòng)關(guān)節(jié)減少骨折并發(fā)癥。然而經(jīng)過長時(shí)期的臨床隨訪和試驗(yàn)發(fā)現(xiàn)，堅(jiān)硬鋼板固定的應(yīng)力遮擋作用使骨的正常生理應(yīng)力刺激降低，導(dǎo)致鋼板下骨皮質(zhì)吸收，骨質(zhì)疏松，臨床上發(fā)現(xiàn)了部分骨折不愈合，內(nèi)固定斷裂的病例。同時(shí)，骨折手術(shù)創(chuàng)傷及鋼板植入物對(duì)局部血供的破壞也是局部骨質(zhì)疏松，愈合減慢的直接原因。于是AO組織推出了有限接觸動(dòng)力加壓鋼板，即LC-DCP鋼板，該鋼板可減少術(shù)中對(duì)軟組織的廣泛剝離，降低了鋼板和骨面間的接觸面積，減少血運(yùn)破壞，有益于骨折，但是漸漸的發(fā)現(xiàn)，LC-DCP鋼板不能滿足骨折處骨痂的完美形成，骨痂形成不連續(xù)，不對(duì)稱。迄今為止，現(xiàn)有的鎖定螺釘與LC-DCP鋼板配合后，螺釘在與螺釘孔件不能進(jìn)行微量移動(dòng)，不便于應(yīng)力分散，不利于促使骨達(dá)到圓周愈合，促進(jìn)骨痂圓周生長。而且，現(xiàn)有的檢測器不能供人們宏觀了解骨關(guān)節(jié)在運(yùn)動(dòng)中的力和變形的關(guān)系，因此還不能以其測得的數(shù)據(jù)去分析并建立相關(guān)理論，更不能以該理論去指導(dǎo)骨關(guān)節(jié)病的臨床治療。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提供一種骨科鎖定螺釘，克服現(xiàn)有技術(shù)的不足，提供一種采用多頭螺紋結(jié)構(gòu)的骨科鎖定螺釘，可有效減少螺釘?shù)臄Q入時(shí)間，縮短手術(shù)時(shí)間，減輕患者的痛苦，而且還能夠顯示骨關(guān)節(jié)的力與變形量供人們精確分析和研究骨關(guān)節(jié)生物力學(xué)性能和運(yùn)動(dòng)學(xué)特性，以建立骨科治療的指導(dǎo)理論。本發(fā)明是這樣實(shí)現(xiàn)的，該骨科鎖定螺釘，所述骨科鎖定螺釘包括：螺帽、鋼板鎖定螺紋、螺桿、力傳感器、夾套、變形傳感器、皮質(zhì)骨螺紋部分、智能終端；所述智能終端與力傳感器和變形傳感器無線連接；鎖定螺釘?shù)捻敹嗽O(shè)有螺帽，螺帽側(cè)壁上鋼板鎖定螺紋，螺桿連接螺帽，螺桿側(cè)壁設(shè)有力傳感器和夾套，夾套外側(cè)壁上設(shè)有變形傳感器，螺桿底端設(shè)有皮質(zhì)骨螺紋部分；所述螺帽為螺釘頭式，其是設(shè)有雙頭錐螺紋的鎖釘頭；所述螺紋數(shù)量至少3條；所述螺桿上端設(shè)有鋼板鎖定螺紋，底部設(shè)有皮質(zhì)骨螺紋。進(jìn)一步，所述力傳感器和變形傳感器設(shè)置有空間配準(zhǔn)模塊，所述空間配準(zhǔn)模塊的空間配準(zhǔn)方法包括時(shí)間對(duì)準(zhǔn)過程和傳感器系統(tǒng)誤差估計(jì)過程，且偽量測方程的建立過程僅與目標(biāo)的位置相關(guān)，而與目標(biāo)的速度等狀態(tài)無關(guān)；時(shí)間對(duì)準(zhǔn)過程完成傳感器數(shù)據(jù)之間在時(shí)間上的對(duì)準(zhǔn)，傳感器A、傳感器B在本地直角坐標(biāo)系下的量測數(shù)據(jù)分別為YA(ti)和YB(ti)，且傳感器A的采樣頻率大于傳感器B的采樣頻率，則由傳感器A向傳感器B的采樣時(shí)刻進(jìn)行配準(zhǔn)，具體為：采用內(nèi)插外推的時(shí)間配準(zhǔn)算法將傳感器A的采樣數(shù)據(jù)向傳感器B的數(shù)據(jù)進(jìn)行配準(zhǔn)，使得兩個(gè)傳感器在空間配準(zhǔn)時(shí)刻對(duì)同一個(gè)目標(biāo)有同步的量測數(shù)據(jù)，內(nèi)插外推時(shí)間配準(zhǔn)算法如下：在同一時(shí)間片內(nèi)將各傳感器觀測數(shù)據(jù)按測量精度進(jìn)行增量排序，然后將傳感器A的觀測數(shù)據(jù)分別向傳感器B的時(shí)間點(diǎn)內(nèi)插、外推，以形成一系列等間隔的目標(biāo)觀測數(shù)據(jù)，采用常用的三點(diǎn)拋物線插值法的進(jìn)行內(nèi)插外推時(shí)間配準(zhǔn)算法得傳感器A在tBk時(shí)刻在本地直角坐標(biāo)系下的量測值為：其中，tBk為配準(zhǔn)時(shí)刻，tk-1,tk,tk+1為傳感器A距離配準(zhǔn)時(shí)刻最近的三個(gè)采樣時(shí)刻，YA(tk-1),YA(tk),YA(tk+1)分別為其對(duì)應(yīng)的對(duì)目標(biāo)的探測數(shù)據(jù)；完成時(shí)間配準(zhǔn)后，根據(jù)傳感器A的配準(zhǔn)數(shù)據(jù)與傳感器B的采樣數(shù)據(jù)，采用基于地心地固(EarthCenterEarthFixed,ECEF)坐標(biāo)系下的偽量測法實(shí)現(xiàn)傳感器A和傳感器B的系統(tǒng)誤差的估計(jì)；基于ECEF的系統(tǒng)誤差估計(jì)算法具體為：k時(shí)刻目標(biāo)在本地直角坐標(biāo)系下真實(shí)位置為X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，極坐標(biāo)系下對(duì)應(yīng)的量測值為分別為距離、方位角、俯仰角；轉(zhuǎn)換至本地直角坐標(biāo)系下為X1(k)＝[x1(k),y1(k),z1(k)]T；傳感器系統(tǒng)偏差為分別為距離、方位角和俯仰角的系統(tǒng)誤差；于是有其中表示觀測噪聲,均值為零、方差為式(1)用一階近似展開并寫成矩陣形式為：X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)其中，設(shè)兩部傳感器A和B,則對(duì)于同一個(gè)公共目標(biāo)，地心地固坐標(biāo)系下為X'e＝[x'e,y'e,z'e]T，可得：X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)\*MERGEFORMAT(4)BA，BB分別為目標(biāo)在傳感器A與傳感器B本地坐標(biāo)下的位置轉(zhuǎn)換到ECEF坐標(biāo)系下的位置時(shí)的轉(zhuǎn)換矩陣；定義偽量測為：Z(k)＝XAe(k)-XBe(k)\*MERGEFORMAT(5)其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)將式(2)、式(3)代入式(4)可以得到關(guān)于傳感器偏差的偽測量方程Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)其中，Z(k)為偽測量向量；H(k)為測量矩陣；β為傳感器偏差向量；W(k)為測量噪聲向量；由于nA(k),nB(k)為零均值、相互獨(dú)立的高斯型隨機(jī)變量,因此W(k)同樣是零均值高斯型隨機(jī)變量，其協(xié)方差矩陣為R(k)；傳感器A的量測模型如下：YA(tk-1)、YA(tk)、YA(tk+1)分別為傳感器A對(duì)目標(biāo)在tk-1,tk,tk+1時(shí)刻的本地笛卡爾坐標(biāo)系下的量測值，分別為：YA(tk-1)=Y′A(tk-1)-CA(tk-1)ξA(tk-1)+nYA(tk-1)\*MERGEFORMAT---(7)]]>YA(tk)=Y′A(tk)-CA(tk)ξA(tk)+nYA(tk)\*MERGEFORMAT---(8)]]>YA(tk+1)=Y′A(tk+1)-CA(tk+1)ξA(tk+1)+nYA(tk+1)\*MERGEFORMAT---(9)]]>其中，Y'A(tk-1)、Y'A(tk)、Y'A(tk+1)分別為傳感器A在tk-1,tk,tk+1時(shí)刻的本地笛卡爾坐標(biāo)系下的真實(shí)位置；CA(t)為誤差的變換矩陣；ξA(t)為傳感器的系統(tǒng)誤差；為系統(tǒng)噪聲，假設(shè)為零均值、相互獨(dú)立的高斯型隨機(jī)變量，噪聲協(xié)方差矩陣分別為RA(k-1)、RA(k)、RA(k+1)；傳感器A向傳感器B進(jìn)行配準(zhǔn)的具體過程如下：將式(7)、式(8)、式(9)帶入式(1)，可得：其中：為傳感器A的本地直角坐標(biāo)系下目標(biāo)的真實(shí)位置在tBk時(shí)刻的時(shí)間配準(zhǔn)值；為系統(tǒng)誤差造成的誤差項(xiàng)；為隨機(jī)噪聲，假定tk-1、tk、tk+1時(shí)刻的噪聲互不相關(guān)的零均值白噪聲，則為均值為零，協(xié)方差矩陣為RA＝a2RA(k-1)+b2RA(k)+c2RA(k+1)的白噪聲，而a、b、c、分別為且a+b+c＝1；所構(gòu)建的狀態(tài)方程與偽量測方程如下：β(k+1)=F(k|k-1)β(k)+Q(k)Z(k)=G(k)β(k)+W(k)\*MERGEFORMAT---(17)]]>其中F(k+1|k)為狀態(tài)方程的轉(zhuǎn)移矩陣，取值與傳感器的系統(tǒng)誤差的變化規(guī)律相關(guān)，若傳感器的系統(tǒng)誤差是緩變的，則F(k+1|k)近似為單位矩陣，取為F(k+1|k)＝0.99I，I為單位陣。進(jìn)一步，所述智能終端通過無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)與力傳感器和變形傳感器無線連接，所述無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)的分布式方法包括：通過比較每個(gè)節(jié)點(diǎn)的最大有效覆蓋時(shí)間來挑選出最合適的節(jié)點(diǎn)參加工作；該無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)覆蓋的分布式方法在指定的時(shí)間內(nèi)，通過比較工作節(jié)點(diǎn)的最大有效覆蓋時(shí)間和剩余能量來安排工作節(jié)點(diǎn)的最優(yōu)探測活動(dòng)時(shí)間，從而使得總的有效覆蓋時(shí)間最大；數(shù)學(xué)模型如下：MaxC=Σi∈Pwi×Ti---(1)]]>ST:0≤si.start≤l,i∈N(2)si.end-si.start＝bi,i∈N(3)bi≤Bi×lL,i∈N---(4)]]>其中C為總的有效覆蓋時(shí)間，l是每一輪的時(shí)間，bi是節(jié)點(diǎn)si在每一輪中的工作時(shí)間。該無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)覆蓋的分布式方法具體包括以下步驟：步驟一，節(jié)點(diǎn)si的鄰居，覆蓋的點(diǎn)位置，預(yù)設(shè)網(wǎng)絡(luò)壽命L，電池壽命Bi，si的標(biāo)記類型UPD，ii＝1；步驟二，判斷是否ii＜L/l，若是，則直接進(jìn)行下一步，否，則標(biāo)記類型，標(biāo)記為LAB的節(jié)點(diǎn)的最優(yōu)工作時(shí)間安排，然后結(jié)束；步驟三，計(jì)算最大額外有效覆蓋時(shí)間和工作優(yōu)先度，并向鄰居廣播mes(i,Null,UPD,ΔPi)；步驟四，判斷若，是，si的ΔPi.在鄰居中是否最大，若si的ΔPi.在鄰居中是最大，si標(biāo)記自己為LAB并向鄰居廣播mes(i,LAB,sch,ΔPi)di＝di-bi,siexits.；若si的ΔPi.在鄰居中不是最大，判斷si是否接收到鄰居sk的mes(k,LAB,sch,ΔPk)；若si是接收到鄰居sk的mes(k,LAB,sch,ΔPk)，則si更新鄰居sk的信息，重新計(jì)算ΔPi,并且向鄰居廣播mes(i,UPD,Null,ΔPi)；若si沒有接收到鄰居sk的mes(k,LAB,sch,ΔPk)，則，判斷si是否接收到鄰居sk的mes(k,UPD,Null,ΔPk)，若si是接收到鄰居sk的mes(k,UPD,Null,ΔPk)，si更新鄰居sk的工作優(yōu)先度；若si沒有接收到鄰居sk的mes(k,UPD,Null,ΔPk)，則返回判斷進(jìn)一步，所述無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)設(shè)置有長壽路徑確定模塊，所述長壽路徑確定模塊的確定方法包括：首先把信息收集區(qū)域進(jìn)行網(wǎng)絡(luò)剖分，剖分后Sink節(jié)點(diǎn)把所有信息進(jìn)行廣播，使得每個(gè)節(jié)點(diǎn)知道其所取的網(wǎng)格及位置；WSN節(jié)點(diǎn)處于位置不固定狀態(tài)，因此節(jié)點(diǎn)的定位計(jì)算需要不斷地進(jìn)行，Sink節(jié)點(diǎn)首先將其目標(biāo)區(qū)域剖分為正方體網(wǎng)格，對(duì)給定區(qū)域G計(jì)算出區(qū)域G的最大長度l、寬度w和高度h,將子區(qū)域P劃分為個(gè)正方體，并將得到的剖分信息廣播給網(wǎng)絡(luò)中的所有傳感器節(jié)點(diǎn),其中為大于等于x的最小整數(shù),并對(duì)網(wǎng)格進(jìn)行編號(hào),每個(gè)網(wǎng)格表示為Wx,y,z，節(jié)點(diǎn)的位置信息記作posx,y,z，顯然,按構(gòu)造的每個(gè)正方形,其外接圓的半徑正好為傳感器節(jié)點(diǎn)的傳感半徑的一半；在同一個(gè)網(wǎng)格內(nèi)部的節(jié)點(diǎn)都能夠覆蓋整個(gè)網(wǎng)格，且相鄰的二網(wǎng)格內(nèi)的節(jié)點(diǎn)能夠自由通信；按三維三標(biāo)方法對(duì)網(wǎng)格進(jìn)行編碼，最靠近Sink的格點(diǎn)為W000；同時(shí)把整個(gè)網(wǎng)格內(nèi)的節(jié)點(diǎn)進(jìn)行編號(hào)，并記作集合SW(Pi)，i∈{0,1,2……}；接著對(duì)每一個(gè)網(wǎng)格進(jìn)行分布式運(yùn)算，尋找每個(gè)網(wǎng)格到Sink節(jié)點(diǎn)一條或幾條最短網(wǎng)格路徑，為使網(wǎng)絡(luò)正常工作時(shí)，整體網(wǎng)絡(luò)傳輸能量消耗最少，規(guī)定只能是二個(gè)相鄰的網(wǎng)格才能傳輸數(shù)據(jù)，最后基于熵的思想尋找一條適合路徑；二點(diǎn)間直線距離最短，而在立方體的網(wǎng)格中則對(duì)角線距離最短，所以網(wǎng)格最短路徑可轉(zhuǎn)化為求對(duì)角線的網(wǎng)格數(shù)與X、Y、Z軸的平移的網(wǎng)格數(shù)，具體方法如下：①每個(gè)網(wǎng)格到原點(diǎn)對(duì)角線的格數(shù)為網(wǎng)格坐標(biāo)值的最少值，如式(8)所示：Num-d＝min(|Wix|,|Wiy|,|Wiz|)(8)其中Num-d為網(wǎng)格i到網(wǎng)格W000的網(wǎng)格數(shù)，|Wix|、|Wiy|、|Wiz|分別為網(wǎng)格i的x,y,z的坐標(biāo)的絕對(duì)值；②根據(jù)標(biāo)明的4條相關(guān)的最短路徑，分別得知x方向，y方向,z方向分別的位移量，如式(9)所示：Num-dx=|Wix|-Num-dNum-dy=|Wiy|-Num-dNum-dz=|Wiz|-Num-d---(9)]]>③從(8)(9)式可得一條最短網(wǎng)格路徑公式(10)：Path(Wi-W0)∈{Wix,y,z；Wix,y,z-1……；Wix,y,d；Wix,y-1,d……；Wix,d,d；Wix-1,d,d……；Wd,d,d；Wd-1,d-1,d-1……；W0,0,0}(10)其中Path(Wi-W0)為網(wǎng)格Wi到W0具體經(jīng)過的網(wǎng)格，d為Num-d的簡寫；經(jīng)過一段時(shí)間運(yùn)行后，利用熵對(duì)路徑進(jìn)行自動(dòng)修補(bǔ)，即節(jié)點(diǎn)失效后整個(gè)網(wǎng)絡(luò)路由結(jié)構(gòu)自愈；①Sink節(jié)點(diǎn)向信息收集區(qū)域發(fā)出查詢請(qǐng)求，最外層進(jìn)行信息處理，把集合SW(Pi)編號(hào)最小的節(jié)點(diǎn)設(shè)為Active，同一網(wǎng)格內(nèi)其余節(jié)點(diǎn)設(shè)為Sleep；②Active節(jié)點(diǎn)按所建立的各條最短網(wǎng)格路徑，建立熵尺度，所選取節(jié)點(diǎn)設(shè)為Active，同一網(wǎng)格內(nèi)其余節(jié)點(diǎn)設(shè)為Sleep，一直到達(dá)W000節(jié)點(diǎn)，即Sink節(jié)點(diǎn)，路由路徑建立成功；③經(jīng)過一段時(shí)間運(yùn)行后，節(jié)點(diǎn)先計(jì)算所在位置，計(jì)算公式如式(11)所示并且把同一網(wǎng)格的節(jié)點(diǎn)編為一簇；其中為節(jié)點(diǎn)PxyzX,Y,Z坐標(biāo)的向下取整值，Wx,Wy,Wz為網(wǎng)格Wxyz的X,Y,Z坐標(biāo)；④Active節(jié)點(diǎn)離開網(wǎng)格后或者能量用光后，在網(wǎng)格內(nèi)重新計(jì)算熵尺度，選擇熵最小的節(jié)點(diǎn)為Active節(jié)點(diǎn)；當(dāng)熵值相同時(shí)，選用編號(hào)最小的節(jié)點(diǎn)為Active節(jié)點(diǎn)；⑤當(dāng)下一個(gè)網(wǎng)格沒有節(jié)點(diǎn)時(shí)，對(duì)相鄰的25個(gè)網(wǎng)格內(nèi)的Active節(jié)點(diǎn)進(jìn)行熵值計(jì)算，選擇熵值最小的節(jié)點(diǎn)為二條路共有的路由轉(zhuǎn)發(fā)節(jié)點(diǎn)；⑥除進(jìn)入網(wǎng)格外，相鄰25個(gè)網(wǎng)格都沒有節(jié)點(diǎn)時(shí)，此條路徑通信結(jié)束。本發(fā)明提供的骨科鎖定螺釘，設(shè)置有智能終端，將力傳感器和變形傳感器的信息及時(shí)的傳送至智能終端，并與醫(yī)務(wù)人員及時(shí)的分析和了解患者的傷口狀況；與鋼板配合后可將應(yīng)力分散，螺釘與螺釘孔件能進(jìn)行微量移動(dòng)，有利于促使骨達(dá)到圓周愈合，促進(jìn)骨痂圓周生長，術(shù)后取釘簡單，是一種理想的骨科鎖定螺釘，而且還能夠顯示骨關(guān)節(jié)的力與變形量供人們精確分析和研究骨關(guān)節(jié)生物力學(xué)性能和運(yùn)動(dòng)學(xué)特性，以建立骨科治療的指導(dǎo)理論。本發(fā)明采用內(nèi)插外推時(shí)間配準(zhǔn)算法實(shí)現(xiàn)了傳感器采樣數(shù)據(jù)的同步，并根據(jù)內(nèi)插外推時(shí)間配準(zhǔn)的結(jié)果建立了與目標(biāo)運(yùn)動(dòng)狀態(tài)無關(guān)的偽量測方程，采用基于ECEF的空間配準(zhǔn)算法實(shí)現(xiàn)了異步傳感器的空間配準(zhǔn)。由于偽量測方程的建立過程僅與目標(biāo)位置相關(guān)而與目標(biāo)運(yùn)動(dòng)速度等參數(shù)無關(guān)，因此本發(fā)明提出了異步傳感器空間配準(zhǔn)算法可有效解決目標(biāo)機(jī)動(dòng)條件下的異步傳感器空間配準(zhǔn)問題；任務(wù)指定完成時(shí)間被設(shè)為定值，針對(duì)如何使得節(jié)點(diǎn)對(duì)點(diǎn)位置的覆蓋最大化建立了數(shù)學(xué)模型；為求解此模型，任務(wù)指定完成時(shí)間被按輪進(jìn)行劃分，研究每一輪中如何挑選最合適的工作節(jié)點(diǎn)，同時(shí)關(guān)閉其他冗余節(jié)點(diǎn)，使得實(shí)際網(wǎng)絡(luò)壽命大于任務(wù)指定時(shí)間；附圖說明圖1是本發(fā)明實(shí)施例提供的骨科鎖定螺釘結(jié)構(gòu)示意圖；圖中：1、螺帽；2、鋼板鎖定螺紋；3、力傳感器；4、螺桿；5、夾套；6、變形傳感器；7、皮質(zhì)骨螺紋部分；8、智能終端。具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。下面結(jié)合附圖1對(duì)本發(fā)明的應(yīng)用原理作進(jìn)一步描述。該骨科鎖定螺釘包括：螺帽1、鋼板鎖定螺紋2、力傳感器3、螺桿4、夾套5、變形傳感器6、皮質(zhì)骨螺紋部分7、智能終端8。所述智能終端8與力傳感器3和變形傳感器6無線連接；鎖定螺釘?shù)捻敹嗽O(shè)有螺帽1，螺帽1側(cè)壁上鋼板鎖定螺紋2，螺桿4連接螺帽1，螺桿4側(cè)壁設(shè)有力傳感器3和夾套5，夾套5外側(cè)壁上設(shè)有變形傳感器6，螺桿4底端設(shè)有皮質(zhì)骨螺紋部分7。所述螺帽1為螺釘頭式，其是設(shè)有雙頭錐螺紋的鎖釘頭。所述螺紋數(shù)量至少3條。所述螺桿4上端設(shè)有鋼板鎖定螺紋2，底部設(shè)有皮質(zhì)骨螺紋7。進(jìn)一步，所述力傳感器和變形傳感器設(shè)置有空間配準(zhǔn)模塊，所述空間配準(zhǔn)模塊的空間配準(zhǔn)方法包括時(shí)間對(duì)準(zhǔn)過程和傳感器系統(tǒng)誤差估計(jì)過程，且偽量測方程的建立過程僅與目標(biāo)的位置相關(guān)，而與目標(biāo)的速度等狀態(tài)無關(guān)；時(shí)間對(duì)準(zhǔn)過程完成傳感器數(shù)據(jù)之間在時(shí)間上的對(duì)準(zhǔn)，傳感器A、傳感器B在本地直角坐標(biāo)系下的量測數(shù)據(jù)分別為YA(ti)和YB(ti)，且傳感器A的采樣頻率大于傳感器B的采樣頻率，則由傳感器A向傳感器B的采樣時(shí)刻進(jìn)行配準(zhǔn)，具體為：采用內(nèi)插外推的時(shí)間配準(zhǔn)算法將傳感器A的采樣數(shù)據(jù)向傳感器B的數(shù)據(jù)進(jìn)行配準(zhǔn)，使得兩個(gè)傳感器在空間配準(zhǔn)時(shí)刻對(duì)同一個(gè)目標(biāo)有同步的量測數(shù)據(jù)，內(nèi)插外推時(shí)間配準(zhǔn)算法如下：在同一時(shí)間片內(nèi)將各傳感器觀測數(shù)據(jù)按測量精度進(jìn)行增量排序，然后將傳感器A的觀測數(shù)據(jù)分別向傳感器B的時(shí)間點(diǎn)內(nèi)插、外推，以形成一系列等間隔的目標(biāo)觀測數(shù)據(jù)，采用常用的三點(diǎn)拋物線插值法的進(jìn)行內(nèi)插外推時(shí)間配準(zhǔn)算法得傳感器A在tBk時(shí)刻在本地直角坐標(biāo)系下的量測值為：其中，tBk為配準(zhǔn)時(shí)刻，tk-1,tk,tk+1為傳感器A距離配準(zhǔn)時(shí)刻最近的三個(gè)采樣時(shí)刻，YA(tk-1),YA(tk),YA(tk+1)分別為其對(duì)應(yīng)的對(duì)目標(biāo)的探測數(shù)據(jù)；完成時(shí)間配準(zhǔn)后，根據(jù)傳感器A的配準(zhǔn)數(shù)據(jù)與傳感器B的采樣數(shù)據(jù)，采用基于地心地固(EarthCenterEarthFixed,ECEF)坐標(biāo)系下的偽量測法實(shí)現(xiàn)傳感器A和傳感器B的系統(tǒng)誤差的估計(jì)；基于ECEF的系統(tǒng)誤差估計(jì)算法具體為：k時(shí)刻目標(biāo)在本地直角坐標(biāo)系下真實(shí)位置為X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，極坐標(biāo)系下對(duì)應(yīng)的量測值為分別為距離、方位角、俯仰角；轉(zhuǎn)換至本地直角坐標(biāo)系下為X1(k)＝[x1(k),y1(k),z1(k)]T；傳感器系統(tǒng)偏差為分別為距離、方位角和俯仰角的系統(tǒng)誤差；于是有其中表示觀測噪聲,均值為零、方差為式(1)用一階近似展開并寫成矩陣形式為：X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)其中，設(shè)兩部傳感器A和B,則對(duì)于同一個(gè)公共目標(biāo)，地心地固坐標(biāo)系下為X'e＝[x'e,y'e,z'e]T，可得：X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)\*MERGEFORMAT(4)BA，BB分別為目標(biāo)在傳感器A與傳感器B本地坐標(biāo)下的位置轉(zhuǎn)換到ECEF坐標(biāo)系下的位置時(shí)的轉(zhuǎn)換矩陣；定義偽量測為：Z(k)＝XAe(k)-XBe(k)\*MERGEFORMAT(5)其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)將式(2)、式(3)代入式(4)可以得到關(guān)于傳感器偏差的偽測量方程Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)其中，Z(k)為偽測量向量；H(k)為測量矩陣；β為傳感器偏差向量；W(k)為測量噪聲向量；由于nA(k),nB(k)為零均值、相互獨(dú)立的高斯型隨機(jī)變量,因此W(k)同樣是零均值高斯型隨機(jī)變量，其協(xié)方差矩陣為R(k)；傳感器A的量測模型如下：YA(tk-1)、YA(tk)、YA(tk+1)分別為傳感器A對(duì)目標(biāo)在tk-1,tk,tk+1時(shí)刻的本地笛卡爾坐標(biāo)系下的量測值，分別為：YA(tk-1)=Y′A(tk-1)-CA(tk-1)ξA(tk-1)+nYA(tk-1)\*MERGEFORMAT---(7)]]>YA(tk)=Y′A(tk)-CA(tk)ξA(tk)+nYA(tk)\*MERGEFORMAT---(8)]]>YA(tk+1)=Y′A(tk+1)-CA(tk+1)ξA(tk+1)+nYA(tk+1)\*MERGEFORMAT---(9)]]>其中，Y'A(tk-1)、Y'A(tk)、Y'A(tk+1)分別為傳感器A在tk-1,tk,tk+1時(shí)刻的本地笛卡爾坐標(biāo)系下的真實(shí)位置；CA(t)為誤差的變換矩陣；ξA(t)為傳感器的系統(tǒng)誤差；為系統(tǒng)噪聲，假設(shè)為零均值、相互獨(dú)立的高斯型隨機(jī)變量，噪聲協(xié)方差矩陣分別為RA(k-1)、RA(k)、RA(k+1)；傳感器A向傳感器B進(jìn)行配準(zhǔn)的具體過程如下：將式(7)、式(8)、式(9)帶入式(1)，可得：其中：為傳感器A的本地直角坐標(biāo)系下目標(biāo)的真實(shí)位置在tBk時(shí)刻的時(shí)間配準(zhǔn)值；為系統(tǒng)誤差造成的誤差項(xiàng)；為隨機(jī)噪聲，假定tk-1、tk、tk+1時(shí)刻的噪聲互不相關(guān)的零均值白噪聲，則為均值為零，協(xié)方差矩陣為RA＝a2RA(k-1)+b2RA(k)+c2RA(k+1)的白噪聲，而a、b、c、分別為且a+b+c＝1；所構(gòu)建的狀態(tài)方程與偽量測方程如下：β(k+1)=F(k|k-1)β(k)+Q(k)Z(k)=G(k)β(k)+W(k)\*MERGEFORMAT---(17)]]>其中F(k+1|k)為狀態(tài)方程的轉(zhuǎn)移矩陣，取值與傳感器的系統(tǒng)誤差的變化規(guī)律相關(guān)，若傳感器的系統(tǒng)誤差是緩變的，則F(k+1|k)近似為單位矩陣，取為F(k+1|k)＝0.99I，I為單位陣。進(jìn)一步，所述智能終端通過無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)與力傳感器和變形傳感器無線連接，所述無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)的分布式方法包括：通過比較每個(gè)節(jié)點(diǎn)的最大有效覆蓋時(shí)間來挑選出最合適的節(jié)點(diǎn)參加工作；該無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)覆蓋的分布式方法在指定的時(shí)間內(nèi)，通過比較工作節(jié)點(diǎn)的最大有效覆蓋時(shí)間和剩余能量來安排工作節(jié)點(diǎn)的最優(yōu)探測活動(dòng)時(shí)間，從而使得總的有效覆蓋時(shí)間最大；數(shù)學(xué)模型如下：MaxC=Σi∈Pwi×Ti---(1)]]>ST:0≤si.start≤l,i∈N(2)si.end-si.start＝bi,i∈N(3)bi≤Bi×lL,i∈N---(4)]]>其中C為總的有效覆蓋時(shí)間，l是每一輪的時(shí)間，bi是節(jié)點(diǎn)si在每一輪中的工作時(shí)間。該無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)覆蓋的分布式方法具體包括以下步驟：步驟一，節(jié)點(diǎn)si的鄰居，覆蓋的點(diǎn)位置，預(yù)設(shè)網(wǎng)絡(luò)壽命L，電池壽命Bi，si的標(biāo)記類型UPD，ii＝1；步驟二，判斷是否ii＜L/l，若是，則直接進(jìn)行下一步，否，則標(biāo)記類型，標(biāo)記為LAB的節(jié)點(diǎn)的最優(yōu)工作時(shí)間安排，然后結(jié)束；步驟三，計(jì)算最大額外有效覆蓋時(shí)間和工作優(yōu)先度，并向鄰居廣播mes(i,Null,UPD,ΔPi)；步驟四，判斷若，是，si的ΔPi.在鄰居中是否最大，若si的ΔPi.在鄰居中是最大，si標(biāo)記自己為LAB并向鄰居廣播mes(i,LAB,sch,ΔPi)di＝di-bi,siexits.；若si的ΔPi.在鄰居中不是最大，判斷si是否接收到鄰居sk的mes(k,LAB,sch,ΔPk)；若si是接收到鄰居sk的mes(k,LAB,sch,ΔPk)，則si更新鄰居sk的信息，重新計(jì)算ΔPi,并且向鄰居廣播mes(i,UPD,Null,ΔPi)；若si沒有接收到鄰居sk的mes(k,LAB,sch,ΔPk)，則，判斷si是否接收到鄰居sk的mes(k,UPD,Null,ΔPk)，若si是接收到鄰居sk的mes(k,UPD,Null,ΔPk)，si更新鄰居sk的工作優(yōu)先度；若si沒有接收到鄰居sk的mes(k,UPD,Null,ΔPk)，則返回判斷進(jìn)一步，所述無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)設(shè)置有長壽路徑確定模塊，所述長壽路徑確定模塊的確定方法包括：首先把信息收集區(qū)域進(jìn)行網(wǎng)絡(luò)剖分，剖分后Sink節(jié)點(diǎn)把所有信息進(jìn)行廣播，使得每個(gè)節(jié)點(diǎn)知道其所取的網(wǎng)格及位置；WSN節(jié)點(diǎn)處于位置不固定狀態(tài)，因此節(jié)點(diǎn)的定位計(jì)算需要不斷地進(jìn)行，Sink節(jié)點(diǎn)首先將其目標(biāo)區(qū)域剖分為正方體網(wǎng)格，對(duì)給定區(qū)域G計(jì)算出區(qū)域G的最大長度l、寬度w和高度h,將子區(qū)域P劃分為個(gè)正方體，并將得到的剖分信息廣播給網(wǎng)絡(luò)中的所有傳感器節(jié)點(diǎn),其中為大于等于x的最小整數(shù),并對(duì)網(wǎng)格進(jìn)行編號(hào),每個(gè)網(wǎng)格表示為Wx,y,z，節(jié)點(diǎn)的位置信息記作posx,y,z，顯然,按構(gòu)造的每個(gè)正方形,其外接圓的半徑正好為傳感器節(jié)點(diǎn)的傳感半徑的一半；在同一個(gè)網(wǎng)格內(nèi)部的節(jié)點(diǎn)都能夠覆蓋整個(gè)網(wǎng)格，且相鄰的二網(wǎng)格內(nèi)的節(jié)點(diǎn)能夠自由通信；按三維三標(biāo)方法對(duì)網(wǎng)格進(jìn)行編碼，最靠近Sink的格點(diǎn)為W000；同時(shí)把整個(gè)網(wǎng)格內(nèi)的節(jié)點(diǎn)進(jìn)行編號(hào)，并記作集合SW(Pi)，i∈{0,1,2……}；接著對(duì)每一個(gè)網(wǎng)格進(jìn)行分布式運(yùn)算，尋找每個(gè)網(wǎng)格到Sink節(jié)點(diǎn)一條或幾條最短網(wǎng)格路徑，為使網(wǎng)絡(luò)正常工作時(shí)，整體網(wǎng)絡(luò)傳輸能量消耗最少，規(guī)定只能是二個(gè)相鄰的網(wǎng)格才能傳輸數(shù)據(jù)，最后基于熵的思想尋找一條適合路徑；二點(diǎn)間直線距離最短，而在立方體的網(wǎng)格中則對(duì)角線距離最短，所以網(wǎng)格最短路徑可轉(zhuǎn)化為求對(duì)角線的網(wǎng)格數(shù)與X、Y、Z軸的平移的網(wǎng)格數(shù)，具體方法如下：①每個(gè)網(wǎng)格到原點(diǎn)對(duì)角線的格數(shù)為網(wǎng)格坐標(biāo)值的最少值，如式(8)所示：Num-d＝min(|Wix|,|Wiy|,|Wiz|)(8)其中Num-d為網(wǎng)格i到網(wǎng)格W000的網(wǎng)格數(shù)，|Wix|、|Wiy|、|Wiz|分別為網(wǎng)格i的x,y,z的坐標(biāo)的絕對(duì)值；②根據(jù)標(biāo)明的4條相關(guān)的最短路徑，分別得知x方向，y方向,z方向分別的位移量，如式(9)所示：Num-dx=|Wix|-Num-dNum-dy=|Wiy|-Num-dNum-dz=|Wiz|-Num-d---(9)]]>③從(8)(9)式可得一條最短網(wǎng)格路徑公式(10)：Path(Wi-W0)∈{Wix,y,z；Wix,y,z-1……；Wix,y,d；Wix,y-1,d……；Wix,d,d；Wix-1,d,d……；Wd,d,d；Wd-1,d-1,d-1……；W0,0,0}(10)其中Path(Wi-W0)為網(wǎng)格Wi到W0具體經(jīng)過的網(wǎng)格，d為Num-d的簡寫；經(jīng)過一段時(shí)間運(yùn)行后，利用熵對(duì)路徑進(jìn)行自動(dòng)修補(bǔ)，即節(jié)點(diǎn)失效后整個(gè)網(wǎng)絡(luò)路由結(jié)構(gòu)自愈；①Sink節(jié)點(diǎn)向信息收集區(qū)域發(fā)出查詢請(qǐng)求，最外層進(jìn)行信息處理，把集合SW(Pi)編號(hào)最小的節(jié)點(diǎn)設(shè)為Active，同一網(wǎng)格內(nèi)其余節(jié)點(diǎn)設(shè)為Sleep；②Active節(jié)點(diǎn)按所建立的各條最短網(wǎng)格路徑，建立熵尺度，所選取節(jié)點(diǎn)設(shè)為Active，同一網(wǎng)格內(nèi)其余節(jié)點(diǎn)設(shè)為Sleep，一直到達(dá)W000節(jié)點(diǎn)，即Sink節(jié)點(diǎn)，路由路徑建立成功；③經(jīng)過一段時(shí)間運(yùn)行后，節(jié)點(diǎn)先計(jì)算所在位置，計(jì)算公式如式(11)所示并且把同一網(wǎng)格的節(jié)點(diǎn)編為一簇；其中為節(jié)點(diǎn)PxyzX,Y,Z坐標(biāo)的向下取整值，Wx,Wy,Wz為網(wǎng)格Wxyz的X,Y,Z坐標(biāo)；④Active節(jié)點(diǎn)離開網(wǎng)格后或者能量用光后，在網(wǎng)格內(nèi)重新計(jì)算熵尺度，選擇熵最小的節(jié)點(diǎn)為Active節(jié)點(diǎn)；當(dāng)熵值相同時(shí)，選用編號(hào)最小的節(jié)點(diǎn)為Active節(jié)點(diǎn)；⑤當(dāng)下一個(gè)網(wǎng)格沒有節(jié)點(diǎn)時(shí)，對(duì)相鄰的25個(gè)網(wǎng)格內(nèi)的Active節(jié)點(diǎn)進(jìn)行熵值計(jì)算，選擇熵值最小的節(jié)點(diǎn)為二條路共有的路由轉(zhuǎn)發(fā)節(jié)點(diǎn)；⑥除進(jìn)入網(wǎng)格外，相鄰25個(gè)網(wǎng)格都沒有節(jié)點(diǎn)時(shí)，此條路徑通信結(jié)束。本發(fā)明所述螺帽1可以為螺釘頭式，其是設(shè)有雙頭錐螺紋的鎖釘頭。雙頭錐螺紋的鎖釘頭結(jié)構(gòu)形式能滿足螺釘與骨的微量移動(dòng)，而且鎖釘頭還能更好固定兩側(cè)，輔助光桿部分微量運(yùn)動(dòng)。使用中，將鎖定螺釘打入骨后，遠(yuǎn)端皮質(zhì)骨螺紋部分7把持遠(yuǎn)端皮質(zhì)骨，螺桿4處于力的作用下，在釘孔內(nèi)可進(jìn)行微量移動(dòng)，使遠(yuǎn)近處骨折間近乎平行的移動(dòng)，形成連續(xù)對(duì)稱的骨痂。通過力傳感器3和變形傳感器6從而解決模擬骨關(guān)節(jié)生理狀態(tài)并顯示骨關(guān)節(jié)的力與韌帶變形量、供人們精確分析和研究骨關(guān)節(jié)韌帶組織結(jié)構(gòu)的生物力學(xué)性能和運(yùn)動(dòng)學(xué)特性，以建立臨床關(guān)節(jié)病治療的指導(dǎo)理論。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3