基于足底压力传感器的步态识别方法研究
助力型外骨骼机器人的控制策略是当前国内外研究的热点,准确的预测人体行走的状态是控制系统具有预见性及快速响应能力的前提及基础.通过对足底压力进行测量后使用极限学习机(ELM)学习算法对数据进行训练及预测,并在此基础上提出了一种对足跟触地、足跟离地、足尖触地、足尖离地4种步态事件进行识别的屏蔽窗识别算法.实验结果表明在2.4、3.6、4.8 km/h 3种不同速度的行走状态下,ELM算法针对足底压力具有较高的预测精度,各传感器均方根误差(RMSE)平均值约为0.68.步态事件屏蔽窗识别算法相较传统固定阈值算法识别正确率大大提高,平均识别正确率达到约93.5%.
足底压力预测、极限学习机、步态事件识别、外骨骼
42
TP391.9;TN409(计算技术、计算机技术)
2019-09-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
26-31