10.11772/j.issn.1001-9081.2018122474
基于改进鲸鱼优化算法的外骨骼机器人步态检测
针对传统的外骨骼机器人步态检测算法中的信息单一化、准确率低、易陷入局部最优等问题,提出基于改进鲸鱼算法优化的支持向量机(IWOA-SVM)的外骨骼机器人步态检测算法,即在鲸鱼优化算法(WOA)中引入遗传算法(GA)的选择、交叉、变异操作,进而去优化支持向量机(SVM)的惩罚因子与核参数,再使用参数优化后的SVM建立分类模型,从而扩大算法的搜索范围,减小算法陷入局部最优的概率.首先,使用混合传感技术采集步态数据,即通过足底压力传感器和膝关节、髋关节角度传感器采集外骨骼机器人的运动数据,并作为步态检测系统的输入;然后,使用门限法对步态相位进行划分并标记标签;最后,将足底压力信号与髋关节、膝关节角度信号融合作为输入,使用IWOA-SVM算法完成对步态的检测.对6个标准测试函数进行仿真实验,并与GA、粒子群优化(PSO)算法、WOA进行比较,数值实验表明,改进鲸鱼优化算法(IWOA)的鲁棒性、寻优精度、收敛速度均优于其他优化算法.通过分析不同穿戴者的步态检测结果发现,准确率可达98.8%,验证了所提算法在新一代外骨骼机器人中的可行性和实用性,并与基于遗传优化算法的支持向量机(GA-SVM)、基于粒子群优化算法的支持向量机(PSO-SVM)、基于鲸鱼优化算法的支持向量机(WOA-SVM)算法进行比较,结果表明,该算法识别准确率分别提高了5.33%、2.70%、1.44%,能够对外骨骼机器人的步态进行有效检测,进而实现外骨骼机器人的精确控制及稳定行走.
外骨骼机器人、步态检测、鲸鱼优化算法、遗传算法、粒子群优化算法、支持向量机
39
TP242.6;TP18(自动化技术及设备)
国家重点研发计划项目2017YFB1300502
2019-08-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
1905-1911