相关实验视频
Updated: Jul 15, 2025
08:12
Experimental Methods to Study Human Postural Control
Published on: September 11, 2019
9.5K
使用深度学习模型来预测假肢脚扭矩
Christopher Prasanna1,2, Jonathan Realmuto3, Anthony Anderson1,2
1Center for Limb Loss and Mobility, Seattle, WA 98108, USA.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
深度学习模型使用最小的传感器数据准确地预测假肢脚扭矩. 这一进步使得动力假肢的响应性和预测性控制更强,改善了用户体验.
科学领域:
- 生物力学 生物力学
- 机器学习 机器学习
- 假肢是一种假肢.
背景情况:
- 通过运动捕捉进行反向动力学是生物力学数据的标准,但是实验室和标记器密集的.
- 需要一个实用的替代实时假肢控制系统.
- 预测控制器需要快速,准确的生物机械信息.
研究的目的:
- 开发深度学习模型来估计和预测假肢脚扭矩.
- 用最小的输入信号来准确的动态系统建模.
- 在高带宽假肢系统中实现预测控制.
主要方法:
- 应用深度学习来创建动态系统模型.
- 使用超参数优化协议进行自动模型选择.
- 在六个输入信号上训练深度神经网络,以预测脚扭矩.
主要成果:
- 深度神经网络预测了未来的脚扭矩,准确度很高 (2.9 ± 1.6% RMSE).
- 与分析模型 (26.6 ± 40.9% RMSE) 相比,深度学习显示出更高的性能.
- 未来的预测 (半步循环) 显示性能降低最小 (1.7%的RMSE增加).
结论:
- 深度学习为准确的假肢脚扭矩预测提供了一种可行的方法.
- 这种方法减少了对复杂的移动捕捉设置的依赖.
- 允许开发动力假肢的先进预测控制.
