相关实验视频
Updated: Jun 29, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
步行识别和辅助参数预测测定基于用惯性测量单位测量的动力信息
Qian Xiang1,2,3, Jiaxin Wang1,2,3, Yong Liu1,2,3
1Engineering Research Center of the Ministry of Education for Intelligent Rehabilitation Equipment and Detection Technologies, Hebei University of Technology, Tianjin 300401, China.
Bioengineering (Basel, Switzerland)
|March 27, 2024
概括
本研究引入了一种使用惯性测量单位的外骨架的新型步态识别模型. 该模型准确地预测了外骨辅助时间,改善了步态并降低了代谢成本.
科学领域:
- 机器人和生物力学
- 人与计算机的交互
- 可穿戴技术可穿戴技术
背景情况:
- 准确的步态相识别对于预测下肢外骨架辅助时间至关重要.
- 实时估计辅助时间对于安全和精确的外骨控制至关重要.
- 现有的方法在不同的道路条件下面临挑战.
研究的目的:
- 为下肢外骨架提出一个强大的步态识别模型.
- 准确预测外骨架辅助时间,以提高控制和安全性.
- 为了提高外骨架辅助治疗结果.
主要方法:
- 开发了一种步态识别模型,集成了用于运动状态识别的支持向量机 (SVM) 和用于步态阶段识别的长短期记忆 (LSTM) 网络.
- 使用惯性测量单位 (IMU) 进行实时数据采集.
- 通过对人类实验对模型进行验证.
主要成果:
- 在运动状态 (99.98%) 和步行阶段 (98.26%) 中实现了高精度的识别.
- SVM-LSTM模型有效地预测了外辅助时间.
- 基于该模型的外骨辅助显著改善了步行运动,并将代谢成本降低了10%以上.
结论:
- 拟议的SVM-LSTM步态模型在外骨应用中显示出高可靠性和准确性.
- 实时步态识别能够准确预测辅助时间,增强外骨控制.
- 这种方法提供了一种有前途的方法来改善步行康复和减少用户的努力.
