在不受约束的行走过程中,通过一个堆叠的单维卷积长短期记忆模型对垂直地面反应力的肌电基估计
Alessandro Mengarelli1, Andrea Tigrini1, Mara Scattolini1
1Department of Information Engineering, Università Politecnica delle Marche, 60131 Ancona, Italy.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
来自腿部肌肉的电肌图 (EMG) 信号可以可靠地估计行走期间的垂直地面反应力 (VGRF). 这一发现支持将VGRF集成到动力假肢控制中,以改善步态动态和用户舒适度.
科学领域:
- 生物医学工程 生物医学工程
- 机器人技术 机器人技术 机器人技术
- 生物力学 生物力学
背景情况:
- 目前的假肢控制依赖于电肌图 (EMG) 映射到关节动力学.
- 地面反应力 (GRF) 对于步态稳定和推进至关重要.
- 将GRF整合到假肢控制中可以增强行走生理学和舒适性.
研究的目的:
- 评估仅使用下肢EMG信号估计垂直GRF (VGRF) 的可行性.
- 为了比较来自EMG的VGRF估计的深度学习模型.
- 评估大腿和腿部肌肉对VGRF估计的贡献.
主要方法:
- 两种深度学习模型被用来从EMG估计VGRF.
- 实验涉及不同的肌肉配置 (大腿,,组合).
- 在行走试验期间收集了EMG数据.
主要成果:
- 电磁图谱信号可以可靠地估计行走时的VGRF.
- 单独的腿部肌肉为VGRF估计提供了可行的解决方案.
- 腿部肌肉没有提高性能,无论单独使用还是与腿部肌肉一起使用.
结论:
- 基于EMG的VGRF估计对于假肢和辅助设备是可行的.
- 腿部肌肉EMG为VGRF估计提供了一种实用的方法,降低了传感器需求.
- 这项研究为将GRF反纳入EMG驱动的假肢控制系统铺平了道路.
