双变压器网络用于预测下肢多通道EMG信号的关节角度和扭矩

科学领域:

• 生物力学 生物力学
• 可穿戴技术可穿戴技术
• 机器人技术 机器人技术 机器人技术

背景情况:

• 准确的下肢生物机械分析对于开发先进的外骨架辅助至关重要.
• 目前的方法通常需要实验室设置,限制现实世界的应用.
• 适应性外骨控制需要实时估计关节动力学和动力学.

研究的目的:

• 引入双变压器网络 (DTN) 以同时估计下肢关节的角度和时刻.
• 用表面电肌图 (sEMG) 信号来评估DTN的性能.
• 评估DTN在实时辅助所需外骨控制方面的潜力.

主要方法:

• 开发了一个双变压器网络 (DTN) 来处理多通道的sEMG数据.
• 该网络同时估计部,膝盖和脚关节的角度和时刻.
• 通过将估计的动力学和动力学与地面真相测量进行比较来验证性能.

主要成果:

• 在关节角度估计 (例如,R2>0.98) 和关节矩估计 (例如,R2>0.98) 中,获得了高精度.
• 导出的角速度和联合功率也显示出高精度 (例如,R2>0.95和R2>0.89,分别).
• 该DTN有效地估计了从sEMG信号的下肢动力学和动力学.

结论:

• 拟议的双变压器网络 (DTN) 准确估计下肢关节动力学和动力学.
• 这项技术使生物力学分析能够在实验室之外进行.
• 这些发现支持实时,自适应式外骨架控制策略的发展.