下肢肌肉骨模型的参数识别和灵敏度分析
Jinghang Li1, Keyi Wang1, Yi Yuan2
1College of Mechanical and Electrical Engineering, Harbin Engineering University, Harbin, Heilongjiang, China.
Frontiers in bioengineering and biotechnology
|April 29, 2025
概括
本研究提出了一个简化的膝关节模型,使用四个电肌图 (EMG) 传感器来准确估计人机交互中的扭矩. 新的灵敏度分析方法有效地减少模型复杂性,同时保持性能.
科学领域:
- 生物力学 生物力学
- 机器人技术 机器人技术 机器人技术
- 人与机器人的交互
背景情况:
- 穿戴式传感器对于在人机交互中评估联合扭矩至关重要.
- 现有的模型通常需要太多的传感器或缺乏实时输出用于机器人控制.
- 需要有效和准确的联合扭矩估计方法.
研究的目的:
- 开发一个膝关节扭矩估计模型,只使用四个电肌图 (EMG) 传感器.
- 提出一种新的方法来简化基于灵敏度分析的肌肉骨模型.
- 为了实现机器人控制中联合扭矩估计的实时应用.
主要方法:
- 建立了一个膝关节肌肉骨模型,使用先进的Hill类型组件结合四个主要肌肉.
- 使用遗传算法 (GA) 来识别肌肉骨模型的参数.
- 利用Sobol的全球灵敏度分析来评估参数影响,并开发了一种基于灵敏度的简化方法.
主要成果:
- 拟议的肌肉骨模型通过参数识别实现了可比的正常化根平均平方误差 (NRMSE).
- 灵敏度分析确定了关键参数,从而实现了有效的模型简化.
- 基于灵敏度的简化方法在减少模型复杂性方面被证明是有效的.
结论:
- 使用四个EMG传感器进行简化膝关节扭矩估计模型是可行的和有效的.
- 灵敏度分析是简化复杂肌肉骨模型的一个有价值的工具.
- 拟议的方法提高了联合扭矩估计在实时机器人控制中的适用性.
