基于SE通道注意力机制增强的TCN-SVM的下肢外骨架机器人的步行阶段识别方法
BinHao Huang1, Jian Lv1, Ligang Qiang2
1Key Laboratory of Advanced Manufacturing Technology of the Ministry of Education, Guizhou University, Guiyang, China.
概括
这项研究整合了肌肉压力和惯性测量,以控制下肢外骨架. 这种融合策略准确地识别了步行阶段,提高了外骨的性能和稳定性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 生物力学 生物力学
- 信号处理 信号处理
背景情况:
- 下肢外骨需要精确的步行阶段识别才能有效控制.
- 整合各种传感器数据可以提高动力信号收集的稳定性.
研究的目的:
- 开发一个集成的系统来收集下肢外骨架的运动信号.
- 提出一种新的数据融合策略,将大腿肌肉压力和惯性测量结合起来,用于步态相识别.
主要方法:
- 开发了一个集成系统,捕获肌肉压力,三轴加速度和角度数据.
- 采用时间卷积网络与SE注意力和SVM用于步行阶段识别.
- 采用了融合策略,将FMG (肌肉压力) 和IMU (惯性测量单位) 数据结合起来.
主要成果:
- FMG-IMU数据融合策略在步行阶段识别方面表现出高准确性和稳定性.
- 该系统对外部噪声的敏感性较低,确保可靠的性能.
- 成功识别了步态阶段,从而改善了外骨的功能.
结论:
- 综合系统和FMG-IMU数据融合方法对于强大的步行阶段识别是有效的.
- 这种方法提高了下肢外骨的性能和可靠性.
- 这项研究为先进的外骨控制系统提供了有前途的解决方案.
