相关实验视频
Updated: Jun 12, 2025
10:19
3D Kinematic Gait Analysis for Preclinical Studies in Rodents
Published on: August 3, 2019
10.6K
基于ANN的前向动态和逆向动态在人类步态分析中的比较研究
1Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, Republic of Korea.
Journal of biomechanics
|June 10, 2025
概括
这项研究比较了人类行走分析的逆向和前向动态. 基于人工神经网络的前进动态准确地模拟了步态,并提供比传统方法更精确的能源消耗估计.
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
- 计算神经科学是一种神经科学.
背景情况:
- 传统的逆动力学分析人类运动依赖于测量的地面反应力和动力学数据.
- 前进动力学模拟提供了更直接的方法,但需要精确的肌肉激活和控制模型.
- 人工神经网络 (ANN) 在开发用于前进动态模拟的复杂控制器方面表现有前途.
研究的目的:
- 为了比较传统的反向动力学和基于ANN的前向动力学方法之间的人类行走运动分析的准确性.
- 评估ANN控制器能够准确地复制步态动力学和关节扭矩的能力.
- 评估两个动态建模方法之间的机械能耗估计差异.
主要方法:
- 收集了9名健康男性实验对象在行走时的运动捕捉和地面反应力数据.
- 使用OpenSim. 进行逆动力学和动力学分析.
- 训练了一台基于ANN的步态控制器,在前进动力学模拟中使用深度强化学习,优化动力学跟踪和减少关节扭矩/功率波动.
主要成果:
- 与反向动力学相比,ANN控制器复制了关节动力学,根-平均-平方 (RMS) 差异小于2.7°.
- 来自ANN方法的关节扭矩概况显示RMS差异为0.20-0.23Nm/kg,与基于优化的方法相比.
- 使用ANN控制器的前向动态估计了较高的总机械功耗 (仅低估了4.1%的余力) 与反向动态相比 (由于余力而低估了0.74W/kg).
结论:
- 基于ANN的前向动力学建模可以准确地复制人类步态动力学和关节动力学.
- 这种方法提供了更准确的机械能耗估计,最大限度地减少对余力的依赖.
- 可适应的ANN控制器在分析康复的步态变化和开发辅助机器人设备方面具有潜在的应用.
