通过双边传感来统一的多活动步行阶段估计的任务无意识方法

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
• 康复工程 康复工程

背景情况:

• 精确的步行阶段估计对于控制下肢康复机器人,如关节假肢,至关重要.
• 当前的方法往往依赖于活动分类,限制了适应性和错误分类错误的风险.

研究的目的:

• 提出一个新的统一的相位变量框架,用于连续步行相位估计.
• 在这个框架内,开发和评估基于分类的方法和无关任务的方法.
• 评估各种运动任务的表现,包括水平行走,坡道和楼梯.

主要方法:

• 开发了一个统一的相位变量框架,利用预测的步态事件信息.
• 实施了基于分类的方法,使用单边大腿角度传感.
• 开发了一种无关任务的方法,将传感扩展到包括对侧大腿角度.
• 通过在各种运动条件下使用健康人群数据集进行模拟评估.

主要成果:

• 基于分类的方法实现了6.8%的平均阶段根平均平方误差 (RMSE).
• 任务无意识的方法显示,平均阶段RMSE为6.3%.
• 双边任务无意识的方法显示了与单边基于分类的方法相比或更高的性能,在各个主题和任务之间有了更好的一致性,特别是在爬楼梯时.

结论:

• 任务无关的步行阶段估计对于假肢控制是可行的.
• 拟议的框架提供了与特定任务模型可比的性能.
• 这种方法消除了对活动分类的依赖,提高了下肢机器人康复的适应性和可靠性.