基于sEMG和IMU功能融合的下肢外骨架机器人的步态识别研究
Chikun Gong1, Bingsheng Wei1, Yong Huang1
1Department of School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai, China.
Computer methods in biomechanics and biomedical engineering
|September 2, 2025
概括
这项研究引入了一种用于下肢外骨架机器人的新型步态识别方法,该方法使用融合表面电肌图 (sEMG) 和惯性测量单元 (IMU) 信号. 这种方法达到90%以上的准确性, 增强了人机交互.
科学领域:
- 机器人技术
- 生物医学工程
- 信号处理
背景情况:
- 下肢外骨架机器人的步态识别在准确性和强度方面面临挑战.
- 有效的人机交互依赖于可靠的步态识别以实现无控制.
研究的目的:
- 为下肢外骨架机器人提出强大而准确的步态识别方法.
- 为了更好地识别表面电肌图 (sEMG) 和惯性测量单元 (IMU) 的信号.
- 利用深度残留收缩网络 (DRSN) 进行增强的步态分类.
主要方法:
- 使用一种新的能量核特征提取方法来获取sEMG信号,将相位图转换为灰度地图.
- 应用于IMU信号的无声化和图形处理.
- 采用深度残留收缩网络 (DRSN) 进行合的sEMG和IMU信号识别.
- 在部署的硬件上进行了线下和在线实验.
主要成果:
- 具有注意力机制的DRSN显著提高了分类性能.
- 与单源信号和其他特征提取方法相比,识别精度提高了10%-20%.
- 在网络实验中实现了90%以上的识别准确性.
- 多功能融合网络展示了时间效率,高精度和稳定性.
结论:
- 拟议的使用DRSN的sEMG和IMU步态识别方法具有高度准确性和稳定性.
- 能量核特征提取和DRSN方法为外骨架机器人应用提供了显著的改进.
- 这种方法对于在外骨架机器人领域推进人机交互具有实用价值.
