通过整合相对侧腿信息来对下肢外骨架进行增强的步行阶段估计

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
• 康复工程 康复工程 康复工程

背景情况:

• 人类步行阶段估计对于使用生物信号控制下肢外骨至关重要.
• 准确的步态阶段估计对于防止设备-用户脱同步和确保正确的扭矩应用至关重要.
• 目前的方法在实现有效控制外骨所需的高精度方面面临挑战.

研究的目的:

• 开发一种新的方法来提高人类步行阶段估计的准确性.
• 为了利用对应资产的腿部信息来提高步态阶段估计.
• 为了验证拟议方法的有效性,在有能力和半的个体.

主要方法:

• 开发了一种新的算法,以整合对侧腿数据用于步行阶段估计.
• 该方法使用对身体健康个体的模拟数据进行了测试.
• 用三名半性中风患者的临床数据来评估该方法的性能.

主要成果:

• 与最先进的方法相比,在健康模拟中观察到估计误差减少了75.2%.
• 通过半性中风患者的数据,估计误差平均减少了47.6%.
• 在所有受试者中,总体根平均平方误差 (RMSE) 为2.28%.

结论:

• 拟议的基于腿部的反侧方法显著提高了步态阶段估计的准确性.
• 这种技术有望提高康复机器人的控制能力,特别是下肢外骨架.
• 改进的外骨控制可以导致更多的用户参与机器人辅助步行训练,以恢复中风.