基于传感器信息融合的步态识别方法研究

发布时间：2023-05-09 23:25

　　下肢助力型外骨骼机器人跟随人体运动,与人体构成一个复杂的耦合系统,目前对其研究主要集中在人体运动感知及人机交互、运动意图识别、运动模式判断、人机耦合控制等多个方面。为了实现对外骨骼系统控制的快速性、准确性、稳定性,需要对人体步态进行识别,识别的准确率直接影响整个系统的控制效果。因此,本文对人体步态信息特征、步态信息的预测、步态相位的识别三个方面展开了研究:(1)步态信息是研究人体运动特征、预测步态序列和识别步态相位的基础,所以本文设计了一个能完整、精确采集步态数据的步态采集系统,对获得的足底压力、关节角度、大腿拉力信息进行了分析,提取了步态周期中不同相位的运动特征。(2)分别采用LMS自适应滤波器、加权零阶局域法、动态神经网络三种方法对步态数据进行预测仿真,并根据预测准确率、平滑系数和运算速度三个评价指标选出效果最好的加权零阶局域法以便后期移植到硬件上使用。(3)采用模糊融合算法对多个传感器信息进行处理,通过模糊集合来描述分界不精确且具有阶段性的各步态相位下的传感器信息状态。然后,设计了步态识别总体方案:首先对足底压力和腿部拉力分别进行数据融合;接着对足底压力和关节角度分别进行特征融合...

【文章页数】：98 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 外骨骼机器人研究综述
        1.3.1 人体步态信息采集方法研究现状
        1.3.2 步态识别方法研究现状
    1.4 研究内容及论文结构
        1.4.1 研究内容
        1.4.2 论文结构
第2章 下肢外骨骼步态数据获取及分析
    2.1 步态数据采集系统设计
        2.1.1 传感器选型
        2.1.2 步态采集系统硬件框图
        2.1.3 上位机显示及步态信息存储
    2.2 人体下肢运动分析
        2.2.1 人体下肢关节运动机理
        2.2.2 人体平地行走步态相位划分
    2.3 步态数据预处理
        2.3.1 数据校正
        2.3.2 数据归一化
    2.4 步态数据分析
        2.4.1 足底压力数据分析
        2.4.2 关节角度数据分析
        2.4.3 腿部拉力数据分析
    2.5 本章小结
第3章 人体步态预测
    3.1 预测算法性能评价指标
    3.2 自适应滤波器
        3.2.1 LMS自适应滤波器
        3.2.2 LMS自适应滤波器参数选择
    3.3 非线性时间序列分析
        3.3.1 加权零阶局域预测法
        3.3.2 加权零阶局域算法参数选择
    3.4 NAR动态神经网络
        3.4.1 Nar动态神经网络模型的结构
        3.4.2 神经网络各层参数选择及matlab仿真
    3.5 预测算法比较分析
    3.6 本章小结
第4章 步态相位识别的模糊融合方法
    4.1 模糊算法理论基础
        4.1.1 模糊集合与隶属度函数
        4.1.2 模糊规则设计
        4.1.3 模糊推理方法
        4.1.4 基于信息融合的模糊推理框架
    4.2 步态相位识别总体方案
    4.3 传感器信号的模糊化
        4.3.1 足底压力信号的模糊化
        4.3.2 关节角度信号的模糊化
        4.3.3 腿部拉力信号的模糊化
    4.4 传感器信息的特征层融合
        4.4.1 关节角度信息
        4.4.2 足底压力信息
    4.5 步态识别结果的决策层加权融合
    4.6 本章小结
第5章 步态识别算法的验证
    5.1 实验方案设计
    5.2 实验验证与分析
        5.2.1 不同速度下的步态相位识别验证
        5.2.2 不同实验对象下的步态相位识别验证
    5.3 本章小结
第6章 结论与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士学位期间发表的论文与参加的科研项目



本文编号：3812585