基于随机森林回归的手臂末端力的软测量方法

发布时间：2019-04-26 16:11

【摘要】：针对手臂康复训练后仍缺乏准确力觉的康复病人提出了一种手臂末端力的软测量方法。采用肌电信号(EMG)传感器与手臂姿态传感器获取的数据综合描述手臂的综合状态信息,并作为随机森林回归的输入,将手臂末端力作为随机森林回归的输出。依据康复训练的基本动作单元,针对性的设计了"推拉"和"提放"两组试验,在离线状态下,利用力传感器测量得到的实际末端力与手臂的综合状态信息作为样本集,并通过大量样本数据训练随机森林回归算子得到稳定可靠的回归算子,最后通过在线预测手臂末端力与真实末端力输出的比较,验证了该方法的有效性。
[Abstract]:A soft measurement method for the end force of the arm is proposed for the rehabilitation patients who still lack accurate force after the arm rehabilitation training. The comprehensive state information of the arm is comprehensively described by using the data acquired by the muscle electric signal (EMG) sensor and the arm posture sensor, and the end force of the arm is used as the output of the random forest regression as input of the random forest regression. According to the basic operation unit of the rehabilitation training, two groups of tests of the "push-pull" and the "lifting" are designed in a targeted manner, and in the off-line state, the comprehensive state information of the actual end force and the arm obtained by the force sensor is used as a sample set, And a large number of sample data is used for training the random forest regression operator to obtain a stable and reliable regression operator, and finally, the validity of the method is verified by comparing the end force of the arm with the real end force output on-line.
【作者单位】： 南昌大学信息工程学院;东南大学仪器科学与工程学院;国网江西省电力公司信息通信分公司;北卡罗来纳大学夏洛特分校计算机工程系;
【基金】：国家自然科学基金(61663027,81501560,61563035) 国家杰出青年科学基金(61325018)项目资助
【分类号】：TP181;TP212.9

【相似文献】

相关期刊论文 前10条

1 王象刚;;基于K均值随机森林快速算法及入侵检测中的应用[J];科技通报;2013年08期

2 张华伟;王明文;甘丽新;;基于随机森林的文本分类模型研究[J];山东大学学报(理学版);2006年03期

3 邱一卉;林成德;;基于随机森林方法的异常样本检测方法[J];福建工程学院学报;2007年04期

4 马昕;王雪;杨洋;;基于随机森林算法的大学生异动情况的预测[J];江苏科技大学学报(自然科学版);2012年01期

5 杨帆;林琛;周绮凤;符长虹;罗林开;;基于随机森林的潜在k近邻算法及其在基因表达数据分类中的应用[J];系统工程理论与实践;2012年04期

6 聂斌;王卓;杜建强;朱明峰;林剑鸣;艾国平;熊玲珠;;基于粗糙集和随机森林算法辅助糖尿病并发症分类研究[J];江西师范大学学报(自然科学版);2014年03期

7 郭颖婕;刘晓燕;郭茂祖;邹权;;植物抗性基因识别中的随机森林分类方法[J];计算机科学与探索;2012年01期

8 邱一卉;林成德;;基于随机森林和单类支持向量机的电信行业客户流失预测[J];厦门大学学报(自然科学版);2013年05期

9 于化龙;高尚;赵靖;秦斌;;基于过采样技术和随机森林的不平衡微阵列数据分类方法研究[J];计算机科学;2012年05期

10 姚登举;杨静;詹晓娟;;基于随机森林的特征选择算法[J];吉林大学学报(工学版);2014年01期

相关会议论文 前9条

1 张利;孙德敏;张培仁;王永;杨兵;;设施农业中的磷酸根浓度软测量研究[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 韩大伟;邹志云;;软测量与推断控制技术初探[A];2005全国自动化新技术学术交流会论文集（三）[C];2005年

3 赵忠盖;刘飞;;一种基于因子回归模型的软测量方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年

4 毕维准;;粘度在线软测量方法的应用[A];2007年中国智能自动化会议论文集[C];2007年

5 张自成;费敏锐;;基于人工神经网络的中速磨存煤量软测量方法[A];第七届工业仪表与自动化学术会议论文集[C];2006年

6 刘载文;许继平;侯朝桢;王正祥;薛福霞;;SBR污水处理系统神经网络软测量与控制技术[A];2005年中国智能自动化会议论文集[C];2005年

7 常青;杨捷;裴洪卿;;基于RBF神经网络的丙烯腈收率软测量方法[A];第十七届全国过路控制会议论文集[C];2006年

8 孙玉坤;王博;丁慎平;;基于模糊支持向量机的赖氨酸发酵软测量[A];第二十七届中国控制会议论文集[C];2008年

9 刘瑞兰;周凌柯;;混合建模方法在PTA过程4-CBA含量软测量中的应用[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

相关博士学位论文 前10条

1 张乾;基于随机森林的视觉数据分类关键技术研究[D];华南理工大学;2016年

2 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年

3 于涛;基于混合模型的软测量方法研究及其在发酵过程中的应用[D];北京化工大学;2006年

4 杨强大;诺西肽发酵过程生化参数软测量方法的研究[D];东北大学;2009年

5 李修亮;软测量建模方法研究与应用[D];浙江大学;2009年

6 黄丽;基于数据驱动的生物反应过程软测量与优化控制[D];江苏大学;2011年

7 于晓明;支持向量机及其在制浆过程重要参数软测量中的应用研究[D];陕西科技大学;2012年

8 凌玉华;铝电磁铸轧带坯晶粒度软测量及复合磁场智能控制研究[D];中南大学;2010年

9 李铁;电熔镁炉熔池尺寸软测量方法的研究[D];大连理工大学;2013年

10 王强;基于非线性特征提取的软测量智能建模方法研究[D];中国石油大学（华东）;2013年

相关硕士学位论文 前10条

1 朱琪;基于最大平衡度与最大共识的改进随机森林算法研究[D];吉林大学;2016年

2 马骊;随机森林算法的优化改进研究[D];暨南大学;2016年

3 程政;城市道路短时车流量预测模型研究[D];中国科学技术大学;2016年

4 陈实;基于随机森林的神经肽剪切位点预测方法研究[D];华中科技大学;2015年

5 胡宗杰;基于极值随机森林的慢性胃炎中医问诊证候分类研究[D];华东理工大学;2017年

6 康雅文;基于随机森林的医疗行业供应商的等级评估模型[D];安徽大学;2017年

7 郭振宇;基于约简随机森林的电影票房预测分析[D];天津大学;2016年

8 李磊;随机森林及数据可视化在棉蚜等级预测中的应用研究[D];山东农业大学;2017年

9 李贞贵;随机森林改进的若干研究[D];厦门大学;2013年

10 姚明煌;随机森林及其在遥感图像分类中的应用[D];华侨大学;2014年

，

本文编号：2466206