發(fā)布時(shí)間：2023-05-09 23:25

　　下肢助力型外骨骼機(jī)器人跟隨人體運(yùn)動(dòng),與人體構(gòu)成一個(gè)復(fù)雜的耦合系統(tǒng),目前對(duì)其研究主要集中在人體運(yùn)動(dòng)感知及人機(jī)交互、運(yùn)動(dòng)意圖識(shí)別、運(yùn)動(dòng)模式判斷、人機(jī)耦合控制等多個(gè)方面。為了實(shí)現(xiàn)對(duì)外骨骼系統(tǒng)控制的快速性、準(zhǔn)確性、穩(wěn)定性,需要對(duì)人體步態(tài)進(jìn)行識(shí)別,識(shí)別的準(zhǔn)確率直接影響整個(gè)系統(tǒng)的控制效果。因此,本文對(duì)人體步態(tài)信息特征、步態(tài)信息的預(yù)測(cè)、步態(tài)相位的識(shí)別三個(gè)方面展開了研究:(1)步態(tài)信息是研究人體運(yùn)動(dòng)特征、預(yù)測(cè)步態(tài)序列和識(shí)別步態(tài)相位的基礎(chǔ),所以本文設(shè)計(jì)了一個(gè)能完整、精確采集步態(tài)數(shù)據(jù)的步態(tài)采集系統(tǒng),對(duì)獲得的足底壓力、關(guān)節(jié)角度、大腿拉力信息進(jìn)行了分析,提取了步態(tài)周期中不同相位的運(yùn)動(dòng)特征。(2)分別采用LMS自適應(yīng)濾波器、加權(quán)零階局域法、動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)三種方法對(duì)步態(tài)數(shù)據(jù)進(jìn)行預(yù)測(cè)仿真,并根據(jù)預(yù)測(cè)準(zhǔn)確率、平滑系數(shù)和運(yùn)算速度三個(gè)評(píng)價(jià)指標(biāo)選出效果最好的加權(quán)零階局域法以便后期移植到硬件上使用。(3)采用模糊融合算法對(duì)多個(gè)傳感器信息進(jìn)行處理,通過(guò)模糊集合來(lái)描述分界不精確且具有階段性的各步態(tài)相位下的傳感器信息狀態(tài)。然后,設(shè)計(jì)了步態(tài)識(shí)別總體方案:首先對(duì)足底壓力和腿部拉力分別進(jìn)行數(shù)據(jù)融合;接著對(duì)足底壓力和關(guān)節(jié)角度分別進(jìn)行特征融合...

【文章頁(yè)數(shù)】：98 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 外骨骼機(jī)器人研究綜述
        1.3.1 人體步態(tài)信息采集方法研究現(xiàn)狀
        1.3.2 步態(tài)識(shí)別方法研究現(xiàn)狀
    1.4 研究?jī)?nèi)容及論文結(jié)構(gòu)
        1.4.1 研究?jī)?nèi)容
        1.4.2 論文結(jié)構(gòu)
第2章 下肢外骨骼步態(tài)數(shù)據(jù)獲取及分析
    2.1 步態(tài)數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)
        2.1.1 傳感器選型
        2.1.2 步態(tài)采集系統(tǒng)硬件框圖
        2.1.3 上位機(jī)顯示及步態(tài)信息存儲(chǔ)
    2.2 人體下肢運(yùn)動(dòng)分析
        2.2.1 人體下肢關(guān)節(jié)運(yùn)動(dòng)機(jī)理
        2.2.2 人體平地行走步態(tài)相位劃分
    2.3 步態(tài)數(shù)據(jù)預(yù)處理
        2.3.1 數(shù)據(jù)校正
        2.3.2 數(shù)據(jù)歸一化
    2.4 步態(tài)數(shù)據(jù)分析
        2.4.1 足底壓力數(shù)據(jù)分析
        2.4.2 關(guān)節(jié)角度數(shù)據(jù)分析
        2.4.3 腿部拉力數(shù)據(jù)分析
    2.5 本章小結(jié)
第3章 人體步態(tài)預(yù)測(cè)
    3.1 預(yù)測(cè)算法性能評(píng)價(jià)指標(biāo)
    3.2 自適應(yīng)濾波器
        3.2.1 LMS自適應(yīng)濾波器
        3.2.2 LMS自適應(yīng)濾波器參數(shù)選擇
    3.3 非線性時(shí)間序列分析
        3.3.1 加權(quán)零階局域預(yù)測(cè)法
        3.3.2 加權(quán)零階局域算法參數(shù)選擇
    3.4 NAR動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)
        3.4.1 Nar動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)
        3.4.2 神經(jīng)網(wǎng)絡(luò)各層參數(shù)選擇及matlab仿真
    3.5 預(yù)測(cè)算法比較分析
    3.6 本章小結(jié)
第4章 步態(tài)相位識(shí)別的模糊融合方法
    4.1 模糊算法理論基礎(chǔ)
        4.1.1 模糊集合與隸屬度函數(shù)
        4.1.2 模糊規(guī)則設(shè)計(jì)
        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 步態(tài)相位識(shí)別總體方案
    4.3 傳感器信號(hào)的模糊化
        4.3.1 足底壓力信號(hào)的模糊化
        4.3.2 關(guān)節(jié)角度信號(hào)的模糊化
        4.3.3 腿部拉力信號(hào)的模糊化
    4.4 傳感器信息的特征層融合
        4.4.1 關(guān)節(jié)角度信息
        4.4.2 足底壓力信息
    4.5 步態(tài)識(shí)別結(jié)果的決策層加權(quán)融合
    4.6 本章小結(jié)
第5章 步態(tài)識(shí)別算法的驗(yàn)證
    5.1 實(shí)驗(yàn)方案設(shè)計(jì)
    5.2 實(shí)驗(yàn)驗(yàn)證與分析
        5.2.1 不同速度下的步態(tài)相位識(shí)別驗(yàn)證
        5.2.2 不同實(shí)驗(yàn)對(duì)象下的步態(tài)相位識(shí)別驗(yàn)證
    5.3 本章小結(jié)
第6章 結(jié)論與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文與參加的科研項(xiàng)目



本文編號(hào)：3812585