基于多核学习极限学习机的助行机器人运动相容性识别

摘要：

下肢外骨骼作为一种可穿戴设备可以保护人体、增强人体的力量、激发人体的自我修复能力,已经在康复领域广泛使用.由于外骨骼机器人实际运动意图与期望运动意图存在一定差异(即运动不相容),容易造成穿戴者不舒适.为了提高运动相容性识别的准确率,本文针对步幅过大、步幅过小、步幅相容采用多核学习极限学习机(ELM)的方法进行了识别.表面肌电信号(sEMG)包含了大量的步态信息,能够很好地应用于运动相容性的识别,首先从时域、频域、时频域等角度提取了表面肌电信号特征,然后利用灰狼算法优化极限学习机核函数参数,最后用多核极限学习机理论,获得最优的分类模型.实验结果表明,基于多核学习极限学习机的助行机器人运动相容性识别准确率较单核极限学习机有明显提高.

关键词：多核学习;极限学习机(ELM);表面肌电信号(sEMG);运动相容性识别

所属期刊栏目：31

资助基金：国家自然科学基金61773151,61703135

在线出版日期：2021-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：978-985