下肢助力型外骨骼機器人跟隨人體運動,與人體構(gòu)成一個復(fù)雜的耦合系統(tǒng),目前對其研究主要集中在人體運動感知及人機交互、運動意圖識別、運動模式判斷、人機耦合控制等多個方面。為了實現(xiàn)對外骨骼系統(tǒng)控制的快速性、準(zhǔn)確性、穩(wěn)定性,需要對人體步態(tài)進行識別,識別的準(zhǔn)確率直接影響整個系統(tǒng)的控制效果。因此,本文對人體步態(tài)信息特征、步態(tài)信息的預(yù)測、步態(tài)相位的識別三個方面展開了研究:(1)步態(tài)信息是研究人體運動特征、預(yù)測步態(tài)序列和識別步態(tài)相位的基礎(chǔ),所以本文設(shè)計了一個能完整、精確采集步態(tài)數(shù)據(jù)的步態(tài)采集系統(tǒng),對獲得的足底壓力、關(guān)節(jié)角度、大腿拉力信息進行了分析,提取了步態(tài)周期中不同相位的運動特征。(2)分別采用LMS自適應(yīng)濾波器、加權(quán)零階局域法、動態(tài)神經(jīng)網(wǎng)絡(luò)三種方法對步態(tài)數(shù)據(jù)進行預(yù)測仿真,并根據(jù)預(yù)測準(zhǔn)確率、平滑系數(shù)和運算速度三個評價指標(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多個傳感器信息進行處理,通過模糊集合來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)計了步態(tài)識別總體方案:首先對足底壓力和腿部拉力分別進行數(shù)據(jù)融合;接著對足底壓力和關(guān)節(jié)角度分別進行特征融合...

【文章頁數(shù)】：98 頁

【學(xué)位級別】：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 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 外骨骼機器人研究綜述
        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)識別方法研究現(xiàn)狀
    1.4 研究內(nèi)容及論文結(jié)構(gòu)
        1.4.1 研究內(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
        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 上位機顯示及步態(tài)信息存儲
    2.2 人體下肢運動分析
        2.2.1 人體下肢關(guān)節(jié)運動機理
        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
    3.1 預(yù)測算法性能評價指標(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 非線性時間序列分析
        3.3.1 加權(quán)零階局域預(yù)測法
        3.3.2 加權(quán)零階局域算法參數(shù)選擇
    3.4 NAR動態(tài)神經(jīng)網(wǎng)絡(luò)
        3.4.1 Nar動態(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)測算法比較分析
    3.6 本章小結(jié)
第4章 步態(tài)相位識別的模糊融合方法
    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
        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)相位識別總體方案
    4.3 傳感器信號的模糊化
        4.3.1 足底壓力信號的模糊化
        4.3.2 關(guān)節(jié)角度信號的模糊化
        4.3.3 腿部拉力信號的模糊化
    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)識別算法的驗證
    5.1 實驗方案設(shè)計
    5.2 實驗驗證與分析
        5.2.1 不同速度下的步態(tài)相位識別驗證
        5.2.2 不同實驗對象下的步態(tài)相位識別驗證
    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
攻讀碩士學(xué)位期間發(fā)表的論文與參加的科研項目



本文編號：3812585