針對傳統(tǒng)的外骨骼機器人步態(tài)檢測算法中的信息單一化、準(zhǔn)確率低、易陷入局部最優(yōu)等問題,提出基于改進(jìn)鯨魚算法優(yōu)化的支持向量機(IWOA-SVM)的外骨骼機器人步態(tài)檢測算法,即在鯨魚優(yōu)化算法(WOA)中引入遺傳算法(GA)的選擇、交叉、變異操作,進(jìn)而去優(yōu)化支持向量機(SVM)的懲罰因子與核參數(shù),再使用參數(shù)優(yōu)化后的SVM建立分類模型,從而擴大算法的搜索范圍,減小算法陷入局部最優(yōu)的概率。首先,使用混合傳感技術(shù)采集步態(tài)數(shù)據(jù),即通過足底壓力傳感器和膝關(guān)節(jié)、髖關(guān)節(jié)角度傳感器采集外骨骼機器人的運動數(shù)據(jù),并作為步態(tài)檢測系統(tǒng)的輸入;然后,使用門限法對步態(tài)相位進(jìn)行劃分并標(biāo)記標(biāo)簽;最后,將足底壓力信號與髖關(guān)節(jié)、膝關(guān)節(jié)角度信號融合作為輸入,使用IWOA-SVM算法完成對步態(tài)的檢測。對6個標(biāo)準(zhǔn)測試函數(shù)進(jìn)行仿真實驗,并與GA、粒子群優(yōu)化(PSO)算法、WOA進(jìn)行比較,數(shù)值實驗表明,改進(jìn)鯨魚優(yōu)化算法(IWOA)的魯棒性、尋優(yōu)精度、收斂速度均優(yōu)于其他優(yōu)化算法。通過分析不同穿戴者的步態(tài)檢測結(jié)果發(fā)現(xiàn),準(zhǔn)確率可達(dá)98.8%,驗證了所提算法在新一代外骨骼機器人中的可行性和實用性,并與基于遺傳優(yōu)化算法的支持向量機(GA-SVM)、基...

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 SVM基本原理
2 IWOA應(yīng)用于SVM參數(shù)優(yōu)化
    2.1 鯨魚優(yōu)化算法
        1) 收縮包圍。
        2) 螺旋更新。
        3) 隨機搜索。
    2.2 遺傳算法
        1) 適應(yīng)度函數(shù)選取。
        2) 選擇。
        3) 交叉。
        4) 變異。
    2.3 遺傳算法改進(jìn)的鯨魚優(yōu)化算法
3 數(shù)值實驗與結(jié)果分析
4 步態(tài)檢測實驗與結(jié)果分析
    4.1 步態(tài)劃分
    4.2 算法對比
5 結(jié)語



本文編號：3841800