【摘 要】
:
包括下肢外骨骼、下肢智能假肢、下肢智能矫形器在内的下肢可穿戴机器人能够增强或恢复人体下肢运动能力,在医疗、军事和工业生产等领域具有重要的应用价值。下肢运动意图识别是下肢可穿戴机器人领域的一个重要研究方向,能够帮助机器人理解并顺应使用者的运动意图,提升其舒适性、安全性和智能化水平,有利于推动我国智能康复设备和国防装备的发展。充分获取并有效融合反映下肢运动意图的多模态传感器信息、同时准确识别下肢运动意
论文部分内容阅读
包括下肢外骨骼、下肢智能假肢、下肢智能矫形器在内的下肢可穿戴机器人能够增强或恢复人体下肢运动能力,在医疗、军事和工业生产等领域具有重要的应用价值。下肢运动意图识别是下肢可穿戴机器人领域的一个重要研究方向,能够帮助机器人理解并顺应使用者的运动意图,提升其舒适性、安全性和智能化水平,有利于推动我国智能康复设备和国防装备的发展。充分获取并有效融合反映下肢运动意图的多模态传感器信息、同时准确识别下肢运动意图的多种表现形式,这些是下肢运动意图识别面临的重要挑战。针对上述挑战,本文开展基于多模态传感器融合和模糊系统的下肢运动意图识别研究,主要识别步态相位和运动模式这两种下肢运动意图的表现形式,为下肢可穿戴机器人的控制提供支撑。本文主要内容和贡献如下:针对如何充分获取反映下肢运动意图的多模态传感器信息的问题,本文设计了一种能够测量肌肉活动的新型气压肌动(PMMG)腿环传感器,并通过实验证明其测量肌肉活动的有效性和良好的可重复性。在此基础上,本文设计完成了一套低成本、可穿戴的多模态运动信息采集系统,能够采集人体下肢运动过程中的PMMG、加速度、角速度、姿态角、足底压力等多源运动信息。针对如何有效融合反映下肢运动意图的多模态传感器信息的问题,本文应用改进的多分类TSK模糊推理系统(MC-TSK-FIS)开展多模态传感器融合研究,提出了基于数据级融合的步态相位识别方法和基于特征级融合的运动模式识别方法。实验结果表明:MC-TSK-FIS算法能有效融合多模态传感器信息,对4个步态相位(左腿摆动相、右双支撑相、右腿摆动相、左双支撑相)的识别准确率达到97.78%以上,对9种运动模式(平地行走、上坡、下坡、上楼梯、下楼梯、站立、奔跑、跳跃、跌倒)的识别准确率达到98.32%。此外,本文还通过对比实验证明了多模态传感器融合系统具有比单模态传感器融合系统更好的融合识别效果和鲁棒性。针对如何同时准确识别下肢运动意图的多种表现形式的问题,本文创新性地提出门控多任务TSK模糊推理系统(GMT-TSK-FIS)算法,并基于GMT-TSK-FIS算法实现了多任务运动意图融合识别系统。该系统能够同时识别步态相位和运动模式,识别准确率分别达到98.29%和99.96%,显著高于单独识别步态相位或运动模式的准确率,证明了运动意图融合识别的优越性。与多种经典机器学习算法以及近期相关研究工作进行了比较,本文所提方法表现出最好的识别性能。此外,本文还实现了多任务运动意图在线识别系统,并为其开发了可视化显示界面,能够在线实时识别步态相位和运动模式,具有较高的应用价值。
其他文献
2019年末,一场新型冠状病毒(COVID-19)疫情席卷全球,对全球的卫生健康与经济安全造成了巨大的冲击。如何快速结束疫情,并维持高强度的疫情管控与经济发展之间的平衡,成为了全世界人民关注的焦点问题。因此,针对疫情的建模分析成为了学者们探究讨论的热点。针对疫情发展的不确定性、干扰的多样性等问题,采用何种方法对疫情进行建模,使得模型更加精确、真实,并且能够预测疫情走向,分析不同防疫策略下疫情发展有
随着航天科技的迅速发展,在轨航天器数量的不断增加,由此引发的空间安全问题受到人们的日益关注。空间攻击能力对于空间碎片清理、对敌探测及打击、维护空间安全均有着重要的意义。其中,空间目标的检测及跟踪是空间攻击的关键技术,包括远距离可见光小目标检测技术、远距离红外小目标跟踪技术及近距离红外目标变尺度跟踪技术。本文由此展开深入的研究,论文的主要工作如下:针对星敏感器远距离探测时,目标与背景恒星以点目标成像
现代复杂工业过程的故障诊断对于保证其安全性、可靠性和环境友好性具有重要意义,随着工业数据的获取变得越来越方便快捷,数据驱动的工业过程故障诊断方法已经成为学术界主流的研究方向之一。作为一种简单、高效的数据驱动故障隔离方法,基于多变量统计分析的方法得到了广泛应用。但是该方法容易受到“污染”效应的影响,即正常变量在故障变量影响下也具有了故障特征,从而影响故障隔离的正确率。另外,在多故障情况下,现有的很多
机械臂的运动规划是一个基本问题,机械臂的任何动作都离不开这一操作。传统的机械臂运动规划方法依赖任务场景的精确数学模型,缺乏自我学习能力,在任务场景有所改变时,其控制策略甚至会失效,自适应能力较弱。而近些年来深度强化学习技术的发展为机械臂运动规划提供了新思路,其可以满足通用、智能的实际需求。为此,本文主要研究基于深度强化学习的机械臂运动规划方法及其落地应用中的实际问题。针对深度强化学习的奖励函数设计
车辆重识别问题是指在不同摄像头拍摄的图像中检索指定车辆的技术。在识别过程中,不同视角下的车辆外观特征差异大;同时,类似车型的车辆整体外观相似,仅在细节特征上有较大差异。因此,提高识别视角下的车辆预测特征与实际图像特征的一致性,以及提高车辆细节特征的获取能力,对增强跨视角下的车辆识别性能具有重要意义。本文针对不同视角下的车辆图像转换、特征预测,以及车辆的细节辨识特征感知等方面的内容进行研究,主要工作
目前机器人工业应用大多依赖于结构化的生产环境,通过人工示教的方法完成一些特定动作,而近年来仓储物流、家庭环境等非结构化环境的需求日益增多,机器人技术的智能化成为主流发展方向。机器人对接与抓取任务尤为常见与重要,是当前机器人领域的研究热点,深入研究机器人对接与抓取技术对推进机器人智能化进程和提高生产效率具有重要意义。本文面向机械臂任务中常见的对接与抓取任务,研究基于深度视觉的机械臂对接与抓取规划方法
多机器人系统凭借其自组织、可重构、工作空间大、任务适应性强等优势,受到越来越多研究者的关注。然而,机器人个体的简单组合不仅无法有效应对协作任务,反而可能因为目标冲突、操作力紊乱或感知与计算能力不足等问题导致机器人群体合作破裂。因此,研究多机器人协同操作控制算法,对于多机器人系统的安全、可靠、高效运行具有重要意义。本文关注多机器人抓取、搬运和装配等协同操作环节中普遍存在的轨迹跟踪任务和操作力维持任务
在复杂对抗场景中,存在自然云层以及人工诱饵等干扰,单一算法难以实现高机动性目标的稳定跟踪,抗干扰对抗系统需要基于场景类型及目标行为的感知信息综合调度多种算法策略。因此,从复杂干扰场景中获取多维度场景/目标感知信息对于实现系统的稳定检测跟踪至关重要。论文针对复杂干扰场景中场景/目标智能感知问题展开研究,主要研究内容如下:为了实现战场环境的快速评估,针对传统场景复杂度感知算法特征表示及适用范围具有较强
与传统康复方法相比,机器人辅助疗法人力成本低、康复效率高,气动人工肌肉作为一种具有固有柔顺性、力重比高等优点的驱动器,在以人为中心的康复机器人领域具有重要研究意义。在实际康复过程中,气动人工肌肉驱动的康复机器人的运动控制可以转化为气动人工肌肉的轨迹跟踪控制问题。然而,与电机等传统驱动器相比,气动人工肌肉具有高度的非线性和时滞特性等缺点,目前这类驱动器的跟踪控制策略存在精度不够高和鲁棒性不强的问题。
为了提高运载火箭的运载能力,运载火箭的设计逐渐往轻质化、大型化发展,导致弹性振动对运载火箭飞行性能的影响越来越大,不可忽视。而弹性振动方程的引入又导致火箭控制模型更加复杂,控制器设计难度更高。考虑到弹性模态和刚体姿态在时间尺度上一般存在较大差异,论文将利用奇异摄动理论能够有效处理双时间尺度系统的能力,开展运载火箭弹性抑制和姿态控制研究。首先,论文开展了弹性振动作用下的动力学分析,建立了运载火箭包含