外骨骼步態(tài)檢測系統(tǒng)的研究與實現(xiàn).pdf

1、隨著助力行走外骨骼機器人技術的不斷發(fā)展,對其進行快速、有效、穩(wěn)定的控制越來越受到人們的關注。為滿足對外骨骼機器人的控制要求,需要對其步態(tài)信息進行準確的檢測,同時檢測準確程度的高低將直接影響整個外骨骼系統(tǒng)控制效果的好壞,因此設計并建立一個高檢測準確度的步態(tài)檢測系統(tǒng)顯得尤為重要。
　　目前廣泛采用的步態(tài)檢測方法主要依賴于人為經(jīng)驗,步態(tài)檢測過程中所用的信息相對單一,并且所用檢測方法固定無動態(tài)更新,這些都會對步態(tài)檢測的準確性帶來一定程度的

2、影響。針對目前在步態(tài)檢測系統(tǒng)中存在的問題,本文設計并實現(xiàn)了一種新型的步態(tài)檢測系統(tǒng)。該系統(tǒng)通過數(shù)據(jù)采集、預處理、訓練并建立基礎的分類識別模型,然后基于該模型進行識別分類,同時將識別結(jié)果加入已有數(shù)據(jù)庫進行分類模型的動態(tài)更新,并將更新后的模型用于下一時刻步態(tài)的檢測當中。
　　通過研究并分析目前所用步態(tài)檢測系統(tǒng)中的步態(tài)周期分類,本文最終選取最符合人體運動學的八相位的步態(tài)分類,由此也得到了精確的八個識別分類。利用這樣八個相位分類本文完成了兩

3、種動態(tài)分類識別方法的實現(xiàn)——歐式距離動態(tài)分類識別法與支持向量機（SVM）動態(tài)分類識別法,它們較傳統(tǒng)步態(tài)檢測方法在算法策略方面有所創(chuàng)新的同時還在信息利用的數(shù)量上有所增加,該方法將目前檢測方法中單一使用的壓力信息、加速傳感器信息融合在一起使用,增加了檢測的信息量與信息種類,在保證系統(tǒng)控制實時性的前提下有效的提高了步態(tài)檢測準確度。
　　本文通過個體驗證、Leave one out交叉驗證、Test onother subjects以及對