肌电和足压信息融合的外骨骼步态识别

作     者：汪步云 缪龙 吴臣 杨鸥 张振 许德章 WANG Buyun;MIAO Long;WU Chen;YANG Ou;ZHANG Zhen;XU Dezhang

作者机构：安徽工程大学人工智能学院安徽芜湖241000 安徽工程大学机械工程学院安徽芜湖241000 芜湖云擎机器人科技有限公司安徽芜湖241007 

出 版 物：《兵器装备工程学报》 (Journal of Ordnance Equipment Engineering)

年 卷 期：2024年第45卷第1期

页      面：278-287页

核心收录：

学科分类：081104[工学-模式识别与智能系统] 08[工学] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(61741101) 安徽省重点研究与开发计划(202004a05020013,202004b11020006) 安徽省属公办普通本科高校领军骨干人才项目 安徽工程大学创新团队 

主　　题：外骨骼机器人 多模态信息感知 人机步态识别 SVM-FCM融合算法 

摘      要：为解决基于单一信号识别步态相位不够精准的问题,开展了动态交互力激励下的人机协同行走的步态识别研究。设计了肌电和足压信息采集的多模态传感器检测硬件平台;分别对单一信号开展滤波降噪、特征提取与降维等预处理;将表征下肢生理信息的肌电信号与运动信息的足压信号相融合,构建了支持向量机-模糊C均值(support vector machine-fuzzy C-mean algorithm,SVM-FCM)多模信息融合的外骨骼助行步态识别算法;开展了人机协同助行实验,实验结果表明:信息融合后的人机步态相位平均识别率达到82.49%,优于使用单一信号的识别效果,验证了多模信息融合算法识别人机协同步态的有效性。本研究可用于下肢外骨骼机器人运动控制,为人机运动相融奠定基础。