一种基于机器学习的人体虚拟惯性测量预报器的构建方法
1）摘要
近年来，利用人体特征辅助外骨骼机器人的控制是该领域的研究热点之一。针对人体惯性测量组件的安装不能实现有效测量的问题，研究了一种基于机器学习的人体虚拟惯性测量预报器的构建方法。该方法将惯性测量元件的输出同步安装在肢体和身体其他部位作为数据样本，通过递归神经网络实现虚拟惯性测量组件及其预测因子的构造。为了提高训练效果，训练样本基于步态相位检测的滤波。基于Anybody和matlab的仿真结果表明，该方法通过在髋关节附近安装惯性测量元件，有效地模拟和预测了足部和小腿表面质心位置的惯性测量元件输出。