论文摘要
针对当前下肢连续运动预测精度低的问题,提出一种基于改进的MPSO-SVM算法对下肢连续运动进行精确预测。首先采集人体正常行走时下肢的表面肌电信号、加速度和髋关节角度信息,对消噪后的肌电信号提取均方根值、积分肌电值和加速度的信号幅度域作为特征样本,利用主成分分析方法进行特征值融合,然后通过引入正弦函数和指数函数对自适应粒子群优化（MPSO）算法进行改进,利用改进的MPSO算法优化支持向量机（SVM）的惩罚参数和核函数参数,最后,利用行走时下肢的肌电信号和加速度信号特征样本数据对基于改进的MPSO-SVM算法构造的髋关节角度预测模型进行训练、测试。结果表明:基于改进的MPSO-SVM算法对髋关节的关节角度预测均方根误差为2.67°、平均误差为1.40°、最大绝对误差为7.72°,远远优于SVM算法预测的21.27°、8.02°、58.38°和BP神经网络预测结果的23.60°、13.59°、63.69°。
论文目录
文章来源
类型: 期刊论文
作者: 隋修武,石峰
关键词: 支持向量机,运动预测模型,下肢连续运动,康复训练机器人,表面肌电信号,特征值融合,算法优化
来源: 天津工业大学学报 2019年06期
年度: 2019
分类: 工程科技Ⅰ辑,信息科技
专业: 电信技术,自动化技术
单位: 天津工业大学机械工程学院
基金: 天津市应用基础与前沿技术项目(15JCYBJC19700)
分类号: TP242;TP18;TN911.7
页码: 69-75
总页数: 7
文件大小: 1739K
下载量: 141
相关论文文献
标签：支持向量机论文; 运动预测模型论文; 下肢连续运动论文; 康复训练机器人论文; 表面肌电信号论文; 特征值融合论文; 算法优化论文;