摘要：利用人体特征辅助行人导航与外骨骼机器人控制是近年来导航与机器人领域中的热点研究方向。针对惯性测量组件足部安装方式在过载较高时无法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组件构建方法。该方法以同步采集安装于足部与下肢其他部位的惯性测量组件的输出作为数据样本,通过遗传算法改进的误差反向传播（GA-BP）神经网络实现虚拟惯性测量组件的构建。为进一步改善训练效果,采用基于步态相位检测方法对训练样本进行筛选。基于Anybody与MATLAB的联合仿真结果表明,本文所研究的方法可实现采用安装于髋关节附近位置的惯性测量组件数据,有效模拟足部位置的惯性测量组件数据。该方法对未经训练的步态也有一定的适应性。本文所研究的方法可进一步应用于行人精确定位与外骨骼机器人控制等领域。
分类：期刊> 自然科学与工程技术> 工程科技II> 航空航天科学与工程
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘杂志
关键词：人体运动学模型 虚拟传感器 机器学习 步态检测 行人导航
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
