仪器仪表学报

作者：刘 强，李玉榕，杜国川，连章汇

单位：刘 强,1. 福州大学电气工程与自动化学院,2. 福建省医疗器械和医药技术重点实验室,,李玉榕,1. 福州大学电气工程与自动化学院,2. 福建省医疗器械和医药技术重点实验室,,杜国川,1. 福州大学电气工程与自动化学院,2. 福建省医疗器械和医药技术重点实验室,,连章汇,1. 福州大学电气工程与自动化学院,2. 福建省医疗器械和医药技术重点实验室,

关键词：sEMG;NARX;多步超前预测模型;模型预测输出

基金：国家自然科学基金(61773124)项目资助

为解决利用力矩传感器控制肌力训练设备所带来的滞后性,利用表面肌电信号(sEMG)超前于运动的特性,设计了基于一组拮抗肌表面肌电信号的关节力矩预测模型。首先搭建康复训练设备为信号采集和实验验证提供条件。将sEMG经过预处理,选择sEMG信号的方差特征作为神经网络输入,利用带有外部输入的非线性自回归(NARX)模型的动态循环神经网络,分别建立了基于关节力矩实际值的超前多步(MSA)预测模型和基于模型预测输出(MPO)的预测模型,通过等张和等长测试实验,比较了MSA和MPO模型的力矩预测性能。实验结果表明,两种模型输出预测值和实际值之间都有极强关联性(皮尔逊相关系数均大于0.95)。随着超前预测的步数增加,MSA模型的预测精度降低,但是超前预测的时间增大。在等张和等长测试中,当超前步数分别小于29和35时,MSA预测精度显著高于MPO(p<0.05),但MPO模型在成本和体积上更具优势。综上所述,两种模型均可以准确预测关节力矩,在实际康复训练设备控制中,可根据应用需求选择不同的力矩预测模型。

来源：2022年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第11期