面向外骨骼性能评估的多源生理能耗预测

作     者：李坦 王宏 金博丕 吴志伟 LI Tan;WANG Hong;JIN Bo-pi;WU Zhi-wei

作者机构：东北大学机械工程与自动化学院辽宁沈阳110819 

基　　金：国家重点研发计划项目(2021YFF0306405) 

出 版 物：《东北大学学报（自然科学版）》 (Journal of Northeastern University(Natural Science))

年 卷 期：2024年第45卷第6期

页      码：850-857页

摘      要：在外骨骼设计过程中,助力性能评估直接影响整体结构的安全性和效率.针对目前性能评估多采用单一指标问题,提出了一种基于多源生理信号(表面肌电、脉搏和呼吸)的长短期记忆(long short-term memory,LSTM)网络运动能耗预测方法.该方法首先对生理信号进行处理和特征提取,然后使用6层LSTM模型进行预测,并使用K折交叉验证方法进行验证.同时,与决策树(decision tree,DT)和支持向量机(support vector machine,SVM)进行了对比实验.最后,建立了在线能耗监测系统,作为评估外骨骼助力性能的依据.结果表明,三源信号均方根差(root mean square error,RMSE)为0.073 kJ,证明了采用多源生理信号融合预测的可行性;LSTM的RMSE相较于DT,SVM下降了39.53%,15.68%,测试集的总能耗值误差值为23.98kJ,说明LSTM模型对于总能耗预测效果最好,可用于外骨骼的助力性能评估.

主 题 词：能耗预测 长短期记忆 外骨骼性能评估 信号融合 在线监测 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.12068/j.issn.1005-3026.2024.06.013

馆 藏 号：203142099...