基于盲辨识模型和极限学习机的下肢假肢路况识别

作者：刘磊; 杨鹏^*; 刘作军; 宋寅卯; 吴青娥

来源：振动与冲击, 2019, 38(23): 178-185.

DOI：10.13465/j.cnki.jvs.2019.23.026

• 肌电信号
• 盲辨识模型
• 极限学习机
• 路况识别
• 智能假肢

针对大腿截肢者穿戴智能假肢路况识别准确率低的问题,提出了一种盲辨识理论和极限学习机相结合的路况识别方法。选择肌电信号(EMG)作为路况识别信息源,提取肌电信号的盲辨识模型系数作为信号特征,为了能够充分反映路况特征,比较了不同特征值,分析了选取盲辨识模型系数作为路况识别特征值的合理性。为了克服极限学习机(ELM)分类器随机产生的输入权值只有少部分是比较优越的缺点,利用烟花极限学习机(FA-ELM)对平地行走、上楼、下楼、上坡、下坡、跑步6种路况进行分类。与ELM算法、BP神经网络进行了对比,结果表明,采用盲辨识模型和烟花算法进化极限学习机将6种路况下平均识别率提高到93.18%,优于ELM和BP神经网络等方法。

• 单位
  河北工业大学; 郑州轻工业大学