一种基于神经网络的关节角误差补偿实验装置及方法制造方法及图纸

一种基于神经网络的关节角误差补偿实验装置及方法，涉及穿戴式外骨骼领域；包括4个绑带、2个安装板、第一陀螺仪、第二陀螺仪、编码器和信号采集板；2个安装板的端处连接，且2个安装板实现绕连接处旋转；4个绑带固定安装在安装板的内侧侧壁上，且每2个绑带对应一个安装板；第一陀螺仪固定安装在上部安装板的外侧壁上；第二陀螺仪固定安装在下部安装板的外侧壁上；编码器固定暗转在2个安装板连接处的外侧壁上；信号采集板固定安装在第一陀螺仪和编码器之间；本发明专利技术通过事先进行步态行走实验，获取学习样本，训练神经网络得到最优的模型参数，穿戴外骨骼后通过穿戴2个陀螺仪和训练好的神经网络模型实现膝关节角度的准确测量。

An experimental device and method for joint angle error compensation based on Neural Network

An experimental device and method for compensating joint angle error based on neural network relates to the field of wearable exoskeleton, including four straps, two mounting plates, the first gyroscope, the second gyroscope, encoder and signal acquisition board, two mounting plates connected at the end of the two mounting plates, and two mounting plates rotated around the joint, four straps fixed security. The first gyroscope is fixed on the outer wall of the upper mounting plate; the second gyroscope is fixed on the outer wall of the lower mounting plate; the encoder is fixed and rotated concealed on the outer wall of the connection of the two mounting plates; and the signal acquisition board is fixed and installed on the outer wall of the lower mounting plate; and The invention obtains the learning sample through the gait walking experiment beforehand, trains the neural network to obtain the optimal model parameters, and achieves the accurate measurement of the knee joint angle by wearing two gyroscopes and the trained neural network model after wearing the exoskeleton.

【技术实现步骤摘要】
一种基于神经网络的关节角误差补偿实验装置及方法
本专利技术涉及一种穿戴式外骨骼领域，特别是一种基于神经网络的关节角误差补偿实验装置及方法。
技术介绍
人体步态信息采集系统需要采集人体准确的膝关节角度，多应用于人体运动能力测评、穿戴式外骨骼步态跟踪控制等方面。康复训练外骨骼、助残行走外骨骼、负重外骨骼等外骨骼设备需要人体与外骨骼器械具有协调一致的步态规律，但二者又存在不可去除的差别，因此上述外骨骼设备的穿戴者均需要进行步态信息采集和步态数据的分类、跟踪与预测等分析，以便实现下肢外骨骼步态跟踪与控制，并提高其动态稳定性。人体穿戴外骨骼后需要实时测量步态信息，因此需要可穿戴式传感器装备对步态信息进行实时测量。目前可用来检测人体运动步态信息的方法也越来越多，最常用的可穿戴步态信息采集方法主要包括图像序列解析、肌电信号检测、角度/角速度检测和加速度计检测等。图像序列解析，利用计算机视觉技术从图像序列中检测运动及运动物体并对其进行运动分析、跟踪或识别，实时检测步态数据上成本大、数据处理量大且延时严重；肌电信号检测，通过肌电传感器检测人体表面的肌电信号，对其进行运动步态检测与分析，所用的传感器及配套装置价格高，信号识别分类难度大，并且肌电信号检测受到检测位置、汗水、温度等的影响，很容易受到信号干扰，可重复性不高；角度/角速度检测：通过陀螺仪等角速度传感器输出数据进行积分运算，计算人体运动角度，进而进行人体步态跟踪预测分析等，由于采用积分算法，导致误差持续累积，使得所求关节角误差逐渐增大；加速度计检测方法：利用加速度传感器检测重力矢量分量，计算人体肢体运动角度进而进行步态跟踪和分析运算等，但该方法仅适用于静态解算，未推广至动态关节角度解算。
技术实现思路
本专利技术的目的在于克服现有技术的上述不足，提供一种基于神经网络的关节角误差补偿实验装置及方法，通过事先进行步态行走实验，获取学习样本，训练神经网络得到最优的模型参数，穿戴外骨骼后通过穿戴2个陀螺仪和训练好的神经网络模型实现膝关节角度的准确测量。本专利技术的上述目的是通过如下技术方案予以实现的：一种基于神经网络的关节角误差补偿实验装置，包括4个绑带、2个安装板、第一陀螺仪、第二陀螺仪、编码器和信号采集板；其中，2个安装板均为条形板状结构；2个安装板的端处连接，且2个安装板实现绕连接处旋转；4个绑带固定安装在安装板的内侧侧壁上，且每2个绑带对应一个安装板；第一陀螺仪固定安装在上部安装板的外侧壁上；第二陀螺仪固定安装在下部安装板的外侧壁上；编码器固定暗转在2个安装板连接处的外侧壁上；信号采集板固定安装在第一陀螺仪和编码器之间。在上述的一种基于神经网络的关节角误差补偿实验装置，误差补偿方法包括如下步骤：步骤(一)、将误差补偿实验装置固定安装在人体的腿部；其中一个安装板位于人体大腿外侧；另一个安装板位于人体小腿外侧；2个安装板的连接处位于人体膝盖的外侧；进行人体步态行走试验，通第一陀螺仪、第二陀螺仪和编码器进行实时测量；通过信号采集板获得测量得到第一陀螺仪的输出gyro1(t)、第二陀螺仪的输出gyro2(t)和编码器的输出步骤(二)、建立双输入单输出的神经网络结构模型神经网络结构模型包括输入层、隐含层和输出层；输入层的输出量为隐含层的输入量；隐含层的输出量为输出层的输入量；以第一陀螺仪的输出gyro1(t)和第二陀螺仪的输出gyro2(t)作为输入层的输入量；隐含层节点为3-5个节点；以编码器的输出作为输出层的输出量；步骤(三)、确定输入层与输出层之间的激发函数关系，即隐含层的激发函数，具体步骤如下：S1：计算隐含层的输入量I1i与输入层的输入量gyro1(t)、gyro2(t)的关系；S2：计算隐含层的输入量I1i与隐含层的输入量O1i的关系；S3：计算输出层的输出量与隐含层的输入量O1i的关系；即，得到输入层与输出层之间的激发函数关系；步骤(四)、将误差补偿实验装置中的编码器拆除后，重新绑定在人体的腿部，进行人体步态行走试验，测量得到第一陀螺仪的输出gyro1(t)、第二陀螺仪的输出gyro2(t)；通过步骤(三)得到的神经网络结构模型，直接获得实时输出层的输出量避免了陀螺仪积分运算累积的误差。在上述的一种基于神经网络的关节角误差补偿实验装置，所述步骤(一)中，人体步态行走的时间为2-10s；步态行走速度为0.5-2.5m/s；第一陀螺仪、第二陀螺仪和编码器的采集频率为10-20ms采集一次。在上述的一种基于神经网络的关节角误差补偿实验装置，所述步骤(二)中，输入层的节点为2，分别为第一陀螺仪的输出gyro1(t)和第二陀螺仪的输出gyro2(t)；输出层的节点为1，为编码器的输出在上述的一种基于神经网络的关节角误差补偿实验装置，所述步骤(三)的S1中，隐含层的输入量I1i与输入层的输入量gyro1(t)、gyro2(t)的关系为：式中，n为输入层节点的个数，取2；m1为隐含层节点的个数；i为第i个隐含层节点；j为第j个输入层节点；θ1j为第j个输入层节点的阈值；w1i,j为第i个隐含层节点与第j个输入层节点的连接权值参数。在上述的一种基于神经网络的关节角误差补偿实验装置，所述步骤(三)的S2中，隐含层的输入量I1i与隐含层的输入量O1i的关系为：式中，a为倾斜参数。在上述的一种基于神经网络的关节角误差补偿实验装置，所述步骤(三)的S3中，输出层的输出量与隐含层的输入量O1i的关系为：令输入层节点的阈值θ1j为0，则：式中，vi为输出层节点与隐含层节点的连接权值参数；m2为输出层节点个数，取1。本专利技术与现有技术相比具有如下优点：(1)本专利技术提供了一种基于神经网络的膝关节角误差补偿方法及实验装置，通过事先进行步态行走实验，获取学习样本，训练神经网络得到最优的模型参数，穿戴外骨骼后，通过穿戴2个陀螺仪和训练好的神经网络模型实现膝关节角度的高精度准确测量；(2)本专利技术利用训练好的神经网络补偿两陀螺仪的输出信号，不需要知道两陀螺仪输入信号与输出误差信号间的解析关系，具有实现简单、有效的特点；(3)本专利技术通过步态行走实验的训练样本建立好神经网络模型以后，仅需要通过绑带安装两陀螺仪即可准确测量膝关节角，实现简单，成本低廉，实现了膝关节角的非接触测量。附图说明图1为本专利技术实验装置示意图；图2为本专利技术实验装置穿戴示意图；图3为神经网络模型示意图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步详细的描述：本专利技术提供了一种基于神经网络的膝关节角误差补偿方法及实验装置，通过事先进行步态行走实验，获取学习样本，训练神经网络得到最优的模型参数，穿戴外骨骼后通过穿戴2个陀螺仪和训练好的神经网络模型实现膝关节角度的准确测量。本专利技术的技术解决方案是：利用神经网络自有的非线性映射关系和泛化能力，选择双输入单输出的前向神经网络模型，采集人体步态实验的传感器数据作为学习样本，训练神经网络得到最优的模型参数，此时根据训练好的神经网络模型和2个陀螺仪的输出数据实现膝关节角度的实时高精度测量如图1所示为实验装置示意图，由图可知，一种基于神经网络的关节角误差补偿实验装置，包括4个绑带1、2个安装板2、第一陀螺仪3、第二陀螺仪4、编码器5和信号采集板6；其中，2个安装板2均为条形板状结构；2个安装板2的端处连接本文档来自技高网...

【技术保护点】
1.一种基于神经网络的关节角误差补偿实验装置，其特征在于：包括4个绑带(1)、2个安装板(2)、第一陀螺仪(3)、第二陀螺仪(4)、编码器(5)和信号采集板(6)；其中，2个安装板(2)均为条形板状结构；2个安装板(2)的端处连接，且2个安装板(2)实现绕连接处旋转；4个绑带(1)固定安装在安装板(2)的内侧侧壁上，且每2个绑带(1)对应一个安装板(2)；第一陀螺仪(3)固定安装在上部安装板(2)的外侧壁上；第二陀螺仪(4)固定安装在下部安装板(2)的外侧壁上；编码器(5)固定暗转在2个安装板(2)连接处的外侧壁上；信号采集板(6)固定安装在第一陀螺仪(3)和编码器(5)之间。

【技术特征摘要】
1.一种基于神经网络的关节角误差补偿实验装置，其特征在于：包括4个绑带(1)、2个安装板(2)、第一陀螺仪(3)、第二陀螺仪(4)、编码器(5)和信号采集板(6)；其中，2个安装板(2)均为条形板状结构；2个安装板(2)的端处连接，且2个安装板(2)实现绕连接处旋转；4个绑带(1)固定安装在安装板(2)的内侧侧壁上，且每2个绑带(1)对应一个安装板(2)；第一陀螺仪(3)固定安装在上部安装板(2)的外侧壁上；第二陀螺仪(4)固定安装在下部安装板(2)的外侧壁上；编码器(5)固定暗转在2个安装板(2)连接处的外侧壁上；信号采集板(6)固定安装在第一陀螺仪(3)和编码器(5)之间。2.根据权利要求1所述的一种基于神经网络的关节角误差补偿实验装置，其特征在于：误差补偿方法包括如下步骤：步骤(一)、将误差补偿实验装置固定安装在人体的腿部；其中一个安装板(2)位于人体大腿外侧；另一个安装板(2)位于人体小腿外侧；2个安装板(2)的连接处位于人体膝盖的外侧；进行人体步态行走试验，通第一陀螺仪(3)、第二陀螺仪(4)和编码器(5)进行实时测量；通过信号采集板(6)获得测量得到第一陀螺仪(3)的输出gyro1(t)、第二陀螺仪(4)的输出gyro2(t)和编码器(5)的输出步骤(二)、建立双输入单输出的神经网络结构模型神经网络结构模型包括输入层、隐含层和输出层；输入层的输出量为隐含层的输入量；隐含层的输出量为输出层的输入量；以第一陀螺仪(3)的输出gyro1(t)和第二陀螺仪(4)的输出gyro2(t)作为输入层的输入量；隐含层节点为3-5个节点；以编码器(5)的输出作为输出层的输出量；步骤(三)、确定输入层与输出层之间的激发函数关系，即隐含层的激发函数，具体步骤如下：S1：计算隐含层的输入量I1i与输入层的输入量gyro1(t)、gyro2(t)的关系；S2：计算隐含层的输入量I1i与隐含层的输入量O1i的关系；S3：计算输出层的输出量...

【专利技术属性】
技术研发人员：郭雅静，朱晓荣，王福德，赵青，黄玉平，
申请(专利权)人：北京精密机电控制设备研究所，
类型：发明
国别省市：北京,11