【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种前臂关节扭矩预测方法及预测模型获取方法、和装置。
技术介绍
1、上肢的康复训练对于患者重新获得日常生活能力极为关键。尤其是肘部和前臂的协同运作，极大地扩展了手部的活动范围。在肘部和前臂的力矩估计中，能够揭示出患者的运动意图，这一过程是主动康复训练的核心环节，并且成为了医学研究领域的焦点。尽管关于肘部力矩的研究众多且广泛应用于人机交互控制领域，但针对前臂旋前和旋后关节力矩的研究相对较少。
2、近年来，测量关节扭矩主要有两种方法，一种是利用惯性测量单元(imu)或多维力传感器来收集人体的运动学信息，进而通过建立人体逆动力学模型来推算关节力矩。但是这种方法受限于制造和装配的误差，难以形成精确的数学模型。另一种则是基于数据的关节力矩估计方法，这种方法的优点是无需复杂建模且参数可自适应调整。例如，使用表面肌电图(semg)信号进行数据驱动，已成为预测外骨骼康复训练意图的主流技术。目前许多研究者通过semg预测肩肘关节的运动，然而前臂的肌肉骨骼系统复杂且肌肉群体较小，semg信号容易受到影响，会影响预测的
【技术保护点】
1.一种前臂关节扭矩的预测模型获取方法，其特征在于，包括：
2.根据权利要求1所述的预测模型获取方法，其特征在于，所述前臂肌肉运动数据为前臂肌肉收缩时的动态变化信号，所述从所述前臂肌肉运动数据中提取得到前臂旋转运动特征，包括：
3.根据权利要求1所述的预测模型获取方法，其特征在于，所述穿戴设备上设有力感应装置，所述力感应装置包括多个力敏电阻或气压传感器，所述多个力敏电阻或气压传感器在所述穿戴设备的内侧圆周方向均匀分布；
4.根据权利要求1所述的预测模型获取方法，其特征在于，所述验证设备包括阻尼器、力矩传感器、编码器和握把；
<...【技术特征摘要】
1.一种前臂关节扭矩的预测模型获取方法，其特征在于，包括：
2.根据权利要求1所述的预测模型获取方法，其特征在于，所述前臂肌肉运动数据为前臂肌肉收缩时的动态变化信号，所述从所述前臂肌肉运动数据中提取得到前臂旋转运动特征，包括：
3.根据权利要求1所述的预测模型获取方法，其特征在于，所述穿戴设备上设有力感应装置，所述力感应装置包括多个力敏电阻或气压传感器，所述多个力敏电阻或气压传感器在所述穿戴设备的内侧圆周方向均匀分布；
4.根据权利要求1所述的预测模型获取方法，其特征在于，所述验证设备包括阻尼器、力矩传感器、编码器和握把；
5.根据权利要求1至4中任一项所述的预测模型获取方法，其特征在于，所述将所述前臂旋转运动特征作为模型输入特征，并将所述实时关节扭矩作为模型训练标签...
【专利技术属性】
技术研发人员：徐朋朋，张华喜，陈春玉，谭欢，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。