一种基于LSTM-KAN融合模型的下肢外骨骼步态轨迹预测方法技术

本发明专利技术公开了一种基于LSTM‑KAN融合模型的下肢外骨骼步态轨迹预测方法，其通过传感器组件采集人体运动数据，并对其进行滤波、缺失值处理和归一化；然后基于LSTM‑KAN网络构建预测模型的整体架构，并使用粒子群优化算法PSO优化预测模型的参数，提取预处理后数据中的关键特征作为训练数据集输入预测模型进行训练；最后采集当前人体运动数据，经预处理后输入训练好的预测模型中，预测模型输出未来的人体步态和轨迹。控制器将预测模型生成的未来步态轨迹作为参考轨迹生成驱动信号并送至执行器，以实现对执行器的精准控制。本发明专利技术通过采用陀螺仪传感器和加速度传感器以及压力传感器进行步态预估可以有效改善外骨骼运动控制，有效提高人机交互体验。

【技术实现步骤摘要】

本专利技术涉及智能穿戴设备及生物力学控制领域，尤其涉及到一种基于lstm-kan融合模型的下肢外骨骼步态轨迹预测方法。

技术介绍

1、随着人口老龄化的加速，失能、半失能人口也越来越多，用于不完全损伤患者康复训练的下肢外骨骼机器人的应用越来越广泛。为了辅助下肢康复步态训练，研究人员探索了多种康复控制策略，其中，主要的一种控制策略是轨迹跟踪控制。

2、在轨迹跟踪控制中，步态数据和步态轨迹通常作为参考输入到预测模型中，预测模型通过学习历史步态数据特征来预测当前关节角度值。预测得到的值可以进一步转化为关节力矩或加速度作为下肢外骨骼机器人的参考输入。在轨迹跟踪控制中，通常将预先设定好的步态轨迹，即关节角、角速度、角加速度、关节力矩等作为控制器的参考输入。因此，步态轨迹的预测可以为跟踪控制器提供步态参考轨迹，有助于提高控制的及时性。

3、例如，申请号为202310811633.x的专利申请文件公开了一种基于注意力机制的人体步态轨迹预测方法，其包括：采集原始步态数据；对原始步态数据进行预处理；在基于lstm的编码器-解码器架构中引入两个注意力层，本文档来自技高网...

【技术保护点】

1.一种基于LSTM-KAN融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于LSTM-KAN融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，所述预测模型的架构包括

3.根据权利要求2所述的基于LSTM-KAN融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，所述预测模型的具体预测方法如下：

4.根据权利要求3所述的基于LSTM-KAN融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，所述PSO优化器的优化方法如下：

5.一种基于LSTM-KAN融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，...

【技术特征摘要】

1.一种基于lstm-kan融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于lstm-kan融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，所述预测模型的架构包括

3.根据权利要求2所述的基于lstm-kan融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，所述预测模型的具体预测方法如下：

4.根据权利要求3所述的基于lstm-kan融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，所述pso优化器的优化方法如下：

5.一种基于lstm-kan融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，包括

6.根据权利要求5所述的基于lstm-kan融合模型的下肢外骨骼步态轨迹预测方法，其特征在于，所述多传感器单元...

【专利技术属性】
技术研发人员：通雁辉，李进玺，李媛媛，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：