基于注意力机制的CNN-LSTM网络下肢膝关节角度预测

解析膝关节运动意图是实现下肢外骨骼机器人穿戴舒适性的核心。神经系统疾病患者常伴有下肢运动障碍，通过表面肌电信号对其进行运动评估。为实现上述患者在运动评估与关节角度预测的融合，本文提出一种新型的基于注意力机制的CNN-LSTM网络模型，通过10通道表面肌电信号实现水平行走、上坡和上楼梯时3种日常运动膝关节角度预测，其预测误差指标均方根误差（Root mean square error， RMSE）、平均绝对误差（Mean absolute error， MAE）和决定系数（R²）均值分别为2.74、2.50和0.97，均优于传统网络模型。进一步，通过消融实验，显示上述3个预测指标分别平均下降了20.47%、34.36%和6.59%。可见，本文提出的基于注意力机制的CNN-LSTM模型端到端预测方法具有最高的预测精度，为下肢外骨骼机器人系统的人机交互控制方案提供了参考。