基于注意力机制的CNN-LSTM网络下肢膝关节角度预测

root 提交于 周三, 07/31/2024 - 18:08
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。

相关内容

发布日期 01/10/2022 - 19:31
发布日期 08/23/2024 - 19:21
发布日期 06/17/2022 - 10:21
发布日期 06/17/2022 - 10:21
发布日期 08/04/2020 - 01:35
发布日期 06/17/2022 - 10:21
发布日期 10/12/2023 - 23:10