典型文献
基于sEMG信号的关节力矩NARX预测模型
文献摘要：
为解决利用力矩传感器控制肌力训练设备所带来的滞后性,利用表面肌电信号(sEMG)超前于运动的特性,设计了基于一组拮抗肌表面肌电信号的关节力矩预测模型.首先搭建康复训练设备为信号采集和实验验证提供条件.将sEMG经过预处理,选择sEMG信号的方差特征作为神经网络输入,利用带有外部输入的非线性自回归(NARX)模型的动态循环神经网络,分别建立了基于关节力矩实际值的超前多步(MSA)预测模型和基于模型预测输出(MPO)的预测模型,通过等张和等长测试实验,比较了 MSA和MPO模型的力矩预测性能.实验结果表明,两种模型输出预测值和实际值之间都有极强关联性(皮尔逊相关系数均大于0.95).随着超前预测的步数增加,MSA模型的预测精度降低,但是超前预测的时间增大.在等张和等长测试中,当超前步数分别小于29和35时,MSA预测精度显著高于MPO(p＜0.05),但MPO模型在成本和体积上更具优势.综上所述,两种模型均可以准确预测关节力矩,在实际康复训练设备控制中,可根据应用需求选择不同的力矩预测模型.
文献关键词：
sEMG;NARX;多步超前预测模型;模型预测输出
中图分类号：
作者姓名：
刘强;李玉榕;杜国川;连章汇
作者机构：
福州大学电气工程与自动化学院 福州 350108;福建省医疗器械和医药技术重点实验室 福州 350108
文献出处：
引用格式：
[1]刘强;李玉榕;杜国川;连章汇-.基于sEMG信号的关节力矩NARX预测模型)[J].仪器仪表学报,2022(11):123-131
A类：
多步超前预测,多步超前预测模型
B类：
sEMG,NARX,力矩传感器,传感器控制,肌力训练,滞后性,表面肌电信号,拮抗肌,关节力矩预测,建康,康复训练设备,信号采集,非线性自回归,动态循环,循环神经网络,MSA,基于模型,模型预测输出,MPO,等长,测试实验,预测性能,模型输出,输出预测,皮尔逊相关系数,步数,前步,综上所述,准确预测,设备控制,应用需求
AB值：
0.291421
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
