作者:赵治羽,马磊,孙永奎 单位:北京无线电技术研究所 出版:《电子测量技术》2019年第13期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFDZCL2019130050 DOC编号:DOCDZCL2019130059 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器信息融合的步态识别方法研究》PDF+DOC2016年第08期 周洁 《一种可穿戴型下肢助力机器人足底压力信息采集系统》PDF+DOC2017年第08期 杜肖肖,双丰,张鹏 《基于足底压力传感器的不控制减重比例下步态相位识别》PDF+DOC2019年第03期 宋广玥,宋智斌,项忠霞 《基于足底压力信号的步态识别》PDF+DOC2019年第05期 韩亚丽,吴振宇,徐泳龙,张猛,沈培 《外骨骼机器人研究现状及面临的问题》PDF+DOC2019年第03期 戴宗妙,都军民 《利用多源运动信息的下肢假肢多模式多步态识别研究》PDF+DOC2011年第11期 高云园,孟明,罗志增,佘青山 《两足外骨骼机器人足底压力测量系统》PDF+DOC2010年第03期 曹恒,孟宪伟,凌正阳,秦颖颀,贺成坤 《基于薄膜传感器的智能鞋垫设计》PDF+DOC2018年第21期 谢珩,陈国壮,郑镒丹,曾杰,曾渝津,吴文鑫,汪成龙 《身份识别,除了“刷脸”,还有这些“黑科技”》PDF+DOC2018年第Z1期 苏更林,史峰 《外骨骼机器人控制方法综述》PDF+DOC2009年第05期 杨智勇,张静,归丽华,张远山,杨秀霞
  • 助力型外骨骼机器人的控制策略是当前国内外研究的热点,准确的预测人体行走的状态是控制系统具有预见性及快速响应能力的前提及基础。通过对足底压力进行测量后使用极限学习机(ELM)学习算法对数据进行训练及预测,并在此基础上提出了一种对足跟触地、足跟离地、足尖触地、足尖离地4种步态事件进行识别的屏蔽窗识别算法。实验结果表明在2.4、3.6、4.8 km/h 3种不同速度的行走状态下,ELM算法针对足底压力具有较高的预测精度,各传感器均方根误差(RMSE)平均值约为0.68。步态事件屏蔽窗识别算法相较传统固定阈值算法识别正确率大大提高,平均识别正确率达到约93.5%。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。