买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开一种基于深度网络的人体下肢步态相位估计方法，应用于外骨骼机器人领域，针对现有技术无法体现不同步态相位下人体的运动状态与人机耦合特性所存在得较大差异的问题；本发明通过惯性测量单元和足底力测量鞋采集不同体型下的健康人体在不同步频下的步态运动下的下肢双腿双关节实时角度、角速度和角加速度信息以及足底力信息，构建训练与测试数据集；根据所构建的数据集对深度神经网络进行训练，从而根据训练完成的深度神经网络实时估计当前人机耦合系统的步态相位。

主权项：1.一种基于深度网络的人体下肢步态相位估计方法，其特征在于，包括：S1、通过惯性测量单元和足底力测量鞋采集不同体型的健康人体在不同步频步态运动下的下肢双腿双关节实时角度、角速度和角加速度信息以及足底力信息，从而构建训练与测试数据集；S2、将步态相位0％-100％等比例映射至角度区间0-2π，计算相应的正弦值与余弦值；S3、构建深度神经网络；包括输入层、隐藏层、输出层；深度神经网络输入层的输入向量表示为： 其中，qh,l为左腿髋关节角度，为左腿髋关节角速度，为左腿髋关节角加速度，qh,r为右腿髋关节角度，为右腿髋关节角速度，为右腿髋关节角加速度，qk,l为左腿膝关节角度，为左腿膝关节角速度，为左腿膝关节角加速度，qk,r为右腿膝关节角度，为右腿膝关节角速度，为右腿膝关节角加速度，FS1,l为左脚第一跖骨处足底压力，FS2,l为左脚第四跖骨处足底压力，FS3,l为左脚足跟处足底压力，FS1,r为右脚第一跖骨处足底压力，FS2,r为右脚第四跖骨处足底压力，FS3,r为右脚足跟处足底压力；深度神经网络隐藏层包括200个隐藏节点，隐藏节点的值yj根据下式计算 其中ωi,j表示输入向量X的第i个元素与第j个隐藏节点之间的连接增益，bj表示第j个隐藏节点偏置，φ表示隐藏节点的激活函数，φ采用Sigmoid函数；深度神经网络输出层包括两个节点，输出向量表示为σ＝[σ1,σ2]T，σ1,σ2根据下式计算： 其中，表示第i个隐藏节点与第j个输出节点之间的连接增益，表示第j个隐藏节点偏置；S4、根据步骤S2计算的正弦值与余弦值设计深度神经网络模型的损失函数，并使用步骤S1的训练数据集进行深度神经网络训练；深度神经网络训练过程中的惩罚函数设计为： 其中，β为将步态相位0％-100％等比例映射至角度区间0-2π的等效角度；β根据下式计算得出 根据下式将β转换为相应的步态相位α％，即α＝β×1002π；S5、将人体下肢双腿双关节角度、角速度以及足底力输入训练完成的深度神经网络模型中，得到人体当前步态相位的估计值。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于深度网络的人体下肢步态相位估计方法