基于通道注意力机制增强DGNN的外骨骼机器人步态相位预测

TP391.4; 利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性.首先,研制了人体下肢姿态信息采集装置,采集人体下肢的行走步态数据并构建人体下肢的骨架模型;之后,建立了基于CA-DGNN步态相位的预测模型,提取人体步态相位的运动特征,并基于当前时刻数据预测未来时刻的步态相位;最后,探讨了滑动窗口大小对算法性能的影响.本文提高了外骨骼机器人步态相位预测的准确性和鲁棒性,为此方向研究提供了一种新的思路和...

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 51; no. 1; pp. 110 - 118
Main Authors 颜建军, 许赢家, 林越, 金理, 江金林
Format Journal Article
LanguageChinese
Published 华东理工大学机械与动力工程学院,上海 200237%上海航天控制技术研究所,上海 200235 01.02.2025
Subjects
IMU
skeleton
spatial temporal graph convolutional networks
惯性传感器
通道注意力机制
channel attention mechanism
步态相位预测
骨架
gait phase prediction
时空图卷积网络
Online AccessGet full text

Cover

More Information
Summary:TP391.4; 利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性.首先,研制了人体下肢姿态信息采集装置,采集人体下肢的行走步态数据并构建人体下肢的骨架模型;之后,建立了基于CA-DGNN步态相位的预测模型,提取人体步态相位的运动特征,并基于当前时刻数据预测未来时刻的步态相位;最后,探讨了滑动窗口大小对算法性能的影响.本文提高了外骨骼机器人步态相位预测的准确性和鲁棒性,为此方向研究提供了一种新的思路和方法.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20240229001