基于改进MPSO-SVM算法的下肢连续运动预测模型

• 作者: 石峰 隋修武
• 来源期刊: 天津工业大学学报
• 学科: 工学
• 关键词: 支持向量机 运动预测模型 下肢连续运动 康复训练机器人 表面肌电信号 特征值融合 算法优化
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 机械设计与制造
• 页码范围: 69-75
• 页数: 7页
• 分类号: TP242.3
• 字数: 4942字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-024x.2019.06.012

摘要

针对当前下肢连续运动预测精度低的问题,提出一种基于改进的MPSO-SVM算法对下肢连续运动进行精确预测.首先采集人体正常行走时下肢的表面肌电信号、加速度和碗关节角度信息,对消噪后的肌电信号提取均方根值、积分肌电值和加速度的信号幅度城作为特征样本,利用主成分分析方法进行特征值融合,然后通过引入正弦函数和指数函数对自适应粒子群优化(MPSO)算法进行改进,利用改进的MPSO算法优化支持向量机(SVM)的惩罚参数和核函数参数,最后,利用行走时下肢的肌电信号和加速度信号特征样本数据对基于改进的MPSO-SVM算法构造的髋关节角度预测模型进行训练、测试.结果 表明:基于改进的MPSO-SVM算法对髋关节的关节角度预测均方根误差为2.67°、平均误差为1.40°、最大绝对误差为712°,远远优于SVM算法预测的21.27°、8.02°、5838°和BP神经网络预测结果的23.60°、13.59°、63.69°.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	隋修武	天津工业大学机械工程学院	57	180	8.0	10.0
2	石峰	天津工业大学机械工程学院	1	0	0.0	0.0