采用鱼群算法进化极限学习机的假肢步态识别

为提高下肢假肢步态识别的准确性,提出一种基于鱼群(fish swarm,简称FA)算法优化极限学习机(extreme learning machine,简称ELM)的模式识别方法。首先,提取张量投影特征,分析了特征值选取的合理性;其次,采用主成分分析法降维;最后,利用鱼群算法进化极限学习机分类识别平地行走、上楼、下楼、上坡及下坡5种步态,识别准确率达到97.45%。通过实验比较了该算法与极限学习机等分类器在假肢步态分类上的识别准确率与识别时间,结果表明,FA-ELM方法识别准确率优于其他方法。     

基于激光距离传感器的路况识别系统的设计

针对动力型下肢设备存在的运动模式识别率低的问题,设计了一种可穿戴式路况识别系统。通过安装在腰部的便携式激光距离传感器和惯性测量传感器分别采集激光距离信息和地形高度信息,利用小波去噪算法对所采集的数据进行处理,提取特征值,最后选择训练简单、结构清晰的概率神经网络进行路况识别。实验结果表明,该便携式系统能有效识别平地、上楼、下楼、上坡和下坡五种路况并提高识别精度,证明了将可穿戴式路况识别系统应用于假肢或助行器等动力型下肢设备环境感知系统的有效性和可行性。