申请/专利权人：南京理工大学

申请日：2020-02-25

公开（公告）日：2022-09-13

公开（公告）号：CN111341412B

主分类号：G16H20/30

分类号：G16H20/30;G16H50/50;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2022.09.13#授权;2020.07.21#实质审查的生效;2020.06.26#公开

摘要：本发明公开了一种基于RBF‑DMP振荡器的下肢康复型外骨骼步态规划方法，用于辅助下肢功能障碍的患者，完成行走康复目的；首先采集患者健康行走历史中的髋关节、膝关节运动轨迹；然后建立髋关节、膝关节RBF‑DMP振荡器步态生成模型，模拟患者运动轨迹；基于最小二乘法，完成对RBF径向基神经网络参数的自学习；训练好的RBF‑DMP振荡器，实时规划髋关节、膝关节的运动轨迹，应用于下肢康复型外骨骼的步态。本发明的步态规划方法不仅可以有效准确学习患者髋关节、膝关节轨迹，而且根据患者行走特点，实时调整下肢外骨骼运动，达到步态宜人特性，十分适合用于下肢康复型外骨骼的辅助行走。

主权项：1.一种基于RBF-DMP振荡器的下肢康复型外骨骼步态规划方法，其特征在于，包括以下步骤：步骤1、采集患者健康行走历史中的髋关节、膝关节运动轨迹；步骤2、建立髋关节、膝关节RBF-DMP振荡器步态生成模型，模拟患者运动轨迹；步骤3、基于最小二乘法，完成对RBF径向基神经网络参数的自学习；具体包括以下步骤：步骤3.1、确定RBF神经网络隐含层输出与输出层的期望输出数据；计算RBF神经网络隐含层的输出jiφ为： 计算RBF神经网络输出层的期望输出为： 其中fg为非线性函数的目标值，θd为需要学习的步态曲线，τ为DMP振荡器的频率，β为关节运动模型参数；步骤3.2、基于最小二乘法，对RBF神经网络权重参数自学习；将RBF神经网络组成结构，描述为矩阵形式：Fg＝JW+E19其中Fg＝[fg1,fg2,...fgM]T为样本中的期望输出向量，W＝[w1,w2,...wN]T为权重向量，E1为误差项向量，M为样本总数目，输入矩阵J表示为： 设置代价函数如下： 其中λ为惩罚项系数，经过最小二乘法推导后，隐含层权重估计值表示为： 步骤4、通过训练好的RBF-DMP振荡器实时规划髋关节、膝关节的运动轨迹，用于下肢康复型外骨骼的步态生成。

全文数据：

权利要求：

百度查询： 南京理工大学 基于RBF-DMP振荡器的下肢康复型外骨骼步态规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD