面向外骨骼性能评估的多源生理能耗预测

摘要

在外骨骼设计过程中，助力性能评估直接影响整体结构的安全性和效率.针对目前性能评估多采用单一指标问题，提出了一种基于多源生理信号（表面肌电、脉搏和呼吸）的长短期记忆（long short-term memory,LSTM）网络运动能耗预测方法 .该方法首先对生理信号进行处理和特征提取，然后使用6层LSTM模型进行预测，并使用K折交叉验证方法进行验证.同时，与决策树（decision tree,DT）和支持向量机（support vector machine,SVM）进行了对比实验.最后，建立了在线能耗监测系统，作为评估外骨骼助力性能的依据.结果表明，三源信号均方根差（root mean square error,RMSE）为0.073 kJ，证明了采用多源生理信号融合预测的可行性；LSTM的RMSE相较于DT,SVM下降了39.53%,15.68%，测试集的总能耗值误差值为23.98kJ，说明LSTM模型对于总能耗预测效果最好，可用于外骨骼的助力性能评估.

关键词

能耗预测 / 长短期记忆 / 外骨骼性能评估 / 信号融合 / 在线监测