双流模式识别网络
重载下实时识别
融合时序与空间特征，在外骨骼三重负载下保持高精度的运动模式识别。
Gao, Yifan · 郑建彬 · Huang, Liping · Peng, Huihui · Yin, Linghan · Yin, Zeyu · Wang, Binfeng · Peng, Mingpeng · Li, Zefang · Chengyu, Zhang · Yu, Wang
IEEE Sensors Journal 2023
参数信息
- 识别准确率（0kg）
- 98.81 %
- 识别准确率（20kg）
- 98.24 %
- 识别准确率（40kg）
- 97.04 %
- 模式切换预测时间范围（0kg）
- 190-620 ms
- 模式切换预测时间范围（20kg）
- 180-420 ms
- 模式切换预测时间范围（40kg）
- 50-90 ms
- 模式切换时间范围（0kg）
- 50-190 ms
- 模式切换时间范围（20kg）
- 30-310 ms
技术优势
负重也认得出
在0kg、20kg、40kg负载下，五种模式的识别准确率都保持在97%以上，负重增加只会让准确率从98.81%平滑降到97.04%。
切换前就预判
在0kg、20kg、40kg负载下，预测下一模式的时间提前量分别为190–620ms、180–420ms、50–90ms，控制系统有充足时间准备。
应用场景
- 外骨骼控制：实时识别地形和切换意图，为外骨骼力矩控制提供前馈信息。
- 外骨骼：可在不同负载下稳定识别运动模式，提升外骨骼的负载适应能力。
- 具身智能：赋予外骨骼感知和理解人体运动意图的能力，实现人机协同。
- 先进机器人：提供高精度、低延迟的模式识别模块，可用于先进机器人运动控制。
- 可穿戴传感：融合多传感器时序数据，为可穿戴设备提供运动状态识别。