双流CNN外骨骼意图识别

多源融合精度99.56%

融合sEMG与IMU的双流CNN-ReliefF方法，精准识别搬运外骨骼穿戴者的运动意图，提升人机协同效率。

Zijun, Guo · 黄学功 · Naiyao, Wang

Physica Scripta 2026

参数信息

最大平均分类准确率

99.56 %

较单一sEMG方法的准确率提升

7.83 %

较单一IMU方法的准确率提升

0.96 %

技术优势

融合信号更准

同时利用sEMG和IMU信号，比只用单一信号的传统方法分类准确率更高。

显著优于单源

与单一sEMG信号的传统方法相比，分类准确率提升了7.83个百分点。

应用场景

• 外骨骼机器人：提升外骨骼穿戴行走平顺性和人机协调性。
• 工业机器人：提高物料搬运人机协作效率，降低工人职业健康风险。