注意力增强GRU网络

误差降至1.31°

结合改进ZOA优化器的膝关节角度预测模型，在三种步态下实现最低1.31°的连续预测误差，显著优于多种主流优化方法。

吕健 · 77551646 · Qiang, Ligang

Journal of King Saud University - Computer and Information Sciences 2025

参数信息

均方根误差

1.31 °

特征维度降低比例

50 %

平均RMSE降低比例

27.2 %

技术优势

误差更低

IZOA优化注意力GRU网络，在三种步态任务上实现最低1.31°的均方根误差，比GA、ZOA等主流优化器精度更高。

特征减半

通过IZOA的特征选择，输入维度减少超过50%，降低计算负担，同时保持高精度。

跨被试更稳

基于最大自愿收缩的归一化方法改善了个体差异，增强模型在不同受试者间的泛化能力。

应用场景

• 外骨骼控制：实时预测膝关节角度，提供低延迟控制信号，无需预训练即可集成。
• 人形机器人关节驱动：为仿人下肢关节提供自然运动轨迹，提升步态拟人度。
• 可穿戴康复设备：连续监测膝关节运动，辅助康复训练中的精确角度反馈。
• 表面肌电交互：直接利用sEMG信号解码运动意图，简化人机交互接口。
• 软体机器人控制：为软体外骨骼提供低延时的连续控制信号，适应柔性驱动特性。