[發明專利]一種基于自組織神經網絡的下肢假肢步態識別方法

在審

• 申請號: 202010441030.1
• 申請日: 2020-05-22
• 公開（公告）號: CN111639762A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 劉作軍;劉少哲;劉磊;胡冬;陳玲玲
• 申請（專利權）人: 河北工業大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;A61F2/64;A61F2/68;A61F2/66;A61F2/60
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 王瑞

1.一種基于自組織神經網絡的下肢假肢步態識別方法，其特征在于該方法包括以下步驟：

步驟1、獲得下肢假肢穿戴者膝關節和踝關節的采集數據；

步驟2、生成特征值數據，然后進行歸一化處理，再將歸一化處理后的數據分為訓練樣本和測試樣本；

步驟3、設計基于自組織學習率的步態識別神經網絡；

步態識別神經網絡選用BP神經網絡，包括輸入層、隱含層和輸出層；設置輸入層、隱含層和輸出層的神經元個數；以訓練樣本作為輸入，由激勵函數f(x)處理后，以下肢假肢穿戴者的步態類型作為輸出；輸入層的輸入矩陣設置為X＝[x₁,x₂,…,x_i,…,x_n]^T，隱含層的輸入矩陣設置為Y＝[y₁,y₂,…,y_j,…,y_m]^T，隱含層的輸出矩陣設置為H＝[h₁,h₂,…,h_j,…,h_m]^T，輸出層的輸出矩陣設置為O＝[o₁,o₂,…,o_k,…,o_l]^T，期望輸出矩陣設置為D＝[d₁,d₂,…,d_k,…,d_l]^T；輸入層到隱含層之間的連接權值V＝[v₁,v₂,…,v_j,…,v_m]，列向量v_j為隱含層第j個節點所需要的連接權值；隱含層到輸出層之間的連接權值W＝[w₁,w₂,…,w_k,…,w_m]，列向量w_k為隱含層第k個節點需要的連接權值；

步驟4、開始訓練步態識別神經網絡并設置訓練次數z；

步驟5、步態識別神經網絡信號正向傳播，如果輸出層的輸出與期望輸出不一致，則會產生誤差E，并計算得出誤差E；

步驟6、通過步態識別神經網絡動態更新學習率η；判斷當前計算出的誤差E滿足哪種更新條件，若滿足增長條件則按照增長公式更新學習率，若滿足衰減條件則按照衰減公式更新學習率；

增長公式為：

η＝R_inc*η (6)

衰減公式為：

η＝R_dec*η (7)

式6-7)中，R_inc為增長系數；R_dec為衰減系數；

步驟7、使用更新后的學習率η進行誤差E的反向傳播，更新連接權值，以減小誤差E；

步驟8、判斷是否達到設定的訓練次數z；若達到則完成步態識別神經網絡的訓練，否則返回步驟5。

2.根據權利要求1所述的基于自組織神經網絡的下肢假肢步態識別方法，其特征在于步驟1)中，將兩個角度傳感器分別放置在下肢假肢的膝關節和踝關節處，然后要求下肢假肢穿戴者做若干種步態類型，采集下肢假肢穿戴者膝關節和踝關節的角度數據和角加速度數據，得到采集數據。

3.根據權利要求1所述的基于自組織神經網絡的下肢假肢步態識別方法，其特征在于步驟2)中，生成特征值數據的方法是：對所有的采集數據進行傅里葉變換，得到頻域內膝關節和踝關節的特征值數據。