一种融合多传感器的老年人摔倒预测方法和系统

    公开(公告)号:CN108320456A

    公开(公告)日:2018-07-24

    申请号:CN201810080170.3

    申请日:2018-01-27

    CPC classification number: G08B21/043 G08B21/0446

    Abstract: 本发明公开了一种融合多传感器的老年人摔倒预测方法和系统,属于助行机器人及康复系统技术领域,通过三种传感器采集人体手部触觉信息、人体三轴加速度信息、躯干角度信息,利用这三种在人体摔倒过程中的运动学特征参数分别进行摔倒初步预测,最后通过决策级融合中心对三种信息进行融合。通过检测触觉和人体躯干运动信息并进行多信息融合,可以在300ms内快速检测出人体当前的运动状态,且准确率达到95%,对摔倒预测具有比较高的效率和准确率,可以准确快速的对老年人身体状态进行判定。

    一种基于CPG模型的人体锻炼跑步机自适应主动控制方法

    公开(公告)号:CN106730604B

    公开(公告)日:2019-03-01

    申请号:CN201611260158.8

    申请日:2016-12-30

    Abstract: 本发明公开一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,包括:通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号,提取其幅值特征和频率特征;将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中,拟合出周期性人体下肢髋关节角度曲线;根据周期性人体下肢髋关节角度曲线,得出角度极值和频率,带入关系模型求出跑步机速度控制命令,并通过计算机发给驱动模块,实现跑步机自适应主动控制。本发明通过提取人体下肢sEMG的幅频特征作为CPG模型参数,得到期望周期性髋关节步态曲线,提取其角度极值和频率,通过关系模型得到跑步机速度命令,实现跑步机自适应主动控制。

    一种防止老年人摔倒的人机协同控制系统及其控制方法

    公开(公告)号:CN108415250B

    公开(公告)日:2020-08-28

    申请号:CN201810134697.X

    申请日:2018-02-09

    Abstract: 本发明公开了一种防止老年人摔倒的人机协同控制系统及其控制方法,采用前馈‑反馈复合控制方法,以助老伴行机器人期望控制目标参量为整个控制输入,将特征提取后的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征作为前馈补偿环节,消除触滑觉力对助老伴行机器人控制目标参量的影响;将实际测得的助老伴行机器人的控制目标参量作为反馈环节,提高助老伴行机器人控制目标参量的精度,实现防止老年人摔倒的人机系统协同控制。本发明能够实现老年人与助老伴行机器人较好的协同控制,对助老伴行机器人控制目标参量进行实时检测,能够较精确的达到期望的控制目标,实现人机系统的平衡稳定,从而达到防止老年人摔倒的目的。

    一种防止老年人摔倒的人机协同控制系统及其控制方法

    公开(公告)号:CN108415250A

    公开(公告)日:2018-08-17

    申请号:CN201810134697.X

    申请日:2018-02-09

    Abstract: 本发明公开了一种防止老年人摔倒的人机协同控制系统及其控制方法,采用前馈-反馈复合控制方法,以助老伴行机器人期望控制目标参量为整个控制输入,将特征提取后的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征作为前馈补偿环节,消除触滑觉力对助老伴行机器人控制目标参量的影响;将实际测得的助老伴行机器人的控制目标参量作为反馈环节,提高助老伴行机器人控制目标参量的精度,实现防止老年人摔倒的人机系统协同控制。本发明能够实现老年人与助老伴行机器人较好的协同控制,对助老伴行机器人控制目标参量进行实时检测,能够较精确的达到期望的控制目标,实现人机系统的平衡稳定,从而达到防止老年人摔倒的目的。

    一种基于CPG模型的人体锻炼跑步机自适应主动控制方法

    公开(公告)号:CN106730604A

    公开(公告)日:2017-05-31

    申请号:CN201611260158.8

    申请日:2016-12-30

    CPC classification number: A63B22/025 A63B24/0087 A63B2230/605

    Abstract: 本发明公开一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,包括:通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号,提取其幅值特征和频率特征;将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中,拟合出周期性人体下肢髋关节角度曲线;根据周期性人体下肢髋关节角度曲线,得出角度极值和频率,带入关系模型求出跑步机速度控制命令,并通过计算机发给驱动模块,实现跑步机自适应主动控制。本发明通过提取人体下肢sEMG的幅频特征作为CPG模型参数,得到期望周期性髋关节步态曲线,提取其角度极值和频率,通过关系模型得到跑步机速度命令,实现跑步机自适应主动控制。

Patent Agency Ranking