控制与决策

作者：陈博,王斌,周袁,周京,王浙明,叶祥明

单位：浙江工业大学 信息工程学院，杭州 310000,,浙江工业大学 信息工程学院，杭州 310000,,浙江工业大学 信息工程学院，杭州 310000,,浙江工业大学 信息工程学院，杭州 310000,,浙江工业大学 信息工程学院，杭州 310000,,浙江省人民医院 康复科，杭州 310000,

关键词：康复机器人;关节角度预测;人体姿态估计;多通道高分辨率网络;长短期记忆网络;多模态特征融合网络

基金：浙江省重点研发计划项目(2024C03040).

在人体关节角度预测中, 单传感器获取信息太过局限且易受环境干扰影响, 而基于多传感器的关节角度的预测研究, 由于输入数据维度升高、传统的融合方式存在特征利用率不足的缺陷, 导致预测精度下降. 为准确获取运动功能障碍患者佩戴外骨骼康复过程中的运动状态, 提出基于多模态数据融合的康复机器人关节角度预测方法. 首先, 设计多通道高分辨率网络结构使其适用于人体3维姿态特征提取任务, 同时利用卷积神经网络提取足底压力特征; 其次, 基于长短期记忆网络获取特征在时域上的关联性; 然后, 构建带注意力机制的多模态特征融合网络用于人体关节角度预测; 最后, 通过在低、中、高3组速度下的实验结果表明: 所提出算法在自建数据集上的评价指标RMSE为0.039, 较传统关节角度预测方法提升38%以上; 评价指标${\rm{R}}^2 $为0.948, 较传统关节角度预测方法提升17%以上.

来源：2026年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第3期