文献

J-GLOBAL ID：202202280979166320   整理番号：22A1086237

sEMG融合特徴に基づく下肢運動意図認識【JST・京大機械翻訳】

Lower Limb Motion Intention Recognition Based on sEMG Fusion Features

著者 (3件)： Zhang Peng (School of Mechanical Engineering, Tianjin University of Science & Technology, Tianjin, China) ,  Zhang Junxia (School of Mechanical Engineering, Tianjin University of Science & Technology, Tianjin, China) ,  Elsabbagh Ahmed (School of Design and Production Engineering, Ain Shams University, Cairo, Egypt)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 22  号： 7  ページ： 7005-7014  発行年： 2022年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 表面筋電図(sEMG)は,歩行解析とロボット制御に広く使用されている。意図認識の低い精度が外骨格ロボットの開発を制限するので,sEMG信号のマルチ特徴融合に基づく動的適応ニューラルネットワークアルゴリズムを提案し,8つの下肢運動の正確な同定を実現した。最初に,元のsEMG信号を,歩行実験によって8人のボランティアから採取した。第二に,時間領域,周波数領域,およびサンプルエントロピーの特徴パラメータを抽出し,併合した。次に,改良微分進化(DE)アルゴリズムを提案し,データ融合のための各特徴の重み値を最適化した。第3に,本研究で使用したバックプロパゲーションニューラルネットワーク(BPNN)は,意図認識のための最も一般的なモデルである。しかし,BPNNは,低い精度と遅い収束速度の問題を持ち,本論文は,新しい動的適応ニューラルネットワークモデル(GA-DANN)を提案した。新しいモデルは,収束を加速するためにBPNNの重みを最適化するために遺伝的アルゴリズム(GA)を使用する。動的適応学習速度を導入し,学習速度を決定する困難を克服した。実験結果は,マルチ特徴融合情報による提案アルゴリズムが8つの下肢運動意図を正確に区別することができ,平均認識精度が94.89%に達し,従来のBPNNより10%高いことを示した。平均認識時間は109.67msであった。本研究は,リハビリテーションロボットの応用に対する技術的支援を提供するであろう。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  ロボット ,  信号 ,  分析 ,  モデル ,  筋電図 ,  外骨格 ,  遺伝的アルゴリズム ,  データ融合 ,  周波数領域
準シソーラス用語： 神経回路網モデル ,  収束速度 ,  表面筋電図 ,  ロボット制御 ,  歩行解析 ,  時間領域 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (3件)： 融合 ,  下肢運動 ,  意図