[发明专利]一种功能性电刺激下的自适应神经模糊肌肉建模方法有效
申请号: | 201110413303.2 | 申请日: | 2011-12-08 |
公开(公告)号: | CN102521508A | 公开(公告)日: | 2012-06-27 |
发明(设计)人: | 明东;朱韦西;邱爽;杨轶星;张力新;綦宏志;万柏坤 | 申请(专利权)人: | 天津大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00;G06N3/08 |
代理公司: | 天津市北洋有限责任专利代理事务所 12201 | 代理人: | 温国林 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 功能 刺激 自适应 神经 模糊 肌肉 建模 方法 | ||
1.一种功能性电刺激下的自适应神经模糊肌肉建模方法,其特征在于,所述方法包括以下步骤:
(1)采集小腿运动时的膝关节角度参数θ和加速度参数α,通过逆动力学推导,获取膝关节力矩的表达式;
(2)将真实的膝关节力矩值输入到自适应神经模糊推理系统中,根据所述膝关节力矩的表达式获取实际输出的膝关节力矩值;
(3)将所述实际输出的膝关节力矩值与所述真实的膝关节力矩值做运算,获取误差Δe以及误差变化率Δec;
(4)将所述误差Δe、所述误差变化率Δec以及刺激电流输入到自适应神经模糊推理系统中,所述自适应神经模糊推理系统进行处理转化为对应的模糊量;
(5)所述自适应神经模糊推理系统通过所述对应的模糊量获取控制规则,根据所述控制规则,合成相应的刺激电流;
(6)通过所述误差Δe以及所述误差变化率Δec同时训练神经网络,获取隶属度函数参数和隶属度函数结构;
(7)根据所述隶属度函数参数和所述隶属度函数结构对所述自适应神经模糊推理系统进行调整,判断所述误差Δe是否小于阈值,如果是,执行步骤(8);如果否,执行步骤(9);
(8)流程结束;
(9)重新执行步骤(1)-(7),直到所述误差Δe小于所述阈值,流程结束。
2.根据权利要求1所述的一种功能性电刺激下的自适应神经模糊肌肉建模方法,其特征在于,所述膝关节力矩的表达式具体为:
其中,G(N)=m×g,L(cm)=Lc+Lw×体重(kg)+Ls×身高(cm),
J(kg·cm2)=Jc+Jw×体重+Js×身高(cm),m(kg)=Mc+Mw×体重(kg)+Ms×身高(cm),
M为膝关节力矩、L为小腿重心到膝关节转轴的距离、G为小腿重力、J为小腿转动惯量以及m为小腿的质量。
3.根据权利要求1所述的一种功能性电刺激下的自适应神经模糊肌肉建模方法,其特征在于,所述对应的模糊量具体为:
将所述误差Δe和所述误差变化率Δec的变化范围定义为模糊集上的论域,
e,ec={-5,-4,-3,-2,-1,0,1,2,3,4,5}
则其模糊子集为e,ec={NL,NM,NS,ZE,PS,PM,PL},子集中元素分别代表负大,负中,负小,零,正小,正中,正大。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201110413303.2/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用