[发明专利]一种基于粒子群优化算法的康复运动速度计算模型参数辨识方法

权利要求书

1.一种基于粒子群优化算法的康复运动速度计算模型参数辨识方法，其特征在于：通过下述步骤实现：

步骤1、建立含未知参数的步行速度模型；

步骤2、建立优化算法目标函数，求解出步骤1中的未知参数；未知参数具体求解方法为：

设康复训练人员佩戴便携式运动测量设备时步行距离L所需时间为T，进行步行距离L，时长T的同一段运动时，利用运动测量设备测得的频率为f，z方向角速度为g_z；则建立目标函数如下：

其中，a，b以及c为模型中待辨识参数；

步骤3、利用粒子群优化算法优化目标函数，得到最优模型参数；最优模型参数的获取方法为：

待优化变量包括a，b，c三个,优化目标函数为cost(a,b,c)；利用粒子群优化算法实现参数辨识，使目标函数达到最优，也就是让v与L/T之间差的平方和最小，即求解使得目标函数最小的a，b，c，具体步骤如下：

(a)设置种群粒子个数为m和粒子维度3；

(b)随机初始化种群中各粒子的速度和位置，得到初始种群位置下角标表示粒子标号；u_m是一个三维的向量，表示第m个粒子的位置，是优化过程中一个可能的解；上角标“1”表示当前为第1次迭代过程；设置初始种群速度

(c)在迭代过程中，比较各可能解的目标函数值；将迭代过程中，每个粒子最优位置设为该粒子最优位置p_best,i；比较得到所有粒子中最优位置设为粒子群最优位置g_best；

(d)更新粒子速度和位置，第i个粒子的速度及位置更新公式分别如下：

其中，为第i个粒子第k次迭代的速度，为第i个粒子第k+1次迭代的速度，为第i个粒子第k次迭代前的位置，为第i个粒子第k+1次迭代前的位置；w为惯性权重，r₁和r₂为分布于区间[0,1]内的随机数，k为当前迭代次数，初始值为1，为第k次迭代时的第i个粒子的个体最优粒子位置，为第k代时的全局最优粒子位置，c₁与c₂为常数；

进而得到k+1次迭代种群位置：

(e)计算k+1步的每个粒子的目标函数值，并与之前的最优位置所对应得到的目标函数值比较，若当前位置更好，则将其当前位置作为该粒子的最优位置将每一个粒子的目标函数与粒子群的最优粒子位置相比较，若当前位置更好，则更新最优粒子位置

(f)检查终值条件，若精度满足预设条件或迭代次数超出限制，则停止迭代，否则重复步骤(c)-(f)；

(g)输出最优的种群最优得到最优a，b，c。

2.如权利要求1所述一种基于粒子群优化算法的康复运动速度计算模型参数辨识方法，其特征在于：步骤1中步行速度模型建立方法为：

使用行走辅助装置的康复人员将数据采集设备佩戴于手腕部位，数据采集设备以一定的采样周期采集x，y，z三个方向的加速度信号(a_x，a_y，a_z)以及角速度信号(g_x，g_y，g_z)；运动关系模型为手腕部位的运动数据与步行速度之间的数学关系，如下：

v＝af+bg_z+c (3)

其中，a，b以及c为模型中待辨识参数。