69、基于sEMG的人体手臂端点刚度估计与误差相关电位分类方法

基于sEMG的人体手臂端点刚度估计与误差相关电位分类方法

基于sEMG的人体手臂端点刚度估计

在康复训练中，人体手臂端点刚度对于实现机器人的柔顺控制具有重要意义。这里提出了一种从表面肌电信号（sEMG）和肘部角度来估计人体端点刚度的模型。该模型使用自动编码器（Autoencoder）和长短期记忆网络（LSTM）进行训练，并通过与其他两个模型进行实验对比来评估其性能。

1. 模型对比
   • Model_1 ：提出的模型，结合了自动编码器和LSTM。
   • Model_2 ：仅使用LSTM进行估计。
   • Model_3 ：使用反向传播神经网络（BPNN）进行估计。

为了证明提出模型的有效性和优越性，根据相关公式计算了决定系数（R²）和均方根误差（RMSE）。不同模型的实验结果如下表所示：
| 模型名称&&测试者 | R² | RMSE |
| ---- | ---- | ---- |
| Model_1&&Tester1 | 0.9621 | 1.732 |
| Model_1&&Tester2 | 0.9349 | 2.106 |
| Model_1&&Tester3 | 0.9486 | 1.923 |
| Model_2&&Tester1 | 0.9131 | 1.979