A Novel Motion Intention Recognition Approach for Soft Exoskeleton via IMU

نهج مبتكر للتعرف على نية الحركة للهيكل الخارجي المرن عبر وحدة القياس بالقصور الذاتي (IMU)

Clicks: 283
ID: 269107
2020
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #44 of 113 articles by views in Electronics

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
To solve the complexity of the traditional motion intention recognition method using a multi-mode sensor signal and the lag of the recognition process, in this paper, an inertial sensor-based motion intention recognition method for a soft exoskeleton is proposed. Compared with traditional motion recognition, in addition to the classic five kinds of terrain, the recognition of transformed terrain is also added. In the mode acquisition, the sensors’ data in the thigh and calf in different motion modes are collected. After a series of data preprocessing, such as data filtering and normalization, the sliding window is used to enhance the data, so that each frame of inertial measurement unit (IMU) data keeps the last half of the previous frame’s historical information. Finally, we designed a deep convolution neural network which can learn to extract discriminant features from temporal gait period to classify different terrain. The experimental results show that the proposed method can recognize the pose of the soft exoskeleton in different terrain, including walking on flat ground, going up and downstairs, and up and down slopes. The recognition accuracy rate can reach 97.64%. In addition, the recognition delay of the conversion pattern, which is converted between the five modes, only accounts for 23.97% of a gait cycle. Finally, the oxygen consumption was measured by the wearable metabolic system (COSMED K5, The Metabolic Company, Rome, Italy), and compared with that without an identification method; the net metabolism was reduced by 5.79%. The method in this paper can greatly improve the control performance of the flexible lower extremity exoskeleton system and realize the natural and seamless state switching of the exoskeleton between multiple motion modes according to the human motion intention.
لحل مشكلة التعقيد في الطرق التقليدية للتعرف على نية الحركة باستخدام إشارات المستشعرات متعددة الأنماط والتأخر الزمني المصاحب لعملية التعرف، تقترح هذه الورقة طريقة للتعرف على نية الحركة لهيكل خارجي مرن بالاعتماد على مستشعرات القصور الذاتي. وبالمقارنة مع أساليب التعرف التقليدية على الحركة، أُضيف التعرف على التضاريس الانتقالية إلى جانب الأنواع الخمسة الكلاسيكية للتضاريس. وفي مرحلة اكتساب الأنماط، جُمعت بيانات المستشعرات المثبتة على الفخذ والساق في أنماط حركة مختلفة. وبعد إجراء سلسلة من عمليات المعالجة المسبقة للبيانات، مثل الترشيح والتطبيع، استُخدمت نافذة منزلقة لتعزيز البيانات، بحيث يحتفظ كل إطار من بيانات وحدة قياس القصور الذاتي (IMU) بالنصف الأخير من المعلومات التاريخية للإطار السابق. وأخيرًا، صممنا شبكة عصبية التفافية عميقة قادرة على تعلم استخراج السمات التمييزية من الفترة الزمنية لدورة المشي لتصنيف التضاريس المختلفة. تُظهر النتائج التجريبية أن الطريقة المقترحة يمكنها التعرف على وضعية الهيكل الخارجي المرن عبر مختلف التضاريس، بما في ذلك المشي على أرض مستوية، وصعود الدرج وهبوطه، وصعود المنحدرات وهبوطها، حيث يمكن أن يصل معدل دقة التعرف إلى 97.64%. بالإضافة إلى ذلك، فإن التأخر الزمني في التعرف على نمط التحول، الذي يتم الانتقال فيه بين الأنماط الخمسة، يمثل 23.97% فقط من دورة المشي الواحدة. وأخيرًا، قيس استهلاك الأكسجين بواسطة نظام أيضي قابل للارتداء (COSMED K5, The Metabolic Company, Rome, Italy)، وبالمقارنة مع الحالة التي لا تعتمد طريقة التعرف، انخفض صافي الأيض بنسبة 5.79%. ومن ثم، يمكن للطريقة المقترحة في هذه الورقة تحسين أداء التحكم في نظام الهيكل الخارجي المرن للأطراف السفلية بشكل كبير، وتحقيق تبديل طبيعي وسلس لحالات الهيكل الخارجي بين أنماط حركة متعددة وفقًا لنية الحركة لدى الإنسان.
Reference Key
zhu2020electronicsa Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Lu Zhu, Zhuo Wang, Zhigang Ning, Yu Zhang, Yida Liu, Wujing Cao, Xinyu Wu, Chunjie Chen, Lu Zhu, Zhuo Wang, Zhigang Ning, Yu Zhang, Yida Liu, Wujing Cao, Xinyu Wu, Chunjie Chen
Are you one of these authors? Claim your profile
Journal Electronics
Year 2020
DOI
10.3390/electronics9122176
URL
https://www.mdpi.com/2079-9292/9/12/2176/htm
Keywords
Neural network imu motion intention recognition soft exoskeleton soft lower extremity exoskeleton

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.