基于表面肌电信号的膝关节动态力矩的BP神经网络估计

摘要

目的:提出一种利用表面肌电信号估计膝关节动态力矩的BP神经网络模型方法.方法:5名受试者完成从徒手至90％1RM的负重下蹲起实验,采集右侧股直肌、股内侧肌和股外侧肌的表面肌电信号,以滤波平滑归一化的表面肌电信号与膝关节角作为BP网络的输入,以逆向动力学计算获得的膝关节力矩作为期望输出,设计基于误差反向传播校正训练算法网络模型,用训练好的BP网络估计不同负重水平下蹲起产生的膝关节力矩.结果:1)网络中间层节点数为6,以30％1RM负重时股直肌、股内侧肌和股外侧肌的表面肌电联合膝角作为输入时网络性能达到最佳,其中,相同负重下测试数据的互相关系数和归一化均方根误差分别达到0.975和5.5％;2)负重增加时网络估计精度逐渐降低,均方根误差在90％1RM时最大达到18.5％.3)BP网络很好地映射了肌电与膝力矩数值上的非线性关系,而膝角则在预测膝力矩变化趋势上起关键作用.结论:以表面肌电信号和膝关节角作为输入变量的BP神经网络模型方法是实现自然运动状态下肌肉人体膝关节力矩准确估计的有效途径,训练好的BP网络能适应中高强度以下的不同负荷和动作速度.