Elman神经网络在表面肌电连续估计肘关节角度中的应用

摘要

目的:估计肘关节角度和提高模型的速度和精度。方法:建立并研究基于表面肌电信号(Surface electromyogram,sEMG)的Elman神经网络(Elman neural network,ENN),通过在肱二头肌(Biceps muscle,BM)和肱三头肌(Triceps muscle,TM)的皮肤表面上放置电极来采集sEMG信号,并通过惯性测量单元(Inertial measurement unit,IMU)记录实际的肘关节角度。结果:通过实验结果以及基于模型阶数和隐层神经元数量的参数讨论,进一步证明了ENN可达到的最小均方根(Root mean square,RMS)误差为18.1899度。结论:在最优的参数下应用ENN估计肘关节角度时,均方根误差达到了可控范围。理论分析和实验结果都证明ENN在估计关节角度方面是有效的。