基于SVM步态分类的柔性外骨骼自主定位优化方法

摘要

针对复杂步态下柔性外骨骼虚拟惯性测量组件(VIMU)性能稳定性下降的问题,研究了一种基于支持向量机(SVM)步态分类的自主定位优化方法.采用SVM算法模型对柔性外骨骼的多种常规步态类型进行识别,根据不同的步态类型构建不同的卷积-长短期记忆(VGG-LSTM)混合神经网络模型,并通过判断实际惯性测量组件(IMU)的故障,利用VIMU构成具备系统重构能力的强鲁棒性自主定位方法.研究结果表明,复杂步态下基于SVM的步态分类方法可在保证VIMU精度的同时,降低VGG-LSTM神经网络模型的复杂性;机器人肢节末端IMU在常规步态下出现故障时,系统重构后的自主定位性能与无故障情况下基本保持一致,重构导航系统的定位误差在行进距离的2.5％以内.