基于自适应模糊神经网络的下肢关节角度估计

针对人体下肢关节角度预测精度不足问题,提出一种结合神经网络和模糊推理理论的下肢关节角度预测方法——自适应模糊神经网络(Adaptive Fuzzy Neural Network)。模型的输入数据为采集和处理后的人体下肢股直肌(Vastus Rectus)、股外侧肌(Vastus Lateralis)和长伸肌(Extensor Pollicis Longus)的表面肌电信号,输出结果为预测得到的髋、膝、踝三个关节角度。同时在算法迭代更新过程中,结合混合策略和误差反向传播算法完成对结构参数的自适应调整与优化,进而提高模糊神经网络模型的预测精度。仿真结果表明,所提AFNN方法相比BP和RBF神经网络预测模型,能够实现较好的人体下肢三关节角度的预测,验证AFNN方法可以有效提高下肢三关节角度预测精度。