CN106730604B - 一种基于cpg模型的人体锻炼跑步机自适应主动控制方法 - Google Patents
一种基于cpg模型的人体锻炼跑步机自适应主动控制方法 Download PDFInfo
- Publication number
- CN106730604B CN106730604B CN201611260158.8A CN201611260158A CN106730604B CN 106730604 B CN106730604 B CN 106730604B CN 201611260158 A CN201611260158 A CN 201611260158A CN 106730604 B CN106730604 B CN 106730604B
- Authority
- CN
- China
- Prior art keywords
- treadmill
- cpg
- human body
- model
- active control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B22/00—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements
- A63B22/02—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements with movable endless bands, e.g. treadmills
- A63B22/0235—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements with movable endless bands, e.g. treadmills driven by a motor
- A63B22/0242—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements with movable endless bands, e.g. treadmills driven by a motor with speed variation
- A63B22/025—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements with movable endless bands, e.g. treadmills driven by a motor with speed variation electrically, e.g. D.C. motors with variable speed control
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0087—Electric or electronic controls for exercising apparatus of groups A63B21/00 - A63B23/00, e.g. controlling load
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/60—Measuring physiological parameters of the user muscle strain, i.e. measured on the user
- A63B2230/605—Measuring physiological parameters of the user muscle strain, i.e. measured on the user used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Cardiology (AREA)
- Vascular Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,包括:通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号,提取其幅值特征和频率特征;将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中,拟合出周期性人体下肢髋关节角度曲线;根据周期性人体下肢髋关节角度曲线,得出角度极值和频率,带入关系模型求出跑步机速度控制命令,并通过计算机发给驱动模块,实现跑步机自适应主动控制。本发明通过提取人体下肢sEMG的幅频特征作为CPG模型参数,得到期望周期性髋关节步态曲线,提取其角度极值和频率,通过关系模型得到跑步机速度命令,实现跑步机自适应主动控制。
Description
技术领域
本发明涉及健身设备技术领域,具体讲,涉及一种人体锻炼跑步机自适应主动控制方法。
背景技术
随着物质生活水平的提高,越来越多的人开始关心自身的健康状态,开始热衷于参加各种体育运动锻炼,全球健身器材产业也得到了迅速发展,其中跑步机操作简便、体积小,节约空间,它满足了人们对有氧健身的需求,具有广阔的发展空间和发展潜力,目前已经成为人们主要健身器材之一。
然而,在跑步机的使用过程中,跑步者必须被迫调节自身速度去适应跑步机预设的固定速度,严重影响了跑步者运动时的主动性和轻松感,也限制了跑步机的应用拓展。因此,一种能够检测人体运动速度,并实时控制跑步机电机速度的技术变得尤为重要。
跑步机速度自适应控制方法最近有一些相关专利申请公开:
1、一种基于柔性阵列压力传感器的跑步机自适应调速系统,申请号:201110315778.8;
该专利申请通过在跑板上侧安装柔性阵列压力传感器,实时获取跑步者步频、步长等参数,由所建立的加速度与每两步之间上述参数关系模型计算得出加速度,并向电机驱动模块发送控制命令。该方法由于铺设传感器阵列,需要对跑步机进行改造,成本较高,不适合应用推广使用。
2、一种基于视频的跑步机自适应调速系统,申请号:201610229061.4;
该专利申请通过摄像机视频采集模块获取跑步者中心位置、相对位移等参数,通过建立加速度与以上参数的关系模型得出加速度,并向电机驱动模块发送控制指令。该方法需要检测人体位移参数,适于大跑步机上使用,家用或健身用小跑步机位移参数不明显,易引起加减速震荡,因此不适合使用该方法。
发明内容
本发的目的在于提供一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,以解决上述技术问题。本发明通过提取人体下肢sEMG的幅频特征作为CPG模型参数,得到期望周期性髋关节步态曲线,提取其角度极值和频率,通过关系模型得到跑步机速度命令,实现跑步机自适应主动控制。
为了实现上述目的,本发明采用如下技术方案:
一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,包括以下步骤:
步骤一、通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号,提取其幅值特征和频率特征;
步骤二、将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中,拟合出周期性人体下肢髋关节角度曲线;
步骤三、根据步骤二拟合出的周期性人体下肢髋关节角度曲线,得出角度极值和频率,带入关系模型求出跑步机速度控制命令,并通过计算机发给驱动模块,实现跑步机自适应主动控制。
进一步的,步骤一幅值特征和频率特征具体包括:
肌电信号X={xi}N的幅值特征和频率特征分别为均方根RMS和平均功率频率fmean,公式为:
式中:N表示采样点数,s(f)为表面肌电信号功率谱密度函数。
进一步的,步骤二CPG模型及肌电特征参数代入具体包括:
选择Matsuoka振荡器构建CPG控制模型,其数学模型如下:
y1.2=g(u1.2)
yout=y1-y2
式中:ui和vi为状态变量,Tr为上升时间常数,Ta为疲劳时间常数,ω12为神经元2到1的连接权重,β为冲动率常数,c为激励输入,g(u)为门槛函数值,yi为神经元输出,yout为整个振荡器输出;
肌电幅值特征和频率特征分别通过非线性增益的方式表示激励输入c和疲劳时间常数Ta,公式为:
式中:k0表示激励输入的非线性增益,k1表示疲劳时间常数的非线性增益。
进一步的,步骤二遗传算法优化具体包括:
通过遗传算法优化CPG模型参数用于拟合人体下肢髋关节实测曲线;要优化的CPG模型参数有k0、k1、β、Ta、g(u)和ω,每组参数对应编码成实数连成的一条定长染色体;遗传算法的适应度函数F(t)为由CPG所产生的关节角度值和髋关节实测角度之差e(t)表示,公式为:
式中:c1是比例常数,c2是微分常数,c3是积分常数。
进一步的,步骤三关系模型具体为:
假设起步相时膝关节角度为零,通过髋关节曲线计算出步长和步态频率从而得到人体运动速度对应跑步机速度命令vd,关系模型具体公式为:
vd=2·(lthigh+lcrus)·{sin(θhmax)-sin(θhmin)}·fh
式中:lthigh为大腿长,lcrus为小腿长,θhmax、θhmin分别为CPG模型生成的髋关节步态曲线中关节角度最大值和最小值,fh为步态频率。
进一步的,步骤一中采集的肌电信号利用20-500Hz带通滤波器和50Hz工频陷波器对肌电信号进行降噪和伪迹消除处理,之后对信号进行全波整流、归一化和组合相减处理得到正负交替的肌电信号X={xi}N。
进一步的,步骤一实时采集肌电信号时,在人体一只脚脚跟安装一个压力传感器作为开关信号,检测传感器两次相同方向脉冲信号做为一个步态周期的开始和结束。
相对于现有技术,本发明具有以下有益效果:
表面肌电信号(sEMG)是一种生物电信号,能够直接反映人体的运动意图,被广泛应用于肌肉疲劳检测和实时控制,本发明提取下肢sEMG的幅频特征,通过CPG模型得到跑步机速度控制命令,实现跑步机自适应主动控制。该方法只采集下肢两块肌肉的sEMG带入优化完毕的CPG模型,运算速度较快,不用对跑步机进行改造,不受跑步机大小的影响,有较好的灵活性与推广型,所采集的肌电信号的亦可同时用于肌肉疲劳检测等。
附图说明
图1是基于CPG模型的人体锻炼跑步机自适应主动控制方法框图;
图2是遗传算法优化CPG参数流程图;
图3是速度关系模型计算示意图;
图4是整体硬件实现框图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于了解,下面结合具体图示,进一步阐述本发明技术方案的具体实现方式。
请参阅图1至图4所示,本发明一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,包括下列步骤:
利用动作捕捉系统和肌电采集仪同步采集人体在跑步机不同频率运动时下肢髋关节实测角度和2块肌肉的表面肌电信号,2块肌肉具体为:股直肌、股二头肌;取某步频下一个步态周期的肌电信号,预处理和组合后提取幅频特征作为CPG模型参数,并使用遗传算法优化CPG参数用于拟合髋关节实测曲线;实时采集一个步态周期的肌电信号,提取幅频特征带入优化好的CPG模型中,得到髋关节角度极值和频率,根据关系模型得到跑步机速度控制命令,并通过计算机发送命令到驱动模块,实现跑步机自适应主动控制。基于CPG模型的人体锻炼跑步机自适应主动控制方法的示意图如图1。
1、肌电特征提取:
离线分析时可直接通过计算机提取步态周期的髋关节角度并通过同步采集的时间对应关系提取步态周期的肌电信号。实时采集肌电信号时,可在某只脚脚跟安装一个小的压力传感器作为开关信号,检测传感器两次相同方向脉冲信号即为一个步态周期的开始和结束。采集的肌电信号实时传输到计算机上进行处理分析和下一步计算。
利用20-500Hz带通滤波器和50Hz工频陷波器对肌电信号进行降噪和伪迹消除处理,之后对信号进行全波整流、归一化和组合相减处理得到正负交替的肌电信号X={xi}N,其幅值特征通过取其均方根值(RMS)描述,公式为:
频率特征通过求其平均功率频率fmean来描述,公式为:
式中:N表示采样点数,s(f)为表面肌电信号功率谱密度函数。
2、CPG模型建立:
中枢模式发生器(Central Pattern Generators),简称CPG,是神经元构成的局部振荡网络,能够通过神经元之间的相互抑制关系自激振荡产生周期性节律运动。人体步态是一种各腿交替动作的节律运动,因此可用CPG调整振荡器的参数生成连续稳定和不同速度的步态。
在一个振荡周期内,髋关节角度的曲线有一个波峰,可用一个神经元振荡器表示。本发明选择Matsuoka振荡器作为CPG控制模型,该模型采用两个互相抑制的神经元作为振荡器,在不考虑外界环境反馈情况下,即没有振荡器耦合,其数学模型如下:
y1.2=g(u1.2)
yout=y1-y2
式中:ui和vi为状态变量,Tr为上升时间常数,Ta为疲劳时间常数,ω12为神经元2到1的连接权重,β为冲动率常数,c为激励输入,g(u)为门槛函数值,yi为神经元输出,yout为整个振荡器输出。上述参数需要经过遗传算法迭代,直接优化,或者被肌电特征参数表示后优化,优化初始值可随机赋值。
人体在跑步机上运动时步速的变化可以看成是步态曲线的幅值和频率的变化,其变化趋势不变。股直肌和股二头肌分别控制髋关节伸屈动作,人体下肢运动时,股直肌和股二头肌在一个周期内交替收缩,其肌电信号的幅频特征可以反应主动运动意图,即步速的改变。研究发现,振荡器的激励输入c能改变了振荡器的幅值,大致与c成正比,且不影响振荡器的频率,因此用肌电信号幅值特征RMS通过非线性增益的方式表示激励输入c,公式为:
疲劳时间常数Ta能改变输出信号的频率,大约与1/Ta成正比,且不影响振荡器的幅值,因此将肌电信号频率特征fmean用非线性增益方法表示疲劳时间常数Ta,公式为:
式中:k0表示激励输入的非线性增益,k1表示疲劳时间常数的非线性增益。
3、遗传算法优化参数:
CPG可以作为一个时间的函数来生成关节运动角度曲线,但参数需要依据期望关节角度轨迹进行调节,本发明选用遗传算法模拟自然界遗传机制和生物进化对CPG模型参数并行随机搜索全局最优解。期望髋关节曲线选自人体在跑步机上不同频率运动(同步采集的肌电信号)时实际测量髋关节角度。遗传算法优化CPG参数流程图如图2所示。
将CPG模型各参数编码成定长染色体,每一条染色对应一组参数,其要优化的CPG模型参数有k0、k1、β、Ta、g(u)和ω;各参数形成的编码串联群体按所选择的适应度函数并通过遗传中的复制、交叉及变异对个体进行筛选,使适应度高的个体被保留下来,周而复始,群体中的个体适应度函数不断提高,直到满足最大迭代次数。遗传算法试图将CPG所产生的关节角度值和期望髋关节角度值之差e(t)的值最小化,即寻找适应度最高的值,其适应度函数F(t)公式为:
式中:c1是比例常数,c2是微分常数,c3是积分常数。
4、速度关系模型计算:
CPG模型参数优化完毕后,带入实时采集的肌电信号提取的幅频特征,生成周期性的关节步态曲线,取一个振荡周期即一个步态周期中髋关节曲线角度最大值θhmax、最小值θhmin和步态频率fh。图3是速度关系模型计算示意图,人体一个步态周期的距离是一个跨步长Lstride,跨步长是步长Lstep的两倍。假设膝关节角度近似为零,步长计算可以定为起步态两脚脚后跟之间或踝关节中心的距离,根据对称原理,所取髋关节最大最小值即对应起步态左右髋关节角度,即通过求步长和步态频率求出一个步态周期内人体平均速度对应跑步机速度命令vd,公式为:
vd=2·(lthigh+lcrus)·{sin(θhmax)-sin(θhmin)}·fh
式中:lthigh为大腿长,lcrus为小腿长。
控制命令由计算机发给驱动模块,控制跑步机速度自适应调整,然后再检测步态周期的肌电信号,实现循环控制。因人体双腿对称和步态周期循环控制,只采集安装了压力传感器一侧腿的肌电信号即可。其整体硬件实现框图如图4所示。
本发明是一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,以实现运动中跑步机与人体速度相协调。该方法提取股直肌、股二头肌两块肌肉一个步态周期内的肌电信号,结合遗传算法,利用CPG模型拟合出周期性髋关节步态曲线,得到速度指令来实时调整跑步机速度。该发明所建模型可靠,速度改变能反应人体运动意图,采集的肌电信号亦可用于疲劳检测等其他用途,具有可观的社会效益和经济效益。
Claims (7)
1.一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,其特征在于,包括以下步骤:
步骤一、通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号,提取其幅值特征和频率特征;
步骤二、将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中,拟合出周期性人体下肢髋关节角度曲线;
步骤三、根据步骤二拟合出的周期性人体下肢髋关节角度曲线,得出角度极值和频率,带入关系模型求出跑步机速度控制命令,并通过计算机发给驱动模块,实现跑步机自适应主动控制。
2.根据权利要求1所述的一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,其特征在于,步骤一幅值特征和频率特征具体包括:
肌电信号X={xi}N的幅值特征和频率特征分别为均方根RMS和平均功率频率fmean,公式为:
式中:N表示采样点数,s(f)为表面肌电信号功率谱密度函数。
3.根据权利要求2所述的一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,其特征在于,步骤二CPG模型及肌电特征参数代入具体包括:
选择Matsuoka振荡器构建CPG控制模型,其数学模型如下:
y1.2=g(u1.2)
yout=y1-y2
式中:ui和vi为状态变量,Tr为上升时间常数,Ta为疲劳时间常数,ω12为神经元2到1的连接权重,β为冲动率常数,c为激励输入,g(u)为门槛函数值,yi为神经元输出,yout为整个振荡器输出;
肌电幅值特征和频率特征分别通过非线性增益的方式表示激励输入c和疲劳时间常数Ta,公式为:
式中:k0表示激励输入的非线性增益,k1表示疲劳时间常数的非线性增益。
4.根据权利要求3所述的一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,其特征在于,步骤二遗传算法优化具体包括:
通过遗传算法优化CPG模型参数用于拟合人体下肢髋关节实测曲线;要优化的CPG模型参数有k0、k1、β、Ta、g(u)和ω,每组参数对应编码成实数连成的一条定长染色体;遗传算法的适应度函数F(t)为由CPG所产生的关节角度值和髋关节实测角度之差e(t)表示,公式为:
式中:c1是比例常数,c2是微分常数,c3是积分常数。
5.根据权利要求1所述的一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,其特征在于,步骤三关系模型具体为:
在起步相阶段,以膝关节角度为零,通过髋关节曲线计算出步长和步态频率从而得到人体运动速度对应跑步机速度命令vd,关系模型具体公式为:
vd=2·(lthigh+lcrus)·{sin(θhmax)-sin(θhmin)}·fh
式中:lthigh为大腿长,lcrus为小腿长,θhmax、θhmin分别为CPG模型生成的髋关节步态曲线中关节角度最大值和最小值,fh为步态频率。
6.根据权利要求2所述的一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,其特征在于,步骤一中采集的肌电信号利用20-500Hz带通滤波器和50Hz工频陷波器对肌电信号进行降噪和伪迹消除处理,之后对信号进行全波整流、归一化和组合相减处理得到正负交替的肌电信号X={xi}N。
7.根据权利要求1所述的一种基于CPG模型的人体锻炼跑步机自适应主动控制方法,其特征在于,步骤一实时采集肌电信号时,在人体一只脚脚跟安装一个压力传感器作为开关信号,检测传感器两次相同方向脉冲信号做为一个步态周期的开始和结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611260158.8A CN106730604B (zh) | 2016-12-30 | 2016-12-30 | 一种基于cpg模型的人体锻炼跑步机自适应主动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611260158.8A CN106730604B (zh) | 2016-12-30 | 2016-12-30 | 一种基于cpg模型的人体锻炼跑步机自适应主动控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106730604A CN106730604A (zh) | 2017-05-31 |
CN106730604B true CN106730604B (zh) | 2019-03-01 |
Family
ID=58954755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611260158.8A Active CN106730604B (zh) | 2016-12-30 | 2016-12-30 | 一种基于cpg模型的人体锻炼跑步机自适应主动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106730604B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111386143B (zh) * | 2017-11-28 | 2021-11-09 | 韦斯特伯格控股公司 | 利用刺激器的改进运动训练辅助 |
CN108404382A (zh) * | 2018-02-24 | 2018-08-17 | 上海康斐信息技术有限公司 | 一种自适应训练计划生成的算法及系统 |
CN110478885A (zh) * | 2019-08-23 | 2019-11-22 | 马鞍山市安工大智能装备技术研究院有限公司 | 基于肌电信号的跑步运动员辅助训练系统 |
CN111685772B (zh) * | 2020-05-29 | 2021-07-09 | 清华大学 | 外骨骼机器人测量系统、行走步态建模分析方法和设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012516717A (ja) * | 2009-01-30 | 2012-07-26 | マサチューセッツ インスティテュート オブ テクノロジー | 作動筋−拮抗筋作用を有する動力付き人工膝 |
US9367139B2 (en) * | 2013-12-12 | 2016-06-14 | Thalmic Labs Inc. | Systems, articles, and methods for gesture identification in wearable electromyography devices |
CN105169619A (zh) * | 2015-07-16 | 2015-12-23 | 于希萌 | 一种步态调整式跑步训练装置 |
CN106156524B (zh) * | 2016-07-29 | 2018-08-28 | 东北大学 | 一种智能下肢助力装置的在线步态规划方法 |
CN106110587B (zh) * | 2016-08-11 | 2019-12-13 | 上海交通大学 | 基于人机合作的下肢外骨骼康复系统及方法 |
-
2016
- 2016-12-30 CN CN201611260158.8A patent/CN106730604B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106730604A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106730604B (zh) | 一种基于cpg模型的人体锻炼跑步机自适应主动控制方法 | |
CN106067178B (zh) | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 | |
Ivanenko et al. | Temporal components of the motor patterns expressed by the human spinal cord reflect foot kinematics | |
CN109091818B (zh) | 基于导纳控制的绳牵引上肢康复机器人的训练方法及系统 | |
Wong et al. | Is natural variability in gait sufficient to initiate spontaneous energy optimization in human walking? | |
CN113576463B (zh) | 肌电信号驱动的膝关节肌骨模型接触力估计方法及系统 | |
CN110339024A (zh) | 下肢外骨骼机器人及其实时步态切换方法及存储装置 | |
Piórek et al. | Quaternions and joint angles in an analysis of local stability of gait for different variants of walking speed and treadmill slope | |
CN106422172B (zh) | 基于肌电的下肢康复训练系统跑步机速度自适应控制方法 | |
CN109657651A (zh) | 一种基于肌电信号的下肢膝关节连续运动估计方法 | |
Li et al. | Gait recognition based on EMG with different individuals and sample sizes | |
CN116502066A (zh) | 一种基于bp神经网络的外骨骼摆动周期预测系统及方法 | |
Zhang et al. | Enhancing gait assistance control robustness of a hip exosuit by means of machine learning | |
Engel et al. | Intra-cyclic analysis of the front crawl swimming technique with an inertial measurement unit | |
CN110910984A (zh) | 一种体育运动员状态调整信息处理系统及方法 | |
Sinnet et al. | A human-inspired framework for bipedal robotic walking design | |
Lian et al. | A three-step hill neuromusculoskeletal model parameter identification method based on exoskeleton robot | |
Peng et al. | A practical EMG-driven musculoskeletal model for dynamic torque estimation of knee joint | |
Nataraj et al. | Trunk acceleration for neuroprosthetic control of standing: A pilot study | |
Guo et al. | A new 4M model-based human-machine interface for lower extremity exoskeleton robot | |
Wang et al. | Development of an automated assistive trainer inspired by neuro-developmental treatment | |
Huang et al. | A pervasive simplified method for human movement pattern assessing | |
Yang et al. | Phase oscillator optimization eliminates jittering during transition gaits in multimodal locomotion assisted by a portable hip exoskeleton | |
Miyake et al. | Gait training robot with intermittent force application based on prediction of minimum toe clearance | |
Gala et al. | [Retracted] Characteristic Analysis of Tai Ji Chuan Standard Action Based on and Perceptual IoT Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |