运动损伤是竞技体育发展的一个重要问题。竞技体育水平的持续改进在我的国家,人们的认识运动损伤也增加,和研究运动损伤也增加。竞技体育是最广泛的价值在我的国家的体育产业和体育伤害也是一个问题要解决,阻碍了我国竞技体育的发展。gydF4y2Ba

体育运动是一项集体运动,使用技术,如跑步,跳跃,投篮,和身体对抗。体育是点缀着各种复杂多变的技术和战术和激烈的身体对抗,体育运动是非常变量和愉快的。由于体育赛事的许多特征,运动损伤是频繁。在国外的研究中,有些学者认为,运动不是一个高风险运动在某种意义上。然而,即使在规则的限制,合理的身体接触和行动超出了人体的正常能力仍在训练过程中发生。特别是,随着对抗的强度增加,越来越多的伤害身体接触的概率也会增加(gydF4y2Ba 1gydF4y2Ba]。现代体育的发展正逐步向更高的强度、发展更快的频率,和高空对抗更加激烈gydF4y2Ba 2gydF4y2Ba]。而体育迅速吸引公众的注意,这也大大增加了体育运动损伤的发生率。此外,现代体育要求相对较高的体质,和正确的功能性运动将为运动员提供支持优秀的身体素质和提高运动性能。体育对抗,运动员往往无法控制正确的动作,导致运动损伤。gydF4y2Ba

步态分析技术和设备的应用来解决临床问题领域的骨科和体育康复发展迅速。病人手术后不能立即恢复健康状态的下肢,它还需要术后科学观察和运动训练。同时,医生还可以及时修改和完善体育康复治疗计划根据病人的术后康复gydF4y2Ba 3gydF4y2Ba]。gydF4y2Ba

本文的贡献如下:(1)结合物联网技术和人类的步态分析算法提出一种新的运动员康复评价系统;(2)提高人体步态分析算法基于运动特征,并提出人类步态分析算法,可以应用于多个体育运动员的人体建模和运动过程;(3)优化纯身高和体重之间的映射关系,建立一步基于多个相同类型的曲线和不同的高度,然后楼梯的高度可以直接影响步态风格和避免曲线比例的不平衡。gydF4y2Ba

为了精确测量步态参数,步态分析设备,客观评估治疗的效果也出现了。因此,结合物联网的健康技术和人类的步态分析算法可以有效地提高运动员的康复评价效果,促进有效的康复计划的制定,并改善康复的康复效果的运动员和受伤后的恢复运动能力。gydF4y2Ba

目前,关于人类步态的研究主要使用运动图像和足底压力数据分析。人类步态的运动学数据分析主要使用高速摄像机捕获运动图像。关键点的坐标是用于获得关键数据如关键部件的速度、重心高度的变化,和角度变化的主要联合点。文献[gydF4y2Ba 4gydF4y2Ba)总结了加速度计测量系统使用基于不同测量任务和用三轴加速度计测量人体移动。文献[gydF4y2Ba 5gydF4y2Ba评估和验证的有效性集成加速度计测量动态加速度的测角仪的测量结果进行了比较,并集成加速度计。人类为了获得更多的运动学数据,结合陀螺仪等传感器,磁阻传感器和加速度计也可以用于测量和研究人类的步态。角的变化等关键零部件的踝关节和膝关节可以通过安装脚,小腿,大腿,和其他部分。此外,灵活的测角仪、ETS和传感面料也可以用作人类可穿戴传感器步态分析。使用灵活的测角仪测量关节角被用于临床研究(gydF4y2Ba 6gydF4y2Ba]。ETS的准确性收购目标的位置和姿态数据相似的图像分析gydF4y2Ba 7gydF4y2Ba),但缺点是容易受到电磁干扰从金属物体在测量范围内。是一种理想的便携式传感器、智能传感面料已经被研究人员使用进行步态研究用袜子与传感器(gydF4y2Ba 8gydF4y2Ba]。从未来发展趋势的角度,便携式移动传感器将成为未来的主要发展方向运动数据采集。然而,目前的便携式运动传感器所面临的主要问题是计算的初始值和错误的积累。因此,目前,科学家们正在完成未来步态测试和分析任务通过开发新的传感器和测试方法。动力学的主要测量数据是人与地面之间的力。当人体是做行动如散步,跑步,跳跃,它将产生压在地上。与此同时,它还将收到一个从地上力大小相等、方向相反的反作用力。这个力是足底压力。健康成人的底力主要集中在第二和第三跖骨和高跟鞋gydF4y2Ba 9gydF4y2Ba]。足底压力的分布特征已经成为医疗诊断的重要基地之一和技术动作的诊断。gydF4y2Ba

本文主要研究应用物联网的健康运动员的康复。一些专家和学者已经做过类似的研究。文献[gydF4y2Ba 10gydF4y2Ba)提出了一个3 d人类联合行动和步态识别方法。本研究使用一个标记的姿势恢复方法提取运动特征和结构特征。两种类型的特征提取是人类用于自动提取三维联合行动和步态识别的信息。文献[gydF4y2Ba 11gydF4y2Ba提出了一种三维步态识别方法。这项工作从视频序列重建三维人体模型由多个摄像头来生成两个特征集。这两个特性包括静态特性集的长度的关键段和动态特性集识别下肢的运动轨迹。此外,该方法结合了静态和动态特性集来实现识别精度为70%,可以较好地解决和表面变化的影响。为了确保三维运动跟踪的准确性,文献[gydF4y2Ba 12gydF4y2Ba)提出了一个3 d无名运动跟踪算法获取人体步态识别运动数据。算法使用了一个概略介绍动作捕捉系统生成地面实况数据来评估无名运动跟踪系统。同时,该方法选择三个分类:朴素贝叶斯、多层感知器,和支持向量机进行识别和辨认。与其他两个分类器相比,支持向量机分类器达到93.5%的精度。为了提供丰富的三维步态数据,文献[gydF4y2Ba 13gydF4y2Ba)使用第二代KinectV2工具来创建一个3 d skeleton-based步态数据库。关节的数据集包含3 d信息和相应的二维轮廓图像,和静态和动态特性可以从模型中提取步态识别。此外,在不同视角的变化,数据库的分类率可以达到90%以上。文献[gydF4y2Ba 14gydF4y2Ba)提出了一种新的基于融合步态识别方法的动态和静态特性。这种方法选择步态能量图的静态特性,步幅,一步融合频率动态特性和执行功能。同时,文献提出了一种核主成分分析方法结合局部保留投影减少步态特征尺寸(KPCA-LPP)。gydF4y2Ba

文献[gydF4y2Ba 15gydF4y2Ba)提出了一个步态识别方法,计算标准化观点行人身体部位的轨迹。该方法首先计算行走视图在步态周期的一半,然后单应性变换适用于近似变换行走视图到平行视图,最后应用单应性头和脚的轨迹在步态周期的一半。文献[gydF4y2Ba 16gydF4y2Ba)增强人体轮廓用来去除工件和获得主体的宽度和高度,自动检测身体关节,决定关节角轨迹,并决定行走的胯部高度和步长对象。此外,它获取步态特征相同的视角通过透视变换。实验结果表明,该方法的正确分类率在90%以上。文献[gydF4y2Ba 17gydF4y2Ba)使用自检校进行步态识别的方法。该方法不需要知道内部或外部相机参数和不再吸引承认人的注意。实验结果表明,使用纯动态步态特征在所有视图可以实现分类率为73.6%。gydF4y2Ba

文献[gydF4y2Ba 18gydF4y2Ba)提出了一个步态识别方法使用频域特性和视图转换模型(VTM)。这种方法主要使用的傅里叶分析步态周期提取的频域特性的时空轮廓体积行人和构建VTM。VTM用于步态特征转换成相同的角度和执行相似度测量。文献[gydF4y2Ba 19gydF4y2Ba)提出了基于优化VTM步态能量(基)。该方法首先构造空间域基从完整的步行时间,然后由线性判别分析,优化构造基最后创建VTM运用截断奇异值分解的优化的基。文献[gydF4y2Ba 20.gydF4y2Ba)开发了一个高斯过程分类框架,估计每个检测到的步态序列的角度,运用典型相关分析来模拟步态序列的相关性从不同的观点,并使用相关强度作为相似性度量。这种方法更健壮的噪音。文献[gydF4y2Ba 21gydF4y2Ba)提出了一个基于view-invariant判别投影的步态识别方法,主要使用迭代学习来找到最好的单一线性投影改善歧视多视图步态特征的能力。此外,因为它依赖于视图投影不变性来判断,它可以直接匹配的多视图步态特征不了解或评估视角信息。文献[gydF4y2Ba 22gydF4y2Ba)提出了一个判别投影列表限制(DPLC)来处理视图方差cross-view步态识别和自动捕获主要区别的信息通过引入修正条款。与此同时,一个简单而有效的步态表示基于步态能量图像介绍。也就是说,它使用步态的人格形象(GII)更好地捕捉cross-gait歧视信息识别。gydF4y2Ba

不仅上述相关研究分析了现有的体育康复和面临的问题管理在我国的理论水平,还提供了许多实用和有效的措施,实现有序发展残疾人康复的具体实践和未来的发展道路。因此,本文研究了传统康复评估方法,提出了一种新的运动员康复评价体系结合物联网技术和人类的步态分析算法。结合体育特点,增强人体步态分析算法,通过运动员的身体建模和运动过程中,人体步态分析算法,提出了可以应用于多个体育,和步态参数分析和算法的可靠性进行了仿真分析。gydF4y2Ba

作为物联网的健康的基本算法通过步态识别,动态原始算法的核心思想是更新有关强迫项的权重参数通过当地的加权算法和调整步态曲线通过目标点的通过改变目标点吸引物联网健康系统。在特定的使用,作为教学目标曲线曲线。通过学习目标曲线,它是调制根据目标点,生成的曲线可以保留自己的特点。本文使用纯学习运动员的曲线运动康复,然后曲线动态调制实现不同程度的康复目标点。DMP算法来源于弹簧阻尼模型,这是一个二阶动态物联网健康系统。当一个外力,它能产生更复杂的轨迹。弹簧阻尼项可以表示为(gydF4y2Ba 23gydF4y2Ba]gydF4y2Ba (1)gydF4y2Ba ygydF4y2Ba ”gydF4y2Ba =gydF4y2Ba αgydF4y2Ba ygydF4y2Ba βgydF4y2Ba ygydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba −gydF4y2Ba ygydF4y2Ba ′gydF4y2Ba 。gydF4y2Ba

其中,gydF4y2Ba αgydF4y2Ba ygydF4y2Ba 获得任期的物联网的健康系统,gydF4y2Ba βgydF4y2Ba ygydF4y2Ba 是一个常数项,gydF4y2Ba ggydF4y2Ba 目标点集,gydF4y2Ba ygydF4y2Ba是当前物联网的健康系统状态,gydF4y2Ba ygydF4y2Ba ′gydF4y2Ba 是物联网的健康系统的速度,然后呢gydF4y2Ba ygydF4y2Ba ”gydF4y2Ba 是物联网的健康系统的加速度。如果没有外力,弹簧阻尼项总是收敛到目标gydF4y2Ba ggydF4y2Ba 就像春天总是收敛于0的位置。DMP引入了一个强制的术语gydF4y2Ba fgydF4y2Ba弹簧阻尼项的基础上。通过强迫项的作用,健康的网络系统可以产生更复杂的行为。这类似于应用力的基础上弹簧阻尼项,这将导致弹簧产生一个更复杂的运动。DMP此时可以表示为(gydF4y2Ba 24gydF4y2Ba]gydF4y2Ba (2)gydF4y2Ba ygydF4y2Ba ”gydF4y2Ba =gydF4y2Ba αgydF4y2Ba ygydF4y2Ba βgydF4y2Ba ygydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba −gydF4y2Ba ygydF4y2Ba ′gydF4y2Ba +gydF4y2Ba fgydF4y2Ba 。gydF4y2Ba

上面的一阶形式的公式gydF4y2Ba (3)gydF4y2Ba zgydF4y2Ba ′gydF4y2Ba =gydF4y2Ba αgydF4y2Ba ygydF4y2Ba βgydF4y2Ba ygydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba −gydF4y2Ba zgydF4y2Ba +gydF4y2Ba fgydF4y2Ba ,gydF4y2Ba τgydF4y2Ba ygydF4y2Ba ′gydF4y2Ba =gydF4y2Ba zgydF4y2Ba 。gydF4y2Ba

在上面的公式中,gydF4y2Ba τgydF4y2Ba 是时间常数。gydF4y2Ba αgydF4y2Ba ygydF4y2Ba 和gydF4y2Ba βgydF4y2Ba ygydF4y2Ba 常数项。如果gydF4y2Ba fgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba 物联网的健康系统是一个稳定的二阶物联网的健康系统,它类似于一个没有外力的弹簧阻尼器。此外,gydF4y2Ba zgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba ggydF4y2Ba 是唯一点吸引子网络卫生系统的事情。时的值gydF4y2Ba αgydF4y2Ba ygydF4y2Ba 和gydF4y2Ba βgydF4y2Ba ygydF4y2Ba 是gydF4y2Ba (4)gydF4y2Ba αgydF4y2Ba ygydF4y2Ba =gydF4y2Ba βgydF4y2Ba ygydF4y2Ba ∗gydF4y2Ba 4gydF4y2Ba ,gydF4y2Ba 整个物联网的健康系统将显示一个临界阻尼状态。gydF4y2Ba ygydF4y2Ba是物联网的健康系统的输出。为了有一个更好的学习曲线在DMP,有必要控制更加复杂gydF4y2Ba fgydF4y2Ba,其复杂的行为来自虚拟力的控制。为了实现更复杂的力控制,虚拟力表达为非线性径向基函数的加权组合DMP。当然,也可以使用一个线性函数表示。gydF4y2Ba fgydF4y2Ba被定义为gydF4y2Ba (5)gydF4y2Ba fgydF4y2Ba tgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba ωgydF4y2Ba 我gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba 。gydF4y2Ba

其中,gydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba 是一个固定的基函数,gydF4y2Ba ωgydF4y2Ba 我gydF4y2Ba 是一个可调节体重。gydF4y2Ba 我gydF4y2Ba权重的顺序,上述公式实现非线性强迫项的表达式。其中,gydF4y2Ba (6)gydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 经验值gydF4y2Ba −gydF4y2Ba hgydF4y2Ba 我gydF4y2Ba xgydF4y2Ba −gydF4y2Ba cgydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba 是一个高斯核函数gydF4y2Ba cgydF4y2Ba 我gydF4y2Ba 为中心,gydF4y2Ba hgydF4y2Ba 我gydF4y2Ba 的方差。它可以被理解为加权和多个虚拟正常化的结果与高斯函数。此外,它也相当于对这种行为进行高斯编码(gydF4y2Ba 25gydF4y2Ba]。由于物联网的健康系统之间的依赖关系,不允许直接与其他动态物联网健康系统和不能分离,这将导致物联网健康系统是灵活多变的。因此,提出了一种新的方法来取代术语与一个一阶线性跟踪方法作为标准物联网的健康系统,如以下公式所示:gydF4y2Ba (7)gydF4y2Ba xgydF4y2Ba ′gydF4y2Ba =gydF4y2Ba −gydF4y2Ba αgydF4y2Ba xgydF4y2Ba xgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba αgydF4y2Ba xgydF4y2Ba 是一个常数项。在一开始,一个初始状态gydF4y2Ba xgydF4y2Ba 0gydF4y2Ba 任意选择的,是如gydF4y2Ba xgydF4y2Ba 0gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 。gydF4y2Ba xgydF4y2Ba可以作为一个阶段变量,理解为一次项,用来控制执行。但是,与项目的时候,每一个物联网的健康系统是独立的。当gydF4y2Ba xgydF4y2Ba单调收敛为0,这意味着目标gydF4y2Ba ggydF4y2Ba 已经达到了。在这个时候,gydF4y2Ba xgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba 是一个稳定的物联网的健康系统。使用标准的物联网的健康系统如下,我们定义gydF4y2Ba xgydF4y2Ba 0gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 。当gydF4y2Ba xgydF4y2Ba衰变为0,物联网的健康系统趋于稳定。如图gydF4y2Ba 1gydF4y2Ba的值是垂直轴gydF4y2Ba xgydF4y2Ba,横轴是时间gydF4y2Ba 26gydF4y2Ba]。gydF4y2Ba

标准的项目被确定后,他们需要引入DMP和定义的时间点吸引物联网健康系统。后,标准的物联网的健康卫生系统引入二阶网络系统:gydF4y2Ba (8)gydF4y2Ba fgydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ggydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba ωgydF4y2Ba 我gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba xgydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba 0gydF4y2Ba 。gydF4y2Ba

其中,gydF4y2Ba ygydF4y2Ba 0gydF4y2Ba 代表的初始位置gydF4y2Ba ygydF4y2Ba,gydF4y2Ba ggydF4y2Ba 目标点,调制的gydF4y2Ba xgydF4y2Ba意味着强迫项将在到达目标的时候消失gydF4y2Ba ggydF4y2Ba ,确保物联网的健康系统的稳定性。它可以发现gydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba 与时间无关,和具体控制有关吗gydF4y2Ba xgydF4y2Ba;也就是说,gydF4y2Ba xgydF4y2Ba控制高斯核函数的输出。的调制gydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba 0gydF4y2Ba 影响模型的振幅和空间扩展特征。一般来说,gydF4y2Ba ggydF4y2Ba 和gydF4y2Ba ygydF4y2Ba 0gydF4y2Ba 是不平等的。如果它们相等,DMP将失败。具体的原因是gydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba 0gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba 将导致上述公式的总体结果是0,这意味着不能控制物联网健康系统(这个时候gydF4y2Ba 27gydF4y2Ba]。gydF4y2Ba

总体框图如图gydF4y2Ba 2gydF4y2Ba标准物联网的健康系统,包括控制开始和结束,非线性函数拟合的行为控制物联网的健康系统,转换输出物联网健康系统物联网健康系统加速度,和物联网的健康系统的耦合项扩张(gydF4y2Ba 28gydF4y2Ba]。gydF4y2Ba

从上面的分析,可以看出DMP目标点的动态调制gydF4y2Ba ggydF4y2Ba ,虚拟力的控制是影响高斯核函数和它的重量。这是很方便的步态代下肢外骨骼康复锻炼。因为体育康复的过程需要使用目标点控制曲线的风格和振幅,重量会影响曲线的风格。gydF4y2Ba

为了获得DMP的重量,有必要引入高斯核函数的来源(gydF4y2Ba 29日gydF4y2Ba]:gydF4y2Ba (9)gydF4y2Ba hgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba BFsgydF4y2Ba cgydF4y2Ba 我gydF4y2Ba xgydF4y2Ba ˙gydF4y2Ba 。gydF4y2Ba

BFsgydF4y2Ba 是高斯内核人为设置的数量根据所需的精度。gydF4y2Ba cgydF4y2Ba 我gydF4y2Ba 是高斯核的中心位置在0 - 1根据高斯核的数量平均分配。通过这种方式,可以获得一个完整的高斯核函数。为了获得合适的重量强迫项gydF4y2Ba fgydF4y2Ba在DMP,虚拟力需要计算。虚拟力计算:gydF4y2Ba (10)gydF4y2Ba fgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ”gydF4y2Ba −gydF4y2Ba αgydF4y2Ba ygydF4y2Ba βgydF4y2Ba ygydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba −gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ′gydF4y2Ba 。gydF4y2Ba

加速度和速度在上面的公式中得到不同的曲线。在获得gydF4y2Ba fgydF4y2Ba 我gydF4y2Ba 重量是通过局部加权回归。重量表达式对应每个高斯核函数解决局部加权回归算法如下:gydF4y2Ba (11)gydF4y2Ba ωgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 年代gydF4y2Ba TgydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba fgydF4y2Ba 我gydF4y2Ba 年代gydF4y2Ba TgydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba 年代gydF4y2Ba 。gydF4y2Ba

在上面的公式(gydF4y2Ba 30.gydF4y2Ba),gydF4y2Ba (12)gydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba xgydF4y2Ba tgydF4y2Ba 0gydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba 0gydF4y2Ba ⋮gydF4y2Ba xgydF4y2Ba tgydF4y2Ba NgydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba 0gydF4y2Ba ⋯gydF4y2Ba 0gydF4y2Ba 0gydF4y2Ba ⋱gydF4y2Ba 0gydF4y2Ba 0gydF4y2Ba ⋯gydF4y2Ba ψgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba NgydF4y2Ba 。gydF4y2Ba

通过上面的算法研究,该算法可以组合的研究在以下论文的一部分,和算法可以作为构建康复的基本算法模型来调整运动员的运动特征,以促进体育康复的及时诊断。gydF4y2Ba

当使用纯数字规划步态,至少需要一个连续运动步态曲线作为参考输入。纯计算的重量,重量被替换,和目标设置为获得加速度,然后可以集成获得加速度输出调制曲线。gydF4y2Ba

以下是现场的下肢外骨骼康复锻炼。如果假定现场外骨骼运动是有限的gydF4y2Ba XgydF4y2Ba和gydF4y2Ba ZgydF4y2Ba飞机,然后在这个场景步态曲线将一个二维曲线。DMP框架下对多维曲线,应用程序通常是分解成一维曲线。gydF4y2Ba

对于多维物联网的健康系统,多维网络健康系统通常视为一维的东西。使用DMP为多重空间的方法是由纯数字表示。的影响许多不同的高斯核函数的规划曲线纯是下面要讨论的。所选的参考曲线的曲线是第一步。从图可以看出gydF4y2Ba 3gydF4y2Ba内核函数数量的增加,曲线的准确性纯计划变得更高。如图gydF4y2Ba 4gydF4y2Ba,横轴代表踝关节的位置在水平方向上从原点,,纵轴代表的距离原点的踝关节gydF4y2Ba ZgydF4y2Ba设在方向。gydF4y2Ba

操作速度的实际物联网健康系统需要考虑操作时间嵌入式物联网的健康系统的需要相比,互联网和适当的卫生系统参数选择的东西。硬件平台是BeagleBone黑色AM3358 CortexA8,健康的网络系统平台是嵌入式Ubuntu,和操作速度是1 GHz。纯的运行时间比较不同数量的内核函数如表所示gydF4y2Ba 1gydF4y2Ba(gydF4y2Ba 31日gydF4y2Ba]:gydF4y2Ba

它可以从表gydF4y2Ba 1gydF4y2Ba高斯内核数量的增加,物联网的健康系统的运行时间将会增加。因此,适当的高斯核函数时需要考虑实际的嵌入式物联网健康系统正在运行。gydF4y2Ba

下面讨论的DMP计划会,高斯核函数的数量设置为50,和权重的数量是50。由于尺寸是2,权重的总数是100。目标曲线的终点gydF4y2Ba 0.3gydF4y2Ba ,gydF4y2Ba 0.1gydF4y2Ba 。应该注意的是,核越多,拟合精度越高。然而,计算速度会降低。目标曲线的终点gydF4y2Ba ngydF4y2Ba。应该注意的是,核越多,拟合精度越高。然而,计算速度会降低。第一步是选择作为目标曲线,和DMP拟合后曲线如图gydF4y2Ba 4gydF4y2Ba。水平轴代表了踝关节的位置在水平方向上从原点,,纵轴代表的距离原点的踝关节gydF4y2Ba ZgydF4y2Ba方向。gydF4y2Ba

上图显示,纯原始曲线可以学习很好。通过设置多个目标,执行动态调制gydF4y2Ba hgydF4y2Ba =gydF4y2Ba 0.1gydF4y2Ba 米gydF4y2Ba 是原来的曲线。目标位置gydF4y2Ba 0.34gydF4y2Ba ,gydF4y2Ba 0.19gydF4y2Ba ,gydF4y2Ba 0.27gydF4y2Ba ,gydF4y2Ba 0.15gydF4y2Ba ,gydF4y2Ba 0.3gydF4y2Ba ,gydF4y2Ba 0.12gydF4y2Ba 分别是集。DMP调制后的曲线如图gydF4y2Ba 5gydF4y2Ba。水平轴代表了踝关节的位置在水平方向上从原点,,纵轴代表的距离原点的踝关节gydF4y2Ba ZgydF4y2Ba方向。gydF4y2Ba

从图可以看出gydF4y2Ba 5gydF4y2Ba可以看出,DMP方法可以执行的动态调制根据目标点的变换,但不能调整曲线模式根据目标点。因此,它也可以解释说,多尺度步态可以调制通过设置距离和高度的步骤。gydF4y2Ba

在同样的场景中,我们收集正常上下人的步态数据在不同尺度或人为使用一些工具来生成曲线。我们的数据集gydF4y2Ba hgydF4y2Ba dgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba dgydF4y2Ba ,gydF4y2Ba dgydF4y2Ba代表不同高度的曲线,曲线的相应的高度gydF4y2Ba hgydF4y2Ba。其中,gydF4y2Ba 我gydF4y2Ba是gydF4y2Ba 我gydF4y2Bath点gydF4y2Ba dgydF4y2Bath曲线。对应的虚拟力在相应的纯由下列公式计算:gydF4y2Ba (13)gydF4y2Ba fgydF4y2Ba 我gydF4y2Ba dgydF4y2Ba =gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ”gydF4y2Ba dgydF4y2Ba −gydF4y2Ba αgydF4y2Ba ygydF4y2Ba βgydF4y2Ba ygydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba dgydF4y2Ba −gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ′gydF4y2Ba dgydF4y2Ba 。gydF4y2Ba

上面的曲线公式是通过收集。通过设置时间或收购gydF4y2Ba tgydF4y2Ba作为标准,细分化点收集的曲线获得的速度,和二阶的区别是用来获取相应的加速度。gydF4y2Ba αgydF4y2Ba ygydF4y2Ba 和gydF4y2Ba βgydF4y2Ba ygydF4y2Ba 在纯常数项的参数。之后,计算所需的力量强迫项在纯数字,需要使用局部加权回归方法来获得相应的重量。具体的方法是一样的,基本的纯数字。在本文中,使用最小二乘法建立映射步骤身高和体重之间的关系。最小二乘法有能力很快适应曲线,特别是矩阵形式可以方便而快速地计算,也为应用程序提供了一个良好的基础在下肢外骨骼控制器和减少了对能力的需求。gydF4y2Ba

最小二乘法的基本原理是建立功能相关的变量和相应的值之间的关系。例如,如果收集到的点集gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 0、1、2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba ngydF4y2Ba 功能之间的关系gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba 和gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba 需要建立。在正常情况下,这种功能是不可能获得直接的关系。在这个时候,有必要采用一种近似方法建立函数关系。可以扩展到一般的功能gydF4y2Ba ngydF4y2Ba阶多项式,因此作为一个高阶多项式拟合函数被选中,以及定义的函数关系如下:gydF4y2Ba (14)gydF4y2Ba ggydF4y2Ba xgydF4y2Ba =gydF4y2Ba 一个gydF4y2Ba 0gydF4y2Ba +gydF4y2Ba 一个gydF4y2Ba 1gydF4y2Ba xgydF4y2Ba +gydF4y2Ba ⋯gydF4y2Ba +gydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba −gydF4y2Ba 1gydF4y2Ba xgydF4y2Ba ngydF4y2Ba −gydF4y2Ba 1gydF4y2Ba 。gydF4y2Ba

在上面的公式中,gydF4y2Ba 一个gydF4y2Ba是一个特定参数,gydF4y2Ba xgydF4y2Ba是一个变量。这个问题在这个时候变成的问题如何获得高阶多项式的参数。我们可以定义一个损失函数,得到整条曲线的最小参数和目标曲线通过求解损失函数的最小值作为理想参数实现拟合的目的。损失函数被定义为gydF4y2Ba (15)gydF4y2Ba JgydF4y2Ba 一个gydF4y2Ba =gydF4y2Ba 最小值gydF4y2Ba ∑gydF4y2Ba ggydF4y2Ba xgydF4y2Ba 我gydF4y2Ba −gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba 。gydF4y2Ba

通过优化总体均方误差最小化,可以获得最优参数。除了迭代法,还有一个矩阵的方法来解决最优参数。上述公式是改写为矩阵形式:gydF4y2Ba (16)gydF4y2Ba ggydF4y2Ba xgydF4y2Ba =gydF4y2Ba 一个gydF4y2Ba XgydF4y2Ba ,gydF4y2Ba 一个gydF4y2Ba =gydF4y2Ba 一个gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba 一个gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba −gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba XgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba ngydF4y2Ba −gydF4y2Ba 1gydF4y2Ba 。gydF4y2Ba

其中,gydF4y2Ba XgydF4y2Ba是一个矩阵变量组成的,gydF4y2Ba 一个gydF4y2Ba是一个参数矩阵。损失函数gydF4y2Ba (17)gydF4y2Ba JgydF4y2Ba 一个gydF4y2Ba =gydF4y2Ba 最小值gydF4y2Ba 1gydF4y2Ba 2gydF4y2Ba 一个gydF4y2Ba XgydF4y2Ba −gydF4y2Ba GgydF4y2Ba TgydF4y2Ba 一个gydF4y2Ba XgydF4y2Ba −gydF4y2Ba GgydF4y2Ba 。gydF4y2Ba

其中,gydF4y2Ba YgydF4y2Ba值矩阵对应吗gydF4y2Ba XgydF4y2Ba。当派生参数的推导上述损失函数,为了最小化整体价值,极端的观点gydF4y2Ba JgydF4y2Ba 一个gydF4y2Ba 需要选择,损失函数的一阶导数等于0。通过变换,可以得到以下结果:gydF4y2Ba (18)gydF4y2Ba 一个gydF4y2Ba =gydF4y2Ba XgydF4y2Ba TgydF4y2Ba XgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba XgydF4y2Ba TgydF4y2Ba GgydF4y2Ba 。gydF4y2Ba

当最小二乘方法适合纯的重量,gydF4y2Ba hgydF4y2Ba dgydF4y2Ba 的高度吗gydF4y2Ba dgydF4y2Bath曲线。首先,我们给出了曲线gydF4y2Ba hgydF4y2Ba dgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba dgydF4y2Ba ,计算虚拟力gydF4y2Ba fgydF4y2Ba 我gydF4y2Ba dgydF4y2Ba 单独的曲线,并计算虚拟力权重矩阵gydF4y2Ba wgydF4y2Ba BFsgydF4y2Ba dgydF4y2Ba 单独的曲线。其中,gydF4y2Ba dgydF4y2Ba是gydF4y2Ba dgydF4y2Bath曲线,BFs是内核函数的数量。在这个时候,gydF4y2Ba hgydF4y2Ba dgydF4y2Ba ,gydF4y2Ba wgydF4y2Ba BFsgydF4y2Ba dgydF4y2Ba 如下:gydF4y2Ba (19)gydF4y2Ba hgydF4y2Ba 1gydF4y2Ba ⟶gydF4y2Ba wgydF4y2Ba 0gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba wgydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba wgydF4y2Ba BFsgydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba hgydF4y2Ba 2gydF4y2Ba ⟶gydF4y2Ba wgydF4y2Ba 0gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba wgydF4y2Ba 1gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba wgydF4y2Ba BFsgydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba ⋮gydF4y2Ba hgydF4y2Ba dgydF4y2Ba ⟶gydF4y2Ba wgydF4y2Ba 0gydF4y2Ba dgydF4y2Ba ,gydF4y2Ba wgydF4y2Ba 1gydF4y2Ba dgydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba wgydF4y2Ba BFsgydF4y2Ba dgydF4y2Ba 。gydF4y2Ba

体重和身高之间的关系建立的最小二乘法下列公式所示:gydF4y2Ba (20)gydF4y2Ba wgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba hgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1、2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba BFsgydF4y2Ba 。gydF4y2Ba

如果假设拟合函数的顺序gydF4y2Ba 米gydF4y2Ba,然后有gydF4y2Ba 米gydF4y2Ba参数。如果每个重量对应gydF4y2Ba 米gydF4y2Ba拟合参数,然后有一个拟合参数gydF4y2Ba 米gydF4y2Ba ∗gydF4y2Ba BFsgydF4y2Ba 大小,即gydF4y2Ba 一个gydF4y2Ba 米gydF4y2Ba ∗gydF4y2Ba BFsgydF4y2Ba 。之后,利用获得的最后的关系gydF4y2Ba ggydF4y2Ba hgydF4y2Ba 之间的拟合参数和高度的一步,一步的权重矩阵生成的高度可以通过上面的公式。用权重矩阵,得到纯的输出。纯的重量转换成一步的高度之间的关系,拟合函数的重量。这样,台阶的高度可以直接参与调整曲线风格,和直接的方法调整纯的重量通过步骤实现的高度。框图如图gydF4y2Ba 6gydF4y2Ba。gydF4y2Ba

之后,我们采用多个参考曲线和直接引入台阶的高度步态曲线的生成,进一步确保了曲线的合理性,并使用动态运动基元的方法具有良好的可伸缩性。它具有更好的环境适应性比条曲线调整的方法,可以避免产生不合理的机器人步态曲线在运动过程中,从而确保安全的下肢外骨骼行走。gydF4y2Ba

在具体使用,标准物联网健康系统需要减毒从1到0,这样整个物联网的健康系统终于可以收敛到目标。这种方法一般适用于离线任务。摘要DMP需要能够适应在线任务和动态调整物联网的健康系统的状态根据足部压力的变化。因此,需要做出一些改变DMP本身的规则。如图gydF4y2Ba 7gydF4y2Ba,横轴表示时间,纵轴表示控制时期的纯在纯标准物联网健康系统。通过这个,我们可以控制纯的步态时间;我们指定一个时间尺度gydF4y2Ba xgydF4y2Ba在此期间和控制运动。gydF4y2Ba

整体步进运动康复的过程类似于下肢外骨骼的步态运动过程。它可以大致分为以下过程:准备当站,迈出了第一步,然后到达步骤。如图gydF4y2Ba 8gydF4y2Ba,脚底上的黑点代表的中心压力的脚底心,和人体上的黑点是重心的位置的人。gydF4y2Ba

并非所有流程的下肢外骨骼步态需要足部压力的参与互动项目,但只有当前脚踏上台阶,重心转移的过程需要力相互作用,用于控制脚的运动中心的压力到所需的位置。然后,DMP和压力耦合的关系词可以定义如下:gydF4y2Ba (21)gydF4y2Ba ygydF4y2Ba ”gydF4y2Ba =gydF4y2Ba CgydF4y2Ba 1gydF4y2Ba αgydF4y2Ba ygydF4y2Ba βgydF4y2Ba ygydF4y2Ba ggydF4y2Ba −gydF4y2Ba ygydF4y2Ba −gydF4y2Ba ygydF4y2Ba ′gydF4y2Ba +gydF4y2Ba fgydF4y2Ba +gydF4y2Ba CgydF4y2Ba 2gydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba cgydF4y2Ba tgydF4y2Ba −gydF4y2Ba xgydF4y2Ba 年代gydF4y2Ba 。gydF4y2Ba

其中,gydF4y2Ba CgydF4y2Ba 1gydF4y2Ba 和gydF4y2Ba CgydF4y2Ba 2gydF4y2Ba 用来控制是否基本DMP物品和压力交互项目中发挥重要作用。原因是在实际锻炼下肢外骨骼康复,没有必要为这两个项目总是一起工作。在这里,一个压力检测单元将被引入,以控制两项,用于控制的作用更强。gydF4y2Ba xgydF4y2Ba cgydF4y2Ba 和gydF4y2Ba xgydF4y2Ba 年代gydF4y2Ba 分别是压力中心点的位置检测步进的腿和设定压力中心点的位置。摘要压力交互项只需要踩一步时有效,和唯一的压力被定义为gydF4y2Ba PgydF4y2Ba。的控制方法gydF4y2Ba CgydF4y2Ba 1gydF4y2Ba 和gydF4y2Ba CgydF4y2Ba 2gydF4y2Ba 压力检测过程中定义如下:gydF4y2Ba (22)gydF4y2Ba CgydF4y2Ba 1gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba CgydF4y2Ba 2gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba pgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba CgydF4y2Ba 1gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba CgydF4y2Ba 2gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba ,gydF4y2Ba pgydF4y2Ba >gydF4y2Ba 0。gydF4y2Ba

其中,gydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba cgydF4y2Ba tgydF4y2Ba −gydF4y2Ba xgydF4y2Ba 年代gydF4y2Ba 是一个互动项目加速级别,这是映射到DMP可以响应的加速度根据脚的压力中心的位置。一个压力点底脚gydF4y2Ba fgydF4y2Ba 我gydF4y2Ba 。有gydF4y2Ba ngydF4y2Ba压力点。如果每一个压力点的坐标gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ,那么相应的压力中心点的坐标gydF4y2Ba (23)gydF4y2Ba xgydF4y2Ba cgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba fgydF4y2Ba 我gydF4y2Ba ∗gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba fgydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba ygydF4y2Ba cgydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba fgydF4y2Ba 我gydF4y2Ba ∗gydF4y2Ba ygydF4y2Ba 我gydF4y2Ba ∑gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba ngydF4y2Ba fgydF4y2Ba 。gydF4y2Ba

其中,gydF4y2Ba xgydF4y2Ba cgydF4y2Ba 和gydF4y2Ba ygydF4y2Ba cgydF4y2Ba 计算压力中心。应该注意的是,在这里我们只需要选择的方向gydF4y2Ba xgydF4y2Ba设在,脚的方向运动。耦合的术语定义如下:gydF4y2Ba (24)gydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba cgydF4y2Ba tgydF4y2Ba −gydF4y2Ba xgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba KgydF4y2Ba xgydF4y2Ba cgydF4y2Ba tgydF4y2Ba −gydF4y2Ba xgydF4y2Ba 年代gydF4y2Ba +gydF4y2Ba DgydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba cgydF4y2Ba tgydF4y2Ba −gydF4y2Ba xgydF4y2Ba 年代gydF4y2Ba −gydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba cgydF4y2Ba tgydF4y2Ba −gydF4y2Ba 1gydF4y2Ba −gydF4y2Ba xgydF4y2Ba 年代gydF4y2Ba 。gydF4y2Ba

其中,gydF4y2Ba KgydF4y2Ba和gydF4y2Ba DgydF4y2Ba定义常量,用来控制目标的距离和加速度水平之间的转换DMP耦合项。基本原理类似于PD控制器。也就是说,它是用来控制本身达到一个理想的位置,可以保持,直到下一个指令的到来,它不需要被释放。第一项类似于PD控制器中的比例项实现基本的调整功能。这里的作用是完成从控制误差映射到加速度水平。第二项是类似于微分项的PD控制器。根据不断变化的趋势,一个基本的补偿项添加到加速达到目标。总体框图如图gydF4y2Ba 9gydF4y2Ba,包括标准物联网的健康系统,非线性函数拟合项,转换物联网的健康系统,和脚压力耦合项。gydF4y2Ba

在那之后,有必要验证不同的影响gydF4y2Ba KgydF4y2Ba和gydF4y2Ba DgydF4y2Ba参数对物联网的卫生系统。通过设置不同的gydF4y2Ba KgydF4y2Ba和修复gydF4y2Ba DgydF4y2Ba,物联网的健康系统的采样周期是0.1秒一次。在实际的物联网的健康系统,的影响gydF4y2Ba KgydF4y2Ba调整时间的唯一的压力就是验证。同样的,不同的gydF4y2Ba DgydF4y2Ba和固定gydF4y2Ba KgydF4y2Ba值设置为验证的影响不同gydF4y2Ba DgydF4y2Ba调整时间。效果如图gydF4y2Ba 10gydF4y2Ba,图gydF4y2Ba 10 ()gydF4y2Ba是gydF4y2Ba KgydF4y2Ba曲线,图gydF4y2Ba 10 (b)gydF4y2Ba是gydF4y2Ba DgydF4y2Ba曲线。水平轴代表不同gydF4y2Ba KgydF4y2Ba和gydF4y2Ba DgydF4y2Ba值。纵轴代表时间采样物联网健康系统调整到目标点底脚,目标点的位置在哪里设置为0.15。gydF4y2Ba

在图gydF4y2Ba 10gydF4y2Ba可以看到,它的价值gydF4y2Ba kgydF4y2Ba过程中起着重要作用的影响物联网的健康系统,可以大大提高调整时间。的调整gydF4y2Ba DgydF4y2Ba中起次要作用,其调整时间范围并不大,所以它主要起着辅助作用。gydF4y2Ba

本文验证算法是否可以调整所需的唯一位置压力根据期望的目标值。在本文中,通过设置不同的压力中心的位置的脚底心,物联网的健康系统执行步态运动过程和收集的中心位置唯一的压力。踏上压力中心位置是0.120米,0.130米,0.150米,0.170米,结果在物联网的健康系统执行如图gydF4y2Ba 11gydF4y2Ba。其中,希望点代表了预期值,横轴代表采样时间,,纵轴代表唯一的压力中心的位置跟:gydF4y2Ba

从图可以看出gydF4y2Ba 11gydF4y2BaDMP算法加上唯一的压力可以调整的中心位置曲线唯一压力根据所需的位置和控制所需的位置附近。gydF4y2Ba

以下是验证的脚踝曲线步态的影响。首先,本文做了基本原理验证实际下肢外骨骼系统物联网的健康。DMP高斯内核的数量设置为50,权重的数量是50,gydF4y2Ba KgydF4y2Ba3,gydF4y2Ba DgydF4y2Ba是0.01。在这篇文章中,gydF4y2Ba KgydF4y2Ba和gydF4y2Ba DgydF4y2Ba来自比例项在实际调试和PD控制器,这是相似系数的微分项来源,阶梯高度是0.12米。图gydF4y2Ba 12gydF4y2Ba显示了脚踝曲线生成的实际物联网健康系统。水平轴代表了踝关节的距离从原点gydF4y2Ba xgydF4y2Ba设在,纵轴代表踝关节运动的高度。gydF4y2Ba

在图gydF4y2Ba 12 (b)gydF4y2Ba,生成的基本轨迹显示了一个扩展的曲线gydF4y2Ba ZgydF4y2Ba方向的位置gydF4y2Ba xgydF4y2Ba设在接近0.28点,和踝关节曲线时踝关节的高度曲线gydF4y2Ba ZgydF4y2Ba方向是0.15米。然而,在图gydF4y2Ba 12(一个)gydF4y2Ba,没有转折点附近gydF4y2Ba 0.28gydF4y2Ba ,gydF4y2Ba 0.15gydF4y2Ba 继续向下,表明曲线计划开始时需要执行在目标点附近,小于0.15米。在图gydF4y2Ba 12 (b)gydF4y2Ba,有一个转折点在0.15米的高度。耦合脚压力交互项后,当脚步骤一步,将触摸一步,产生压力,然后它将积极改变重心的位置间接地通过调整步态。的调制的原因gydF4y2Ba ZgydF4y2Ba方向是,这种类型的运动是其机械结构相关。一般来说,外骨骼没有一个活跃的脚踝,所以改变重心的唯一方法就是通过提高腿。这种方法的优点是,它可以快速应对踩的步骤期间下肢外骨骼的腿步迅速根据力反馈和调整。此外,它不会有太多影响生成的曲线当没有按摩脚底的压力。因此,对于基本的步态,它可以保证类似于最初的轨迹。gydF4y2Ba

本文提出一组运动员康复评价系统基于物联网的健康和人类的步态分析算法。该系统包括五个主要部分:(a)康复训练系统;(b)生理信息采集模块;(c)病人控制终端;(d)网络通信单元;医生(e)服务器。如图所示的系统功能模块gydF4y2Ba 13gydF4y2Ba。gydF4y2Ba

运动员控制终端主要由microprocessor-centric嵌入式平台与网络接口基于嵌入式Linux操作系统。机器人的主要功能是控制单元,当地通信单元(蓝牙),游戏,视频和音频单元,网络接口单元、人机交互单元,等视频和音频的驱动单元包括相机、图像采集、存储和显示。网络接口单元负责驱动和数据传输的网络接口设备。人机交互单元负责驱动和显示的显示屏和触摸屏。值得注意的是运动员的网络接口单元的控制。因为这个系统强调物联网的健康系统,在互联网的健康更重要的事情系统强大的网络通信功能,如图gydF4y2Ba 14gydF4y2Ba。gydF4y2Ba

医生服务器需要提供数据库支持和网络接口,打开WEB服务接口,支持视频监控。此外,医生服务器在这个系统被设计为一个云服务为每个用户建立电子病历,并提供电子查询功能。无论哪一个终端(康复训练机器人)用户练习,只要身份识别是有效的,最后运动设置或定制的计划可以继续,如图gydF4y2Ba 15gydF4y2Ba。gydF4y2Ba

建立上述模型后,我们验证的性能模型。本文构建的模型是一个运动员康复评价体系基于物联网的健康和人类的步态分析算法。因此,模型性能测试和模型实际效果测试模型中进行性能测试。首先,本文模型进行性能测试,获得多组体育视频通过网络,认识到这些视频系统,统计系统的速度和系统稳定性在处理视频信息的90套。结果如表所示gydF4y2Ba 2gydF4y2Ba和图gydF4y2Ba 16gydF4y2Ba。gydF4y2Ba

从测试结果表gydF4y2Ba 2gydF4y2Ba和图gydF4y2Ba 16gydF4y2Ba,可以看出物联网系统构建本文具有良好的稳定性,充分发挥物联网系统的性能优势。接下来,我们将研究运动员的康复评估的影响。运动损伤评估和康复效果的100大学体育教育学生是用作测试标准。结果如表所示gydF4y2Ba 3gydF4y2Ba和图gydF4y2Ba 17gydF4y2Ba。gydF4y2Ba

从上面的实际结果,可以看出运动员康复评价体系构建的实践效果本文很好,这是符合构建系统的预期目标。gydF4y2Ba

本文研究和设计一个运动员康复评价体系基于物联网的健康和人类的步态分析算法和设计并完成整个系统计划,测量和控制系统,人机交互。此外,本文提出了一种基于动态多尺度楼梯步态规划算法运动原语。场景的外骨骼上下楼梯,纯依靠一条曲线学习方法会导致的动态运动原语出现失衡比例调制时根据不同的目标点。因为这样的步态可能造成的安全隐患,本文优化纯数字。基于多个相同类型的曲线和不同高度,一步身高和体重之间的映射关系,建立了和楼梯的高度可以直接影响步态风格,避免了曲线比例的不平衡。此外,本文构造了系统的总体结构框架模型根据实际需求,充分利用互联网的优势卫生系统来提高系统性能。此外,本文设计实验来研究系统的性能数据处理和系统的影响运动员的康复评定和康复指导。通过实验研究,人类的步态识别算法本文构造具有良好的效果和可以发挥重要的作用在体育运动员的康复。同时,本文系统构造有一定优势传统体育康复系统与算法的支持。在随后的实践,本文中的系统可以用来扩大。gydF4y2Ba