專利名稱：：基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的步行器精密測力系統(tǒng)標(biāo)定方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于助行康復(fù)訓(xùn)器械
技術(shù)領(lǐng)域：
，涉及人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理技術(shù)，尤其涉及基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的歩行器精密測力系統(tǒng)標(biāo)定方法。技術(shù)背景步行器被廣泛應(yīng)用于助行康復(fù)臨床，為使用者提供外在的荷重支持和平衡幫助。步行器精密測力系統(tǒng)主要針對步行器助行過程中動力學(xué)參數(shù)的測量與分析，用來實時鑒別使用者在其步態(tài)周期不同階段的力學(xué)需求，驗證和疲勞有關(guān)的失穩(wěn)危險區(qū)間，量化行走質(zhì)量，在步態(tài)訓(xùn)練和日常生活中有效減少步行器使用風(fēng)險。步行器精密測力系統(tǒng)一般采用安裝在標(biāo)準(zhǔn)步行器框架上的多導(dǎo)聯(lián)應(yīng)變片電橋網(wǎng)絡(luò)來間接提取助行動力學(xué)信息。多維力傳感器受到設(shè)計原理、加工制造、布片等因素的影響，傳感器各維力信號與應(yīng)變橋輸出信號之間存在著較強(qiáng)的耦合關(guān)系。靜態(tài)耦合是制約多維力傳感器測量精度的一個主要因素。實際測量表明，多維力傳感器的維問耦合不完全是線性的，用線性靜態(tài)解耦的方法雖然可以使維問耦合明顯減小，但是由于受到原理模型的限制，效果并不是很理想。另外，步行器框架存在的塑性結(jié)構(gòu)非線性也會產(chǎn)生相應(yīng)的互擾，嚴(yán)重影響系統(tǒng)測量的準(zhǔn)確性與可靠性。
發(fā)明內(nèi)容為克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種新的步行器精密測力系統(tǒng)標(biāo)定方法，降低多維應(yīng)力之間的非線性靜態(tài)耦合干擾，提高步行器受載力的測量精度。本發(fā)明采用的技術(shù)方案是一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的步行器精密測力系統(tǒng)標(biāo)定方法，借助于下列結(jié)構(gòu)實現(xiàn)步行器框架上設(shè)置有應(yīng)變片電橋，應(yīng)變片電橋的輸出經(jīng)放大濾波電路、AD轉(zhuǎn)換器輸入到計算機(jī)，由計算機(jī)進(jìn)行數(shù)據(jù)釆集和人工神經(jīng)網(wǎng)絡(luò)模型標(biāo)定，包括下列步驟系統(tǒng)初始化使用一套可對步行器手柄單側(cè)施加定向負(fù)載的多軸框架進(jìn)行標(biāo)定，框架內(nèi)包含一個用以減少摩擦損失的滑車系統(tǒng)，標(biāo)定數(shù)據(jù)采集過程中，已知大小的負(fù)載會沿著各力學(xué)分量的方向借助多軸框架逐步施加到步行器手柄上，同時記錄下與該負(fù)載對應(yīng)的導(dǎo)聯(lián)應(yīng)變片電橋輸出電壓值作為后續(xù)標(biāo)定訓(xùn)練和誤差校驗樣本，加載過程至少重復(fù)3次，同一加載點取輸出電壓的平均值；根據(jù)公式al=radbas(wlXU+bl)，F(xiàn)=purelin(w2Xal+b2)，確定神經(jīng)網(wǎng)絡(luò)模型，其中，隱含層傳遞函數(shù)為高斯函數(shù)radbas，輸出層的傳遞函數(shù)為線性函數(shù)purelin，網(wǎng)絡(luò)輸入向量U的維數(shù)為12，隱含層有120個神經(jīng)元，輸出層有6個神經(jīng)元，al表示隱含層輸出向量，wl表示隱含層神經(jīng)元的權(quán)值向量，w2為輸出層神經(jīng)元權(quán)值向量，bl為隱含層神經(jīng)元的閾值向量，b2為輸出層神經(jīng)元的閾值向量，網(wǎng)絡(luò)輸入向量U形成隱含層神經(jīng)元的權(quán)值向量wl，隱含層神經(jīng)元的權(quán)值向量wl與隱含層神經(jīng)元的閾值向量bl經(jīng)加權(quán)求和形成隱含層輸入向量nl，隱含層輸出向量al形成輸出層神經(jīng)元權(quán)值向量w2，輸出層神經(jīng)元權(quán)值向量w2與輸出層神經(jīng)元的閾值向量b2經(jīng)加權(quán)求和形成輸出層輸入向量n2，輸出層的輸出為輸出向量F。所述的隱含層神經(jīng)元的權(quán)值向量wl、隱含層神經(jīng)元的閾值向量bl各為對應(yīng)的120個，輸出層神經(jīng)元權(quán)值向量w2與輸出層神經(jīng)元的閾值向量b2各為對應(yīng)的6個。所述的電橋具體的安裝位置是依照對歩行器框架進(jìn)行的結(jié)構(gòu)力學(xué)有限元分析結(jié)果來決定，電橋都是被安排在相關(guān)力學(xué)分量作用下的框架相對最大形變位置，其中，設(shè)置有分別對應(yīng)于x向的兩個分量，分別對應(yīng)于y向的兩個分量，分別對應(yīng)于z向的兩個分量，再根據(jù)所測力學(xué)分量所引發(fā)彎距方向的不同，電橋粘貼位覽還對應(yīng)于梁管的相應(yīng)變形側(cè)面。本發(fā)明可以帶來以下效果本發(fā)明采用了神經(jīng)M絡(luò)模型方法，提出了一種新的步行器精密測力系統(tǒng)標(biāo)定方法，降低多維應(yīng)力之間的非線性靜態(tài)耦合干擾，提高歩行器受載力的測量精度。本發(fā)明可為步行器助行康復(fù)訓(xùn)練效果的準(zhǔn)確監(jiān)控和評估提供幫助，并獲得可觀的社會效益和經(jīng)濟(jì)效益。圖l本發(fā)明系統(tǒng)結(jié)構(gòu)示意圖。圖2步行器精密測力系統(tǒng)設(shè)置。圖3RBF網(wǎng)絡(luò)用于步行器精密測力系統(tǒng)標(biāo)定的模型。具體實施方式人工神經(jīng)網(wǎng)絡(luò)的基本思想是從仿生學(xué)角度模擬人腦神經(jīng)系統(tǒng)的運作方式，通過大量、簡單的神經(jīng)元對連續(xù)或斷續(xù)的輸入作狀態(tài)映射而進(jìn)行信息處理。神經(jīng)網(wǎng)絡(luò)能夠不需要先驗統(tǒng)計模型而根據(jù)輸入網(wǎng)絡(luò)的數(shù)據(jù)樣本構(gòu)建出任意的非線性映射關(guān)系，而任何一種非線性映射都可以用一個三層甜饋神經(jīng)網(wǎng)絡(luò)來實現(xiàn)。RBF神經(jīng)網(wǎng)絡(luò)是一種特殊的三層前饋網(wǎng)絡(luò)，它以徑向基函數(shù)作為隱層單元的"基"，具有非線性可分的模式空間映射到線性可分狀態(tài)空間的特性。本發(fā)明提供了一種可用于步行器精密測力系統(tǒng)標(biāo)定的徑向基函數(shù)(RadialBasisFunction,RBF)人工神經(jīng)網(wǎng)絡(luò)模型，以測力系統(tǒng)12導(dǎo)聯(lián)應(yīng)變片電橋輸出電壓作為網(wǎng)絡(luò)輸入向量，6個負(fù)載分量力作為網(wǎng)絡(luò)輸出向量，并通過目標(biāo)誤差下的絕對誤差和對比確定出祌經(jīng)網(wǎng)絡(luò)訓(xùn)練的最優(yōu)參數(shù)。該方法與傳統(tǒng)的線性標(biāo)定方法相比能夠有效減小非線性靜態(tài)耦合影響，提高歩行器受載力的測量精度并大大降低了干擾誤差，未來有望為步行器助行康復(fù)訓(xùn)練效果的準(zhǔn)確監(jiān)控和評估提供幫助。下面結(jié)合附圖和實施例進(jìn)一歩詳細(xì)說明本發(fā)明。圖1為本發(fā)明系統(tǒng)結(jié)構(gòu)示意圖。該系統(tǒng)以步行器精密測力系統(tǒng)為基礎(chǔ)，使用者在步行器助行過程中所施加的冊V會首先通過安裝在步行器上的傳感器件轉(zhuǎn)化為電壓信號。應(yīng)力應(yīng)變片電橋的電壓信號經(jīng)隔離放大、模數(shù)轉(zhuǎn)換后進(jìn)入計算機(jī)中進(jìn)行處理儲存。信號的電壓輸出范圍大致在士3伏的范圍內(nèi)。系統(tǒng)的采樣率可通過計算機(jī)調(diào)整。本系統(tǒng)所用敏感元件是日本TokyoSokki研究所生產(chǎn)的350Q，F(xiàn)LA-2系列應(yīng)力應(yīng)變片。從長期穩(wěn)定性考慮，應(yīng)變片粘貼采用的是環(huán)氧類，而非氰基丙烯酸鹽類粘合劑。應(yīng)變片采用彎曲模式。步行器精密測力系統(tǒng)在測量過程中，要求系統(tǒng)測得總共六個力學(xué)未知量，即步行器每只手柄各x，y，z三個方向分量(左手柄Fix,Fly，F(xiàn)lz;右手柄Frx，F(xiàn)ry,Frz),因此需要在一架標(biāo)準(zhǔn)兩輪步行器兩側(cè)框架梁各安裝六套應(yīng)力應(yīng)變片電橋(見圖2)。電橋具體的安裝位置是由對步行器框架進(jìn)行的結(jié)構(gòu)力學(xué)有限元分析結(jié)果決定的。由于步行器框架在不同方向分量力作用下會產(chǎn)生不同的形變效果，電橋都是被安排在相關(guān)力學(xué)分量作用下的框架相對最大形變位置以取得最可靠的結(jié)果。其中，B-1和B-2、B-7和B-8分別對應(yīng)于x向的兩個分量，B-3和B-4、B-5和B-6分別對應(yīng)于y向的兩個分量，B-9和B-10、B-11和B-12分別對應(yīng)于z向的兩個分量。另外，根據(jù)所測力學(xué)分量所引發(fā)彎距方向的不同，電橋粘貼位置還需對應(yīng)于梁管的相應(yīng)變形側(cè)面。本發(fā)明要點在于歩行器多軸框架的數(shù)據(jù)采集，RBF網(wǎng)絡(luò)各層祌經(jīng)元數(shù)，擴(kuò)展系數(shù)的確定等技術(shù)環(huán)節(jié)。1、步行器多軸框架的數(shù)據(jù)采集本發(fā)明使用一套可對步行器手柄單側(cè)施加定向負(fù)載的多軸框架進(jìn)行標(biāo)定，框架內(nèi)包含一個用以減少摩擦損失的滑車系統(tǒng)。標(biāo)定數(shù)據(jù)釆集過程中，已知大小的負(fù)載會沿著各力學(xué)分量的方向借助多軸框架逐步施加到歩行器手柄匕同時記錄下與該負(fù)載對應(yīng)的12導(dǎo)聯(lián)應(yīng)變片電橋輸出電壓值作為后續(xù)標(biāo)定訓(xùn)練和誤差校驗樣本。施加負(fù)載的量程選擇在x向10kg、y向10kg和z向40kg。加載過程至少重復(fù)3次，同一加載點取輸出電壓的平均值。系統(tǒng)的初始化測量對于準(zhǔn)確獲取標(biāo)定結(jié)果是l分必要的。由于受到溫度，濕度等外界環(huán)境變量的影響，應(yīng)力應(yīng)變片電橋的輸出即使在空載時也不會維持一個固定值。因此在每次正式測試之前，必須要進(jìn)行系統(tǒng)初始化，得到當(dāng)時當(dāng)?shù)乜蛰d的系統(tǒng)輸出值。在后續(xù)進(jìn)行數(shù)據(jù)處理過程中，正式測量值要減去空載值以消除環(huán)境影響，正確反映行走過程中力的變化。實驗總共釆集了193組應(yīng)變片電橋輸出數(shù)據(jù)和對應(yīng)施加力向量的數(shù)據(jù)，其中隨機(jī)選取120組作為RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，其余73組作為測試樣本。2、RBF網(wǎng)絡(luò)模型參數(shù)的確定(1)各層神經(jīng)元數(shù)的確定對于步行器精密測量系統(tǒng)而言，由12導(dǎo)聯(lián)應(yīng)變片電橋輸出電壓值所組成的列向量可作為神經(jīng)網(wǎng)絡(luò)模型的輸入向量，將對應(yīng)的施加已知負(fù)載6個等效分量力所組成的列向量作為神經(jīng)網(wǎng)絡(luò)模型的輸出向量。RBF網(wǎng)絡(luò)中各層具有不同數(shù)量的神經(jīng)元，輸入和輸出層神經(jīng)元個數(shù)由所描述向量的維數(shù)決定，即神經(jīng)網(wǎng)絡(luò)輸入層單元數(shù)是12，輸出層單元數(shù)是6。為研究由RBF網(wǎng)絡(luò)自適應(yīng)確定的隱層神經(jīng)元數(shù)與輸入層樣本數(shù)的關(guān)系，選取了3組訓(xùn)練樣本作為學(xué)習(xí)樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，結(jié)果如表1所示。由表1結(jié)果可知，對于不同的擴(kuò)展系數(shù)spread,確定的隱層單元數(shù)均小于并接近樣本數(shù).因此，可以直接選用訓(xùn)練樣本數(shù)120作為最大隱層單元數(shù)。<table>tableseeoriginaldocumentpage5</column></row><table>(2)擴(kuò)展系數(shù)的確定擴(kuò)展系數(shù)Spread是徑向基網(wǎng)絡(luò)的一個重要參數(shù)，即網(wǎng)絡(luò)的分布密度，默認(rèn)是1。我們設(shè)定O.5,0.74，0.75，0.76，1幾個值，當(dāng)目標(biāo)誤差分別設(shè)定為le-1，le-2，le-3，le-4時，進(jìn)行訓(xùn)練和測試徑向基網(wǎng)絡(luò)，表2列出了測試樣本的絕對誤差總和結(jié)果對比。由表2結(jié)果可得，在相同條件下密度函數(shù)值spread越大，函數(shù)的逼近能力越強(qiáng)，函數(shù)的擬合就越平滑，輸出誤差和均方誤差都減小，但是過大(過小)就意味著需要更多的神經(jīng)元以適應(yīng)函數(shù)的快速(緩慢)變化，這樣使得網(wǎng)絡(luò)的性能降低。當(dāng)目標(biāo)誤差取le-3,擴(kuò)展系數(shù)取O.75時，輸出絕對誤差總和為最小(278.4854)，是逼近效果最好的一組輸出。表2不同目標(biāo)誤差和擴(kuò)展系數(shù)下的絕對誤差總和<table>tableseeoriginaldocumentpage6</column></row><table>圖3為本發(fā)明確定的用于步行器精密測力系統(tǒng)標(biāo)定的RBF神經(jīng)網(wǎng)絡(luò)模型。其中，隱含層傳遞函數(shù)為高斯函數(shù)radbas，輸出層的傳遞函數(shù)為線性函數(shù)purelin。網(wǎng)絡(luò)輸入向量U的維數(shù)為12，隱含層有120個神經(jīng)元，輸出層有6個神經(jīng)元。網(wǎng)絡(luò)中最開始，中間和最末三個長方形圖文框分別表示輸入層，隱含層和輸出層。a1表示隱含層輸出向量，wl表示隱含層神經(jīng)元的權(quán)值向量，w2為輸出層神經(jīng)元權(quán)值向量，bl為隱含層神經(jīng)元的閾值向量，b2為輸出層神經(jīng)元的閾值向量，nl表示隱含層輸入向量，n2表示輸出層輸入向量，F(xiàn)為輸出向量，圓圈內(nèi)的加號表示加權(quán)求和。本發(fā)明的有益效果為了考查本發(fā)明在傳感器標(biāo)定技術(shù)方面的可靠性和可行性，通過神經(jīng)網(wǎng)絡(luò)方法標(biāo)定訓(xùn)練后進(jìn)行了相關(guān)的誤差校驗實驗，其中包括系統(tǒng)的精度、互擾誤差檢驗。1精度檢驗-系統(tǒng)的精度檢驗是運用多軸框架和一系列標(biāo)準(zhǔn)重量來進(jìn)行的。服V單方向分量力被施加到步行器手柄上。x，y和z向量程范圍分別是10，10和40kg，在某單向分量力作用量程Ffull范圍內(nèi)，加載力與輸出向量對應(yīng)主方向輸出值的最大差值記為dniax，單向力精度誤差el可用以下公式表示尸,xl00%(4)表3給出的是系統(tǒng)精度誤差值，最大的精度誤差出現(xiàn)在分量力方向上，為4.33%，最小的精度誤差出現(xiàn)在Fix分量力方向上，為1.55%。2、互擾檢驗當(dāng)某單向分量力被施加到步行器手柄上時，以測得的電信號輸出值作為神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)訓(xùn)練好的網(wǎng)絡(luò)測試，在其它5個分量方向上都可以計算出相應(yīng)的偽輸出力。互擾誤差就可以按照以下公式來計算、(5)這里Fi是系統(tǒng)在i方向上的偽輸出，F(xiàn)j是施加在j方向上的測試分量。表4給出的是系統(tǒng)交互干擾值，最大的交互干擾出現(xiàn)在施加Frx分量力時對Fly分量力的千擾，為6.52%，其次為施加Fry分量力時對Frz分量力的干擾，為4.45%。研究中對比了分別采用傳統(tǒng)線性方法和RBF網(wǎng)絡(luò)方法標(biāo)定后進(jìn)行誤差計算的結(jié)果，RBF網(wǎng)絡(luò)標(biāo)定后的最大單向力精度誤差為4.33%，略低于線性標(biāo)定的8.45%;最大互擾為6.52%，要遠(yuǎn)小于線性標(biāo)定的19.96%。如前所述，多傳感系統(tǒng)標(biāo)定的實質(zhì)是尋求其加載值空間到輸出值空間的函數(shù)映射關(guān)系，而RBF神經(jīng)網(wǎng)絡(luò)實現(xiàn)了一種有效的數(shù)據(jù)驅(qū)動型非線性映射模型，可構(gòu)建任意的非線性映射關(guān)系，因此對于因系統(tǒng)中多維力維間耦合和塑性結(jié)構(gòu)非線性所帶來的互擾也就比線性方法具有更好的抑制作用。可望為步行器精密測力系統(tǒng)對康復(fù)訓(xùn)練的準(zhǔn)確監(jiān)控和效果評估提供幫助。表3RBF神經(jīng)網(wǎng)絡(luò)標(biāo)定方法的單向力精度誤差<table>tableseeoriginaldocumentpage7</column></row><table>33表4RBF神經(jīng)網(wǎng)絡(luò)標(biāo)定方法的互擾誤差<table>tableseeoriginaldocumentpage7</column></row><table>本發(fā)明提出一種新的步行器精密測力系統(tǒng)標(biāo)定技術(shù)，該項發(fā)明利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行非線性標(biāo)定，可有效提高步行器測量精度，可為歩行器助行康復(fù)訓(xùn)練效果的準(zhǔn)確監(jiān)控和評估提供幫助，并獲得可觀的社會效益和經(jīng)濟(jì)效益。權(quán)利要求1、一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的步行器精密測力系統(tǒng)標(biāo)定方法，借助于下列結(jié)構(gòu)實現(xiàn)步行器框架上設(shè)置有應(yīng)變片電橋，應(yīng)變片電橋的輸出經(jīng)放大濾波電路、AD轉(zhuǎn)換器輸入到計算機(jī)，由計算機(jī)進(jìn)行數(shù)據(jù)采集和人工神經(jīng)網(wǎng)絡(luò)模型標(biāo)定，其特征是，包括下列步驟系統(tǒng)初始化使用一套可對步行器手柄單側(cè)施加定向負(fù)載的多軸框架進(jìn)行標(biāo)定，框架內(nèi)包含一個用以減少摩擦損失的滑車系統(tǒng)，標(biāo)定數(shù)據(jù)采集過程中，已知大小的負(fù)載會沿著各力學(xué)分量的方向借助多軸框架逐步施加到步行器手柄上，同時記錄下與該負(fù)載對應(yīng)的導(dǎo)聯(lián)應(yīng)變片電橋輸出電壓值作為后續(xù)標(biāo)定訓(xùn)練和誤差校驗樣本，加載過程至少重復(fù)3次，同一加載點取輸出電壓的平均值；根據(jù)公式a1＝radbas(w1×U+b1)，F(xiàn)＝purelin(w2×a1+b2)，確定神經(jīng)網(wǎng)絡(luò)模型，其中，隱含層傳遞函數(shù)為高斯函數(shù)radbas，輸出層的傳遞函數(shù)為線性函數(shù)purelin，網(wǎng)絡(luò)輸入向量U的維數(shù)為12，隱含層有120個神經(jīng)元，輸出層有6個神經(jīng)元，a1表示隱含層輸出向量，w1表示隱含層神經(jīng)元的權(quán)值向量，w2為輸出層神經(jīng)元權(quán)值向量，b1為隱含層神經(jīng)元的閾值向量，b2為輸出層神經(jīng)元的閾值向量，網(wǎng)絡(luò)輸入向量U形成隱含層神經(jīng)元的權(quán)值向量w1，隱含層神經(jīng)元的權(quán)值向量w1與隱含層神經(jīng)元的閾值向量b1經(jīng)加權(quán)求和形成隱含層輸入向量n1，隱含層輸出向量a1形成輸出層神經(jīng)元權(quán)值向量w2，輸出層神經(jīng)元權(quán)值向量w2與輸出層神經(jīng)元的閾值向量b2經(jīng)加權(quán)求和形成輸出層輸入向量n2，輸出層的輸出為輸出向量F。2、根據(jù)權(quán)利要求1所述的一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的歩行器精密測力系統(tǒng)標(biāo)定方法，其特征是，所述的隱含層神經(jīng)元的權(quán)值向量wl、隱含層神經(jīng)元的閾值向量bl各為對應(yīng)的120個，輸出層神經(jīng)元權(quán)值向量w2與輸出層神經(jīng)元的閾值向量b2各為對應(yīng)的6個。3、根據(jù)權(quán)利要求1所述的一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的步行器精密測力系統(tǒng)標(biāo)定方法，其特征是，所述的電橋具體的安裝位置是依照對步行器框架進(jìn)行的結(jié)構(gòu)力學(xué)有限元分析結(jié)果來決定，電橋都是被安排在相關(guān)力學(xué)分量作用下的框架相對最大形變位置，其中，設(shè)置有分別對應(yīng)于x向的兩個分量，分別對應(yīng)于y向的兩個分量，分別對應(yīng)于z向的兩個分量，再根據(jù)所測力學(xué)分量所引發(fā)彎距方向的不同，電橋粘貼位置還對應(yīng)于梁管的相應(yīng)變形側(cè)面。全文摘要本發(fā)明屬于助行康復(fù)訓(xùn)器械
技術(shù)領(lǐng)域：
，涉及人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理技術(shù)，尤其涉及基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的步行器精密測力系統(tǒng)標(biāo)定方法。為降低多維應(yīng)力之間的非線性靜態(tài)耦合干擾，提高步行器受載力的測量精度，本發(fā)明采用的技術(shù)方案是提供一種可用于步行器精密測力系統(tǒng)標(biāo)定的徑向基函數(shù)RadialBasisFunction，RBF人工神經(jīng)網(wǎng)絡(luò)模型，以測力系統(tǒng)12個導(dǎo)聯(lián)應(yīng)變片電橋輸出電壓作為網(wǎng)絡(luò)輸入向量，6個負(fù)載分量力作為網(wǎng)絡(luò)輸出向量，并通過目標(biāo)誤差下的絕對誤差和對比確定出神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最優(yōu)參數(shù)。本發(fā)明主要用于為步行器助行康復(fù)訓(xùn)練效果的準(zhǔn)確監(jiān)控和評估提供幫助。文檔編號G01L25/00GK101598618SQ20091006868公開日2009年12月9日申請日期2009年4月29日優(yōu)先權(quán)日2009年4月29日發(fā)明者萬柏坤,劉秀云,希張,東明,程龍龍申請人:天津大學(xué)