-
公开(公告)号：CN112733422A
公开(公告)日：2021-04-30
申请号：CN202011387447.0
申请日：2020-12-01
申请人： 天津理工大学
摘要： 一种基于高斯过程回归的柔性外骨骼最优助力预测方法，通过建立不同人群、不同步速下舒适助力的数据集，确立测试人员的人体模型特征，并在此基础上建立样本的数据集（X,Y），在建立好数据集并将数据集经过训练后，利用高斯过程回归的方式直接定义预测函数的分布，使预测的助力幅值在一个更加合理的范围，真正实现对腿部的柔顺助力，帮助受伤的骨骼、肌肉以及关节起到辅助康复的作用。
-
公开(公告)号：CN112494282B
公开(公告)日：2023-05-02
申请号：CN202011383180.8
申请日：2020-12-01
申请人： 天津理工大学
摘要： 本发明公开了一种基于深度强化学习的外骨骼主助力参数的优化方法，采用复合正弦曲线形式外骨骼助力曲线方程确定外骨骼主助力参数，利用深度强化学习中的深度确定性策略梯度方法用以解决柔性外骨骼连续性控制问题，搭建策略网络和评价网络，并实时采集并处理外骨骼穿戴者髋关节屈曲角信息，用于产生参数训练的数据集，进行外骨骼主助力参数的训练优化，实现外骨骼主助力参数的自适应优化。
-
公开(公告)号：CN112472530B
公开(公告)日：2023-02-03
申请号：CN202011387443.2
申请日：2020-12-01
申请人： 天津理工大学
摘要： 本发明公开了一种基于步行比趋势变化的奖励函数的建立方法，包括以下步骤：计算外骨骼机器人的穿戴者的步长D；计算步态周期T(k)；根据步长D和步态周期T(k)计算步行比W；建立步行比采样序列并对步行比采样序列中的采样序列打分；建立奖励函数模型。该基于步行比趋势变化的奖励函数模型可运用于优化外骨骼参数的算法当中，增强强化学习的效率，促进外骨骼参数快速收敛。
-
公开(公告)号：CN112494282A
公开(公告)日：2021-03-16
申请号：CN202011383180.8
申请日：2020-12-01
申请人： 天津理工大学
摘要： 本发明公开了一种基于深度强化学习的外骨骼主助力参数的优化方法，采用复合正弦曲线形式外骨骼助力曲线方程确定外骨骼主助力参数，利用深度强化学习中的深度确定性策略梯度方法用以解决柔性外骨骼连续性控制问题，搭建策略网络和评价网络，并实时采集并处理外骨骼穿戴者髋关节屈曲角信息，用于产生参数训练的数据集，进行外骨骼主助力参数的训练优化，实现外骨骼主助力参数的自适应优化。
-
公开(公告)号：CN112472530A
公开(公告)日：2021-03-12
申请号：CN202011387443.2
申请日：2020-12-01
申请人： 天津理工大学
摘要： 本发明公开了一种基于步行比趋势变化的奖励函数的建立方法，包括以下步骤：计算外骨骼机器人的穿戴者的步长D；计算步态周期T(k)；根据步长D和步态周期T(k)计算步行比W；建立步行比采样序列并对步行比采样序列中的采样序列打分；建立奖励函数模型。该基于步行比趋势变化的奖励函数模型可运用于优化外骨骼参数的算法当中，增强强化学习的效率，促进外骨骼参数快速收敛。
-
-
-
-
搜索结果
5 条记录 (耗时 0.029 秒)
