Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜吉林建筑大学张尧获国家专利权

恭喜吉林建筑大学张尧获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜吉林建筑大学申请的专利一种基于多层改进ELM分类器的仿生智能动力助行器获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119454413B

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510068288.4,技术领域涉及:A61H3/00;该发明授权一种基于多层改进ELM分类器的仿生智能动力助行器是由张尧;迟耀丹;赵阳;吴博琦;宋莹;赵玉娇;胡席嘉;唐丽梦;张明欣;叶子凡设计研发完成,并于2025-01-16向国家知识产权局提交的专利申请。

一种基于多层改进ELM分类器的仿生智能动力助行器在说明书摘要公布了:本发明适用于智能助行技术领域,提供了一种基于多层改进ELM分类器的仿生智能动力助行器。本发明通过在两只脚面上安装IMU传感器进行数据采集,结合足底压力传感器进行相位识别,当穿戴者足跟离地时,相位识别模块启动,人体运动意图预测模型对运动特征向量进行模式识别。该模型通过增加输入权重干预层和输出权值相似性预测层,大大提高了穿戴者运动意图的预测精度。本发明不仅确保了高准确率的预测,还能适应实际应用场景需求。通过精简传感器数量和优化算法设计,有效地降低了设备成本,并提升了系统的实时性和效率,使得仿生智能动力助行器能够更好地满足日常生活中的人体运动意图识别需求,为穿戴者提供更加便捷、高效的辅助行走体验。

本发明授权一种基于多层改进ELM分类器的仿生智能动力助行器在权利要求书中公布了:1.一种基于多层改进ELM分类器的仿生智能动力助行器,其特征在于,包括主力足系统和辅助足系统;所述主力足系统包括:主力足开发板;信号采集模块一,由集成在主力足开发板上的IMU传感器一组成,用于采集主力足脚面处的三轴加速度数据;信号接收模块,由集成在主力足开发板上的蓝牙芯片一组成,用于通过蓝牙芯片一接收辅助足脚面处的三轴加速度数据;信号存储模块,由集成在主力足开发板上的MicroSD卡模块组成,用于通过MicroSD卡模块存储主力足和辅助足采集到的运动数据;相位识别模块,由安装在足底的压力传感器组成,用于通过压力传感器判断穿戴者当前处于何种运动相位;特征整合模块,用于将主力足系统和辅助足系统采集到的250ms时间窗内数据整合并提取特征值,包括最大值、最小值、均值和标准差,形成运动特征向量,并传输给意图识别模块;意图识别模块,使用基于多层改进ELM分类器的人体运动意图预测模型对输入的运动特征向量进行人体运动意图识别,并输出当前运动模式给动力驱动模块;动力驱动模块,所述动力驱动模块用于接收意图识别模块的输出并根据输出实现运动控制;所述动力驱动模块由Elmo电机驱动器、直流电机、水滴轮和大马力鱼线组成;所述Elmo电机驱动器用于向直流电机供电并对其进行控制,所述直流电机的输出端与水滴轮的输入端连接,所述水滴轮通过若干大马力鱼线与助行器相连;所述直流电机通过正转或反转驱动水滴轮,水滴轮通过带动与助行器多处相连的大马力鱼线实现运动控制;主供电模块,由一块24v锂电池组成,用于为主力足开发板、Elmo电机驱动器和压力传感器供电;压力传感器监测模块,用于监测步态状态并提供辅助预测条件;所述辅助足系统包括:辅助足开发板;信号采集模块二,由集成在辅助足开发板上的IMU传感器二组成,用于采集辅助足脚面处的三轴加速度数据;信号发送模块,由集成在辅助足开发板上的蓝牙芯片二组成,用于通过蓝牙芯片二发送辅助足脚面处的三轴加速度数据给主力足系统;辅助供电模块,由一块5v锂电池组成,用于为辅助足开发板供电;所述人体运动意图预测模型包括多层改进ELM分类器、KNN分类器、输出权值相似性预测层和预测输出层;多层改进ELM分类器包括输入权重干预层、输入层、隐藏层和输出层,其中,输入权重干预层使用LR分类器,利用LR分类器的输出系数与截距,并结合GWO-SMA算法,得到最优输出系数和最优截距,作为输入权重及隐藏层节点偏置;输出权值相似性预测层使用改进KNN分类器;所述人体运动意图预测模型通过三种预测方式对输入的运动特征向量进行人体运动意图识别,预测方式一为KNN分类器预测,预测方式二为多层改进ELM分类器直接预测,预测方式三为使用改进KNN分类器对多层改进ELM分类器的输出权值与使用所有训练数据和标签多次训练得到的输出权值矩阵集进行相似性比较,输出预测结果;利用预测方式一、预测方式二和预测方式三对运动特征向量进行预测,分别得到预测值1、预测值2和预测值3,预测输出层的结果由预测值1、预测值2和预测值3硬投票获得,如果少数服从多数能够判断出结果,则直接输出预测结果,如果投票结果1:1:1,则结合上一个步态的预测值进行判断。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人吉林建筑大学,其通讯地址为:130118 吉林省长春市新城大街5088号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。