Recognition of gait cycle phases using wearable sensors

Mohammed, Samer; Samé, Allou; Oukhellou, Latifa; Kong, Kyoungchul; Huo, Weiguang; Amirat, Yacine

doi:10.1016/j.robot.2014.10.012

Cited by 44 publications

(30 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The system employed a gyroscope to measure the angular velocity of the foot and three force-sensitive resistors to assess the forces exerted by the foot on the shoe sole during walking. S. Mohammed [28] adopted an in-shoe pressure mapping system to identify the gait phases. The expectation maximization (EM) algorithm and hidden Markov model (HMM) model are used for dividing one gait cycle into six sub-phases.…”

Section: Introductionmentioning

confidence: 99%

“…Based on the existing research results, we can get that the gait phase recognition generally used single-type sensors or a combination of multiple types of sensors [18], such as angular velocity, attitude, force, electromyography (EMG), IMU, camera, and so on [24,25,26,27,28,30,36,37,38]. However, for a lower-limb exoskeleton system, as few as possible sensors should be used to achieve the control goal, which can simplify the sensory system and enhance the stability of the exoskeleton.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Gait Phase Recognition for Lower-Limb Exoskeleton with Only Joint Angular Sensors

Liu

Wang

et al. 2016

Sensors

View full text Add to dashboard Cite

Gait phase is widely used for gait trajectory generation, gait control and gait evaluation on lower-limb exoskeletons. So far, a variety of methods have been developed to identify the gait phase for lower-limb exoskeletons. Angular sensors on lower-limb exoskeletons are essential for joint closed-loop controlling; however, other types of sensors, such as plantar pressure, attitude or inertial measurement unit, are not indispensable.Therefore, to make full use of existing sensors, we propose a novel gait phase recognition method for lower-limb exoskeletons using only joint angular sensors. The method consists of two procedures. Firstly, the gait deviation distances during walking are calculated and classified by Fisher’s linear discriminant method, and one gait cycle is divided into eight gait phases. The validity of the classification results is also verified based on large gait samples. Secondly, we build a gait phase recognition model based on multilayer perceptron and train it with the phase-labeled gait data. The experimental result of cross-validation shows that the model has a 94.45% average correct rate of set (CRS) and an 87.22% average correct rate of phase (CRP) on the testing set, and it can predict the gait phase accurately. The novel method avoids installing additional sensors on the exoskeleton or human body and simplifies the sensory system of the lower-limb exoskeleton.

show abstract

Section: Introductionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Gait Phase Recognition for Lower-Limb Exoskeleton with Only Joint Angular Sensors

Liu

Wang

et al. 2016

Sensors

View full text Add to dashboard Cite

show abstract

Section: ключевые слова: пятизвенный механизм моделирование походкиunclassified

“…При моделировании предполагается, что сенсорная задача уже решена [12][13][14][15][16]. Для определения траекторий используется рассмотренное выше описание движения тела с помо-щью уравнений Лагранжа.…”

Section: B Z Z Gaf Z D Z F Z C Zunclassified

“…При передвижении чело-века последовательно чередуются одноопорная и двухопорная фазы. В двухопорной фазе обе ноги опираются на поверхность, по которой осуществляется движение [10,12,13].Аналитическое описание движения нижних конечностей. Для моделирования дви-жения нижних конечностей человека необходимо знать такие его характеристики, как масса, момент инерции и длина конечностей, а также начальное и конечное положения [9,10].…”

unclassified

See 1 more Smart Citation

Human gait modeling in MatLab/Simulink

Ovchinnikov¹,

Kovalenko²,

Minh³

2016

Izv. vysš. učebn. zaved., Priborostr.

View full text Add to dashboard Cite

2Таллинский технологический университет, 19086, Таллин, Эстония Представлена модель пятизвенного механизма, имитирующая в пакете MatLab/Simulink движение нижних конечностей человека. Приблизительные траектории движения вычислены аналитически, с использованием уравнений динамики и их последующим упрощением. Моделирование осуществляется с помощью MPC-контроллера. Ключевые слова: пятизвенный механизм, моделирование походки, динамика походки, траектории движения нижних конечностей, MPC-контроллерВведение. Походка каждого человека, несмотря на общую для большинства людей ди-намику, является уникальной. Моделированию походки человека и антропоморфных робо-тов, а также исследованиям, связанным с разработкой и производством ортезов и протезов для нижних конечностей человека, уделяется в последнее время особое внимание [1-3]. Не-малый интерес представляют также вопросы применения результатов моделирования движе-ний нижних конечностей человека для идентификации людей по походке и распознавания различных отклонений и нарушений в работе опорно-двигательного аппарата [4][5].В большинстве работ, посвященных моделированию походки, для описания движения используются уравнения динамики Лагранжа и какое-либо ограничение. Например, в работе [6], где ограничивающим условием является движение центра масс, получены результаты, практически совпадающие с экспериментальными данными, однако траектории движения некоторых точек абсолютно неверны, а вычислительная схема очень сложна, что позволяет использовать ее только для моделирования походки без нарушений. В работах [7,8] ограни-чивающее условие -минимизации энергии, а в работе [9] -наличие начальных и конечных точек траектории и упрощение уравнений динамики. В работах [9, 10] используется только аналитический метод расчета, а в работах [6-8] -контроллер MPC (Model Predictive Control). Также известны работы, в которых рассматривается влияние верхних конечностей на динамику походки [11].В настоящей статье предлагается вариант сочетания аналитического вычисления траек-торий движения нижних конечностей в одноопорной фазе и определения требуемых для та-кого перемещения усилий и моментов с помощью MPC-контроллера при моделировании по-ходки человека в среде MatLab/Simulink. Под одноопорной фазой понимается фаза движения, когда человек опирается на одну ногу, а другая нога совершает шаг. При передвижении чело-века последовательно чередуются одноопорная и двухопорная фазы. В двухопорной фазе обе ноги опираются на поверхность, по которой осуществляется движение [10,12,13].Аналитическое описание движения нижних конечностей. Для моделирования дви-жения нижних конечностей человека необходимо знать такие его характеристики, как масса, момент инерции и длина конечностей, а также начальное и конечное положения [9,10].Уравнения Лагранжа для аналитического описания движения человека имеют следую-щий вид [9, 10]:

show abstract