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！

申请/专利权人：江西求是高等研究院

摘要：本发明提供了一种上肢康复机器人运动轨迹预测方法及系统，所述方法包括获取使用者的使用数据，对使用数据进行预处理，以得到处理数据，对处理数据进行归一化处理，以得到归一化数据；对归一化数据进行三维特征提取，以得到提取数据；对提取数据进行多层时间依赖关系提取，以得到若干输出向量，对提取数据进行多层序列特征提取，以得到若干输出特征；将若干输出向量与若干输出特征进行对应拼接处理，以得到拼接特征集，对拼接特征集进行聚合处理，以得到预测输出，本发明可有效捕捉时间序列中的长期依赖关系同时增强时序特征数据在预测过程中的表现，以此可进一步提升预测精度与稳定性，同时实现实时预测。

主权项：1.一种上肢康复机器人运动轨迹预测方法，所述上肢康复机器人包括基座以及设置在所述基座上的若干关节连杆，若干所述关节连杆依次首尾连接，相邻俩所述关节连杆之间、所述基座与所述关节连杆之间均设有关节点，其特征在于，所述方法包括：获取使用者的使用数据，对所述使用数据进行预处理，以得到处理数据，对所述处理数据进行归一化处理，以得到归一化数据；对所述归一化数据进行三维特征提取，以得到提取数据；对所述提取数据进行多层时间依赖关系提取，以得到若干输出向量，对所述提取数据进行多层序列特征提取，以得到若干输出特征；将若干所述输出向量与若干所述输出特征进行对应拼接处理，以得到拼接特征集，对多层的所述拼接特征集进行聚合处理，以得到预测输出；所述对所述归一化数据进行三维特征提取，以得到提取数据的步骤包括：采用第一预设公式对所述归一化数据进行三维特征提取，以得到提取数据，其中，所述第一预设公式为： ；式中，为归一化数据，为提取数据，为激活函数，表示池化层，表示多层三维卷积网络；所述对所述提取数据进行多层时间依赖关系提取，以得到若干输出向量的步骤包括：将所述提取数据分别输出多层LSTM中并确定遗忘门激活值与输入门激活值： ； ；式中，表示sigmoid函数，、分别表示第一、第二可学习权重矩阵，、分别表示第一、第二偏置项，表示时刻的提取数据，表示时刻的输出向量；确定当前候选细胞状态并进行细胞状态的更新，以得到时刻的细胞状态： ；式中，表示时刻的细胞状态，表示双曲正切函数，、分别表示第三可学习权重矩阵、偏置项；基于时刻的细胞状态确定时刻的输出向量： ；式中，、分别表示第四可学习权重矩阵、偏置项；所述对所述提取数据进行多层序列特征提取，以得到若干输出特征的步骤包括：对所述提取数据进行位置编码，并将所得到的位置编码添加到所述提取数据中，以得到编码数据，其中，所得到的位置编码为： ； ；式中，、分别为第一位置编码、第二位置编码，为编码位置，表示提取数据的特征维度，表示维度索引；使用自注意力层计算所述编码数据的键向量、值向量与查询向量，并基于所述键向量与所述查询向量计算注意力分数： ；式中，表示键向量的维度；基于所述注意力分数与所述值向量计算自注意力层输出，基于自注意力层输出并应用残差连接和层归一化得到每个子层的输出特征： ； 式中，表示第个子层的输出特征，表示第个子层的值向量，表示归一化函数，为提取数据；所述对多层的所述拼接特征集进行聚合处理，以得到预测输出的步骤包括：将所述拼接特征集中的每个特征向量分别输入三个大小为1×1的卷积层中进行特征映射，以分别得到第一特征映射、第二特征映射与第三特征映射；将所述第一特征映射与所述第二特征映射进行仿射操作，以得到注意图： ；对于所述第三特征映射的空间维度中的每个位置均生成一个特征集合，集合由第三特征映射中与位置在同一行或同一列的特征向量组成；基于特征集合与注意图输出位置处的聚合结果： ；式中，表示通道数，表示注意图中通道位置处的标量值，表示通道处的特征集合，表示拼接特征集中位于位置处的特征向量，、分别表示第一、第二可学习参数；将单层的每个位置的聚合结果进行合并之后将多层的合并结果进行聚合，以得到预测输出。

全文数据：

权利要求：

百度查询： 江西求是高等研究院 一种上肢康复机器人运动轨迹预测方法及系统