基于机器学习的助行机器人用户跌倒检测算法OA

为了预防用户跌倒并提高助行机器人的安全性,文中提出了一种基于改进支持向量机(Support Vector Mmachine,SVM)模型的助行机器人用户跌倒检测算法。通过安装在助行机器人上的压力传感器和超声波测距传感器获取位移和速度数据集,采用改进卡尔曼滤波进行数据融合来获得用户运动意图,并进行加速度数据特征提取。基于改进支持向量机模型进行输出概率化及风险函数最优化处理,从而提高分类阈值精度。仿真实验结果表明,所提算法的正确率为98.68%,灵敏度和特异度分别96.66%和90.34%,具有较好的综合性能指标,并能在500 ms内触发防御保护机制。