基于递归神经网络的人体肌肉控制模型研究  

STUDY OF DYNAMICAL MODEL OF HUMAN MUSCLE BASED ON A RECURRENT NEURAL NETWORK

作　　者：唐毅[1] 葛运建[1] 袁红艳[1] 

机构地区：[1]中国科学院合肥智能机械研究所

出　　处：《模式识别与人工智能》2004年第3期374-379,共6页Pattern Recognition and Artificial Intelligence

基　　金：国家自然科学基金(No.60343006;60375027);安徽省自然科学基金(No.03042304)

摘　　要：在研究了人体运动的基础上提出了一种基于改进的Elman网络模型的人体肌肉动力学模型,给出了网络的学习算法,并以运动员举重提铃动作的下肢肌肉运动为研究对象,建立了最优关节力矩逼近的Elman肌肉动力学网络模型.结果表明该模型通过预测肌肉神经控制激活参数,较好地拟合了关节力矩曲线.In this paper human motor control is studied and a new dynamical model of human muscle following joint moment based on Elman neural work is proposed. Then a BPTT learning algorithm is discussed. Finally a Ekman network is built up to model athletic motion of lifting up barbell about weight-lifting, the result shows that this model predicts muscle activation very well, and it has good prospect as well.

关 键 词：Elrnan网络 反向传播算法 肌肉模型 人体运动 运动控制 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]