基于增量宽度学习的膝关节力矩预测方法

本发明公开了基于增量宽度学习的膝关节力矩预测方法，属于膝关节力矩预测技术领域，包括以下步骤：S1、获取开源数据库中的数据并预处理，获得预处理运动数据集，训练基础宽度学习模型；S2、评估基础宽度学习模型的泛化能力，筛选符合精度阈值的配置方案；S3、加载S2中筛选的配置方案到基础模型，通过增量学习更新模型参数，输出个体特异性预测模型。本发明采用上述的基于增量宽度学习的膝关节力矩预测方法，构建异构IMU配置空间，兼容多种传感器数量、布设位置及滑动窗口尺度，简化测量框架，并采用增量宽度学习，降低训练与更新的计算开销；实现三种运动模态下膝关节力矩的实时、高精度预测。