平衡能力是人体的重要功能,在人类生活中起着重要的作用,例如,人体维持各种静态姿势,完成各项简单或复杂动作,进行各类体育活动等。而对于老年人、脑卒中患者和伤残病人平衡能力就显得更加重要。因此,对人体平衡能力的研究具有重大意义。人体动态平衡过程的建模,可用来分析人体在受到外界扰动时,恢复平衡的能力。已有研究,通常以PD/PID控制器作为中枢神经系统,控制小角度晃动下的人体线性化模型,如一级或二级倒立摆模型等,仿真得到人体的动态平衡调节过程曲线。但是,人体是一个复杂的非线性系统,简单的线性化模型,不能真实的反映人体平衡调节过程。而非线性系统辨识方法,可以解决非线性建模问题。近年来,基于神经网络、模糊逻辑、遗传算法等知识形成了许多新型的辨识方法,已成为非线性系统辨识的研究趋势。因此,本文的具体研究内容包括以下几个方面:第一,基于六自由度运动平台,在被动运动模式下,研究人体动态平衡过程中的频率特性。另外,针对人体重心数据的采集,本文采用加速度传感器,解决了人体压力中心随频率变化时,不能准确反映人体质心轨迹的问题。最终,通过实验及分析得到了人体动态平衡调节过程中的带宽,为非线性系统辨识提供了基本信号特征。第二,采用基于遗传算法优化BP神经网络的非线性系统辨识方法,对人体动态平衡调节过程进行建模。同时,得到了不同个体在平衡调节过程中的权值和阈值,为人体平衡能力分类奠定了基础。第三,根据建模结果,提出了一种新的平衡能力分类方法。采用支持向量机,以不同个体的权值和阈值作为分类数据,以人体在动态平衡调节所需时间作为分类标准,最终实现了对人体平衡能力的分类。总之,本研究采用被动运动模式,得到了人体动态平衡过程中的频率特性,结果更加的客观准确;基于非线性系统辨识方法,建立了人体动态平衡过程的模型;采用支持向量机,实现了人体的平衡能力分类,且分类准确度高达到94%。这些不仅为平衡能力的分类提供了一种新的方法,也为医学研究提供了数据支撑。