CN102488964A

CN102488964A - 一种功能性电刺激闭环模糊pid控制方法

Info

Publication number: CN102488964A
Application number: CN2011104061797A
Authority: CN
Inventors: 明东; 朱韦西; 邱爽; 王春方; 张力新; 綦宏志; 万柏坤
Original assignee: Tianjin University
Current assignee: Tianjin University
Priority date: 2011-12-08
Filing date: 2011-12-08
Publication date: 2012-06-13

Abstract

本发明公开了一种功能性电刺激闭环模糊PID控制方法，获取膝关节力矩的表达式；建立肌肉模型；模糊PID控制器调整刺激电流的大小，通过肌肉模型获取到实际输出的膝关节力矩值；获取误差以及误差变化率；将误差、误差变化率以及刺激电流输入到模糊推理系统中，模糊推理系统进行处理转化为对应的模糊量；获取控制规则，根据控制规则对模糊PID控制器的三个参数进行整定；根据整定后的参数调整刺激电流的大小，通过肌肉模型获取到新实际输出的膝关节力矩值；直到新实际输出的膝关节力矩值和期望的膝关节力矩值之间的误差小于阈值，流程结束。本发明能有效地提高功能性电刺激器的稳定性、准确性和稳定性，并获得可观的社会效益和经济效益。

Description

一种功能性电刺激闭环模糊PID控制方法

技术领域

本发明涉及利用电脉冲刺激帮助残疾人康复的器械技术领域，特别涉及一种功能性电刺激闭环模糊PID控制方法。

背景技术

FES(Functional Electrical Stimulation，功能性电刺激)是通过电流脉冲序列来刺激肢体运动肌群及其外周神经，有效地恢复或重建截瘫患者的部分运动功能的技术。根据对于脊髓损伤瘫痪患者的治疗统计显示，由于脊髓再生能力微弱，目前尚未有可直接修复损伤的有效医治方法，实施功能康复训练是一有效的措施。脊髓损伤瘫痪患者人数逐年增多，功能康复训练是亟待需求的技术。20世纪60年代，Liberson首次成功地利用电刺激腓神经矫正了偏瘫患者足下垂的步态，开创了功能性电刺激用于运动和感觉功能康复治疗的新途径。目前，FES已经成为了恢复或重建截瘫患者的部分运动功能，是重要的康复治疗手段。

PID(Proportional-Integral-Differential，比例微积分)是一种非常实用的反馈调节算法，它根据系统检测或操作偏差，利用比例、积分、微分运算获得所需调节量以对系统进行反馈控制，因其操作方便而广泛用于工程实践。尤其当被控系统特性参数不明确或难以及时在线测定时，稳妥的闭环控制即可采用PID整定算法。面对肌肉的复杂性和时变性操作环境，由于PID的稳定性好、工作可靠，在功能性电刺激领域也得到了广泛的应用。PID核心技术是精密确定比例、积分和微分系数，其控制效果主要取决于三参数的组合，在FES领域，对系统稳定性要求极为严格，所以对PID参数选择尤为重要。

发明人在实现本发明的过程中发现现有技术中至少存在以下的缺点和不足：

1、目前对FES触发控制方式的研究主要依赖于一系列手动操作的开关和一些外部传感器，获得的电流刺激强度的结果不精确、稳定性不高；

2、PID控制要取得较好的控制效果，必须调整好比例、积分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系，现有技术中尚未有较好的调整方式。

发明内容

本发明提供了一种功能性电刺激闭环模糊PID控制方法，该方法获取到较高精度和稳定性的电流刺激强度，对PID三个参数进行了调节，实现了精确的控制输出，详见下文描述：

一种功能性电刺激闭环模糊PID控制方法，所述方法包括以下：

(1)采集小腿运动时的膝关节角度参数θ和加速度参数α，通过逆动力学推导，获取膝关节力矩的表达式；

(2)根据所述膝关节力矩的表达式建立肌肉模型；

(3)模糊PID控制器调整刺激电流的大小，通过所述肌肉模型获取到实际输出的膝关节力矩值；

(4)将所述实际输出的膝关节力矩值与期望的膝关节力矩值做运算，获取误差Δe以及误差变化率Δec；

(5)将所述误差Δe、所述误差变化率Δec以及所述刺激电流输入到模糊推理系统中，所述模糊推理系统进行处理转化为对应的模糊量；

(6)所述模糊推理系统通过所述对应的模糊量获取控制规则，根据所述控制规则对所述模糊PID控制器的三个参数K_p，K_I和K_d进行整定；

(7)根据整定后的模糊PID控制器的三个参数调整刺激电流的大小，通过所述肌肉模型获取到新实际输出的膝关节力矩值；

(8)判断所述新实际输出的膝关节力矩值和所述期望的膝关节力矩值之间的误差是否小于阈值，如果是，执行步骤(9)；如果否，执行步骤(10)；

(9)流程结束；

(10)重新执行步骤(1)101-(8)，直到所述新实际输出的膝关节力矩值和所述期望的膝关节力矩值之间的误差小于阈值，流程结束。

所述膝关节力矩的表达式具体为：

M = G \times L \times \cos θ - J \times \frac{d^{2} θ}{dt} = G \times L \times \cos θ - J \times α;

其中，G(N)＝m×g，L(cm)＝L_c+L_w×体重(kg)+L_s×身高(cm)，

J(kg·cm²)＝J_c+J_w×体重+J_s×身高(cm)，m(kg)＝M_c+M_w×体重(kg)+M_s×身高(cm)，

M为膝关节力矩、L为小腿重心到膝关节转轴的距离、G为小腿重力、J为小腿转动惯量以及m为小腿的质量。

所述对应的模糊量具体为：

将所述误差Δe和所述误差变化率Δec的变化范围定义为模糊集上的论域，

e，ec＝{-5，-4，-3，-2，-1，0，1，2，3，4，5}

则其模糊子集为e，ec＝{NL，NM，NS，ZE，PS，PM，PL}，子集中元素分别代表负大，负中，负小，零，正小，正中，正大。

所述根据所述控制规则对所述模糊PID控制器的三个参数进行整定具体为：

\{\begin{matrix} K_{P} (k) = K_{P} (k - 1) + γ_{P} (k) Δ K_{P} \\ K_{I} (k) = K_{I} (k - 1) + γ_{I} (k) Δ K_{I} \\ K_{D} (k) = K_{D} (k - 1) + γ_{D} (k) Δ K_{D} \end{matrix}

其中，γ_P(k)、γ_I(k)和γ_D(k)为校正速度量；

控制量

u (k) = K_{P} (k) e (k) + K_{I} (k) Σ_{i = 0}^{k} e (i) + K_{D} (k) [e (k) - e (k - 1)],

k的取值为正整数。

本发明提供的技术方案的有益效果是：

本发明提供了一种功能性电刺激闭环模糊PID控制方法，本发明通过肌肉模型建立起膝关节力矩和刺激电流等级之间的关系，再结合模糊PID控制器构成闭环控制系统对期望的关节力矩进行跟踪输出，不断和期望的关节力矩进行比较并调整PID控制器的参数，使输出结果更加接近期望值，其中模糊推理系统能对PID的控制参数进行整定，实现精确的控制输出，本发明是一种全新的功能性电刺激闭环精密控制技术，不仅可以帮助患者用自己的自主意识来控制功能性电刺激，从而恢复部分运动功能，而且还能有效地提高功能性电刺激器的稳定性，延迟肌疲劳，更有利于患者的训练和使用；可有效地提高FES系统准确性和稳定性，并获得可观的社会效益和经济效益。

附图说明

图1为本发明提供的本发明提供的模糊PID控制器的结构示意图；

图2为本发明提供的一种功能性电刺激闭环模糊PID控制方法的流程图；

图3为本发明提供的功能性电刺激实验机理示意图；

图4为本发明提供的功能性电刺激试验场景图；

图5为本发明提供的模糊推理系统的结构示意图；

图6为本发明提供的受试者的ANFIS肌肉模型结果与实际关节力矩相对误差的示意图；

图7为本发明提供的受试者的NARMAX肌肉模型结果与实际关节力矩相对误差的示意图；

图8为本发明提供的基于ANFIS肌肉模型的模糊PID控制追踪结果；

图9为本发明提供的基于NARMAX肌肉模型的模糊PID控制追踪结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

为了获取到较高精度和稳定性的电流刺激强度，对PID三个参数进行调节，实现精确的控制输出，参见图1和图2，本发明实施例提供了一种功能性电刺激闭环模糊PID控制方法，详见下文描述：

模糊推理，又称为模糊逻辑控制，其基本思想是借助于计算机和模糊集合理论来模拟人对系统的推理过程，即把人的经验形式化、模型化，变成计算机可以接受的控制模型，让计算机代替人来进行实时地控制被控对象的高级策略和新颖的技术方法，可有效地提高控制算法的可控性、适应性和合理性，尤其是针对复杂而用数学方程难于建模且有丰富手控经验的对象具有奇特的优势。模糊控制器核心技术就是确定模糊控制器的结构、所采用的模糊规则、合成推理算法以及模糊决策的方法等因素。

101：采集小腿运动时的膝关节角度参数θ和加速度参数α，通过逆动力学推导，获取膝关节力矩的表达式；

其中，本发明实施例中采用动力学参数膝关节力矩评估下肢动作的完成与否，膝关节力矩不受到形态学的影响，并且由运动学参数通过逆动力学推导即可获得，最重要的是与刺激电流的刺激模式有固定的关系，所以本发明实施例采用动力学参数膝关节力矩作为评估依据。

参见图3和图4，刺激电极固定于股四头肌两端，产生刺激电流使小腿运动，采集小腿运动时的膝关节角度参数θ和加速度参数α。实验过程中膝关节运动无外界摩擦，可近似看成绕膝关节转动的刚体运动，膝关节力矩可以由重力力矩和转动力矩求得。M为膝关节力矩，L为小腿重心到膝关节转轴的距离，G为小腿重力，J为小腿转动惯量，m为小腿的质量，人体下肢小腿几何特性参数的经验公式为：

m(kg)＝M_c+M_w×体重(kg)+M_s×身高(cm) (1)

L(cm)＝L_c+L_w×体重(kg)+L_s×身高(cm) (2)

J(kg·cm²)＝J_c+J_w×体重+J_s×身高(cm) (3)

G(N)＝m×g (4)

表1 人体几何特性经验参数

由采集到的小腿运动时的膝关节角度参数和加速度参数，根据逆动力学推导，可得到膝关节力矩的表达式：

M = G \times L \times \cos θ - J \times \frac{d^{2} θ}{dt} = G \times L \times \cos θ - J \times α - - - (5)

102：根据膝关节力矩的表达式建立肌肉模型；

其中，该步骤具体为：根据膝关节力矩的表达式换算出膝关节力矩和等级数值之间的关系，建立可以表征此关系的NARMAX和ANFIS两种肌肉模型。

103：模糊PID控制器调整刺激电流的大小，通过肌肉模型获取到实际输出的膝关节力矩值；

104：将实际输出的膝关节力矩值与期望的膝关节力矩值做运算，获取误差Δe以及误差变化率Δec；

其中，将实际输出的膝关节力矩值与期望的膝关节力矩值作差运算，得到误差Δe；将误差Δe与时间作除运算，得到误差变化率Δec。

105：将误差Δe、误差变化率Δec以及刺激电流输入到模糊推理系统中，模糊推理系统进行处理转化为对应的模糊量；

参见图5，模糊推理系统主要由四部分组成：模糊化(Fuzzifer)、知识库(Knowledge)、模糊推理(Fuzzy Reasoning)和去模糊化(Defuzzifer)。知识库通常由数据库和模糊规则库组成，包含了具体应用领域的知识和要求。其中，数据库主要包含了模糊化的一切具体参数如尺度变换因子、模糊分割数以及各模糊变量的模糊取值和相应的隶属函数等。规则库包括了用模糊语言表示的一系列规则，反映了控制专家的经验和知识。数据库主要包含输入输出变量的尺度变换因子、输入输出空间的模糊分割以及各模糊变量的模糊取值及相应的隶属函数选择和形状等方面的内容。其内容和模糊化的一样，起到一个存储作用，就不再仔细介绍。在模糊推理控制中，通过一组语言描述的规则把专家的经验知识表现出来，适用于某一个系统的所有规则构成了这个模糊推理系统的规则库。

模糊推理系统通常采用“如果<前提>，那么<结论>”的形式，具体来说可以分为两大类，第一类的前提和结论都是模糊的，对于一个多输入多输出(MIMO)系统，这类的模糊推理系统一般采用如下表现形式

IF[<x₁＝A₁>and<x₂＝A₂>andΛand<x_n＝A_n>]

THEN[y₁＝B₁，Λ，y_m＝B_m] (6)

其中，A₁，Λ，A_n；B₁，Λ，B_m均为模糊集合。因为MIMO型的模糊推理控制器可以分解成多个MISO(多输入单输出)型的模糊推理控制器，所以主要以多输入单输出型的模糊推理控制器作为讨论重点。第二类规则的前提采用模糊语言值，而结论部分用的是控制量的清晰表达式，即

IF[<x₁＝A₁>and<x₂＝A₂>andΛand<x_n＝A_n>]

THEN[y＝f(x₁，x₂，Λ，x_n)] (7)

模糊推理控制规则的前提关注的是系统的状态，结果部分反映的是在某个具体状态下应发出的控制信号。

除了采用模糊条件句的形式，模糊推理控制规则还可以用表格的形式表现出来。例如，某模糊推理系统的规则库采用表1的形式，表中带下划线加粗部分表示的规则为：

IF[<e＝NS>and<Δe＝NL or NM>] THEN[u＝PM] (8)

表1 模糊规则控制表

模糊推理是一种近似推理，它根据模糊推理控制规则库和系统的当前状态推断出应施加的控制量的过程。模糊推理是由推理机完成的。规则库有众多模糊推理控制规则组成，每条规则都可以用一个模糊蕴含关系来表达，根据不同的规则蕴含关系处理方式，可以有两种模糊推理方法，即综合法和并行法。

模糊推理的综合法：

规则库内有N条规则，对所有规则的模糊蕴含关系进行综合处理，可以得到整个规则库的模糊关系R，并且

R = R_{1} Y R_{2} YΛY R_{N} = \underset{i}{Y} R_{i} - - - (9)

如果模糊推理系统当前状态为那么，模糊推理控制器的输出是

B^{'} = (A_{1}^{'} \times A_{2}^{'} \times Λ \times A_{n}^{'}) \cdot R - - - (10)

模糊推理的并行法：

对模糊推理控制规则库中的规则不作综合处理，而是各自独立的存放、独立的对系统当前状态做出响应，最终的控制作用由各条规则的分布响应综合而成。如果规则库内有N条规则，各自的模糊蕴含关系分别是R₁，R₂，Λ，R_N，而系统当前的状态为

那么各条规则的输出分别是

模糊PID控制器的最终输出是：

B^{'} = B_{1}^{'} {YB}_{2}^{'} YΛY B_{N}^{'} - - - (12)

输出解模糊化：

模糊推理得到的结论通常是模糊量，但从控制器输出到具体的执行部分的信号必须是清晰的精确量。因此，必须将模糊推理的结果转化为清晰量。这个过程和输入的模糊化相反，它主要实现从输出论域上输出模糊空间到输出精确空间的映射。通常以模糊推理系统输出的Δe和误差变化率Δec作为模糊推理系统的输入，如图5所示的情况。以y^*[k]表示整个模糊PID控制器k时刻的期望输出，k时刻的误差为e[k]＝y^*[k]-y[k]，e[k-1]表示(k-1)时刻的误差，那么Δe[k]＝e[k]-e[k-1]。

其中，对应的模糊量具体为：

将误差Δe和误差变化率Δec的变化范围定义为模糊集上的论域，如下所示

e，ec＝{-5，-4，-3，-2，-1，0，1，2，3，4，5} (13)

则其模糊子集为e，ec＝{NL，NM，NS，ZE，PS，PM，PL}，子集中元素分别代表负大，负中，负小，零，正小，正中，正大，即NL代表负大、NM代表负中、NS代表负小、ZE代表零、PS代表正小、PM代表正中以及PL代表正大。通过模糊化处理将输入量离散成预设范围的一列整数，本发明实施例是以-3到3的范围为例进行说明。

106：模糊推理系统通过对应的模糊量获取控制规则，根据控制规则对模糊PID控制器的三个参数进行整定；

在PID控制器中，比例(P)、积分(I)和微分(D)三种控制作用：比例控制环节：模糊推理系统一旦产生误差，PID控制器就发挥控制作用，使控制对象朝着误差减小的方向变化，比例系数K_p决定了控制作用的强弱。增大K_p可减小静态误差，但K_p过大会导致模糊推理系统超调增大，破坏了模糊推理系统的动态性能。积分控制环节：对以往的误差信号发生作用，可以消除模糊推理系统的静态误差。但积分作用具有滞后特性，如果它的作用太强会使控制对象的动态性能变坏，还可能导致模糊PID控制器的不稳定。微分控制环节：对误差进行微分作用，能观测到误差的变化趋势，增大K_d可以加快模糊推理系统的响应，减小超调。但其对干扰很敏感，会使模糊推理系统的抗干扰能力降低。但由于PID控制算法只有在模糊推理系统模型参数固定的情况下，才可以获得理想效果。

模糊理论为解决这一问题提供了有效的途径，人们可以运用模糊数学的基本理论和方法，用模糊集把规则的条件和操作等表示出来，并把这些规则和相关的信息(如初始PID参数，评价指标等)作为知识库存入计算机，然后计算机就可以根据模糊推理系统的实际响应，通过模糊推理，即可自动实现对PID参数的最佳调整，即模糊自适应PID控制器。模糊自适应PID控制器是目前被广泛应用的PID控制器，它一改传统PID控制器的固定参数K_p，K_I，K_d的控制策略，通过跟踪误差信号等实现了动态改变PID控制器的参数，改善了系统的控制效果，扩大了应用范围。

根据工程设计人员的技术知识和实际操作经验，建立了三个参数K_p，K_I，K_d分别整定的模糊控制表，如下所示。

表2 K_p模糊规则控制表

表3 K_I模糊规则控制表

表4 K_D模糊规则控制表

在模糊参数调整的规则表确定好之后，就可以按照如下规则对校正速度量γ_P(k)，γ_I(k)，γ_D(k)进行整定：

如果肌肉模型的响应特征出现上升时间短，而且超调大，则应减小γ_I(k)，而γ_P(k)和γ_D(k)保持不变。反之，若上升时间长，但没有超调，则应增大γ_I(k)，而γ_P(k)和γ_D(k)保持不变。如果，对阶跃输入系统产生多次正旋衰弱现象，则应减小γ_P(k)，而γ_I(k)和γ_D(k)不变；

如果被调对象上升时间长，增大γ_I(k)会导致超调过大，可以适当增大γ_P(k)，而γ_I(k)和γ_D(k)保持不变。

γ_P(k)，γ_I(k)和γ_D(k)的选取要保证被调系统工作在稳定范围内。

在每一次控制过程结束后，比较被控对象的输出响应特性和系统要求性能，再来修改γ_P(k)，γ_I(k)和γ_D(k)三个系数，逐步改善被控对象的动静态性能。

其中，对模糊PID控制器的三个参数进行调整具体为：

\{\begin{matrix} K_{P} (k) = K_{P} (k - 1) + γ_{P} (k) Δ K_{P} \\ K_{I} (k) = K_{I} (k - 1) + γ_{I} (k) Δ K_{I} \\ K_{D} (k) = K_{D} (k - 1) + γ_{D} (k) Δ K_{D} \end{matrix} - - - (14)

其中，γ_P(k)、γ_I(k)和γ_D(k)为校正速度量，随着校正次数的增加，它们的值将减小。有时为了设计方便也可将它们设成常数。由公式(14)可知，下一步的模糊PID控制器的参数，可以由当前控制器的参数和模糊推理得出的控制器参数增量的加权和组成

由此可知控制量

u (k) = K_{P} (k) e (k) + K_{I} (k) Σ_{i = 0}^{k} e (i) + K_{D} (k) [e (k) - e (k - 1)],

k的取值为正整数(15)

107：根据整定后的模糊PID控制器的三个参数调整刺激电流的大小，通过肌肉模型获取到新输出的膝关节力矩值；

108：判断新输出的膝关节力矩值和期望的膝关节力矩值之间的误差是否小于阈值，如果是，执行步骤109；如果否，执行步骤110；

109：流程结束；

110：重新执行步骤101-108，直到新输出的膝关节力矩值和期望的膝关节力矩值之间的误差小于阈值，流程结束。

通过上述步骤，实现了模糊推理系统的在线整定，减少了误差和误差率，提高了精度。

下面以一个具体的试验来验证本发明实施例提供的一种功能性电刺激闭环模糊PID控制方法的可行性，详见下文描述：

建立功能性电刺激下的膝关节力矩和刺激等级之间的肌肉模型，实验设备可以获得受试者电刺激下的运动学参数：关节角度，角速度和角加速度等。考虑到膝关节运动在实验中是一个转轴运动，可以通过逆动力学推导得到膝关节力矩。虽然此系统是针对脊髓损伤或者患者所设计，截瘫患者所需的电流强度和膝关节力矩之间的关系也与健康对象有所不同，但是根据膝关节力矩控制功能性电刺激电流强度的方法是通用的。考虑到受试者的安全性和所设计系统的稳定性要求，需要大量的实验数据，由于病人人数较少，所以研究中采用了身体健康的实验对象。

实验装置采用的是PASCO公司PS-2137量角器系统和Data Studio软件以及美国SIGMEDICS公司生产的功能性电刺激助行系统中Parastep-1系统。PS-2137量角器系统包括角度转化器、测角器探PASCO USB连接板、绷带等部分。Parastep-1系统包含微处理器和刺激脉冲发生电路，含六条刺激通道，电池供电。实验时，受试者静坐于测试台上，刺激电极固定于股四头肌的两端位置，量角器固定在大腿和小腿上，使量角器的关节活动点贴近膝关节活动点位置。未施加电刺激时小腿放松、保持垂直悬空状态，FES实验场景如图4所示。

功能性电刺激脉冲序列采用经典的Lilly波形，脉冲频率为25Hz、脉宽150μs，脉冲电流在0～120m范围内可调。实验中可通过改变脉冲电流大小来调整刺激强度以改变由刺激产生的膝关节角度。实验前，对每个受试进行预实验，记录受试者小腿有明显运动轨迹以及小腿绷直时的刺激大小(如刺激等级7小腿有运动轨迹，刺激等级10小腿运动角度完全打开)。根据各个受试的不同情况设定实验方案：从小腿有运动轨迹的刺激等级开始，每个等级持续3秒刺激时间，到达小腿运动角度完全打开的刺激等级时，逐渐减小刺激等级，直到开始的刺激等级，再重复这个周期。如受试者从6-7-8-9-8-7-6的刺激等级逐渐变化，每个刺激等级持续3秒。实验中利用角度测量计实时检测膝关节角度、角速度及角加速度变化。实验数据采样率为100HZ，数据记录长为6到8个周期。

研究中使用了NARMAX和ANFIS两种数据建模的方法建立了膝关节力矩和刺激电流等级之间的动态关系。希望从算法本身的原理应用到建模实验结果的对比方面找到更适合本课题研究的肌肉模型建模方法，和后续的控制器结合以实现功能性电刺激的闭环反馈控制系统，达到更精准的刺激效果为以后的研究以及应用提供理论基础。ANFIS和NARMAX肌肉模型输出结果分别如图6和7所示。模糊PID控制器结合肌肉模型的闭环反馈控制，使FES作用所产生的动力学参数膝关节力矩更贴近预期的关节力矩。

参见图8和图9，图中虚线表示闭环控制系统的输出力矩，实线为实际输出关节力矩。X轴为时间，Y轴为膝关节力矩。选取动力学参数膝关节力矩作为闭环控制的反馈信号，并在此基础上建立了NARMAX和ANFIS两种肌肉模型，通过不断修正模糊PID闭环控制器的参数以实现更精准的刺激效果和防止疲劳。由上述两图可知基于ANFIS和NARMAX肌肉模型的闭环模糊PID控制器的跟踪结果都很好，且两种模型都具有很高的稳定性。肌肉模型越准确，联合控制器进行闭环控制时得到的跟踪效果就越好。

综上所述，本发明实施例提供了一种功能性电刺激闭环模糊PID控制方法，本发明实施例通过肌肉模型建立起膝关节力矩和刺激电流等级之间的关系，再结合模糊PID控制器构成闭环控制系统对期望的关节力矩进行跟踪输出，不断和期望的关节力矩进行比较并调整PID控制器的参数，使输出结果更加接近期望值，其中模糊推理系统能对PID的控制参数进行整定，实现精确的控制输出，本发明实施例是一种全新的功能性电刺激闭环精密控制技术，不仅可以帮助患者用自己的自主意识来控制功能性电刺激，从而恢复部分运动功能，而且还能有效地提高功能性电刺激器的稳定性，延迟肌疲劳，更有利于患者的训练和使用；可有效地提高FES系统准确性和稳定性，并获得可观的社会效益和经济效益。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种功能性电刺激闭环模糊PID控制方法，其特征在于，所述方法包括以下：

(2)根据所述膝关节力矩的表达式建立肌肉模型；

(9)流程结束；

(10)重新执行步骤(1)-(8)，直到所述新实际输出的膝关节力矩值和所述期望的膝关节力矩值之间的误差小于阈值，流程结束。

2.根据权利要求1所述的一种功能性电刺激闭环模糊PID控制方法，其特征在于，所述膝关节力矩的表达式具体为：

M = G \times L \times \cos θ - J \times \frac{d^{2} θ}{dt} = G \times L \times \cos θ - J \times α;

其中，G(N)＝m×g，L(cm)＝L_c+L_w×体重(kg)+L_s×身高(cm)，

3.根据权利要求1所述的一种功能性电刺激闭环模糊PID控制方法，其特征在于，所述对应的模糊量具体为：

e，ec＝{-5，-4，-3，-2，-1，0，1，2，3，4，5}

4.根据权利要求1所述的一种功能性电刺激闭环模糊PID控制方法，其特征在于，所述根据所述控制规则对所述模糊PID控制器的三个参数进行整定具体为：

\{\begin{matrix} K_{P} (k) = K_{P} (k - 1) + γ_{P} (k) Δ K_{P} \\ K_{I} (k) = K_{I} (k - 1) + γ_{I} (k) Δ K_{I} \\ K_{D} (k) = K_{D} (k - 1) + γ_{D} (k) Δ K_{D} \end{matrix}

其中，γ_P(k)、γ_I(k)和γ_D(k)为校正速度量；

控制量

u (k) = K_{P} (k) e (k) + K_{I} (k) Σ_{i = 0}^{k} e (i) + K_{D} (k) [e (k) - e (k - 1)],

k的取值为正整数。