CN110652299B - 面向下肢软质外骨骼的多源传感信息融合系统 - Google Patents
面向下肢软质外骨骼的多源传感信息融合系统 Download PDFInfo
- Publication number
- CN110652299B CN110652299B CN201910768056.4A CN201910768056A CN110652299B CN 110652299 B CN110652299 B CN 110652299B CN 201910768056 A CN201910768056 A CN 201910768056A CN 110652299 B CN110652299 B CN 110652299B
- Authority
- CN
- China
- Prior art keywords
- semg
- signal
- axis mems
- microprocessor
- subsystem
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 17
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 12
- 230000005021 gait Effects 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 15
- 210000000629 knee joint Anatomy 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 16
- 210000003205 muscle Anatomy 0.000 claims description 14
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 210000002683 foot Anatomy 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 210000002414 leg Anatomy 0.000 claims description 5
- 210000003314 quadriceps muscle Anatomy 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000001953 sensory effect Effects 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 claims 1
- 238000012163 sequencing technique Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 7
- 210000003127 knee Anatomy 0.000 abstract description 2
- 230000033001 locomotion Effects 0.000 description 20
- 238000012549 training Methods 0.000 description 17
- 230000008901 benefit Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 206010061296 Motor dysfunction Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000002567 electromyography Methods 0.000 description 2
- 230000004118 muscle contraction Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000000454 fifth toe Anatomy 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001087 myotubule Anatomy 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6811—External prosthesis
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B23/00—Exercising apparatus specially adapted for particular parts of the body
- A63B23/035—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously
- A63B23/04—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for lower limbs
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/62—Measuring physiological parameters of the user posture
- A63B2230/625—Measuring physiological parameters of the user posture used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开一种面向下肢软质外骨骼的多源传感信息融合系统，共4个单元。膝角度单元含多个自主设计的惯导模块，其上的微处理器读取传感器数据后进行融合，并将结果通过WIFI发送至中心单元。步态相位单元含多个自主设计的步态模块，其上的微处理器读取传感器数据后进行相位划分，并把结果通过WIFI发送至中心单元。基于sEMG的关节力矩估计单元含多个自主设计的sEMG模块，其上的电极和信号处理电路负责采集信号，微处理器进行数据处理后通过WIFI发送至中心单元。中心单元负责接收其它子系统的数据，并通过有线与上位机连接。本发明构建起面向套索驱动的下肢软质外骨骼的多源传感系统，并在此基础上实现数据融合，创新点在于自主设计的紧凑传感单元和融合算法。
Description
技术领域
本发明涉及可穿外骨骼设备的信息技术领域。
背景技术
随着时代发展，我国社会人口老龄化问题日益加剧、疾病或交通事故致残频发，运动功能障碍严重威胁老年人和肢体伤残病人的生命和健康，并给社会带来了沉重的经济和医疗负担。
在患者的康复过程中，人体运动功能和各个关节的早期康复训练是至关重要的，其对最终康复效果起着决定性作用。目前，运动功能障碍患者的治疗多采用康复机器人诱导患者进行被动训练，即以医师为核心，患者在医师控制下被动接受肢体运动，训练效果很大情况下依赖医师经验水平和患者主动服从医师的程度。被动训练医师劳动强度大、患者主动参与康复受限并且训练效果难以评估。而主动训练，即以患者为核心，其必须自主控制肌肉和肢体来实现既定运动，是思维、感知、意志、平衡、肌肉控制能力的综合性训练，可在最大程度上恢复患者运动功能并提高运动能力。而主动训练需要康复机器人实时获取患者姿态、关节角度、肌肉激活程度、与康复机器人的交互力等相关生物力学数据来进行反馈交互，以提高患者的主动参与的积极性。
传统康复外骨骼多为刚性外骨骼，其主要存在两个缺点，一是惯量大，辅助人体运动需要克服自身较大惯量，并且人体穿戴舒适性很差。二是，与人体灵活的运动学配置不相匹配，进一步降低可穿戴舒适性。面对上述刚性外骨骼难以克服的缺点，软质外骨骼应运而出，软质外骨骼主要优点在于其主要由纺织物组成，可穿戴于人体上，并且柔顺轻便。驱动机构远离穿戴部分，进一步降低系统的质量并增加柔顺特性。但软质外骨骼有其自身特点，其不存在刚性外骨骼上简单的平面和轴线来放置传感器。本文所设计的三种传感器从可穿戴特性出发，力求小巧并通过无线组网来传递数据，避免了有线传输限制运动范围，非常适合于软质外骨骼采集数据并应用于控制。
人体下肢运动状态和运动意图，包括步态相位、关节角度、肌肉激活程度等信息。人体下肢行走是周期性运动，因此可以提取行走周期中的共同特征来对行走过程进行相位划分。对于步行，从双足角度可以划分为双足支撑相和单足支撑相，从单足角度可以划分为站立相(脚跟触地、加载响应、站立中期、站立末期)、摆动相(预摆动、摆动初期、摆动中期、摆动末期)。目前，步态划分的实现可以采用视觉、压力板、惯性器件等传感技术平台，但视觉技术受限于遮挡，并和压力板同样受限于成本和运动空间范围。惯性器件虽然受限于精度和抵抗震动、冲击的程度，但良好的可穿戴特性为其应用在康复机器人中提供了无可比拟的优势，并可结合足底压力进行多源传感融合以提高准确性。关节角度同样是周期性信号，同样可以用于步态相位划分，但其更重要的作用在于获取肢体空间状态，从而为主动康复训练提供反馈，增加患者主动参与康复训练的程度。关节角度的测量可以采用编码器、电位计、视觉、惯性器件、挠曲计等传感技术平台，但编码器、电位计、挠曲计受限于可穿戴特性差，视觉的限制于成本和遮挡。惯性器件虽然受限于精度和抵抗震动、冲击的程度，但良好的可穿戴特性为其应用在康复机器人中提供了测量关节角度时无可比拟的优势。
步态相位和关节角度是下肢运动的实时状态，但sEMG(表面肌电图)信号是神经动作电位在皮肤表面的测量结果，其具有非侵入性并超前于肌肉收缩导致的关节运动。准确解读sEMG就能得到人体的运动意图，从而为康复机器人提供患者主动参与的反馈信息，并实现柔顺的训练过程。sEMG信号是极其微弱的，这为准确获得sEMG信号造成了很大的困难。
现有商用sEMG传感器价格过于昂贵，并且大多不可无线组网通信，可穿戴特性差。sEMG信号受限于获取难度大，信号处理复杂，不同个体差异性大等缺点，但其提供了超前于肌肉收缩的信号，真正获得超前的人体运动意图。
在专利申请号为CN 105125216 A的发明专利申请中,公开了一种只于足底压力的步态检测系统，其在足底第五趾区域、第四节趾骨区域、第二节趾骨区域和脚跟处放置4个薄膜压力传感器，并由电路将压力转换为电压进行测量，然后由压力变化情况来判断踝关节所处的空间姿态。在专利申请号为CN104382595A的发明专利申请中，公开了一种基于肌电信号与虚拟现实交互技术的上肢康复系统及方法，该发明所述的康复方法运用肌电信号来反映患者的主观运动意图，并利用虚拟现实技术提高患者在康复过程中的主动性，提升康复训练的有效性。
然而针对康复机器人患者组成的人机系统的状态信息融合和运动意图识别，仍然存在一下缺陷：(1)虽然主动康复训练逐渐引起人们的重视，但相关传感器构建和数据处理方法仍然是限制主动康复训练的一大难题。(2)基于视觉、测力板技术的步态相位划分受限于成本、运动空间、信息源单一等缺点。(3)目前没有可穿戴性好的关节角度测量设备。(4)商用sEMG传感器过于昂贵，且信号处理复杂。
故，需要一种新的技术方案以解决上述问题。
发明内容
发明目的：为实现主动康复训练，提供具有良好可穿戴特性的多源传感信息融合平台，创新点在于紧凑的传感器系统及其数据融合处理方法，为刚性或软质外骨骼助力控制数据采集提供帮助。
技术方案：本发明可采用以下技术方案：
一种面向下肢软质外骨骼的多源传感信息融合系统，包括：膝关节角度测量系统、步态相位划分子系统、基于sEMG的力矩估计子系统、中心基站子系统；
膝关节角度测量子系统包括：多个惯导模块，每个惯导模块包括：第一三轴MEMS加速度计、第一三轴MEMS陀螺仪、第一三轴MEMS磁力计，第一微处理器及第一无线通信模块；所述第一三轴MEMS加速度计用于测量膝关节处的加速度信号，所述的第一三轴MEMS陀螺仪用于测量膝关节处的角速度信号，所述的第一三轴MEMS磁力计用于测量膝关节处的三轴地磁信号，所述的微处理器通过SPI总线读取上述第一三轴MEMS加速度计、第一三轴MEMS陀螺仪、第一三轴MEMS磁力计测量到的数据，并通过对角速度进行积分，辅以加速度计和磁力计修正来获得方位信息；所述的无线通信模块用于将所述方位信息、三轴加速度数据、三轴角速度数据、三轴地磁数据发送给中心基站子系统；
步态相位划分子系统包括：多个步态模块，每个步态模块包括：第二三轴MEMS加速度计、第二三轴MEMS陀螺仪、第二三轴MEMS磁力计、足底压力测量鞋垫、第二微处理器及第二无线通信模块；足底压力测量鞋垫固定在鞋内，并含有多个FSR压力测量点；所述第二三轴MEMS加速度计用于测量足部的加速度信号，所述的第二三轴MEMS陀螺仪用于测量足部的角速度信号，所述的第二三轴MEMS磁力计用于测量足部的三轴地磁信号，足底压力测量鞋垫将压力转换为电阻变化，并由步态模块上的电路将电阻变换为电压信号；所述微控制器通过SPI总线读取上述第二三轴MEMS加速度计、第二三轴MEMS陀螺仪、第二三轴MEMS磁力计测量的数据，通过ADC采样电压获得压力数据，并通过提取垂直于矢状面的角速度曲线特征点的算法来对步态相位进行划分，获得单腿行走相位，以及综合左右腿相位获得双腿步行相位；所述的无线通信芯片用于将单腿行走相位或双腿步行相位发送给中心基站子系统；通过微处理器ADC采集鞋垫中FSR压力测量点的压力，并根据步行中压力分布的时空特点来判断是否处于稳定的步行；
基于sEMG的力矩估计子系统包括多个sEMG测量处理模块，多个sEMG测量处理模块分别绑缚在人体下肢股直肌、股外侧肌、半腱肌的肌腹中线位置，使其电极连线方向与相应肌肉伸缩方向相同；每个sEMG测量处理模块包括：sEMG测量电极、信号放大整流滤波电路、微控制器及第三无线通信模块；信号放大整流滤波电路负责将sEMG测量电极上的微弱肌电信号放大、整流、滤波转换成微控制器可采集的电压信号或直接输出经过放大、偏置后的原始信号；微控制器负责采集电压信号或者原始信号并通过第三无线通信模块将sEMG信号强度发送给中心基站子系统；
中心基站子系统包括微控制器和无线芯片，用以接收上述三个子系统的上传数据，并通过有线与上位机通信。
有益效果：本发明构建面向软质外骨骼的多源传感融合系统，具有无可比拟的可穿戴特性和无线组网功能，相对现有技术，具有以下优点：
1、传统的关节角度的测量可以采用编码器、电位计、视觉、惯性器件、挠曲计等技术，但编码器、电位计、挠曲计受限于可穿戴特性差，视觉的限制于成本和遮挡。
2、步态划分可以采用视觉、压力板、惯性器件等技术，但视觉技术受限于遮挡，并和压力板同样受限于成本和运动空间范围。本申请中基于惯性器件和压力鞋垫传感器而设计的鞋具有低成本、高精度、可穿戴性好、不限制运动范围等优点。
3、现有商用sEMG传感器价格过于昂贵，并且大多不可无线组网通信，可穿戴特性差。本申请中提供的sEMG传感器体积小、精度高、可无线组网。
附图说明
图1是面向康复机器人的多源传感融合系统概览图。
图2是膝关节角度测量子系统传感器布置图。
图3是膝关节角度测量算法融合示意图。
图4是步态相位划分子系统传感器布置图。
图5是步态相位划分子系统算法处理流程图。
图6是sEMG传感器硬件组成图。
图7是sEMG信号处理算法流程图。
图8是腿部摆动时的膝关节角度曲线图。
图9是稳定步行时的步态相位划分图。
图10是稳定步行时基于sEMG的扭矩估计图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
面向下肢软质外骨骼的多源传感信息融合系统，包括膝关节角度测量子系统、步态相位划分子系统、基于sEMG的关节力矩估计子系统、中心基站子系统，如图1所示。
膝关节角度测量子系统配置：将多个自主设计的惯导模块通过弹性扣带固定在膝关节上下的大腿和小腿的较平坦处，并使其x轴与膝关节旋转轴线重合，如图2所示。模块上微控制器通过SPI总线读取三轴MEMS加速度计、三轴MEMS陀螺仪、三轴MEMS磁力计数据，并通过如下方式建立方位估计的状态方程和测量方程，以运行扩展卡尔曼滤波器并获得表示方位的四元数，如图3所示。
状态方程的建立依据：
其中
为四元数矢量，
为角速度矩阵。
测量方程建立依据：
其中
为三轴MEMS加速度计数据，
为世界坐标系到惯导模块坐标系的转换矩阵，
和
分别为参考重力矢量和参考地磁矢量。通过扩展卡尔曼滤波器融合陀螺仪、加速度计、磁力计获得表示惯导模块的四元数后，微控制器通过WIFI模块将四元数和垂直于矢状面的角速度数据发往中心基站。在中心基站中，获得两个惯导模块的角速度差gyrodiff和其与水平截面的夹角之差anglediff
gyrodiff＝Rate1-Rate2
anglediff＝angle1-angle2
其中Rate1、Rate2分别是两个惯导模块测得的绕膝关节轴线的角速度，angle1、angle2分别是扩展卡尔曼解算出的大腿和小腿与水平面的夹角。
再根据一维经典卡尔曼滤波，获得最终的膝关节角度。融合采用如下公式，流程如图3所示。
其中Anglek为此时刻膝关节角度最优估计值、Anglek-为关节角度一步预报值、Anglek-1为上一时刻膝关节角度最优估计值；ek、ek-1是由于传感器误差特性引入的假设误差，下标k代表不同的时刻；Ts表示迭代周期；
为状态协方差矩阵一步预报值；Qg、Qe表示状态变量Anglek、ek的过程噪声；
是卡尔曼增益更新矩阵；R表示测量噪声；
为状态变量更新(修正)矩阵；
是状态协方差更新(修正)矩阵。
步态相位划分子系统配置：采用多个自主设计的步态模块，单个步态模块呈长条状以利于固定在鞋底侧面，如果4所示。步态模块上的微控制器通过SPI总线读取MEMS传感器数据，获得角速度、加速度、地磁强度数据。通过8通道模拟开关CD4051选择FSR一个测量点接入运放后将压力转换为微控制器ADC可以采集的电压信号，通过模拟开关进行扫描获得8个通道的ADC测量值。ADC测量值和及对应压力经过砝码线性标定后，由微控制器计算获得压力，进一步获得足底压力信号的中心坐标COP(Centre of Pressure)，即以每个FSR压力百分比乘以相应坐标并求和，如下式
其中xi为每个FSR采样点距离鞋垫原点的距离,ai为每个FSR采样点的压力值。根据所采集的角速度曲线的特征，如平整段、过零点、峰值，对步态相位进行划分，如图5所示。平整段判断主要依靠建立7个数据点的缓冲数组，每次新的数据都代替最旧的数据，然后计算连续7个点的方差和均值并分别与相应阈值进行比较。
过零点判断主要依靠对连续7个点进行临时冒泡排序，并判断最大值和最小值是否异号。峰值的判断主要依靠计算连续3个点的中心差分值并与阈值比较。
其中w3、w1分别是3个点中的第一个和第三个角速度值，tsample为采样时间。最终将步态相位按单腿：站立相(脚跟触地、加载响应、站立中期、站立末期)、摆动相(预摆动、摆动初期、摆动中期、摆动末期)，综合左右腿相位获得双腿：双足支撑相、单足支撑相。最后微控制器将步态相位结果通过无线模块发往中心基站。
基于sEMG的力矩估计子系统配置：采用多个自主设计的sEMG测量处理模块，并通过湿式电极贴片分别贴敷再下肢股二头肌和股四头肌处，使电极分布方向同肌纤维伸缩方向相同，并使参考电极贴敷再肌肉较少处以获得良好的参考电平。每个sEMG测量处理模块包括：sEMG测量电极、信号放大整流滤波电路、微控制器及无线通信模块。信号放大整流滤波电路负责将sEMG测量电极上的微弱肌电信号放大、整流、滤波转换成微控制器可采集的电压信号或直接输出经过放大、偏置后的原始信号。放大整流滤波电路的原理框图如图6所示。图6采用四个阶段来获得微处理器可接受的信号：(1)、信号获取，使用差分放大器获取电极上的sEMG信号，并反相放大110倍；(2)、信号放大，采用两级放大器，前级放大器对信号反相放大15倍，后级放大器对前级输出进行有源高通滤波来消除直流偏置和低频噪声。(3)、信号调理，使用有源全波整流电路对放大后的信号进行整流，使整个信号处于正电压范围。然后使用低通滤波器来将其变为直流信号以利于微控制器采样。(4)、信号光滑和增益可调，此阶段前级放大器使用有源低通滤波器来使信号变得光滑并反相为负电压，后级放大器反相前阶段信号并且使用滑动变阻器来使增益可调。
膝关节扭矩的计算采用如下方法，采用偏置后的原始sEMG信号来计算肌肉力，上述信号经过微控制器采集、10～500Hz滤波、全波整流、5Hz低通获得肌电信号的包络曲线。其中，ADC采样值使用定时器触发DMA来传输，以达到1kHz采样率。经过后处理的包络曲线通过EMG-Force的非线性公式获得肌肉力。
其中n是肌肉索引，An定义了曲线的形状，fn,max是对应最大EMG信号sn，max的肌肉力。参数An和fn,max必须对每块肌肉校准。总的膝关节力矩是
其中N是测量肌肉的总数，rn是相应肌肉的力臂。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种面向下肢软质外骨骼的多源传感信息融合系统，包括：膝关节角度测量子系统、步态相位划分子系统、基于sEMG的力矩估计子系统、中心基站子系统；
膝关节角度测量子系统包括：多个惯导模块，每个惯导模块包括：第一三轴MEMS加速度计、第一三轴MEMS陀螺仪、第一三轴MEMS磁力计，第一微处理器及第一无线通信模块；所述第一三轴MEMS加速度计用于测量膝关节处的加速度信号，所述的第一三轴MEMS陀螺仪用于测量膝关节处的角速度信号，所述的第一三轴MEMS磁力计用于测量膝关节处的三轴地磁信号，所述的第一微处理器通过SPI总线读取上述第一三轴MEMS加速度计、第一三轴MEMS陀螺仪、第一三轴MEMS磁力计测量到的数据，并通过对角速度进行积分，辅以加速度计和磁力计修正来获得方位信息；所述的第一无线通信模块用于将所述方位信息、三轴加速度数据、三轴角速度数据、三轴地磁数据发送给中心基站子系统；
步态相位划分子系统包括：多个步态模块，每个步态模块包括：第二三轴MEMS加速度计、第二三轴MEMS陀螺仪、第二三轴MEMS磁力计、足底压力测量鞋垫、第二微处理器及第二无线通信模块；足底压力测量鞋垫固定在鞋内，并含有多个FSR压力测量点；所述第二三轴MEMS加速度计用于测量足部的加速度信号，所述的第二三轴MEMS陀螺仪用于测量足部的角速度信号，所述的第二三轴MEMS磁力计用于测量足部的三轴地磁信号，足底压力测量鞋垫将压力转换为电阻变化，并由步态模块上的电路将电阻变化变换为电压信号；所述第二微处理器通过SPI总线读取上述第二三轴MEMS加速度计、第二三轴MEMS陀螺仪、第二三轴MEMS磁力计测量的数据，通过第二微处理器ADC采样电压获得压力数据，并通过提取垂直于矢状面的角速度曲线特征的算法来对步态相位进行划分，获得单腿行走相位，以及综合左右腿相位获得双腿步行相位；所述的第二无线通信模块用于将单腿行走相位或双腿步行相位发送给中心基站子系统；第二微处理器ADC采集鞋垫中8个FSR压力测量点的压力，并根据步行中压力分布的时空特点来判断是否处于稳定的步行，并在稳定步行中采用上述算法来划分步态相位；角速度曲线的特征包括：平整段、过零点、峰值，其中过零点对应关节屈伸角度的极值；平整段判断依靠计算连续7个点的方差和均值并分别与相应阈值进行比较；过零点判断依靠对连续7个点进行临时冒泡排序，并判断最大值和最小值是否异号；峰值的判断依靠计算连续3个点的有限差分值并与阈值比较；
基于sEMG的力矩估计子系统包括多个sEMG测量处理模块，多个sEMG测量处理模块分别绑缚在人体下肢股直肌、股外侧肌、半腱肌的肌腹中线位置，使电极连线方向与相应肌肉伸缩方向相同；每个sEMG测量处理模块包括：sEMG测量电极、信号放大整流滤波电路、第三微处理器及第三无线通信模块；信号放大整流滤波电路负责将sEMG测量电极上的微弱sEMG信号放大、整流、滤波转换成第三微处理器可采集的电压信号；第三微处理器负责采集电压信号并通过第三无线通信模块将sEMG信号强度发送给中心基站子系统；
中心基站子系统包括第四微处理器和无线芯片，用以接收上述膝关节角度测量子系统、步态相位划分子系统、基于sEMG的力矩估计子系统的上传数据，并通过有线与上位机通信。
2.根据权利要求1所述的多源传感信息融合系统，其特征在于：膝关节角度测量子系统中惯导模块的第一微处理器采用扩展卡尔曼滤波对第一三轴MEMS加速度计、第一三轴MEMS陀螺仪、第一三轴MEMS磁力计测量的数据进行融合获得表示该惯导模块的方位信息的四元数，并把四元数和第一三轴MEMS加速度计、第一三轴MEMS陀螺仪、第一三轴MEMS磁力计测量的数据通过第一无线通信模块发送至中心基站子系统；对于单个膝关节，在中心基站子系统的第四微处理器中获得两个惯导模块的四元数和第一三轴MEMS加速度计、第一三轴MEMS陀螺仪、第一三轴MEMS磁力计测量的数据，并采用经典的一维卡尔曼滤波算法对两个惯导模块的垂直于矢状面的角速度的差值和两个惯导模块与水平截面所成角度的差值进行融合，最终获得膝关节角度。
3.根据权利要求1所述的多源传感信息融合系统，其特征在于：基于sEMG的力矩估计子系统中，sEMG测量处理模块的信号放大整流滤波电路输出经放大整流滤波处理后的信号；对于微弱的毫伏级sEMG信号，采用如下四个阶段来获得供第三微处理器采样的信号：（1）、信号获取，使用差分放大器获取电极上的sEMG信号，并反相放大110倍；（2）、信号放大，采用两级放大器，前级放大器对信号反相放大15倍，后级放大器对前级输出进行有源高通滤波来消除直流偏置和低频噪声；（3）、信号调理，使用有源全波整流电路对放大后的信号进行整流，使整个信号处于正电压范围，然后使用低通滤波器来将其变为直流信号以利于第三微处理器采样；（4）、信号光滑和增益可调，此阶段前级放大器使用有源低通滤波器来使信号变得光滑并反相为负电压，后级放大器反相前级放大器的输出信号并且使用滑动变阻器来使增益可调。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910768056.4A CN110652299B (zh) | 2019-08-20 | 2019-08-20 | 面向下肢软质外骨骼的多源传感信息融合系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910768056.4A CN110652299B (zh) | 2019-08-20 | 2019-08-20 | 面向下肢软质外骨骼的多源传感信息融合系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110652299A CN110652299A (zh) | 2020-01-07 |
| CN110652299B true CN110652299B (zh) | 2021-09-24 |
Family
ID=69037606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910768056.4A Active CN110652299B (zh) | 2019-08-20 | 2019-08-20 | 面向下肢软质外骨骼的多源传感信息融合系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110652299B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111702764B (zh) * | 2020-06-28 | 2022-04-12 | 京东科技信息技术有限公司 | 外骨骼机器人控制方法、装置、外骨骼机器人及存储介质 |
| CN112206480B (zh) * | 2020-10-16 | 2022-05-24 | 中新国际联合研究院 | 一种基于九轴传感器的自适应踢腿状态识别方法及其装置 |
| CN113273999B (zh) * | 2021-05-25 | 2023-08-01 | 南开大学 | 一种穿戴式多维步态分析系统及方法 |
| CN114176854B (zh) * | 2021-11-30 | 2023-05-30 | 中国人民解放军总医院第四医学中心 | 一种用于骨整合的多传感采集及控制系统 |
| PL442711A1 (pl) * | 2022-11-03 | 2024-05-06 | Politechnika Białostocka | System rejestracji czasowo-przestrzennych parametrów kinematycznych |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103431929A (zh) * | 2013-08-29 | 2013-12-11 | 电子科技大学 | 一种力量增强型动力外骨骼行走步态感知方法及装置 |
| CN104757976A (zh) * | 2015-04-16 | 2015-07-08 | 大连理工大学 | 一种基于多传感器融合的人体步态分析方法和系统 |
| CN106176149A (zh) * | 2016-09-08 | 2016-12-07 | 电子科技大学 | 一种基于多传感融合的外骨骼步态分析系统及方法 |
| CN109260647A (zh) * | 2018-09-10 | 2019-01-25 | 郑州大学 | 基于多模态信号的人体跳跃指标综合评测及训练系统 |
-
2019
- 2019-08-20 CN CN201910768056.4A patent/CN110652299B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103431929A (zh) * | 2013-08-29 | 2013-12-11 | 电子科技大学 | 一种力量增强型动力外骨骼行走步态感知方法及装置 |
| CN104757976A (zh) * | 2015-04-16 | 2015-07-08 | 大连理工大学 | 一种基于多传感器融合的人体步态分析方法和系统 |
| CN106176149A (zh) * | 2016-09-08 | 2016-12-07 | 电子科技大学 | 一种基于多传感融合的外骨骼步态分析系统及方法 |
| CN109260647A (zh) * | 2018-09-10 | 2019-01-25 | 郑州大学 | 基于多模态信号的人体跳跃指标综合评测及训练系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于多源生物信号的下肢步态相识别;张启忠等;《计量学报》;20181130;第39卷(第6期);第895-901页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110652299A (zh) | 2020-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110652299B (zh) | 面向下肢软质外骨骼的多源传感信息融合系统 | |
| CN105796286B (zh) | 使用气囊传感器的下肢外骨骼机器人控制方法 | |
| Chen et al. | A foot-wearable interface for locomotion mode recognition based on discrete contact force distribution | |
| Gujarathi et al. | Gait analysis using imu sensor | |
| Chen et al. | Locomotion mode classification using a wearable capacitive sensing system | |
| CN110811553B (zh) | 一种用于负重外骨骼助力效率的检测方法 | |
| CN113273999B (zh) | 一种穿戴式多维步态分析系统及方法 | |
| Laudanski et al. | Measurement of lower limb joint kinematics using inertial sensors during stair ascent and descent in healthy older adults and stroke survivors | |
| CN105286804B (zh) | 一种可穿戴式膝爬运动生理参数检测装置 | |
| CN106419929A (zh) | 帕金森病患者姿态平衡稳定性的定量检测装置 | |
| US20140100494A1 (en) | Smart gait rehabilitation system for automated diagnosis and therapy of neurologic impairment | |
| Simcox et al. | Performance of orientation sensors for use with a functional electrical stimulation mobility system | |
| WO2015137877A1 (en) | Gait rehabilitation apparatus | |
| Ceseracciu et al. | A flexible architecture to enhance wearable robots: Integration of EMG-informed models | |
| Ding et al. | Control of walking assist exoskeleton with time-delay based on the prediction of plantar force | |
| Daponte et al. | Electronic measurements in rehabilitation | |
| Dinovitzer et al. | Accurate real-time joint torque estimation for dynamic prediction of human locomotion | |
| Hu et al. | A novel control method of a soft exosuit with plantar pressure sensors | |
| Archer et al. | Activity classification in users of ankle foot orthoses | |
| Gouwanda | Comparison of gait symmetry indicators in overground walking and treadmill walking using wireless gyroscopes | |
| Jung et al. | Validity and feasibility of intelligent Walkbot system | |
| Shull et al. | An overview of wearable sensing and wearable feedback for gait retraining | |
| Ju et al. | J-Exo: An exoskeleton with telescoping linear actuators to help older people climb stairs and squat | |
| Wang et al. | Qualitative evaluations of gait rehabilitation via EMG muscle activation pattern: Repetition, symmetry, and smoothness | |
| Lin et al. | Human pose recovery for rehabilitation using ambulatory sensors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |