CN112569025A - 一种电动助力膝关节智能控制算法 - Google Patents
一种电动助力膝关节智能控制算法 Download PDFInfo
- Publication number
- CN112569025A CN112569025A CN201910937540.5A CN201910937540A CN112569025A CN 112569025 A CN112569025 A CN 112569025A CN 201910937540 A CN201910937540 A CN 201910937540A CN 112569025 A CN112569025 A CN 112569025A
- Authority
- CN
- China
- Prior art keywords
- knee joint
- electric power
- assisted
- algorithm
- motor
- 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.)
- Pending
Links
- 210000000629 knee joint Anatomy 0.000 title claims abstract description 31
- 230000001960 triggered effect Effects 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims 1
- 230000003068 static effect Effects 0.000 claims 1
- 230000001276 controlling effect Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 210000003414 extremity Anatomy 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 210000003141 lower extremity Anatomy 0.000 description 3
- 230000003183 myoelectrical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/50—Prostheses not implantable in the body
- A61F2/68—Operating or control means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/50—Prostheses not implantable in the body
- A61F2/68—Operating or control means
- A61F2/70—Operating or control means electrical
- A61F2002/701—Operating or control means electrical operated by electrically controlled means, e.g. solenoids or torque motors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/50—Prostheses not implantable in the body
- A61F2/68—Operating or control means
- A61F2/70—Operating or control means electrical
- A61F2002/704—Operating or control means electrical computer-controlled, e.g. robotic control
Landscapes
- Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Transplantation (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Vascular Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Prostheses (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了一种电动助力膝关节智能控制算法,其目的是为了解决传统电动助力膝关节非智能、无法自动调节助力强度、成本高的问题。本发明的控制算法输入为电动助力膝关节上安装的惯性数据采集单元采集的人体运动产生的惯性数据,输出为电动助力膝关节的助力,控制算法为机器学习算法,反馈为电机归零位时触发的开关信号,通过机器学习算法根据实时采集的惯性数据计算膝关节所需的助力,通过控制直流电机转动时间来控制膝关节助力参数,通过电机归零时触发的开关信号来消除积累的误差。
Description
技术领域
本发明涉及一种智能控制算法,特别是涉及一种电动助力膝关节智能控制算法。
背景技术
本发明涉及一种智能控制算法,特别是涉及一种电动助力膝关节智能控制算法。近年来,由于战争,工伤,交通事故和自然灾害等伤害的频繁发生,膝盖截肢者的数量每年增加数万人。不完整的身体不仅会给膝盖以上截肢者带来诸多不便,还会使其对自己的生活失去信心。随着经济的发展我国人民生活水平的提高,残疾人对于生活质量的要求也越来越迫切。而在当前的医疗水平下,尚不能达到残肢再生的地步,因此安装假肢就成为了截肢患者恢复行走能力,进行各种日常活动,重返社会正常工作生活的唯一方法。而相对于传统的纯机械假肢,智能化的假肢具有自动调节助力大小的功能,可以更好的优化步态,提升使用舒适度与安全性。
专利ZL201210192585.2通过提取人体在深蹲、站起、伸膝和行走过程中六路肌肉的肌电信号;利用三维运动捕捉系统记录人体运动三维坐标,进而求得下肢膝关节角度信息;提取肌电的均方根值作为特征参数,计算其与下肢关节角度的相关系数;根据相关系数的大小,依次去除不相关肌肉导联,利用人工神经网络ANN建立下肢肌骨动力学模型,预测关节角度。但是采集肌电信息需要安装接触性传感器,给设备穿戴带来不便,且肌电信号极易受到影响,信噪比低。而惯性数据是人体运动过程中最能够直接反应运动状态的数据,且不易受外界环境影响,易于检测,无需接触式传感器,是一种更好的选择。
发明内容
本发明公开了一种电动助力膝关节智能控制算法,其目的是为了提高运动特征识别准确性和控制效率,降低计算成本。
本发明采用的方法是:
控制算法的输入为电动助力膝关节上安装的惯性数据采集单元采集的人体运动产生的惯性数据,输出为电动助力膝关节的助力,控制算法为机器学习算法,反馈为电机归零位时触发的开关信号,通过机器学习算法根据实时采集的惯性数据计算膝关节所需的助力,通过控制直流电机转动时间来控制膝关节助力参数,通过电机归零时触发的开关信号来消除积累的误差。
与现有技术相比,本发明的有益效果是:
1)本发明提供了一种电动助力膝关节智能控制算法,相对于输入为肌电信号的控制算法,不易受到外界环境的干扰且不需要接触式的传感器。
2)本发明提供了一种电动助力膝关节智能控制算法,相对于使用编码电机的控制算法,在合理的误差范围内,允许使用更低成本的硬件。
附图说明
图1在线控制流程图
图2离线数据准备流程图
具体实施方式
本发明公开了一种电动助力膝关节智能控制算法,这是一种能够提高准确性、稳定性和计算速率并降低计算成本的算法。其步骤分为离线神经网络训练(步骤1、步骤2、步骤3、步骤4)和在线控制(步骤5、步骤6、步骤7、步骤8、步骤9)两部分,其内容如下:
步骤1:采集惯性数据并进行预处理
穿戴者初次穿戴本发明对应的设备时需要先进行数据采集并在预处理后标注。
第一步:穿戴者穿戴本产品进行大量不同运动状态的测试,通过集成在主力膝关节上的惯性数据采集单元采集惯性数据。
第二步:对采集到的惯性数据进行标定、补偿、滤波等预处理操作。
第三部:对处理完的数据进行标注,用于后续Kohonen网络的训练。
步骤2:训练Kohonen网络
在处理完采集到的数据后,需要根据处理完的数据对Kohonen网络进行训练。
第一步:对网络权值ωij进行初始化.
第二步:距离计算。计算输入向量X=[x1,...,xn]与竞争层神经元j之间的距离dj:
第三步:对神经元进行选择。把与输入向量X距离最小的竞争层神经元c作为最优匹配输出神经元。
第四步:权值调整。调整节点和在其领域Nc(t)内包含的节点权系数,即:
Nc(t)=(t|find(norm(post,posc))<r),t=1,2,...,n
ωij=ωij+η1×(xi-ωij) (2)
式中,posc,post分别为神经元c和t的位置;norm用来计算两神经元之间的欧几里得距离;r为领域半径;η1为学习速率;r与η1一般随进化次数的增加而线性下降。
第五步:对算法是否结束进行判断,若没有结束,则返回第二步。
步骤3:制作运动状态-助力表
穿戴者穿戴本发明对应的设备进行大量测试,通过测试结果制作一张运动状态-助力表。
第一步:穿戴者穿戴本发明对应的设备进行一种运动状态的运动。
第二步:不断调整助力,使设备使用舒适度满足穿戴者要求。
第三步:进行下一种运动,重复第一步和第二步,直至所有运动状态对应的最佳助力都已经测试完毕。
第四步:根据所有测试结果绘制运动状态-助力表,每一种运动状态对应一个助力值。
第五步:计算出控制助力从零到最大值所需的电机转动时间,并均分成10个档位,每一个档位有一组助力和电机转动时间一一对应。
第六步:根据所有测试结果绘制运动状态-电机转动时间表,每一种运动状态对应一个电机转动时间。
步骤4:计算电机转动时间和助力大小的关系
助力大小受电机转动角度的直接控制,而控制电路通过控制电机转动时间间接控制转动角度,进而控制助力大小。所以需要计算出电机转动时间和助力大小的关系。这里可以采用实验法,每次转动固定时间,然后测量助力大小。找到足够精确的对应关系后,将时间量转化成相对于助力从零到最大值电机转动时间的比例。
步骤5:开机时计算当次运行中调整助力所需的时间
由于电机转速受驱动电压的影响,而随着电源的性能变化,电压会在一定范围内浮动,所以需要在每次开机时计算电机转动一圈的时间,然后根据步骤4计算出的比例进一步计算出当次运行过程中调节助力所需的时间。
步骤6:在线控制的数据采集
完成离线Kohonen网络训练后,即可开始正常使用。在正常使用的在线助力控制过程中,控制算法的输入变量是正常使用过程中产生的惯性数据,与步骤1相同,需要经过标定、补偿、滤波等预处理。
步骤7:判断当前运动状态
在获取到预处理完毕的实时运动惯性数据后,根据训练好的Kohonen网络进行运动状态分类。
第一步:把输入层数据进行数据化归一;
第二步:网络初始化,选择输入层节点数为38,竞争层节点36,将其排布在6×6方阵中;
第三步:按式(1)计算输入样本最接近竞争层的节点作为样本优胜节点;
第四步:按式(2)调整优胜节点领域半径r内节点权值,其领域半径在学习进化过程中逐渐减少,输入数据向几个节点集中实现网络聚类功能。根据经验知识选取优胜节点的最大领域rlmax为15,最小领域rlmin为0.4;调整ωij时最大学习速率η1max取0.1,最小学习速率取η1min为0.01;再次调整ωij时最大学习速率η2max取1,最小学习速率η2min取为0.5;网络共学习调整10000次。
步骤8:根据据类结果进行助力控制
根据步骤7的运动状态判断结果和步骤3绘制的运动状态-助力表,通过查表法控制电机转动调整气缸阻力,进而控制膝关节助力大小。
步骤9:消除积累误差
由于本发明对应设备采用的直流电机无反馈信号,在转动调整助力的过程中无法避免地会出现转动误差,当转动次数过多后,误差会逐渐积累并影响助力调整结果。考虑到调整次数较低时积累的误差对助力调整结果影响不大,且单次运动中往往不会频繁地在多种运动状态中切换,所以只需要设置一个限位开关,在电机归零位时触发,即可在此时清除所有积累的误差。
综上所述,本发明提出的一种电动助力膝关节智能控制算法解决了。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.发明公开了一种电动助力膝关节智能控制算法,其特征在于算法的输入为电动助力膝关节上安装的惯性数据采集单元采集的人体运动产生的惯性数据,输出为电动助力膝关节的助力,控制算法为机器学习算法,反馈为电机归零位时触发的开关信号。
2.根据权利要求1所述的电动助力膝关节智能控制算法,其特征在于:算法的输入为电动助力膝关节上安装的惯性数据采集单元采集的人体运动产生的惯性数据,包括三轴加速度和三轴角速度,数据已经经过惯性数据采集单元的预处理。
3.根据权利要求1所述的电动助力膝关节智能控制算法,其特征在于:控制算法为机器学习算法。算法根据实时采集并预处理好的的惯性数据计算电动助力膝关节所需提供的助力,通过控制一个直流电机的转动时间来控制助力大小。
4.根据权利要求1所述的电动助力膝关节智能控制算法,其特征在于:反馈为电机归零位时触发的开关信号。为降低硬件成本,电动助力膝关节采用了无反馈的直流电机,只有在电机归零位的时候会触发一次限位开关的开关信号,在其它位置均无反馈,这样会造成电机在多种位置间转换时会一直积累误差,当误差积累过大时,会导致实际助力与控制助力有明显的差距。但经实验证明,一段连续的运动过程中往往只有两三种运动状态,且运动状态的切换频率很低,所以在一段连续的运动状态中电机转动积累的误差往往是可以接受的,只需要在静止后电机归零位时清理掉积累的误差即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937540.5A CN112569025A (zh) | 2019-09-29 | 2019-09-29 | 一种电动助力膝关节智能控制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910937540.5A CN112569025A (zh) | 2019-09-29 | 2019-09-29 | 一种电动助力膝关节智能控制算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112569025A true CN112569025A (zh) | 2021-03-30 |
Family
ID=75110938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910937540.5A Pending CN112569025A (zh) | 2019-09-29 | 2019-09-29 | 一种电动助力膝关节智能控制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112569025A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1490134A (zh) * | 2003-09-19 | 2004-04-21 | 清华大学 | 实现动物节律运动的足式仿生机器人控制方法及装置 |
CN103040586A (zh) * | 2012-12-20 | 2013-04-17 | 上海大学 | 用于下肢运动训练的外骨骼机器人及其运动控制方法 |
CN106156524A (zh) * | 2016-07-29 | 2016-11-23 | 东北大学 | 一种智能下肢助力装置的在线步态规划系统及方法 |
CN206822682U (zh) * | 2017-08-25 | 2018-01-02 | 张还添 | 一种一次性膝关节腔穿刺及冲洗装置 |
CN108161905A (zh) * | 2018-01-10 | 2018-06-15 | 安徽工程大学 | 一种可变刚度下肢外骨骼助力机器人 |
CN110226966A (zh) * | 2018-05-14 | 2019-09-13 | 安托踏实公司 | 用于根据至少一个目标平面切割解剖结构的外科系统 |
-
2019
- 2019-09-29 CN CN201910937540.5A patent/CN112569025A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1490134A (zh) * | 2003-09-19 | 2004-04-21 | 清华大学 | 实现动物节律运动的足式仿生机器人控制方法及装置 |
CN103040586A (zh) * | 2012-12-20 | 2013-04-17 | 上海大学 | 用于下肢运动训练的外骨骼机器人及其运动控制方法 |
CN106156524A (zh) * | 2016-07-29 | 2016-11-23 | 东北大学 | 一种智能下肢助力装置的在线步态规划系统及方法 |
CN206822682U (zh) * | 2017-08-25 | 2018-01-02 | 张还添 | 一种一次性膝关节腔穿刺及冲洗装置 |
CN108161905A (zh) * | 2018-01-10 | 2018-06-15 | 安徽工程大学 | 一种可变刚度下肢外骨骼助力机器人 |
CN110226966A (zh) * | 2018-05-14 | 2019-09-13 | 安托踏实公司 | 用于根据至少一个目标平面切割解剖结构的外科系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110141239B (zh) | 一种用于下肢外骨骼的运动意图识别及装置方法 | |
Su et al. | A CNN-based method for intent recognition using inertial measurement units and intelligent lower limb prosthesis | |
CN108785997B (zh) | 一种基于变导纳的下肢康复机器人柔顺控制方法 | |
CN111557828B (zh) | 基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法 | |
CN106308809A (zh) | 大腿残肢者的步态识别方法 | |
CN110755070A (zh) | 基于多传感器融合的下肢运动位姿快速预测系统及方法 | |
Meng et al. | EMG signals based gait phases recognition using hidden Markov models | |
CN111631923A (zh) | 基于意图识别的外骨骼机器人的神经网络控制系统 | |
CN109940584A (zh) | 一种外骨骼机器人及其检测人体运动意图的检测方法 | |
CN113043248B (zh) | 基于多源传感器的搬运装配全身外骨骼系统及控制方法 | |
US20100312152A1 (en) | Smart gait rehabilitation system for automated diagnosis and therapy of neurologic impairment | |
CN107378944A (zh) | 一种基于主成分分析法的多维表面肌电信号假手控制方法 | |
CN109199783B (zh) | 一种利用sEMG来控制踝关节康复设备刚度的控制方法 | |
CN114897012B (zh) | 一种基于生机接口的智能假肢手臂控制方法 | |
CN113314209B (zh) | 一种基于加权knn的人体意图识别方法 | |
CN112949676B (zh) | 一种柔性下肢助力外骨骼机器人的自适应运动模式识别方法 | |
AU2011207474A1 (en) | Systems and methods for providing a neural-machine interface for artificial legs | |
US20140100494A1 (en) | Smart gait rehabilitation system for automated diagnosis and therapy of neurologic impairment | |
CN112336590A (zh) | 基于多传感信息的助力外骨骼运动意图与步态规划方法 | |
Rai et al. | Mode-free control of prosthetic lower limbs | |
CN102764167B (zh) | 基于相关系数的肌电假肢控制源导联优化方法 | |
CN110543922A (zh) | 一种基于膝关节外骨骼的实时行走模式识别方法 | |
Liu et al. | sEMG-based continuous estimation of knee joint angle using deep learning with convolutional neural network | |
CN111950460B (zh) | 一种自适应肌力的卒中患者手部康复训练动作识别方法 | |
CN113730053A (zh) | 基于健侧腿多源信息的下肢假肢分层控制系统及方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210330 |
|
WD01 | Invention patent application deemed withdrawn after publication |