CN112842824A - 一种用于下肢康复恢复的训练方法 - Google Patents

Abstract

本发明涉及一种用于下肢康复恢复的训练方法，包括如下步骤：S1、将训练结构的穿戴在患者下肢各上；S2、在患者的双腿上固定传感器；S3、设定特定的运动期望轨迹，通过传感器模块采集对应的肌电信号和运动信号；S4、传感器模块将信号上传到上位机，并对信号进行处理；S5、主控单元通过分控单元驱动相应的训练结构的驱动组件，实现基于患者意图的在线调整运动轨迹和精确跟踪；本发明提供的训练方法，传感器组件进行步态信息的采集并上传到上位机，在信息上传的过程中进行降噪滤波处理以降低干扰，主控单元对信号进行特征提取和选取后进行步态识别，并与主控单元内的步态训练集进行对比识别，以寻求最优的训练方式。

Description

一种用于下肢康复恢复的训练方法

技术领域

本发明属于康复医疗器械技术领域，具体涉及一种用于下肢康复恢复的训练方法。

背景技术

我国正面临日益严重的老龄化问题和数量庞大的残疾人群，康复机器人与智能辅助系统的研究开发和应用有望为解决养老、失能辅助和康复问题提供部分技术手段。康复机器人的研究与应用较多面向脑卒中、脊髓损伤等造成的神经损伤患者，现代康复医学认为，在患者病情稳定之后应尽早开展康复治疗，康复治疗手段日益丰富，运动治疗和作业治疗是其中较为典型并在临床广泛应用的康复治疗方法。传统的康复训练方法主要是由人工或者借助简单器械带动患肢进行，这类训练方法一般需要多名医护人员辅助，而且医护人员的体力消耗很大，因此，很难保证康复训练的强度和持久性。康复机器人正是为了应对传统康复训练方法的不足而产生并发展起来的，它是将先进的机器人技术和临床康复医学相结合的一种自动化康复训练设备，能够发挥机器人擅长执行重复性繁重劳动的优势，并可实现精确化、自动化、智能化的康复训练，进一步提升康复医学水平，增加患者接受康复治疗的机会，提高患者的康复质量。

随着科学技术的进步，步态识别的技术得到快速的发展，随着表面肌电信号检测技术的逐渐成熟，结合表面肌电信号进行步态的识别成为了研究热点。在早期的步态研究中，主要通过陀螺仪、压力传感器等物理传感器进行运动步态的识别，虽然这种方式检测到的步态信号较为稳定，但容易产生信号异位现象，而且在复杂环境行走下获取信号不充分，从而导致步态的误判。

人体康复过程是一个动态的、不断变化的过程。无论是理疗师还是康复机器人，治疗过程的本质都是纠正患者在运动过程中的异常行为姿态以达到预期的效果，因此，康复过程中对患者生理状况的实时跟踪以及科学分析非常必要。

发明内容

本发明的目的是为了解决背景技术中所提出的问题，而提供一种用于下肢康复恢复的训练方法，传感器组件进行步态信息的采集并上传到上位机，在信息上传的过程中进行降噪滤波处理以降低干扰，主控单元对信号进行特征提取和选取后进行步态识别，并与主控单元内的步态训练集进行对比识别，以寻求最优的训练方式。

本发明的目的是这样实现的：

一种用于下肢康复恢复的训练方法，包括上位机、主控单元、传感器模块和训练结构，包括如下步骤：

S1、将训练结构的穿戴组件与患者的下肢各关节对应的穿戴在患者的下肢上并与下肢绑紧；

S2、在患者的双腿上固定传感器模块，找出四块目标肌肉，贴上表面肌电信号传感器，在患者双腿的大腿和小腿上分别固定九轴姿态仪传感器，在患者的足底固定上压力传感器；

S3、根据患者的训练需求，通过上位机设定特定的运动期望轨迹，在训练过程中通过传感器模块采集对应的肌电信号和运动信号；

S4、传感器模块将采集到的信号上传到上位机，并对信号进行滤波、特征提取和姿态解算处理，主控单元识别出当前的运动姿态，对接收到的各种传感器信号进行分析运用，并与训练集进行识别对比；

S5、主控单元根据识别对比的结果计算出实际测量值与预设值的偏差，通过分控单元驱动相应的训练结构的驱动组件，同时分控单元将接收的驱动组件的内置编码器的信息上传至主控单元，实现基于患者意图的在线调整运动轨迹和精确跟踪。

优选的，所述主控单元通过无线传输模块读取传感器模块采集到的数据，并对获取的数据进行滤波、特征提取和姿态解算处理，然后识别出当前的运动姿态，所述主控单元基于当前的运动姿态通过训练结构实现对患者的运动轨迹的调整。

优选的，所述主控单元包括信息采集模块、信息处理模块和矫正模块，所述信息处理模块将信息采集模块采集到的数据进行处理后识别出当前的运动姿态，并通过矫正模块对训练结构的运动轨迹进行调整；

所述传感器模块包括表面肌电信号传感器、九轴姿态仪传感器和压力传感器，所述传感器模块将从训练结构采集到的数据上传至主控单元的信息采集模块；

所述训练结构包括与下肢相适配的穿戴组件和驱动穿戴组件相应部位的驱动组件，所述驱动组件通过分控单元连接至主控单元，所述分控单元负责驱动组件在位置、速度和扭矩的控制，所述分控单元接收驱动组件的内置编码器的信息并将信息上传至主控单元。

优选的，所述表面肌电信号传感器包括三个电极贴片和肌电仪，所述肌电仪通过无线传输模块连接至上位机进行数据存储。

优选的，所述的三个电极贴片采用粘贴式Ag-AgCl电极片，所述的三个电机贴片中的其中两个分别贴在对应的四块肌肉表面进行肌电信号采集，所述的四块肌肉分别为股直肌、股二头肌、股外侧肌和股内侧肌四个肌肉群，所述的四个肌肉群的每个肌肉群连接正负两个电极贴片，正负两个电极贴片的间距为3-4cm，用于测取运动过程中肌肉表面产生的电势差值，所述三个电机贴片中另一个贴在下肢的膝盖处，以膝盖作为零电势点。

优选的，所述九轴姿态仪传感器包括陀螺仪、加速度计和地磁场传感器，所述九轴姿态仪传感器对运动时的加速度、角速度和角度信号进行采集，并通过串口方式传输到上位机。

优选的，所述九轴姿态仪传感器的内部集成了x、y和z轴三个方向的角度、角速度和角加速度的解算器，使用卡尔曼滤波算法进行滤波，所述九轴姿态仪传感器设两个，所述的两个九轴姿态仪传感器分别绑在患者的大腿和小腿上，所述的两个九轴姿态仪传感器的固定方向都是y轴的方向垂直向下。

优选的，所述压力传感器包括薄膜变阻器和模数转换模块，所述压力传感器将采集到的压力信号通过薄膜电阻阻值的变化、再使用模数转换模块传输到上位机进行显示和存储。

优选的，所述驱动组件包括驱动电机和连接驱动电机输出轴的丝杠，所述丝杠的输入端通过弹性联轴器连接驱动电机的输出轴，所述丝杠的输出端连接有推头，所述推头设于穿戴组件上对应的大腿处和小腿处。

优选的，所述表面肌电信号传感器的肌电信号的预处理包括如下步骤：

a、提取信号特征值的肌电信号处理：由于肌电信号主要处于10-500Hz之间，利用2阶的巴特沃斯滤波器进行10Hz-500Hz的带通滤波处理，然后进行零相位IIR滤波，以抑制信号的基线漂移，最后进行50Hz的陷波处理，以消除工频干扰；

b、获取肌肉激活度的信号处理：利用二阶的Butterworth高通滤波器进行截止频率为20Hz的高通滤波，然后利用四阶的Butterworth低通滤波器进行全波整流和低通滤波，最后，进行信号的归一化处理，获取肌肉的激活度曲线。

优选的，表面肌电信号传感器的肌电信号的特征提取中，采用滑动窗+重叠窗的方法沿着时间轴方向的策略依次提取信号的特征值。

优选的，所述九轴姿态仪传感器和压力传感器内均设有卡尔曼滤波器，并采用biro1.5小波、五分解层数的软阈值、无偏估方法进行降噪处理。

优选的，所述矫正模块包括轨迹规划模块和运动控制模块，所述轨迹规划模块包括设定期望轨迹层和在线轨迹规划层，所述运动控制模块包括调整期望轨迹层和调整规划的轨迹层。

优选的，所述矫正模块对训练结构的运动轨迹进行调整后，相应关节角度的预测是否符合训练要求，可通过求取平均平方误差M进行验证：

M=∑ⁿ _i-1(y-x)²/n，其中x为训练集角度数据归一化的数据值，y为利用训练好的模型对训练集各通道表面肌电信号数据归一化后的数据值进行仿真后的结果，n为训练样本的采样点数，平均平方误差M的值越小则说明训练效果越好。

优选的，将采集到的实时表面肌电信号输入至角度预测模型，所得的角度的准确性由均方根误差RM、最大允许误差MP和相关系数ω进行判断，具体的：

RM=[∑ⁿ _i-1(η₀-η_i)/n]^1/2；

MP=∑ⁿ _i-1∣η₀-η_i∣/n；

ω=[∑ⁿ _i-1(η₀-S_η)(η_i-S_ηi)/n]/｛[∑ⁿ _i-1(η₀-S_η)2/n]^1/2·[∑ⁿ _i-1(η_i-S_ηi)²/n]^1/2}；

其中η₀是角度估计值，η_i是角度实际测量值，n为测试样本的采样点数，S_η和S_ηi分别是预测角度和实际预测角度的平均值，相关系数ω越接近于1，则说明角度预测结果的准确性越高。

优选的，所述主控单元的微处理器采用模糊PID算法为核心控制算法来确定训练装置的参数。模糊PID算法的三个系数KP、KI、KD满足：

KP(t)=KP₀+ΔKP(t)；KI(t)=KI₀+ΔKI(t)；KD(t)=KD₀+ΔKD(t)；

其中KP₀、KI₀、KD₀为三个系数的预设值，ΔKP(t)、ΔKI(t)、ΔKD(t)为三个系数的调整值，是经过模糊逻辑规则调整后的输出变量。

与现有技术相比，本发明的有益效果在于：

1、本发明提供的一种用于下肢康复恢复的训练方法，主控单元对接收到的各种传感器信号进行分析运用，实现基于患者意图在线调整运动轨迹，对训练结构髋关节和膝关节处驱动组件的控制，实现期望轨迹的设定和精确跟踪。

2、本发明提供的一种用于下肢康复恢复的训练方法，直流驱动电机通过弹性联轴器与滚珠丝杠联接，滚珠丝杠螺母通过内六角螺钉与一长圆柱套筒相连，套筒的另一端与推头通过螺纹联接，这样直流驱动电机的转动带动丝杠螺母沿滚珠丝杠来回直线运动，实现该驱动组件的伸缩运动，通过左右康复驱动组件分别有规律的伸缩带动人体下肢腿部进行屈伸康复训练。

3、本发明提供的一种用于下肢康复恢复的训练方法，主控单元负责训练结构的整体控制，收集传感器模块的信号，传达控制指令给各个驱动组件，协调各电机运动以实现步行等康复训练动作，并将必要的数据传输到上位机，分控单元是配置相应驱动电机的驱控一体结构，控制电机在位置、速度及扭矩方面的运动，接收驱动电机内置编码器的信息并将信息上传至主控单元。

4、本发明提供的一种用于下肢康复恢复的训练方法，传感器组件进行步态信息的采集并上传到上位机，在信息上传的过程中进行降噪滤波处理以降低干扰，主控单元对信号进行特征提取和选取后进行步态识别，并与主控单元内的步态训练集进行对比识别，以寻求最优的训练方式。

附图说明

图1是本发明一种用于下肢康复恢复的训练方法示意图。

图2是本发明一种用于下肢康复恢复的训练方法工作流程图。

图3是本发明一种用于下肢康复恢复的训练方法的穿戴组件示意图。

图4是本发明一种用于下肢康复恢复的训练方法的驱动组件示意图。

图5是本发明一种用于下肢康复恢复的训练方法的主控单元的算法示意图。

图中：1、穿戴组件；2、驱动组件；21、驱动电机；22、弹性联轴器；23、丝杠；24、推头。

具体实施方式

下面结合附图对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

结合图1，一种用于下肢康复恢复的训练方法，包括上位机、主控单元、传感器模块和训练结构，所述主控单元通过无线传输模块读取传感器模块采集到的数据，并对获取的数据进行滤波、特征提取和姿态解算处理，然后识别出当前的运动姿态，所述主控单元基于当前的运动姿态通过训练结构实现对患者的运动轨迹的调整，包括如下步骤：

S1、将训练结构的穿戴组件与患者的下肢各关节对应的穿戴在患者的下肢上并与下肢绑紧；

S2、在患者的双腿上找出四块目标肌肉，贴上表面肌电信号传感器，在患者双腿的大腿和小腿上分别固定九轴姿态仪传感器，在患者的足底固定上压力传感器；

S3、根据患者的训练需求，通过上位机设定特定的运动期望轨迹，在训练过程中通过传感器模块采集对应的肌电信号和运动信号；

S4、传感器模块将采集到的信号上传到上位机，并对信号进行滤波、特征提取和姿态解算处理，主控单元识别出当前的运动姿态，对接收到的各种传感器信号进行分析运用，并与训练集进行识别对比；

S5、主控单元根据识别对比的结果计算出实际测量值与预设值的偏差，通过分控单元驱动相应的训练结构的驱动组件，同时分控单元将接收的驱动组件的内置编码器的信息上传至主控单元，实现基于患者意图的在线调整运动轨迹和精确跟踪。

实施例2

结合图3和图4，一种用于下肢康复恢复的训练方法，包括上位机、主控单元、传感器模块和训练结构，所述训练结构包括与下肢相适配的穿戴组件1和驱动穿戴组件1相应部位的驱动组件2，所述驱动组件2通过分控单元连接至主控单元，所述驱动组件2包括驱动电机21和连接驱动电机21输出轴的丝杠23，所述丝杠23的输入端通过弹性联轴器22连接驱动电机21的输出轴，所述丝杠23的输出端连接有推头24，所述推头24设于穿戴组件1上对应的大腿处和小腿处。

其中穿戴组件1采用现有技术中常用的康复训练机器人，具有相应的髋关节部、大腿部、小腿部和脚板，大腿部与小腿部之间用膝关节部连接，小腿部与脚板之间用踝关节部连接，其中大腿部和小腿部分别对应有相应的驱动组件，驱动组件的直流驱动电机通过弹性联轴器与滚珠丝杠联接，滚珠丝杠螺母通过内六角螺钉与一长圆柱套筒相连，套筒的另一端与推头通过螺纹联接，这样直流驱动电机的转动带动丝杠螺母沿滚珠丝杠来回直线运动，实现该驱动组件的伸缩运动，通过左右康复驱动组件分别有规律的伸缩带动人体下肢腿部进行屈伸康复训练。

结合图2，一种用于下肢康复恢复的训练方法，包括上位机、主控单元、传感器模块和训练结构，所述主控单元通过无线传输模块读取传感器模块采集到的数据，并对获取的数据进行滤波、特征提取和姿态解算处理，然后识别出当前的运动姿态，所述主控单元基于当前的运动姿态通过训练结构实现对患者的运动轨迹的调整，所述驱动组件2通过分控单元连接至主控单元，所述分控单元负责驱动组件2在位置、速度和扭矩的控制，所述分控单元接收驱动组件2的内置编码器的信息并将信息上传至主控单元。

所述主控单元包括信息采集模块、信息处理模块和矫正模块，所述信息处理模块将信息采集模块采集到的数据进行处理后识别出当前的运动姿态，并通过矫正模块对训练结构的运动轨迹进行调整，通过对训练结构的髋关节和膝关节处直流电机的控制，实现期望轨迹的设定，对接收到的各种传感器信号进行分析运用，实现基于患者意图在线调整运动轨迹和精确跟踪，主控单元负责训练结构的整体控制，收集传感器模块的信号，传达控制指令给各个驱动组件，协调各电机运动以实现步行等康复训练动作，并将必要的数据传输到上位机。

所述传感器模块包括表面肌电信号传感器、九轴姿态仪传感器和压力传感器，所述传感器模块将从训练结构采集到的数据上传至主控单元的信息采集模块。

所述表面肌电信号传感器包括三个电极贴片和肌电仪，所述肌电仪通过无线传输模块连接至上位机进行数据存储，所述的三个电极贴片采用粘贴式Ag-AgCl电极片，所述的三个电机贴片中的其中两个分别贴在对应的四块肌肉表面进行肌电信号采集，所述的四块肌肉分别为股直肌、股二头肌、股外侧肌和股内侧肌四个肌肉群，所述的四个肌肉群的每个肌肉群连接正负两个电极贴片，正负两个电极贴片的间距为3-4cm，用于测取运动过程中肌肉表面产生的电势差值，所述三个电机贴片中另一个贴在下肢的膝盖处，以膝盖作为零电势点。

所述九轴姿态仪传感器包括陀螺仪、加速度计和地磁场传感器，所述九轴姿态仪传感器对运动时的加速度、角速度和角度信号进行采集，并通过串口方式传输到上位机，所述九轴姿态仪传感器的内部集成了x、y和z轴三个方向的角度、角速度和角加速度的解算器，使用卡尔曼滤波算法进行滤波，所述九轴姿态仪传感器设两个，所述的两个九轴姿态仪传感器分别绑在患者的大腿和小腿上，所述的两个九轴姿态仪传感器的固定方向都是y轴的方向垂直向下。

所述压力传感器包括薄膜变阻器和模数转换模块，所述压力传感器将采集到的压力信号通过薄膜电阻阻值的变化、再使用模数转换模块传输到上位机进行显示和存储。

进行被动训练时，训练结构在主控单元的控制下带动患者完成康复训练动作，根据患者的基本情况，通过上位机的主控单元内的矫正模块的轨迹规划模块，在设定期望轨迹层内设定适合该患者的运动轨迹，以实现训练结构辅助患者按照期望的运动轨迹完成准确的跟随运动。

患者进行主动训练时，患者下肢主动运动，训练结构的驱动组件通过输出不同的转矩来调整反作用于患者下肢的交互力的大小，在运动的过程中，传感器组件采集相应的运动信号上传主控单元，主控单元内的存储的训练集与采集的信号进行识别对比，主控单元得出关节辅助力矩以生成驱动运动控制信号，主控单元的编码器反馈的关节角度信息、人机绑带处薄膜压力传感器反馈的人机交互力信息和实时采集的肌电信号，对运动轨迹进行实时调整，完成患者的主动训练。

实施例3

在实施例2的基础上，为了确保所有模块均已完成与上位机的通信和数据的同步传输，单个采集模块完成初始化之后会进入等待状态，直到上位机发送采集指令，模块才开始采集数据。

为保证上位机正确解析接收到的数据包，每一帧数据包括了63个字节，数据帧头和帧尾占用3个字节，肌电信号数据占用24个字节，惯性数据占用36个字节。

为了降低信息采集模块频繁的发送数据到上位机而又不影响数据的实时性，程序设计中每次以15帧数据作为一个数据包，待打包完成之后才将数据发送到上位机。

实施例4

在实施例2的基础上，肌电信号（EMG）是由中枢神经控制的骨骼肌纤维多个运动神经单元在收缩或伸展时在时间和空间上的叠加形成的动作电位，而表面肌电信号（sEMG）是指表层肌肉神经单元产生的EMG信号和浅层皮肤相互作用下的电信号，相对于EMG信号，它更容易检测，在临床检测、康复诊断和机器人控制等方面具有重要的研究价值。sEMG传感器通过配套的T350双面胶可以牢固地贴附在相应皮肤表面，在贴附之前需要对测量部位的皮肤剔除毛须并且用酒精棉擦拭以除去油脂和死皮，减少阻抗和外界的干扰。

直接采集到的人体原始sEMG信号虽然具有一定的规律性，但由于干扰以及噪声的存在，导致sEMG信号数据有些杂乱，具有较强的随意性。所以，在获取原始sEMG信号数据之后，需要对其进行预处理以消除噪声干扰,为了便于后期的分类，还应对预处理之后的sEMG信号数据进行特征提取，减少特征中与分类无关的信息，表面肌电信号的处理过程如下：

a、提取信号特征值的肌电信号处理：由于肌电信号主要处于10-500Hz之间，利用2阶的巴特沃斯滤波器进行10Hz-500Hz的带通滤波处理，然后进行零相位IIR滤波，以抑制信号的基线漂移，最后进行50Hz的陷波处理，以消除工频干扰；

在获取原始sEMG信号之后，首先对其进行50Hz工频陷波处理,利用数字滤波器对原始sEMG信号进行预处理,sEMG信号有效频率集中在10-500Hz，因此在工频陷波之后需要对其进行10-500Hz的带通滤波。具体的，选用IIR数字滤波器对原始sEMG信号进行预处理，首先，在MATLAB中利用二阶IIR巴特沃斯滤波器对原始sEMG信号进行50Hz工频陷波处理，除去工频干扰，然后选用四阶IIR巴特沃斯带通滤波器对工频陷波后的sEMG信号进行10-500Hz的带通滤波。

b、获取肌肉激活度的信号处理：要获取肌肉的激活度曲线，首先应利用二阶的Butterworth高通滤波器进行截止频率为20Hz的高通滤波，然后利用四阶的Butterworth低通滤波器进行全波整流和低通滤波，最后，进行信号的归一化处理。

c、特征提取：采用滑动窗+重叠窗的方法沿着时间轴方向的策略依次提取信号的特征值；

d、数据的训练集：肌电数据的滤波，不同关节动作对应的肌电数据的分割，已分割数据的特征提取以及使用肌电信号的特征数据训练LDA分类器。

信号处理模块能在有效保留在运动过程中肌肉的激活度信息前提下，滤除噪声干扰，为准确的确定肌肉的运动意图奠定基础。

实施例5

结合图5，所述主控单元的微处理器采用模糊PID算法为核心控制算法来确定训练装置的参数。模糊PID算法的三个系数KP、KI、KD满足：

KP(t)=KP₀+ΔKP(t)；KI(t)=KI₀+ΔKI(t)；KD(t)=KD₀+ΔKD(t)；

其中KP₀、KI₀、KD₀为三个系数的预设值，ΔKP(t)、ΔKI(t)、ΔKD(t)为三个系数的调整值，是经过模糊逻辑规则调整后的输出变量。

所述矫正模块对训练结构的运动轨迹进行调整后，相应关节角度的预测是否符合训练要求，可通过主控单元的PID控制算法求取平均平方误差M进行验证：

M=∑ⁿ _i-1(y-x)²/n，其中x为训练集角度数据归一化的数据值，y为利用训练好的模型对训练集各通道表面肌电信号数据归一化后的数据值进行仿真后的结果，n为训练样本的采样点数，平均平方误差M的值越小则说明训练效果越好。

将采集到的实时表面肌电信号输入至角度预测模型，所得的角度的准确性由均方根误差RM、最大允许误差MP和相关系数ω进行判断，具体的：

RM=[∑ⁿ _i-1(η₀-η_i)/n]^1/2；

MP=∑ⁿ _i-1∣η₀-η_i∣/n；

ω=[∑ⁿ _i-1(η₀-S_η)(η_i-S_ηi)/n]/｛[∑ⁿ _i-1(η₀-S_η)2/n]^1/2·[∑ⁿ _i-1(η_i-S_ηi)²/n]^1/2}；

其中η₀是角度估计值，η_i是角度实际测量值，n为测试样本的采样点数，S_η和S_ηi分别是预测角度和实际预测角度的平均值，相关系数ω越接近于1，则说明角度预测结果的准确性越高。

以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的保护范围内所做的任何修改，等同替换等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种用于下肢康复恢复的训练方法，其特征在于：包括上位机、主控单元、传感器模块和训练结构，包括如下步骤：

S1、将训练结构的穿戴组件（1）与患者的下肢各关节对应的穿戴在患者的下肢上并与下肢绑紧；

S2、在患者的双腿上固定传感器模块，找出四块目标肌肉，贴上表面肌电信号传感器，在患者双腿的大腿和小腿上分别固定九轴姿态仪传感器，在患者的足底固定上压力传感器；

S3、根据患者的训练需求，通过上位机设定特定的运动期望轨迹，在训练过程中通过传感器模块采集对应的肌电信号和运动信号；

S4、传感器模块将采集到的信号上传到上位机，并对信号进行滤波、特征提取和姿态解算处理，主控单元识别出当前的运动姿态，对接收到的各种传感器信号进行分析运用，并与训练集进行识别对比；

S5、主控单元根据识别对比的结果计算出实际测量值与预设值的偏差，通过分控单元驱动相应的训练结构的驱动组件（2），同时分控单元将接收的驱动组件（2）的内置编码器的信息上传至主控单元，实现基于患者意图的在线调整运动轨迹和精确跟踪。

2.根据权利要求1所述的一种用于下肢康复恢复的训练方法，其特征在于：所述主控单元通过无线传输模块读取传感器模块采集到的数据，并对获取的数据进行滤波、特征提取和姿态解算处理，然后识别出当前的运动姿态，所述主控单元基于当前的运动姿态通过训练结构实现对患者的运动轨迹的调整。

3.根据权利要求2所述的一种用于下肢康复恢复的训练方法，其特征在于：所述主控单元包括信息采集模块、信息处理模块和矫正模块，所述信息处理模块将信息采集模块采集到的数据进行处理后识别出当前的运动姿态，并通过矫正模块对训练结构的运动轨迹进行调整；

所述传感器模块包括表面肌电信号传感器、九轴姿态仪传感器和压力传感器，所述传感器模块将从训练结构采集到的数据上传至主控单元的信息采集模块；

所述训练结构包括与下肢相适配的穿戴组件（1）和驱动穿戴组件（1）相应部位的驱动组件（2），所述驱动组件（2）通过分控单元连接至主控单元，所述分控单元负责驱动组件（2）在位置、速度和扭矩的控制，所述分控单元接收驱动组件（2）的内置编码器的信息并将信息上传至主控单元。

4.根据权利要求3所述的一种用于下肢康复恢复的训练方法，其特征在于：所述表面肌电信号传感器包括三个电极贴片和肌电仪，所述肌电仪通过无线传输模块连接至上位机进行数据存储。

5.根据权利要求4所述的一种用于下肢康复恢复的训练方法，其特征在于：所述的三个电极贴片采用粘贴式Ag-AgCl电极片，所述的三个电机贴片中的其中两个分别贴在对应的四块肌肉表面进行肌电信号采集，所述的四块肌肉分别为股直肌、股二头肌、股外侧肌和股内侧肌四个肌肉群，所述的四个肌肉群的每个肌肉群连接正负两个电极贴片，正负两个电极贴片的间距为3-4cm，用于测取运动过程中肌肉表面产生的电势差值，所述三个电机贴片中另一个贴在下肢的膝盖处，以膝盖作为零电势点。

6.根据权利要求3所述的一种用于下肢康复恢复的训练方法，其特征在于：所述九轴姿态仪传感器包括陀螺仪、加速度计和地磁场传感器，所述九轴姿态仪传感器对运动时的加速度、角速度和角度信号进行采集，并通过串口方式传输到上位机。

7.根据权利要求6所述的一种用于下肢康复恢复的训练方法，其特征在于：所述九轴姿态仪传感器的内部集成了x、y和z轴三个方向的角度、角速度和角加速度的解算器，使用卡尔曼滤波算法进行滤波，所述九轴姿态仪传感器设两个，所述的两个九轴姿态仪传感器分别绑在患者的大腿和小腿上，所述的两个九轴姿态仪传感器的固定方向都是y轴的方向垂直向下。

8.根据权利要求3所述的一种用于下肢康复恢复的训练方法，其特征在于：所述压力传感器包括薄膜变阻器和模数转换模块，所述压力传感器将采集到的压力信号通过薄膜电阻阻值的变化、再使用模数转换模块传输到上位机进行显示和存储。

9.根据权利要求1所述的一种用于下肢康复恢复的训练方法，其特征在于：所述驱动组件（2）包括驱动电机（21）和连接驱动电机（21）输出轴的丝杠（23），所述丝杠（23）的输入端通过弹性联轴器（22）连接驱动电机（21）的输出轴，所述丝杠（23）的输出端连接有推头（24），所述推头（24）设于穿戴组件（1）上对应的大腿处和小腿处。

Images