CN112842825B - 一种下肢康复恢复的训练装置 - Google Patents
一种下肢康复恢复的训练装置 Download PDFInfo
- Publication number
- CN112842825B CN112842825B CN202110205939.1A CN202110205939A CN112842825B CN 112842825 B CN112842825 B CN 112842825B CN 202110205939 A CN202110205939 A CN 202110205939A CN 112842825 B CN112842825 B CN 112842825B
- Authority
- CN
- China
- Prior art keywords
- training
- control unit
- module
- main control
- sensor
- 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
- 238000012549 training Methods 0.000 title claims abstract description 87
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 29
- 238000011084 recovery Methods 0.000 title description 8
- 230000033001 locomotion Effects 0.000 claims abstract description 49
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims abstract description 5
- 210000003205 muscle Anatomy 0.000 claims description 29
- 210000000689 upper leg Anatomy 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 6
- 210000003127 knee Anatomy 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 229910021607 Silver chloride Inorganic materials 0.000 claims description 3
- 239000000853 adhesive Substances 0.000 claims description 3
- 230000001070 adhesive effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000005358 geomagnetic field Effects 0.000 claims description 3
- 210000003314 quadriceps muscle Anatomy 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000005021 gait Effects 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000002560 therapeutic procedure Methods 0.000 description 5
- 230000003183 myoelectrical effect Effects 0.000 description 4
- 210000005036 nerve Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 210000004394 hip joint Anatomy 0.000 description 3
- 210000000629 knee joint Anatomy 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 208000028389 Nerve injury Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009207 exercise therapy Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 230000035800 maturation 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
- 230000008764 nerve damage Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000009295 sperm incapacitation Effects 0.000 description 1
- 208000020431 spinal cord injury Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0218—Drawing-out devices
- A61H2001/0233—Pulsating, alternating, fluctuating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2230/00—Measuring physical parameters of the user
- A61H2230/08—Other bio-electrical signals
- A61H2230/085—Other bio-electrical signals used as a control parameter for the apparatus
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Rehabilitation Tools (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种下肢康复恢复的训练装置,一种下肢康复恢复的训练装置,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;本发明提供的训练装置,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
技术领域
本发明属于康复医疗器械技术领域,具体涉及一种下肢康复恢复的训练装置。
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,而提供一种下肢康复恢复的训练装置,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:
一种下肢康复恢复的训练装置,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-ηi)/n]1/2;
MP=∑n i-1∣η0-ηi∣/n;
ω=[∑n i-1(η0-Sη)(ηi-Sηi)/n]/{[∑n i-1(η0-Sη)2/n]1/2·[∑n i-1(ηi-Sηi)2/n]1/2};
其中η0是角度估计值,ηi是角度实际测量值,n为测试样本的采样点数,Sη和Sηi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、本发明提供的一种下肢康复恢复的训练装置,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、本发明提供的一种下肢康复恢复的训练装置,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、本发明提供的一种下肢康复恢复的训练装置,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、本发明提供的一种下肢康复恢复的训练装置,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是本发明一种下肢康复恢复的训练装置工作流程图。
图2是本发明一种下肢康复恢复的训练装置的穿戴组件示意图。
图3是本发明一种下肢康复恢复的训练装置的驱动组件示意图。
图4是本发明一种下肢康复恢复的训练装置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2和图3,一种下肢康复恢复的训练装置,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1,种下肢康复恢复的训练装置,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2
在实施例1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3
在实施例1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4
结合图4,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-ηi)/n]1/2;
MP=∑n i-1∣η0-ηi∣/n;
ω=[∑n i-1(η0-Sη)(ηi-Sηi)/n]/{[∑n i-1(η0-Sη)2/n]1/2·[∑n i-1(ηi-Sηi)2/n]1/2};
其中η0是角度估计值,ηi是角度实际测量值,n为测试样本的采样点数,Sη和Sηi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 (5)
1.一种下肢康复恢复的训练装置,其特征在于: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;
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;
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;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;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;
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;
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-ηi)/n]1/2;
MP=∑n i-1∣η0-ηi∣/n;
ω=[∑n i-1(η0-Sη)(ηi-Sηi)/n]/{[∑n i-1(η0-Sη)2/n]1/2·[∑n i-1(ηi-Sηi)2/n]1/2};
其中η0是角度估计值,ηi是角度实际测量值,n为测试样本的采样点数,Sη和Sηi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。
2.根据权利要求1所述的一种下肢康复恢复的训练装置,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。
3.根据权利要求2所述的一种下肢康复恢复的训练装置,其特征在于:所述的三个电极贴片采用粘贴式Ag-AgCl电极片,所述的三个电极 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。
4.根据权利要求1所述的一种下肢康复恢复的训练装置,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。
5.根据权利要求1所述的一种下肢康复恢复的训练装置,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110205939.1A CN112842825B (zh) | 2021-02-24 | 2021-02-24 | 一种下肢康复恢复的训练装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110205939.1A CN112842825B (zh) | 2021-02-24 | 2021-02-24 | 一种下肢康复恢复的训练装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112842825A CN112842825A (zh) | 2021-05-28 |
CN112842825B true CN112842825B (zh) | 2023-06-09 |
Family
ID=75990882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110205939.1A Active CN112842825B (zh) | 2021-02-24 | 2021-02-24 | 一种下肢康复恢复的训练装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112842825B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102058464A (zh) * | 2010-11-27 | 2011-05-18 | 上海大学 | 下肢康复机器人运动控制方法 |
CN110537922A (zh) * | 2019-09-09 | 2019-12-06 | 北京航空航天大学 | 基于深度学习的人体行走过程下肢运动识别方法及系统 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100312152A1 (en) * | 2009-06-03 | 2010-12-09 | Board Of Regents, The University Of Texas System | Smart gait rehabilitation system for automated diagnosis and therapy of neurologic impairment |
CN101874758B (zh) * | 2010-05-07 | 2012-02-22 | 中国科学院深圳先进技术研究院 | 辅助运动系统及其控制方法 |
CN102028460B (zh) * | 2011-01-04 | 2014-01-08 | 复旦大学 | 心室纤颤信号序列自动检测系统 |
CN103431976B (zh) * | 2013-07-19 | 2016-05-04 | 燕山大学 | 基于肌电信号反馈的下肢康复机器人系统及其控制方法 |
CN104000586B (zh) * | 2014-05-12 | 2017-12-29 | 燕山大学 | 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法 |
KR101685454B1 (ko) * | 2015-02-11 | 2016-12-13 | 인하대학교산학협력단 | 근전도 신호 기반 사용자 맞춤 분류기에 의한 보행 인식 과정에서 선형보간법을 이용한 보행단계 예측 방법 |
CN105213153B (zh) * | 2015-09-14 | 2018-06-26 | 西安交通大学 | 基于脑肌信息变阻抗的下肢康复机器人控制方法 |
CN106176134A (zh) * | 2016-07-12 | 2016-12-07 | 王春宝 | 一种自主训练的方法和系统 |
CN106422172B (zh) * | 2016-11-22 | 2018-10-30 | 西安交通大学 | 基于肌电的下肢康复训练系统跑步机速度自适应控制方法 |
CN107024987B (zh) * | 2017-03-20 | 2020-04-14 | 南京邮电大学 | 一种基于eeg的实时人脑注意力测试和训练系统 |
CN107378944B (zh) * | 2017-06-20 | 2020-12-25 | 东南大学 | 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 |
CN107397649B (zh) * | 2017-08-10 | 2020-08-14 | 燕山大学 | 一种基于径向基神经网络上肢外骨骼运动意图识别方法 |
CN109846487B (zh) * | 2019-02-26 | 2021-12-31 | 浙江理工大学 | 基于MIMU/sEMG融合的大腿运动姿态测量方法和装置 |
CN110279557B (zh) * | 2019-07-02 | 2021-08-27 | 安徽工业大学 | 一种下肢康复机器人控制系统及控制方法 |
CN111803250A (zh) * | 2020-07-03 | 2020-10-23 | 北京联合大学 | 基于肌电信号和角度信号的膝关节角度预测方法及系统 |
CN112336590A (zh) * | 2020-11-30 | 2021-02-09 | 北京精密机电控制设备研究所 | 基于多传感信息的助力外骨骼运动意图与步态规划方法 |
-
2021
- 2021-02-24 CN CN202110205939.1A patent/CN112842825B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102058464A (zh) * | 2010-11-27 | 2011-05-18 | 上海大学 | 下肢康复机器人运动控制方法 |
CN110537922A (zh) * | 2019-09-09 | 2019-12-06 | 北京航空航天大学 | 基于深度学习的人体行走过程下肢运动识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112842825A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112842824B (zh) | 一种用于下肢康复恢复的训练方法 | |
CN109091819B (zh) | 上肢康复机器人控制系统 | |
CN108785997B (zh) | 一种基于变导纳的下肢康复机器人柔顺控制方法 | |
CN109549821B (zh) | 基于肌电和惯导信号融合的外骨骼机器人助力控制系统及方法 | |
CN109394476B (zh) | 脑肌信息自动意图识别与上肢智能控制方法及系统 | |
CN105963100B (zh) | 按患者运动所需辅助的下肢康复机器人自适应控制方法 | |
CN105213153A (zh) | 基于脑肌信息变阻抗的下肢康复机器人控制方法 | |
CN105288933B (zh) | 并联下肢康复机器人自适应训练控制方法及康复机器人 | |
CN100594867C (zh) | 一种穿戴式手功能康复机器人及其控制系统 | |
CN102727361B (zh) | 坐卧式下肢康复机器人 | |
CN201164564Y (zh) | 一种穿戴式手功能康复机器人及其控制系统 | |
CN109692104B (zh) | 医疗康复外骨骼交互式同步控制系统及方法 | |
CN106074089B (zh) | 一种双手跟踪式手指康复机器人系统 | |
CN104586608A (zh) | 基于肌电控制的可穿戴式助力手指及其控制方法 | |
CN104337666A (zh) | 多肌肉协同肌电反馈康复训练系统和方法 | |
CN114366556B (zh) | 一种面向下肢康复的多模式训练控制系统及方法 | |
CN106110587B (zh) | 基于人机合作的下肢外骨骼康复系统及方法 | |
CN109481226A (zh) | 一种双手跟踪式多自由度软体手指康复机器人及使用方法 | |
CN113101134B (zh) | 一种基于动力外骨骼的儿童下肢运动辅助康复系统 | |
CN105879305A (zh) | 一种基于视频的跑步机自适应调速系统 | |
CN102698411A (zh) | 坐卧式下肢康复机器人及相应的主动训练控制方法 | |
CN111759672A (zh) | 一种基于下肢康复机器人的下肢康复镜像训练方法 | |
CN111803330A (zh) | 一种上肢肘关节康复装置 | |
CN109758336A (zh) | 一种利用患者患侧sEMG进行主动康复治疗的控制方法 | |
CN112842825B (zh) | 一种下肢康复恢复的训练装置 |
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 |