CN113397531B - 基于机器人结构的人工膝关节耐久性测试装置及方法 - Google Patents

基于机器人结构的人工膝关节耐久性测试装置及方法 Download PDF

Info

Publication number
CN113397531B
CN113397531B CN202110711504.4A CN202110711504A CN113397531B CN 113397531 B CN113397531 B CN 113397531B CN 202110711504 A CN202110711504 A CN 202110711504A CN 113397531 B CN113397531 B CN 113397531B
Authority
CN
China
Prior art keywords
knee joint
motion
artificial knee
subject
test
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
Application number
CN202110711504.4A
Other languages
English (en)
Other versions
CN113397531A (zh
Inventor
刘笑宇
霍洪强
安然
吴智鑫
赵峰
樊瑜波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202110711504.4A priority Critical patent/CN113397531B/zh
Publication of CN113397531A publication Critical patent/CN113397531A/zh
Application granted granted Critical
Publication of CN113397531B publication Critical patent/CN113397531B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4851—Prosthesis assessment or monitoring
    • 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
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis

Abstract

本发明涉及人工假体评估测试领域，提供了基于机器人结构的人工膝关节耐久性测试方法及装置，测试系统包括：PC控制端：用于控制采集膝关节所需的运动参数、并且将采集的个性化的人体膝关节运动数据处理成机械臂能够识别的运动轨迹的运行数据；运动捕捉系统：所述的运动捕捉系统用于采集人体在行走、深蹲、坐起、上下楼四种运动模式下的运动数据，从而构建个性化的人体运动学特征；人工膝关节疲劳测试实验平台：通过接收经PC控制端传输的运行控制数据带动人工膝关节进行动态疲劳测试；本测试系统能够进行科学的人工膝关节疲劳测试，为人工膝关节的设计和评价提供参考。

Description

基于机器人结构的人工膝关节耐久性测试装置及方法
技术领域
本发明涉及人工假体评估测试领域，设计了一种基于机器人结构的人工膝关节耐久性测试装置及方法。
背景技术
人体膝关节是由大腿骨或叫股骨、小腿骨的胫骨和腓骨、髌骨构成的。在股骨和胫骨之间有软骨盘，分别称为内侧半月板和外侧半月板。股骨前下端有槽合适安放髌骨，这些关节的表面覆盖软骨，能吸收震动承受压力。软骨特别是半月板在运动时是人体最易受伤的部分，一旦关节受损，就会造成关节疼痛、功能障碍。近年来，膝关节炎患者逐年增加。对于膝关节炎晚期患者，由于正规保守治疗没有效果、关节疼痛剧烈、关节变形严重、关节屈伸活动受限，因此需要进行人工膝关节置换手术解除患者关节疼痛、矫正畸形以及最大程度的恢复膝关节的活动。
人工膝关节设计要求置换后的膝关节能更好地恢复膝关节本身的运动学特性，同时要求减少关节假体接触面之间的应力，减少假体磨损及破环。通过人工关节疲劳测试，可以验证假体设计是否能满足相关标准，并可以为人工关节假体的优化设计提供参考。目前，人工膝关节疲劳测试，主要是通过特定运动负载，设定多达1000万次循环周期，评估其磨损破环情况。事实上人体的运动特征存在个性化差异，并且在不同运动模式(如爬楼梯、平地步行等)下膝关节的运动负载变化情况也存在差异，传统固定运动负载的膝关节疲劳测试方法忽略了这些差异，无法根据人体运动的个性化差异及运动模式差异评价人工膝关节的有效性，其评价结果和实际现实情况存在一定的偏差，这不利于人工膝关节的设计和优化。
发明内容
本发明的目的在于提供基于机器人结构的人工膝关节耐久性测试装置及方法，以解决上述背景技术中提出的问题。
本发明的技术方案是：基于机器人结构的人工膝关节耐久性测试装置，包括：
PC控制端：用于实现膝关节所需的运动参数采集、并且将采集的人体膝关节运动数据通过膝关节运动学模型进行换算机械臂能够识别的运动轨迹的运行数据；
运动捕捉系统：所述的运动捕捉系统用于采集人体在行走、深蹲、坐起、上下楼四种运动模式下的运动数据，从而构建人体个性化的运动学特征；
人工膝关节疲劳测试实验平台：通过接受经PC控制端换算后的机械臂能够识别的运动轨迹的运行数据从而带动人工膝关节进行动态疲劳测试。
进一步地，所述的人工膝关节疲劳测试实验平台包括六自由度机械臂、上固定器、人工膝关节、下固定器，其中：上固定器安装在六自由机械臂末端；人工膝关节一端连接上固定器，另一端连接下固定器。
进一步地，所述的运动捕捉系统包括有多个用以捕获受试者按规定运动模式进行人体运动轨迹的摄像头。
基于机器人结构的人工膝关节耐久性测试方法，所述测试方法包括如下步骤：
S1、准备测试区域，并保障测试区域环境匹配度；
S2、受试者站立在测试区域内，采集静态数据；根据模型设计粘贴反光标记点；受试者按规定运动模式运动，采集其动态数据；
S3、PC控制端建立人体膝关节运动模型，PC控制端将S2步骤所采集的动态数据接受获取，同时根据所述人体膝关节的运动模型进行换算，换算的数据作为六自由机械臂的末端运动轨迹；
S3、其中，S4步骤中的的换算结果数据通过PC控制端传递给六自由机械臂，作为控制其运动输入参数。
进一步地，确定测试区域方式是：通过调整运动捕捉系统中摄像头参数，排除除模型标记点以外的反光源；系统校准，设立参考原点，确定摄像头之间的相对位置以及相对地面关系，确定测试区域；确定各个摄像头误差参数均小于0.5，否则重新校准。
进一步地，所述规定运动模式有如下
A.行走：受试者分别以4km/h的速度在零坡度状态下行走；
B.下蹲：受试者足底内侧着地，脚尖向外，大腿内旋，小腿相对大腿外旋，向中间并拢，膝关节向内扣；受试者足底内侧离地，形成高弓足，大腿外旋，小腿相对大腿内旋，膝关节向外展；
C.坐起：受试者坐于可升降硬面座椅，保证大腿与地面平行，小腿垂直于地面，受试者大腿与座椅接触面占受试者股骨长度的1/2，之后以自然速度站起，保证双足位置不变；
D.上下楼梯：受试者右脚先行，以自然速度上下楼梯，台阶高度为受试者小腿加足高的1/2，台阶宽度设为受试者步距减去2倍的台阶高度。
进一步地，所述运动捕捉系统在获取膝关节处于各运动模式下的角度变量有：角度θ、速度α、加速度
Figure BDA0003133112310000031
通过运动捕捉系统获取膝关节在各运动模式下的角度θ、速度α、加速度
Figure BDA0003133112310000032
将膝关节的运动简化为单自由度铰链连接，换算人工膝关节末端的运动参数，作为机械臂末端轨迹输入参数，且参数如下：
x＝l2·cosθ
y＝l1+l2·sinθ
vx＝-α·l2·sinθ
vy＝α·l2·cosθ
Figure BDA0003133112310000033
Figure BDA0003133112310000034
基于上述参数，确定六自由机械臂的末端运动轨迹，以便开始人工膝关节疲劳测试。
本发明通过改进在此提供基于机器人结构的人工膝关节耐久性测试装置及方法，与现有技术相比，具有如下改进及优点：
其一：本发明通过运动捕捉系统获取人体膝关节的运动特征，能够根据人体的个性化运动特征构建人体膝关节疲劳测试,相比于常规测试中采用的标准化的循环载荷，能够将人体个体真实的结构及运动学特征考虑进去，例如，不同个体的运动习惯和运动特点也是不一样的，而这些习惯将直接影响人工膝关节的使用模式，进而影响人工膝关节的疲劳、损坏甚至失效的发展演进，上述都是标准化的循环载荷实验无法考虑囊括的，本发明的设计将这些个性化的特点考虑在内，能够为人工膝关节的设计和评价提供真实意义的参考；
其二：结合人体在主要日常活动任务(行走、深蹲、坐起、上下楼)，构建合理的有代表性的膝关节运动测试任务，更加符合实际使用场景，疲劳测试数据更加可靠；
其三：结合六自由机械臂搭建了人工膝关节疲劳测试平台，提供了模拟真实使用场景以及个性化疲劳测试的实现方法。
附图说明
下面结合附图和实施例对本发明作进一步解释:
图1是本发明的系统组成原理图；
图2是本发明的膝关节运动简化图；
图3是本发明的人工膝关节疲劳测试平台图。
附图标记说明：
1000、六自由度机械臂；2000、上固定器；3000、人工膝关节；4000、下固定器。
具体实施方式
下面对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
本发明通过改进在此提供基于机器人结构的人工膝关节耐久性测试装置及方法，本发明的技术方案是：
如图1-图3所示，基于机器人结构的人工膝关节耐久性测试装置，包括：
PC控制端：用于实现膝关节所需的运动参数采集、并且将采集的人体膝关节运动数据通过膝关节运动学模型进行换算机械臂能够识别的运动轨迹的运行数据；
运动捕捉系统：所述的运动捕捉系统用于采集人体在行走、深蹲、坐起、上下楼四种运动模式下的运动数据，从而构建人体个性化的运动学特征；经过比较不同的运动模式的差异和其对膝关节的影响，选取了最具代表性的四种运动模式，即能够比较全面的反映膝关节在使用中受到的载荷，足够客观真实的反映疲劳环境，而不必设置众多冗余的运动模式。
人工膝关节疲劳测试实验平台：通过接受经PC控制端换算后的机械臂能够识别的运动轨迹的运行数据从而带动人工膝关节进行动态疲劳测试。
进一步地，所述的人工膝关节疲劳测试实验平台包括六自由度机械臂1000、上固定器2000、人工膝关节3000、下固定器4000，其中：六自由度机械臂能够实现六个自由度方向的控制输出，可以采用例如JAKA生产的Zu 7s协作机器人；上固定器2000安装在六自由机械臂1000末端，用于施加测试载荷；人工膝关节3000一端连接上固定器2000，另一端连接下固定器4000，固定器用于限制膝关节使其按照设定的控制模式运动。
进一步地，所述的运动捕捉系统包括有多个用以捕获受试者按规定运动模式进行人体运动轨迹的摄像头。
基于机器人结构的人工膝关节耐久性测试方法，所述测试方法包括如下步骤：
S1、准备测试区域，并保障测试区域环境匹配度；
S2、受试者站立在测试区域内，采集静态数据；根据模型设计粘贴反光标记点；受试者按规定运动模式运动，采集其动态数据；
S3、PC控制端建立人体膝关节运动模型，PC控制端将S2步骤所采集的动态数据接受获取，同时根据建立的人体膝关节的运动模型进行计算，换算的数据输出并作为六自由机械臂的末端运动控制输入；
S3、其中，S4步骤中的的换算结果数据通过PC控制端传递给六自由机械臂，作为控制其运动输入参数。
进一步地，确定测试区域方式是：通过调整运动捕捉系统中摄像头参数，排除除模型标记点以外的反光源；系统校准，设立参考原点，确定摄像头之间的相对位置以及相对地面关系，确定测试区域；确定各个摄像头误差参数均小于0.5，否则重新校准。
进一步地，根据日常运动模式的调研，所述规定运动模式是根据如下条件采集的：
A.行走：受试者分别以4km/h的速度在零坡度状态下行走；
B.下蹲：受试者足底内侧着地，脚尖向外，大腿内旋，小腿相对大腿外旋，向中间并拢，膝关节向内扣；受试者足底内侧离地，形成高弓足，大腿外旋，小腿相对大腿内旋，膝关节向外展；
C.坐起：受试者坐于可升降硬面座椅，保证大腿与地面平行，小腿垂直于地面，受试者大腿与座椅接触面占受试者股骨长度的1/2，之后以自然速度站起，保证双足位置不变；
D.上下楼梯：受试者右脚先行，以自然速度上下楼梯，台阶高度为受试者小腿加足高的1/2，台阶宽度设为受试者步距减去2倍的台阶高度。
进一步地，所述运动捕捉系统在获取膝关节处于各运动模式下的角度变量有：角度θ、速度α、加速度
Figure BDA0003133112310000071
通过运动捕捉系统获取膝关节在各运动模式下的角度θ、速度α、加速度
Figure BDA0003133112310000072
所述膝关节运动学模型的建立包括：将膝关节的运动简化为单自由度铰链连接模型，换算人工膝关节末端的运动参数，作为机械臂末端轨迹输入参数，且参数如下：
x＝l2·cosθ
y＝l1+l2·sinθ
vx＝-α·l2·sinθ
vy＝α·l2·cosθ
Figure BDA0003133112310000073
Figure BDA0003133112310000074
基于上述处理过程，确定六自由机械臂的末端运动轨迹，控制人工膝关节疲劳测试的加载。
本系统的工作原理是：运动捕捉系统采集人体在行走、深蹲、坐起、上下楼四种运动模式下的运动数据，通过膝关节运动模型换算六自由机械臂1000末端的运动轨迹，将换算的六自由机械臂1000末端轨迹作为运动输入控制六自由机械臂1000运动，六自由机械臂1000带动人工膝关节进行动态疲劳测试；
优选的，运动捕捉系统采用基于反射式的捕捉系统例如Vicon系统。
上述说明能够使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种基于机器人结构的人工膝关节耐久性测试装置，其特征在于，包括：
PC控制端：用于控制膝关节所需的运动参数采集，将采集的个体膝关节运动数据通过膝关节运动学模型处理成机械臂能够识别的运动轨迹的运行控制数据；
运动捕捉系统：所述的运动捕捉系统用于采集个体在真实运动模式下的运动数据，从而构建所述个体个性化的运动学特征；
人工膝关节疲劳测试实验平台：根据接收的经PC控制端处理后输出的运行控制数据，带动人工膝关节（3000）进行动态疲劳测试，从而根据人体的个性化运动特征实现个性化疲劳测试；
所述真实运动模式有如下：
A.行走：受试者分别以4km/h的速度在零坡度状态下行走；
B.下蹲：受试者足底内侧着地，脚尖向外，大腿内旋，小腿相对大腿外旋，向中间并拢，膝关节向内扣；受试者足底内侧离地，形成高弓足，大腿外旋，小腿相对大腿内旋，膝关节向外展；
C.坐起：受试者坐于可升降硬面座椅，保证大腿与地面平行，小腿垂直于地面，受试者大腿与座椅接触面占受试者股骨长度的1/2，之后以自然速度站起，保证双足位置不变；
D.上下楼梯：受试者右脚先行，以自然速度上下楼梯，台阶高度为受试者小腿加足高的1/2，台阶宽度设为受试者步距减去2倍的台阶高度。
2.根据权利要求1所述的基于机器人结构的人工膝关节耐久性测试装置，其特征在于：所述的人工膝关节疲劳测试实验平台包括六自由度机械臂（1000）、上固定器（2000）、人工膝关节（3000）、下固定器（4000），其中：上固定器（2000）安装在六自由度机械臂末端；人工膝关节（3000）一端连接上固定器（2000），另一端连接下固定器（4000）。
3.一种基于机器人结构的人工膝关节耐久性测试方法，包括如权利要求1或2所述的耐久性测试装置，其特征在于，所述测试方法包括如下步骤：
S1、准备测试区域，并保障测试区域环境匹配度；
S2、受试者站立在测试区域内，采集静态数据；根据模型设计粘贴反光标记点；受试者按规定运动模式运动，采集其动态数据；
S3、PC控制端建立人体膝关节运动模型，PC控制端将S2步骤所采集的动态数据接受获取，同时根据所述人体膝关节的运动模型进行换算，换算的数据作为六自由度机械臂的末端运动轨迹；
S4、其中，S3步骤中的换算结果数据通过PC控制端传递给六自由度机械臂，作为控制其运动输入参数。
4.根据权利要求3所述的基于机器人结构的人工膝关节耐久性测试方法，其特征在于：确定测试区域方式是：通过调整运动捕捉系统中摄像头参数，排除模型标记点以外的反光源；系统校准，设立参考原点，确定摄像头之间的相对位置以及相对地面关系，确定测试区域；确定各个摄像头误差参数均小于0.5，否则重新校准。
5.根据权利要求4所述的基于机器人结构的人工膝关节耐久性测试方法，其特征在于：
所述运动捕捉系统在获取膝关节处于各运动模式下的角度变量有：角度θ、速度α、加速度ϑ，通过运动捕捉系统获取膝关节在各运动模式下的角度θ、速度α、加速度ϑ，将膝关节的运动简化为单自由度铰链连接，换算人工膝关节（3000）末端的运动参数，作为机械臂末端轨迹输入参数， 确定六自由度机械臂的末端运动轨迹，以便开始人工膝关节（3000）疲劳测试。
CN202110711504.4A 2021-06-25 2021-06-25 基于机器人结构的人工膝关节耐久性测试装置及方法 Active CN113397531B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110711504.4A CN113397531B (zh) 2021-06-25 2021-06-25 基于机器人结构的人工膝关节耐久性测试装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110711504.4A CN113397531B (zh) 2021-06-25 2021-06-25 基于机器人结构的人工膝关节耐久性测试装置及方法

Publications (2)

Publication Number Publication Date
CN113397531A CN113397531A (zh) 2021-09-17
CN113397531B true CN113397531B (zh) 2022-10-21

Family

ID=77679549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110711504.4A Active CN113397531B (zh) 2021-06-25 2021-06-25 基于机器人结构的人工膝关节耐久性测试装置及方法

Country Status (1)

Country Link
CN (1) CN113397531B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115531146A (zh) * 2022-09-19 2022-12-30 天津理工大学 一种具有灵巧运动承载包容的变胞仿生膝关节外骨骼装置及其实验平台系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680344A (zh) * 2012-05-07 2012-09-19 北京航空航天大学 六自由度并联与摆动导杆机构组合膝关节置换假体磨损机
CN104921851A (zh) * 2015-05-25 2015-09-23 河北工业大学 主动型膝上假肢膝关节的预测控制方法
CN106596313A (zh) * 2017-01-05 2017-04-26 中国矿业大学 一种模拟人工关节多运动轨迹摩擦的试验方法及装置
CN109323946A (zh) * 2018-09-07 2019-02-12 南昌大学 一种人工膝关节摩擦磨损试验机
CN112229617A (zh) * 2020-10-27 2021-01-15 上海交通大学 一种离体膝关节的动态加载平台及其应用方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4393723B2 (ja) * 2001-03-26 2010-01-06 西島メディカル株式会社 人工関節摩擦摩耗試験機
US8457930B2 (en) * 2009-04-15 2013-06-04 James Schroeder Personalized fit and functional designed medical prostheses and surgical instruments and methods for making
CN103503050B (zh) * 2010-11-15 2017-03-15 先进机械技术公司 用于关节运动模拟的方法和设备
US9642725B2 (en) * 2011-11-14 2017-05-09 Advanced Mechanical Technology, Inc. System and method for joint testing
US9867568B1 (en) * 2016-06-24 2018-01-16 Caterpillar Inc. System and method of measuring in vivo wear in artificial knee joint
CN112402076B (zh) * 2020-11-19 2022-03-08 北京积水潭医院 一种定位膝关节单髁置换术中假体旋转角度安全区的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680344A (zh) * 2012-05-07 2012-09-19 北京航空航天大学 六自由度并联与摆动导杆机构组合膝关节置换假体磨损机
CN104921851A (zh) * 2015-05-25 2015-09-23 河北工业大学 主动型膝上假肢膝关节的预测控制方法
CN106596313A (zh) * 2017-01-05 2017-04-26 中国矿业大学 一种模拟人工关节多运动轨迹摩擦的试验方法及装置
CN109323946A (zh) * 2018-09-07 2019-02-12 南昌大学 一种人工膝关节摩擦磨损试验机
CN112229617A (zh) * 2020-10-27 2021-01-15 上海交通大学 一种离体膝关节的动态加载平台及其应用方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Effect of stair descent loading on ultra-high molecular weight polyethylene wear in a force-controlled knee simulator;Benson L C, DesJardins J D, Harman M K, et al;《Proceedings of the Institution of Mechanical Engineers, Part H: Journal of Engineering in Medicine》;20020601;第216卷(第H6期);全文 *
In vitro effects on mobile polyethylene insert under highly demanding daily activities: stair climbing;Sami Abdel Jaber, Paola Taddei, Silvia Tozzi;《International Orthopaedics》;20150715;第39卷(第7期);全文 *
Wear, Delamination, and Fatigue Resistance of Melt-Annealed Highly Crosslinked UHMWPE Cruciate-Retaining Knee Inserts under Activities of Daily Living;Oludele O. Popoola, Jian Q. Yao, Todd S. Johnson, et al;《JOURNAL OF ORTHOPAEDIC RESEARCH》;20100930;第23卷(第9期);说明书第2页第1栏第27行-第2栏第5行、第2页第2栏第21行-第3页第1栏第14行 *
上楼梯对人工膝关节假体磨损影响的有限元研究;王川，赵峰，丁文宇，et al;《医用生物力学》;20170415;第32卷(第2期);全文 *

Also Published As

Publication number Publication date
CN113397531A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
Stolyarov et al. Translational motion tracking of leg joints for enhanced prediction of walking tasks
US10517745B2 (en) Systems and method for volitional control of jointed mechanical device based on surface electromyography
Fleischer et al. Predicting the intended motion with EMG signals for an exoskeleton orthosis controller
CN108785997B (zh) 一种基于变导纳的下肢康复机器人柔顺控制方法
US9975249B2 (en) Neuromuscular model-based sensing and control paradigm for a robotic leg
EP3185761B1 (en) Instrument for determining viscoelastic properties of a body segment of a person
Fournier et al. Modeling and simulation of a lower extremity powered exoskeleton
WO2014186076A1 (en) Mobile gait force and motion analysis system
Rose et al. Strategies for the assessment of pediatric gait in the clinical setting
Rea et al. A procedure for the design of novel assisting devices for the sit-to-stand
CN113397531B (zh) 基于机器人结构的人工膝关节耐久性测试装置及方法
Brantley et al. Prediction of lower-limb joint kinematics from surface EMG during overground locomotion
CN113576463B (zh) 肌电信号驱动的膝关节肌骨模型接触力估计方法及系统
Maqbool et al. Heuristic real-time detection of temporal gait events for lower limb amputees
LaPre et al. Preliminary study of a robotic foot-ankle prosthesis with active alignment
Rabe et al. Use of sonomyography for continuous estimation of hip, knee and ankle moments during multiple ambulation tasks
Mendez et al. A-mode ultrasound-based prediction of transfemoral amputee prosthesis walking kinematics via an artificial neural network
Yang et al. Human hip joint center analysis for biomechanical design of a hip joint exoskeleton
CN114831784A (zh) 基于多源信号的下肢义肢地形识别系统及方法
Kapti et al. Wearable acceleration sensor application in unilateral trans-tibial amputation prostheses
Fantozzi et al. 3D Joint moments in transfemoral and transtibial amputees: when is the" ground reaction vector technique" an alternative to inverse dynamics?
Baum Kinetics in individuals with unilateral transtibial amputations using running-specific prostheses
Mohamed Modeling and simulation of transfemoral amputee gait
Coccia et al. Biomechanical modelling for quantitative assessment of gait kinematics in drop foot patients with ankle foot orthosis
McCabe Utilizing Neural Networks and Wearables to Quantify Hip Joint Angles and Moments During Walking and Stair Ascent

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