CN113730053A - 基于健侧腿多源信息的下肢假肢分层控制系统及方法 - Google Patents

基于健侧腿多源信息的下肢假肢分层控制系统及方法 Download PDF

Info

Publication number
CN113730053A
CN113730053A CN202111129256.9A CN202111129256A CN113730053A CN 113730053 A CN113730053 A CN 113730053A CN 202111129256 A CN202111129256 A CN 202111129256A CN 113730053 A CN113730053 A CN 113730053A
Authority
CN
China
Prior art keywords
module
layer controller
leg
gait
lower limb
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.)
Granted
Application number
CN202111129256.9A
Other languages
English (en)
Other versions
CN113730053B (zh
Inventor
张定国
王彦凇
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong 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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202111129256.9A priority Critical patent/CN113730053B/zh
Publication of CN113730053A publication Critical patent/CN113730053A/zh
Application granted granted Critical
Publication of CN113730053B publication Critical patent/CN113730053B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61F2/70—Operating or control means electrical
    • 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
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A61B5/1038—Measuring plantar pressure during gait
    • 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
    • A61B5/103—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
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • 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
    • 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
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • 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
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6828—Leg
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A61F2/72—Bioelectric control, e.g. myoelectric

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Vascular Medicine (AREA)
  • Transplantation (AREA)
  • Cardiology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Prostheses (AREA)

Abstract

本发明提供一种基于健侧腿多源信息的下肢假肢分层控制系统及方法，包括：人机系统模块、传感系统模块、信号预处理模块和分层控制器；传感系统模块安装于人机系统模块的人体健康腿一侧；分层控制器由顶层控制器模块、中层控制器模块和底层控制器模块组成。信号预处理模块的输入端为传感系统模块的信号输出，其输出分为两部分，分别连接顶层控制器模块和中层控制器模块；顶层控制器模块的输出连接中层控制器模块；中层控制器模块的输出连接底层控制器模块；底层控制器模块与人机系统模块的假肢侧进行双向交互。本发明能够实现实际使用中不同步态类型的步态离散切换，并且可以在同个步态周期内根据人体意图实时连续调整行走速度。

Description

基于健侧腿多源信息的下肢假肢分层控制系统及方法
技术领域
本发明涉及人体下肢假肢控制技术领域，具体地，涉及一种基于健侧腿多源信息的下肢假肢分层控制系统及方法。
背景技术
根据残疾人抽样调查小组报告，我国下肢截肢患者已超过150余万。截肢者的日常生活受到极大影响，带来严重的家庭和社会负担。下肢假肢作为人体义肢，可以帮助患者维持身体平衡、站立和行走。传统的动力假肢对复杂环境的适应性较差，比如上下阶梯、上下斜坡或者坑洼地面，且难以随人体意图进行快走、慢走的变速，使得穿戴者的使用体验差、辅助效果弱。
公开号为CN100528107的发明专利，公开了一种跟随健康腿步速控制的智能膝上假肢系统，包括假肢体，电控液压膝关节，健康腿步态在线检测机构，步态数据传送系统，计算机控制系统。健康腿步态在线检测机构将健康腿的步态数据作为假肢的跟随目标值通过步态数据传送系统送至假肢中的微处理器中，微处理器通过信号分析，计算出健康腿的瞬时角度和角速度，计算机控制系统接收和检测设于假肢体膝关节处的角度传感器实时检测假肢的膝关节角度及其对应速度的反馈信号，和假肢工作模式的反馈信号；按假肢跟随的目标量和预先设计的模型进行修正，输出控制信号给假肢体上的电控液压膝关节，用于对假肢步态进行跟随健康腿控制和对假肢所处的模式进行控制。该专利对假肢的控制方法同样利用双侧腿对称性，但仅考虑了位置层面和力矩层面的对称性。此外，设定了20档位速度，使得假肢运动的步速不连续，且20档步速需要预训练采集数据获取步速模型参数。其对于不同步态类型通过阈值判定动作类别，对不同人的步态模式、不同步速的适应性差，时效性差。
公开号为CN102512270B的发明专利，公开了一种假肢膝关节运动的控制方法，步骤是：安装假肢膝关节的控制部件，包括四连杆膝上假肢膝关节本体和传感器部分，在气缸活塞运动至由支撑相到摆动相的分界位置安装一个霍尔传感器，在气缸活塞运动至假肢膝关节锁死位置安装另一个霍尔传感器；通过微控制器检测假肢穿带者的步态周期进而判断步行速度，通过霍尔传感器判定步态时相，通过微控制器控制气腔针阀开度，调整气缸缸体内产生的阻尼从而实现步速调整；最后让假肢穿带者正常行走，在摆动相，气腔针阀按照该步行速度下对应开度值运动，进入支撑期后，气腔针阀保持完全关闭，使阻尼达到最大值，然后将假肢膝关节锁死；该专利基于两种步态相位进行状态切换控制，考虑了步态相位的二分类，其检测方法为基于固定位置的判定，对实际复杂情况适应性差；
公开号为CN104921851B的发明专利，公开了一种主动型膝上假肢膝关节的预测控制方法，步骤是：离线采集所需实验者的基本信息数据，生成数据报告；建立下肢假肢膝关节运动的分段仿射系统模型；根据控制性能指标对系统的状态区域进行凸划分，得到控制律；控制策略的在线控制过程。其控制量通过分段线性化由速度作为输入建立模型，通过状态空间表达进行最优控制，从而预测下一采样点的控制量。该专利实现较为复杂，没有考虑多关节的控制方法极其关节间的耦合特性，难以拓展。
现有技术中存在以下技术缺陷：1、多为单关节控制，即小腿假肢踝关节的控制方法，或膝关节假肢的控制方法。现有发明没有可适用于多关节的假肢控制方法，且部分方法难以拓展至多关节，尤其不适用于髋关节假肢；2、假肢利用健康腿信息进行跟随控制时，均为基于健康腿的位置信息进行对称映射，没有考虑步态相位的连续估计。仅使用位置信息使得在不同步态模式、不同人、不同步速时精确性难以保证；3、无法使得假肢步速任意变化。目前的方案可以在不同步态周期或步态切换间进行速度的离散变化，甚至连续调整，但难以在同一步的摆动期/支撑期内进行步速的连续调节，即无法适应行走时突然停止或加速等情况。4、对于不同的步态模式少有考虑，无法满足上下楼梯、上下坡等使用情况，限制了对于膝关节假肢甚至髋关节假肢的实际应用。
发明内容
针对现有技术中的缺陷，本发明提供一种基于健侧腿多源信息的下肢假肢分层控制系统及方法。
根据本发明提供的一种基于健侧腿多源信息的下肢假肢分层控制系统及方法，所述方案如下：
一方面，提供了一种基于健侧腿多源信息的下肢假肢分层控制系统，所述系统包括：
包括：人机系统模块、传感系统模块、信号预处理模块和分层控制器；
所述人机系统模块包括人机健康腿一侧和假肢一侧，所述传感系统模块安装于人机系统模块的人体健康腿一侧，用于采集健康腿一侧人体步态运动信息；
所述分层控制器由顶层控制器模块、中层控制器模块和底层控制器模块组成。
所述信号预处理模块的输入端为传感系统模块的信号输出，其输出分为两部分，分别连接顶层控制器模块和中层控制器模块；顶层控制器模块的输出连接中层控制器模块；中层控制器模块的输出连接底层控制器模块；底层控制器模块与人机系统模块的假肢侧进行双向交互。
优选的，所述位于健康腿一侧的传感系统模块的信号输出能够通过有线或无线局域网、蓝牙在内的连接方式传入位于假肢内的控制器。
优选的，所述传感系统模块包括表面肌电传感器模块、足底压力传感器模块和惯性测量单元模块。
优选的，所述传感系统模块中的各类传感器均使用多个，且分别组成传感器网络；
所述表面肌电传感器模块应贴在胫骨前肌、腓肠肌内侧肌和比目鱼肌处；
所述表面肌电传感器模块能够额外贴在股外侧肌、股直肌和股二头肌处。
优选的，所述足底压力传感器模块布置有多个，包括放置于足跟、脚掌前侧即脚趾下的至少三处，且将压力传感器制作成鞋垫状。
优选的，所述惯性测量单元模块布置有多个，包括位于大腿、小腿和足背，且能够额外布置于躯干处。
优选的，所述信号预处理模块对采集的信号进行预处理，包括信号调理模块、特征提取模块和人体关节角度解算模块；
所述信号调理模块包括肌电信号调理模块、低通滤波器和IMU调理模块；所述肌电信号调理模块按序包括带通滤波器、工频滤波器和归一化处理模块；所述IMU调理模块按序包括卡尔曼滤波器和低通滤波器；
所述特征提取模块对滤波后的各类信号进行特征提取，分别计算肌电信号的常见时域特征集、频域特征集、足底压力信号的时间特征集、IMU数据调理过后的加速度信号，以及角速度信号的时间特征集；在滑窗计算特征集以后，对每类特征进行归一化处理；
所述人体关节角度解算模块利用IMU调理后的信号积分出角度信息，基于下肢运动学模型解算人体关节角度。
优选的，所述顶层控制器模块包括步态类别识别模块；
所述步态类别识别模块按序包括运动/静止分类器、支撑器/摆动期分类器和运动模式分类器；
所述中层控制器模块由运动步速估计模块和假肢轨迹生成模块组成；
所述运动步速估计模块由步态相位估计器和步态频率计算器组成；
所述假肢轨迹生成模块包括中枢模式发生器CPG模块。
优选的，所述CPG模块包括至少5个中枢模式发生器CPG组成，分别对应不同的步态类型；
中枢模式发生器CPG包括至少六个拓补节点，分别对应健康侧和假肢的髋关节、膝关节和踝关节的屈伸运动；
其中，所述拓补节点包括二或三个振荡器；
所述底层控制器模块包括驱动与控制模块，驱动与控制模块包括PID控制器、电机驱动器、编码器在内的相关传感器及其他底层硬件。
另一方面，提供了一种基于健侧腿多源信息的下肢假肢分层控制方法，所述方法包括：
步骤S1：将假肢穿到受试者身上；
步骤S2：在健康腿上，固定表面肌电传感器模块、足底压力传感器模块和惯性测量单元模块；
步骤S3：设定信号预处理模块的相关参数，开特征向量的提取与人体关节角度计算；
步骤S4：为设置符合使用者的个性化设置，通过预实验采集实验数据；令使用者在水平行走、上/下坡、上/下楼梯在内的相关地形中行走多步，收集信号；根据算法训练方式，训练运动/静止分类器和运动模式分类器；
步骤S5：根据上述预实验的实验数据，人体关节角度解算模块得到各类步态下髋关节曲线，替代用于步态相位估计器的默认的关节标准轨迹方程；各类步态下的各关节曲线，通过二至三阶的傅里叶拟合，替代默认CPG模型参数；
步骤S6：设定顶层控制器模块内运动/静止分类器和运动模式分类器的分类器参数；
步骤S7：设定中枢模式发生器模块的各类步态下的CPG模型的频率，幅值和偏移参数；
步骤S8：设定底层控制器模块内部的PID在内的相关参数。
与现有技术相比，本发明具有如下的有益效果：
1、本发明提供了下肢假肢的分层控制框架，方便扩展；顶层控制器用于判断步态类型，可增加摄像头等方式辅助判断；中层控制器用于多关节轨迹生成，可同步控制假肢的膝关节、踝关节甚至髋关节，中枢模式发生器模块保证了关节运动的协调性，有利于保证使用者的安全和舒适性；底层控制器用于电机的伺服控制，根据需要可移植于力矩环控制或在此基础上增加柔顺控制；在此框架下，也可仅控制单个假肢关节，方法一致；
2、本发明使用了多源传感融合技术，充分利用表面肌电信号、足底压力信号和惯性测量单元信号，使得运动状态的检测更加准确，在健侧腿运动意图的监测和判定准确的情况下，假肢的控制更加精确，运动更加平滑自然；
3、本发明实时估计步态周期的当前相位值，从而精确地生成假肢轨迹；根据相位值的实时变化可实时改变步态频率，符合实际使用中在一个步态周期内并非匀速、稳态的情况，适应单个步态周期内的加速、减速运动，使得假肢的运动更加灵活；
4、本发明适应不同的复杂地形；通过顶层控制器，识别出当前环境的步态类型，使得假肢适用于不同环境，作为一般情况，本发明保有行走、上/下楼梯、上/下斜坡五类步态，可按需增减步态类型。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的框架示意图；
图2为分层控制器的示意图；
图3为牛顿法的示意图；
图4为中枢模式发生器的示意图；
图5为中枢模式发生器的默认参数值。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例提供了一种基于健侧腿多源信息的下肢假肢分层控制系统，参照图1所示，该系统具体包括：人机系统模块、传感系统模块、信号预处理模块和分层控制器。
首先，人机系统模块包括人机健康腿一侧和假肢一侧，不区分左右，传感系统模块安装于人机系统模块的人体健康腿一侧，用于采集健康腿一侧人体步态运动信息，从而分析运动意图，进而控制假肢运动。
分层控制器由顶层控制器模块、中层控制器模块和底层控制器模块组成。信号预处理模块的输入端为传感系统模块的信号输出，其输出分为两部分，分别连接顶层控制器模块和中层控制器模块；顶层控制器模块的输出连接中层控制器模块；中层控制器模块的输出连接底层控制器模块；底层控制器模块与人机系统模块的假肢侧进行双向交互。
位于健康腿一侧的传感系统模块的信号输出能够通过有线或无线局域网、蓝牙等连接方式传入位于假肢内的控制器。
其次，具体地，传感系统模块由多源传感模块组成，安装于人机系统模块的人体健康腿一侧，用于采集健康腿的运动信息。传感系统模块包括表面肌电传感器模块、足底压力传感器模块和惯性测量单元模块。各类传感器均使用多个，且分别组成传感器网络。
其中，表面肌电传感器模块应包含六个表面肌电传感器，贴在胫骨前肌、腓肠肌内侧肌和比目鱼肌处；且表面肌电传感器模块可额外贴在股外侧肌、股直肌和股二头肌处。足底压力传感器模块采用压力鞋垫，具有放置于足跟、脚掌前侧即脚趾下的八通道压力传感器，以鞋垫的方式放置于健康腿鞋内；惯性测量单元模块由三个IMU传感器组成，分别固定于大腿前侧正中央、小腿前侧正中央和足背三处，可额外布置于躯干处。
再次，信号预处理模块对采集的信号进行预处理，包括信号调理模块、特征提取模块和人体关节角度解算模块，用于对原始信号的采样和调理。
信号调理模块包括肌电信号调理模块、低通滤波器和IMU调理模块；肌电信号调理模块按序包括带通滤波器、工频滤波器和归一化处理模块；其输入为表面肌电传感器模块的多通道原始信号，低通滤波器的输入为足底压力传感器模块的原始信号。
IMU调理模块按序包括卡尔曼滤波器和低通滤波器，其输入为惯性测量单元模块的原始信号，其中每个IMU单元经过IMU调理模块的调理后输出为轴角加速度和轴角速度，在所有信号经过信号调理模块的信号调理后，输入至特征提取模块。
特征提取模块由数据滑窗提取模块、特征值计算模块和归一化模块组成。数据滑窗提取模块对多源信号进行时间域矩形窗截取，随后将截取信号送至特征值计算模块计算对应特征值，最终将计算得的特征值送入归一化模块进行融合特征归一化并融合，形成输出信号。人体关节角度解算模块的输入为IMU调理模块的输出，对关节屈伸方向的角速度进行积分得到传感器角度值，并结合人体下肢运动学模型，计算人体健康腿各个关节的屈伸角度，成为输出。
分层控制器由顶层控制器、中层控制器和底层控制器组成，如图2所示。顶层控制器用于划分步态类型，为离散量，CPG模型类别0代表静止，CPG模型类别1到5分别代表水平行走、上/下斜坡、上/下楼梯。顶层控制器根据滑窗步长每次计算输出一个结果，其输出送入中层控制器。中层控制器实时生成步态的关节角度，为连续的多关节位置曲线，并将该轨迹送入底层控制器；底层控制器与人机系统模块的假肢侧进行双向交互，闭环伺服控制。
顶层控制器包括运动步态类别识别模块，其输入为特征提取模块的输出。运动步态类别识别模块按序包括运动/静止分类器、支撑期/摆动期分类器和运动模式分类器。运动步态类别识别模块的工作模式为，首先，运动/静止分类器根据输入数据判断当前状态出于运动还是静止状态；随后，若处于运动状态，支撑期/摆动期分类器根据步态周期将当前时刻划分为支撑期或摆动期；最后，运动模式分类器选择使用支撑期运动模式分类器或者摆动期运动模式分类器，并将当前运动分为水平行走、上/下楼梯、上/下斜坡五类中的某一类，作为步态类别识别模块的输出。
运动步速估计模块的输入为人体关节角度解算模块的输出和当前步态的CPG模型，包括步态相位估计器和步态频率计算器。步态相位估计器对当前步态类型的相位-角度曲线求逆解，即得到当前相位值。步态频率计算器的输入为步态相位估计器计算得到的当前相位值，并将其转换为实时步态频率，作为输出。假肢轨迹生成模块包括中枢模式发生器模块，其输入为运动步态类别识别模块计算得到的当前步态类型。中枢模式发生器模块为5个CPG模型，分别对应五种步态，并根据顶层控制器的分类结果从5个CPG模型中选择其一作为当前时刻使用的CPG模型，CPG模型从而计算出假肢侧的髋关节、膝关节、踝关节的角度，作为中层控制器的输出。
底层控制器包括驱动与控制模块，其输入为中层控制器的3个假肢关节角度输出。驱动与控制模块工作在位置环控制，人机系统模块的假肢进行双向交互，实现伺服控制。
接下来详细介绍控制框架的模型、参数等细节，对本发明进行更为具体的说明。
传感系统模块的采样频率应在1kHz及以上，2kHz为佳，数据滑窗提取模块每隔20ms对信号调理模块输出的信号数据进行200ms的时间窗截取，从而进行一次特征提取。特征值计算模块在特征提取步骤中，对肌电调理模块的输出计算绝对均值、过零点数、波形长度、斜率变化率、均方根值、威尔逊幅值等时域特征和4阶自回归系数等频域特征；对低通滤波器的输出计算均方根值、平均值、最大值和最小值特征；对IMU调理模块的数据计算方根值、平均值、最大值和最小值特征；最后，归一化模块将上述计算特征堆叠，形成1xN的高维特征向量，并按特征类型分别对其进行归一化处理，作为信号调理模块的输出。
带通滤波器对肌电信号进行降噪，可选择20～500Hz的通带频率，工频滤波器对50Hz工频干扰进行滤波，可选50Hz陷波器或以50Hz为基频的梳妆滤波器。归一化处理模块对表面肌电信号进行z-score归一化，即消除偏置，使得信号均值为0，方差为1。低通滤波器的输入为足底压力传感器模块的原始信号，截止频率可选用10Hz。低通滤波器对IMU调理模块输出的三轴加速度和三轴角速度进行低通滤波处理，截止频率可选20Hz。
运动/静止分类器可采用线性判别分析，即一种二分类分类器。将数据库中所有步态类型融为1类，站立数据作为1类，从而进行分类器的训练。
支撑期/摆动期分类器采用经验式的逻辑判别方法。可依据脚跟接触(HeelContact,HC)和脚尖离地(Toe Off,TO)两种步态事件对步态进行二分类，即支撑期或摆动期。判断出TO后并在HC到来前，为支撑期，判断出HC发生后且TO事件到来前，属于摆动期。判别方式基于分析信号预处理模块3中小腿的IMU的矢状面方向上的角速度变化，具体如下：如果角速度大于100°/s，则寻找其最大值作为摆动中期事件(Msw)；如果Msw事件已确定，则寻找局部的最小值，并等待80ms后，如果没有比该局部最小值大10°/s的值，则该局部最小值即为HC事件。若有，则后面的最小值为HC事件；如果HC事件确定，等待150ms。期间如果角速度小于-20°/s，则寻找局部最小值，并标记为TO事件。
运动模式分类器可采用贝叶斯决策，即一种线性的多类别分类器。运动模式分类器含有两个相同但参数不同的分类器，即支撑期运动模式分类器或者摆动期运动模式分类器，分别在支撑期/摆动期分类器区分出当前步态类型后，选择对应的一个使用。支撑期运动模式分类器或者摆动期运动模式分类器均基于数据库对对应步态和周期的数据进行预训练，从而进行在线的分类判别，输出共有5类。
步态相位估计器基于地牛顿迭代法对当前步态类型的相位-角度曲线求逆解，从而到当前相位值，如公式1和图3所示。见下述公式(1)第一行中，描述的是健康腿髋关节，x为当前相位，f(x)和f′(x)分别表示在相位域上的关节标准轨迹方程的平移结果及其相对于相位的一阶导数；S，R1和R2分别表示关节标准轨迹的偏移和各正弦项的幅值，Pos代表当前关节实际位置,由人体关节角度结算模块得到；xn表示第n次的迭代解，
Figure BDA0003279888950000094
给出第i个相位点的近似解；当前位置Posi迭代的初值点选择为上一个相位点的估计值
Figure BDA0003279888950000095
当迭代位置误差小于设置的阈值时，迭代终止，此时的迭代值即为最终估计值x*。迭代的初值设为前一个位置x的近似解，为避免步态相位估计器估计值迭代发散，即每次迭代过程得到的值小于其前一步迭代的绝对值，即|f(xk+1)|＜|f(xk)|。该方法保证函数绝对值稳定下降，其中λ(0＜λ≤1)称为收敛因子，从λ＝1开始减半试算，直到满足|f(xk+1)|＜|f(xk)|。
Figure BDA0003279888950000091
步态频率计算器的输入为步态相位估计器计算得到的当前相位值，并将其转换为实时步态频率，作为输出，见下述公式(2)。Δt是间隔时间，Ωest表示行走频率的估计，由两次相位估计值在单位时间上的变化计算而得。
Figure BDA0003279888950000092
中枢模式发生器模块利用实时估计的Ωest，人体主动行走频率可以实时更新，从而对假肢进行自然的变速控制。中枢模式发生器模块包含5个CPG模型，分别对应五种步态。每个CPG模块具有至少6个拓补节点，分别对应健康侧和假肢的髋关节、膝关节和踝关节的屈伸运动。所述拓补节点由二至三个振荡器组成，髋关节2个，膝关节和踝关节3个，单个CPG模型如图4所示。其中，在图4中：1)健康腿和假肢因实际截肢情况分别对应左侧或右侧，健康则为信号采集端，模型输入。假肢侧使用模型输出作为控制输入；2)
Figure BDA0003279888950000093
表示振荡器，即正弦函数；3)振荡器间双向箭头表示交互效应，两节点间存在相位耦合。
CPG模型中单个振荡器如公式(3)、公式(4)描述。
Figure BDA0003279888950000101
Figure BDA0003279888950000102
其中，Yi代表了每个振荡器节点的输出，通过节点输出的叠加可以生成每个关节的轨迹。变量φi，ωi，ri和si分别表示第i节点的相位，频率，幅值和偏移；
vij表示耦合强度，为权重值，下标i,j表示第i和j节点间的耦合强度；
Figure BDA0003279888950000103
表示角速度，即相位的一阶导数，下标i表示第i节点；
Figure BDA0003279888950000104
表示角加速度，即频率的一阶导数，下标i表示第i节点；
Figure BDA0003279888950000105
表示频率的二阶导数，即角加速度的一阶导数，下标i表示第i节点；
Figure BDA0003279888950000106
表示幅值的一阶导数，下标i表示第i节点；
Figure BDA0003279888950000107
表示幅值的二阶导数，下标i表示第i节点；
Figure BDA0003279888950000108
表示偏移的一阶导数，下标i表示第i节点；
Figure BDA0003279888950000109
表示偏移的二阶导数，下标i表示第i节点；
gi表示收敛因子，为权重值，下标i表示第i节点；
Φij表示初始归一化相位差，下标i,j表示第i和j节点间的相位差；
Di表示有耦合关系的节点集合，下标i表示第i节点；
变量Ωi，Ri和Si分别代表公式(3)中第i项正弦函数的频率，幅值和偏移。
公式(3)中第一个方程决定了相位随时间演变的过程，其中归一化项
Figure BDA00032798889500001010
用于处理第i和第j节点的相位耦合，
Figure BDA00032798889500001011
定义了节点间的归一化相位差。D(i)表示与i节点具有耦合关系的节点集合。
公式(4)定义了初始归一化相位差Φij。
Figure BDA00032798889500001012
将渐进收敛于Φij，而ωi，ri和si会分别收敛到Ωi，Ri和Si，其中，vi决定了耦合的强度，正值表示兴奋性耦合，负值表示抑制性耦合，gi决定了收敛速度。当模型中的参数发生改变时，模型将渐进收敛到新的参数，保证节点间的耦合关系，生成协调的关节轨迹。
公式(3)、公式(4)的模型参数可使用图5中的建议值，或使用三阶傅立叶级数对自定的模态模式拟合膝关节和踝关节轨迹，采用二阶傅立叶级数对自定的模态模式拟合髋关节轨迹，进而得到附图5中相关参数的个性化取值。
中枢模式发生器模块的公式(3)作为一个微分方程组，在线控制时其数值解可以采用龙格-库塔法进行迭代求解。4阶显式龙格库塔法的其迭代公式如公式(5)所示。
Figure BDA0003279888950000111
其中，h代表步长，即hxn+1-xn；
xn表示输入，即时间，下标n为第n个迭代时刻；
yn表示输出，即公式(3)中[φi，ωi，ri,si]组成的变量集，下标n为第n次迭代结果；
f(xn,yn)代表所求微分方程表达式；K1～K4代表迭代中间变量。
综上，完成了发明的框架介绍、模型介绍与参数求解方法，以下总结信号流的经过，加深说明。人体健康侧的多源传感信号经过采集和预处理后得到特征向量和人体关节角度，特征向量通过顶层控制器进行连续多个分类器的处理得到当前步态类型。中层控制器利用当前步态类型选取预先定义好的某个中枢模式发生器模块，利用人体关节角度和标准髋关节曲线进行步态相位的反解，从计算出步态频率。当前步态下的中枢模式发生器模块利用步态频率生成假肢侧各个关节的角度。底层控制器利用生成的多关节角度进行底层伺服位置控制。
本发明还提供了一种基于健侧腿多源信息的下肢假肢分层控制方法，具体使用过程如下：
步骤S1：将假肢穿到受试者身上。
步骤S2：在健康腿上，前文描述的位置处分别固定表面肌电传感器模块、足底压力传感器模块和惯性测量单元模块。
步骤S3：设定信号预处理模块的相关参数，开特征向量的提取与人体关节角度计算。
步骤S’4：(首次使用可选)为设置符合使用者的个性化设置，通过预实验采集实验数据；令使用者在水平行走、上/下坡、上/下楼梯等地形中行走多步，收集信号；根据算法训练方式，训练运动/静止分类器和运动模式分类器，而非使用默认参数。
步骤S’5：(首次使用可选)根据上述预实验的实验数据，人体关节角度解算模块得到各类步态下髋关节曲线，替代用于步态相位估计器的默认的关节标准轨迹方程；各类步态下的各关节曲线，通过二至三阶的傅里叶拟合，替代图5提供的默认CPG模型参数。
步骤S6：设定顶层控制器模块内运动/静止分类器和运动模式分类器的分类器参数。
步骤S7：设定中枢模式发生器模块的各类步态下的CPG模型的频率，幅值和偏移参数。
步骤S8：设定底层控制器模块内部的PID等相关参数；此后，该控制器即可正常工作。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
例如，在传感系统中增加相机传感器或其他传感器，并最终用于顶层控制器中判断地形；使用支持向量机、神经网络、决策树等分类器替换运动/静止分类器和运动模式分类器；将所述位置环控制等价至计算关节力矩/速度，进行力矩环/速度环控制；将所述电机驱动替换为电杠驱动、液压/气压驱动、人工肌肉驱动；将假肢自由度进行缩减或简单扩张等，并不影响本发明的实质内容。
本发明实施例提供了一种基于健侧腿多源信息的下肢假肢分层控制系统，提供了下肢假肢的控制框架，控制方法具有可拓展性，适用于包括髋关节的单自由度或多自由度的假肢；本发明可以实现实际使用中不同步态类型的步态离散切换，更为重点的是，可以在同个步态周期内根据人体意图实时连续调整行走速度。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，包括：人机系统模块、传感系统模块、信号预处理模块和分层控制器；
所述人机系统模块包括人机健康腿一侧和假肢一侧，所述传感系统模块安装于人机系统模块的人体健康腿一侧，用于采集健康腿一侧人体步态运动信息；
所述分层控制器由顶层控制器模块、中层控制器模块和底层控制器模块组成。
所述信号预处理模块的输入端为传感系统模块的信号输出，其输出分为两部分，分别连接顶层控制器模块和中层控制器模块；顶层控制器模块的输出连接中层控制器模块；中层控制器模块的输出连接底层控制器模块；底层控制器模块与人机系统模块的假肢侧进行双向交互。
2.根据权利要求1所述的基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，所述位于健康腿一侧的传感系统模块的信号输出能够通过有线或无线局域网、蓝牙在内的连接方式传入位于假肢内的控制器。
3.根据权利要求1所述的基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，所述传感系统模块包括表面肌电传感器模块、足底压力传感器模块和惯性测量单元模块。
4.根据权利要求3所述的基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，所述传感系统模块中的各类传感器均使用多个，且分别组成传感器网络；
所述表面肌电传感器模块应贴在胫骨前肌、腓肠肌内侧肌和比目鱼肌处；
所述表面肌电传感器模块能够额外贴在股外侧肌、股直肌和股二头肌处。
5.根据权利要求3所述的基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，所述足底压力传感器模块布置有多个，包括放置于足跟、脚掌前侧即脚趾下的至少三处，且将压力传感器制作成鞋垫状。
6.根据权利要求3所述的基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，所述惯性测量单元模块布置有多个，包括位于大腿、小腿和足背，且能够额外布置于躯干处。
7.根据权利要求1所述的基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，所述信号预处理模块对采集的信号进行预处理，包括信号调理模块、特征提取模块和人体关节角度解算模块；
所述信号调理模块包括肌电信号调理模块、低通滤波器和IMU调理模块；所述肌电信号调理模块按序包括带通滤波器、工频滤波器和归一化处理模块；所述IMU调理模块按序包括卡尔曼滤波器和低通滤波器；
所述特征提取模块对滤波后的各类信号进行特征提取，分别计算肌电信号的常见时域特征集、频域特征集、足底压力信号的时间特征集、IMU数据调理过后的加速度信号，以及角速度信号的时间特征集；在滑窗计算特征集以后，对每类特征进行归一化处理；
所述人体关节角度解算模块利用IMU调理后的信号积分出角度信息，基于下肢运动学模型解算人体关节角度。
8.根据权利要求1所述的基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，所述顶层控制器模块包括步态类别识别模块；
所述步态类别识别模块按序包括运动/静止分类器、支撑器/摆动期分类器和运动模式分类器；
所述中层控制器模块由运动步速估计模块和假肢轨迹生成模块组成；
所述运动步速估计模块由步态相位估计器和步态频率计算器组成；
所述假肢轨迹生成模块包括中枢模式发生器CPG模块。
9.根据权利要求8所述的基于健侧腿多源信息的下肢假肢分层控制系统，其特征在于，所述CPG模块包括至少5个中枢模式发生器CPG组成，分别对应不同的步态类型；
中枢模式发生器CPG包括至少六个拓补节点，分别对应健康侧和假肢的髋关节、膝关节和踝关节的屈伸运动；
其中，所述拓补节点包括二或三个振荡器；
所述底层控制器模块包括驱动与控制模块，驱动与控制模块包括PID控制器、电机驱动器、编码器在内的相关传感器及其他底层硬件。
10.一种基于健侧腿多源信息的下肢假肢分层控制方法，其特征在于，基于如权利要求1-9中任意一项所述的基于健侧腿多源信息的下肢假肢分层控制系统，包括：
步骤S1：将假肢穿到受试者身上；
步骤S2：在健康腿上，固定表面肌电传感器模块、足底压力传感器模块和惯性测量单元模块；
步骤S3：设定信号预处理模块的相关参数，开特征向量的提取与人体关节角度计算；
步骤S4：为设置符合使用者的个性化设置，通过预实验采集实验数据；令使用者在水平行走、上/下坡、上/下楼梯在内的相关地形中行走多步，收集信号；根据算法训练方式，训练运动/静止分类器和运动模式分类器；
步骤S5：根据上述预实验的实验数据，人体关节角度解算模块得到各类步态下髋关节曲线，替代用于步态相位估计器的默认的关节标准轨迹方程；各类步态下的各关节曲线，通过二至三阶的傅里叶拟合，替代默认CPG模型参数；
步骤S6：设定顶层控制器模块内运动/静止分类器和运动模式分类器的分类器参数；
步骤S7：设定中枢模式发生器模块的各类步态下的CPG模型的频率，幅值和偏移参数；
步骤S8：设定底层控制器模块内部的PID在内的相关参数。
CN202111129256.9A 2021-09-26 2021-09-26 基于健侧腿多源信息的下肢假肢分层控制系统及方法 Active CN113730053B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111129256.9A CN113730053B (zh) 2021-09-26 2021-09-26 基于健侧腿多源信息的下肢假肢分层控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111129256.9A CN113730053B (zh) 2021-09-26 2021-09-26 基于健侧腿多源信息的下肢假肢分层控制系统及方法

Publications (2)

Publication Number Publication Date
CN113730053A true CN113730053A (zh) 2021-12-03
CN113730053B CN113730053B (zh) 2022-07-26

Family

ID=78741173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111129256.9A Active CN113730053B (zh) 2021-09-26 2021-09-26 基于健侧腿多源信息的下肢假肢分层控制系统及方法

Country Status (1)

Country Link
CN (1) CN113730053B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115644858A (zh) * 2022-12-27 2023-01-31 广东工业大学 基于多传感器数据融合技术的穿戴式智能化步态分析仪

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1957862A (zh) * 2006-11-06 2007-05-09 上海理工大学 跟随健康腿步速控制的智能膝上假肢系统
US20090265018A1 (en) * 2008-04-21 2009-10-22 Vanderbilt University Powered leg prosthesis and control methodologies for obtaining near normal gait
US20110125290A1 (en) * 2007-01-19 2011-05-26 Victhom Human Bionics Inc. Reactive Layer Control System for Prosthetic and Orthotic Devices
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
CN107510525A (zh) * 2017-09-18 2017-12-26 燕山大学 基于人体健康腿传感信号的步态跟随膝下假肢
CN110974497A (zh) * 2019-12-30 2020-04-10 南方科技大学 电动假肢控制系统及控制方法
CN111557828A (zh) * 2020-04-29 2020-08-21 天津科技大学 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
CN111568615A (zh) * 2020-04-16 2020-08-25 南方科技大学 电动假肢系统和电动假肢控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1957862A (zh) * 2006-11-06 2007-05-09 上海理工大学 跟随健康腿步速控制的智能膝上假肢系统
US20110125290A1 (en) * 2007-01-19 2011-05-26 Victhom Human Bionics Inc. Reactive Layer Control System for Prosthetic and Orthotic Devices
US20090265018A1 (en) * 2008-04-21 2009-10-22 Vanderbilt University Powered leg prosthesis and control methodologies for obtaining near normal gait
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
CN107510525A (zh) * 2017-09-18 2017-12-26 燕山大学 基于人体健康腿传感信号的步态跟随膝下假肢
CN110974497A (zh) * 2019-12-30 2020-04-10 南方科技大学 电动假肢控制系统及控制方法
CN111568615A (zh) * 2020-04-16 2020-08-25 南方科技大学 电动假肢系统和电动假肢控制方法
CN111557828A (zh) * 2020-04-29 2020-08-21 天津科技大学 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵伟亮等: "人机共融的主动型下肢假肢分层控制策略探讨", 《生物信息学》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115644858A (zh) * 2022-12-27 2023-01-31 广东工业大学 基于多传感器数据融合技术的穿戴式智能化步态分析仪

Also Published As

Publication number Publication date
CN113730053B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
CN110215648B (zh) 基于人体步态运动协调特性的外骨骼协调步态控制方法
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
US9622884B2 (en) Control systems and methods for gait devices
EP3156010A1 (en) Worn-prosthetic-limb movement assistance device and worn movement assistance device
Ma et al. A review on human-exoskeleton coordination towards lower limb robotic exoskeleton systems
Zhang et al. Sensor fusion for predictive control of human-prosthesis-environment dynamics in assistive walking: A survey
CN111658246B (zh) 一种基于对称性的智能关节假肢调控方法及系统
CN112107397B (zh) 肌电信号驱动的下肢义肢连续控制系统
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
CN114366556A (zh) 一种面向下肢康复的多模式训练控制系统及方法
CN113730053B (zh) 基于健侧腿多源信息的下肢假肢分层控制系统及方法
Song et al. Adaptive neural fuzzy reasoning method for recognizing human movement gait phase
Ma et al. A piecewise monotonic smooth phase variable for speed-adaptation control of powered knee-ankle prostheses
Zhang et al. Gait analysis of powered bionic lower prosthesis
Dey et al. Feasibility of training a random forest model with incomplete user-specific data for devising a control strategy for active biomimetic ankle
CN114795604A (zh) 基于非零和博弈的下肢假肢协调控制方法及系统
Sahoo et al. A novel supervisory control scheme to tackle variations in step length for walking with powered ankle prosthesis
CN111360815B (zh) 基于肌电信号和关节应力的人机交互运动控制的方法
CN114224326A (zh) 一种穿戴式步态相位和动作识别装置及方法
Ren et al. On-line dynamic gait generation model for wearable robot with user’s motion intention
Zheng et al. An automatic labeling strategy for locomotion mode recognition with robotic transtibial prosthesis
Posh et al. Calibration of a tibia-based phase variable for control of robotic transtibial prostheses
Eslamy et al. Motion planning for active prosthetic knees
Pi Gait control of robotic leg prosthesis based on motion predictive system
Wang et al. Gait adaptable human-robot interaction system and its application to a robotic walker

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