CN113885696A - 外骨骼装置交互控制方法及其交互控制装置 - Google Patents
外骨骼装置交互控制方法及其交互控制装置 Download PDFInfo
- Publication number
- CN113885696A CN113885696A CN202110961450.7A CN202110961450A CN113885696A CN 113885696 A CN113885696 A CN 113885696A CN 202110961450 A CN202110961450 A CN 202110961450A CN 113885696 A CN113885696 A CN 113885696A
- Authority
- CN
- China
- Prior art keywords
- control instruction
- exoskeleton
- fatigue
- generating
- exoskeleton device
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000003993 interaction Effects 0.000 title claims abstract description 25
- 230000033001 locomotion Effects 0.000 claims description 37
- 239000013598 vector Substances 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 23
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 210000003205 muscle Anatomy 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 19
- 230000035807 sensation Effects 0.000 claims description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 16
- 206010049565 Muscle fatigue Diseases 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 14
- 230000005021 gait Effects 0.000 claims description 14
- 230000002452 interceptive effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 5
- 210000001364 upper extremity Anatomy 0.000 claims description 5
- 210000003141 lower extremity Anatomy 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 210000003414 extremity Anatomy 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000003183 myoelectrical effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000005342 ion exchange Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003666 myelinated nerve fiber Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- KVWDHTXUZHCGIO-UHFFFAOYSA-N olanzapine Chemical compound C1CN(C)CCN1C1=NC2=CC=CC=C2NC2=C1C=C(C)S2 KVWDHTXUZHCGIO-UHFFFAOYSA-N 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- 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
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
-
- 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
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
- A61H2003/007—Appliances for aiding patients or disabled persons to walk about secured to the patient, e.g. with belts
-
- 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
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/16—Physical interface with patient
- A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
- A61H2201/165—Wearable interfaces
-
- 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
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/16—Physical interface with patient
- A61H2201/1657—Movement of interface, i.e. force application means
- A61H2201/1659—Free spatial automatic movement of interface within a working area, e.g. Robot
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Neurology (AREA)
- Rehabilitation Therapy (AREA)
- Dermatology (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Neurosurgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Prostheses (AREA)
Abstract
本申请公开了一种外骨骼装置交互控制方法及其交互控制装置，其中，该外骨骼装置交互控制方法包括：提供一种外骨骼装置交互控制方法，该方法包括：获取肌电信号；根据肌电信号生成疲劳信息和第一控制指令；利用第一控制指令控制外骨骼装置工作；获取外骨骼装置的状态信息；根据状态信息和/或疲劳信息生成第二控制指令；利用第二控制指令控制电触觉装置，以使电触觉装置对人体进行电触觉反馈。通过上述方式，能够将穿戴者的人体状态作用于外骨骼装置，并将外骨骼装置的状态反馈至穿戴者，增强了人机交互，提高了外骨骼装置的适用性。
Description
技术领域
本申请涉及康复工程技术领域，特别是涉及一种外骨骼装置交互控制方法及其交互控制装置。
背景技术
近年来，由于遭受意外事故或患疾病、人口老龄化等造成的肢体残疾人的数量逐年增加。残疾人的健康问题得到了全社会的广泛关注。目前对下肢瘫痪病人进行康复训练的医疗工具有拐杖、轮椅和假肢，这三种类型均为被动式的康复设备，病人使用不方便，同时还需要其他人帮助，而在病人身上安装假肢首先需要截肢，许多患者从心理上难以接收，配带假肢后还面临着人体适应性和假肢使用年限等限制，需重新适配假肢的问题。外骨骼假肢突破了传统康复工具的思路，将机器人主动控制技术和假肢“助走”功能结合，通过设计结构合理、关节灵巧的外骨骼假肢，佩戴于肢体残疾人身上进行步态康复训练。
大多数现有下肢外骨骼系统只有穿戴者到外骨骼机器人的前馈控制通道，缺少从外骨骼到穿戴者的必要反馈通道，未能形成具有本体感知反馈的人机闭环运动系统。本发明从人机交互的角度出发，在完成基于人体生理信号的运动意图识别的基础上，实现控制外骨骼按照人体运动的意图而运动，进而辅助穿戴者行走；进一步基于表面肌电信号感知并量化人体肌肉疲劳状态和获取外骨骼的状态信息，实现控制电触觉装置反馈电触觉至人体，将穿戴者的人体状态作用于外骨骼装置，并将外骨骼装置的状态反馈至穿戴者，增强了人机交互，提高了外骨骼装置的适用性。
发明内容
为解决上述问题，本申请提供了一种外骨骼装置交互控制方法及其交互控制装置，能够将穿戴者的人体状态作用于外骨骼装置，并将外骨骼装置的状态反馈至穿戴者，增强了人机交互，提高了外骨骼装置的适用性。
本申请采用的一个技术方案是：提供一种外骨骼装置交互控制方法，该方法包括：获取肌电信号；根据肌电信号生成疲劳信息和第一控制指令；利用第一控制指令控制外骨骼装置工作；获取外骨骼装置的状态信息；根据状态信息和/或疲劳信息生成第二控制指令；利用第二控制指令控制电触觉装置，以使电触觉装置对人体进行电触觉反馈。
其中，获取肌电信号，包括：输出测试动作，以使人体根据测试动作进行运动；获取肌电采集装置采集的肌电信号；对肌电信号进行预处理，得到预处理后的肌电信号；其中，根据肌电信号生成疲劳信息和第一控制指令，包括：根据预处理后的肌电信号生成疲劳信息和第一控制指令。
其中，肌电采集装置包括多个采集通道，多个采集通道用于分别采集人体上肢多个肌肉群的表面肌电信号；外骨骼装置用于辅助人体下肢进行运动。
其中，对肌电信号进行预处理，得到预处理后的肌电信号，包括：对肌电信号进行滑窗处理，得到多个肌电信号数据段；再对多个肌电信号数据段进行滤波处理，得到预处理后的肌电信号。
其中，根据肌电信号生成疲劳信息和第一控制指令，包括：计算肌电信号的小波包能量熵；基于小波包能量熵生成疲劳信息。
其中，计算肌电信号的小波包能量熵，包括：对肌电信号进行小波包分解，以获取多个分解节点；计算各分解节点的归一化小波包能量；基于多个分解节点的归一化小波包能量，计算小波包能量熵。
其中，基于小波包能量熵生成疲劳信息，包括：根据小波包能量熵与预设疲劳阈值的比较结果，确定目标肌肉的疲劳程度，生成疲劳信息；其中，预设疲劳阈值包括：在0-1之间划分出多个数值范围，并统计归一化后的小波包能量熵落入各数值范围的数量。
其中，根据肌电信号生成疲劳信息和第一控制指令，还包括：对肌电信号进行特征提取，得到特征向量；对特征向量使用LSTM神经网络进行识别，得到对应的运动模式；根据运动模式，生成对应的第一控制指令。
其中，LSTM神经网络包括隐藏层和记忆单元，记忆单元包括输入门、遗忘门和输出门；对特征向量使用LSTM神经网络进行识别，得到对应的运动模式，包括：将特征向量输入LSTM神经网络，以使记忆单元通过门机制得到记忆单元的输出向量；其中，隐藏层的激活函数为ReLu函数；使用交叉熵函数将记忆单元的输出向量的权重和偏置进行迭代优化，得到网络输出向量；使用Softmax函数对网络输出向量进行转换得到对应的运动模式。
其中，状态信息为外骨骼装置的步态相位状态；根据状态信息和/或疲劳信息生成第二控制指令，包括：根据预设编码方式将步态相位状态和/或疲劳信息转化为对应的电触觉方案；根据电触觉方案生成对应的第二控制指令。
其中，电触觉装置包括左侧通道和右侧通道。
其中，根据预设编码方式将步态相位状态和/或疲劳信息转化为对应的电触觉方案，包括：响应于外骨骼装置处于运行状态，确定左侧通道反馈较强的电触觉感受；和/或响应于外骨骼装置处于左腿在前状态，确定左侧通道反馈较弱的电触觉感受；和/或响应于外骨骼装置处于右腿在前状态，确定右侧通道反馈较弱的电触觉感受；和/或响应于外骨骼装置处于直立状态，确定左侧通道和右侧通道均反馈较弱的电触觉感受；和/或响应于外骨骼装置处于机器故障状态，确定左侧通道和右侧通道均反馈较强的电触觉感受；和/或响应于检测到肌肉疲劳状态，确定右侧通道反馈较强的电触觉感受。
本申请采用的另一个技术方案是：提供一种外骨骼交互系统，其中，该交互系统包括：外骨骼装置；肌电采集装置，用于采集人体的肌电信号；电触觉装置；控制装置，连接外骨骼装置、肌电采集装置和电触觉装置，用于根据肌电信号生成疲劳信息和第一控制指令，并利用第一控制指令控制外骨骼装置工作；以及用于获取外骨骼装置的状态信息，根据状态信息和疲劳信息生成第二控制指令，并利用第二控制指令控制电触觉装置对人体进行电触觉反馈。
本申请采用的另一个技术方案是：提供一种交互控制装置，其中，该交互控制装置包括存储器和处理器，存储器存储有程序指令，处理器用于执行程序数据以实现如上述的方法。
本申请采用的另一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质中存储有程序指令，程序指令在被处理器执行时，用以实现如上述的方法。
本申请提供的外骨骼装置交互控制方法包括：获取肌电信号；根据肌电信号生成疲劳信息和第一控制指令；利用第一控制指令控制外骨骼装置工作；获取外骨骼装置的状态信息；根据状态信息和/或疲劳信息生成第二控制指令；利用第二控制指令控制电触觉装置，以使电触觉装置对人体进行电触觉反馈。通过上述方式，肌电信号生成第一控制指令以及得到肌肉疲劳信息，通过第一控制指令可实现控制外骨骼装置工作，进而达到辅助穿戴者行走的目的；再根据外骨骼的状态信息和肌肉疲劳信息生成第二控制指令，通过第二控制指令控制电触觉装置反馈电触觉至人体，进而实现将人体自身的肢体运动信息和肌肉疲劳信息反馈至人体的目的。能够将穿戴者的人体状态作用于外骨骼装置，并将外骨骼装置的状态反馈至穿戴者，增强了人机交互，提高了外骨骼装置的适用性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本申请附图获得其他的附图。其中：
图1是本申请提供的一种外骨骼装置的交互控制方法一实施例的流程示意图；
图2是本申请一实施例中获取肌电信号的流程示意图；
图3是本申请一实施例的肌肉位置示意图；
图4是本申请一实施例根据肌电信号生成第一控制指令的流程示意图；
图5是本申请一实施例根据状态信息生成第二控制指令的流程示意图；
图6是本申请提供的一种外骨骼装置的交互控制方法另一实施例的流程示意图；
图7是本申请一实施例根据肌电信号生成疲劳信息的流程示意图；
图8是本申请一实施例计算肌电信号的小波包能量熵的流程示意图；
图9是本申请提供的另一种外骨骼装置的交互控制方法另一实施例的流程示意图；
图10是本申请提供的一种外骨骼交互系统一实施例的结构示意图；
图11是本申请提供的一种外骨骼交互系统一实施例的另一结构示意图；
图12是本申请提供的交互控制装置一实施例的结构示意图；
图13是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为详细说明本申请的技术内容、技术步骤、所实现的目的及效果，以下结合实施方式并配合附图详予说明。
参阅图1，图1是本申请提供的一种外骨骼装置的交互控制方法一实施例的流程示意图，该方法包括：
步骤S11：获取肌电信号。
其中，获取的肌电信号为人体表面肌电信号，通过对人体表面肌电信号进行预处理得到预处理后的肌电信号。
具体地，在一实施例中，如图2所示，图2是本申请一实施例中获取肌电信号的流程示意图，步骤S11可以具体包括：
步骤S111：输出测试动作，以使人体根据测试动作进行运动。
其中，穿戴者根据提示使用拐杖作出相应的测试动作；可选地，测试的动作可以是前撑、后撑、左摆臂、右摆臂、放松、内旋。
步骤S112：获取肌电采集装置采集的肌电信号。
可选地，可采用Biometrics Datalog(生物特征数据记录)肌电采集设备采集人体表面肌电数据，该设备共有8个独立模拟数据采集通道，其中，在本申请一实施例中可使用6个采集通道用于分别采集人体上肢多个肌肉群的表面肌电信号，并以500Hz的采样率采集数据。
可选地，在本申请一实施例采集的人体上肢多个肌肉群的表面肌电信号，选择的肌肉可为两只手臂的肱二头肌、肱桡肌和桡侧腕屈肌，肌肉具体位置可参阅图3，图3是本申请一实施例的肌肉位置示意图。
其中，本申请一实施例中，穿戴者被提示需要做的上肢运动，每个动作连续做1分钟后休息，每种动作随机出现，所有动作做两轮，即最终每个动作将得到2*60*500*6(秒*采样率*通道)份数据。
步骤S113：对采集肌电信号进行预处理，得到预处理后的肌电信号。
其中，首先对采集的肌电信号进行滑窗处理，得到多个肌电信号数据段。
可选地，本申请一实施例中，对采集的肌电信号进行重叠滑窗处理，将肌电数据按时间顺序分割成多个数据段，将稠密的肌电数据进行稀疏化处理，其中，重叠滑窗的窗长设置为0.8秒(400个样本)，滑动步长设置为0.4秒(200个样本)，即每次意图判断内包含新样本点200个和之前0.4秒内产生的样本点200个。重叠滑窗将会产生6通道*6种动作*299个滑窗。
其中，得到多个肌电信号数据段后再对多个肌电信号数据段进行滤波处理，得到预处理后的肌电信号。
可选地，本申请一实施例中，使用陷波滤波器进行50Hz工频陷波滤波处理以去除多个肌电信号数据段中50Hz的工频干扰信号以及使用巴特沃斯高通滤波器进行10Hz高通滤波处理，进而得到预处理后的肌电信号。可选地，巴特沃斯高通滤波器可为二阶、三阶、四阶。
步骤S12：根据肌电信号生成第一控制指令。
其中，根据步骤S11中得到的预处理后的肌电信号，进行人体运动意图的识别，并将识别出的运动意图作为第一控制指令。
具体地，在一实施例中，如图4所示，图4是本申请一实施例根据肌电信号生成第一控制指令的流程示意图，步骤S12可以具体包括：
步骤S121：对肌电信号进行特征提取，得到特征向量。
其中，常用的特征表示方法有：时域分析，频域分析和时频域分析。
可选地，本申请一实施例中，选取了时域中的四个特征向量：零交叉(Zero Cross,ZC)，均方根(Root Mean Square,RMS)，波长(WaveLength,WL)和斜率符号变化(Slope SignChange,SSC)。计算公式如下：
其中xi是第i个样本，N是每个分段中的样本数。
步骤S122：对特征向量使用LSTM神经网络进行识别，得到对应的运动模式。
其中，LSTM(Long Short-Term Memory，长短期记忆网络)神经网络包括隐藏层和记忆单元，记忆单元包括输入门、遗忘门和输出门；记忆单元可以通过门机制从单元状态添加或删除信息。
其中，需要首先将特征向量输入到LSTM神经网络，以使记忆单元可通过门机制得到记忆单元的输出向量。
具体地，本申请一实施例中，建立LSTM神经网络输入层的大小为24*1(4个时域特征*6通道)，隐藏层包含50个记忆单元，激活函数选择使用ReLu(雷卢)函数：
进一步地，由激活函数得到LSTM神经网络的遗忘门输出向量：
ft＝σ(Wfht-1+Ufxt)
其中，Wf表示遗忘门的权重矩阵，Uf表示权重，Xt表示输入门的输入量；
进一步地，更新记忆单元存储的信息：
it＝σ(Wiht-1+Uixt)
进一步地，更新记忆单元状态：
其中，Wi表示遗忘门的权重矩阵；
进一步地，计算记忆单元的输出向量：
ot＝σ(Woht-1+Uoxt)
ht＝ot⊙tanh(ct)
其中xt表示输入，时间ht表示时间点t的隐藏层状态，W和U表示LSTM神经网络的权重矩阵。
进一步地，使用交叉熵函数用作损失函数，将权重和偏置进行迭代优化，得到网络输出向量。
可选地，在每次迭代之前，样本数据按无序排列，并且使用Adam(亚当)优化器优化网络的权重矩阵，设置每批次的大小为200个样本，最大迭代次数设置为100。
进一步地，使用Softmax函数(归一化指数函数)用作LSTM神经网络输出层的激活函数，将网络输出向量进行转换得到各项运动意图的运动模式概率；其中，运动模式概率大者为LSTM神经网络的网络输出向量转换得到的对应运动模式。
其中，对应的运动模式为穿戴者测试的动作，包括：后撑、前撑、左摆臂、右摆臂、内旋、放松。
步骤S123：根据运动模式，生成对应的第一控制指令。
具体地，根据运动模式，生成对应的第一控制指令可由以下表示：
| 坐立状态 | 直立状态 | 左腿在前 | 右腿在前 | |
| 后撑 | 起立 | - | - | - |
| 右摆臂 | - | 迈左腿 | - | 迈左腿 |
| 左摆臂 | - | 迈左腿 | 迈右腿 | - |
| 前撑 | - | - | 收步 | 收步 |
| 内旋 | - | 跨越障碍物 | - | - |
其中，第一列表示运动模式，第一行表示外骨骼装置步态相位状态，其余空格表示根据运动模式，生成对应的第一控制指令。例如，当外骨骼装置步态相位状态为直立状态时，若LSTM神经网络输出的运动模式为右摆臂，则生成的第一控制指令为迈左腿，若LSTM神经网络输出的运动模式为内旋，则生成的第一控制指令为跨越障碍物。
步骤S13：利用第一控制指令控制外骨骼装置工作。
可选地，利用适当的运动关节角度和关节角度差分值的阈值将外骨骼装置步态相位状态分为五类，包括：四个静止状态：直立状态，左脚在前，右脚在前，机器故障和一个动态状态：运行态。
其中，外骨骼关节角度的差分阈值用于确定外骨骼的运动状态，如果外骨骼关节角度差分阈值很小，说明外骨骼是静止的，如果外骨骼关节角度差分阈值很大，说明外骨骼是运动的；其中，外骨骼关节角度是用于确定外骨骼的姿势，例如，根据外骨骼关节角度的不同，外骨骼的姿势可能是直立的、左脚在前的等。
进一步地，将外骨骼步态相位状态进行单步切分，即控制单元接收到第一控制指令后仅控制外骨骼运行一个动作，包括迈左腿，迈右腿，收步和跨越障碍物等，每完成一个动作后，外骨骼到达一个静止状态，控制单元再接受另一个第一控制指令控制外骨骼运行另一个动作，以此往复的利用第一控制指令控制外骨骼装置工作。
步骤S14：获取外骨骼装置的状态信息。
具体地，获取外骨骼装置的状态信息为获取外骨骼装置当前的步态相位状态。
步骤S15：根据状态信息生成第二控制指令。
可选地，生成的第二控制指令可为控制电触觉装置产生不同强度的电流，并通过不同的反馈通道将电流反馈至人体的指令。
具体地，电触觉装置产生不同强度的电流为较强的电流强度，并通过反馈通道反馈较强的电触弱的电流强度，并通过反馈通道反馈较弱的电触觉感受至人体；和/或电触觉装置产生不同强度的电流为较至人体。
可选地，在本申请一实施例中，电触觉装置的反馈通道可分为左侧通道和右侧通道。
可选地，在本申请一实施例中，如图5，图5为本申请一实施例根据状态信息生成第二控制指令的流程示意图，其中，步骤S15在一实施例中可具体包括：
步骤S151：根据外骨骼状态信息通过时空编码方案生成对应的电触觉方案。
其中，响应于外骨骼装置处于运行状态，确定左侧通道反馈较强的电触觉感受；和/或
响应于外骨骼装置处于左腿在前状态，确定左侧通道反馈较弱的电触觉感受；和/或
响应于外骨骼装置处于右腿在前状态，确定右侧通道反馈较弱的电触觉感受；和/或
响应于外骨骼装置处于直立状态，确定左侧通道和所述右侧通道均反馈较弱的电触觉感受；和/或
响应于外骨骼装置处于机器故障状态，确定左侧通道和所述右侧通道均反馈较强的电触觉感受。
步骤S152：根据不同的电触觉方案生成相应的第二控制指令。
例如，生成的电触觉方案为右侧通道均反馈较弱的电触觉感受，则相应的第二控制指令为控制电触觉装置在右侧通道均产生较弱的电流强度，并通过反馈通道反馈较弱的电触觉感受至人体。
步骤S16:利用第二控制指令控制电触觉装置，以使电触觉装置对人体进行电触觉反馈。
其中，电触觉装置根据第二控制指令在相应侧的通道产生相应强度的电流，并通过反馈通道反馈相应强度的电触觉感受至人体。
可选地，在本申请一实施例中可选用可编程的电刺激装置作为电触觉装置。其中，电触觉装置的左右两侧反馈通道可使用两个电极通道(每通道包括正负两个凝胶电极片，圆形，直径30mm)贴在人体上半身腹部两侧腹外斜肌，正负电极片与皮肤接触后两者之间会发生离子交换，带电荷离子会在皮肤内部形成电荷通路，电流电荷会从正极进入皮肤，在负极流出；皮肤具有电容效应，需要电荷达到一定量时才会有引发触觉感受，当电流穿透皮肤会作用于触觉感受器(有髓神经纤维)时，然后经过系列神经元最终在大脑皮层功能区形成触觉感受。
区别于现有技术，本申请实施例提供的外骨骼装置的交互控制方法包括：通过肌电信号采集装置获取肌电信号，将肌电信号通过滑窗和滤波处理；将肌电信号进行时域特征提取得到相应的特征向量，LSTM神经网络对相应的特征向量进行识别，得到对应的运动模式并生成第一控制指令；利用第一控制指令控制外骨骼装置工作；获取外骨骼装置的状态信息；根据状态信息通过时空编码方案生成相应的电触觉方案以得到第二控制指令；利用第二控制指令控制电触觉装置产生不同强度的电流，并将电流传输至不同的反馈通道，以使电触觉装置对人体进行电触觉反馈。通过上述方式，一方面可以通过外骨骼装置辅助穿戴者行走，另一方面通过电触觉装置反馈外骨骼步态相位状态，使穿戴者能时刻知道自身目前的行走状态，提高了穿戴者的安全性。能够将穿戴者的人体状态作用于外骨骼装置，并将外骨骼装置的状态反馈至穿戴者，增强了人机交互，提高了外骨骼装置的适用性。
参阅图6，图6是本申请提供的一种外骨骼装置的交互控制方法另一实施例的流程示意图，该方法包括：
步骤S21：获取肌电信号。
其中，步骤S21与上述实施例类似，这里不再赘述。
步骤S22：根据肌电信号生成疲劳信息。
具体地，在一实施例中，如图7所示，图7是本申请一实施例根据肌电信号生成疲劳信息的流程示意图，步骤S22可以具体包括：
步骤S221：计算肌电信号的小波包能量熵。
请参阅图8，图8是本申请一实施例计算肌电信号的小波包能量熵的流程示意图，步骤S221可包括：
步骤S2211：对数据段进行小波包分解，以获取多个分解节点。
可选地，由于小波基函数(Daubechies wavelet basis function,db1)其紧凑性好，平滑度好，近似对称等特点可用于对小波包分解。
步骤S2212：计算各分解节点的归一化小波包能量。
其中，经过小波包分解后，多个分解节点的重构信号能量计算如下公式：
其中，
分解节点(i,j)的第k离散点的系数，M是被分解信号序列的离散点的数目。
进一步地，对能量进行归一化，得到单频段能量占总能量的比值，反映信号在整个频段内各频段的能量分布，计算如下公式：
其中，j∈[0,2i-1]，这种概率也称为相对小波包能量。
步骤S2213：基于多个分解节点的归一化小波包能量，计算数据段的小波包能量熵。
其中，结合小波包分解系数的能量分布与信息熵定义了小波包能量熵WPEE，计算如下公式：
其中，小波包能量熵可以定量表达肌电信号频率分布的有序性和无序性。例如，假设表面肌电能量全部集中在一个子带上，则WPEE为0，即表面肌电信号是绝对有序的；反之，如果表面肌电能量随机分散在每个子带上，则表面肌电信号是无序的。当肌肉处于疲劳状态时，表面肌电信号的频率被压缩到低频，因此肌肉疲劳会降低对应肌电信号的WPEE值。
步骤S222：基于小波包能量熵生成疲劳信息。
其中，在一种实施方式中，基于小波包能量熵生成疲劳信息可以是：
根据小波包能量熵与疲劳阈值的比较结果，确定目标肌肉的肌肉疲劳程度，进而生成疲劳信息。
可选地，疲劳阈值可以是一个也可以是多个。
当疲劳阈值为一个时，若小波包能量熵小于疲劳阈值，判断为疲劳，可能对人体产生不利影响；若小波包能量熵大于疲劳阈值，判断为非疲劳，对人体的损伤可以忽略。
当疲劳阈值为多个时，多个疲劳阈值可以形成一个疲劳对照表，并形成多个数值区间，小波包能量熵落入数值越小的数值区间代表疲劳程度越严重。
可以理解，确定疲劳阈值的大小可以根据被测用户的年龄、体能等情况进行调整。
其中，预设疲劳阈值包括：在0-1之间划分出多个数值范围，并统计归一化后的小波包能量熵落入各数值范围的数量。
可选地，对归一化处理后的WPEE值进行Ransac(兰萨克)线性拟合和四等分层级统计。从线性拟合的结果可以得出肌肉疲劳的趋势，线性拟合的斜率若为负则疲劳在加深，若斜率为正则疲劳得到缓解。从分层统计的结果可以看出肌肉的疲劳程度。WPEE值越低的层级占比越大说明肌肉疲劳越严重。
进一步地，设置疲劳反馈的阈值为0.25，即在WPEE值低于该条件则视肌肉进入了疲劳状态，被试者需要休息。
步骤S23：根据疲劳信息生成第二控制指令。
其中，根据疲劳信息生成第二控制指令与本申请上一实施例类似，具体地，步骤S23在一实施例中可具体包括：
步骤S231：根据疲劳信息通过时空编码方案生成电触觉方案。
具体地，响应于检测到肌肉疲劳状态，确定右侧通道反馈较强的电触觉感受。
步骤S232：根据电触觉方案生成相应的第二控制指令。
具体地，生成的电触觉方案为确定右侧通道反馈较强的电触觉感受，则相应的第二控制指令为控制电触觉装置在右侧通道产生较强的电流强度，并通过反馈通道反馈较强的电触觉感受至人体。
步骤S24:利用第二控制指令控制电触觉装置，以使电触觉装置对人体进行电触觉反馈。
其中，电触觉装置根据第二控制指令在右侧的通道产生较强的电流强度，并通过反馈通道反馈较强的电触觉感受至人体。
区别于现有技术，本申请实施例提供的外骨骼装置的交互控制方法包括：通过肌电信号采集装置获取肌电信号，将肌电信号通过滑窗和滤波处理；将预处理后的肌电信号利用小波包能量熵计算疲劳值，得到疲劳信息；根据疲劳信息通过时空编码方案生成相应的电触觉方案以得到第二控制指令；利用第二控制指令控制电触觉装置产生相应强度的电流，并将电流传输至对应的反馈通道，以使电触觉装置对人体进行电触觉反馈。通过上述方式，可以将穿戴者的肌肉疲劳信息实时反馈给穿戴者，当穿戴者肌肉疲劳时通过电触觉装置提醒穿戴者休息，能够将穿戴者的人体状态作用于外骨骼装置，并将外骨骼装置的状态反馈至穿戴者，增强了人机交互，提高了外骨骼装置的适用性。
可选地，在本申请上述两个实施例中所提供的外骨骼装置的交互控制方法中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，将上述两种方法可通过任意方式组合，也可以实现同样的技术效果。
具体地，参阅图9，图9是本申请提供的另一种外骨骼装置的交互控制方法一实施例的流程示意图，该方法包括：
步骤S31：获取肌电信号。
步骤S32：根据肌电信号生成疲劳信息和第一控制指令。
步骤S33：利用第一控制指令控制外骨骼装置工作。
步骤S34：获取外骨骼装置的状态信息。
步骤S35：根据状态信息和疲劳信息生成第二控制指令。
步骤S36：利用第二控制指令控制电触觉装置，以使电触觉装置对人体进行电触觉反馈。
其中，步骤S31-步骤S34与上述实施例类似，这里不再赘述,步骤S35-步骤S36为上述实施例的简单组合。
区别于现有技术，本申请实施例提供的外骨骼装置的交互控制方法包括：通过肌电信号采集装置获取肌电信号，将肌电信号通过滑窗和滤波处理；将预处理后的肌电信号利用小波包能量熵计算疲劳值，得到疲劳信息以及将肌电信号进行时域特征提取得到相应的特征向量，LSTM神经网络对相应的特征向量进行识别，得到对应的运动模式并生成第一控制指令；利用第一控制指令控制外骨骼装置工作；获取外骨骼装置的状态信息；根据状态信息和疲劳信息通过时空编码方案生成相应的电触觉方案以得到第二控制指令；利用第二控制指令控制电触觉装置产生不同强度的电流，并将电流传输至不同的反馈通道，以使电触觉装置对人体进行电触觉反馈。通过上述方式，一方面可以通过外骨骼装置辅助穿戴者行走，另一方面通过电触觉装置反馈外骨骼步态相位状态，使穿戴者能时刻知道自身目前的行走状态，提高了穿戴者的安全性，还可以将穿戴者的肌肉疲劳信息实时反馈给穿戴者，当穿戴者肌肉疲劳时通过电触觉装置提醒穿戴者休息，能够将穿戴者的人体状态作用于外骨骼装置，并将外骨骼装置的状态反馈至穿戴者，增强了人机交互，提高了外骨骼装置的适用性。
参阅图10，图10为本申请提供的一种外骨骼交互系统一实施例的结构示意图，该外骨骼交互系统100包括外骨骼装置110、肌电采集装置120、电触觉装置130以及控制装置140。
其中，控制装置连接外骨骼装置、肌电采集装置和电触觉装置，用于根据肌电信号生成疲劳信息和第一控制指令，并利用第一控制指令控制外骨骼装置工作；以及用于获取外骨骼装置的状态信息，根据状态信息和疲劳信息生成第二控制指令，并利用第二控制指令控制电触觉装置对人体进行电触觉反馈。
参阅图11，图11为本申请提供的一种外骨骼交互系统一实施例的另一结构示意图，其中，控制装置140，包括：上位机软件141、数据采集界面142、数据预处理模块143、肌肉疲劳量化模块144、运动意图识别模块145、电触觉编码模块146、外骨骼状态识别模块147；其中，肌电采集器120和上位机软件141通过蓝牙连接，上位机软件141和数据采集界面142通过接口函数交互数据，肌肉疲劳量化模块144和电触觉编码模块146通过Socket插口连接，电触觉编码模块146和电触觉装置130通过串口接口连接。
参阅图12，图12为本申请提供的交互控制装置一实施例的结构示意图，该交互控制装置200包括处理器210以及与处理器210连接的存储器220，存储器220中存储有程序数据。
可选地，在一实施例中，处理器210用于执行程序数据以实现如下方法：获取肌电信号，其中，对肌电信号进行预处理，得到预处理后的肌电信号；根据肌电信号生成疲劳信息和第一控制指令；利用第一控制指令控制外骨骼装置工作；获取外骨骼装置的状态信息；根据状态信息和/或疲劳信息生成第二控制指令；利用第二控制指令控制电触觉装置，以使电触觉装置对人体进行电触觉反馈。
参阅图13，图13为本申请提供的计算机可读存储介质一实施例的结构示意图，该计算机可读存储介质300中存储有程序数据310。
可选地，在一实施例中，程序数据310在被处理器执行时，用以实现如下方法：获取肌电信号，其中，对肌电信号进行预处理，得到预处理后的肌电信号；根据肌电信号生成疲劳信息和第一控制指令；利用第一控制指令控制外骨骼装置工作；获取外骨骼装置的状态信息；根据状态信息和/或疲劳信息生成第二控制指令；利用第二控制指令控制电触觉装置，以使电触觉装置对人体进行电触觉反馈。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是根据本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (14)
1.一种外骨骼装置的交互控制方法，其特征在于，所述方法包括：
获取肌电信号；
根据所述肌电信号生成疲劳信息和第一控制指令；
利用所述第一控制指令控制外骨骼装置工作；
获取所述外骨骼装置的状态信息；
根据所述状态信息和/或所述疲劳信息生成第二控制指令；
利用所述第二控制指令控制电触觉装置，以使所述电触觉装置对人体进行电触觉反馈。
2.根据权利要求1所述的方法，其特征在于，
所述获取肌电信号，包括：
输出测试动作，以使人体根据所述测试动作进行运动；
获取肌电采集装置采集的肌电信号；
对所述肌电信号进行预处理，得到预处理后的肌电信号；
所述根据所述肌电信号生成疲劳信息和第一控制指令，包括：
根据所述预处理后的肌电信号生成疲劳信息和第一控制指令。
3.根据权利要求2所述的方法，其特征在于，
所述肌电采集装置包括多个采集通道，所述多个采集通道用于分别采集人体上肢多个肌肉群的表面肌电信号；
所述外骨骼装置用于辅助人体下肢进行运动。
4.根据权利要求2所述的方法，其特征在于，
所述对所述肌电信号进行预处理，得到预处理后的肌电信号，包括：
对所述肌电信号进行滑窗处理，得到多个肌电信号数据段；
对所述多个肌电信号数据段进行滤波处理，得到所述预处理后的肌电信号。
5.根据权利要求1所述的方法，其特征在于，
所述根据所述肌电信号生成疲劳信息和第一控制指令，包括：
计算所述肌电信号的小波包能量熵；
基于所述小波包能量熵生成所述疲劳信息。
6.根据权利要求5所述的方法，其特征在于，
所述计算所述肌电信号的小波包能量熵，包括：
对所述肌电信号进行小波包分解，以获取多个分解节点；
计算各所述分解节点的归一化小波包能量；
基于所述多个分解节点的归一化小波包能量，计算所述小波包能量熵。
7.根据权利要求6所述的方法，其特征在于，
所述基于所述小波包能量熵生成所述疲劳信息，包括：
根据所述小波包能量熵与预设疲劳阈值的比较结果，确定目标肌肉的疲劳程度，生成所述疲劳信息；
其中，所述预设疲劳阈值包括：在0-1之间划分出多个数值范围，并统计归一化后的所述小波包能量熵落入各所述数值范围的数量。
8.根据权利要求1所述的方法，其特征在于，
所述根据所述肌电信号生成疲劳信息和第一控制指令，包括：
对所述肌电信号进行特征提取，得到特征向量；
对所述特征向量使用LSTM神经网络进行识别，得到对应的运动模式；
根据所述运动模式，生成对应的第一控制指令。
9.根据权利要求8所述的方法，其特征在于，
所述LSTM神经网络包括隐藏层和记忆单元，所述记忆单元包括输入门、遗忘门和输出门；
所述对所述特征向量使用LSTM神经网络进行识别，得到对应的运动模式，包括：
将所述特征向量输入所述LSTM神经网络，以使所述记忆单元通过门机制得到所述记忆单元的输出向量；其中，所述隐藏层的激活函数为ReLu函数；
使用交叉熵函数将所述记忆单元的输出向量的权重和偏置进行迭代优化，得到网络输出向量；
使用Softmax函数对所述网络输出向量进行转换得到对应的运动模式。
10.根据权利要求1所述的方法，其特征在于，
所述状态信息为所述外骨骼装置的步态相位状态；
所述根据所述状态信息和/或所述疲劳信息生成第二控制指令，包括：
根据预设编码方式将所述步态相位状态和/或所述疲劳信息转化为对应的电触觉方案；
根据所述电触觉方案生成对应的第二控制指令。
11.根据权利要求10所述的方法，其特征在于，
所述电触觉装置包括左侧通道和右侧通道；
所述根据预设编码方式将所述步态相位状态和/或所述疲劳信息转化为对应的电触觉方案，包括：
响应于所述外骨骼装置处于运行状态，确定所述左侧通道反馈较强的电触觉感受；和/或
响应于所述外骨骼装置处于左腿在前状态，确定所述左侧通道反馈较弱的电触觉感受；和/或
响应于所述外骨骼装置处于右腿在前状态，确定所述右侧通道反馈较弱的电触觉感受；和/或
响应于所述外骨骼装置处于直立状态，确定所述左侧通道和所述右侧通道均反馈较弱的电触觉感受；和/或
响应于所述外骨骼装置处于机器故障状态，确定所述左侧通道和所述右侧通道均反馈较强的电触觉感受；和/或
响应于检测到肌肉疲劳状态，确定所述右侧通道反馈较强的电触觉感受。
12.一种外骨骼交互系统，其特征在于，所述交互系统包括：
外骨骼装置；
肌电采集装置，用于采集人体的肌电信号；
电触觉装置；
控制装置，连接所述外骨骼装置、所述肌电采集装置和所述电触觉装置，用于根据所述肌电信号生成疲劳信息和第一控制指令，并利用所述第一控制指令控制所述外骨骼装置工作；以及用于获取所述外骨骼装置的状态信息，根据所述状态信息和所述疲劳信息生成第二控制指令，并利用所述第二控制指令控制所述电触觉装置对人体进行电触觉反馈。
13.一种交互控制装置，其特征在于，所述交互控制装置包括存储器和处理器，所述存储器存储有程序指令，所述处理器用于执行所述程序指令以实现如权利要求1-11任一项所述的方法。
14.一种计算机可读存储介质，内部存储有程序指令，其特征在于，所述程序指令被执行以实现如权利要求1-11任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110961450.7A CN113885696B (zh) | 2021-08-20 | 2021-08-20 | 外骨骼装置交互控制方法及其交互控制装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110961450.7A CN113885696B (zh) | 2021-08-20 | 2021-08-20 | 外骨骼装置交互控制方法及其交互控制装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113885696A true CN113885696A (zh) | 2022-01-04 |
| CN113885696B CN113885696B (zh) | 2024-06-18 |
Family
ID=79010900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110961450.7A Active CN113885696B (zh) | 2021-08-20 | 2021-08-20 | 外骨骼装置交互控制方法及其交互控制装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113885696B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101057795A (zh) * | 2007-05-18 | 2007-10-24 | 天津大学 | 采用肌电和脑电协同控制的假肢手及其控制方法 |
| CN103691059A (zh) * | 2013-12-27 | 2014-04-02 | 中国科学院自动化研究所 | 基于角度信息与肌电信号反馈控制的电刺激康复装置及方法 |
| JP2016063995A (ja) * | 2014-09-25 | 2016-04-28 | 国立大学法人九州工業大学 | 筋組織系及び神経系の活動量及び活動効率の評価システム及び評価方法並びにそのプログラム |
| KR20160131590A (ko) * | 2015-05-08 | 2016-11-16 | 한국과학기술원 | 근육 피로도 계산 장치 및 방법 |
| CN107224669A (zh) * | 2017-05-24 | 2017-10-03 | 上海理工大学 | 自适应穿戴式柔顺外骨骼康复机械手的控制系统 |
| CN109550146A (zh) * | 2018-11-16 | 2019-04-02 | 上海交通大学 | 一种基于电刺激与肌肉信息检测的疲劳缓解装置 |
| CN110141239A (zh) * | 2019-05-30 | 2019-08-20 | 东北大学 | 一种用于下肢外骨骼的运动意图识别及装置方法 |
| CN112469469A (zh) * | 2018-05-25 | 2021-03-09 | 脸谱科技有限责任公司 | 用于提供肌肉下控制的方法和装置 |
| CN112807002A (zh) * | 2019-11-18 | 2021-05-18 | 深圳市理邦精密仪器股份有限公司 | 肌肉训练仪的参数优化方法、系统、设备以及存储介质 |
| CN112870011A (zh) * | 2020-12-31 | 2021-06-01 | 徐钧 | 电刺激联合外骨骼辅助步行方法 |
-
2021
- 2021-08-20 CN CN202110961450.7A patent/CN113885696B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101057795A (zh) * | 2007-05-18 | 2007-10-24 | 天津大学 | 采用肌电和脑电协同控制的假肢手及其控制方法 |
| CN103691059A (zh) * | 2013-12-27 | 2014-04-02 | 中国科学院自动化研究所 | 基于角度信息与肌电信号反馈控制的电刺激康复装置及方法 |
| JP2016063995A (ja) * | 2014-09-25 | 2016-04-28 | 国立大学法人九州工業大学 | 筋組織系及び神経系の活動量及び活動効率の評価システム及び評価方法並びにそのプログラム |
| KR20160131590A (ko) * | 2015-05-08 | 2016-11-16 | 한국과학기술원 | 근육 피로도 계산 장치 및 방법 |
| CN107224669A (zh) * | 2017-05-24 | 2017-10-03 | 上海理工大学 | 自适应穿戴式柔顺外骨骼康复机械手的控制系统 |
| CN112469469A (zh) * | 2018-05-25 | 2021-03-09 | 脸谱科技有限责任公司 | 用于提供肌肉下控制的方法和装置 |
| CN109550146A (zh) * | 2018-11-16 | 2019-04-02 | 上海交通大学 | 一种基于电刺激与肌肉信息检测的疲劳缓解装置 |
| CN110141239A (zh) * | 2019-05-30 | 2019-08-20 | 东北大学 | 一种用于下肢外骨骼的运动意图识别及装置方法 |
| CN112807002A (zh) * | 2019-11-18 | 2021-05-18 | 深圳市理邦精密仪器股份有限公司 | 肌肉训练仪的参数优化方法、系统、设备以及存储介质 |
| CN112870011A (zh) * | 2020-12-31 | 2021-06-01 | 徐钧 | 电刺激联合外骨骼辅助步行方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113885696B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tkach et al. | Study of stability of time-domain features for electromyographic pattern recognition | |
| Birch et al. | Initial on-line evaluations of the LF-ASD brain-computer interface with able-bodied and spinal-cord subjects using imagined voluntary motor potentials | |
| US20150012111A1 (en) | Methods for closed-loop neural-machine interface systems for the control of wearable exoskeletons and prosthetic devices | |
| Yang et al. | An intention-based online bilateral training system for upper limb motor rehabilitation | |
| US9907489B2 (en) | Systems and methods for hierarchical pattern recognition for simultaneous control of multiple-degree of freedom movements for prosthetics | |
| Gupta et al. | Continuous human locomotion identification for lower limb prosthesis control | |
| Mahendran | EMG signal based control of an intelligent wheelchair | |
| Zhang et al. | Homology characteristics of Eeg and Emg for lower limb voluntary movement intention | |
| Wang et al. | Lower limb motion recognition based on surface electromyography signals and its experimental verification on a novel multi-posture lower limb rehabilitation robots☆ | |
| Zhang et al. | Electroencephalogram and surface electromyogram fusion-based precise detection of lower limb voluntary movement using convolution neural network-long short-term memory model | |
| Yu et al. | EMG automatic switch for FES control for hemiplegics using artificial neural network | |
| Morón et al. | EMG-based hand gesture control system for robotics | |
| Bueno et al. | Human-robot cognitive interaction | |
| Malik et al. | An assessment of six muscle spindle models for predicting sensory information during human wrist movements | |
| Zhou et al. | sEMG-driven functional electrical stimulation tuning via muscle force | |
| CN113885696B (zh) | 外骨骼装置交互控制方法及其交互控制装置 | |
| Shen et al. | Lower limb activity recognition using sEMG signals via weighted random forest | |
| Ahmad et al. | Classification of surface electromyographic signal using fuzzy logic for prosthesis control application | |
| CN115177864A (zh) | 基于肌肉激活度与lstm的功能性电刺激闭环调控方法 | |
| Guo et al. | Control of a lower limb exoskeleton robot by upper limb semg signal | |
| Li et al. | The Human–Machine Interface Design Based on sEMG and Motor Imagery EEG for Lower Limb Exoskeleton Assistance System | |
| Du et al. | The effect of data reduction by independent component analysis and principal component analysis in hand motion identification | |
| Duan et al. | A framework for human-exoskeleton interaction based on sEMG interface and electrotactile feedback | |
| Ahmad | Moving approximate entropy and its application to the electromyographic control of an artificial hand | |
| Iqbal et al. | Regression-based real-time hand gesture recognition and control for electric powered wheelchair |
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 |