CN113952092A - 一种下肢康复机器人控制方法及控制系统 - Google Patents
一种下肢康复机器人控制方法及控制系统 Download PDFInfo
- Publication number
- CN113952092A CN113952092A CN202111239525.7A CN202111239525A CN113952092A CN 113952092 A CN113952092 A CN 113952092A CN 202111239525 A CN202111239525 A CN 202111239525A CN 113952092 A CN113952092 A CN 113952092A
- Authority
- CN
- China
- Prior art keywords
- lower limb
- rehabilitation robot
- limb rehabilitation
- muscle electric
- neural network
- 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.)
- Pending
Links
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 195
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000003205 muscle Anatomy 0.000 claims abstract description 117
- 238000002266 amputation Methods 0.000 claims abstract description 80
- 238000013528 artificial neural network Methods 0.000 claims abstract description 57
- 238000013145 classification model Methods 0.000 claims abstract description 44
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims description 33
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 210000002569 neuron Anatomy 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 210000002414 leg Anatomy 0.000 description 9
- 210000000689 upper leg Anatomy 0.000 description 6
- 210000003414 extremity Anatomy 0.000 description 5
- 238000011542 limb amputation Methods 0.000 description 4
- 210000003423 ankle Anatomy 0.000 description 2
- 244000309466 calf Species 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
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
- A61F2/60—Artificial legs or feet or parts thereof
-
- 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
- A61B5/72—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
-
- 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
-
- 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
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/12—Driving means
- A61H2201/1207—Driving means with electric or magnetic drive
-
- 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
- A61H2201/164—Feet or leg, e.g. pedal
- A61H2201/1642—Holding means therefor
-
- 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
- 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
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Transplantation (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Fuzzy Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Vascular Medicine (AREA)
- Evolutionary Computation (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Prostheses (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种下肢康复机器人控制方法及控制系统,适用于单腿截肢患者使用的下肢康复机器人,包括以下步骤:对下肢运动类型进行定义,包括:静止、起立、迈腿、坐下;辅助单腿截肢患者分别完成4种类型的下肢运动,并在下肢运动整个过程采集患者健全侧下肢的原始肌肉电信号;通过原始肌肉电信号进行神经网络训练,获得神经网络分类模型;单腿截肢患者穿戴下肢康复机器人后,采集所述单腿截肢患者健全侧下肢的实时肌肉电信号;将实时肌肉电信号输入神经网络分类模型,输出对应的下肢运动类型,进而判断该单腿截肢患者的下肢动作意图;采集下肢康复机器人的姿态信息,结合该单腿截肢患者的下肢动作意图,对下肢康复机器人进行动作控制。
Description
技术领域
本发明涉及一种下肢康复机器人控制方法及控制系统,适用于下肢单腿截肢患者使用的下肢康复机器人,属于智能康复设备技术领域。
背景技术
步行是人体下肢最基本的功能,下肢任何平面的截肢(足趾除外)都会给人的步行带来困难。步行姿势不良还会给一个人整体的美感带来极大干扰。因此下肢假肢也是以尽可能恢复人的正常步行姿势为基本目的的。目前下肢假肢可根据下肢不同的截肢平面分为几大类:足踝部假肢、小腿假肢、大腿假肢、和髋关节离断假肢。不论是那一平面截肢后,穿戴义肢都能达到支撑身体和辅助行走的目的。
如今,随着健康生活的理念越来越深入人心,越来越多的下肢截肢患者渴望能够像正常人一样行走,然而,传统的义肢并不能完全自动的实现辅助患者行走的过程,不够自动化、自主化,所以我们亟需找到一种方便有效的控制的下肢康复机器人的方法。
发明内容
为了解决现有技术控制下肢康复机器人不够智能化且控制流程复杂的问题,本发明提供一种下肢康复机器人控制方法及控制系统,适用于单腿截肢患者使用的下肢康复机器人,通过有效的数据处理和神经网络模型,结合传感器检测技术,对下肢单腿截肢患者穿戴的下肢康复机器人进行控制。本发明可广泛应用于下肢单腿截肢患者的康复训练和日常使用。
本发明的目的是通过以下技术方案实现的:
一种下肢康复机器人控制方法,适用于单腿截肢患者使用的下肢康复机器人,包括以下步骤:
步骤一、采集单腿截肢患者健全侧下肢的原始肌肉电信号,建立用于判断单腿截肢患者下肢动作意图的神经网络分类模型;
1.1)对下肢运动类型进行定义,包括:静止、起立、迈腿、坐下;
1.2)辅助单腿截肢患者分别完成上述4种类型的下肢运动,并在下肢运动整个过程采集患者健全侧下肢的原始肌肉电信号;
1.3)通过步骤1.2)采集的原始肌肉电信号进行神经网络训练,获得神经网络分类模型;
步骤二、通过所述神经网络分类模型判断单腿截肢患者下肢动作意图,对单腿截肢患者穿戴的下肢康复机器人进行实时控制:
2.1)单腿截肢患者穿戴下肢康复机器人后,采集所述单腿截肢患者健全侧下肢的实时肌肉电信号;
2.2)将采集的实时肌肉电信号输入所述步骤一建立的神经网络分类模型,输出对应的下肢运动类型,进而判断该单腿截肢患者的下肢动作意图;
2.3)采集单腿截肢患者穿戴的下肢康复机器人所处的姿态信息,结合该单腿截肢患者的下肢动作意图,对下肢康复机器人进行动作控制。
进一步地,所述步骤1.2)中,单腿截肢患者在未穿戴下肢康复机器人的状态下,辅助其分别完成静止、起立、迈腿、坐下动作;且在单腿截肢患者各个运动过程中,分别通过处理器STM32F103VET6上ADC采集功能,采集单腿截肢患者健全侧下肢的肌肉电信号,作为原始肌肉电信号。
进一步地,所述步骤1.3)包括:
1.3.1)预先对健全人的一个完整的起身、迈腿、坐下的运动进行动作切割,得到每一个完整运动对应的动作的起点和终点,进而将连续的运动过程划分为若干个动作;
1.3.2)对步骤1.2)采集的原始肌肉电信号进行预处理,包括滑动均值滤波;
1.3.2)对步骤1.3.2)预处理后的原始肌肉电信号进行特征提取,本实施例共提取了原始肌肉电信号的5种特征值,随后对特征提取后的原始肌肉电信号进行划分,其中70%为训练集,30%为测试集;
1.3.3)本实施例选用BP神经网络进行训练,获得神经网络分类模型:建立神经网络模型输入层、隐含层和输出层;选用两通道肌肉电传感器,且本实施例提取了5种特征值,所以输入层神经元个数为10个,隐含层设有10个神经元数,输出层神经元个数为4个,分别对应步骤1.1)定义的静止、起身、迈腿、坐下4个下肢运动类型;在MATLAB上对此网络进行训练。
进一步地,所述步骤2.1)包括:单腿截肢患者在截肢侧下肢穿戴下肢康复机器人,其后打开下肢康复机器人的主处理器,处理器的感知模块中有数个肌肉电传感器和数个角度传感器,本实施例中,将肌肉电传感器紧贴于单腿截肢患者健全侧的大腿肌肉群,实时采集其大腿肌肉的实时肌肉电信号。
进一步地,所述步骤2.2)包括:
2.2.1)将步骤一训练好的神经网络分类模型嵌入到下肢康复机器人的处理器STM32F103VET6上;
2.2.2)处理器STM32F103VET6对步骤2.1)采集的单腿截肢患者健全侧下肢的实时肌肉电信号进行预处理;
2.2.3)处理器STM32F103VET6将预处理后的实时肌肉电信号经过步骤一训练好的神经网络分类模型,得到运动类型分类结果,进而判断出该单腿截肢患者的下肢动作意图。
更进一步地,所述步骤2.2.2)的实时肌肉电信号进行预处理包括:
首先对实时肌肉电信号进行滑动均值滤波处理;
由于肌肉电信号容易受到外部信号的干扰,因此再添加了异常检测算法,对实时肌肉电信号进行时域上的分析,当时域上的指标不满足预先设定好的阈值时,判定该患者动作不标准,下肢康复机器人不会进行动作。
进一步地,所述步骤2.3)包括:
2.3.1)预先规定下肢康复机器人各个运动类型(静止、起立、迈腿、坐下)动作对应的角度范围;
2.3.2)如图2所示,角度传感器采集下肢康复机器人的关节角度信息,并通过串口通信实时回传下肢康复机器人的角度数据;对回传的角度信息,为了避免角度跳变误差,进行一定的平滑处理;
2.3.3)根据步骤2.2)获得的单腿截肢患者的下肢动作意图,再结合串口回传的下肢康复机器人的角度数据,判断下肢康复机器人的角度数据是否满足各动作规定的角度范围,进而向下肢康复机器人的下达动作指令。
本发明同时提供一种下肢康复机器人控制系统,包括:
信息采集与预处理模块,用于采集单腿截肢患者下肢肌肉电信号以及下肢康复机器人的实时角度信息,并对肌肉电信号进行预处理;
下肢运动意图判断模块,用于通过所述信息采集与预处理模块获取的原始肌肉电信号进行神经网络模型训练,获得神经网络分类模型;并将所述信息采集与预处理模块获取的实时肌肉电信号输入神经网络分类模型,获取其所属的动作分类类型,进而判断患者的下肢运动意图;
所述信息采集与预处理模块具体包括:
肌肉电信号采集单元,用于采集单腿截肢患者健全侧下肢运动时的原始肌肉电信号,以及单腿截肢患者穿戴下肢康复机器人的状态下其健全侧下肢运动时的实时肌肉电信号;
下肢康复机器人姿态信号采集单元,用于采集单腿截肢患者穿戴的下肢康复机器人各关节点的实时角度信息;本实施例中下肢康复机器人姿态信号采集单元为安装在下肢康复机器人上的多个角度传感器,如图2所示;
信号处理单元,对采集的原始肌肉电信号及实时肌肉电信号进行滑动均值滤波;
所述下肢运动意图判断模块具体包括:
神经网络分类模型建立单元,基于BP神经网络的网络模型,将所述信息采集与预处理模块获取的原始肌肉电信号按静止、起身、行走、坐下的运动状态分类分别进行特征提取,进行神经网络训练,获得神经网络分类模型;
动作识别单元,将所述信息采集与预处理模块获取的实时肌肉电信号进行特征提取后,输入到神经网络分类模型,得到动作的分类结果,进而判断下肢运动意图;
进一步地,所述下肢康复机器人控制系统还包括:
异常检测模块,用于通过异常检测算法识别所述信息采集与预处理模块获取的实时肌肉电信号是否异常;
所述异常检测模块具体包括:
异常计算单元,用于对所述信息采集与预处理模块获取的实时肌肉电信号的时间序列实施数据分割得到子序列,计算子序列的局部异常数据;
异常输出单元,当某子序列的局部异常数据大于或等于预设阈值时,将该子序列进行异常模式输出;
报警模块,用于下肢康复机器人做出误动作时输出警示信号。
进一步地,所述下肢康复机器人控制系统还包括:反馈模块,用于反馈下肢康复机器人误动作警报信号的响应信息,用以调整神经网络分类模型。
本发明具有以下有益效果:
本发明提供一种下肢康复机器人控制方法及控制系统,通过采集健全下肢的肌肉电信号建立神经网络分类模型,对患者的动作意图进行判断,并结合传感器检测技术,请准控制对单腿截肢患者穿戴的下肢康复机器人,辅助患者完成目标动作。本发明可广泛应用于下肢单腿截肢患者的康复训练和日常使用。
附图说明
图1为本发明实施例1所述的一种下肢康复机器人控制方法流程图;
图2为本发明实施例1所述的下肢康复机器人安装示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步的描述。
技术术语说明:
单腿截肢:指患者单侧下肢截肢,截肢类型包括但不限于足踝部截肢、小腿截肢、膝关节截肢、大腿截肢、髋关节截肢。
单腿截肢患者健全侧下肢:指单腿截肢患者未被截肢的一侧下肢。
实施例1
如图1所示,一种下肢康复机器人控制方法,适用于单腿截肢患者使用的下肢康复机器人,包括以下步骤:
步骤一、采集单腿截肢患者健全侧下肢的原始肌肉电信号,建立用于判断单腿截肢患者下肢动作意图的神经网络分类模型;
1.1)对下肢运动类型进行定义,包括:静止、起立、迈腿、坐下;
1.2)辅助单腿截肢患者分别完成上述4种类型的下肢运动,并在下肢运动整个过程采集患者健全侧下肢的原始肌肉电信号;
1.3)通过步骤1.2)采集的原始肌肉电信号进行神经网络训练,获得神经网络分类模型;
步骤二、通过所述神经网络分类模型判断单腿截肢患者下肢动作意图,对单腿截肢患者穿戴的下肢康复机器人进行实时控制:
2.1)单腿截肢患者穿戴下肢康复机器人后,采集所述单腿截肢患者健全侧下肢的实时肌肉电信号;
2.2)将采集的实时肌肉电信号输入所述步骤一建立的神经网络分类模型,输出对应的下肢运动类型,进而判断该单腿截肢患者的下肢动作意图;
2.3)采集单腿截肢患者穿戴的下肢康复机器人所处的姿态信息,结合该单腿截肢患者的下肢动作意图,对下肢康复机器人进行动作控制。
进一步地,所述步骤1.2)中,单腿截肢患者在未穿戴下肢康复机器人的状态下,辅助其分别完成静止、起立、迈腿、坐下动作;且在单腿截肢患者各个运动过程中,分别通过处理器STM32F103VET6上ADC采集功能,采集单腿截肢患者健全侧下肢的肌肉电信号,作为原始肌肉电信号。
进一步地,所述步骤1.3)包括:
1.3.1)预先对健全人的一个完整的起身、迈腿、坐下的运动进行动作切割,得到每一个完整运动对应的动作的起点和终点,进而将连续的运动过程划分为若干个动作;
1.3.2)对步骤1.2)采集的原始肌肉电信号进行预处理,包括滑动均值滤波;
1.3.2)对步骤1.3.2)预处理后的原始肌肉电信号进行特征提取,本实施例共提取了原始肌肉电信号的5种特征值,随后对特征提取后的原始肌肉电信号进行划分,其中70%为训练集,30%为测试集;
1.3.3)本实施例选用BP神经网络进行训练,获得神经网络分类模型:建立神经网络模型输入层、隐含层和输出层;选用两通道肌肉电传感器,且本实施例提取了5种特征值,所以输入层神经元个数为10个,隐含层设有10个神经元数,输出层神经元个数为4个,分别对应步骤1.1)定义的静止、起身、迈腿、坐下4个下肢运动类型;在MATLAB上对此网络进行训练。
进一步地,所述步骤2.1)包括:单腿截肢患者在截肢侧下肢穿戴下肢康复机器人,其后打开下肢康复机器人的主处理器,处理器的感知模块中有数个肌肉电传感器和数个角度传感器,本实施例中,将肌肉电传感器紧贴于单腿截肢患者健全侧的大腿肌肉群,实时采集其大腿肌肉的实时肌肉电信号。
进一步地,所述步骤2.2)包括:
2.2.1)将步骤一训练好的神经网络分类模型嵌入到下肢康复机器人的处理器STM32F103VET6上;
2.2.2)处理器STM32F103VET6对步骤2.1)采集的单腿截肢患者健全侧下肢的实时肌肉电信号进行预处理;
2.2.3)处理器STM32F103VET6将预处理后的实时肌肉电信号经过步骤一训练好的神经网络分类模型,得到运动类型分类结果,进而判断出该单腿截肢患者的下肢动作意图。
更进一步地,所述步骤2.2.2)的实时肌肉电信号进行预处理包括:
首先对实时肌肉电信号进行滑动均值滤波处理;
由于肌肉电信号容易受到外部信号的干扰,因此再添加了异常检测算法,对实时肌肉电信号进行时域上的分析,当时域上的指标不满足预先设定好的阈值时,判定该患者动作不标准,下肢康复机器人不会进行动作。
进一步地,所述步骤2.3)包括:
2.3.1)预先规定下肢康复机器人各个运动类型(静止、起立、迈腿、坐下)动作对应的角度范围;
2.3.2)如图2所示,角度传感器采集下肢康复机器人的关节角度信息,并通过串口通信实时回传下肢康复机器人的角度数据;对回传的角度信息,为了避免角度跳变误差,进行一定的平滑处理;
2.3.3)根据步骤2.2)获得的单腿截肢患者的下肢动作意图,再结合串口回传的下肢康复机器人的角度数据,判断下肢康复机器人的角度数据是否满足各动作规定的角度范围,进而向下肢康复机器人的下达动作指令。
实施例2
一种下肢康复机器人控制系统,包括:
信息采集与预处理模块,用于采集单腿截肢患者下肢肌肉电信号以及下肢康复机器人的实时角度信息,并对肌肉电信号进行预处理;
所述信息采集与预处理模块具体包括:
肌肉电信号采集单元,用于采集单腿截肢患者健全侧下肢运动时的原始肌肉电信号,以及单腿截肢患者穿戴下肢康复机器人的状态下其健全侧下肢运动时的实时肌肉电信号;
下肢康复机器人姿态信号采集单元,用于采集单腿截肢患者穿戴的下肢康复机器人各关节点的实时角度信息;本实施例中下肢康复机器人姿态信号采集单元为安装在下肢康复机器人上的多个角度传感器,如图2所示;
信号处理单元,对采集的原始肌肉电信号及实时肌肉电信号进行滑动均值滤波。
下肢运动意图判断模块,用于通过所述信息采集与预处理模块获取的原始肌肉电信号进行神经网络模型训练,获得神经网络分类模型;并将所述信息采集与预处理模块获取的实时肌肉电信号输入神经网络分类模型,获取其所属的动作分类类型,进而判断患者的下肢运动意图;
所述下肢运动意图判断模块具体包括:
神经网络分类模型建立单元,基于BP神经网络的网络模型,将所述信息采集与预处理模块获取的原始肌肉电信号按静止、起身、行走、坐下的运动状态分类分别进行特征提取,进行神经网络训练,获得神经网络分类模型;
动作识别单元,将所述信息采集与预处理模块获取的实时肌肉电信号进行特征提取后,输入到神经网络分类模型,得到动作的分类结果,进而判断下肢运动意图;
进一步地,所述下肢康复机器人控制系统还包括:
异常检测模块,用于通过异常检测算法识别所述信息采集与预处理模块获取的实时肌肉电信号是否异常;
所述异常检测模块具体包括:
异常计算单元,用于对所述信息采集与预处理模块获取的实时肌肉电信号的时间序列实施数据分割得到子序列,计算子序列的局部异常数据;
异常输出单元,当某子序列的局部异常数据大于或等于预设阈值时,将该子序列进行异常模式输出;
报警模块,用于下肢康复机器人做出误动作时输出警示信号。
进一步地,所述下肢康复机器人控制系统还包括:反馈模块,用于反馈下肢康复机器人误动作警报信号的响应信息,用以调整神经网络分类模型。
Claims (10)
1.一种下肢康复机器人控制方法,适用于单腿截肢患者使用的下肢康复机器人,其特征在于,包括以下步骤:
步骤一、采集单腿截肢患者健全侧下肢的原始肌肉电信号,建立用于判断单腿截肢患者下肢动作意图的神经网络分类模型;
1.1)对下肢运动类型进行定义,包括:静止、起立、迈腿、坐下;
1.2)辅助单腿截肢患者分别完成上述4种类型的下肢运动,并在下肢运动整个过程采集患者健全侧下肢的原始肌肉电信号;
1.3)通过步骤1.2)采集的原始肌肉电信号进行神经网络训练,获得神经网络分类模型;
步骤二、通过所述神经网络分类模型判断单腿截肢患者下肢动作意图,对单腿截肢患者穿戴的下肢康复机器人进行实时控制:
2.1)单腿截肢患者穿戴下肢康复机器人后,采集所述单腿截肢患者健全侧下肢的实时肌肉电信号;
2.2)将采集的实时肌肉电信号输入所述步骤一建立的神经网络分类模型,输出对应的下肢运动类型,进而判断该单腿截肢患者的下肢动作意图;
2.3)采集单腿截肢患者穿戴的下肢康复机器人所处的姿态信息,结合该单腿截肢患者的下肢动作意图,对下肢康复机器人进行动作控制。
2.如权利要求1所述的一种下肢康复机器人控制方法,其特征在于,所述步骤1.2)中,单腿截肢患者在未穿戴下肢康复机器人的状态下,辅助其分别完成静止、起立、迈腿、坐下动作;且在单腿截肢患者各个运动过程中,分别采集单腿截肢患者健全侧下肢的肌肉电信号,作为原始肌肉电信号。
3.如权利要求1所述的一种下肢康复机器人控制方法,其特征在于,所述步骤1.3)包括:
1.3.1)预先对健全人的一个完整的起身、迈腿、坐下的运动进行动作切割,得到每一个完整运动对应的动作的起点和终点,进而将连续的运动过程划分为若干个动作;
1.3.2)对步骤1.2)采集的原始肌肉电信号进行预处理;
1.3.2)对步骤1.3.2)预处理后的原始肌肉电信号进行特征提取,随后对特征提取后的原始肌肉电信号进行测试集和训练集的划分;
1.3.3)选用BP神经网络进行训练,获得神经网络分类模型:建立神经网络模型输入层、隐含层和输出层,输出层神经元个数为4个,分别对应步骤1.1)定义的静止、起身、迈腿、坐下4个下肢运动类型;在MATLAB上对此网络进行训练。
4.如权利要求1所述的一种下肢康复机器人控制方法,其特征在于,所述步骤2.1)包括:单腿截肢患者在截肢侧下肢穿戴下肢康复机器人,其后打开下肢康复机器人的主处理器,处理器的感知模块中有数个肌肉电传感器和数个角度传感器,将肌肉电传感器紧贴于单腿截肢患者健全侧肌肉群,实时采集健全侧肌肉群的实时肌肉电信号。
5.如权利要求1所述的一种下肢康复机器人控制方法,其特征在于,所述步骤2.2)包括:
2.2.1)将步骤一训练好的神经网络分类模型嵌入到下肢康复机器人的处理器上;
2.2.2)处理器对步骤2.1)采集的单腿截肢患者健全侧下肢的实时肌肉电信号进行预处理;
2.2.3)处理器将预处理后的实时肌肉电信号经过步骤一训练好的神经网络分类模型,得到运动类型分类结果,进而判断出该单腿截肢患者的下肢动作意图。
6.如权利要求1所述的一种下肢康复机器人控制方法,其特征在于,所述步骤2.2.2)的实时肌肉电信号进行预处理包括:
对实时肌肉电信号进行滑动均值滤波处理;
对实时肌肉电信号进行异常检测:对实时肌肉电信号进行时域上的分析,当时域上的指标不满足预先设定好的阈值时,判定该患者动作不标准。
7.如权利要求1所述的一种下肢康复机器人控制方法,其特征在于,所述步骤2.3)包括:
2.3.1)预先规定下肢康复机器人各个运动类型动作对应的角度范围;
2.3.2)角度传感器采集下肢康复机器人的关节角度信息,并通过串口通信实时回传下肢康复机器人的角度数据;
2.3.3)根据步骤2.2)获得的单腿截肢患者的下肢动作意图,再结合串口回传的下肢康复机器人的角度数据,判断下肢康复机器人的角度数据是否满足各动作规定的角度范围,进而向下肢康复机器人的下达动作指令。
8.一种下肢康复机器人控制系统,其特征在于,包括:
信息采集与预处理模块,用于采集单腿截肢患者下肢肌肉电信号以及下肢康复机器人的实时角度信息,并对肌肉电信号进行预处理;
下肢运动意图判断模块,用于通过所述信息采集与预处理模块获取的原始肌肉电信号进行神经网络模型训练,获得神经网络分类模型;并将所述信息采集与预处理模块获取的实时肌肉电信号输入神经网络分类模型,获取其所属的动作分类类型,进而判断患者的下肢运动意图;
所述信息采集与预处理模块具体包括:
肌肉电信号采集单元,用于采集单腿截肢患者健全侧下肢运动时的原始肌肉电信号,以及单腿截肢患者穿戴下肢康复机器人的状态下其健全侧下肢运动时的实时肌肉电信号;
下肢康复机器人姿态信号采集单元,用于采集单腿截肢患者穿戴的下肢康复机器人各关节点的实时角度信息;
信号处理单元,对采集的原始肌肉电信号及实时肌肉电信号进行滑动均值滤波;
所述下肢运动意图判断模块具体包括:
神经网络分类模型建立单元,基于BP神经网络的网络模型,将所述信息采集与预处理模块获取的原始肌肉电信号按静止、起身、行走、坐下的运动状态分类分别进行特征提取,进行神经网络训练,获得神经网络分类模型;
动作识别单元,将所述信息采集与预处理模块获取的实时肌肉电信号进行特征提取后,输入到神经网络分类模型,得到动作的分类结果,进而判断下肢运动意图。
9.如权利要求8所述的一种下肢康复机器人控制系统,其特征在于,还包括:
异常检测模块,用于通过异常检测算法识别所述信息采集与预处理模块获取的实时肌肉电信号是否异常;
报警模块,用于下肢康复机器人做出误动作时输出警示信号;
反馈模块,用于反馈下肢康复机器人误动作警报信号的响应信息,用以调整神经网络分类模型。
10.如权利要求9所述的一种下肢康复机器人控制系统,其特征在于,所述异常检测模块具体包括:
异常计算单元,用于对所述信息采集与预处理模块获取的实时肌肉电信号的时间序列实施数据分割得到子序列,计算子序列的局部异常数据;
异常输出单元,当某子序列的局部异常数据大于或等于预设阈值时,将该子序列进行异常模式输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111239525.7A CN113952092A (zh) | 2021-10-25 | 2021-10-25 | 一种下肢康复机器人控制方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111239525.7A CN113952092A (zh) | 2021-10-25 | 2021-10-25 | 一种下肢康复机器人控制方法及控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113952092A true CN113952092A (zh) | 2022-01-21 |
Family
ID=79466636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111239525.7A Pending CN113952092A (zh) | 2021-10-25 | 2021-10-25 | 一种下肢康复机器人控制方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113952092A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799937A (zh) * | 2012-06-26 | 2012-11-28 | 天津大学 | 肌电信号与关节角度信息融合的下肢运动轨迹预测方法 |
CN105963100A (zh) * | 2016-04-19 | 2016-09-28 | 西安交通大学 | 按患者运动所需辅助的下肢康复机器人自适应控制方法 |
CN111631923A (zh) * | 2020-06-02 | 2020-09-08 | 中国科学技术大学先进技术研究院 | 基于意图识别的外骨骼机器人的神经网络控制系统 |
CN112107397A (zh) * | 2020-10-19 | 2020-12-22 | 中国科学技术大学 | 肌电信号驱动的下肢义肢连续控制系统 |
-
2021
- 2021-10-25 CN CN202111239525.7A patent/CN113952092A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799937A (zh) * | 2012-06-26 | 2012-11-28 | 天津大学 | 肌电信号与关节角度信息融合的下肢运动轨迹预测方法 |
CN105963100A (zh) * | 2016-04-19 | 2016-09-28 | 西安交通大学 | 按患者运动所需辅助的下肢康复机器人自适应控制方法 |
CN111631923A (zh) * | 2020-06-02 | 2020-09-08 | 中国科学技术大学先进技术研究院 | 基于意图识别的外骨骼机器人的神经网络控制系统 |
CN112107397A (zh) * | 2020-10-19 | 2020-12-22 | 中国科学技术大学 | 肌电信号驱动的下肢义肢连续控制系统 |
Non-Patent Citations (1)
Title |
---|
谢海胜: "《可穿戴式下肢康复外骨骼机器人步态规划及仿真》", 《长春大学学报》, 31 October 2013 (2013-10-31), pages 1224 - 1229 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Su et al. | A CNN-based method for intent recognition using inertial measurement units and intelligent lower limb prosthesis | |
Huang et al. | A strategy for identifying locomotion modes using surface electromyography | |
Samuel et al. | Pattern recognition of electromyography signals based on novel time domain features for amputees' limb motion classification | |
US9700439B1 (en) | Identification and implementation of locomotion modes using surface electromyography | |
Spanias et al. | Detection of and compensation for EMG disturbances for powered lower limb prosthesis control | |
CN106308809A (zh) | 大腿残肢者的步态识别方法 | |
EP2528550A2 (en) | Systems and methods for providing a neural-machine interface for artificial legs | |
Farrell et al. | A method to determine the optimal features for control of a powered lower-limb prostheses | |
CN109758336A (zh) | 一种利用患者患侧sEMG进行主动康复治疗的控制方法 | |
Gregory et al. | Intent prediction of multi-axial ankle motion using limited EMG signals | |
CN112949676A (zh) | 一种柔性下肢助力外骨骼机器人的自适应运动模式识别方法 | |
Turgunov et al. | Comparative analysis of the results of EMG signal classification based on machine learning algorithms | |
Liu et al. | A novel method for detecting misclassifications of the locomotion mode in lower-limb exoskeleton robot control | |
Triolo et al. | The theoretical development of a multichannel time-series myoprocessor for simultaneous limb function detection and muscle force estimation | |
Herle et al. | Hierarchical myoelectric control of a human upper limb prosthesis | |
Hameed et al. | Soft robotic glove system controlled with amplitude independent muscle activity detection algorithm by using single sEMG channel | |
CN113952092A (zh) | 一种下肢康复机器人控制方法及控制系统 | |
Hussain et al. | Amputee walking mode recognition based on mel frequency cepstral coefficients using surface electromyography sensor | |
CN116564465A (zh) | 一种基于物联网平台下肢康复训练交互方法 | |
CN114191261B (zh) | 迭代学习脑控电刺激和智能支撑系统与下肢康复训练方法 | |
MacDonald et al. | Determination of human gait phase using fuzzy inference | |
Astudillo et al. | Lower limbs motion intention detection by using pattern recognition | |
Du et al. | The effect of data reduction by independent component analysis and principal component analysis in hand motion identification | |
Liu et al. | Whitening of the electromyogram for improved classification accuracy in prosthesis control | |
CN110633644A (zh) | 基于肌电小波包分解和gabp的人体关节角度预测方法 |
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 |