CN114019789A - 一种基于虚拟现实系统的健身康复车控制方法及其系统 - Google Patents

Abstract

本发明涉及医疗器械领域，具体涉及一种基于虚拟现实系统的健身康复车控制方法及其系统，该控制方法，包括：a)获取用户骑行速度及用户状态数据；b)根据用户的骑行速度调节虚拟现实场景的变化速度；c)根据场景中的路况，调节健身康复车的骑行状态；d)将用户状态数据呈现至虚拟现实场景中；本发明采用了虚拟现实技术，通过倾斜摄影方法进行建模，获得真实的场景，让患者拥有沉浸式体验，增加康复训练的趣味性，适宜进一步推广应用。

Description

一种基于虚拟现实系统的健身康复车控制方法及其系统

技术领域

本发明涉及医疗器械领域，具体涉及一种基于虚拟现实系统的健身康复车控制方法及其系统。

背景技术

根据相关资料统计，当今中国下半身高位截瘫病人已高达2412万人，在残疾人中占有相当大的比重，这一类人群日常生活行动不便，有的甚至终身只能依靠轮椅生活。所以对于护理康复服务的需求比较突出和强烈，这也是当今社会所面临的重要难题。基于此，本发明提供了一种基于虚拟现实系统的健身康复车控制方法及其系统，有助于病患的康复。

发明内容

为解决上述问题，本发明提供了一种基于虚拟现实系统的健身康复车控制方法及其系统。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于虚拟现实的健身康复车控制方法，其特征在于，包括：

a)获取用户骑行速度及用户状态数据；

b)根据用户的骑行速度调节虚拟现实场景的变化速度；

c)根据场景中的路况，调节健身康复车的骑行状态；

d)将用户状态数据呈现至虚拟现实场景中。

进一步的，所述用户状态数据包括但不限于体温、心率、已消耗卡路里。

作为进一步改进的，所述虚拟现实场景采用倾斜摄影的方式通过从一个垂直、四个倾斜、五个不同的视角同步采集影像并进行建模。

作为进一步改进的，包括主动训练与被动训练模式，主动训练模式下健身康复车电机提供阻力；被动训练模式下，健身康复车电机提供动力。

进一步的，主动训练模式步骤c)具体为：

当场景中为平路路段时，健身康复车的电机提供预设阻力；当场景中出现上坡路段时，健身康复车电机阻力增大；当场景中出现下坡路段时，健身康复车电机阻力减小；

被动训练模式步骤c)具体为：

当场景中为平路路段时，健身康复车的电机提供预设转速；当场景中出现上坡路段时，健身康复车电机转速降低；当场景中出现下坡路段时，健身康复车电机转速提升。

作为进一步改进的，所述健身康复车电机为直流无刷电机，其控制方法包括以下步骤：

1)建立电机的PID控制模型；

2)引入模糊控制的方式对PID控制模型进行改进；

3)在模糊控制的基础上，通过遗传算法对模糊控制中的隶属度函数和模糊规则进行在线迭代，直至得到最优控制量；

4)将步骤3)中得到的最优控制量输出给电机驱动模块，电机驱动模块输出电压驱动电机运转。

步骤1)建立电机的PID控制模型，具体为：

通过霍尔传感器获取电机的实际转速，将设定目标转速与实际转速对比，得到差值，进行比例积分微分运算，得到实际的电压输出值；其中，实际的电压输出值定义为：

其中：Kp为比例增益；Ki为积分系数﹔Kd为微分系数﹔e为调节器偏差输入信号。

步骤2)引入模糊控制的方式对PID控制模型进行改进，具体为：

电机实际转速与设定目标转速进行比较并采样，得出采样误差，将采样误差e和误差变化率作为模糊控制器的输入量，输入数值量经过比例因子和隶属度函数映射为模糊量，然后根据模糊规则库得到相应的输出模糊量，再经过清晰化得到输出数值增量ΔKP，ΔKI，ΔKd，在线与PID初始参数累加，最终输出使系统有较好稳态与动态性能的PID参数，在实际运行中，每次采样模糊控制都会对PID参数进行一次在线调整，直至达到稳定状态；

步骤3)中遗传算法采用实数编码；遗传算法复制、交叉、变异算子的参数如下：染色体长度为100，种群大小为10，交叉率为0.8，变异率为0.03；对每一代染色体进行复制、交叉和变异操作，直至得到最优解；

步骤4)中电压输出值定义为：

K_p1＝ΔK_p*K_p,K_i1＝ΔK_i*K_i,K_d1＝ΔK_d*K_d

其中，Kp为比例增益；Ki为积分系数；Kd为微分系数；e为调节器偏差输入信号。

本发明进一步提供了一种基于虚拟现实的健身康复车控制系统，包括虚拟现实模块、传感器模块、控制单元、通信模块与健身康复车；

所述健身康复车包括电机驱动模块，电机驱动模块用于控制健身康复车电机，被动训练模式下控制电机的转速，主动训练模式下控制电机提供阻力的大小；

所述通信模块，用于健身康复车、虚拟现实模块、传感器模块与控制单元间的通信；

所述虚拟现实模块，使用倾斜摄影技术进行建模，并利用VR头戴设备以提供虚拟现实场景；

所述传感器模块，用于获取骑行速度及用户状态数据；

所述控制单元，其加载上述基于虚拟现实的健身康复车控制方法，用于根据用户的骑行速度调节虚拟现实场景的变化速度，同时根据场景中的路况，调节健身康复车的骑行状态，并将用户状态数据发送到虚拟现实模块呈现至虚拟现实场景中，以便患者可以随时观察到自己的训练情况。

进一步的，所述健身康复车还包括GFPC模块，所述电机选用直流电机，GFPC模块输出电压驱动直流电机进行转动；

所述GFPC模块由模糊控制器与PID控制器组成，所述GFPC模块加载有如下方法：

将目标转速ωref输入GFPC，PID控制器输出控制信号，再输入到无刷直流电机，得到实际转速ωm；遗传算法对模糊控制器的隶属度函数及模糊规则进行优化，模糊控制器输入为转速误差e及误差变化率ec，输出为PID增益变化△Kp，△Ki，△K d，PID增益变化△Kp，△Ki，Kd输入到PID控制器，结合运算得出控制电压uPID为：

K_p1＝ΔK_p*K_p,K_i1＝ΔK_i*K_i,K_d1＝ΔK_d*K_d

其中，Kp为比例增益；Ki为积分系数；Kd为微分系数；e为调节器偏差输入信号；

所述遗传算法采用实数编码；遗传算法复制、交叉、变异算子的参数如下：染色体长度为100，种群大小为10，交叉率为0.8，变异率为0.03；对每一代染色体进行复制、交叉和变异操作，直至得到最优解。

进一步的，所述糊控制器采用两输入、三输出Mamdani控制器。

本发明的有益效果在于：

本发明提供的健身康复车尤其适用于下肢受到损伤，需要康复治疗的人群，结合了主动和被动两种锻炼方式，适用于康复训练的各个阶段：当患者进行恢复锻炼初期，可以进行被动训练，由康复车提供动力，带动患者下肢进行锻炼；恢复训练后期时，则进行主动训练，康复车提供阻力，患者主动发力进行锻炼。同时采用了虚拟现实技术，通过倾斜摄影方法进行建模，获得真实的场景，让患者拥有沉浸式体验，增加康复训练的趣味性。本次发明提供的健身康复车采用了更加精确的电机控制方法，相比传统的方法，可以提供更稳定的转速，在发生意外情况时可以更好地制动，适宜进一步推广应用。

附图说明

图1为GFPC模块结构框图；

图2为PID控制器的变量增益ΔK_p，ΔK_i，ΔK_d及误差e和误差变化率e_c的隶属函数分布示意图；

图3为染色体编码示例图；

图4为PID控制模型示意图；

图5为基于虚拟现实的健身康复车控制系统示意图；

图6、图7为虚拟现实场景效果图；

图8为基于虚拟现实的健身康复车控制系统使用状态示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，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，都属于本发明保护的范围。

一种基于虚拟现实的健身康复车控制方法，包括主动训练与被动训练模式，主动训练模式下健身康复车电机提供阻力；被动训练模式下，健身康复车电机提供动力；该控制方法进一步包括：

a)获取用户骑行速度及用户状态数据；其中用户状态数据包括体温、心率等。

b)根据用户的骑行速度调节虚拟现实场景的变化速度；即健身康复车骑行时，虚拟现实场景也随之变化，骑行速度越快场景变化速度也越快。其中，VR设备中虚拟现实场景采用倾斜摄影的方式通过从一个垂直、四个倾斜、五个不同的视角同步采集影像，获取到丰富的建筑物顶面及侧视的高分辨率纹理对现实场景如大雁塔，万佛寺等景区进行3D建模，体验感更加真实。

c)根据场景中的路况，调节健身康复车的骑行状态；主动训练模式下，当场景中为平路路段时，健身康复车的电机提供预设阻力；当场景中出现上坡路段时，健身康复车电机阻力增大；当场景中出现下坡路段时，健身康复车电机阻力减小；被动训练模式下，当场景中为平路路段时，健身康复车的电机提供预设转速；当场景中出现上坡路段时，健身康复车电机转速降低；当场景中出现下坡路段时，健身康复车电机转速提升。模拟真实的室外骑行效果。

d)将用户状态数据如体温、心率等发送至VR设备上并呈现至虚拟现实场景中，患者可以随时观察到自己的训练情况。

本发明中健身康复车选取直流无刷电机作为主控电机，无刷直流电机由电动机主体和驱动器组成，是一种典型的机电一体化产品。

本次发明进一步改善了直流无刷电机的控制器，提高了直流无刷电机的响应速度，使健身康复车使用体验更好，速度调节更加流畅。

把电机的三相电流作为状态变量，以无刷直流电机的基本原理为依据，则三相绕组电压方程为

其中：Ua，Ub，Uc为电机三相绕组的相电压；R_a，R_b，R_c为电机三相绕组的相电阻﹔L_a，L_b，L_c为电机三相绕组的自感；L_ab，L_ac，L_bc，L_ba，L_cb为三相定子绕组间的互感；i_a，i_b，i_c为电机三相绕组的相电流；ea，eb，ec为电机三相绕组的相反电动势。在无刷直流电机中，R_a＝R_b＝R_c＝R，R为绕组的相电阻；L_a＝L_b＝L_c＝L，L为绕组的自感；L_ab＝L_ac＝L_bc＝L_ba＝L_ca＝L_cb＝M，M为定子绕组间互感。则式(1)可表示为

在对称的Y型连接三相绕组中：

ia+ib+ic＝0， (3)

式(2)可简化为

定子绕组产生的电磁转矩方程为：

Te＝(e_ai_a+e_bi_b+e_ci_c)/ω (5)

其中，ω为电机机械角速度；Te为电磁转矩，定子绕组感应电动势为

其中，P为电机极对数；N为总导体数；

为主通磁。

通过公式(6)可知，直流无刷电机的转速与电压成正比，通过控制器调节直流无刷电机的电压来达到调节转速的目的。

上述健身康复车电机为直流无刷电机，其控制方法包括以下步骤：

1)建立电机的PID控制模型，具体为：

参照附图4所示，通过霍尔传感器获取电机的实际转速，将参考转速(即目标转速)与实际转速对比，得到差值，进行比例积分微分运算，得到实际的电压输出值。其中，实际的电压输出值定义为：

其中：K_p为比例增益；K_i为积分系数﹔K_d为微分系数﹔e为调节器偏差输入信号。

2)引入模糊控制的方式对PID控制模型进行改进，具体为：

电机实际转速与设定目标转速进行比较并采样，得出采样误差，将采样误差e和误差变化率作为模糊控制器的输入量，输入数值量经过比例因子和隶属度函数映射为模糊量，然后根据模糊规则库得到相应的输出模糊量，再经过清晰化得到输出数值增量ΔK_P，ΔK_I，ΔK_d，在线与PID初始参数累加，最终输出使系统有较好稳态与动态性能的PID参数。在实际运行中，每次采样模糊控制都会对PID参数进行一次在线调整，直至达到稳定状态。

3)在模糊控制的基础上，通过遗传算法对模糊控制中的隶属度函数和模糊规则进行在线迭代，直至得到最优控制量；

4)将步骤3)中得到的最优控制量输出给电机驱动模块，电机驱动模块输出电压驱动电机运转。电压输出值定义为：

K_p1＝ΔK_p*K_p,K_i1＝ΔK_i*K_i,K_d1＝ΔK_d*K_d

其中，K_p为比例增益；K_i为积分系数；K_d为微分系数；e为调节器偏差输入信号。

步骤3)中遗传算法基于进化理论，为搜索大而复杂的解空间提供了一种接近最优解、避免局部极小值的有效方法，因此广泛应用于模糊控制器参数优化中。针对模糊PID控制器的隶属度函数和模糊控制规则无依据确定问题，本文采用一种改进的遗传优化算法对模糊控制器的隶属度函数和模糊规则进行在线迭代，直至得到最优隶属度函数和模糊规则。

1、实数编码通常可用不同的编码方法，如二进制编码或实数编码定义优化问题的搜索参数字符串，在GFPC中，选择实数编码，将规则和隶属度函数转换为实数字符串，并将这些字符串串联成一个表示可能解的染色体，对该染色体进行遗传操作，得到模糊逻辑控制器的最优参数。在GFPC中，用三角形隶属函数，可表示为

其中：a，b为三角形底边坐标；c为三角形顶点坐标。a，b，c三点决定了三角形的形状，因此选择对其进行优化。PID控制器的变量增益ΔK_p，ΔK_i，ΔK_d及误差e和误差变化率e_c的隶属函数分布如图2所示。

由图2可见，-3<x₁<x₂<x₃<x₄<x₅<3，{x₁,x₂,x₃,x₄,x₅}表示编码字符串，定义论域上[-3,-2,-1,0,1,2,3]对应实数编码1～7，编码字符串(S1,S2,S3,S4,S5)可表示为5个满意的元素

两输入、三输出模糊逻辑控制器的隶属函数编码长度为5×5＝25.采用这种编码方法，经过交叉和变异操作后，染色体可按递增的顺序排列，避免了大量无效的编码串。此外，x₁，x₂，x₃，x₄，x₅的值经过遗传处理后仍在宽度范围内。模糊控制规则的编码也采用实数编码，每个模糊规则参数被编码成一个实数，其范围为1～5，定义1＝NB，2＝NS，3＝Z，4＝PS，5＝PB进行编码，本文考虑的规则有25个参数，将所有编码参数串联产生的编码字符串形成一条染色体，每条染色体在群体中指定一个个体编号，染色体编码示例如图3所示。每条染色体的评估都基于一个适应度函数，该函数允许评估、鉴别和分类个体。

2、适应度函数适应度函数用于评估个体对解决方案的适合程度，因此适应度值高的个体具有良好的性能及较高遗传给下一代的概率。为找到调整参数的最优值，将积分绝对误差性能指标作为目标函数，从而将基于积分绝对误差最小化的适应度函数描述为

其中额e(t)为t时刻的速度误差.由于误差时间积分(IAE)值相对较小，因此对适应度值进行缩放，以区分计算适应度值的个体.

3、遗传算子在遗传算法中，为生成最优的下一代，基于相关算子，对当前代依次进行复制、交叉和变异操作。复制算子的作用是从当前一代中选出一些优秀个体，并将其复制到下一代。通过基于种群多样性评价和适应度函数值度量相结合的改进繁殖算子寻找最优个体。

4、模糊控制器的参数优化遗传算法复制、交叉、变异算子的参数如下：编码方法采用实数编码，染色体长度为100，种群大小为10，交叉率为0.8，变异率为0.03.对每一代染色体进行复制、交叉和变异操作，直至得到最优解。

运用上述技术方案可显著的改进直流无刷电机在低速运转情况下的速度。采用上述电机控制方法可以在健身康复车中取得良好的转速控制效果。在被动训练时(即电机提供动力带动用户进行运动)，可以在更短的时间内形成更平滑的制动效果，受到扰动时，仅需0.002秒就可以恢复平稳运行状态。

参照附图5-8所示，本实施例还提供一种基于虚拟现实的健身康复车控制系统，包括虚拟现实模块、传感器模块、控制单元、通信模块与健身康复车；

所述健身康复车包括电机驱动模块，电机驱动模块用于控制健身康复车电机，被动训练模式(即康复模式)下控制电机的转速，主动训练模式(即健身模式)下控制电机提供阻力的大小；

所述通信模块，用于健身康复车、虚拟现实模块、传感器模块与控制单元间的通信；

所述虚拟现实模块，使用倾斜摄影技术进行建模，并利用VR头戴设备以提供虚拟现实场景；

所述传感器模块，用于获取骑行速度及用户状态数据；

所述控制单元，其加载上述基于虚拟现实的健身康复车控制方法，用于根据用户的骑行速度调节虚拟现实场景的变化速度，同时根据场景中的路况，调节健身康复车的骑行状态，并将用户状态数据发送到虚拟现实模块呈现至虚拟现实场景中，以便患者可以随时观察到自己的训练情况。

其中，健身康复车还包括GFPC模块，健身康复车电机选用直流电机，GFPC模块输出电压驱动直流电机进行转动；

参照附图1所示，GFPC模块由模糊控制器与PID控制器组成，GFPC模块加载有如下方法：

将目标转速ω_ref输入GFPC，PID控制器输出控制信号，再输入到无刷直流电机，得到实际转速ω_m；遗传算法对模糊控制器的隶属度函数及模糊规则进行优化，模糊控制器采用两输入、三输出Mamdani控制器，输入为转速误差e及误差变化率e_c，输出为PID增益变化△K_p，△K_i，△K _d，PID增益变化△K_p，△K_i，K_d输入到PID控制器，结合运算得出控制电压u_PID为：

K_p1＝ΔK_p*K_p,K_i1＝ΔK_i*K_i,K_d1＝ΔK_d*K_d

其中，K_p为比例增益；K_i为积分系数；K_d为微分系数；e为调节器偏差输入信号。

进一步的，遗传算法采用实数编码；遗传算法复制、交叉、变异算子的参数如下：染色体长度为100，种群大小为10，交叉率为0.8，变异率为0.03；对每一代染色体进行复制、交叉和变异操作，直至得到最优解。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于虚拟现实的健身康复车控制方法，其特征在于，包括：

a)获取用户骑行速度及用户状态数据；

b)根据用户的骑行速度调节虚拟现实场景的变化速度；

c)根据场景中的路况，调节健身康复车的骑行状态；

d)将用户状态数据呈现至虚拟现实场景中。

2.根据权利要求1所述的一种基于虚拟现实的健身康复车控制方法，其特征在于，所述用户状态数据包括但不限于体温、心率、已消耗卡路里。

3.根据权利要求1所述的一种基于虚拟现实的健身康复车控制方法，其特征在于，所述虚拟现实场景采用倾斜摄影的方式通过从一个垂直、四个倾斜、五个不同的视角同步采集影像并进行建模。

4.根据权利要求1所述的一种基于虚拟现实的健身康复车控制方法，其特征在于，包括主动训练与被动训练模式，主动训练模式下健身康复车电机提供阻力；被动训练模式下，健身康复车电机提供动力。

5.根据权利要求4所述的一种基于虚拟现实的健身康复车控制方法，其特征在于，主动训练模式步骤c)具体为：

当场景中为平路路段时，健身康复车的电机提供预设阻力；当场景中出现上坡路段时，健身康复车电机阻力增大；当场景中出现下坡路段时，健身康复车电机阻力减小；

被动训练模式步骤c)具体为：

当场景中为平路路段时，健身康复车的电机提供预设转速；当场景中出现上坡路段时，健身康复车电机转速降低；当场景中出现下坡路段时，健身康复车电机转速提升。

6.根据权利要求5所述的一种基于虚拟现实的健身康复车控制方法，其特征在于，所述健身康复车电机为直流无刷电机，其控制方法包括以下步骤：

1)建立电机的PID控制模型；

2)引入模糊控制的方式对PID控制模型进行改进；

3)在模糊控制的基础上，通过遗传算法对模糊控制中的隶属度函数和模糊规则进行在线迭代，直至得到最优控制量；

4)将步骤3)中得到的最优控制量输出给电机驱动模块，电机驱动模块输出电压驱动电机运转。

7.根据权利要求6所述的一种基于虚拟现实的健身康复车控制方法，其特征在于，步骤1)建立电机的PID控制模型，具体为：

通过霍尔传感器获取电机的实际转速，将设定目标转速与实际转速对比，得到差值，进行比例积分微分运算，得到实际的电压输出值；其中，实际的电压输出值定义为：

其中：Kp为比例增益；Ki为积分系数﹔Kd为微分系数﹔e为调节器偏差输入信号。

8.根据权利要求5所述的一种基于虚拟现实的健身康复车控制方法，其特征在于，步骤2)引入模糊控制的方式对PID控制模型进行改进，具体为：

电机实际转速与设定目标转速进行比较并采样，得出采样误差，将采样误差e和误差变化率作为模糊控制器的输入量，输入数值量经过比例因子和隶属度函数映射为模糊量，然后根据模糊规则库得到相应的输出模糊量，再经过清晰化得到输出数值增量ΔKP，ΔKI，ΔKd，在线与PID初始参数累加，最终输出使系统有较好稳态与动态性能的PID参数，在实际运行中，每次采样模糊控制都会对PID参数进行一次在线调整，直至达到稳定状态；

步骤3)中遗传算法采用实数编码；遗传算法复制、交叉、变异算子的参数如下：染色体长度为100，种群大小为10，交叉率为0.8，变异率为0.03；对每一代染色体进行复制、交叉和变异操作，直至得到最优解；

步骤4)中电压输出值定义为：

K_p1＝ΔK_p*K_p,K_i1＝ΔK_i*K_i,K_d1＝ΔK_d*K_d

其中，Kp为比例增益；Ki为积分系数；Kd为微分系数；e为调节器偏差输入信号。

9.一种基于虚拟现实的健身康复车控制系统，其特征在于，包括虚拟现实模块、传感器模块、控制单元、通信模块与健身康复车；

所述健身康复车包括电机驱动模块，电机驱动模块用于控制健身康复车电机，被动训练模式下控制电机的转速，主动训练模式下控制电机提供阻力的大小；

所述通信模块，用于健身康复车、虚拟现实模块、传感器模块与控制单元间的通信；

所述虚拟现实模块，使用倾斜摄影技术进行建模，并利用VR头戴设备以提供虚拟现实场景；

所述传感器模块，用于获取骑行速度及用户状态数据；

所述控制单元，用于其加载有权利要求1-5之一基于虚拟现实的健身康复车控制方法，用于根据用户的骑行速度调节虚拟现实场景的变化速度，同时根据场景中的路况，调节健身康复车的骑行状态，并将用户状态数据发送到虚拟现实模块呈现至虚拟现实场景中。

10.根据权利要求9所述的一种基于虚拟现实的健身康复车控制系统，其特征在于，所述健身康复车还包括GFPC模块，所述电机选用直流电机，GFPC模块输出电压驱动直流电机进行转动；

所述GFPC模块由模糊控制器与PID控制器组成，所述GFPC模块加载有如下方法：

将目标转速ωref输入GFPC，PID控制器输出控制信号，再输入到无刷直流电机，得到实际转速ωm；遗传算法对模糊控制器的隶属度函数及模糊规则进行优化，模糊控制器输入为转速误差e及误差变化率ec，输出为PID增益变化△Kp，△Ki，△Kd，PID增益变化△Kp，△Ki，Kd输入到PID控制器，结合运算得出控制电压uPID为：

K_p1＝ΔK_p*K_p,K_i1＝ΔK_i*K_i,K_d1＝ΔK_d*K_d

其中，Kp为比例增益；Ki为积分系数；Kd为微分系数；e为调节器偏差输入信号；

所述遗传算法采用实数编码；遗传算法复制、交叉、变异算子的参数如下：染色体长度为100，种群大小为10，交叉率为0.8，变异率为0.03；对每一代染色体进行复制、交叉和变异操作，直至得到最优解。

Images