CN115579135A - 一种外骨骼助力效果评价方法以及装置 - Google Patents

一种外骨骼助力效果评价方法以及装置 Download PDF

Info

Publication number
CN115579135A
CN115579135A CN202211045517.3A CN202211045517A CN115579135A CN 115579135 A CN115579135 A CN 115579135A CN 202211045517 A CN202211045517 A CN 202211045517A CN 115579135 A CN115579135 A CN 115579135A
Authority
CN
China
Prior art keywords
exoskeleton
state
efficiency
pressure
effect evaluation
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
Application number
CN202211045517.3A
Other languages
English (en)
Inventor
胡源渊
刘瑞达
张利剑
刘昊
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.)
Beijing Machinery Equipment Research Institute
Original Assignee
Beijing Machinery Equipment Research Institute
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 Beijing Machinery Equipment Research Institute filed Critical Beijing Machinery Equipment Research Institute
Priority to CN202211045517.3A priority Critical patent/CN115579135A/zh
Publication of CN115579135A publication Critical patent/CN115579135A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/329—Load diagnosis, e.g. cardiac stress tests
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • 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]
    • A61B5/397—Analysis of electromyograms
    • 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
    • A61B5/4866—Evaluating metabolism
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Cardiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Obesity (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Pulmonology (AREA)
  • Power Engineering (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本公开是关于一种外骨骼助力效果评价方法、装置、电子设备以及存储介质。其中，该方法包括：基于心肺监测模块、心电监测模块、血氧血压监测模块、肌电监测模块、压力监测模块、数据通讯模块，同步监测穿戴者的呼吸、血氧、血压、心电、肌电等多模态数据，并通过助力效果评价模块实现对外骨骼助力效果的评价。本公开通过对穿戴外骨骼前、后的状态分别进行综合辨识评价，并通过差异性分析对助力效果给出客观的评价，为外骨骼助力效果评价提供一套可靠、有效的手段。

Description

一种外骨骼助力效果评价方法以及装置
技术领域
本公开涉及外骨骼应用与作用评估领域，具体而言，涉及一种外骨骼助力效果评价方法、装置、电子设备以及计算机可读存储介质。
背景技术
外骨骼或称动力外骨骼(Powered exoskeleton)，是一种由钢铁的框架构成并且可让人穿上的机器装置，这个装备可以提供额外能量来供四肢运动。别称：强化服、动力服(Power Suit)、动力装甲(Power armor或Powered armor)、Exoframe、Hardsuit或Exosuit等。动力外骨骼除了能够增强人体能力的这一基本功能外，还要具有良好的防护性、对复杂环境的适应性以及辅助火力、通信、侦查支持等军用功能。动力服是设计成用来保护穿戴者的，例如为了保护军人或建筑工作人员而设计，或设计用来进行救援身处险境的人员上。广泛一些的用途则是用来做为义肢与帮助老弱者行动。其它的用途则是用来进行救援行动，就像在一栋要倒塌的建筑物里，这个装置可以提供给工人很大的力量来举起重物，同时保护它不被落下的碎石砸伤。
目前现有外骨骼助力效果评价装置，主要为呼吸监测系统，通过对使用者穿戴外骨骼以及不穿戴外骨骼耗氧量的差异性来进行外骨骼助力效果评价，具有评价指标单一、准确率不高等缺点。
因此，需要一种或多种方法解决上述问题。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种外骨骼助力效果评价方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面，提供一种外骨骼助力效果评价方法，包括：
基于心肺监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述呼吸气体含量值计算摄氧量表征值，基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率；
基于心电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数，将所述心电参数基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述心电参数计算心率变异性参数，基于所述心率变异性参数计算所述外骨骼的心电监测助力效率；
基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度，将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血氧饱和度计算血氧标准差，基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率；基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据，将所述血压数据基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血压数据计算预设时间段的平均血压压力区间，基于所述预设时间段的平均血压压力区间计算所述外骨骼的运动强度，基于所述运动强度计算所述外骨骼的运动强度助力效率；
基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号，将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述肌电信号分别计算中值频率、肌电信号均方根值，基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率，基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率；
基于压力监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号，将所述肩部压力信号、足底压力信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块分别基于所述肩部压力信号、足底压力信号计算肩部压力、足底支撑力，基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率、足底压力助力效率；
助力效果评价模块根据预设系数向量，基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率计算生成外骨骼助力效果评价值，完成对外骨骼助力效果的评价。
在本公开的一种示例性实施例中，所述方法还包括：
基于心肺监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，所述呼吸气体含量值包括摄氧量、二氧化碳摄入量、摄入气流量；
将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述呼吸气体含量值计算摄氧量表征值
Figure BDA0003822229920000031
基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率
Figure BDA0003822229920000032
其中，t为时间，t1、t2分别为测试起始、终止时间，(VO2)0为相同未穿戴外骨骼的平均耗氧量，(VO2)exo为相同工况下穿戴外骨骼的平均耗氧量，(VO2)S为同等时间下的静息耗氧量。
在本公开的一种示例性实施例中，所述方法还包括：
基于心电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数；
将所述心电参数基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述心电参数分别计算未穿戴外骨骼状态下心率变异性参数HRV0、未穿戴外骨骼状态下心率变异性参数HRVexo；
基于所述未穿戴外骨骼状态下心率变异性参数HRV0、未穿戴外骨骼状态下心率变异性参数HRVexo计算所述外骨骼的心电监测助力效率
Figure BDA0003822229920000041
在本公开的一种示例性实施例中，所述方法还包括：
基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度SpO2；
将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血氧饱和度计算血氧标准差
Figure BDA0003822229920000042
基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率
Figure BDA0003822229920000043
其中，RAVG为血氧饱和度平均值，N为采集样本中血氧数据总个数，Ri为第i个样本的血氧饱和度值，BOo为相同工况下未穿戴外骨骼的平均心率，BOexo为相同工况下穿戴外骨骼的平均心率。
在本公开的一种示例性实施例中，所述方法还包括：
基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据；
将所述血压数据基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血压数据计算500ms时间窗口内的收缩压Pmax、舒张压Pmin；
基于所述收缩压Pmax、舒张压Pmin计算的平均血压压力区间Pt＝Pmax为Pmin；
基于所述平均血压压力区间计算所述外骨骼的运动强度
Figure BDA0003822229920000051
基于所述运动强度计算所述外骨骼的运动强度助力效率
Figure BDA0003822229920000052
其中，P0为相同工况下未穿戴外骨骼的运动强度；Pexo为相同工况下穿戴外骨骼的运动强度。
在本公开的一种示例性实施例中，所述方法还包括：
基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号；
将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肌电信号基于20为450Hz带通滤波并计算中值频率
Figure BDA0003822229920000053
基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率
Figure BDA0003822229920000054
其中，PSD(f)为功率谱密度，f为肌电信号频率，f0为频率上限，即采样频率的一半，(MFb)exo为穿戴外骨骼测试后的肌电中值频率，(MFa)exo为穿戴外骨骼测试前的肌电中值频率，(MFb)0为未穿戴外骨骼测试后的肌电中值频率，(MFa)0为未穿戴外骨骼测试前的肌电中值频率。
在本公开的一种示例性实施例中，所述方法还包括：
基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号；
将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肌电信号基于20为450Hz带通滤波并计算肌电信号均方根值
Figure BDA0003822229920000061
基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率
Figure BDA0003822229920000062
其中，(RMS)exo为相同时间段穿戴外骨骼的肌肉肌电均方根值，(RMS)0为相同时间段未穿戴外骨骼的肌肉肌电均方根值。
在本公开的一种示例性实施例中，所述方法还包括：
基于压力监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号；
将所述肩部压力信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肩部压力信号、足底压力信号通过20Hz的低通滤波器进行滤波后计算肩部压力、足底支撑力
Figure BDA0003822229920000063
Figure BDA0003822229920000064
基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率
Figure BDA0003822229920000071
足底压力助力效率
Figure BDA0003822229920000072
其中，F为肩部压力，T为足底支撑力，Fexo为穿戴外骨骼的肩部压力，F0未穿戴外骨骼的肩部压力，Texo为穿戴外骨骼的足底支撑力，T0未穿戴外骨骼的足底支撑力。
在本公开的一种示例性实施例中，所述方法还包括：
助力效果评价模块基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率构建外骨骼效能特征评价向量
ρ＝[ρVO2 ρECG ρSPO2 ρBP ρMF ρMVC ρF ρT]；
根据预设系数向量K＝[KVO2 KECG KSPO2 KBP KMF KMVC KF KT]，基于
Ω＝KTρ
计算生成外骨骼助力效果评价值Ω，完成对外骨骼助力效果的评价。
在本公开的一个方面，提供一种外骨骼助力效果评价装置，包括：
心肺监测模块，所述心肺监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，并将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块；
心电监测模块，所述心电监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数，并将所述心电参数基于数据通讯模块发送至助力效果评价模块；
血氧血压监测模块，所述血氧血压监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度，并将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块；所述血氧血压监测模块还用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据，并将所述血压数据基于数据通讯模块发送至助力效果评价模块；
肌电监测模块，所述肌电监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号，并将所述肌电信号基于数据通讯模块发送至助力效果评价模块；
压力监测模块，所述压力监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号，并将所述肩部压力信号、足底压力信号基于数据通讯模块发送至助力效果评价模块；
数据通讯模块，所述数据通讯模块用于完成所述心肺监测模块、心电监测模块、血氧血压监测模块、肌电监测模块、压力监测模块与助力效果评价模块之间书数据处理与传输；
助力效果评价模块，所述助力效果评价模块用于基于所述呼吸气体含量值计算摄氧量表征值，基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率；基于所述心电参数计算心率变异性参数，基于所述心率变异性参数计算所述外骨骼的心电监测助力效率；基于所述血氧饱和度计算血氧标准差，基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率；基于所述血压数据计算预设时间段的平均血压压力区间，基于所述预设时间段的平均血压压力区间计算所述外骨骼的运动强度，基于所述运动强度计算所述外骨骼的运动强度助力效率；所述肌电信号分别计算中值频率、肌电信号均方根值，基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率；基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率；基于所述肩部压力信号、足底压力信号计算肩部压力、足底支撑力，基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率、足底压力助力效率；根据预设系数向量，基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率计算生成外骨骼助力效果评价值，完成对外骨骼助力效果的评价。
在本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。
本公开的示例性实施例中的一种外骨骼助力效果评价方法，其中，该方法包括：基于心肺监测模块、心电监测模块、血氧血压监测模块、肌电监测模块、压力监测模块、数据通讯模块，同步监测穿戴者的呼吸、血氧、血压、心电、肌电等多模态数据，并通过助力效果评价模块实现对外骨骼助力效果的评价。本公开通过对穿戴外骨骼前、后的状态分别进行综合辨识评价，并通过差异性分析对助力效果给出客观的评价，为外骨骼助力效果评价提供一套可靠、有效的手段。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的一种外骨骼助力效果评价方法的流程图；
图2示出了根据本公开一示例性实施例的一种外骨骼助力效果评价装置的示意框图；
图3示意性示出了根据本公开一示例性实施例的电子设备的框图；以及
图4示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中，首先提供了一种外骨骼助力效果评价方法；参考图1中所示，该一种外骨骼助力效果评价方法可以包括以下步骤：
步骤S110，基于心肺监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述呼吸气体含量值计算摄氧量表征值，基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率；
步骤S120，基于心电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数，将所述心电参数基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述心电参数计算心率变异性参数，基于所述心率变异性参数计算所述外骨骼的心电监测助力效率；
步骤S130，基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度，将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血氧饱和度计算血氧标准差，基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率；基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据，将所述血压数据基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血压数据计算预设时间段的平均血压压力区间，基于所述预设时间段的平均血压压力区间计算所述外骨骼的运动强度，基于所述运动强度计算所述外骨骼的运动强度助力效率；
步骤S140，基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号，将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述肌电信号分别计算中值频率、肌电信号均方根值，基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率，基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率；
步骤S150，基于压力监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号，将所述肩部压力信号、足底压力信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块分别基于所述肩部压力信号、足底压力信号计算肩部压力、足底支撑力，基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率、足底压力助力效率；
步骤S160，助力效果评价模块根据预设系数向量，基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率计算生成外骨骼助力效果评价值，完成对外骨骼助力效果的评价。
本公开的示例性实施例中的一种外骨骼助力效果评价方法，其中，该方法包括：基于心肺监测模块、心电监测模块、血氧血压监测模块、肌电监测模块、压力监测模块、数据通讯模块，同步监测穿戴者的呼吸、血氧、血压、心电、肌电等多模态数据，并通过助力效果评价模块实现对外骨骼助力效果的评价。本公开通过对穿戴外骨骼前、后的状态分别进行综合辨识评价，并通过差异性分析对助力效果给出客观的评价，为外骨骼助力效果评价提供一套可靠、有效的手段。
下面，将对本示例实施例中的一种外骨骼助力效果评价方法进行进一步的说明。
在本示例的实施例中，利用上述外骨骼助力效果评价装置能够实现对外骨骼助力效果的实时精确评价，其工作流程为：穿戴者佩戴心肺监测硬件、心电监测硬件、血氧血压硬件、肌电监测硬件压力监测硬件，并开始运动，心肺监测硬件实时采集穿戴者的摄氧量、二氧化碳、气流量等呼吸气体含量值并通过输出接口发送给心肺监测软件进行数据标记、滤波等预处理工作，并将处理后的数据发送给数据通讯模块；心电监测硬件实时采集穿戴者的心率值并通过输出接口发送给心电监测软件进行数据标记、滤波等预处理工作，并将处理后的数据发送给数据通讯模块；血氧血压硬件实时采集穿戴者的血氧、血压值并通过输出接口发送给血氧血压软件进行数据标记、滤波等预处理工作，并将处理后的数据发送给数据通讯模块；肌电监测硬件实时采集穿戴者的肌电值并通过输出接口发送给肌电监测软件进行数据标记、滤波等预处理工作，并将处理后的数据发送给数据通讯模块；压力监测硬件实时采集穿戴者的肩压力、足底压力值并通过输出接口发送给压力监测软件进行数据标记、滤波等预处理工作，并将处理后的数据发送给数据通讯模块；数据通讯模块将收集到的摄氧量、二氧化碳、气流量、心电、血氧、血压、肌电、肩压力、足底压力值等多模态数据进行滤波、排序、打包后发送给外骨骼助力效果评价软件，外骨骼助力效果评价软件接收打包的多模态数据进行解码操作，并通过评价算法给出助力效果评价结果。
在步骤S110中，可以基于心肺监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述呼吸气体含量值计算摄氧量表征值，基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率。
在本示例的实施例中，所述方法还包括：
基于心肺监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，所述呼吸气体含量值包括摄氧量、二氧化碳摄入量、摄入气流量；
将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述呼吸气体含量值计算摄氧量表征值
Figure BDA0003822229920000131
基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率
Figure BDA0003822229920000141
其中，t为时间，t1、t2分别为测试起始、终止时间，(VO2)0为相同未穿戴外骨骼的平均耗氧量，(VO2)exo为相同工况下穿戴外骨骼的平均耗氧量，(VO2)S为同等时间下的静息耗氧量。
在步骤S120中，可以基于心电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数，将所述心电参数基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述心电参数计算心率变异性参数，基于所述心率变异性参数计算所述外骨骼的心电监测助力效率。
在本示例的实施例中，所述方法还包括：
基于心电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数；
将所述心电参数基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述心电参数分别计算未穿戴外骨骼状态下心率变异性参数HRV0、未穿戴外骨骼状态下心率变异性参数HRVexo；
基于所述未穿戴外骨骼状态下心率变异性参数HRV0、未穿戴外骨骼状态下心率变异性参数HRVexo计算所述外骨骼的心电监测助力效率
Figure BDA0003822229920000142
在步骤S130中，可以基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度，将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血氧饱和度计算血氧标准差，基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率；基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据，将所述血压数据基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血压数据计算预设时间段的平均血压压力区间，基于所述预设时间段的平均血压压力区间计算所述外骨骼的运动强度，基于所述运动强度计算所述外骨骼的运动强度助力效率。
在本示例的实施例中，所述方法还包括：
基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度SpO2；
将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血氧饱和度计算血氧标准差
Figure BDA0003822229920000151
基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率
Figure BDA0003822229920000152
其中，RAVG为血氧饱和度平均值，N为采集样本中血氧数据总个数，Ri为第i个样本的血氧饱和度值，BOo为相同工况下未穿戴外骨骼的平均心率，BOexo为相同工况下穿戴外骨骼的平均心率。
在本示例的实施例中，所述方法还包括：
基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据；
将所述血压数据基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血压数据计算500ms时间窗口内的收缩压Pmax、舒张压Pmin；
基于所述收缩压Pmax、舒张压Pmin计算的平均血压压力区间Pt＝Pmax为Pmin；
基于所述平均血压压力区间计算所述外骨骼的运动强度
Figure BDA0003822229920000161
基于所述运动强度计算所述外骨骼的运动强度助力效率
Figure BDA0003822229920000162
其中，P0为相同工况下未穿戴外骨骼的运动强度；Pexo为相同工况下穿戴外骨骼的运动强度。
在步骤S140中，可以基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号，将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述肌电信号分别计算中值频率、肌电信号均方根值，基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率，基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率。
在本示例的实施例中，所述方法还包括：
基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号；
将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肌电信号基于20为450Hz带通滤波并计算中值频率
Figure BDA0003822229920000163
基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率
Figure BDA0003822229920000164
其中，PSD(f)为功率谱密度，f为肌电信号频率，f0为频率上限，即采样频率的一半，(MFb)exo为穿戴外骨骼测试后的肌电中值频率，(MFa)exo为穿戴外骨骼测试前的肌电中值频率，(MFb)0为未穿戴外骨骼测试后的肌电中值频率，(MFa)0为未穿戴外骨骼测试前的肌电中值频率。
在本示例的实施例中，所述方法还包括：
基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号；
将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肌电信号基于20为450Hz带通滤波并计算肌电信号均方根值
Figure BDA0003822229920000171
基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率
Figure BDA0003822229920000172
其中，(RMS)exo为相同时间段穿戴外骨骼的肌肉肌电均方根值，(RMS)0为相同时间段未穿戴外骨骼的肌肉肌电均方根值。
在步骤S150中，可以基于压力监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号，将所述肩部压力信号、足底压力信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块分别基于所述肩部压力信号、足底压力信号计算肩部压力、足底支撑力，基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率、足底压力助力效率。
在本示例的实施例中，所述方法还包括：
基于压力监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号；
将所述肩部压力信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肩部压力信号、足底压力信号通过20Hz的低通滤波器进行滤波后计算肩部压力、足底支撑力
Figure BDA0003822229920000181
Figure BDA0003822229920000182
基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率
Figure BDA0003822229920000183
足底压力助力效率
Figure BDA0003822229920000184
其中，F为肩部压力，T为足底支撑力，Fexo为穿戴外骨骼的肩部压力，F0未穿戴外骨骼的肩部压力，Texo为穿戴外骨骼的足底支撑力，T0未穿戴外骨骼的足底支撑力。
在步骤S160中，可以助力效果评价模块根据预设系数向量，基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率计算生成外骨骼助力效果评价值，完成对外骨骼助力效果的评价。
在本示例的实施例中，助力效果评价模块基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率构建外骨骼效能特征评价向量
ρ＝[ρVO2 ρECG ρSPO2 ρBP ρMF ρMVC ρF ρT]；
根据预设系数向量K＝[KVO2 KECG KSPO2 KBP KMF KMVC KF KT]，基于
Ω＝KTρ
计算生成外骨骼助力效果评价值Ω，完成对外骨骼助力效果的评价。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，在本示例实施例中，还提供了一种外骨骼助力效果评价装置。参照图4所示，该一种外骨骼助力效果评价装置400可以包括：心肺监测模块210、心电监测模块220、血氧血压监测模块230、肌电监测模块240、压力监测模块250、数据通讯模块260、助力效果评价模块270。其中：
心肺监测模块210，所述心肺监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，并将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块；
心电监测模块220，所述心电监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数，并将所述心电参数基于数据通讯模块发送至助力效果评价模块；
血氧血压监测模块230，所述血氧血压监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度，并将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块；所述血氧血压监测模块还用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据，并将所述血压数据基于数据通讯模块发送至助力效果评价模块；
肌电监测模块240，所述肌电监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号，并将所述肌电信号基于数据通讯模块发送至助力效果评价模块；
压力监测模块250，所述压力监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号，并将所述肩部压力信号、足底压力信号基于数据通讯模块发送至助力效果评价模块；
数据通讯模块260，所述数据通讯模块用于完成所述心肺监测模块、心电监测模块、血氧血压监测模块、肌电监测模块、压力监测模块与助力效果评价模块之间书数据处理与传输；
助力效果评价模块270，所述助力效果评价模块用于基于所述呼吸气体含量值计算摄氧量表征值，基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率；基于所述心电参数计算心率变异性参数，基于所述心率变异性参数计算所述外骨骼的心电监测助力效率；基于所述血氧饱和度计算血氧标准差，基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率；基于所述血压数据计算预设时间段的平均血压压力区间，基于所述预设时间段的平均血压压力区间计算所述外骨骼的运动强度，基于所述运动强度计算所述外骨骼的运动强度助力效率；所述肌电信号分别计算中值频率、肌电信号均方根值，基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率；基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率；基于所述肩部压力信号、足底压力信号计算肩部压力、足底支撑力，基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率、足底压力助力效率；根据预设系数向量，基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率计算生成外骨骼助力效果评价值，完成对外骨骼助力效果的评价。
上述中各一种外骨骼助力效果评价装置模块的具体细节已经在对应的一种外骨骼助力效果评价方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了一种外骨骼助力效果评价装置200的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图3来描述根据本发明的这种实施例的电子设备300。图3显示的电子设备300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：上述至少一个处理单元310、上述至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元310可以执行如图1中所示的步骤S110至步骤S130。
存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(ROM)3203。
存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备370(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器360通过总线330与电子设备300的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图4所示，描述了根据本发明的实施例的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (12)

1.一种外骨骼助力效果评价方法，其特征在于，所述方法包括：
基于心肺监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述呼吸气体含量值计算摄氧量表征值，基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率；
基于心电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数，将所述心电参数基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述心电参数计算心率变异性参数，基于所述心率变异性参数计算所述外骨骼的心电监测助力效率；
基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度，将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血氧饱和度计算血氧标准差，基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率；基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据，将所述血压数据基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血压数据计算预设时间段的平均血压压力区间，基于所述预设时间段的平均血压压力区间计算所述外骨骼的运动强度，基于所述运动强度计算所述外骨骼的运动强度助力效率；
基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号，将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述肌电信号分别计算中值频率、肌电信号均方根值，基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率，基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率；
基于压力监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号，将所述肩部压力信号、足底压力信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块分别基于所述肩部压力信号、足底压力信号计算肩部压力、足底支撑力，基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率、足底压力助力效率；
助力效果评价模块根据预设系数向量，基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率计算生成外骨骼助力效果评价值，完成对外骨骼助力效果的评价。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于心肺监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，所述呼吸气体含量值包括摄氧量、二氧化碳摄入量、摄入气流量；
将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述呼吸气体含量值计算摄氧量表征值
Figure FDA0003822229910000021
基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率
Figure FDA0003822229910000022
其中，t为时间，t1、t2分别为测试起始、终止时间，(VO2)0为相同未穿戴外骨骼的平均耗氧量，(VO2)exo为相同工况下穿戴外骨骼的平均耗氧量，(VO2)S为同等时间下的静息耗氧量。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于心电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数；
将所述心电参数基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述心电参数分别计算未穿戴外骨骼状态下心率变异性参数HRV0、未穿戴外骨骼状态下心率变异性参数HRVexo；
基于所述未穿戴外骨骼状态下心率变异性参数HRV0、未穿戴外骨骼状态下心率变异性参数HRVexo计算所述外骨骼的心电监测助力效率
Figure FDA0003822229910000031
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度SpO2；
将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血氧饱和度计算血氧标准差
Figure FDA0003822229910000032
基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率
Figure FDA0003822229910000033
其中，RAVG为血氧饱和度平均值，N为采集样本中血氧数据总个数，Ri为第i个样本的血氧饱和度值，BOo为相同工况下未穿戴外骨骼的平均心率，BOexo为相同工况下穿戴外骨骼的平均心率。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于血氧血压监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据；
将所述血压数据基于数据通讯模块发送至助力效果评价模块，所述效果评价模块基于所述血压数据计算500ms时间窗口内的收缩压Pmax、舒张压Pmin；
基于所述收缩压Pmax、舒张压Pmin计算的平均血压压力区间Pt＝Pmax为Pmin；
基于所述平均血压压力区间计算所述外骨骼的运动强度
Figure FDA0003822229910000041
基于所述运动强度计算所述外骨骼的运动强度助力效率
Figure FDA0003822229910000042
其中，P0为相同工况下未穿戴外骨骼的运动强度；Pexo为相同工况下穿戴外骨骼的运动强度。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号；
将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肌电信号基于20为450Hz带通滤波并计算中值频率
Figure FDA0003822229910000043
基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率
Figure FDA0003822229910000044
其中，PSD(f)为功率谱密度，f为肌电信号频率，f0为频率上限，即采样频率的一半，(MFb)exo为穿戴外骨骼测试后的肌电中值频率，(MFa)exo为穿戴外骨骼测试前的肌电中值频率，(MFb)0为未穿戴外骨骼测试后的肌电中值频率，(MFa)0为未穿戴外骨骼测试前的肌电中值频率。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于肌电监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号；
将所述肌电信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肌电信号基于20为450Hz带通滤波并计算肌电信号均方根值
Figure FDA0003822229910000051
基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率
Figure FDA0003822229910000052
其中，(RMS)exo为相同时间段穿戴外骨骼的肌肉肌电均方根值，(RMS)0为相同时间段未穿戴外骨骼的肌肉肌电均方根值。
8.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于压力监测模块分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号；
将所述肩部压力信号基于数据通讯模块发送至助力效果评价模块，所述效果评价模块对所述肩部压力信号、足底压力信号通过20Hz的低通滤波器进行滤波后计算肩部压力、足底支撑力
Figure FDA0003822229910000053
Figure FDA0003822229910000054
基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率
Figure FDA0003822229910000055
足底压力助力效率
Figure FDA0003822229910000056
其中，F为肩部压力，T为足底支撑力，Fexo为穿戴外骨骼的肩部压力，F0未穿戴外骨骼的肩部压力，Texo为穿戴外骨骼的足底支撑力，T0未穿戴外骨骼的足底支撑力。
9.如权利要求1所述的方法，其特征在于，所述方法还包括：
助力效果评价模块基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率构建外骨骼效能特征评价向量
ρ＝[ρVO2 ρECG ρSPO2 ρBP ρMF ρMVC ρF ρT]；
根据预设系数向量K＝[KVO2 KECG KSPO2 KBP KMF KMVC KF KT]，基于
Ω＝KTρ
计算生成外骨骼助力效果评价值Ω，完成对外骨骼助力效果的评价。
10.一种外骨骼助力效果评价装置，其特征在于，所述装置包括：
心肺监测模块，所述心肺监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的呼吸气体含量值，并将所述呼吸气体含量值基于数据通讯模块发送至助力效果评价模块；
心电监测模块，所述心电监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的心电参数，并将所述心电参数基于数据通讯模块发送至助力效果评价模块；
血氧血压监测模块，所述血氧血压监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血氧饱和度，并将所述血氧饱和度基于数据通讯模块发送至助力效果评价模块；所述血氧血压监测模块还用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的血压数据，并将所述血压数据基于数据通讯模块发送至助力效果评价模块；
肌电监测模块，所述肌电监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肌电信号，并将所述肌电信号基于数据通讯模块发送至助力效果评价模块；
压力监测模块，所述压力监测模块用于分别采集测试人员在未穿戴外骨骼状态下和穿戴外骨骼状态下的肩部压力信号、足底压力信号，并将所述肩部压力信号、足底压力信号基于数据通讯模块发送至助力效果评价模块；
数据通讯模块，所述数据通讯模块用于完成所述心肺监测模块、心电监测模块、血氧血压监测模块、肌电监测模块、压力监测模块与助力效果评价模块之间书数据处理与传输；
助力效果评价模块，所述助力效果评价模块用于基于所述呼吸气体含量值计算摄氧量表征值，基于所述摄氧量表征值计算所述外骨骼的心肺监测助力效率；基于所述心电参数计算心率变异性参数，基于所述心率变异性参数计算所述外骨骼的心电监测助力效率；基于所述血氧饱和度计算血氧标准差，基于所述血氧标准差计算所述外骨骼的疲劳状态助力效率；基于所述血压数据计算预设时间段的平均血压压力区间，基于所述预设时间段的平均血压压力区间计算所述外骨骼的运动强度，基于所述运动强度计算所述外骨骼的运动强度助力效率；所述肌电信号分别计算中值频率、肌电信号均方根值，基于所述中值频率计算所述外骨骼的肌肉疲劳程度助力效率；基于所述肌电信号均方根值计算所述外骨骼的肌肉激活度助力效率；基于所述肩部压力信号、足底压力信号计算肩部压力、足底支撑力，基于所述肩部压力、足底支撑力分别计算所述外骨骼的肩部压力助力效率、足底压力助力效率；根据预设系数向量，基于所述心肺监测助力效率、心电监测助力效率、疲劳状态助力效率、运动强度助力效率、肌肉疲劳程度助力效率、肌肉激活度助力效率、肩部压力助力效率、足底压力助力效率计算生成外骨骼助力效果评价值，完成对外骨骼助力效果的评价。
11.一种电子设备，其特征在于，包括
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至9中任一项所述方法。
CN202211045517.3A 2022-08-30 2022-08-30 一种外骨骼助力效果评价方法以及装置 Pending CN115579135A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211045517.3A CN115579135A (zh) 2022-08-30 2022-08-30 一种外骨骼助力效果评价方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211045517.3A CN115579135A (zh) 2022-08-30 2022-08-30 一种外骨骼助力效果评价方法以及装置

Publications (1)

Publication Number Publication Date
CN115579135A true CN115579135A (zh) 2023-01-06

Family

ID=84579562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211045517.3A Pending CN115579135A (zh) 2022-08-30 2022-08-30 一种外骨骼助力效果评价方法以及装置

Country Status (1)

Country Link
CN (1) CN115579135A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117138233A (zh) * 2023-08-29 2023-12-01 深圳市宏强兴电子有限公司 一种基于数据采集的中低频理疗仪控制方法及其系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117138233A (zh) * 2023-08-29 2023-12-01 深圳市宏强兴电子有限公司 一种基于数据采集的中低频理疗仪控制方法及其系统

Similar Documents

Publication Publication Date Title
CN106971059B (zh) 一种基于神经网络自适应健康监测的可穿戴设备
KR101814335B1 (ko) 안전도 계산 방법 및 장치
US11395634B2 (en) Estimating physiological states based on changes in CRI
US8622922B2 (en) Body-worn monitor for measuring respiration rate
Ranavolo et al. Surface electromyography for risk assessment in work activities designed using the “revised NIOSH lifting equation”
CN107080527B (zh) 一种基于可穿戴生命体征监测装置的精神状态监测方法
WO2022193850A1 (zh) 运动数据处理方法和运动监控系统
Forsyth et al. Feasibility of intelligent monitoring of construction workers for carbon monoxide poisoning
Lee et al. Correlation analysis between electrocardiography (ECG) and photoplethysmogram (PPG) data for driver’s drowsiness detection using noise replacement method
EP3346909A1 (en) Estimating physiological states based on changes in cri
CN104921715A (zh) 一种多参数生命体征测量装置
Cesareo et al. A novel acquisition platform for long-term breathing frequency monitoring based on inertial measurement units
Anwer et al. Test-retest reliability, validity, and responsiveness of a textile-based wearable sensor for real-time assessment of physical fatigue in construction bar-benders
JP6209783B2 (ja) 疲労度推定装置、疲労度表示装置、及びプログラム
CN115579135A (zh) 一种外骨骼助力效果评价方法以及装置
JP6945218B2 (ja) 使役犬による作業の効率を向上させるための方法およびシステム
CN105852863A (zh) 一种呼吸率测量方法及装置
CN115670901A (zh) 心肺复苏动作规范辅助方法、装置及佩戴设备
CN104107040B (zh) 呼吸分析显示系统及方法
Li et al. A novel single-lead handheld atrial fibrillation detection system
Caretti et al. Workplace breathing rates: defining anticipated values and ranges for respirator certification testing
Tumanggor et al. Energy Consumption of Workers in the Palm Fruit Calcium Inspection Process by Wearing Masks to Go Up and Down Stairs during the Pandemic
RU2091057C1 (ru) Способ непрерывного контроля психофизиологического состояния оператора в процессе управления движущимся объектом и система для его осуществления
Runtti et al. Biosignal processing methods to guide cardiac patients to perform safe and beneficial exercise for rehabilitation
Odame et al. Inferring copd severity from tidal breathing

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