《膝上型假肢的运动意图识别与控制》由会员分享,可在线阅读,更多相关《膝上型假肢的运动意图识别与控制(15页珍藏版)》请在金锄头文库上搜索。
1、膝上型假肢的运动意图识别与控制 宣伯凯 刘作军 陈玲玲 杨鹏 河北工业大学控制科学与工程学院 河北工业大学智能康复装置与检测技术教育部工程研究中心 摘 要: 根据不同路况条件和典型步速的笛卡尔积组合, 利用装配在残肢侧的陀螺仪、加速度计和足底前后的压力传感器的信息, 通过相关性系数分析、传感器融合、隐马尔可夫模型的方法, 判断假肢使用者的运动意图.以健肢运动状态为参考值, 利用迭代学习控制分别建立不同路况和步速情况下的控制知识数据库.通过传感器的关键状态变化信号驱动有限状态机状态转换, 输出控制知识库中的控制量, 实现假肢膝关节在不同路况、步速条件下对步态相位的控制.针对控制过程中出现的输出量
2、实时偏差, 采取了在线校正措施.对于有限状态机输出控制数据序列在时间同步上的超前和滞后问题, 采取了相应的保持和补偿措施.结果表明, 经隐马尔可夫模型处理后路况判断准确率可提升到 91.7%, 基于数据驱动的无模型控制方法能够实现对不同路况、步速下假肢步态的有效控制.关键词: 假肢; 运动意图; 迭代学习控制; 有限状态机; 作者简介:宣伯凯 (1984) , 男, 博士生;作者简介:杨鹏 (联系人) , 男, 博士, 教授, 博士生导师, .收稿日期:2017-06-30基金:国家自然科学基金资助项目 (61703135, 61773151) Motion intention recogni
3、tion and control of above knee prosthesisXuan Bokai Liu Zuojun Chen Lingling Yang Peng School of Control Science and Engineering, Hebei University of Technology; Abstract: According to the combination of different terrains and walking speeds in the way of Cartesian product, a motion intention recogn
4、izer for amputee was presented.The sensor system was composed of an accelerometer, a gyroscope mounted on the prosthetic socket, and two pressure sensors mounted under the sole.The motion intention was inferred by intra-class correlation coefficient, sensor fusion and hidden Markov model.And a flexi
5、ble iterative learning control (ILC) was proposed to build an experience database for the control of knee joint in prosthesis.And the motion state of the healthy knee was set as the learning sample in ILC.Furthermore, the sensor signals of the state transition were used to drive a finite state machi
6、ne (FSM) .The control experience in the knowledge database was output to control the stride phase according to the terrain, and speed.Besides, an online correction was adopted to reduce the real-time errors in the output axis.Moreover, to regulate the output sequence lead and lag in time axis, an ou
7、tput holder and a compensator were used.The experimental results show that the accuracy of the terrain recognition using the hidden Markor model is improved by 91.7%.Thus, the model-free control method is effective for prosthesis gait control of prosthesis according to the terrain and speed.Keyword:
8、 prosthesis; motion intention; iterative learning control; finite state machine; Received: 2017-06-30下肢假肢具有辅助截肢者运动的重要作用, 假肢的动作必须与使用者的运动意图相协调, 因此假肢膝关节控制器的关键问题首先是使用者运动意图的识别问题.下肢运动意图的信息可通过使用非侵入式传感器测量表面肌电、足底接触力、关节运动角度和加速度等获得, 也可以通过植入式电极检测外周神经、中枢神经信号而获得.在信号分析方面, 文献1-2针对表面肌电信号使用 QDA 方法设计了膝关节屈伸动作的分类器;文献3-4
9、针对表面肌电和足底压力信息分别使用了支持向量机和 LDA 方法完成运动模式的识别;文献5通过建立高斯混合模型实现了站-立-走 3 种运动模式的判断;文献6通过训练方法提高了运动模式转换的识别率.与人体运动意图相协调是假肢膝关节控制的另一个关键问题.目前一般采用健肢步态还原步行姿态7、基于迭代学习实现假肢步速跟随8、通过 CLM R 建立映射函数输出运动状态9、自适应 CPG 控制器产生运动控制信息10、有限状态机实现膝关节的力矩控制11, 以及通过设计基于阻抗控制的有限状态机12-13实现假肢的主动运行.伴随假肢控制原理研究的发展, 假肢制作与控制技术的进步使假肢性能得到极大提升, 但通过调节
10、阻尼进行膝关节控制的被动型假肢, 不能提供助力和主动调节.2009 年, Ossur 公司研制的 Power Knee 能够根据不同路况, 控制致动器刺激使用者的残肢肌肉带动假肢同步运动, 被认为是世界上第一款主动型膝上假肢.近年来, 利用复杂传感器系统研制的智能仿生膝关节产品能够更灵敏地检测步态信息, 提供更准确的运动模式和支撑力调节, 代表产品有 Otto Bock 公司的 Genium 智能仿生膝关节、Ossur 公司的 Rheo Knee3 仿生膝关节和Blatchford Endolite 公司的 Orion2 智能仿生假肢等.国内智能假肢研制在近30 年的发展中同样取得了长足的进步
11、.清华大学率先展开了智能假肢相关理论与技术的研究, 设计了利用肌电信号识别路况的多连杆智能假肢.许多科研团队在假肢控制领域的研究在不断扩展, 设计了多款智能假肢原型样机.在智能假肢控制方案中, 通过人体神经信号或表面肌电信号 s EMG 获取运动意图和膝关节控制量, 具有直接反映人体行为变化规律、可实现多模式交互控制等优点.但神经信号难以直接测取, 手术装配困难, 而残肢 s EMG 信号则具有明显的个体特异性, 且会随着人的体征变化而变化, 直接影响了动作识别的准确率14.此外, 表面电极在使用过程中因电极滑移松动、出汗、s EMG 信号微弱易受干扰等问题, 使采集到的信号具有很大随机性15
12、.受限于神经/机电系统之间信息交互上的技术瓶颈, 出于安全性、成本等因素, 在现阶段的可行性难以保证.与外骨骼和帕金森患者的康复辅具不同, 通过表面肌电信号控制的假肢, 还会因为不同截肢者肌肉残留和萎缩程度上的差异, 其控制参数不具备通用性, 假肢的安装、试穿、适应过程都会很长, 增加了康复工程师的劳动强度.因此, 本文利用惯性传感器和压力传感器检测运动状态信息, 并通过相关性系数、传感器融合、隐马尔可夫模型的方法对运动意图实现了准确的预识别, 同时采取基于迭代学习控制和有限状态机的方法对假肢进行控制.1 假肢系统与控制方法为提高假肢在不同路况和步速下的协调性与适应性, 本文提出的膝上型假肢系
13、统包括下肢运动意图识别与假肢膝关节控制策略 2 个部分, 如图 1 所示.肢体健全的人能够依据路况自然地调整步态, 对于假肢穿戴者, 假肢关节运动应与穿戴者运动意图一致, 执行协调的步态控制才能保障运动的平稳和舒适.健肢信息虽然能够比假肢信息更利于下肢运动的分析, 但通过问卷调查, 绝对多数的截肢者对在健肢侧安装传感器和引线表示“心理上不能接受”, 因此将加速度传感器和陀螺仪装配在假肢接受腔上检测人体残肢的运动状态, 并在足底前后 2个区域安装压力传感器判断步态相位.图 1 假肢控制系统 下载原图为抑制人体行走过程的震动干扰, 采用小波分析对传感器信号进行去噪.在对信号进行标定和归一化后, 分
14、别对加速度传感器和陀螺仪信号与标准运动状态的模板信号进行相关性分析, 并进一步通过传感器融合、隐马尔可夫模型的方法提高路况判断的准确率.在运动意图识别的基础上, 根据不同路况和步速下膝关节的运动曲线, 利用行走过程中膝关节运动的周期性和重复性特征, 运用迭代学习控制方法, 针对快速、中速、慢速 3 种类别步速, 分别建立平地和上、下楼梯 3 种行走模式下的所需控制量经验知识库.设计有限状态机控制器, 以运动参数信号作为触发条件控制状态转移, 分步态相位调用知识库中控制量输出, 同时采取必要的实时校正和补偿调节, 驱动电机控制动力型假肢膝关节的摆动或者调节被动型假肢阻尼气缸的阀门开度, 实现下肢
15、假肢的协调控制.2 运动意图识别2.1 下肢运动信息采集行走过程中, 截肢者大腿残肢的运动信息是人体运动意图的直接体现, 关节转动角度与肢体运动的加速度信息能够直接反映人体的运动意图, 而假肢足底压力的变化则能够为步速以及相位识别提供依据.因此, 本文采用陀螺仪、加速度传感器、压力传感器采集残肢侧的运动信息.在信号采集过程中, 由于肢体摆动、与地面的接触造成的震动和电磁噪声给信号带来了干扰, 因此首先要对传感器数据进行滤波处理.针对行走运动的低频段特性, 采用小波阈值法去噪, 并对重构信号进行信号零校准.竖直加速度信号处理如图 2 所示.2.2 步态相位与步速的识别行走是一种周期运动, 由连续
16、的步态周期构成.通常, 一个步态周期由支撑期和摆动期 2 个相位阶段构成.支撑期又可以进一步划分成支撑前期、中期和后期.将承重情况下的足底压力开关状态标记为 1, 则 4 个相位阶段可根据前脚掌与脚后跟的压力开关状态编码依次表示为 01, 11, 10, 00.图 2 传感器信号处理 下载原图在支撑期, 借助地面支撑力的作用, 假肢穿戴者可通过增强残肢侧髋关节运动完成对假肢步态的相位控制.因此, 可以利用假肢的足底压力信号作为支撑中期和后期开始与结束的判断信号.对于其他相位阶段的判断, 患者穿戴下肢假肢行走, 假肢的运动效果会影响膝下传感器信号的测量, 而传感器信号状态的测量反过来又会影响对假肢运动的实际控制.为避免这种双向交互影响, 对假肢穿戴者行走过程的相位划分, 应该通过人体残肢的运动信息分析, 才能反映出人体真实的主观运动意图.当残肢竖直方向加速度处于波谷时, 支撑中期开始, 如图3 所示;当残肢水平方向加速度处于波谷时, 支撑末期开始, 如图