[发明专利]步行器测力系统中的蚁群遗传融合标定方法

说明书

技术领域

本发明涉及辅具标定技术、生物信息提取，具体讲涉及步行器测力系统中的蚁群遗传融合标定方法及装置。

背景技术

由于自然灾害、交通事故的频发，以及社会老龄化的加剧，神经功能障碍或肢体损伤的范围逐年扩大。康复辅具如步行器、拐杖等的使用也越来越普遍。随之而来的就是康复辅具使用的安全性问题。

据调查显示，从2001年到2006年，美国每年约有47000人(不小于65岁)因为步行器和拐杖使用不当而摔伤。其中，87％是由步行器的使用不当造成的。可见，步行器，作为辅助患者运动的一种重要工具，却因为使用不当造成了患者的二次损伤，给患者心理和生理上造成了不良的影响。

对步行器力学参数的获取，可以实时监控使用者的运动状态，有效防止患者在使用步行器过程中的摔伤。鉴于此，很多学者为获取步行器的力学参数提出了不同的方法研究。

Adrezin等人的研究小组将应变片粘贴在步行器的四条腿上，测量轴向力、前后向力、以及中间向两侧的弯曲，借此研究在一个步态步行器和人体下肢承担力的相互作用。Deathe等人用安装在步行器上的应变片测量地反作用力。

1996年，英国University College London的Donalson和Yu首次提出了柄反作用矢量(Handle Reaction Vector，HRV)的概念，将患者在站立行走过程中对辅具的作用合成简化为集中载荷，分别用位于左右手柄中点横截面形心处的两个力学矢量来表示。HRV在三个轴上的分量就可以来表征辅具提供给患者的力平衡、力推进和力支持水平。其中，在手柄处定义坐标系中x，y，z轴的正向分别为患者的右向，前向，上向。HRV的具体公式如下：

HRV＝[F_1x，F_1y，F_1z，F_rx，F_ry，F_rz]^T    (1)

以往对HRV的测量，都是采用直接测量方法，即将应变片贴在步行器的手柄处，可以准确获取人体上肢力学信息。但是由于患者的手直接与应变片接触，应变片的输出会受到患者体温和湿度的影响，准确度降低；同时，应变片也会给患者带来不适，影响正常步态。

为了避免直接测量对结果的影响，可采用间接测量的方法，通过粘贴在步行器框架上的12路应变片传感器，测量患者施加在步行器手柄上的HRV。为得到这个六维力信息，需要建立一个转换矩阵或数学模型，即将由传感器得到的12路电压信号U＝[U₁，U₂，Λ，U₁₂]^T转换成HRV。转换矩阵C是一个6×12的矩阵，定义如下：

HRV＝C×U，(2)

前面已有人利用传统线性方法、人工神经网络、蚁群算法对步行器进行静态标定。其中，传统线性方法简单，且能够得到一个转换矩阵，便于实时转换监测；人工神经网络的结果更为精确，但不适于实时监测，因为其建立的是一个复杂模型，而无法得到转换矩阵；利用蚁群算法也可得到标定矩阵，而且结果要优于传统线性标定的方法。

但前述方法存在速度低，精度不高，不适于实时监测等缺点。

发明内容

为克服现有技术的不足，对已有方法进行改进，提供具备搜索效率高、收敛速度快的优点，能有效加快算法的运算速度，以获得更适用的标定结果的标定方法，为达上述目的，本发明采取的技术方案是，步行器测力系统中的蚁群遗传融合标定方法，通过粘贴在步行器框架上的12路应变片传感器，由传感器得到的12路电压信号U＝[U₁，U₂，Λ，U₁₂]^T，以及对应的HRV六维力信息，为建立二者的关系，即确定标定矩阵C，初期用遗传算法得到蚁群算法的初始信息素，后期在已知初始信息素的基础上，利用蚁群算法迅速求得最优解，即最优的标定矩阵。通过所得的标定矩阵，由传感器输出的12路电压信号直接得到HRV。

算法的具体实现步骤：

Step1：初始化遗传算法控制参数，包括：种群规模N，杂交概率P_c，变异概率P_m；

Step2：设置遗传算法结束条件，即最大遗传代数G；

Step3：随机生成种群R(g)，R(g)中的N行代表N个由二进制码表示的个体：