[发明专利]一种基于下肢步态的上肢康复外骨骼控制方法

说明书

技术领域

本发明涉及康复外骨骼控制技术领域，具体地，涉及一种基于下肢步态的上肢康复外骨骼控制方法。

背景技术

随着社会的老龄化,因心脑血管和神经系统疾病等造成的中风偏瘫人数逐年增加,且患者趋于年轻化。临床研究表明，30％-60％的偏瘫患者在发生中风后的六个月，上肢仍未有恢复功能性；只有5％-20％的患者完成了功能康复。传统的手动人工辅助康复训练存在众多局限性，首先是从专业医生手把手的指导下开始，而后由病人的健康上肢或其家属、护士人工对病人患肢进行反复牵引。随着科学技术的发展，医疗机器人技术得到快速发展，例如上肢康复外骨骼系统。尽管国内外研究者在上肢康复外骨骼系统辅助进行运动功能重建与康复效果的论证上开展了大量工作，但在许多方面还达不到临床应用的要求，需要深入、系统的研究和探索。

经过对现有技术的检索发现，中国发明专利申请号：201010174806.4，名称：外骨骼式上肢康复机器人。该发明涉及一种通过助动人体肩胛骨旋转来实现上肢康复的外骨骼式上肢康复机器人。但仅能通过机械辅助患者上肢康复训练，没有考虑到上肢-下肢协调性，且我们日常生活的动作中很少涉及上肢做圆周转动的方式。中国发明专利申请号：201410217852.6，名称：一种多体位上下肢联动康复机器人。该发明提供了一种多体位上下肢联动康复机器人，可以实现多个体位的、伴随摆臂的步态康复运动。虽然这考虑到了上下肢协调性的目的，但患者仍是固定在康复设备上，上下肢训练时并不能达到日常生活中的自然行走状态，且缺乏训练乐趣，长期的不正常的枯燥训练可能导致患者习惯自身的错误，导致后期康复效果不佳甚至更难以纠正。因此，在康复训练过程中缺少上肢-下肢协调性考虑、训练动作不自然、因枯燥训练导致患者的习惯错误是现有上肢康复外骨骼主要的不足之处。

人类正常行走时，手臂是随着下肢运动而协调摆动的。若下肢在步态运动中受到干扰，如附着额外质量块，控制上肢摆动的肌肉电活动性将增强，这说明人体上、下肢在步态中的运动存在某种联系，人体上下肢的运动通过神经相互作用产生影响。对于上肢丧失运动功能的患者，下肢的积极运动有利于上肢尽快的恢复运动功能。虽然手臂的摆动没有给步行提供直接的推力功能，但从运动学角度出发，步态期间手臂摆动改善步态稳定性，提高能量效率。因此，在进行上肢康复训练时，需要考虑上肢-下肢协调性，并且，基于上肢-下肢协调性的康复训练能进一步提高康复效果。此外，在自然行走状态中进行上肢康复训练，更贴近日常生活的动作状态，更符合人的运动规律，不会因枯燥训练导致患者的习惯错误，从而促进康复效果。

发明内容

为了克服已有上肢康复外骨骼控制方式的不考虑上肢-下肢协调性、康复效果较差的不足，本发明提供一种考虑上肢-下肢协调性、康复效果较好的基于下肢步态的上肢康复外骨骼控制方法。

本发明解决其技术问题所采用的技术方案是：

一种基于下肢步态的上肢康复外骨骼控制方法，包括以下步骤：

1)数据采集：通过位于下肢的肌电传感器、运动传感器和足底的压力传感器进行被试正常行走时不同步态类别的肌电信号、关节角度和足底接触力的采集；

2)数据预处理：对采集到的肌电信号、关节角度和足底接触力进行预处理；

3)步态识别，包含如下子步骤：

(3.1)数据分段：使用“重叠窗”方法对每个被试的每种手势动作数据进行开窗分段；

(3.2)特征提取：肌电信号特征包括积分肌电、均方根值、均方差值三种时域特征值和平均功率频率、中心频率两种频域特征值；关节角度和足底接触力特征为其平均值；

(3.3)步态预分类：采用BP神经网络作为分类器进行步态识别，建立分类模型；分别对肌电信号、关节角度、足底接触力进行模式预分类，构造三个三层BP神经网络分类器；三个分类器的输入分别为目标肌肉的肌电信号特征值、目标关节角度特征值和目标足底接触力特征值，输出为步态类别；将每个被试的每种步态类别的所有数据分成训练集、检验集和测试集；使用训练集数据和验证集数据进行网络模型优化和参数调整，使用测试集数据测试训练好的模型的识别率，进行步态识别分类；

(3.4)数据融合：使用D-S证据理论进行决策层数据融合；将三个BP神经网络的输出转换为概率输出，得到各自的基本概率赋值，经D-S证据融合后，根据判定规则得到最后的步态识别结果；

4)上肢摆动位置匹配：根据与所识别步态类别匹配相应的上肢摆动位置；