[发明专利]一种基于情绪识别的康复机器人交互控制方法

说明书

技术领域

本发明涉及康复机器人传感与治疗控制领域，尤其是关于一种基于情绪识别的康复机器人交互控制方法。

背景技术

现代社会，随着世界各国相继进入老龄化，在老龄化过程中会产生大量的脑卒中或中风病患者。此类患者通常由于脑血管血栓或脑血管破裂出血而导致脑供血中断，从而使相应的运动、感觉和认知等功能遭到丧失或受到损害。现代神经康复医学及其临床研究结果表明，中枢神经系统具有高度的可塑性，对因脑卒中(中风或脑血管意外)等疾病引起的肢体功能障碍，通过科学合理的康复治疗训练可以在一定程度上恢复其受损的肢体功能。

康复机器人技术是近年来发展起来的一种新的运动神经康复治疗技术。在机器人辅助患者运动康复治疗过程中，患者的主动参与对提高康复训练效果具有至关重要的作用。基于患者主动参与意识的机器人辅助康复治疗研究，目前主要集中在“基于生物力学的主动运动交互控制”和“基于生物电的主动运动交互控制”两个方面，患者与康复机器人之间的交互协作主要是以感知患者主动“运动”参与为主。在传统康复治疗方法中，康复医师除了能感受到患者主动“运动”参与外，还能够观察到患者对不同难度训练任务所表现出来的高兴、厌烦和挫败等情绪变化，并根据情绪变化及时调整自己的训练行为。由情绪心理学可知，训练过程中患者表现出来的情绪反应是一种以患者主观参与感受的变化为特征的心理活动过程。为使患者与康复机器人之间的交互控制更加和谐自然，研究人员自然地期望机器人能像康复医师那样，实时感知训练过程中患者情绪的变化，并根据情绪变化实时调整机器人辅助训练行为。由此可见，从患者主动“心理”参与角度，研究一种基于情绪识别的康复机器人交互控制方法，将进一步完善和提高人机协作康复训练技术水平，具有重要的学术意义和实际应用价值。

发明内容

本发明目的在于提供一种结合虚拟场景，利用肌电信号判断患者在训练过程中所处的情绪层次，并智能调节患者的训练难度，以达到最佳训练状态的控制方法。特别是一种基于情绪识别的康复机器人交互控制方法，提高机器人辅助康复治疗的训练效果和安全性。

为达成上述目的，本发明所采用的技术方案如下：

一种基于情绪识别的康复机器人交互控制方法，包括如下步骤：

步骤1、设计虚拟训练场景：以实际训练任务为背景构建虚拟训练场景；

步骤2、获得患者训练过程中不同情绪层次的肌电信号；

步骤3、通过时频域分析方法，统计分析出反应目标情绪变化的特征值，并选取对应的特征向量；

步骤4、建立EMGBP(Electromyography Back Propagation)模型：根据分析得到的目标情绪特征向量，采用改进的BP神经网络分类器识别出患者目标情绪层次；

步骤5、基于目标情绪识别的人机交互控制：根据识别到的患者目标情绪状态，基于EMGFB(Electromyography Feedback)难度反馈模型，获取最适合患者的训练难度，从而达到最佳的康复效果。

进一步，步骤2中所述不同情绪层次包含“兴奋”、“挫败”及“厌烦”三种。

进一步，步骤3中，所述统计分析的对象包含均值、方差、标准差及积分肌电值。

进一步，步骤4中，所述改进的BP神经网络分类器为使用基于LM算法的BP神经网络分类器，其以部分数据作为训练集，构建EMGBP模型。

与现有技术相比，本发明的有益效果在于：

1，相对于现有“基于生物力学的主动运动交互控制方法”和“基于生物电的主动运动交互控制方法”，“基于情绪识别的康复机器人交互控制方法”，本发明的最大优点是从“心理”层次感知患者主动参与意愿，克服了现有的机器人辅助康复人机交互协作训练方法主要以感知患者主动“运动”参与为主的局限。

2，本发明采用“心理生理测量方法”感知患者情绪变化，相较目前常用的“面部表情”、“语音信号分析”和“身体姿态”等情绪识别方法，对伴有面部表情呆滞、发音不清以及肢体障碍等常见临床特征的中风患者群体，它受主/被试主观因素影响较小，是一种非侵入式、检测手段方便且易于被患者接受的客观量化情绪状态的研究方法。

附图说明

图1是基于虚拟现实技术构建的三维虚拟训练场景示意图。

图2是患者进行实验示意图。

图3是问卷调查表示意图。

图4是基于LM算法的BP神经网络训练曲线。

图5是BP神经网络预测值与样本值对比示意图。

图6是基于EMGFB难度反馈模型的控制方法结构框图。