[发明专利]一种基于径向基神经网络上肢外骨骼运动意图识别方法

说明书

一种基于径向基神经网络的上肢外骨骼康复机器人控制方法，建立人体上肢肌肉骨骼模型；采集上肢肌肉肌电信号及上肢运动数据，将运动数据导入上肢肌肉骨骼模型中，获得上肢关节力矩，构建径向基神经网络，给出神经网络模型；识别患者运动意图，融合分析关节角速度，将结果用于识别训练对象关节伸屈状态，确定肢体运动意图；实时采集患侧康复训练中的肌电信号及关节角度，通过神经网络得到患侧关节力矩，计算出外骨骼机械臂所需补偿的关节力矩，分析肌电信号疲劳特征，通过对疲劳程度进行分级，调整补偿力矩大小，结合运动意图控制力矩控制器实现上肢康复机器人辅助患者进行康复训练。本发明方法使康复训练过程更加适应患者，加强人机交互，提升康复效果。

技术领域

本发明涉及一种上肢外骨骼的运动意图识别方法，尤其涉及一种基于径向基神经网络的上肢外骨骼的运动意图识别方法。

背景技术

可穿戴式人体外骨骼机器人是通过精密机械装置协助人体完成动作的，它结合了外骨骼仿生技术和信息控制技术，涉及生物运动学、机器人学、信息科学、人工智能等跨学科知识。多种多样的外骨骼系统也导致了外骨骼机器人控制方法的多样性。从系统结构的角度来看，可以分为下肢外骨骼和上肢外骨骼两种。目前针对外骨骼康复机器人的控制方法主要有肌电控制、力反馈控制、灵敏度放大控制等。肌电控制外骨骼康复机器人主要是依靠人体脑中枢神经发出运动信号，使人体表面肌肉电信号的特性发生改变，从而控制康复机器人，但是关节力矩和肌肉的肌电信号之间不可能找到一个一对一的关系；为了确定肌力与关节力矩之间的关系，肌力力臂也要被确定，而力臂通常随关节角度的变化而变化，因此单纯的依靠肌电使得控制康复机器人的复杂程度大大增加，并且该控制方法只能单纯地使患者控制康复设备，康复效果并不特别明显；力反馈控制通过力传感器的反馈信息将机器与环境的力维持在一个提前设定的值，但是力传感器的数量及安装位置难以确定；灵敏度放大控制不需在穿戴者与外骨骼机器之间安装大量的传感器，这种方法通过控制器将人施加的力输出到外骨骼的灵敏度函数最大化，实现使用最小的力改变外骨骼的位置状态，但该方法过于依赖系统的动态模型，而实际的外骨骼系统是复杂的非线性系统，因此想要建立准确的模型十分困难。

综上所述，目前还缺少一种更好的外骨骼康复机器人控制方法。

发明内容

本发明目的在于提供一种基于径向基神经网络的上肢外骨骼的运动意图识别方法及装置。

为解决上述问题，本发明提供了一种基于径向基神经网络的上肢外骨骼的运动意图识别方法，包括以下步骤：

步骤1，应用OpenSim人体建模理论对训练对象进行人体上肢肌肉骨骼建模，包含上肢运动相关的骨骼、肌肉仿真模型及运动数据采样标记点；

步骤2，设定患者康复训练动作，利用肌电采集设备采集上肢健侧肌电信号u的同时使用运动捕获设备采集运动数据，包含各个标记点坐标数据P(x,y,z)；

步骤3，将采集的运动数据导入到人体上肢肌肉骨骼仿真模型中，首先通过逆运动学求解推导出上肢各个关节在运动过程中的角度变化值；其次将关节角度作为输入通过逆动力学求解推导出模型上肢关节力矩τ；提取肌电特征，通过融合分析肌电信号特征值和关节角速度获取上肢运动意图识别特征指标；

步骤4，将肌电信号和关节角度信息导入径向基神经网络，输入端为上肢肌电u、关节角度θ，输出端为关节的力矩τ，根据该网络得到描述肌电、关节角度、关节力矩三者之间关系的表达式：τ＝f(u,θ)；识别运动意图预测关节屈伸。

进一步的，在步骤3中，肌电采集设备及运动捕获设备同时采集上肢肌电信号及运动信息，提取肌电信号特征值：积分肌电比值(PiEMG)，均方根比值(PRMS)，作为支持向量机SVM的输入，支持向量机的输出为关节屈伸状态；同时通过分析角速度变化辨识关节屈伸状态；融合两种辨识方法，综合分析肌电信号及角速度信号的辨识结果，若两种相同，则将此结果作为上肢运动意图的最终识别结果。