[发明专利]一种基于神经网络的外骨骼机器人助力控制系统与方法

说明书

本发明公开本发明的目的是提供一种基于神经网络的外骨骼机器人控制系统和方法，该系统应用于肘关节，包括传感检测模块、数据采集处理模块。该系统和方法利用肌电传感器、弯曲传感器等传感器通过径向基神经网络进行数据融合，对老年人以及运动功能障碍患者进行运动助力辅助以满足其日常生活的需求。该控制策略采用基于肌电信号的扭矩估计指标和基于肌电信号的能量估计指标来客观定量评价其运动助力效果。

技术领域

本发明涉及可穿外骨骼设备的信息技术领域。

背景技术

当代社会，我国正面临着社会人口老龄化、中风发病年轻化、交通事故频繁化等日益严重的社会问题，造成的结果是老年人与肢体残疾病人的运动功能障碍，因此上肢康复机器人成为了医疗康复领域的研究重点和热点。外骨骼机器人为解决这些难题提供了可行的出路，其通过并联穿戴于人的肢体而形成人机协调的智能混合体，结合穿戴者的运动意图来执行助力或康复训练任务，在助老助残、医疗康复以及国防安全等领域具有广阔的应用前景与重要的研究意义。在外骨骼机器人的研究中，康复或助力是其主要的应用背景。但是如果想要实现准确，柔顺的控制，就要准确的识别人体运动意图。人体运动意图识别本质上是对中枢神经系统输出信号的解读，针对运动意图在不同传递阶段的表达形式，现有的识别方式主要包括：基于神经信号(脑电信号)、基于生理信号(肌电信号)、基于生物力信号(足底力信号、人机交互力信号)等形式。在这其中，表面肌电信号由于其非侵入性以及其能够有效反应出人体肌肉的激活程度的特性，因此其在外骨骼领域的多方面研究中被广泛采用。

在公开号CN102799937A的中国发明专利申请中，公开了一种肌电信号与关节角度信息融合的下肢运动轨迹预测方法，通过提取运动期间下肢六块肌肉的肌电特征参数均方根值和空间三维运动坐标来建立模型，计算侧腿膝角度信号，操作复杂，中间环节误差累计较大，可行性不强。

在公开号CN103440498A的中国发明专利申请中，公布了一种基于LDA算法的表面肌电信号识别方法，整个过程需要采集肌电信号，进行重叠分窗，降维，求平均值，输入分类器，需要耗费大量时间，算法的在线性和算法的简易性难以保证。

在公开号CN106109174A的中国发明专利申请中，公开了一种基于肌电反馈式阻抗自适应的康复机器人控制方法，该发明所述的控制方法结合肌电信号特征值、足底压力信号以及角速度信号对训练对象的关节伸屈状态进行识别，确定其主观运动意图，并且建立自适应调整阻抗参数和分级调整静态平衡力的方法，使得整个控制过程难以做到连续的柔顺控制。

然而针对外骨骼机器人的控制技术与策略，目前尚存在以下不足：(1)虽然离线分类的准确率已能达到90％以上的较高水准，但是在线的实时率以及算法的简易性并不能保证，而且基于分类器的控制策略还需要耗费大量的训练时间(2)传统的基于分类器的控制策略，由于分类结果的离散性，分类模式的切换，导致其控制器输出并不完全连续，外骨骼机器人控制效果不够平稳，人机交互过程的舒适性差。(3)助力控制策略中的控制量，诸如关节力，扭矩以及角度的估计过于复杂，加大了操作的难度；且过程中大多使用了经验参数，模型准确度不够。

故，需要一种新的技术方案以解决上述问题。

发明内容

发明目的：本发明的目的是提供一种基于肌电信号和神经网络的外骨骼机器人助力控制方法与系统，该系统应用于肘关节。该系统和方法利用肌电传感器、弯曲传感器等传感器通过径向基神经网络进行数据融合，对老年人以及运动功能障碍患者进行运动助力辅助以满足其日常生活的需求。

技术方案：本发明可采用以下技术方案：

一种基于神经网络的外骨骼机器人助力控制系统，包括：传感检测模块、数据采集处理模块；

传感检测模块包括肌电信号检测模块、人体姿态检测模块；其中，肌电信号检测模块通过肌电信号传感器用以检测人体上肢肱二头肌的肌电信号；人体姿态检测模块通过弯曲传感器用以检测人体上肢肘关节角度；