[发明专利]基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法

说明书

本发明公开了基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法，步骤依次为：建立训练任务模型、选择运动表现指标，确定任务轨迹复杂度、学习运动表现指标与任务轨迹复杂度参数间的函数关系以及实现训练任务的自适应调节。由于被试在训练过程中其运动学习能力有可能发生变化，本发明监测每轮训练中被试的运动表现，并根据被试的运动表现自适应调节训练任务的难度，为任务增加变化性，可提高被试的康复训练效果。本发明对不同的被试均监测其运动表现，可实现个性化的为每个被试自适应调节训练任务，可减少治疗师/技术员实时为不同被试调整任务难度的既枯燥又繁琐的工作量，提高康复训练效率。

技术领域

本发明属于上肢康复机器人领域，特别涉及了一种上肢康复机器人主动训练参考轨迹复杂度调节方法。

背景技术

据统计，有超过20％的中风人群在患病后因为没有得到及时医治而无法幸存，并且幸存者中有超过75％的人群因为中风导致的偏瘫、运动功能障碍等而生活无法自理。人体上肢在日常生活活动中扮演着重要的角色，上肢的偏瘫或运动功能障碍将直接导致患者失去自理能力。实践表明，根据大脑可塑性原则的运动疗法是当今最常见的上肢偏瘫康复治疗方法。其运动疗法，即通过康复医师长期反复的对上肢施加一定强度的作用力使其运动。这种方法是劳动密集型、耗时且昂贵的治疗方式。为了缓解康复医师人员的不足，以及将医师从繁重的劳动中解放出来，使其能专注其它任务，提高诊断效率和患者体验，运用上肢康复机器人是一项可行的选择。与康复医师相比，康复机器人还可以提供稳定可预期的康复治疗，记录康复数据，进行康复效果评测等。

上肢康复机器人主要有两种训练模式：被动训练和主动训练。康复医学的临床研究表明，有患者运动意图主动参与的康复训练对于患者神经系统重建和运动功能恢复更加有效。早期上肢康复机器人主动训练任务为上肢常规康复训练，譬如肩部的外展/内收训练、肘部的屈曲/伸展训练以及前臂旋转训练等。现有研究表明，任务相关(task-related)的训练任务比常规康复训练任务更有利于促进运动学习能力恢复。而被试的运动学习能力恢复主要取决于训练任务的难易程度，任务过于简单，达不到有效的训练效果；任务过于复杂，会让被试感到沮丧亦达不到有效的训练效果，因为，被试的主动参与度对运动学习能力恢复有着至关重要的影响。因此，有学者在训练之前设计实验测试评估被试的初始运动学习能力，进而为不同的被试提供难度等级不同的训练任务。但有研究表明，恒定不变的训练任务会让患者产生记忆不能做到真正的运动学习，增加任务变化性/多样性可以提高运动技能的学习与记忆。被试在训练过程中其运动学习能力有可能发生变化，那么实时监测被试的运动表现，根据被试的运动表现自适应调节训练任务的难度，为任务增加变化性，提高被试的康复训练效果。

发明内容

为了解决上述背景技术提出的技术问题，本发明提供了基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法。

为了实现上述技术目的，本发明的技术方案为：

基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法，包括以下步骤：

(1)将示教轨迹x与示教力f代入人机交互动力学系统得到吸引子y，采用高斯混合模型GMM和高斯混合回归GMR对吸引子y进行建模，得到一条综合多次演示经验的参考吸引子y^*；

(2)选择完成训练任务所用的时间b_T、运动轨迹误差b_E和运动轨迹柔顺度b_S作为被试的运动表现指标，构成运动表现指标向量b＝[b_T,b_E,b_S]；

(3)根据等效动力学系统原理确定任务轨迹复杂度参数a，参数a的大小表征着参考吸引子y^*对参考轨迹x^*的吸引能力的大小，a越大，参考轨迹x^*越贴近y^*，即具有越多y^*的特征，参考轨迹x^*越复杂；