[发明专利]一种基于肌电信号的肌力训练设备控制方法

权利要求书

1.一种基于肌电信号的肌力训练设备控制方法，其特征在于，将实时采集到的肌电信号经过预处理后通过动态循环神经网络进行关节力矩预测；在等速训练和等张训练中，预测的关节力矩作为控制信号驱动肌力训练设备运动；在等长训练中，预测的关节力矩作为肌肉发力方向的指令信号；在被动训练中，对关节力矩的阻力矩进行实时预测，当预测阻力矩大于设定阻力矩阈值时肌力训练设备停止；

所述通过动态循环神经网络进行关节力矩预测具体实现过程如下：

利用控制肘关节运动的一对拮抗肌即肱二头肌和肱三头肌的肌电信号sEMG和力矩信号实际值建立NARX神经网络力矩预测模型，其简化的函数模型如下：

为关节力矩预测值，T_k表示k时刻检测的力矩信号，k表示k时刻，n_u和与n_y分别表示力矩预测模型的输入、输出阶次，u_k＝[a_1,k,a_2,k]^T表示NARX神经网络力矩预测模型的输入，a_1,k和a_2,k分别为e_1,k和e_2,k经特征值处理计算出的特征值，e_1,k和e_2,k分别为经过放大、滤波处理后的肱二头肌和肱三头肌的肌电信号sEMG；

基于肱二头肌和肱三头肌的肌电信号sEMG和力矩信号训练NARX神经网络力矩预测模型，得到基于NARX模型的动态循环神经网络DRNN，其表达式为：

其中，u_i表示输入的第i个元素，ω_ij为输入层第i个神经元映射到隐含层第j个神经元的权值，θ_i为第i个输入神经元的偏置，δ_j为隐含层第j个神经元映射到模型输出节点的权重，为输出层的偏置，i＝1,2,...,m，j＝1,2,...,n，m表示输入神经元数，n表示隐含层的节点个数。

2.根据权利要求1所述的一种基于肌电信号的肌力训练设备控制方法，其特征在于，将实时采集到的肌电信号经过预处理的方式为：利用肌电信号传感器和力矩传感器采集肱二头肌和肱三头肌屈伸过程中的肌电信号和相应关节的力矩信号，并进行放大、滤波、特征值提取的预处理；滤波过程为肌电信号经过IIR工频限波器滤除50Hz工频干扰；特征值提取过程为对滤波后肌电信号利用滑动窗口的方法计算特征值，其公式为：

其中，x(i)表示滤波后的肌电信号，iEMG表示肌电信号积分值，能够反映肌电信号的连续幅值变化。

3.根据权利要求1所述的一种基于肌电信号的肌力训练设备控制方法，其特征在于，所述肌力训练设备包括伺服驱动器、伺服电机、减速机构、输出动力头和关节配件，控制器通过PWM模块输出脉冲信号作为伺服驱动器的控制指令信号，伺服驱动器驱动伺服电机运动，伺服电机输出速度经过减速机构66:1减速后带动输出动力头转动，输出动力头带动关节配件摆动完成关节训练。

4.根据权利要求3所述的一种基于肌电信号的肌力训练设备控制方法，其特征在于，在等张训练中，以基于肌电信号预测的关节力矩，作为肌力训练设备的运动指令；等张模式开始训练前在设置启动关节力矩阈值，预测关节力矩超过设定启动关节力矩阈值时开始运动，预测关节力矩越大输出动力头运动越快，输出动力头力矩根据信号采样频率出每1ms改变一次，在实际运用过程中为离散输出，T_predict表示预测关节力矩，T_resist表示设置阻力矩，两者之差T_resultant表示实际输出力矩；

在加速过程中，角加速度β由以下公式得出：

T_resultant＝Jβ

在减速过程中，角加速度β由以下公式得出：

T_resultant-T_max＝Jβ

其中T_max表示当前运动过程中的峰值关节力矩，J为转动惯量，计算出角加速度后，转换成脉冲信号运用于肌力训练设备的控制中。