[发明专利]基于超声检测控制的人工肌肉协同镜像康复系统及控制方法

权利要求书

1.基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：包括电控组(3)、穿戴于用户的健侧肢体上用于获取健侧肢体肌肉状态的超声检测组(1)和穿戴于用户的患侧肢体上用于驱动患侧肢体进行镜像康复动作的气动肌肉组(2)；

所述电控组(3)包括微控制器(31)、用于实时检测健侧的肢体位姿及患侧肢体在气动肌肉组(2)驱动下的肢体位姿的位姿传感器(32)和驱动气动肌肉组(2)进行运动的气泵驱动板(33)；

所述微控制器(31)接收超声检测组(1)传递的健侧肢体的肌肉状态信号，并将控制信号输出到气泵驱动板(33)，气泵驱动板(33)驱动气动肌肉组(2)来控制患侧肢体进行镜像康复动作；同时微控制器(31)接收位姿传感器(32)检测的健侧肢体与患侧肢体的位姿信息，并将患侧肢体的位姿信息与健侧肢体的位姿信息进行比对，通过算法进行控制矫正，将矫正后的信息输出到气泵驱动板(33)，来矫正气动肌肉组(2)控制患侧肢体的动作。

2.根据权利要求1所述的基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：所述超声检测组(1)获取的肌肉状态包括肌肉的发力力度、发力速度和发力方向。

3.根据权利要求2所述的基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：所述超声检测组(1)包括波束形成器(11)、脉冲发生器(12)和超声探头阵列板(13)，所述超声探头阵列板(13)由多个超声探头集成于阵列板上且呈矩阵排布；

由微控制器(31)对所述波束形成器(11)进行初始化，并产生波束信号作用在所述脉冲发生器(12)对应通道上，从而产生对应的高压脉冲信号，高压脉冲信号输出到对应通道的超声探头上，激励超声探头发出超声波激励信号并接收回波信号，同时将回波信号传输至微控制器(31)。

4.根据权利要求3所述的基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：所述超声探头阵列板(13)上的所有超声探头均进行标号，且单独传输超声波激励信号并接收与之相对应的回波信号。

5.根据权利要求3所述的基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：所述超声探头阵列板(13)的阵列板设置为能够与肢体紧密贴合的柔性材质。

6.根据权利要求1所述的基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：所述气动肌肉组(2)包括穿着在用户肢体上的穿戴外衣(21)和铰接于穿戴外衣(21)上的多组肌肉单元(22)，所述肌肉单元(22)在穿戴外衣(21)上的布置方式和位置与人类对应骨骼肌在骨骼上的附着方式和位置对应相同；所述肌肉单元(22)的一端部通过柔性气管(23)与阵列气泵(24)气密连接；所述阵列气泵(24)包括排列为矩阵结构的多个气泵，每个气泵通过气泵驱动板(33)能够单独进行气量控制，且每组肌肉单元(22)通过对应的一个气泵驱动发生形态变化。

7.根据权利要求6所述的基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：所述肌肉单元(22)的执行主体为气动肌肉构造，主要包括外层编织网和内层弹性橡胶管，具有高度非线性特征，其伸长率与间隔压力成正比，模拟人类肌肉的伸缩变形进行驱动作业；所述肌肉单元(22)一侧的两端分别设置有球铰头(221)，与所述穿戴外衣(21)上的球铰座(211)进行铰接。

8.根据权利要求6所述的基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：所述穿戴外衣(21)由不易延展的坚韧布料制作，极不易发生弹性形变，且与肢体通过绑带固定。

9.根据权利要求1所述的基于超声检测控制的人工肌肉协同镜像康复系统，其特征在于：所述位姿传感器(32)设置于健侧和患侧的关节末端，且检测的位姿信息包括肢体的运动幅度、运动角度、运动速度和力度。

10.根据权利要求1-9任一项所述的基于超声检测控制的人工肌肉协同镜像康复系统的控制方法，其特征在于：

步骤1：确定需要进行康复的患者肢体，根据解剖学理论确定驱动该肢体动作的主动肌和拮抗肌，并定位上述肌肉的肌腹位置，确定要进行超声检测的肌肉位点；

步骤2：对确定好的肌肉位点贴附超声检测组(1)，通过医用双面胶将所述超声探头阵列板(13)粘贴在对应的肌肉位点，比对所述超声探头阵列板(13)的多个超声探头的超声信息，从时序上筛选最先检测到超声信息变化的探头作为肌腹位点的探头，若检测到多个探头同时最先检测到超声信息变化，再从幅值上筛选幅值最大的超声信息作为肌腹位点的超声探头信息，完成超声检测；

步骤3：通过电控组(3)的微控制器(31)对所述超声检测组(1)采集的信号进行处理，对每块肌肉位点的超声信号分别进行分析，测取每块肌肉的形态变化并解析其状态信息，包括发力力度、发力速度和发力方向；

步骤4：将多块肌肉的状态信息整合进行肌肉协同分析，数学模型公式为：

单个肌肉协同模式都可以表示为时间模块w_i(t)和空间模块w,的双重线性组合，m(t)为在t时刻所采集的sEMG信号，P和N分别为时间模块和空间模块的数量，c_ij t_ij和分别为i时间模块j空间模块的标量激活系数和时间延迟，进而获取肌肉协同数量和协同的相似性，以便于对模式中的各个单独肌肉进行肌力计算；

步骤5：基于CNN-SVM深度学习模型建立单块肌肉超声信号和肌力的多重映射，映射内容包括：超声幅值与肌力大小的映射、超声频率与肌力变化的映射、超声时空特征与肌力分布的映射，进而计算参与肌肉协同的各个肌肉单元的肌力信息；主要步骤为：

步骤51、通过预处理将原始多通道信号转为二维样本作为CNN的输入，并将样本分为训练集、验证集和测试集；

步骤52、设计及优化CNN架构，使用训练集对而网络进行训练，自动提取出每个训练集相对应的特征向量，并使用其验证集验证网络性能；

步骤53、利用上述提取出的特征向量作为输入样本对SVM进行训练；

步骤54、用训练后的SVM替代CNN的全连接层，再将测试样本输入到训练好的CNN中，最后可以得到测试样本对应的特征向量；

步骤55、提取的测试样本的特征向量作为输入样本，使用训练好的SVM进行肌力估计；

步骤6：所述电控组(3)将上述多块肌肉的协同运动信息和单块肌肉的状态信息处理后控制所述气泵驱动板(33)，由所述阵列气泵(24)驱动所述肌肉单元，驱动患者的患侧肢体实现健侧肢体的镜像动作；

步骤7：在患者的患侧肢体产生镜像动作后，由所述位姿传感器(32)检测健侧和患侧肢体的相同关节末端位置的位姿信息，并将健侧和患侧的位姿进行对比，如果存在位姿偏差，则计算偏差信息并引入矫正参数，实现闭环控制，累次矫正后，实现精准的健侧和患侧镜像动作；

具体计算偏差信息的方法为：

步骤71、将检测到的健侧位姿坐标以x,y,z表示，将检测到的患侧位姿坐标以x_h,y_h,z_h表示，分别计算Δx,Δy,Δz，其中：Δx＝x-x_h,Δy＝y-y_h,Δz＝z-z_h；

步骤72、设步骤5、6中预测的患侧肢体的目标坐标值为x_p,y_p,z_p，并将Δx,Δy,Δz作为矫正参数，以x_g,y_g,z_g为矫正后的目标坐标值，其中：x_g＝x_p+Δx,y_g＝y_p+Δy,z_g＝z_p+Δz；

步骤73、累次重复步骤71、72，直至Δx,Δy,Δz控制在允许误差范围内。