[发明专利]一种基于下肢步态的上肢康复外骨骼控制方法

摘要

一种基于下肢步态的上肢康复外骨骼控制方法，包括以下步骤1)数据采集通过位于下肢的肌电传感器、运动传感器和足底的压力传感器进行被试正常行走时不同步态类别的肌电信号、关节角度和足底接触力的采集；2)数据预处理对采集到的肌电信号、关节角度和足底接触力进行预处理；3)步态识别；4)上肢摆动位置匹配根据与所识别步态类别匹配相应的上肢摆动位置；5)外骨骼控制基于获得的上肢摆动位置，向上肢康复外骨骼驱动器发出相应控制指令，进行上肢康复外骨骼的控制，带动上肢进行康复训练。本发明考虑上肢‑下肢协调性、康复效果较好。

主权项

一种基于下肢步态的上肢康复外骨骼控制方法，其特征在于：包括以下步骤：1)数据采集：通过位于下肢的肌电传感器、运动传感器和足底的压力传感器进行被试正常行走时不同步态类别的肌电信号、关节角度和足底接触力的采集；2)数据预处理：对采集到的肌电信号、关节角度和足底接触力进行预处理；3)步态识别，包含如下子步骤：(3.1)数据分段：使用“重叠窗”方法对每个被试的每种手势动作数据进行开窗分段；(3.2)特征提取：肌电信号特征包括积分肌电、均方根值、均方差值三种时域特征值和平均功率频率、中心频率两种频域特征值；关节角度和足底接触力特征为其平均值；(3.3)步态预分类：采用BP神经网络作为分类器进行步态识别，建立分类模型；分别对肌电信号、关节角度、足底接触力进行模式预分类，构造三个三层BP神经网络分类器；三个分类器的输入分别为目标肌肉的肌电信号特征值、目标关节角度特征值和目标足底接触力特征值，输出为步态类别；将每个被试的每种步态类别的所有数据分成训练集、检验集和测试集；使用训练集数据和验证集数据进行网络模型优化和参数调整，使用测试集数据测试训练好的模型的识别率，进行步态识别分类；(3.4)数据融合：使用D‑S证据理论进行决策层数据融合；将三个BP神经网络的输出转换为概率输出，得到各自的基本概率赋值，经D‑S证据融合后，根据判定规则得到最后的步态识别结果；4)上肢摆动位置匹配：根据与所识别步态类别匹配相应的上肢摆动位置；5)外骨骼控制：基于获得的上肢摆动位置，向上肢康复外骨骼驱动器发出相应控制指令，进行上肢康复外骨骼的控制，带动上肢进行康复训练。