[发明专利]脑肌信息自动意图识别与上肢智能控制方法及系统

摘要

本发明涉及一种脑肌信息自动意图识别与上肢智能控制方法及系统，用于脑卒中患者上半肢康复治疗，通过脑电、表面肌电信号采集仪实时采集并处理患者的脑电和表面肌电信号，采用分别由多项式核函数和RBF核函数加权组成的混合核函数进行拟和与预测，从而更准确的识别并监测患者运动意图，同时判断其相应康复程度，据此采用相应的康复训练策略。当脑卒中患者上半肢康复程度低时，采用被动训练控制；当脑卒中患者上半肢康复程度较高时，采取主动、助力及抗阻控制模式。本发明中所提出的混合核函数支持向量机模型具有较好的学习能力和泛化性能，预测精度高，控制性能好，其预测结果满足脑卒中患者康复机器人指标要求。

主权项

1.一种基于混合核函数支持向量机的脑卒中患者脑肌信息自动意图识别及智能控制方法，其特征在于，包含以下过程：对患者的康复程度进行评估：实时采取大脑皮层边缘系统的脑电信号、肱二头肌和肱三头肌表面肌电信号；获取患者脑电信号和表面肌电信号的时频域特征向量；将健康人的脑电信号和表面肌电信号特征向量与患者脑电信号和表面肌电信号特征向量进行比对，将比值取模设为x，并设定康复程度阶段阈值a1,a2,a3，其中0中，设置并施加与运动意图识别结果f相同符号的叠加正向力来实现；所述抗阻训练模式中，通过在控制量中，设置并施加与运动意图识别结果f相反的反馈力来实现；对于刚性n关节上肢康复机器人，K_p、K_d为控制器增益，e为跟踪误差，x为当前变量的取值，x_d为期望变量的取值，q∈Rⁿ为关节变量向量，D(q)∈R^n×n为对称正定的惯性矩阵，为哥式力和离心力向量，G(q)∈Rⁿ为重力向量，各变量的下标x表示该变量本身由x决定或者本身是x的函数。