一种髋关节助力装置的控制系统的制作方法

1.本发明属于髋关节助理装置技术领域，具体涉及一种髋关节助力装置的控制系统。


背景技术：

2.随着人口老龄化逐渐加剧，脑卒中并且伴有不同程度后遗症的老年人群体逐年增加，医学界普遍认为髋关节助行器可以有效帮助该类人群的后期康复。人体下肢在运动的过程中存在多种状态，且不同状态对髋关节助力装置助力方式的要求各不相同。
3.现有的可穿戴式髋关节助行器的控制策略较为简单，采用的传感器种类比较单一，对人体下肢的运动模式的识别的准确度不高，因此只能实现在有限模式下的简单助力功能，而且一般在下肢运动模式切换时的平顺性和稳定性上都存在较大问题。


技术实现要素：

4.有鉴于此，本发明的目的在于克服现有技术的不足，提供一种髋关节助力装置的控制系统，以解决现有技术中对人体下肢的运动模式的识别的准确度不高的问题。
5.根据本技术实施例的第一方面，提供一种髋关节助力装置的控制系统，适用于髋关节助力装置，所述系统包括：运动信息采集模块、决策控制模块和执行模块；所述运动信息采集模块，用于采集人体运动所需关节处的运动信息；所述决策控制模块，用于利用所述人体运动所需关节处的运动信息获取穿戴者的运动状态，并根据所述穿戴者的运动状态确定助力策略，以根据所述助力策略控制相应的执行模块执行所述助力策略。
6.进一步的，所述运动信息采集模块，包括：惯性测量单元、编码器和压力传感器；所述惯性测量单元，用于测量其所在肢体部位相对于世界坐标系的角度，并将所述相对于世界坐标系的角度发送至所述决策控制模块；所述编码器，用于测量其所在关节位置连接的两个身体部位间的相对角度，并将所述相对角度发送至所述决策控制模块；所述压力传感器，用于测量其所在安装位置的压力值，并将所述压力值发送至所述决策控制模块。
7.进一步的，所述决策控制模块，具体用于：以所述人体运动所需关节处的运动信息为预设的模式识别算法的输入，得到所述穿戴者的运动状态及其置信度。
8.进一步的，所述决策控制模块，还用于：获取所述预设的模式识别算法。
9.进一步的，所述获取所述预设的模式识别算法，包括：以历史的人体运动所需关节处的运动信息为深度神经网络分类器的输入层训练样本，以历史的穿戴者的运动状态及其置信度为深度神经网络分类器的输出层训练样本进行训练，获取所述预设的模式识别算法。
10.进一步的，所述决策控制模块，具体用于：以所述穿戴者的运动状态及其置信度为预设的机器学习算法的输入，得到助力策略。
11.进一步的，所述决策控制模块，还用于：获取所述预设的机器学习算法。
12.进一步的，所述获取所述预设的机器学习算法，包括：以历史的穿戴者的运动状态及其置信度为机器学习算法的输入层训练样本，以历史的助力策略为机器学习算法的输出层训练样本进行训练，获取所述预设的机器学习算法。
13.进一步的，所述系统还包括：能源供给模块，用于为所述髋关节助力装置的控制系统进行供电；通信模块，用于进行所述运动信息采集模块、所述决策控制模块和所述执行模块之间的信息交互。
14.本发明采用以上技术方案，能够达到的有益效果包括：通过运动信息采集模块采集人体运动所需关节处的运动信息，决策控制模块利用人体运动所需关节处的运动信息获取穿戴者的运动状态，并根据穿戴者的运动状态确定助力策略，以根据助力策略控制相应的执行模块执行助力策略，不仅提高了对人体下肢的运动模式识别的准确度，还提高了人体下肢运动模式切换时的平顺性和稳定性，从而提高了穿戴者的安全指数和用户体验。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1是根据一示例性实施例示出的一种髋关节助力装置的控制系统的结构示意图；图2是根据一示例性实施例示出的一种髋关节助力装置的控制系统的应用场景示意图；图中，11-运动信息采集模块，12-决策控制模块，13-执行模块，14-能源供给模块。
具体实施方式
17.为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
18.图1是根据一示例性实施例示出的一种髋关节助力装置的控制系统的结构示意图，如图1所示，该系统包括：运动信息采集模块11、决策控制模块12和执行模块13；运动信息采集模块11，用于采集人体运动所需关节处的运动信息；决策控制模块12，用于利用人体运动所需关节处的运动信息获取穿戴者的运动状态，并根据穿戴者的运动状态确定助力策略，以根据助力策略控制相应的执行模块13执行
助力策略。
19.本发明实施例提供的一种髋关节助力装置的控制系统，通过运动信息采集模块11采集人体运动所需关节处的运动信息，决策控制模块12利用人体运动所需关节处的运动信息获取穿戴者的运动状态，并根据穿戴者的运动状态确定助力策略，以根据助力策略控制相应的执行模块13执行助力策略，不仅提高了对人体下肢的运动模式识别的准确度，还提高了人体下肢运动模式切换时的平顺性和稳定性，从而提高了穿戴者的安全指数和用户体验。
20.进一步可选的，运动信息采集模块11，包括：惯性测量单元、编码器和压力传感器；惯性测量单元，用于测量其所在肢体部位相对于世界坐标系的角度，并将该相对于世界坐标系的角度发送至决策控制模块12；编码器，用于测量其所在关节位置连接的两个身体部位间的相对角度，并将该相对角度发送至决策控制模块12；压力传感器，用于测量其所在安装位置的压力值，并将压力值发送至决策控制模块12。
21.需要说明的是，惯性测量单元可以测量出其所安装肢体部位的运动的加速度和角速度，并以这些测量值作为输入，利用姿态融合算法（mahony或者madgwick）可以计算出其所安装肢体部位相对于世界坐标系的角度这些运动信息。该情形下，惯性测量单元的安装位置可以为：左右足面、左右小腿、左右大腿、躯干腰部、左右大臂、左右小臂等任何可移动的身体部位。惯性测量单元可以但不限于通过固定件固定，通过无线通信技术或者有线连接等方式将运动信息数据发送给决策控制模块12。
22.一些可选的实施例中，编码器的类型可以但不限于为增量式编码器或绝对式编码器等。编码器可以安装在人体关节处，可以测量出所在关节连接的人体的两个部位间的相对运动（角度和角速度）。该情形下，编码器的安装位置可以但不限于为：左右踝关节、左右膝关节、左右髋关节，左右肩关节或左右肘关节等位置。编码器可以通过固定件固定，通过无线通信技术或者有线连接等方式将运动信息数据发送给决策控制模块12。
23.还需要说明的是，压力传感器通常安装在足底用以测量足底安装部位和地面之间的压力。该情形下，压力传感器的安装位置可以但不限于为：足趾尖端、足前部、足中部或足根部等。压力传感器可以通过固定件固定，通过无线通信技术或者有线连接等方式将运动信息数据发送给决策控制模块12。
24.一些实施例中，如图2所示，运动信息采集模块11可以但不限于设置于如图2所示的髋关节助力装置的左髋关节和右髋关节两个位置、脚腕处、脚面处、手腕处和胸部前方等。执行模块13可以但不限于设置于如图2所示的左髋关节和右髋关节处等。决策控制模块12可以但不限于设置于如图2所示的腰带后方中心处。
25.可以理解的是，通过对执行模块13和运动信息采集模块11进行模块化的组合的方式，可针对用户的实际情况进行随意搭配使用，适用范围更广，制造成本更低。
26.一些可选的实施例中，执行模块13可以但不限于包括电机。当决策控制模块12得到助力策略后，通过控制电机的工作状态来为穿戴者提供助力，以使穿戴者完成不同的运动。
27.进一步可选的，决策控制模块12，具体用于：
以人体运动所需关节处的运动信息为预设的模式识别算法的输入，得到穿戴者的运动状态及其置信度；以穿戴者的运动状态及其置信度为预设的机器学习算法的输入，得到助力策略。
28.具体可选的，穿戴者的运动状态可以但不限于包括：蹲起、站立、迈步、行走、步态变幅、变频和上下坡等。穿戴者的运动状态的置信度可以但不限于为：0%~100%。
29.例如，假设以人体运动所需关节处的运动信息为预设的模式识别算法的输入，得到穿戴者的运动状态为蹲起、行走或其他。其中，蹲起的置信度为60%，行走的置信度为30%，其他运动状态的置信度为10%，则以穿戴者的运动状态及其置信度为预设的机器学习算法的输入，得到的助力策略应该为蹲起的助力策略。
30.需要说明的是，当获取穿戴者的运动状态及其置信度后，若穿戴者的人体运动所需关节处的运动信息仍在一直变化，那么决策控制模块12不会立刻控制执行模块13执行助力策略，而是随着穿戴者的人体运动所需关节处的运动信息的变化，以及穿戴者的运动状态及其置信度也在变化，不断更新助力策略，直至某一个穿戴者的运动状态的置信度大于置信度阈值时，执行助力策略。本领域技术人员可根据实验数据等限定置信度阈值的具体数值，例如，置信度阈值为90%。
31.进一步可选的，决策控制模块12，还用于：获取预设的模式识别算法。
32.具体可选的，获取预设的模式识别算法，包括：以历史的人体运动所需关节处的运动信息为深度神经网络分类器的输入层训练样本，以历史的穿戴者的运动状态及其置信度为深度神经网络分类器的输出层训练样本进行训练，获取预设的模式识别算法。
33.进一步可选的，决策控制模块12，还用于：获取预设的机器学习算法。
34.具体可选的，获取预设的机器学习算法，包括：以历史的穿戴者的运动状态及其置信度为机器学习算法的输入层训练样本，以历史的助力策略为机器学习算法的输出层训练样本进行训练，获取预设的机器学习算法。
35.需要说明的是，助力策略的本质是通过改变执行模块13的参数值来控制髋关节助力装置。执行模块13的参数可以但不限于包括：力矩、角度和角速度。
36.可以理解的是，通过对机器学习算法的训练，得到预设的机器学习算法，从而融合多个不同关节位置、不同种类的运动信息采集模块11的信息，充分利用所有的运动信息和彼此的关联性信息，输出更准确和更具稳定性的预测结果，助力输出也更为符合用户的真实需求，适应于更多的髋关节助理装置的使用场景，提高了用户体验度。
37.本发明提供的一种髋关节助力装置的控制系统，还支持将基于惯性测量或者应力形变测量、肌肉电信号、脑机接口等原理的传感器的输出作为运动信息，结合上述预设的模式识别算法和预设的机器学习算法，从而提高助力和模式识别的准确度。
38.为进一步理解助力策略，本发明实施例还提供一些具体的例子来解释助力策略：例如，在上楼梯的时候，穿戴者的摆动腿的抬腿的目标位置会比正常行走时候的抬腿目标位置更高，抬腿助力的大小会比正常行走时候的抬腿助力更大，同时会给支撑腿更大的向下的支持助力。在下楼梯的时候，穿戴者的摆动腿的抬腿目标位置会比正常行走时候的抬腿目标位置低。在上下坡的时候也会有跟上述助力方式类似的助力策略。
39.再例如，穿戴者在行走的过程中，如果进入站立的运动状态，左右两侧由上述执行
模块13产生的助力力矩会平滑的切换成非助力状态。如果此时穿戴者的左右两侧关节同时向前运动，那么髋关节助力装置将会切换到下蹲助力模式。此时左右两侧会产生两个向上的支撑助力，并且这个助力是平滑产生的。另外，在行走过程中，穿戴者如果出现步速降低或者提高、以及步幅改变的情况，髋关节助力装置会通过机器学习算法自身不断更新学习来调整助力策略，这样穿戴者依然能获得正确的、顺应性的助力体验。
40.再例如，穿戴者在站立模式下向前迈步的时候，会产生一个较小的助力来补偿大腿抬腿时候所受到的重力力矩。如果在这之后髋关节助理装置会重新回到步行助力模式，髋关节助理装置会在上述重力补偿助力的基础上，再平滑叠加上一个根据机器学习算法预测的助力策略中的结果得到的一个额外助力，这样穿戴者会获得一个更好的更明显的助力体验。
41.可以理解的是，上述根据机器学习算法结果得到的额外助力在关节不同运动阶段的大小可以根据一个预设的或者动态生成的助力曲线来实时动态调整，以实现对正常穿戴者的正常助力，以及对有偏瘫等症状的穿戴者的患侧和正常侧进行不同的有针对性的助力。其中，主力曲线一般是一个表征在关键不同阶段的助力大小的关键点序列。
42.进一步可选的，决策控制模块12，还用于：当人体运动所需关节处的运动信息超过其所对应的运动数据阈值时，控制执行模块13限制穿戴者的运动状态，保证穿戴者处于一个安全的运动状态。
43.需要说明的是，本发明实施例对“运动数据阈值”不做限定，本领域技术人员可根据实验数据等进行设置。一些实施例中，运动数据阈值可以但不限于为运动信息采集模块11采集的角加速度、角速度、角度和压力值等的阈值。一般运动数据阈值指的是，超出正常人身体极限的运动状态对应的运动数据阈值。
44.进一步可选的，该系统还包括：能源供给模块14，用于为髋关节助力装置的控制系统进行供电；通信模块，用于进行运动信息采集模块11、决策控制模块12和执行模块13之间的信息交互。
45.需要说明的是，如图2所示，能源供给模块14可以但不限于设置于如图2所示的腰带后方中心处，与决策控制模块12集成在一起。
46.一些实施例中，可以但不限于通过在决策控制模块12上设置通信模块，将助力策略产生的助力信号发送给相应的执行模块13，实现助力。
47.需要说明的是，能源供给模块14可以但不限于包括各种随身穿戴或者外接的化学电池、外部电能传输接口等可以给该系统工作提供所需电能、机械能或其它形式能量的装置。还可以但不限于通过可充电的蓄电池实现。通信模块可以但不限于通过无线通信技术或有线连接等方式实现。
48.一些实施例中，决策控制模块12可以但不限于通过人机交互（开机、关机或急停等）、自动保护程序等实现对能源供给模块14的控制（使能、关闭、充电、放电）。
49.需要说明的是，可以但不限于利用手机、平板电脑、pc或其它定制的手持终端等的人机交互界面，通过有线、无线、局域或者远程等连接方式，实现对助力曲线的参数设置。人机交互界面通过上述连接方式，获取当前助力曲线的数值并向用户展示当前助力曲线的数值，用户可以通过人机交互界面进行点选、拖动、输入等操作修改助力曲线中的关键点的数
值。然后将修改后的结果通过上述连接方式回传给髋关节助理装置的控制系统，从而实现对助力曲线的调整，也可以根据穿戴者的使用数据和云端的步态运动数据，通过机器学习算法自动进行调整，还可以是通过上述两种方法的结合来进行调整。
50.需要说明的是，运动信息采集模块11不限于人体运动所需关节处中的左右髋关节两个位置，可在穿戴者身上任意位置，如下肢、上肢、腰部以及患者身体之外（如布置于外界的运动信息采集模块11）等等。
51.本发明实施例提供的一种髋关节助力装置的控制系统，通过运动信息采集模块11采集人体运动所需关节处的运动信息，决策控制模块12利用人体运动所需关节处的运动信息获取穿戴者的运动状态，并根据穿戴者的运动状态确定助力策略，以根据助力策略控制相应的执行模块13执行助力策略，不仅提高了对人体下肢的运动模式识别的准确度，还提高了人体下肢运动模式切换时的平顺性和稳定性，从而提高了穿戴者的安全指数和用户体验。
52.可以理解的是，上述提供的系统实施例中相应的具体内容可以相互参考，在此不再赘述。
53.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
54.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
55.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品，该指令方法实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
56.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
57.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。