一种下肢康复机器人的按需辅助控制方法

本发明适用于智能康复设备，尤其涉及一种下肢康复机器人的按需辅助控制方法。

背景技术：

1、下肢康复训练一直是康复训练的重要研究方向，现有的下肢康复训练主要是通过人工辅助患者进行，这种康复训练方式的恢复周期长、效率低，无法满足康复训练的需求。

2、随着科技的进步，使用下肢康复脚踏车进行康复训练已成为主流的康复训练方法，下肢康复装置摆脱了人工的束缚，通过带动患者受损的下肢按照设定好的训练模式进行反复锻炼，目前主流的下肢康复训练模式主要有主动模式和被动训练模式。迄今为止应用于临床的下肢康复脚踏车大多需要在进行康复训练前设定好训练模式和速度，在训练过程中无法随着患者的肌力状态而随机调整，不利于患者的下肢恢复。此外，在使用下肢康复脚踏车时，患者的训练过程过于机械化，枯燥的重复性训练易使患者产生消极的情绪，不能有效的识别患者的训练意图来进行积极有效的康复训练。

3、因此亟需一种新的下肢康复机器人的按需辅助控制方法解决上述问题。

技术实现思路

1、本发明提出一种下肢康复机器人的按需辅助控制方法，旨在解决不同健康状态使用者的康复需求，更精确的反映使用者的运动状态，提高了使用者下肢康复训练过程中的参与度和安全性。

2、所述按需辅助控制方法包括以下步骤：

3、s1、采集人体下肢的多源信号，所述多源信号包括下肢表面肌电信号、下肢运动关节角速度信号、下肢运动关节角加速度信号以及足底压力信号；

4、s2、对所述多源信号进行预处理，得到预处理多源信号；

5、s3、建立预设神经网络模型，将所述预处理多源信号作为所述预设神经网络模型的输入进行特征提取和分类识别，得到自动分类识别模型；

6、s4、获取使用者下肢多源信号，将所述使用者下肢多源信号作为所述自动分类识别模型的输入，对使用者的运动状态进行在线估计，得到输出运动状态；其中，所述输出运动状态包括使用者的运动意图和肌肉疲劳状况；

7、s5、根据所述输出运动状态控制下肢康复机器人对使用者进行康复训练。

8、优选的，步骤s1中，所述下肢表面肌肉电信号包括股二头肌电信号、股直肌电信号、股内侧肌电信号、胫骨前肌电信号、腓肠肌电信号以及比目鱼肌电信号。

9、优选的，步骤s1中，通过电极片采集所述下肢表面肌肉电信号；通过光电角度编码器采集所述下肢运动关节角速度信号和所述下肢运动关节角加速度信号；通过压力传感器采集所述足底压力信号。

10、优选的，步骤s2中，对所述多源信号进行预处理包括以下子步骤：

11、s21、对所述下肢表面肌电信号进行限幅处理，去除尖峰幅值，得到限幅信号；

12、s22、对所述下肢运动关节角速度信号、所述下肢运动关节角加速度信号以及所述足底压力信号进行滤波处理，得到滤波信号；

13、s23、对所述限幅信号和所述滤波信号进行归一化处理，得到所述预处理多源信号。

14、优选的，步骤s3中，所述预设神经网络模型包括卷积神经网络和长短期记忆网络，所述卷积神经网络和所述长短期记忆网络用于对所述预处理多源信号进行特征提取；其中，所述卷积神经网络包括3个卷积块，所述卷积块包括卷积层、批归一化层、relu激活层、丢弃层以及池化层；所述长短期记忆网络包括3个长短期记忆层。

15、优选的，所述预设神经网络模型还包括全连接神经网络，所述全连接神经网络包括3个全连接块作为分类器，所述全连接神经网络用于对所述预处理多源信号进行分类识别。

16、优选的，步骤s5中，所述康复训练包括主动训练和被动训练，所述主动训练为使用者带着所述下肢康复机器人进行运动，所述被动训练为所述下肢康复机器人协助使用者进行运动。

17、与现有技术相比，本发明通过采集的多源信号相比单一信号在进行运动意图识别时，更能够精确的反应使用者的运动状态；通过自动分类识别模型识别出使用者的运动状态，相比采用简单的神经网络分类模型进行分类识别，卷积神经网络具有良好的局部特征提取能力，长短期记忆网络具有较强的长期依赖学习能力，能够更快速和更准确的识别使用者的运动状态；根据识别出使用者的运动状态，控制下肢康复机器人的辅助力矩和速度，相比现有的下肢康复机器人的开环速度力矩控制，能够适应不同健康状态使用者的康复需求，极大提高了使用者下肢康复训练过程中的参与度和安全性。

技术特征：

1.一种下肢康复机器人的按需辅助控制方法，其特征在于，所述按需辅助控制方法包括以下步骤：

2.如权利要求1所述的下肢康复机器人的按需辅助控制方法，其特征在于，步骤s1中，所述下肢表面肌肉电信号包括股二头肌电信号、股直肌电信号、股内侧肌电信号、胫骨前肌电信号、腓肠肌电信号以及比目鱼肌电信号。

3.如权利要求1所述的下肢康复机器人的按需辅助控制方法，其特征在于，步骤s1中，通过电极片采集所述下肢表面肌肉电信号；通过光电角度编码器采集所述下肢运动关节角速度信号和所述下肢运动关节角加速度信号；通过压力传感器采集所述足底压力信号。

4.如权利要求1所述的下肢康复机器人的按需辅助控制方法，其特征在于，步骤s2中，对所述多源信号进行预处理包括以下子步骤：

5.如权利要求1所述的下肢康复机器人的按需辅助控制方法，其特征在于，步骤s3中，所述预设神经网络模型包括卷积神经网络和长短期记忆网络，所述卷积神经网络和所述长短期记忆网络用于对所述预处理多源信号进行特征提取；其中，所述卷积神经网络包括3个卷积块，所述卷积块包括卷积层、批归一化层、relu激活层、丢弃层以及池化层；所述长短期记忆网络包括3个长短期记忆层。

6.如权利要求5所述的下肢康复机器人的按需辅助控制方法，其特征在于，所述预设神经网络模型还包括全连接神经网络，所述全连接神经网络包括3个全连接块作为分类器，所述全连接神经网络用于对所述预处理多源信号进行分类识别。

7.如权利要求1所述的下肢康复机器人的按需辅助控制方法，其特征在于，步骤s5中，所述康复训练包括主动训练和被动训练，所述主动训练为使用者带着所述下肢康复机器人进行运动，所述被动训练为所述下肢康复机器人协助使用者进行运动。

技术总结
本发明适用于智能康复设备技术领域，尤其涉及一种下肢康复机器人的按需辅助控制方法。本发明通过采集的多源信号相比单一信号在进行运动意图识别时，更能够精确的反应使用者的运动状态；通过自动分类识别模型识别出使用者的运动状态，相比采用简单的神经网络分类模型进行分类识别，卷积神经网络具有良好的局部特征提取能力，长短期记忆网络具有较强的长期依赖学习能力，能够更快速和更准确的识别使用者的运动状态；根据识别出使用者的运动状态，控制下肢康复机器人的辅助力矩和速度，相比现有的下肢康复机器人的开环速度力矩控制，能够适应不同健康状态使用者的康复需求，极大提高了使用者下肢康复训练过程中的参与度和安全性。

技术研发人员：陈辉,李豪,黄增鸿,饶红霞,刘畅,徐雍
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/6/5