一种基于CPG模型的人体锻炼跑步机自适应主动控制方法技术

本发明专利技术公开一种基于CPG模型的人体锻炼跑步机自适应主动控制方法，包括：通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号，提取其幅值特征和频率特征；将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中，拟合出周期性人体下肢髋关节角度曲线；根据周期性人体下肢髋关节角度曲线，得出角度极值和频率，带入关系模型求出跑步机速度控制命令，并通过计算机发给驱动模块，实现跑步机自适应主动控制。本发明专利技术通过提取人体下肢sEMG的幅频特征作为CPG模型参数，得到期望周期性髋关节步态曲线，提取其角度极值和频率，通过关系模型得到跑步机速度命令，实现跑步机自适应主动控制。

【技术实现步骤摘要】
一种基于CPG模型的人体锻炼跑步机自适应主动控制方法
本专利技术涉及健身设备
，具体讲，涉及一种人体锻炼跑步机自适应主动控制方法。
技术介绍
随着物质生活水平的提高，越来越多的人开始关心自身的健康状态，开始热衷于参加各种体育运动锻炼，全球健身器材产业也得到了迅速发展，其中跑步机操作简便、体积小，节约空间，它满足了人们对有氧健身的需求，具有广阔的发展空间和发展潜力，目前已经成为人们主要健身器材之一。然而，在跑步机的使用过程中，跑步者必须被迫调节自身速度去适应跑步机预设的固定速度，严重影响了跑步者运动时的主动性和轻松感，也限制了跑步机的应用拓展。因此，一种能够检测人体运动速度，并实时控制跑步机电机速度的技术变得尤为重要。跑步机速度自适应控制方法最近有一些相关专利申请公开：1、一种基于柔性阵列压力传感器的跑步机自适应调速系统，申请号：201110315778.8；该专利申请通过在跑板上侧安装柔性阵列压力传感器，实时获取跑步者步频、步长等参数，由所建立的加速度与每两步之间上述参数关系模型计算得出加速度，并向电机驱动模块发送控制命令。该方法由于铺设传感器阵列，需要对跑步机进行改造，成本较高，不适合应用推广使用。2、一种基于视频的跑步机自适应调速系统，申请号：201610229061.4；该专利申请通过摄像机视频采集模块获取跑步者中心位置、相对位移等参数，通过建立加速度与以上参数的关系模型得出加速度，并向电机驱动模块发送控制指令。该方法需要检测人体位移参数，适于大跑步机上使用，家用或健身用小跑步机位移参数不明显，易引起加减速震荡，因此不适合使用该方法。专利技术内容本发的目的在于提供一种基于CPG模型的人体锻炼跑步机自适应主动控制方法，以解决上述技术问题。本专利技术通过提取人体下肢sEMG的幅频特征作为CPG模型参数，得到期望周期性髋关节步态曲线，提取其角度极值和频率，通过关系模型得到跑步机速度命令，实现跑步机自适应主动控制。为了实现上述目的，本专利技术采用如下技术方案：一种基于CPG模型的人体锻炼跑步机自适应主动控制方法，包括以下步骤：步骤一、通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号，提取其幅值特征和频率特征；步骤二、将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中，拟合出周期性人体下肢髋关节角度曲线；步骤三、根据步骤二拟合出的周期性人体下肢髋关节角度曲线，得出角度极值和频率，带入关系模型求出跑步机速度控制命令，并通过计算机发给驱动模块，实现跑步机自适应主动控制。进一步的，步骤一幅值特征和频率特征具体包括：肌电信号X＝{xi}N的幅值特征和频率特征分别为均方根RMS和平均功率频率fmean，公式为：式中：N表示采样点数，s(f)为表面肌电信号功率谱密度函数。进一步的，步骤二CPG模型及肌电特征参数代入具体包括：选择Matsuoka振荡器构建CPG控制模型，其数学模型如下：y1.2＝g(u1.2)yout＝y1-y2式中：ui和vi为状态变量，Tr为上升时间常数，Ta为疲劳时间常数，ω12为神经元2到1的连接权重，β为冲动率常数，c为激励输入，g(u)为门槛函数值，yi为神经元输出，yout为整个振荡器输出；肌电幅值特征和频率特征分别通过非线性增益的方式表示激励输入c和疲劳时间常数Ta，公式为：式中：k0表示激励输入的非线性增益，k1表示疲劳时间常数的非线性增益。进一步的，步骤二遗传算法优化具体包括：通过遗传算法优化CPG模型参数用于拟合人体下肢髋关节实测曲线；要优化的CPG模型参数有k0、k1、β、Ta、g(u)和ω，每组参数对应编码成实数连成的一条定长染色体；遗传算法的适应度函数F(t)为由CPG所产生的关节角度值和髋关节实测角度之差e(t)表示，公式为：式中：c1是比例常数，c2是微分常数，c3是积分常数。进一步的，步骤三关系模型具体为：假设起步相时膝关节角度为零，通过髋关节曲线计算出步长和步态频率从而得到人体运动速度对应跑步机速度命令vd，关系模型具体公式为：vd＝2·(lthigh+lcrus)·{sin(θhmax)-sin(θhmin)}·fh式中：lthigh为大腿长，lcrus为小腿长，θhmax、θhmin分别为CPG模型生成的髋关节步态曲线中关节角度最大值和最小值，fh为步态频率。进一步的，步骤一中采集的肌电信号利用20-500Hz带通滤波器和50Hz工频陷波器对肌电信号进行降噪和伪迹消除处理，之后对信号进行全波整流、归一化和组合相减处理得到正负交替的肌电信号X＝{xi}N。进一步的，步骤一实时采集肌电信号时，在人体一只脚脚跟安装一个压力传感器作为开关信号，检测传感器两次相同方向脉冲信号做为一个步态周期的开始和结束。相对于现有技术，本专利技术具有以下有益效果：表面肌电信号(sEMG)是一种生物电信号，能够直接反映人体的运动意图，被广泛应用于肌肉疲劳检测和实时控制，本专利技术提取下肢sEMG的幅频特征，通过CPG模型得到跑步机速度控制命令，实现跑步机自适应主动控制。该方法只采集下肢两块肌肉的sEMG带入优化完毕的CPG模型，运算速度较快，不用对跑步机进行改造，不受跑步机大小的影响，有较好的灵活性与推广型，所采集的肌电信号的亦可同时用于肌肉疲劳检测等。附图说明图1是基于CPG模型的人体锻炼跑步机自适应主动控制方法框图；图2是遗传算法优化CPG参数流程图；图3是速度关系模型计算示意图；图4是整体硬件实现框图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于了解，下面结合具体图示，进一步阐述本专利技术技术方案的具体实现方式。请参阅图1至图4所示，本专利技术一种基于CPG模型的人体锻炼跑步机自适应主动控制方法，包括下列步骤：利用动作捕捉系统和肌电采集仪同步采集人体在跑步机不同频率运动时下肢髋关节实测角度和2块肌肉的表面肌电信号，2块肌肉具体为：股直肌、股二头肌；取某步频下一个步态周期的肌电信号，预处理和组合后提取幅频特征作为CPG模型参数，并使用遗传算法优化CPG参数用于拟合髋关节实测曲线；实时采集一个步态周期的肌电信号，提取幅频特征带入优化好的CPG模型中，得到髋关节角度极值和频率，根据关系模型得到跑步机速度控制命令，并通过计算机发送命令到驱动模块，实现跑步机自适应主动控制。基于CPG模型的人体锻炼跑步机自适应主动控制方法的示意图如图1。1、肌电特征提取：离线分析时可直接通过计算机提取步态周期的髋关节角度并通过同步采集的时间对应关系提取步态周期的肌电信号。实时采集肌电信号时，可在某只脚脚跟安装一个小的压力传感器作为开关信号，检测传感器两次相同方向脉冲信号即为一个步态周期的开始和结束。采集的肌电信号实时传输到计算机上进行处理分析和下一步计算。利用20-500Hz带通滤波器和50Hz工频陷波器对肌电信号进行降噪和伪迹消除处理，之后对信号进行全波整流、归一化和组合相减处理得到正负交替的肌电信号X＝{xi}N，其幅值特征通过取其均方根值(RMS)描述，公式为：频率特征通过求其平均功率频率fmean来描述，公式为：式中：N表示采样点数，s(f)为表面肌电信号功率谱密度函数。2、CPG模型建立：中枢模式发生器(CentralPatter本文档来自技高网...

【技术保护点】
一种基于CPG模型的人体锻炼跑步机自适应主动控制方法，其特征在于，包括以下步骤：步骤一、通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号，提取其幅值特征和频率特征；步骤二、将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中，拟合出周期性人体下肢髋关节角度曲线；步骤三、根据步骤二拟合出的周期性人体下肢髋关节角度曲线，得出角度极值和频率，带入关系模型求出跑步机速度控制命令，并通过计算机发给驱动模块，实现跑步机自适应主动控制。

【技术特征摘要】
1.一种基于CPG模型的人体锻炼跑步机自适应主动控制方法，其特征在于，包括以下步骤：步骤一、通过肌电采集仪实时采集人体在跑步机上运动时一个步态周期内下肢股直肌、股二头肌的表面肌电信号，提取其幅值特征和频率特征；步骤二、将幅值特征和频率特征作为参数带入已通过遗传算法优化的CPG模型中，拟合出周期性人体下肢髋关节角度曲线；步骤三、根据步骤二拟合出的周期性人体下肢髋关节角度曲线，得出角度极值和频率，带入关系模型求出跑步机速度控制命令，并通过计算机发给驱动模块，实现跑步机自适应主动控制。2.根据权利要求1所述的一种基于CPG模型的人体锻炼跑步机自适应主动控制方法，其特征在于，步骤一幅值特征和频率特征具体包括：肌电信号X＝{xi}N的幅值特征和频率特征分别为均方根RMS和平均功率频率fmean，公式为：式中：N表示采样点数，s(f)为表面肌电信号功率谱密度函数。3.根据权利要求1所述的一种基于CPG模型的人体锻炼跑步机自适应主动控制方法，其特征在于，步骤二CPG模型及肌电特征参数代入具体包括：选择Matsuoka振荡器构建CPG控制模型，其数学模型如下：y1.2＝g(u1.2)yout＝y1-y2式中：ui和vi为状态变量，Tr为上升时间常数，Ta为疲劳时间常数，ω12为神经元2到1的连接权重，β为冲动率常数，...

【专利技术属性】
技术研发人员：张小栋，张强，尹贵，韩焕杰，张黎明，马伟光，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61