一种基于疲劳感知的机器人辅助康复人机协作训练方法技术

本发明专利技术公开了一种基于疲劳感知的机器人辅助康复人机协作训练方法，包括如下步骤：采集人们在正常和疲劳状态下的患侧肌电数据；对采集后的肌电数据进行特征选择；根据人们在正常和疲劳状态下不同的肌电信号对人是否处于疲劳状态做出准确判断；通过判断出的结果对康复训练模式进行智能切换。本发明专利技术能够对中风患者在进行康复训练时进行疲劳感知，在患者进行主动康复训练同时检测患者疲劳状态，在检测到患者处于疲劳状态后智能切换主动训练为被动训练，从而避免患者因过度训练而带来的二次损伤。

A Man-machine Cooperative Training Method for Robot-assisted Rehabilitation Based on Fatigue Perception

The invention discloses a human-computer cooperative training method for robot-assisted rehabilitation based on fatigue perception, which includes the following steps: collecting EMG data of affected side of people in normal and fatigue state; selecting features of the collected EMG data; making accurate judgments on whether people are in fatigue state according to different EMG signals in normal and fatigue state; and judging whether people are in fatigue state by judging whether people are in fatigue state or not; The result of this study is to switch the rehabilitation training mode intelligently. The invention can sense fatigue of stroke patients during rehabilitation training, detect fatigue state of patients at the same time during active rehabilitation training, and intelligently switch active training to passive training after detecting fatigue state of patients, thereby avoiding secondary injury caused by Overtraining of patients.

【技术实现步骤摘要】
一种基于疲劳感知的机器人辅助康复人机协作训练方法
本专利技术涉及医疗康复训练方法，尤其涉及一种基于疲劳感知的机器人辅助康复人机协作训练方法。
技术介绍
近年来，伴随着社会经济的快速发展和医疗保障体系的不断完善，人口老龄化的趋势变得越加明显。人口老龄化是人民生活水平提高和科学技术进步的必然结果，在一定程度上反映了社会的进步。但在其程度不断加深的同时，老年人口的健康问题也渐渐引起了社会各界的广泛关注。偏瘫是老年人中遇到的一个普遍问题。偏瘫是指同一侧上下肢、面肌和舌肌下部的运动障碍，是急性脑血管病的常见症状。轻度偏瘫病人虽然尚能活动，但走起路来，往往上肢屈曲，下肢伸直，瘫痪的下肢走一步划半个圈，这种特殊的走路姿势，叫做偏瘫步态。严重者常卧床不起，丧失生活能力。按照偏瘫的程度，可分为轻瘫、不完全性瘫痪和全瘫。轻瘫：表现为肌力减弱，肌力在4～5级，一般不影响日常生活，不完全性瘫较轻瘫重，范围较大，肌力2～4级，全瘫：肌力0～1级，瘫痪肢体完全不能活动。传统的康复治疗主要是由医师握住患者受损肢体，辅助患者完成各动作，维持患者肢体活动范围，并促进运动功能早日康复。对于传统康复训练的一些问题，如训练效率和训练强度难以保证，训练效果受康复医疗师的水平影响，国内外生产出了一系列主被动康复训练机。但由于偏瘫患者对自身训练模式缺乏深入研究，与康复医疗师沟通时存在一些问题，常常会因长时间进行某一种康复训练使得肌肉过度疲劳而造成二次损伤。
技术实现思路
专利技术目的：为了解决现有技术存在的问题，本专利技术的目的在于提供一种基于疲劳感知的机器人辅助康复人机协作训练方法，该方法能够实时识别患者疲劳状态，并可根据患者状态自动切换康复训练模式。技术方案：一种基于疲劳感知的机器人辅助康复人机协作训练方法，该方法通过获取病人康复训练时偏瘫侧的肌电信号，识别出实时的疲劳状态并切换康复训练模式，包括如下步骤：步骤1、通过肌电传感器采集病人偏瘫侧正常状态下和长时间训练后的肌电信号；步骤2、从肌电信号中分析出反应目标疲劳状态的肌电特征值及其组合；步骤3、根据肌电特征值及其组合，设计分类器识别目标疲劳状态；步骤4、根据目标疲劳状态，设计与目标疲劳状态相一致的控制器。具体的，所述步骤2包括如下内容：2.1、提取各肌电信号的肌电特征参数作为判定目标是否疲劳的特征；2.2、采用“单因素方法分析”方法分析出能反应目标疲劳状态变化的肌电信号重要特征及其组合。优选的，所述步骤3中，采用支持向量机方法设计目标疲劳状态分类器。进一步优选的，所述步骤4中，通过状态的变换设计与患者目标疲劳状态变化相一致的主被动康复训练切换控制器。所述步骤2.2包括：(1)定义被试间变量A以及因变量；(2)对因变量经行方差齐次性检验，若满足则继续分析，否则直接结束分析流程；(3)对A因素进行方差分析；(4)分别判断各因变量主效应是否明显，如果是，则判断该因变量对目标疲劳状态具有显著性，否则则不具有显著性；(5)确定肌电特征差异显著的因变量组合，结束分析流程。有益效果：和现有技术相比，本专利技术具有如下显著进步：1、相对于现有的主被动康复训练机，本专利技术能够对中风患者在进行康复训练时进行疲劳感知，在患者进行主动康复训练同时检测患者疲劳状态，在检测到患者处于疲劳状态后智能切换主动训练为被动训练，从而避免患者因过度训练而带来的二次损伤。2、相较目前常用的“语音信号分析”、“面部表情”和“身体姿态”等疲劳状态识别方法，它的适用群体更加广泛，且受主/被试主观因素影响较小，是一种非侵入式、检测手段方便且易于被患者接受的客观量化疲劳状态的研究方法。附图说明图1是本专利技术提出的基于疲劳感知的机器人辅助康复人机协作训练方法的框图；图2是基于“单因素方差分析”方法的疲劳肌电响应特征分析流程图；图3是平静状态肌电信号图；图4是轻度疲劳状态肌电信号图；图5是重度疲劳状态肌电信号图；图6是状态决策控制器图。具体实施方式以下结合附图和具体实施例对本专利技术的技术方案做进一步详细说明。一种基于疲劳感知的机器人辅助康复人机协作训练方法，以康复训练机辅助目标康复训练过程中目标患侧所产生的“正常”、“轻度疲劳”和“重度疲劳”为目标状态，具体实现包括如下步骤：步骤1、获取康复训练过程中患者目标疲劳反应的肌电信号；步骤2、肌电信号疲劳响应特征分析：从肌电信号中分析出反应目标疲劳状态的肌电特征及其组合；步骤3、目标疲劳状态识别：根据分析得到的目标肌电信号响应特征及其组合，设计分类器识别目标疲劳状态；步骤4、根据识别到的患者目标疲劳状态，设计与患者目标疲劳变化相一致的主被动康复训练切换控制器。步骤1中，优选通过采用肌电信号疲劳状态测量实验，以获取训练过程中患者目标疲劳反应的肌电响应信号，具体过程为：1.1、实验任务设计：基于虚拟现实技术构建虚拟训练环境模拟患者日常生活中拿取物体的动作，并通过设计康复训练时间以期诱发患者患侧正常和疲劳两种目标状态；1.2、实验问卷设计：在患者训练时，与患者交流，了解患者患侧实时的疲劳程度。达到目标疲劳状态后停止训练，并对立即对患者患侧的肌电信号进行采集。1.3、实验数据获取：对来自患者患侧的肌电数据进行实时监测和记录；1.4、实验过程设计：首先，根据前述设计的虚拟实验任务确定适合被试疲劳的康复训练时间；其次，确定被试不同康复训练时间下肌电参数测量基准；最后，训练结束，被试、心理和康复医师分别根据各自情况接受实验问卷调查。步骤2中，肌电信号疲劳响应特征分析过程包括：2.1、从患者肌电信号中中提取各自均值、标准差、方差、积分肌电值等共26个特征值作为判定目标是否疲劳的特征；2.2、采用“单因素方差分析”方法，从统计意义上分析出能反应目标疲劳状态变化的肌电信号重要特征及其组合。通过“三种目标疲劳状态”方差分析，在提取出的肌电特征参数中挑选出能够真实有效反映被试疲劳状态的肌电特征参数用于下一步的疲劳识别研究。其中，“三种目标疲劳状态”方差分析是针对同一被试不同目标疲劳状态的方差分析。在对被试肌电特征参数的显著性差异分析中，分别将“轻度疲劳”和“重度疲劳”的调查问卷与“正常”情况下的调查问卷进行单因素方差分析。变量A为目标疲劳状态，A1，A2，A3分别对应“正常”“轻度疲劳”和“重度疲劳”三种目标状态，目标分析模型中的26个因变量对应提取出的26个肌电特征参数。其中，26个因变量均通过方差齐性检验，满足方差分析前提。显著性水平设定为0.1，在显著性参数p<0.1的前提下，单因素方差分析报告中具有统计意义的结果。如图2所示，基于“单因素方差分析”方法的肌电信号疲劳响应特征分析的实现过程为：(1)定义被试间变量A以及因变量。(2)对因变量经行方差齐次性检验，若满足则继续分析，否则直接结束分析流程。(3)对A因素进行方差分析。(4)分别判断26个因变量主效应是否明显，如果是，则判断该因变量对目标疲劳状态具有显著性，否则则不具有显著性。(5)确定肌电特征差异显著的因变量组合，结束分析流程。步骤3中，采用支持向量机方法设计目标疲劳状态分类器。具体采用软间隔支持向量机方法设计目标疲劳状态分类器，包括如下步骤：(1)构建分类器实验数据训练集和验证集：以疲劳状态肌电响应特征分析阶段得到的能反应目标疲劳状态的肌电信号重要特征及其组合，本文档来自技高网...

【技术保护点】
1.一种基于疲劳感知的机器人辅助康复人机协作训练方法，其特征在于，包括如下步骤：步骤1、通过肌电传感器采集病人偏瘫侧正常状态下和长时间训练后的肌电信号；步骤2、从肌电信号中分析出反应目标疲劳状态的肌电特征值及其组合；步骤3、根据肌电特征值及其组合，设计分类器识别目标疲劳状态；步骤4、根据目标疲劳状态，设计与目标疲劳状态相一致的控制器。

【技术特征摘要】
1.一种基于疲劳感知的机器人辅助康复人机协作训练方法，其特征在于，包括如下步骤：步骤1、通过肌电传感器采集病人偏瘫侧正常状态下和长时间训练后的肌电信号；步骤2、从肌电信号中分析出反应目标疲劳状态的肌电特征值及其组合；步骤3、根据肌电特征值及其组合，设计分类器识别目标疲劳状态；步骤4、根据目标疲劳状态，设计与目标疲劳状态相一致的控制器。2.根据权利要求1所述的基于疲劳感知的机器人辅助康复人机协作训练方法，其特征在于，所述步骤2具体包括如下内容：2.1、提取各肌电信号的肌电特征参数作为判定目标是否疲劳的特征；2.2、采用“单因素方法分析”方法分析出能反应目标疲劳状态变化的肌电信号重要特征及其组合。3.根据权利要求1所述的基于疲劳感知的机器人辅助康复人机协作训练方法，其特征在于：所述步骤3中，采用支持向量机方法设计目标疲劳状态分类器。4.根据权利要求1所述的基于疲劳感知的机器人辅助康复人机协作训练方法，其特征在于：所述步骤4中，通过状态的变换设计与患者目标疲劳状态变化相一致的主被动康复训练切换控制器。5.根据权利要求2所述的基于疲劳感知的机器人辅助康复人机协作训练方法，...

【专利技术属性】
技术研发人员：陈金阳，徐国政，高翔，陈盛，谭彩铭，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32