脑肌信息自动意图识别与上肢智能控制方法及系统技术方案

本发明专利技术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。本发明专利技术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。

Automatic Intention Recognition of Brain Muscle Information and Intelligent Control Method and System of Upper Limb

The invention relates to an automatic intention recognition and intelligent upper limb control method and system for upper limb rehabilitation treatment of stroke patients. The patients'EEG and surface EMG signals are collected and processed in real time by EEG and surface EMG signal acquisition instrument, and the mixed kernel function composed of polynomial kernel function and RBF kernel function weighted respectively is used for fitting and forecasting. Accurate identification and monitoring of patients'movement intention, and judgment of the corresponding degree of rehabilitation, according to which the corresponding rehabilitation training strategy is adopted. When the rehabilitation degree of upper limbs of stroke patients is low, passive training control is adopted; when the rehabilitation degree of upper limbs of stroke patients is high, active, assistant and resistance control mode is adopted. The hybrid kernel function support vector machine model proposed in the present invention has good learning ability and generalization performance, high prediction accuracy and good control performance, and its prediction results meet the requirements of rehabilitation robots for stroke patients.

【技术实现步骤摘要】
脑肌信息自动意图识别与上肢智能控制方法及系统
本专利技术涉及机器人控制技术，特别涉及一种上肢康复机器人意图识别及基于自适应模拟退火算法的智能控制系统及方法，采用多种康复训练模式，进行脑卒中患者的康复治疗。
技术介绍
临床及研究结果表明，近年来中西方主要国家中，脑卒中(中风)及脊髓损伤疾病是较为常见的神经系统疾病，治疗不当将造成偏瘫、残疾甚至死亡等严重后果。根据相关数据统计，我国仅中风患者600万，且每年新增200多万人，患者常留下偏瘫等后遗症状。这其中，由脑卒中、脊椎损伤等中枢神经系统疾病引起的上肢运动功能障碍患者呈急剧增加的趋势，严重威胁患者健康，降低生活质量。中风偏瘫的康复机理以及临床医学实验证明，人的大脑中枢神经系统具有高度的可塑性。而大脑的可塑性理论则为中风偏瘫患者的功能康复提供了诸多可能，例如作业疗法、运动疗法等现代康复治疗手段均是在大脑的可塑性理论基础上确立和完善起来的，这些康复疗法在中风早期的临床运用中得也取得了较好的治疗效果。临床资料表明，对脑损伤后的积极再训练可以使脑组织重组功能进一步恢复，患侧的被动和健侧的主动运动有可能促进大脑的功能重建。因此，康复训练有可能促进脑功能恢复。早期运动和功能锻炼对脑功能恢复是有益的，被动运动患肢可以改善肢体功能，现有文献推测这种改善是对侧半球、皮层或小脑功能进行代偿的结果。另外早期运动可以减少中风后的并发症，包括继发性血栓形成和肺炎，并可降低死亡率，改善预后。规范化的康复治疗能使患者最大程度的恢复社会生活和提高生活质量。目前，国内外对于中风及脊髓损伤患者的治疗，早期仅集中于药物治疗，而对后期的康复训练和功能训练则由于神经内科医生、护工和康复设备资源数量有限，且多数康复设备依赖进口，造成康复训练效率低，工作强度大。而患者数量众多也进一步导致相当一部分的患者无法得到及时和有针对性的康复治疗。对于脑卒中患者而言，上肢训练是脑卒中康复治疗的重要手段之一，现有大量的临床研究证明其可以极大缓解脑卒中患者的病情，帮助促进其代偿功能，使受抑制的神经通路开通，尽量保留神经肌肉组织自身潜力，帮助其重新发挥正常的生理功能。对于上肢训练而言，采用外骨骼式远程康复系统带动人体上肢实现肩部的屈/伸运动、外摆/内收运动及肘部的屈/伸运动，可以充分利用中枢神经的可塑性，促进大脑功能的重组，协助进行辅助康复治疗。对于多数脑卒中患者而言，其接受康复治疗的黄金时间小于两个月(通常仅为50天)左右。在短短的几十天内，康复治疗部门需要使患者迅速、安全的接受有效的康复治疗，使患者的功能恢复最大化，尽量减轻病症带来的后遗症。这就使得高效、准确、有针对性的康复训练尤为必要。因此外骨骼上肢机器人得到医学界和工业界广泛关注和深入研究。在上肢康复机器人的运动控制中，如何有效利用患肢的动力学特性、预测、估计并实时控制机器人多关节的有效运动，是切实提高其运动控制性能的关键，也是实现机器人自主辅助脑卒中患者的患肢训练较为重要的一个环节。经过国内外文献和专利检索发现，现有专利《中枢神经损伤患者用多功能复合康复系统》(申请号：201210271756.0)中，公开了一种中枢神经损伤患者用多功能复合康复系统，其包括数据库模块、数据管理模块、人机交互模块、功能评估模块、处方生成及管理模块、计算模块、系统控制模块和安全保护模块。利用人工智能，预测、识别人体运动意图，实现人机协调控制，完成患者主动式康复治疗；通过多源信号采集、信号融合及实时控制技术，将各功能有机融合，实现各功能模块的协调康复治疗，利用虚拟现实技术来促进功能恢复最大化。但是该方法和系统主要用于下肢的康复，而不单独涉及上肢机器人康复控制策略问题，且控制器设计问题需要进行多个参数的选取，而在解决脑电肌电识别与预测问题时，并未考虑小样本情况下的高精度运动意图识别的问题，使其应用范围受到一定程度的限制。尽管目前国内外在外骨骼康复机器人上下肢治疗理论和临床应用均有一定进展，但目前依然存在的信息采集、意图识别准确度受限、控制精度不高等瓶颈问题，影响了康复效能的提高和临床的具体应用，体现在如下方面：1)传统纯被动的训练模式(即机器人关节带动手臂运动)无法充分调动患者参与脑卒中康复训练运动的主动性和积极性，不利于增强其康复信心，也不能有效的减轻护理师的工作强度。2)现有主动训练模式中由于肌电脑电等的信号采集，识别和处理的准确度受到一定程度的限制，影响了康复效率。主动康复模式通常采用脑电和肌电传感器采集信号，并据此识别运动意图，但是其识别的准确度往往会取决于所采集的病人信息的数量、样本分布和历史信息。当样本数量小时，识别精度不高，且现有多数识别方法缺乏有效的理论支撑，学习能力(拟合样本数据)和泛化能力(推广样本外数据)难以兼顾，采集和分类识别的结果又反过来影响了反馈控制效果。另外，主动模式的控制系统设计时，通常并未充分考虑上半肢肢体的阻抗的时变特性，造成人机交互的适应性、柔顺性和自然性不足，也影响脑卒中患者的临床治疗感受与康复效果。3)由于关节多为多自由度情况，控制器具体设计时涉及的设计变量通常较多，仅仅凭经验进行选取无法同时兼顾机器人控制系统的稳态和瞬态性能，这也造成系统性能需要进一步的提升。现有研究现状方面，现有专利《基于脑肌信息变阻抗的下肢康复机器人控》(申请号：201510582109.5)中，公开了一种基于脑肌信息变阻抗的下肢康复机器人控制方法，通过脑电、表面肌电信号采集仪实时采取患者的脑电和表面肌电信号，监测、评估患者的康复程度。然后，据此采取不同的康复训练策略，例如被动训练和主动训练进行切换。并利用变阻抗控制方法实现下肢康复机器人人机系统的主动、实时协同控制。但是该方法主要用于下肢的康复(不涉及上肢机器人康复策略问题)，且脑电肌电识别问题未考虑小样本情况下的高精度运动意图识别的问题。采用模糊神经网络来进行修正和逼近变阻抗的控制系统，但神经网络是基于传统统计学的基础上的，是建立在样本无穷大时的渐进理论，即当样本数据趋于无穷多时的统计性质，而实际问题中样本数据往往是有限的。而支持向量机则是基于统计学理论基础上的，有助于克服神经网络难以避免的问题。现有支持向量机在逼近能力方面与BP网络仿真结果表明，SVM具有较强的泛化能力与逼近能力。另外，变阻抗的控制器设计变量存在难以进行精确选取的问题，使其应用范围受到一定程度的限制。现有论文《基于虚拟现实的外骨骼式远程康复系统》(《机械设计与研究》2011年04期)中，外骨骼式远程康复系统实现了上肢多自由度的运动，并应用虚拟现实技术制作了一个虚拟人和一个虚拟场景，它可以跟随患者一起运动，并可以在虚拟场景中进行漫游和监控。但该系统仅能实现被动式的运动治疗，即患者由外骨骼带动进行运动，缺乏交互式的、主动式运动康复训练。同时，缺少采用脑电肌电等生物信号的采集和反馈控制，不利于充分调动患者参与脑卒中康复训练运动的主动性和积极性，不利于增强其康复信心。现有论文《基于脑肌电反馈的虚拟康复系统研究》(2015年)中，采用基于脑肌电反馈信号作为输入，开发了虚拟康复系统，进行了软件开发和系统实现。采用支持向量机来进行模式分类和识别，但是在选取支持向量机的核函数时，沿用传统支持向量机模式，未考虑如何兼顾学习能力和泛化能力的问题，存在过本文档来自技高网...

【技术保护点】
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

【技术特征摘要】
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<a1<a2<a3<1；当x小于阈值a1时，进行被动康复训练模式；当x大于阈值a1且小于a2时，进行主动康复训练模式；当x大于阈值a2且小于a3时，进行助力训练模式；当x大于阈值a3时，进行抗阻训练模式；所述被动康复训练模式中，采用自适应模拟退火优化的前馈控制及PD位置伺服控制方法，使患者完全由上肢康复机器人带动，以标准的生理学上肢运动轨迹进行上肢康复运动；同时，检测上肢康复机器人各关节的角度、角速度并作为反馈信号，实时调整上肢康复机器人的运动轨迹；所述主动康复训练模式中，采取自适应的变阻抗控制方法，将获取到的患者脑电信号和表面肌电信号的时频域特征向量，通过混合核函数的支持向量机算法进行离线学习，在线预测及融合处理，实时产生患者期望的运动步态轨迹曲线；驱动上肢康复机器人的各关节做相应的转角运动，以实现与运动步态轨迹曲线相匹配的轨迹输出；所述助力训练模式中，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，Kp、Kd为控制器增益，e为跟踪误差，x为当前变量的取值，xd为期望变量的取值，q∈Rn为关节变量向量，D(q)∈Rn×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。2.如权利要求1所述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，通过上肢外骨骼机器人传感器特征提取方法，获取患者脑电信号和表面肌电信号的时频域特征向量；所述上肢外骨骼机器人传感器特征提取方法包含小波分解。3.如权利要求1所述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，所述被动康复训练模式中，采用自适应模拟退火的前馈加PD位置伺服控制的方法，包含以下过程：(1)采集不同臂长、年龄的人体上肢运动的关节角度值，对同一类或近似类测试者的采集值取平均值，获得标准的上肢运动数据库，对不同的使用者选取相应的标准上肢运动；根据数据库选取对应时刻的各关节角度运动值；(2)以检测上肢康复机器人各关节获得的角度、角速度作为反馈信号，进行前馈及PD位置伺服控制；(3)根据各关节的转角值获取对应伺服电机的运动情况，驱动各伺服电机运动。4.如权利要求1所述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，所述主动康复训练模式中，基于混合核函数支持向量机来进行脑肌信息自动意图识别进行意图预测与轨迹生成，采取实时变阻抗控制方法，包含以下过程：(1)患者主动运动意图预测；(2)在识别运动意图的基础上，采用混合核函数支持向量机进行患者主动期望轨迹的实时生成；(3)上肢康复机器人人机系统的阻抗...

【专利技术属性】
技术研发人员：吴雄君，钱阳，韩非，陈潜，
申请(专利权)人：上海神添实业有限公司，上海无线电设备研究所，
类型：发明
国别省市：上海,31