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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。