基于径向基神经网络的人体上肢肌肉力预测装置及方法制造方法及图纸

技术编号:26009480 阅读:32 留言:0更新日期:2020-10-23 19:55
本发明专利技术公开了一种基于径向基神经网络的人体肌肉力预测装置及方法,人体上肢肌肉力预测装置指肌电信号和关节角检测处理装置,其包括表面肌电信号传感器、磁敏角度传感器和信号预处理单元。预测方法包括肌肉力训练及预测流程,其包括基于径向基神经网络的表面肌电信号特征值、关节角和肌肉力的训练和肌肉力预测流程;通过vicon动作捕捉系统采集所需的运动轨迹数据,基于开源软件Opensim的上肢肌骨模型采用采集的运动轨迹数据计算所要预测的肌肉力,在采集运动数据的同时基于本发明专利技术的肌电信号和关节角检测装置同时获得运动过程中上肢肌肉的肌电信号和关节角数据,之后基于本发明专利技术的基于径向基神经网络的人体上肢肌肉力预测方法进行肌肉力训练和预测。

【技术实现步骤摘要】
基于径向基神经网络的人体上肢肌肉力预测装置及方法
本专利技术涉及生物力学领域,更具体地,涉及基于径向基神经网络的人体上肢肌肉力预测装置及方法。
技术介绍
肌肉是人类日常生产生活的动力来源,肌肉力的测定在很多研究领域具有重要意义,如类人机器人的设计制造必须通过对肌肉系统的仿真模拟实现类人运动。在人体康复医学领域中对病人的肌肉力进行测定可以了解肌肉损伤状况,康复医学中设计康复器械需要对肌肉力进行测定以实现较好的康复效果。体育竞技运动中为了提高运动员的成绩往往要对运动员在运动中肌肉力的变化做详细的测量和分析。因此肌肉力的测定具有广泛的应用和意义。肌肉力及肌肉力学性能参数的测量在人体康复和人体肌肉评估方面有很重要的作用。公开号为CN107050828A的中国专利“一种基于肌肉质量测定的智能化力量训练方法”使用肌肉质量测定的智能化力量训练器械,通过等速向心运动获得人各部位的最大力量,通过生物电阻抗方法获得人体各部位的肌肉量,通过肌肉质量的评估模型,获得人体各部位和全身的肌肉质量评价结果,并根据肌肉质量的测定情况,给出可在设备中执行的力量训练方案,并对训练结果进行评估。该专利技术可以广泛应用于人体肌肉质量测评,用来评估人体肌肉衰老情况,然而该专利技术获得了向心运动中的最大力量却未能获得运动过程中的肌肉力量变化,该专利技术便携性较差,不能用于测定户外运动中的人体肌肉力。公开号为CN106264573A的中国专利“一种便携式肌肉力学参数及肌肉力在体超声检测装置及方法”采用超声波检测装置对在体人或动物的肌肉进行超声波信号采集,即时对检测信号进行智能分析处理,并提取与肌肉力相关的多个特征参数进行分别成像,结合传统B扫描图像,实现对单块肌肉力学性能参数及肌肉力的测量和定量显示,根据肌肉预设阀值预测肌肉健康状态并对应发出报警提示。该专利技术的超声波检测装置能较好的测得肌肉力学性能和肌肉力,但由于超声检测设备较难直接固定在人体肌肉上,因此无法实现某些室外运动中的人体肌肉力的实时检测,同时该设备可移植性较差,不能结合某些康复器械使用。文献(YuM,LiG,JiangD,etal.ApplicationofPSO-RBFneuralnetworkingesturerecognitionofcontinuoussurfaceEMGsignals[J].JournalofIntelligent&FuzzySystems,2019(Preprint):1-12.)使用径向基神经网络和表面肌电信号对手势进行预测,本专利技术将使用表面肌电信号的肌电特征值、连续的关节角度值实现肌肉力的预测。目前肌肉力的测定方法主要以检测、测量为主,而鲜有基于骨骼肌肉模型的肌肉力计算和预测系统。目前随着计算机技术的发展,通过一些生物力学开源软件如Opensim中的虚拟肌肉骨骼模型可以计算得到肌肉力,这为肌肉力的预测提供了极大的便利。
技术实现思路
为了实现人体上肢肌肉力的预测,本专利技术提出了基于径向基神经网络的肌肉力预测装置及方法,装置和方法的特点是便携性,可以实现肌肉力的实时预测,可移植性较好,可以移植到其他设备,如康复机器人,以实现较好的康复效果。本专利技术的人体上肢肌肉力预测装置是由表面肌电信号传感器、磁敏角度传感器、信号预处理单元组成。人体上肢肌肉力预测方法包括肌肉力预测模型的训练流程、肌肉力预测模型的预测流程。第一方面,本专利技术提供基于径向基神经网络的人体上肢肌肉力预测装置,其特征在于:是由表面肌电信号传感器(1)、磁敏角度传感器(2)、信号预处理单元(3)组成。所述的表面肌电信号传感器(1)由电极和蓝牙传感器组成。所述的表面肌电信号传感器(1)通过蓝牙通信与信号预处理单元(3)连接。所述的磁敏角度传感器(2)通过蓝牙与信号预处理单元连接。所述的信号预处理单元(3)主要完成肌电信号的滤波、降噪和特征值提取及关节角数据的降噪滤波。所述的信号预处理单元(3)为嵌入式系统,对采集的信号进行滤波、降噪和特征提取。第二方面,本专利技术提供基于径向基神经网络的人体上肢肌肉力预测方法,该方法包含训练流程和预测流程。训练流程的数据来源于本专利技术的人体上肢肌肉力预测装置采集和处理得到的上肢肌电信号特征值和vicon运动捕捉系统采集的运动轨迹数据及基于Opensim人体上肢肌肉骨骼模型计算所得的肌肉力,关节角数据。设置径向基神经网络的参数,包括节点数和学习率。将肌电信号特征值、关节角作为神经网络的输入数据,肌肉力作为输出数据导入径向基神经网络中进行训练。预测流程的数据来源于本专利技术的人体上肢肌肉力预测装置采集和处理得到的上肢肌电信号特征值和关节角数据。将肌电信号特征值、关节角作为神经网络的输入数据导入径向基神经网络中进行训练,即可得到肌肉力作为输出数据,实现肌肉力的预测。基于径向基神经网络的人体上肢肌肉力预测方法实施步骤如下:步骤1)在手臂上放置Mark点,以肘屈伸动作为例,Mark点的运动要能反映出肘屈伸动作,使用运动捕捉系统获得待预测者肘关节屈伸运动轨迹数据,使用本专利技术的人体上肢肌肉力预测装置采集和处理得到在肘关节屈伸过程中的肌电信号,肌电信号经过信号预处理单元得到肌电特征值数据。步骤2)使用步骤1)中的肘关节屈伸运动轨迹数据结合开源软件Opensim中上肢肌肉骨骼模型计算相关肌肉的肌肉力及关节角。步骤3)肌肉力训练流程,使用肌电信号的特征值(特征值包括肌电积分值、均方根值和波长)、肘关节角度值和肌肉力值作为数据训练径向基神经网络。步骤4)肌肉力预测流程,使用肌电信号和关节角检测处理装置采集的肌电信号来预测上肢肌肉力。将肌电信号特征值、关节角作为神经网络的输入数据导入径向基神经网络中进行预测,即可得到肌肉力作为输出数据,实现肌肉力的预测。进一步的本专利技术的基于径向基神经网络的人体上肢肌肉力预测方法,步骤1)中手臂的Mark点位于两侧肩膀,肘关节两侧的旋转中心和桡骨末端的两侧(靠近腕骨),共6个Mark点。进一步的本专利技术的基于径向基神经网络的人体上肢肌肉力预测方法,步骤2)中的肌肉骨骼模型为右上肢模型,该模型由7个身体部分(胸骨、锁骨、肩胛骨、肱骨、尺骨、桡骨和手)和17个自由度(胸锁关节、肩锁关节和肩锁关节的3个正交铰链,胸椎关节的3个平动自由度和转动自由度以及肘关节的屈伸和前臂旋后)组成。进一步的本专利技术的基于径向基神经网络的人体上肢肌肉力预测方法,步骤3)中肌电信号特征值中的肌电积分值计算如下:进一步的本专利技术的基于径向基神经网络的人体上肢肌肉力预测方法,步骤3)中肌电信号特征值中的均方根值计算方法如下:进一步的本专利技术的基于径向基神经网络的人体上肢肌肉力预测方法,步骤3)中肌电信号特征值中的波长计算方法如下:进一步的本专利技术的基于径向基神经网络的人体上肢肌肉力预测方法,步骤3)中的径向基神经网络的激活函数如下:进一步的本专利技术的基于径向基神经网络的人体上肢肌肉力预测方法,步骤3)中的径向基神经网络的输出如下:<本文档来自技高网
...

【技术保护点】
1.一种基于径向基神经网络的人体上肢肌肉力预测装置,其特征在于:由表面肌电信号传感器(1)、磁敏角度传感器(2)、信号预处理单元(3)组成;/n所述的表面肌电信号传感器(1)由电极和蓝牙传感器组成;/n所述的表面肌电信号传感器(1)通过蓝牙通信与信号预处理单元(3)连接;/n所述的磁敏角度传感器(2)通过蓝牙与信号预处理单元连接;/n所述的信号预处理单元(3)主要完成肌电信号的滤波、降噪和特征值提取及关节角数据的降噪滤波;/n所述的信号预处理单元(3)为嵌入式系统,对采集的信号进行滤波、降噪和特征提取。/n

【技术特征摘要】
1.一种基于径向基神经网络的人体上肢肌肉力预测装置,其特征在于:由表面肌电信号传感器(1)、磁敏角度传感器(2)、信号预处理单元(3)组成;
所述的表面肌电信号传感器(1)由电极和蓝牙传感器组成;
所述的表面肌电信号传感器(1)通过蓝牙通信与信号预处理单元(3)连接;
所述的磁敏角度传感器(2)通过蓝牙与信号预处理单元连接;
所述的信号预处理单元(3)主要完成肌电信号的滤波、降噪和特征值提取及关节角数据的降噪滤波;
所述的信号预处理单元(3)为嵌入式系统,对采集的信号进行滤波、降噪和特征提取。


2.一种基于径向基神经网络的人体上肢肌肉力预测方法,其特征在于,包括肌肉力预测模型的训练流程、肌肉力预测模型的预测流程,包括以下步骤:
步骤1)在手臂上放置Mark点,以肘屈伸动作为例,Mark点的运动要能反映出肘屈伸动作,使用运动捕捉系统获得待预测者肘关节屈伸运动轨迹数据,使用人体上肢肌肉力预测装置采集和处理得到在肘关节屈伸过程中的肌电信号,肌电信号经过信号预处理单元得到肌电特征值数据;
步骤2)使用步骤1)中的肘关节屈伸运动轨迹数据结合开源软件Opensim中上肢肌肉骨骼模型计算相关肌肉的肌肉力及关节角;
步骤3)肌肉力训练流程,使用肌电信号的特征值(特征值包括肌电积分值、均方根值和波长)、肘关节角度值和肌肉力值作为数据训练径向基神经网络;
步骤4)肌肉力预测流程,使用肌电信号和关节角检测处理装置采集的肌电信号来预测上肢肌肉力...

【专利技术属性】
技术研发人员:唐刚施皓正王世慧王冬梅
申请(专利权)人:上海海事大学
类型:发明
国别省市:上海;31

网友询问留言 已有0条评论
  • 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。

1