基于博弈论和sEMG的上肢康复机器人自适应控制方法及系统技术方案

本发明专利技术公开了基于博弈论和sEMG的上肢康复机器人自适应控制方法及系统，首先设计被试操作过程中，控制机器人在训练时间内进行的运动轨迹；基于sEMG的反向传播神经网络肌力估计模型，通过构建三层神经网络建立表面肌电信号和末端力之间的非线性动态关系；利用博弈论原理对人机交互系统进行分析，推导出机器人的角色，采用纳什平衡来更新两者之间的控制率，确定机器人和被试者的自适应权重因子，最终使得机器人根据被试者在操作过程中的运动意图，按照博弈论原理得到的权重系数自适应调整自身的训练模式，实现康复机器人的训练模式能够自适应人体上肢运动意图。本方法充分考虑被试者的训练进程变化实时提供相应的训练任务，提高了康复机器人的训练效率。了康复机器人的训练效率。了康复机器人的训练效率。

【技术实现步骤摘要】
基于博弈论和sEMG的上肢康复机器人自适应控制方法及系统


[0001]本专利技术属于机器学习
，尤其涉及康复机器人及康复训练的机器学习
，主要涉及了基于博弈论和sEMG的上肢康复机器人自适应控制方法及系统。

技术介绍

[0002]根据世界卫生组织(WHO)以及现有的官方人口统计数据，世界老龄化问题日趋严重，导致与年龄相关的疾病发生率持续增加，如中风、帕金森等。中风又称为脑卒中，在中国每年新增脑卒中患者超过200万，每年有超过150万人死于脑卒中，且随着生活方式等外界因素影响，脑卒中的发病率及死亡率近年来呈上升趋势。由于脑损伤具有不可逆性，缺失的功能不能完全恢复，运动功能障碍是其最常见的后遗症。上肢作为机体运动、维持姿势、平衡等方面起着重要作用的肢体，其功能的下降或缺失不仅严重影响着患者的生活质量，给患者和家庭带来了痛苦和沉重的经济负担，许多中风患者会经历长期的运动残疾，需要尽早并长期进行劳动密集型运动治疗，这给医疗体系带来了沉重的负担。
[0003]随着人工智能领域的发展突飞猛进，机器人技术已逐渐运用于康复医学领域当中，融合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于，包括如下步骤：S1，设计轨迹跟随任务：所述轨迹跟随任务为被试操作过程中，控制机器人在训练时间内进行运动，所述任务至少包括被试者运动的参考轨迹和训练时间；S2，被试者运动意图的识别：设计基于sEMG的反向传播神经网络的肌力估计模型，通过构建三层神经网络来建立表面肌电信号和末端力之间的非线性动态关系；所述基于反向传播神经网络的肌力估计模型分为三层，分别为输入层、隐藏层和输出层；其中，输入数据是滤波归一化后平滑的表面肌电信号；输出是估计力F；S3，训练模式的自适应切换：利用博弈论原理对人机交互系统进行分析，推导出机器人的角色，采用纳什平衡来更新两者之间的控制率，确定机器人和被试者的自适应权重因子，Q+Q
h
≡C其中，Q为机器人的权重因子；Q
h
为被试者的权重因子；C为常量；当机器人的权重因子Q为正时，机器人提供辅助力；当机器人的权重因子Q为负值时，机器人提供阻抗力；S4，自适应控制策略：在训练过程中，机器人根据被试者在操作过程中的运动意图，按照博弈论原理得到的权重系数自适应调整自身的训练模式。2.如权利要求1所述的基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于：所述步骤S2基于反向传播神经网络的肌力估计模型的输入数据为滤波归一化后平滑的表面肌电信号，所述滤波归一化后平滑的表面肌电信号是由采集的原始表面肌电信号依次经过高通滤波、全波整流及低通滤波、归一化处理后得到。3.如权利要求2所述的基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于：所述原始肌电信号取自于肱二头肌、肱三头肌长头、肱三头肌短头或肱桡肌作为待分析肌肉群的肌电信号。4.如权利要求1或3所述基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于：所述步骤S3利用博弈论原理对人机交互系统进行分析的过程中，根据机器人和被试者的输入状态，建立成本函数，所述成本函数为：者的输入状态，建立成本函数，所述成本函数为：其中，U和U
h
分别表示机器人和被试者的成本函数；t表示时间；ξ表示运动状态；u和u
h
分别表示机器人和被试者的电机指令；Q为机器人的权重因...

【专利技术属性】
技术研发人员：曾洪，陈晴晴，李潇，段银鑫，张建喜，宋爱国，
申请(专利权)人：东南大学，
类型：发明
国别省市：