【技术实现步骤摘要】
本专利技术具体涉及一种利用脑电波控制下肢助行器的设计方法，属于医疗康复设备智能控制。
技术介绍
1、肢体残疾严重危害着人们的身心健康和日常生活，而多数残疾是由于人的神经网络被阻断引起的，尤其表现在由中风等脑血管疾病引起的肢体残疾。医学知识表明，重复的训练可以重新激活神经网络通道。康复机器人以及各种助行装置可以帮助人们进行康复训练，提升训练效果，提高人们的生活质量。而基于脑机接口的康复装置以其人机交互自然的优势成为了康复设备发展的大方向。脑机接口可以采集脑电波（electroencephalogram,eeg），脑电波是一种使用电生理指标记录大脑活动的方法，大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。然而，现有的利用脑电波来控制下肢助行器的设计方法中，对于脑电信号的提取及分类处理方法还存在很多缺陷和不足，训练模型无法自我学习和改进，需要就此进行改进和优化设计算法。
技术实现思路
1、针对现有技术存在的问题，本专利提出了一种利用脑电波控制下肢助行器的设计方法。
2、本专利技术的技术方案如下：
3、一种利用脑电波控制下肢助行器的设计方法，包括如下硬件：
4、脑机接口，包括脑电波传感器，用来采集人脑的脑电波信号；
5、服务器，包括模型训练中心，用来建立深度学习框架对分类器模型进行训练；
6、可穿戴于下肢的下肢助行器，包括控制电路、电
7、所述脑机接口与单片机之间通过蓝牙进行通信，服务器与单片机之间通过wifi进行双向通信，训练好的分类器可以从服务器下载到单片机上，分类器可以利用实际分类数据进行不断改进和完善；
8、所述设计方法为：单片机接收到脑电波信号后，经过信号转换处理发送给分类器，分类器对转换处理后的信号进行加工生成控制指令，控制指令驱动电机和执行机构带动人体下肢动作；单片机也可以将使用过程中产生的数据集以及病人的训练恢复情况上传至服务器进行反馈，让模型训练中心进行不断地学习，以训练出更好的分类器，并将最新的分类器发送给单片机以供更新使用，实现服务器与单片机之间的双向通信。
9、进一步的，所述单片机为stm32单片机。
10、进一步的，所述深度学习框架包括自动编码器、联合对抗网络、正则流形约束，采用自然图像和脑电信号相结合的联合训练模型来训练分类器。
11、进一步的，所述服务器与单片机之间的双向通信是利用数字孪生技术来实现的，将实际分类数据反馈到服务器进行模型自我学习和改进，将训练效果反馈到服务器，对训练效果进行评估。
12、有益效果：本专利方法通过脑机接口获得脑电信号，基于深度学习对脑电波信号进行分类，深度学习的分类器的功能通过数字孪生技术不断进行学习和完善，不断完善的分类器再将脑电信号转换成相应的指令，根据分类指令控制下肢助行器，帮助人们进行康复，从而达到更好的康复效果。
本文档来自技高网...【技术保护点】
1.一种利用脑电波控制下肢助行器的设计方法，其特征在于：包括如下硬件：
2.根据权利要求1所述的一种利用脑电波控制下肢助行器的设计方法，其特征在于：所述单片机为STM32单片机。
3.根据权利要求1所述的一种利用脑电波控制下肢助行器的设计方法，其特征在于：所述深度学习框架包括自动编码器、联合对抗网络、正则流形约束，采用自然图像和脑电信号相结合的联合训练模型来训练分类器。
4.根据权利要求1所述的一种利用脑电波控制下肢助行器的设计方法，其特征在于：所述服务器与单片机之间的双向通信是利用数字孪生技术来实现的，将实际分类数据反馈到服务器进行模型自我学习和改进，将训练效果反馈到服务器，对训练效果进行评估。
【技术特征摘要】
1.一种利用脑电波控制下肢助行器的设计方法，其特征在于：包括如下硬件：
2.根据权利要求1所述的一种利用脑电波控制下肢助行器的设计方法，其特征在于：所述单片机为stm32单片机。
3.根据权利要求1所述的一种利用脑电波控制下肢助行器的设计方法，其特征在于：所述深度学习框架包括自动编码器、联合对抗...
【专利技术属性】
技术研发人员：魏胜利，曹领，冯贺，郭小波，赵凯，吴昊，张桢君，
申请(专利权)人：安阳工学院，
类型：发明
国别省市：
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。