【技术实现步骤摘要】
本专利技术涉及外骨骼，尤其涉及一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法。
技术介绍
1、步态分析技术作为一种新兴的生物认证技术，可以作为评估人体运动能力的方式，也是构建医疗辅助外骨骼必要的应用技术。当前的步态识别多采用多种传感器的大量数据以及机器学习算法实现，使得大大增加了计算量和运算复杂程度，提高了对控制运算单元的算力要求。使得设备庞杂，不适用于复杂环境，且外骨骼系统常用的嵌入式系统无法承担如此庞大的计算量。
2、助力控制大多基于步态曲线进行施力与放松时间点及大小的判别，但是对于不同的步频及路况很作出出相应的调整，使得传统助力控制的灵活性较低，以此构建的外骨骼舒适度及治疗能力有限。
技术实现思路
1、本专利技术的目的在于提供一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，提高了系统的舒适性和控制精度。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，包括以下步骤：
4、将外骨骼主机穿戴在患者身上，将六轴姿态传感器固定在患者跖趾关节上方，拉力传感器固定于患者脚跟后方，所述六轴姿态传感器和拉力传感器与外骨骼主机相连；
5、将患者的步态划分为静止态、提踵态、摆动态、触地态四种状态；
6、通过六轴姿态传感器和拉力传感器采集患者的步态信息；
7、通过有限状态机检测患者的步态相位以判断患者的步态；
8、根据有限状态机判断出的患
9、优选的，所述六轴姿态传感器采用卡尔曼滤波算法对采集的信号进行信号降噪平滑处理；所述拉力传感器通过四阶低通巴特沃斯滤波后，再转化成数字信号输入外骨骼主机。
10、优选的，所述有限状态机检测患者的步态相位包括以下步骤：
11、将六轴姿态传感器的pitch轴的位置数据和角速度数据分别存入向量；
12、将位置和角速度向量数据存入滑动窗口，并分别计算当前时刻采集到的位置数据和角速度数据的均值以及方差，作为步态相位的判断依据；
13、通过有限状态机判断获取各个步态相位的开始、结束时刻点，以此计算出各个步态相位的持续时间。
14、优选的，其特征在于：所述位置数据的方差为：
15、
16、所述角速度数据的方差为：
17、
18、其中，为当前时刻六轴姿态传感器pitch位置数据存入滑动窗口，x(n)为六轴姿态传感器pitch位置数据；为当前时刻六轴姿态传感器pitch角速度数据存入滑动窗口，v(n)为六轴姿态传感器pitch角速度数据。
19、优选的，所述有限状态机检测患者的步态相位，包括以下步骤：
20、判断位置数据方差sx和角速度数据方差sv是否均小于静止态阈值，若小于静止态阈值则判定为静止态，存储静止态时的位置数据x0作为静止时的基准位置，并将状态标志变量state更新为静止态；
21、当状态标志变量state为静止态时，角速度数据vn和角速度数据方差sv大于0，则将状态标志变量state更新为提踵态；
22、当状态标志变量state为提踵态时，角速度数据vn的回落至0以下，且当前位置数据xn大于静止时位置基准数据x0，则将状态标志变量state更新为摆动态；
23、当状态标志变量state为摆动态时，角速度数据vn增长至0以上，且当前位置数据xn小于静止时位置基准数据x0，则将状态标志变量state更新为触地态；
24、待位置数据方差和角速度数据方差降低至静止态阈值后判定为静止态，完成有限状态机的循环。
25、优选的，所述policy gradient算法根据样本熵值计算给出的评价值而进行延梯度收敛，使输出的助力大小达成适合时刻提供适合大小的力，包括以下步骤：
26、输入六轴姿态传感器pitch位置数据和六轴姿态传感器pitch角速度数据，输入各步态相位的持续时间；
27、设定状态矩阵st：
28、
29、式中，xn、vn分别为n时刻六轴姿态传感器pitch轴的位置数据和角速度数据；
30、设定策略函数π(ft|st；θ0；θ1)：
31、
32、式中，ft为输出的电机助力大小，st为t时刻的状态值，θ0和θ1分别为动态更新的网络参数；
33、设定价值函数q(st,ft)：
34、
35、式中，η为预期稳定值，取0.4，为策略网络预测一个步态周期中提踵态持续时间的样本熵；
36、更新步骤：
37、ft＝π(·|st；θ0；θ1)；
38、qt＝q(st,ft)；
39、
40、
41、θt+10,1＝θt0,1+β·g(ft,θt0,1)；
42、式中，为θ0和θ1的策略函数梯度，β为学习率，取0.18，策略梯度网络根据样本熵值计算给出的评价值而进行延梯度收敛，并通过控制电机从而控制患者的步态。
43、优选的，所述外骨骼主机包括底板(10)，所述底板上设有导线座(5)、电池固定座(8)、电机座(13)、轴承座(18)和控制板(11)；
44、所述电机座(13)上安装电机(12)，电机(12)的输出轴上设有第二斜齿轮(19)，2个所述轴承座(18)之间设有转轴(14)，转轴(14)的一端依次设有绕线轮(6)、限位块(15)、第一斜齿轮(16)，另一端通过轴承(17)连接轴承座(18)，所述第二斜齿轮(19)与第一斜齿轮(16)啮合；
45、所述电池固定座(8)上安装电池(9)，所述电池与控制板(11)、电机(12)电连接；所述绕线轮(6)上绕有鲍登线(1)，所述鲍登线(1)通过导线座(5)上设置的弹力部件与踝关节绑缚带(20)的一侧相连，鲍登线(1)的末端设有拉力传感器(21)，所述踝关节绑缚带(20)另一侧安装有六轴姿态传感器(24)，所述控制板(11)与拉力传感器(21)、六轴姿态传感器(24)相连。
46、优选的，所述弹力部件包括弹簧线管(3)和设置在弹簧线管(3)内的压缩弹簧(2)，所述鲍登线(1)上设有限位扣，用于限位压缩弹簧(2)。
47、优选的，所述底板(10)上设有与其配合的外壳(4)，所述电机座(13)上设有与其配合的电机外壳(7)。
48、优选的，外骨骼主机上设有应急开关(23)，所述应急开关(23)与控制板(11)连接。
49、与现有技术相比较，本专利技术具有如下有益效果：
50、本专利技术的控制方法简化了训练以及运算复杂度，使得本系统可以在嵌入式系统上运行的同时具有很好的自适应能力，使得外骨骼助力的大小以及时间节点更加贴合人本文档来自技高网...
【技术保护点】
1.一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述六轴姿态传感器采用卡尔曼滤波算法对采集的信号进行信号降噪平滑处理；所述拉力传感器通过四阶低通巴特沃斯滤波后，再转化成数字信号输入外骨骼主机。
3.根据权利要求1所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述有限状态机检测患者的步态相位包括以下步骤：
4.根据权利要求3所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于：所述位置数据的方差为：
5.根据权利要求4所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述有限状态机检测患者的步态相位，包括以下步骤：
6.根据权利要求1所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述Policy Gradient算法根据样本熵值计算给出的评价值而进行延梯度收敛，使输出的助力大小达成适合时刻提供适合大小的力，包括以下步骤
7.根据权利要求1-6任意一项所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述外骨骼主机包括底板(10)，所述底板上设有导线座(5)、电池固定座(8)、电机座(13)、轴承座(18)和控制板(11)；
8.根据权利要求7所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述弹力部件包括弹簧线管(3)和设置在弹簧线管(3)内的压缩弹簧(2)，所述鲍登线(1)上设有限位扣，用于限位压缩弹簧(2)。
9.根据权利要求8所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述底板(10)上设有与其配合的外壳(4)，所述电机座(13)上设有与其配合的电机外壳(7)。
10.根据权利要求9所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，外骨骼主机上设有应急开关(23)，所述应急开关(23)与控制板(11)连接。
...【技术特征摘要】
1.一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述六轴姿态传感器采用卡尔曼滤波算法对采集的信号进行信号降噪平滑处理；所述拉力传感器通过四阶低通巴特沃斯滤波后，再转化成数字信号输入外骨骼主机。
3.根据权利要求1所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述有限状态机检测患者的步态相位包括以下步骤：
4.根据权利要求3所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于：所述位置数据的方差为：
5.根据权利要求4所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述有限状态机检测患者的步态相位，包括以下步骤：
6.根据权利要求1所述的一种基于鲍登线传动的踝关节助力柔性外骨骼的控制方法，其特征在于，所述policy gradient算法根据样本熵值计算给出的评价值而...
【专利技术属性】
技术研发人员：徐发树，杨世亮，赵晨阳，李康，
申请(专利权)人：四川大学华西医院，
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。