膝上型假肢的運(yùn)動(dòng)意圖識(shí)別與控制

宣伯凱 劉作軍,2 陳玲玲,2 楊 鵬,2

(1河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院, 天津 300130)(2河北工業(yè)大學(xué)智能康復(fù)裝置與檢測(cè)技術(shù)教育部工程研究中心, 天津 300130)

膝上型假肢的運(yùn)動(dòng)意圖識(shí)別與控制

宣伯凱1劉作軍1,2陳玲玲1,2楊 鵬1,2

(1河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院, 天津 300130)(2河北工業(yè)大學(xué)智能康復(fù)裝置與檢測(cè)技術(shù)教育部工程研究中心, 天津 300130)

根據(jù)不同路況條件和典型步速的笛卡爾積組合,利用裝配在殘肢側(cè)的陀螺儀、加速度計(jì)和足底前后的壓力傳感器的信息,通過(guò)相關(guān)性系數(shù)分析、傳感器融合、隱馬爾可夫模型的方法,判斷假肢使用者的運(yùn)動(dòng)意圖.以健肢運(yùn)動(dòng)狀態(tài)為參考值,利用迭代學(xué)習(xí)控制分別建立不同路況和步速情況下的控制知識(shí)數(shù)據(jù)庫(kù).通過(guò)傳感器的關(guān)鍵狀態(tài)變化信號(hào)驅(qū)動(dòng)有限狀態(tài)機(jī)狀態(tài)轉(zhuǎn)換,輸出控制知識(shí)庫(kù)中的控制量,實(shí)現(xiàn)假肢膝關(guān)節(jié)在不同路況、步速條件下對(duì)步態(tài)相位的控制.針對(duì)控制過(guò)程中出現(xiàn)的輸出量實(shí)時(shí)偏差,采取了在線(xiàn)校正措施.對(duì)于有限狀態(tài)機(jī)輸出控制數(shù)據(jù)序列在時(shí)間同步上的超前和滯后問(wèn)題,采取了相應(yīng)的保持和補(bǔ)償措施.結(jié)果表明，經(jīng)隱馬爾可夫模型處理后路況判斷準(zhǔn)確率可提升到91.7%,基于數(shù)據(jù)驅(qū)動(dòng)的無(wú)模型控制方法能夠?qū)崿F(xiàn)對(duì)不同路況、步速下假肢步態(tài)的有效控制.

假肢;運(yùn)動(dòng)意圖;迭代學(xué)習(xí)控制;有限狀態(tài)機(jī)

下肢假肢具有輔助截肢者運(yùn)動(dòng)的重要作用,假肢的動(dòng)作必須與使用者的運(yùn)動(dòng)意圖相協(xié)調(diào),因此假肢膝關(guān)節(jié)控制器的關(guān)鍵問(wèn)題首先是使用者運(yùn)動(dòng)意圖的識(shí)別問(wèn)題.下肢運(yùn)動(dòng)意圖的信息可通過(guò)使用非侵入式傳感器測(cè)量表面肌電、足底接觸力、關(guān)節(jié)運(yùn)動(dòng)角度和加速度等獲得,也可以通過(guò)植入式電極檢測(cè)外周神經(jīng)、中樞神經(jīng)信號(hào)而獲得.在信號(hào)分析方面,文獻(xiàn)[1-2]針對(duì)表面肌電信號(hào)使用QDA方法設(shè)計(jì)了膝關(guān)節(jié)屈伸動(dòng)作的分類(lèi)器;文獻(xiàn)[3-4]針對(duì)表面肌電和足底壓力信息分別使用了支持向量機(jī)和LDA方法完成運(yùn)動(dòng)模式的識(shí)別;文獻(xiàn)[5]通過(guò)建立高斯混合模型實(shí)現(xiàn)了站-立-走3種運(yùn)動(dòng)模式的判斷;文獻(xiàn)[6]通過(guò)訓(xùn)練方法提高了運(yùn)動(dòng)模式轉(zhuǎn)換的識(shí)別率.

與人體運(yùn)動(dòng)意圖相協(xié)調(diào)是假肢膝關(guān)節(jié)控制的另一個(gè)關(guān)鍵問(wèn)題.目前一般采用健肢步態(tài)還原步行姿態(tài)[7]、基于迭代學(xué)習(xí)實(shí)現(xiàn)假肢步速跟隨[8]、通過(guò)CLMR建立映射函數(shù)輸出運(yùn)動(dòng)狀態(tài)[9]、自適應(yīng)CPG控制器產(chǎn)生運(yùn)動(dòng)控制信息[10]、有限狀態(tài)機(jī)實(shí)現(xiàn)膝關(guān)節(jié)的力矩控制[11],以及通過(guò)設(shè)計(jì)基于阻抗控制的有限狀態(tài)機(jī)[12-13]實(shí)現(xiàn)假肢的主動(dòng)運(yùn)行.

伴隨假肢控制原理研究的發(fā)展,假肢制作與控制技術(shù)的進(jìn)步使假肢性能得到極大提升,但通過(guò)調(diào)節(jié)阻尼進(jìn)行膝關(guān)節(jié)控制的被動(dòng)型假肢,不能提供助力和主動(dòng)調(diào)節(jié).2009年,Ossur公司研制的Power Knee能夠根據(jù)不同路況,控制致動(dòng)器刺激使用者的殘肢肌肉帶動(dòng)假肢同步運(yùn)動(dòng),被認(rèn)為是世界上第一款主動(dòng)型膝上假肢.近年來(lái),利用復(fù)雜傳感器系統(tǒng)研制的智能仿生膝關(guān)節(jié)產(chǎn)品能夠更靈敏地檢測(cè)步態(tài)信息,提供更準(zhǔn)確的運(yùn)動(dòng)模式和支撐力調(diào)節(jié),代表產(chǎn)品有Otto Bock公司的Genium智能仿生膝關(guān)節(jié)、Ossur公司的Rheo Knee3仿生膝關(guān)節(jié)和Blatchford Endolite公司的Orion2智能仿生假肢等.國(guó)內(nèi)智能假肢研制在近30年的發(fā)展中同樣取得了長(zhǎng)足的進(jìn)步.清華大學(xué)率先展開(kāi)了智能假肢相關(guān)理論與技術(shù)的研究,設(shè)計(jì)了利用肌電信號(hào)識(shí)別路況的多連桿智能假肢.許多科研團(tuán)隊(duì)在假肢控制領(lǐng)域的研究在不斷擴(kuò)展,設(shè)計(jì)了多款智能假肢原型樣機(jī).在智能假肢控制方案中,通過(guò)人體神經(jīng)信號(hào)或表面肌電信號(hào)sEMG獲取運(yùn)動(dòng)意圖和膝關(guān)節(jié)控制量,具有直接反映人體行為變化規(guī)律、可實(shí)現(xiàn)多模式交互控制等優(yōu)點(diǎn).但神經(jīng)信號(hào)難以直接測(cè)取,手術(shù)裝配困難,而殘肢sEMG信號(hào)則具有明顯的個(gè)體特異性, 且會(huì)隨著人的體征變化而變化,直接影響了動(dòng)作識(shí)別的準(zhǔn)確率[14].此外,表面電極在使用過(guò)程中因電極滑移松動(dòng)、出汗、sEMG信號(hào)微弱易受干擾等問(wèn)題,使采集到的信號(hào)具有很大隨機(jī)性[15].受限于神經(jīng)/機(jī)電系統(tǒng)之間信息交互上的技術(shù)瓶頸,出于安全性、成本等因素,在現(xiàn)階段的可行性難以保證.與外骨骼和帕金森患者的康復(fù)輔具不同,通過(guò)表面肌電信號(hào)控制的假肢,還會(huì)因?yàn)椴煌刂呒∪鈿埩艉臀s程度上的差異,其控制參數(shù)不具備通用性,假肢的安裝、試穿、適應(yīng)過(guò)程都會(huì)很長(zhǎng),增加了康復(fù)工程師的勞動(dòng)強(qiáng)度.因此,本文利用慣性傳感器和壓力傳感器檢測(cè)運(yùn)動(dòng)狀態(tài)信息,并通過(guò)相關(guān)性系數(shù)、傳感器融合、隱馬爾可夫模型的方法對(duì)運(yùn)動(dòng)意圖實(shí)現(xiàn)了準(zhǔn)確的預(yù)識(shí)別,同時(shí)采取基于迭代學(xué)習(xí)控制和有限狀態(tài)機(jī)的方法對(duì)假肢進(jìn)行控制.

1 假肢系統(tǒng)與控制方法

為提高假肢在不同路況和步速下的協(xié)調(diào)性與適應(yīng)性,本文提出的膝上型假肢系統(tǒng)包括下肢運(yùn)動(dòng)意圖識(shí)別與假肢膝關(guān)節(jié)控制策略2個(gè)部分,如圖1所示.肢體健全的人能夠依據(jù)路況自然地調(diào)整步態(tài),對(duì)于假肢穿戴者,假肢關(guān)節(jié)運(yùn)動(dòng)應(yīng)與穿戴者運(yùn)動(dòng)意圖一致,執(zhí)行協(xié)調(diào)的步態(tài)控制才能保障運(yùn)動(dòng)的平穩(wěn)和舒適.健肢信息雖然能夠比假肢信息更利于下肢運(yùn)動(dòng)的分析,但通過(guò)問(wèn)卷調(diào)查,絕對(duì)多數(shù)的截肢者對(duì)在健肢側(cè)安裝傳感器和引線(xiàn)表示“心理上不能接受”,因此將加速度傳感器和陀螺儀裝配在假肢接受腔上檢測(cè)人體殘肢的運(yùn)動(dòng)狀態(tài),并在足底前后2個(gè)區(qū)域安裝壓力傳感器判斷步態(tài)相位.

圖1 假肢控制系統(tǒng)

為抑制人體行走過(guò)程的震動(dòng)干擾,采用小波分析對(duì)傳感器信號(hào)進(jìn)行去噪.在對(duì)信號(hào)進(jìn)行標(biāo)定和歸一化后,分別對(duì)加速度傳感器和陀螺儀信號(hào)與標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)的模板信號(hào)進(jìn)行相關(guān)性分析,并進(jìn)一步通過(guò)傳感器融合、隱馬爾可夫模型的方法提高路況判斷的準(zhǔn)確率.

在運(yùn)動(dòng)意圖識(shí)別的基礎(chǔ)上,根據(jù)不同路況和步速下膝關(guān)節(jié)的運(yùn)動(dòng)曲線(xiàn),利用行走過(guò)程中膝關(guān)節(jié)運(yùn)動(dòng)的周期性和重復(fù)性特征,運(yùn)用迭代學(xué)習(xí)控制方法,針對(duì)快速、中速、慢速3種類(lèi)別步速,分別建立平地和上、下樓梯3種行走模式下的所需控制量經(jīng)驗(yàn)知識(shí)庫(kù).設(shè)計(jì)有限狀態(tài)機(jī)控制器,以運(yùn)動(dòng)參數(shù)信號(hào)作為觸發(fā)條件控制狀態(tài)轉(zhuǎn)移,分步態(tài)相位調(diào)用知識(shí)庫(kù)中控制量輸出,同時(shí)采取必要的實(shí)時(shí)校正和補(bǔ)償調(diào)節(jié),驅(qū)動(dòng)電機(jī)控制動(dòng)力型假肢膝關(guān)節(jié)的擺動(dòng)或者調(diào)節(jié)被動(dòng)型假肢阻尼氣缸的閥門(mén)開(kāi)度,實(shí)現(xiàn)下肢假肢的協(xié)調(diào)控制.

2 運(yùn)動(dòng)意圖識(shí)別

2.1 下肢運(yùn)動(dòng)信息采集

行走過(guò)程中,截肢者大腿殘肢的運(yùn)動(dòng)信息是人體運(yùn)動(dòng)意圖的直接體現(xiàn),關(guān)節(jié)轉(zhuǎn)動(dòng)角度與肢體運(yùn)動(dòng)的加速度信息能夠直接反映人體的運(yùn)動(dòng)意圖,而假肢足底壓力的變化則能夠?yàn)椴剿僖约跋辔蛔R(shí)別提供依據(jù).因此,本文采用陀螺儀、加速度傳感器、壓力傳感器采集殘肢側(cè)的運(yùn)動(dòng)信息.

在信號(hào)采集過(guò)程中,由于肢體擺動(dòng)、與地面的接觸造成的震動(dòng)和電磁噪聲給信號(hào)帶來(lái)了干擾，因此首先要對(duì)傳感器數(shù)據(jù)進(jìn)行濾波處理.針對(duì)行走運(yùn)動(dòng)的低頻段特性,采用小波閾值法去噪,并對(duì)重構(gòu)信號(hào)進(jìn)行信號(hào)零校準(zhǔn).豎直加速度信號(hào)處理如圖2所示.

2.2 步態(tài)相位與步速的識(shí)別

行走是一種周期運(yùn)動(dòng),由連續(xù)的步態(tài)周期構(gòu)成.通常,一個(gè)步態(tài)周期由支撐期和擺動(dòng)期2個(gè)相位階段構(gòu)成.支撐期又可以進(jìn)一步劃分成支撐前期、中期和后期.將承重情況下的足底壓力開(kāi)關(guān)狀態(tài)標(biāo)記為1,則4個(gè)相位階段可根據(jù)前腳掌與腳后跟的壓力開(kāi)關(guān)狀態(tài)編碼依次表示為01,11,10,00.

(a) 原始信號(hào)

(b) 重構(gòu)信號(hào)

(c) 校準(zhǔn)后信號(hào)

在支撐期,借助地面支撐力的作用,假肢穿戴者可通過(guò)增強(qiáng)殘肢側(cè)髖關(guān)節(jié)運(yùn)動(dòng)完成對(duì)假肢步態(tài)的相位控制.因此,可以利用假肢的足底壓力信號(hào)作為支撐中期和后期開(kāi)始與結(jié)束的判斷信號(hào).對(duì)于其他相位階段的判斷,患者穿戴下肢假肢行走,假肢的運(yùn)動(dòng)效果會(huì)影響膝下傳感器信號(hào)的測(cè)量,而傳感器信號(hào)狀態(tài)的測(cè)量反過(guò)來(lái)又會(huì)影響對(duì)假肢運(yùn)動(dòng)的實(shí)際控制.為避免這種雙向交互影響,對(duì)假肢穿戴者行走過(guò)程的相位劃分,應(yīng)該通過(guò)人體殘肢的運(yùn)動(dòng)信息分析,才能反映出人體真實(shí)的主觀(guān)運(yùn)動(dòng)意圖.當(dāng)殘肢豎直方向加速度處于波谷時(shí),支撐中期開(kāi)始,如圖3所示;當(dāng)殘肢水平方向加速度處于波谷時(shí),支撐末期開(kāi)始,如圖4所示.利用這2個(gè)特征點(diǎn)的傳感器信號(hào),以及足底壓力信號(hào),可以判斷出行走過(guò)程中的相位轉(zhuǎn)換,并可用作膝關(guān)節(jié)控制中有限狀態(tài)機(jī)狀態(tài)變換的觸發(fā)信號(hào).

(a) 殘肢豎直加速度

(b) 后足底壓力信號(hào)特征

(c) 前足底壓力信號(hào)特征

(a) 殘肢水平加速度

(b) 后足底壓力信號(hào)特征

(c) 前足底壓力信號(hào)特征

在不同步速條件下,假肢完成各個(gè)步態(tài)相位所需要的時(shí)間并不相同.本文以支撐前期的時(shí)間作為步速的判斷依據(jù).根據(jù)實(shí)驗(yàn)測(cè)算,支撐前期的平均時(shí)間約占整個(gè)步態(tài)周期的10%左右,因此將支撐前期的時(shí)長(zhǎng)除以比例系數(shù)，即可得到整個(gè)步態(tài)周期的時(shí)間.本文為簡(jiǎn)化系統(tǒng)的復(fù)雜性,根據(jù)測(cè)試者的行走習(xí)慣,將步速劃分為慢速、中速和快速3個(gè)類(lèi)別.對(duì)于中青年男性,慢速為大于1.6 s/步,中速為1.3 ～1.6 s/步之間,快速為小于1.3 s/步.

采用支撐前期的時(shí)長(zhǎng)進(jìn)行整個(gè)步態(tài)周期的步速判斷,其目的在于提前實(shí)現(xiàn)對(duì)擺動(dòng)期步速的預(yù)報(bào),進(jìn)而根據(jù)不同步速進(jìn)行擺動(dòng)期的膝關(guān)節(jié)控制,能夠有效彌補(bǔ)假肢膝關(guān)節(jié)控制中的滯后問(wèn)題.在支撐期,人體可利用殘肢髖關(guān)節(jié)的力量和地面的支撐力來(lái)調(diào)控假肢膝關(guān)節(jié)的速度,而在擺動(dòng)期,人體殘肢對(duì)假肢膝關(guān)節(jié)的控制影響則大大下降,因此假肢膝關(guān)節(jié)控制器必須預(yù)知當(dāng)前的步速,才能實(shí)現(xiàn)協(xié)調(diào)的運(yùn)動(dòng)狀態(tài)控制.如果使用整個(gè)步態(tài)周期的信息進(jìn)行運(yùn)動(dòng)狀態(tài)的識(shí)別,這種識(shí)別是對(duì)歷史運(yùn)動(dòng)狀態(tài)的“事后報(bào)告”,將所得的判斷結(jié)果用于下一步的運(yùn)動(dòng)狀態(tài)控制,則只能在前后運(yùn)動(dòng)狀態(tài)不變的情況下才會(huì)有效,一旦下一步的路況或步速發(fā)生變化,假肢的控制就會(huì)出現(xiàn)不協(xié)調(diào)的問(wèn)題.

2.3 路況的識(shí)別

2.3.1 測(cè)試平臺(tái)與傳感器信號(hào)對(duì)比

本文針對(duì)平地行走、上樓梯和下樓梯3種典型路況進(jìn)行識(shí)別,運(yùn)動(dòng)信息采集測(cè)試平臺(tái)如圖5所示.

(a) 上樓梯實(shí)驗(yàn)(b) 下樓梯實(shí)驗(yàn)

實(shí)驗(yàn)志愿者為2名膝上型假肢穿戴者,均為男性.志愿者1為33歲,截肢時(shí)間7年,身高1.67 m,體重58 kg,適配C-Leg假肢.志愿者2為37歲,截肢時(shí)間5年,身高1.73 m,體重62 kg,適配英中耐假肢.測(cè)試中,在實(shí)驗(yàn)平臺(tái)上假肢穿戴者在平地上行走3步后過(guò)渡到上/下樓梯狀態(tài),走完6級(jí)臺(tái)階過(guò)渡到平地后再走行3步結(jié)束,共計(jì)12步,取中間10步的數(shù)據(jù)用于測(cè)試;此外,實(shí)驗(yàn)還包括平地連續(xù)行走7步的測(cè)試,取中間5步的數(shù)據(jù)用于測(cè)試.測(cè)試前,志愿者先在測(cè)試平臺(tái)上進(jìn)行了上下樓梯往復(fù)5次以上的適應(yīng)性訓(xùn)練,實(shí)測(cè)過(guò)程中,每輪實(shí)驗(yàn)后均檢查并重新固定傳感器及其連線(xiàn),每進(jìn)行1輪實(shí)驗(yàn),休息3 min以上.

下肢運(yùn)動(dòng)具有典型的周期重復(fù)性,在同一運(yùn)動(dòng)模式下傳感器數(shù)據(jù)具有近似的曲線(xiàn).將3種路況下殘肢水平加速度、垂直加速度和角加速度數(shù)據(jù)進(jìn)行周期歸一化處理,得到測(cè)試者在適應(yīng)測(cè)試平臺(tái)后的一組典型傳感器數(shù)據(jù),如圖6所示.由圖可見(jiàn),不同路況下曲線(xiàn)具有相同的變化規(guī)律.將對(duì)應(yīng)每種路況的典型數(shù)據(jù)作為標(biāo)準(zhǔn)模板,與實(shí)時(shí)檢測(cè)的數(shù)據(jù)進(jìn)行相關(guān)性計(jì)算,通過(guò)對(duì)比即可判斷路況.

2.3.2 模板庫(kù)建立

在建立模板庫(kù)時(shí),運(yùn)動(dòng)意圖用笛卡爾積描述為

D=SW

(1)

式中,S為步速集合，S={慢速,中速,快速};W為路況集合,W={平地,上樓梯,下樓梯};D為運(yùn)動(dòng)意圖集合,D={(慢速,平地),(慢速,上樓梯)，…}.

依據(jù)假肢運(yùn)動(dòng)過(guò)程中陀螺儀、水平方向加速度、垂直方向加速度的參數(shù)特征,得到9個(gè)模板曲線(xiàn).在相關(guān)性計(jì)算時(shí),為縮短判斷時(shí)間,可根據(jù)上文中步速預(yù)識(shí)別的結(jié)果,僅與所對(duì)應(yīng)步速下的3種路況的模板曲線(xiàn)進(jìn)行對(duì)比.

2.3.3 相關(guān)性分析

通過(guò)計(jì)算2個(gè)變量之間的協(xié)方差和標(biāo)準(zhǔn)差的商求得相關(guān)系數(shù),進(jìn)而衡量分析2個(gè)變量間的相似程度.利用相關(guān)性分析可以判斷實(shí)時(shí)步態(tài)數(shù)據(jù)與模板數(shù)據(jù)的近似程度,文獻(xiàn)[16]在帕金森癥患者下肢運(yùn)動(dòng)評(píng)估中取得了理想的效果.本文根據(jù)相關(guān)性分析識(shí)別假肢運(yùn)動(dòng)意圖,相關(guān)系數(shù)計(jì)算如下:

(a) 水平加速度信號(hào)對(duì)比

(b) 豎直加速度信號(hào)對(duì)比

(c) 陀螺儀信號(hào)對(duì)比

Ci,j=

(2)

式中,X(t)為用于路況識(shí)別的加速度計(jì)和陀螺儀的實(shí)時(shí)數(shù)據(jù);Y(t)為模板數(shù)據(jù);i=1,2,3表示傳感器信號(hào);j=1,2,3表示路況.

在假肢的控制中,運(yùn)動(dòng)判斷的實(shí)時(shí)性和準(zhǔn)確性是一對(duì)矛盾參數(shù).如果使用整個(gè)步態(tài)周期的全部數(shù)據(jù)與模板數(shù)據(jù)對(duì)比進(jìn)行相關(guān)性計(jì)算,準(zhǔn)確性雖然最高,但實(shí)時(shí)性最差,難以用于當(dāng)前周期的實(shí)時(shí)控制.因此,在保證較高準(zhǔn)確性的前提下,本文利用前半周期中盡量少的數(shù)據(jù)預(yù)判出實(shí)時(shí)路況用于當(dāng)前步態(tài)周期的控制,以此彌補(bǔ)假肢關(guān)節(jié)中機(jī)電系統(tǒng)響應(yīng)上的滯后,提高運(yùn)動(dòng)的協(xié)調(diào)性.通過(guò)對(duì)比發(fā)現(xiàn),不同路況的水平加速度和垂直加速度信息在支撐前期差異明顯,陀螺儀信號(hào)在支撐后期差異明顯.采用在一個(gè)步態(tài)周期中進(jìn)行2次路況判斷,第1次在支撐前期利用水平和垂直加速度信息進(jìn)行路況預(yù)判,以此作為殘肢離地后擺動(dòng)期的假肢膝關(guān)節(jié)控制的依據(jù).第2次判斷在支撐后期,利用陀螺儀信號(hào)和水平加速度信號(hào)進(jìn)行路況判斷,對(duì)第1次預(yù)判的結(jié)果進(jìn)行校驗(yàn)和糾正,為后續(xù)步態(tài)控制提供參考.

本文在大量實(shí)驗(yàn)的基礎(chǔ)上,確定采用500 Hz的采樣頻率.一個(gè)步態(tài)周期為1.30～1.60 s,采樣點(diǎn)數(shù)為650～800,其中支撐期時(shí)長(zhǎng)約為0.78～0.96 s,即390～480個(gè)采樣點(diǎn).選擇一個(gè)步態(tài)周期從支撐前期開(kāi)始及之后的300點(diǎn)數(shù)據(jù)進(jìn)行相關(guān)性分析,完成路況的第1次預(yù)判,用于當(dāng)前步態(tài)周期中的后續(xù)動(dòng)作的控制.

利用2類(lèi)傳感器信號(hào)單獨(dú)進(jìn)行相關(guān)性分析時(shí),由于對(duì)比數(shù)據(jù)量少于整個(gè)步態(tài)周期的一半,判斷的結(jié)果存在明顯的不足和差異.在測(cè)試中,從2位假肢穿戴者3種典型路況的數(shù)據(jù)中另選各30組進(jìn)行了路況預(yù)報(bào),分別來(lái)自于上/下樓梯實(shí)驗(yàn)各5次,每次包含中部6組上臺(tái)階和兩端平地行走各2組數(shù)據(jù);平地行走實(shí)驗(yàn)2次,每次10組數(shù)據(jù).以上共包含上/下樓梯及平地行走數(shù)據(jù)各60組.預(yù)報(bào)的結(jié)果如表1、表2所示,以表1為例,60組下樓的測(cè)試數(shù)據(jù)中,有49組被正確識(shí)別,4組被識(shí)別為上樓,7組被識(shí)別為平地.2路信號(hào)預(yù)報(bào)的平均準(zhǔn)確率均只有80%左右,需要通過(guò)傳感器融合以獲得更準(zhǔn)確的預(yù)判.

表1 基于水平加速度相關(guān)系數(shù)的路況判斷

表2 基于垂直加速度相關(guān)系數(shù)的路況判斷

2.3.4 傳感器融合

本文采用D-S證據(jù)理論[17]對(duì)3種單一傳感器信息判斷結(jié)果進(jìn)行融合,識(shí)別框架包括3種路況信息和判斷錯(cuò)誤率.框架中每個(gè)元素的基本概率分配函數(shù)為各個(gè)相關(guān)系數(shù)與相關(guān)系數(shù)和的比值,即

(3)

各種路況判斷的聯(lián)合概率函數(shù)為

mcom(i)=maccl(i)?maccv(i)=

(4)

其中歸一化常數(shù)K為

(5)

將聯(lián)合概率函數(shù)最高值所對(duì)應(yīng)的路況作為輸出結(jié)果,得到融合后的判斷結(jié)果如表3所示.

表3 傳感器融合的路況判斷

2.3.5 隱馬爾可夫模型

傳感器融合后的準(zhǔn)確率雖然得到了一定提高,但仍有較大的提升空間.人體行走過(guò)程中前后兩步之間的狀態(tài)轉(zhuǎn)換存在一定的受限性規(guī)律,如:樓梯的兩端只能是平地,上樓梯后的下一步不會(huì)是下樓梯等.將行走過(guò)程的這種條件化特征融合在雙重隨機(jī)過(guò)程中,采用隱馬爾可夫模型HMM[18]描述為

λ=[N,M,π,A,B]

(6)

式中,N為隱藏狀態(tài),表示下一步將要發(fā)生的路況;M為可觀(guān)測(cè)向量,表示上一步已發(fā)生的路況,因?yàn)榭墒褂谜麄€(gè)步態(tài)周期的傳感器數(shù)據(jù)進(jìn)行判斷,其準(zhǔn)確率可提升到95.8%,為下一步路況預(yù)報(bào)的準(zhǔn)確性打下了基礎(chǔ);π表示初始狀態(tài),通常默認(rèn)為平地,即

π=[0,0,1]

(7)

描述前后兩步路況轉(zhuǎn)換的狀態(tài)轉(zhuǎn)移矩陣A表示為

(8)

矩陣A中的元素為3種路況之間狀態(tài)轉(zhuǎn)移的概率.觀(guān)測(cè)樣本概率矩陣B表示為

(9)

矩陣B中的元素為傳感器融合后的準(zhǔn)確率.

將A,B矩陣中的數(shù)據(jù)代入下式,即可預(yù)報(bào)得出下一步的路況狀態(tài):

δ1(i)=πibi,3
δt+1(i)=δt(j)aj,ibi,x

(10)

式中,a和b分別為矩陣A和B中的元素;x為觀(guān)測(cè)值,來(lái)自于傳感器融合后的最大值路況編號(hào);δ1(i)為初始步態(tài)周期路況判斷值;δt+1(i)為下一個(gè)步態(tài)周期判斷值.每個(gè)周期的δt+1(i)中最大值所對(duì)應(yīng)的路況即為當(dāng)前步態(tài)擺動(dòng)期中可能性最高的路況.需要注意的是，δt+1(i)中的數(shù)據(jù)是基于不足半個(gè)步態(tài)周期數(shù)據(jù)的預(yù)報(bào)值,存在較大的錯(cuò)誤率,不能像普通HMM過(guò)程那樣迭代進(jìn)入下一個(gè)周期的運(yùn)算.在下一個(gè)周期運(yùn)算前,需要用基于整個(gè)步態(tài)周期數(shù)據(jù)的報(bào)告值進(jìn)行替代,才能提高路況預(yù)識(shí)別的準(zhǔn)確性.經(jīng)HMM處理后的結(jié)果如表4所示,路況判斷準(zhǔn)確率由88.3%提升到了91.7 %.

表4 經(jīng)HMM處理后的路況判斷

3 基于ILC和FMS的假肢控制

根據(jù)步態(tài)周期性和重復(fù)性特點(diǎn),采用笛卡爾積的方式,構(gòu)造出不同路況和步速的知識(shí)庫(kù),通過(guò)迭代學(xué)習(xí)獲取典型運(yùn)動(dòng)狀態(tài)下的控制經(jīng)驗(yàn),輸入到知識(shí)庫(kù).通過(guò)傳感器驅(qū)動(dòng)的有限狀態(tài)機(jī)以前饋方式輸出知識(shí)庫(kù)中的經(jīng)驗(yàn)數(shù)據(jù).同時(shí)采取在線(xiàn)檢測(cè)補(bǔ)償?shù)姆绞?靈活處理系統(tǒng)中出現(xiàn)的實(shí)時(shí)偏差.

3.1 基于迭代學(xué)習(xí)控制的知識(shí)庫(kù)

迭代學(xué)習(xí)控制ILC應(yīng)用于沿同一軌跡重復(fù)運(yùn)行的系統(tǒng),將系統(tǒng)誤差以一定的學(xué)習(xí)律與控制量結(jié)合,產(chǎn)生作用于下一次操作的新控制量,重復(fù)進(jìn)行操作,逐次提高控制精度.算法的典型形式為

un+1(k)=un(k)+g(en(k),k)

(11)

en(k)=yd(k)-yn(k)

(12)

式中,控制量un(k)為第k次迭代以前積累的控制經(jīng)驗(yàn);學(xué)習(xí)律g(en(k),k)為第k次迭代時(shí)用于修正控制經(jīng)驗(yàn)un(k)的有效信息,由期望曲線(xiàn)和輸出曲線(xiàn)的誤差獲得;un+1(k)為利用un(k)與g(en(k),k)得出的新控制經(jīng)驗(yàn).

下肢假肢具有典型的重復(fù)性運(yùn)動(dòng)特征,可采取圖7方案,應(yīng)用迭代學(xué)習(xí)控制方法建立控制知識(shí)庫(kù).首先,根據(jù)運(yùn)動(dòng)意圖將假肢的基本運(yùn)動(dòng)分類(lèi),將同一類(lèi)型的運(yùn)動(dòng)分組.同組動(dòng)作具有相近的期望參數(shù)軌跡,設(shè)定偏差范圍進(jìn)行控制經(jīng)驗(yàn)的學(xué)習(xí).同一類(lèi)型分組稱(chēng)為知識(shí)庫(kù)前項(xiàng).

圖7 控制知識(shí)獲取過(guò)程圖

通過(guò)迭代學(xué)習(xí)完成每一個(gè)知識(shí)庫(kù)前項(xiàng)控制經(jīng)驗(yàn)的獲取,學(xué)習(xí)過(guò)程如下:① 保持同一步速和路況,進(jìn)行多步行走,根據(jù)式(12),以健肢的膝關(guān)節(jié)角度為期望值序列yd(k),求出yd(k)與對(duì)應(yīng)的假肢膝關(guān)節(jié)角度值序列yn(k)的偏差量序列en(k);② 根據(jù)式(11),通過(guò)學(xué)習(xí)逐步修正控制量序列un+1(k).由于假肢系統(tǒng)是一種偽非線(xiàn)性系統(tǒng),即其輸出與輸入具有單調(diào)性,但比例關(guān)系是變化的,因此在采用典型的P型ILC學(xué)習(xí)率時(shí),學(xué)習(xí)增益應(yīng)為控制量每變化一個(gè)最小調(diào)節(jié)單位時(shí)所對(duì)應(yīng)產(chǎn)生的最大關(guān)節(jié)角度變化值的倒數(shù).

在迭代學(xué)習(xí)過(guò)程中,計(jì)算一個(gè)步態(tài)周期的支撐前期起始點(diǎn)、支撐中期起始點(diǎn)、支撐末期起始點(diǎn)和擺動(dòng)期起始點(diǎn)的關(guān)節(jié)角度的誤差范數(shù)和,檢測(cè)其是否滿(mǎn)足如下條件:

∑‖en(k)‖≤eT=∑yd(k)θ%

(13)

如條件不滿(mǎn)足,則繼續(xù)學(xué)習(xí);當(dāng)誤差滿(mǎn)足停止條件時(shí),將控制量序列un+1(k)寫(xiě)入知識(shí)庫(kù)中.考慮到人體行走過(guò)程的隨機(jī)性,學(xué)習(xí)偏差eT的指標(biāo)通常設(shè)定為關(guān)節(jié)角度的10%左右.此外,考慮到動(dòng)力型假肢能夠提供助力,可設(shè)置eT小一些;而被動(dòng)型假肢只能通過(guò)改變阻尼調(diào)節(jié)關(guān)節(jié)角度,其偏差無(wú)法從根本上消除,所以應(yīng)設(shè)置eT適當(dāng)大一些.

在知識(shí)庫(kù)的建立過(guò)程中,還應(yīng)根據(jù)康復(fù)工程師的臨床經(jīng)驗(yàn),填寫(xiě)必要的控制知識(shí),例如上述學(xué)習(xí)過(guò)程中停止條件所對(duì)應(yīng)的角度差閾值、防跌倒的應(yīng)急保護(hù)、打軟腿時(shí)的鎖死等.

以四連桿動(dòng)力型假肢在慢速平地條件下的運(yùn)動(dòng)為例,其結(jié)構(gòu)特征及迭代學(xué)習(xí)過(guò)程如圖8和9所示.所使用的假肢膝關(guān)節(jié)由安裝在下部的電機(jī)快速旋轉(zhuǎn)推動(dòng)主連桿伸縮運(yùn)動(dòng),進(jìn)而帶動(dòng)膝關(guān)節(jié)彎曲或伸直.主連桿的伸縮長(zhǎng)度l與膝關(guān)節(jié)的角度θ之間,在運(yùn)動(dòng)范圍內(nèi)有如下的近似線(xiàn)性關(guān)系:

θ=2.188l

(14)

而主連桿的伸縮長(zhǎng)度l與電機(jī)的轉(zhuǎn)動(dòng)角度同樣是線(xiàn)性關(guān)系.因此,假肢膝關(guān)節(jié)的角度控制適用于迭代學(xué)習(xí)控制方法.

(a) 外形(b) 結(jié)構(gòu)原理

(a) 第1次迭代(b) 第2次迭代

(c) 第3次迭代(d) 第4次迭代

(e) 第5次迭代(f) 第6次迭代

通過(guò)對(duì)9種意圖下的下肢運(yùn)動(dòng)分別進(jìn)行迭代學(xué)習(xí),建立相應(yīng)的規(guī)則知識(shí)庫(kù),在實(shí)際控制中將知識(shí)以前饋的方式直接輸出.這種方式可以避免在實(shí)時(shí)反饋控制時(shí)執(zhí)行器響應(yīng)的滯后,有效解決假肢行走中慢半拍的不協(xié)調(diào)現(xiàn)象.為避免整個(gè)步態(tài)周期的控制量輸出方式帶來(lái)的誤差累積問(wèn)題,控制知識(shí)按一個(gè)步態(tài)周期的4個(gè)相位階段分段存儲(chǔ)在知識(shí)庫(kù)中,控制系統(tǒng)可分4個(gè)相位階段進(jìn)行及時(shí)的偏差補(bǔ)償.

假肢經(jīng)過(guò)長(zhǎng)時(shí)間使用后，由于機(jī)械部件磨損等原因,原有控制規(guī)則的效果會(huì)逐漸變差,當(dāng)角度偏差連續(xù)多次超過(guò)設(shè)定閾值eT時(shí),基于離線(xiàn)迭代學(xué)習(xí)控制建立的假肢控制知識(shí)庫(kù)需要進(jìn)行控制量的在線(xiàn)修正.通過(guò)重新進(jìn)入迭代學(xué)習(xí)過(guò)程,獲取新的控制經(jīng)驗(yàn).

3.2 傳感器驅(qū)動(dòng)的有限狀態(tài)機(jī)控制

有限狀態(tài)機(jī)FSM在假肢控制中被廣泛應(yīng)用,假肢FSM控制模型有5個(gè)組成部分:4種步態(tài)相位的狀態(tài)集合Q、足底壓力傳感器和加速度計(jì)信號(hào)組成的輸入符號(hào)集Σ、狀態(tài)轉(zhuǎn)移規(guī)則δ、初始狀態(tài)q和接受狀態(tài)F.狀態(tài)轉(zhuǎn)移規(guī)則包括:支撐前期向支撐中期轉(zhuǎn)移的規(guī)則用水平加速度信號(hào)的極小值表示;支撐中期向支撐后期轉(zhuǎn)移的規(guī)則用豎直加速度信號(hào)的極小值表示;支撐后期向擺動(dòng)期轉(zhuǎn)移的規(guī)則用前腳掌壓力信號(hào)由1變?yōu)?表示;擺動(dòng)期向支撐期轉(zhuǎn)移的規(guī)則用后腳掌壓力信號(hào)由0變?yōu)?表示.

結(jié)合預(yù)識(shí)別的路況和步速,有限狀態(tài)機(jī)控制器依據(jù)輸入的觸發(fā)信號(hào)和當(dāng)前狀態(tài),確定并轉(zhuǎn)移到下一個(gè)狀態(tài),從知識(shí)庫(kù)中檢索出對(duì)應(yīng)步態(tài)相位的控制量序列并完成輸出控制.

由于下肢運(yùn)動(dòng)速度的隨機(jī)性,有限狀態(tài)機(jī)控制器輸出知識(shí)庫(kù)中控制量序列時(shí)會(huì)出現(xiàn)以下2種情況:① 本相位階段的數(shù)據(jù)序列已輸出完畢,狀態(tài)轉(zhuǎn)移的傳感器觸發(fā)信號(hào)延后,此時(shí)膝關(guān)節(jié)已經(jīng)達(dá)到了期望的角度值,需將控制量清零,保持膝關(guān)節(jié)角度至下一次狀態(tài)轉(zhuǎn)移,如圖10(a)所示;② 本相位階段的數(shù)據(jù)序列尚未輸出完畢,狀態(tài)轉(zhuǎn)移的傳感器觸發(fā)信號(hào)提前,此時(shí)上一步態(tài)相位的控制并未完成,新步態(tài)相位起始時(shí)膝關(guān)節(jié)角度值并沒(méi)有達(dá)到期望值,需要將上一相位沒(méi)有輸出完的控制量與新步態(tài)相位的控制量相加后輸出,如圖10(b)所示.

(a) 銜接延遲控制

(b) 銜接超前控制

3.3 運(yùn)動(dòng)模式誤報(bào)的校正控制

由于擺動(dòng)期的運(yùn)動(dòng)模式是通過(guò)支撐期中300個(gè)數(shù)據(jù)推斷預(yù)測(cè)得到的,存在預(yù)測(cè)不準(zhǔn)的問(wèn)題.對(duì)比圖6中三路傳感器信號(hào)可以發(fā)現(xiàn),安裝在大腿殘肢端的陀螺儀在擺動(dòng)期開(kāi)始后會(huì)出現(xiàn)一個(gè)特征峰值,這個(gè)峰值在不同路況條件下,有明顯的不同.根據(jù)此峰值的大小,就可以快速地判斷出當(dāng)前路況是否與預(yù)報(bào)路況相符.如果預(yù)報(bào)路況有誤,則系統(tǒng)需要在擺動(dòng)期的后期進(jìn)行補(bǔ)償校正,避免運(yùn)動(dòng)協(xié)調(diào)性的繼續(xù)受損.此外,在上樓梯路況被誤判為平地或下樓梯時(shí),還需要緊急切換到防絆倒的保護(hù)控制模式.

4 系統(tǒng)實(shí)驗(yàn)

系統(tǒng)實(shí)驗(yàn)在雙下肢假肢運(yùn)動(dòng)測(cè)試平臺(tái)上進(jìn)行,關(guān)節(jié)運(yùn)動(dòng)通過(guò)電機(jī)進(jìn)行驅(qū)動(dòng).分別按平地及上、下樓梯3種路況,以慢、中、快每種典型步速各走1步,連續(xù)行走3步.系統(tǒng)根據(jù)不同的步速和路況狀態(tài),從知識(shí)庫(kù)中檢索并輸出，通過(guò)迭代學(xué)習(xí)獲得相應(yīng)的控制量序列,控制測(cè)試平臺(tái)的執(zhí)行電機(jī),實(shí)現(xiàn)對(duì)應(yīng)運(yùn)動(dòng)意圖的行走動(dòng)作.不同路況條件下,連續(xù)改變步速進(jìn)行運(yùn)動(dòng)控制的模擬實(shí)驗(yàn)如圖11所示.

實(shí)驗(yàn)表明，本文方法控制的假肢能夠有效識(shí)別路況和步速,實(shí)現(xiàn)下肢假肢的協(xié)調(diào)運(yùn)動(dòng)控制,證明了本文方法的有效性.

5 結(jié)論

1) 針對(duì)膝上型假肢運(yùn)動(dòng)意圖的識(shí)別,使用加速度計(jì)、陀螺儀和足底壓力傳感器對(duì)下肢運(yùn)動(dòng)狀態(tài)進(jìn)行檢測(cè);利用傳感器的特征信號(hào)實(shí)現(xiàn)了步態(tài)相位和步速的有效識(shí)別;利用相關(guān)性系數(shù)分析、D-S證據(jù)理論、隱馬爾可夫模型的方法實(shí)現(xiàn)了對(duì)路況的識(shí)別.

2) 針對(duì)假肢膝關(guān)節(jié)執(zhí)行器對(duì)協(xié)調(diào)性和響應(yīng)速度的要求,依據(jù)步態(tài)周期相位的狀態(tài)轉(zhuǎn)移規(guī)律,通過(guò)迭代學(xué)習(xí)控制建立了3種典型路況在快、中、慢速運(yùn)動(dòng)時(shí)所需的相位控制知識(shí)數(shù)據(jù)庫(kù).

3) 設(shè)計(jì)了有限狀態(tài)機(jī)控制器對(duì)知識(shí)庫(kù)的控制知識(shí)進(jìn)行調(diào)用并輸出,通過(guò)模擬測(cè)試證實(shí)了該方法的有效性.

本文工作為今后假肢在上下坡、草地等其他路況以及拐彎、跨越等非標(biāo)準(zhǔn)運(yùn)動(dòng)的識(shí)別和控制奠定了基礎(chǔ).

(a) 平地行走運(yùn)動(dòng)模擬(b) 不同步速時(shí)的平地行走運(yùn)動(dòng)控制

(c) 上樓梯運(yùn)動(dòng)模擬(d) 不同步速時(shí)的上樓梯運(yùn)動(dòng)控制

(e) 下樓梯運(yùn)動(dòng)模擬(f) 不同步速時(shí)的下樓梯運(yùn)動(dòng)控制

[1] Huang H, Kuiken T A, Lipschutz R D. A strategy for identifying locomotion modes using surface electromyography[J].IEEETransBiomedEng, 2009,56(1): 65-73. DOI:10.1109/TBME.2008.2003293.

[2] Ha K H, Varol H A, Goldfarb M. Volitional control of a prosthetic knee using surface electromyography [J].IEEETransBiomedEng, 2011,58(1): 144-151. DOI:10.1109/TBME.2010.2070840.

[3] Huang H, Zhang F, Hargrove L J, et al. Continuous locomotion-mode identification for prosthetic legs based on neuromuscular-mechanical fusion[J].IEEETransBiomedEng, 2011,58(10): 2867-2875. DOI:10.1109/TBME.2011.2161671.

[4] Du L, Zhang F, Liu M, et al. Toward design of an environment-aware adaptive locomotion mode recognition system[J].IEEETransBiomedEng, 2012,59(10): 2716-2725.

[5] Varol H A, Sup F, Goldfarb M. Multiclass real-time intent recognition of a powered lower limb prosthesis[J].IEEETransBiomedEng, 2010,57(3): 542-551. DOI:10.1109/TBME.2009.2034734.

[6] Young A J, Simon A M, Hargrove L J. A training method for locomotion mode prediction using powered lower limb prostheses[J].IEEETransNeuralSystRehabilEng, 2014,22(3): 671-677. DOI:10.1109/TNSRE.2013.2285101.

[7] Lawson B E, Varol H A, Huff A, et al. Control of stair ascent and descent with a powered transfemoral prosthesis[J].IEEETransNeuralSystRehabilEng, 2013,21(3): 466-473. DOI:10.1109/TNSRE.2012.2225640.

[8] 龔思遠(yuǎn), 楊鵬, 宋亮, 等. 基于迭代學(xué)習(xí)控制智能下肢假肢研制:實(shí)現(xiàn)了對(duì)健肢步速的跟隨[J]. 中國(guó)組織工程研究與臨床康復(fù), 2010, 14(13): 2295-2298. DOI:10.3969/j.issn.1673-8225.2010.13.005.

Gong Siyuan, Yang Peng, Song Liang, et al. Development of intelligent lower limb prostheses based on iterative learning control: A follow of normal walking speed[J].JournalofClinicalRehabilitativeTissueEngineeringResearch, 2010,14(13): 2295-2298. DOI:10.3969/j.issn.1673-8225.2010.13.005. (in Chinese)

[9] Vallery H, Burgkart R, Hartmann C, et al. Complementary limb motion estimation for the control of active knee prostheses[J].BiomedTech, 2011,56(1): 45-51. DOI:10.1515/BMT.2010.057.

[10] Ryu J K, Chong N Y, You B J, et al. Adaptive CPG based coordinated control of healthy and robotic lower limb movements[C]//The18thIEEEInternationalSymposiumonRobotandHumanInteractiveCommunication. Toyama, Japan, 2009:122-127.

[11] Chen G, Liu Z, Chen L, et al. Control of powered knee joint prosthesis based on finite-state machine[J].LectureNotesinElectricalEngineering, 2015,337: 395-403. DOI:10.1007/978-3-662-46463-2_40.

[12] Sup F, Bohara A, Goldfarb M. Design and control of a powered transfemoral prosthesis[J].IntJRobRes, 2008,27(2): 263-273. DOI:10.1177/0278364907084588.

[13] Lenzi T, Hargrove L, Sensinger J. Speed-adaptation mechanism: Robotic prostheses can actively regulate joint torque[J].IEEERobotics&AutomationMagazine, 2014,21(4): 94-107. DOI:10.1109/mra.2014.2360305.

[14] 丁其川, 熊安斌, 趙新剛, 等. 基于表面肌電的運(yùn)動(dòng)意圖識(shí)別方法研究及應(yīng)用綜述[J]. 自動(dòng)化學(xué)報(bào), 2016,42(1): 13-25.

Ding Qichuan, Xiong Anbin, Zhao Xingang, et al. A review on researches and applications of sEMG-based motion intent recognition methods[J].ActaAutomaticaSinica, 2016,42(1): 13-25. (in Chinese)

[15] 胡進(jìn),侯增廣,陳翼雄,等. 下肢康復(fù)機(jī)器人及其交互控制方法[J]. 自動(dòng)化學(xué)報(bào), 2014, 40(11): 2377-2389.

Hu Jin, Hou Zengguang, Chen Yixiong, et al. Lower limb rehabilitation robots and interactive control methods[J].ActaAutomaticaSinica, 2014,40(11): 2377-2389. (in Chinese)

[16] Sant’Anna A, Salarian A, Wickstr?m N. A new measure of movement symmetry in early Parkinson’s disease patients using symbolic processing of inertial sensor data[J].IEEETransBiomedEng, 2011,58(7): 2127-2135. DOI:10.1109/TBME.2011.2149521.

[17] Arami A, Barre A, Berthelin R, et al. Estimation of prosthetic knee angles via data fusion of implantable and wearable sensors[C]//2013IEEEInternationalConferenceonBodySensorNetworks. Boston, USA, 2013: 1-6. DOI:10.1109/bsn.2013.6575473.

[18] 趙麗娜,劉作軍,茍斌,等. 基于隱馬爾可夫模型的動(dòng)力型下肢假肢步態(tài)預(yù)識(shí)別[J]. 機(jī)器人, 2014, 36(3): 337-341.

Zhao Lina, Liu Zuojun, Gou Bin, et al. Gait recognition pre-judgment of dynamic lower limb prosthesis based on hidden Markov model[J].Robot, 2014,36(3): 337-341. DOI:10.3724/SP.J.1218.2014.00337. (in Chinese)

Motionintentionrecognitionandcontrolofabovekneeprosthesis

Xuan Bokai1Liu Zuojun1,2Chen Lingling1,2Yang Peng1,2

(1School of Control Science and Engineering, Hebei University of Technology, Tianjin 300130, China) (2Engineering Research Center of Intelligent Rehabilitation of Ministry of Education, Hebei University of Technology, Tianjin 300130, China)

According to the combination of different terrains and walking speeds in the way of Cartesian product, a motion intention recognizer for amputee was presented. The sensor system was composed of an accelerometer, a gyroscope mounted on the prosthetic socket, and two pressure sensors mounted under the sole. The motion intention was inferred by intra-class correlation coefficient, sensor fusion and hidden Markov model. And a flexible iterative learning control (ILC) was proposed to build an experience database for the control of knee joint in prosthesis. And the motion state of the healthy knee was set as the learning sample in ILC. Furthermore, the sensor signals of the state transition were used to drive a finite state machine (FSM). The control experience in the knowledge database was output to control the stride phase according to the terrain, and speed. Besides, an online correction was adopted to reduce the real-time errors in the output axis. Moreover, to regulate the output sequence lead and lag in time axis, an output holder and a compensator were used. The experimental results show that the accuracy of the terrain recognition using the hidden Markor model is improved by 91.7%. Thus, the model-free control method is effective for prosthesis gait control of prosthesis according to the terrain and speed.

prosthesis;motion intention;iterative learning control;finite state machine

10.3969/j.issn.1001-0505.2017.06.005

TP242

A

1001-0505(2017)06-1107-10

2017-06-30.

宣伯凱(1984—),男,博士生;楊鵬(聯(lián)系人),男,博士,教授,博士生導(dǎo)師,yphebut@163.com.

國(guó)家自然科學(xué)基金資助項(xiàng)目(61703135,61773151)、河北省自然科學(xué)基金青年基金資助項(xiàng)目(F2016202327).

宣伯凱,劉作軍，陳玲玲，等.膝上型假肢的運(yùn)動(dòng)意圖識(shí)別與控制[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,47(6):1107-1116.

10.3969/j.issn.1001-0505.2017.06.005.