一种下肢假肢闭环控制方法及系统与流程

1.本发明涉及假肢技术领域，特别涉及一种下肢假肢闭环控制方法及系统。


背景技术：

2.全球每年因工伤、疾病、交通意外、战争等因素造成大量人员下肢截肢以保全生命，截肢不仅导致身体的残疾，也导致严重的精神创伤，严重影响患者的工作与生活。根据全国残疾人抽样调查数据，我国肢体残疾人数高达2000万左右，其中只有不到10％的肢体残疾者得到了基本的康复服务，给家庭社会带来了极大的负担。
3.目前截肢患者通常通过佩戴假肢恢复行走运动功能。假肢技术朝着更精密、更舒适和更符合个人要求的高技术方向发展。大多数假肢采用的是表面电极介导的开环肌电控制方法，将传感器至于体表，易受干扰、运动伪影及环境的影响。同时采用开环系统，无法保证假肢在控制信号下的准确动作，易受干扰，精度较低。
4.因此，在现有的假肢技术的基础上，如何提供一种下肢假肢闭环控制方法及系统，以解决传统假肢表面电极介导存在的抗干扰性弱、电极易脱落、不舒适容易引发过敏等问题，成为本领域技术人员亟需解决的问题。


技术实现要素：

5.鉴于上述问题，本发明提出了一种至少解决上述部分技术问题的下肢假肢闭环控制方法及系统，具有闭环控制的自动纠偏能力，可大大提高假肢控制系统的抗干扰能力和精度。
6.本发明实施例提供一种下肢假肢闭环控制方法，包括：
7.分别采集残肢下肢肌肉的内肌电信号和好腿足底压力信号；根据所述内肌电信号，识别当前行走状态；根据所述当前行走状态，向假肢发出控制指令，驱动假肢运动到指定位置；将所述好腿足底压力信号输入步态识别模型中，识别输出当前步态信息；
8.根据所述当前步态信息，查询步态足底压力信息大数据库，获取假肢足底对应的压力分布预测值；所述步态足底压力信息大数据库包含：人体正常行走过程中左右腿足底压力分布数据与步态信息；
9.采集假肢下肢足底压力信号，将所述假肢下肢足底压力信号与所述假肢足底对应的压力分布预测值进行比较，得到偏差信号；根据所述偏差信号对假肢动作进行反馈控制。
10.进一步地，所述根据内肌电信号，识别当前行走状态，包括如下步骤：
11.s11、将所述内肌电信号进行滤波放大；
12.s12、将通过滤波放大的所述内肌电信号通过ad芯片转化为数字信号；
13.s13、将所述数字信号采用固定样本熵峰-谷阈值算法分析，提取所述内肌电信号样本熵的波峰波谷，得到步态阶段信息；
14.s14、根据所述步态阶段信息查询步态信息大数据库，识别当前行走状态。
15.进一步地，所述步态识别模型的建立包括如下步骤：
16.s21、选取部分人体正常行走过程中左右腿足底压力分布数据与步态信息，作为预先构建的神经网络模型的输入与输出数据；所述左右腿足底压力分布数据与步态信息从所述步态足底压力信息大数据库中获取；
17.s22、迭代训练所述神经网络模型，根据模型的代价方程误差寻找最优参数；
18.s23、当所述代价方程误差最小时，获得最优参数，得到构建好的步态识别模型。
19.进一步地，所述根据偏差信号对假肢动作进行反馈控制，包括：将所述偏差信号通过pid算法处理，输出相应的控制信号，对假肢动作进行反馈控制。
20.本发明实施例还提供一种下肢假肢闭环控制系统，适用于如上述任一项所述的下肢假肢闭环控制方法，包括：上位机、电极丝、控制器和压力传感器；
21.所述电极丝用于采集残肢下肢肌肉的内肌电信号；
22.所述压力传感器用于分别采集好腿足底压力信号和假肢下肢足底压力信号，并传输给所述控制器；
23.所述控制器分别与所述上位机、电极丝、压力传感器和假肢连接，用于将所述内肌电信号无线传输给所述上位机，并根据所述上位机识别出的当前行走状态，向假肢发出控制指令；
24.所述上位机用于根据所述内肌电信号，识别输出当前行走状态。
25.进一步地，所述控制器还用于将所述好腿足底压力信号无线传输给所述上位机，并根据所述上位机识别出的假肢足底对应的压力分布预测值，和所述假肢下肢足底压力信号进行比较，生成偏差信号，对假肢动作进行反馈控制；
26.所述上位机还用于根据所述好腿足底压力信号，识别输出假肢足底对应的压力分布预测值。
27.进一步地，所述压力传感器采用柔性薄膜压力传感器znx-01。
28.本发明实施例提供的上述技术方案的有益效果至少包括：
29.本发明实施例提供的一种下肢假肢闭环控制方法，包括：分别采集残肢下肢肌肉的内肌电信号和好腿足底压力信号；根据内肌电信号，识别当前行走状态；根据当前行走状态，向假肢发出控制指令，驱动假肢运动到指定位置；将好腿足底压力信号输入步态识别模型中，识别输出当前步态信息；根据当前步态信息，查询步态足底压力信息大数据库，获取假肢足底对应的压力分布预测值；采集假肢下肢足底压力信号，将假肢下肢足底压力信号与假肢足底对应的压力分布预测值进行比较，得到偏差信号；根据偏差信号对假肢动作进行反馈控制。实现对下肢假肢的闭环控制，具有自动纠偏能力，大大提高假肢控制的抗干扰能力和精度。
30.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
31.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
32.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
33.图1为本发明实施例提供的一种下肢假肢闭环控制方法流程图；
34.图2为本发明实施例提供的下肢肌肉内肌电信号处理分析流程图；
35.图3为本发明实施例提供的好腿足底压力信号处理分析流程图；
36.图4为本发明实施例提供的足底压力传感器设置分布示意图；
37.图5为本发明实施例提供的下肢假肢闭环控制系统示意图。
具体实施方式
38.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
39.本发明实施例提供一种下肢假肢闭环控制方法，参照图1所示，包括：
40.分别采集残肢下肢肌肉的内肌电信号和好腿足底压力信号；根据内肌电信号，识别当前行走状态；根据当前行走状态，向假肢发出控制指令，驱动假肢运动到指定位置；将好腿足底压力信号输入步态识别模型中，识别输出当前步态信息；
41.根据当前步态信息，查询步态足底压力信息大数据库，获取假肢足底对应的压力分布预测值；步态足底压力信息大数据库包含：人体正常行走过程中左右腿足底压力分布数据(对应于压力分布预测值)与步态信息；
42.采集假肢下肢足底压力信号，将假肢下肢足底压力信号与假肢足底对应的压力分布预测值进行比较，得到偏差信号；根据偏差信号对假肢动作进行反馈控制。
43.本实施例提供的下肢假肢闭环控制方法，将正向控制与反馈控制相结合，共同驱使假肢运动到使用者想要达到的指定位置，抗干扰能力强，精度高。通过采集内肌电信号，避免了采用表面电极存在的易受干扰、运动伪影和环境的影响，以及电极易脱落、不舒适容易引发过敏等问题。将采集的肌电信号用于步态识别，控制假肢动作，同时也采集好腿与假肢足底压力信号，结合基于足底压力信号的步态识别模型，实现对下肢假肢的闭环控制，避免了开环控制存在的精度低、无自动纠偏能力等缺点，从而大大提高了假肢控制系统的抗干扰能力和精度。
44.下面具体对该方法的实施过程进行详细阐述：
45.本实施例提供了一种下肢假肢闭环控制方法(适用于单腿截肢)。将采集到的内肌电信号用于步态识别，根据识别出的步态对智能假肢下发控制指令，直接驱动假肢动作。在假肢的动作过程中，同时也实时采集好腿与假肢下端足底压力信号，将好腿足底压力信号作为基于足底压力信号的步态识别算法(步态识别模型)的输入，可得出当前步态信息(两条腿共同构成了当前的步态信息，该步态信息反应出两腿足底压力分布的对应关系)，再根据输出的当前步态信息查询步态足底压力信息大数据库，即可预测出此时假肢足底对应的压力分布。然后将此时检测得到的假肢足底压力信号与上述预测出的假肢足底对应的压力分布进行比较，得到偏差信号，再通过pid算法将偏差信号转化为对应的控制信号，从而对假肢动作进行反馈控制，实现对下肢假肢的闭环控制。直接驱动假肢动作后，后续不断采集假肢足底压力信号，作为反馈信号，不断消除偏差。
46.具体地，采集残肢下肢肌肉的内肌电信号，识别当前行走状态；根据当前行走状
态，向假肢发出控制指令，驱动假肢运动到指定位置。具体包括：
47.将电极丝植入残肢下肢肌肉中可实现内肌电信号的采集，然后将采集到的信号进行滤波放大，再通过ad芯片转化为数字信号，传输给控制器，并采用特定算法分析，比如可采用固定样本熵峰-谷阈值算法，该算法通过提取内肌电信号样本熵的波峰波谷，从而得出步态阶段信息，再与建立的步态信息大数据库中的步态周期中的每个阶段信息进行比较，查询每个阶段信息对应的行走状态(支撑相还是摆动相)，从而实现当前行走状态的识别(识别出此时为支撑相还是摆动相)。其中，人体的正常行走过程中，足部一直在重复两个状态，分别为支撑相和摆动相。此处，一个步态周期即包括一个支持相和一个摆动相。
48.步态信息大数据库包括：一个完整步态周期的电信号样本熵的波峰波谷波形图；以及在一个步态周期中，处在一个周期中的不同阶段所对应的步态。步态即两脚此时对应的位置。
49.通过将提取到的内肌电信号样本熵的波峰波谷，与一个步态周期进行对比，判断其处在一个周期中的哪个阶段，再通过查询步态信息大数据库，即可得到当前步态(支撑相还是摆动相)。
50.控制器根据识别到的行走状态给假肢发出相应的控制指令，驱动假肢动作。在该控制指令下，可使假肢直接运动到指定位置附近，此过程偏差很小，从而大大降低了后续的调整时间，波动较小，增强了控制稳定性。下肢肌肉内肌电信号处理分析流程图参照图2所示。
51.具体地，采集好腿足底压力信号，输入步态识别模型中，识别输出当前步态信息；根据当前步态信息，查询步态足底压力信息大数据库，获取假肢足底对应的压力分布预测值。具体包括：
52.可选地，综合考虑舒适度、价格、性能、适用范围等因素，压力传感器选取柔性薄膜压力传感器znx-01，还可以根据实际需要选择其他类型压力传感器，本实施例对其不作限定。将采集到的好腿足部压力信号作为步态识别模型的输入，得出当前步态信息，进而再查询步态足底压力信息大数据库，得到此时假肢足底对应的压力分布预测值，具体分析流程参照图3所示。
53.参照图4所示，为足底压力传感器设置分布示意图，足底承力区域主要分布在远节指骨、籽骨、近节指骨、跖趾围根骨和骰骨附近，所以可以分别在这些区域放置压力传感器对压力信号进行采集。将压力传感器植入到鞋垫中，通过压力传感器实现足底压力信号的采集。采集的压力信号包括好腿足底压力信号与假肢下肢足底压力信号。
54.在人体正常行走过程中，足部一直在重复两个状态，分别为支撑相和摆动相。支撑相是足部开始接触地面到刚好离开地面阶段，具体是开始于脚跟着地结束于脚尖离地，在此阶段中支撑腿和地面保持接触，支撑人的身体重心逐渐向前移动，并且这个阶段的足底平面和地面的夹角始终在变化，这个阶段在整个步态周期中所占比例较大。摆动相是足部离开地面，悬于空中阶段，始于脚尖离地结束于脚跟着地，在此阶段中足部一直处在滞空状态，并且从后往前摆动，呈现弧形运动。摆动相阶段在整个步态周期中所占比例较小。在支撑相状态下，人体足部运动特征(步态周期)可以分解为：足跟落地时刻(hs，heel-strike)，脚趾跟进时刻(toe-on)，全掌落地时刻(mid-stance)，足跟离地时刻(heel-off)，脚趾离地时刻(toe-off)。
55.在人体正常行走过程中，左右腿足底压力分布是存在对应关系的，这种对应关系可通过对不同年龄段不同性别的健康志愿者(无足部疾病和身体障碍)进行试验，采集被测试者在行走时左右腿足底压力信号的分布情况，最终建立一个步态足底压力信息大数据库，这将用在之后的步态识别分类算法(步态识别模型)中，用于模型参数的优化，最终建立一个基于足底压力信号的最优参数的步态识别模型。不能直接根据采集的好腿足底压力信号，查询该步态足底压力信息大数据库，是因为此数据库不可能完全包含所有的可能性，因此当建立一个步态识别模型，获得当前步态信息(每个步态信息反应两腿足底压力分布的对应关系)，进而后续查询步态足底压力信息大数据库，以此来获得假肢足底对应的压力分布预测值。即，通过有限的数据得到了一个连续的函数关系，即任何一个输入都可预测，都有输出。
56.其中，基于足底压力信号的步态识别模型的构建，可以采用机器学习算法，如动态时间规整、支持向量机算法等，也可采用神经网络算法等其它算法，本实施例对其不作限定。以支持向量机算法为例，首先给定一个神经网路模型，为该模型参数给定一个初始值。其次，为了便于算法进行步态分类识别，可根据人体足部运动的五个步态阶段——足跟落地时刻(hs，heel-strike)，脚趾跟进时刻(toe-on)，全掌落地时刻(mid-stance)，足跟离地时刻(heel-off)，脚趾离地时刻(toe-off)对数据进行特征提取，并且对数据执行数据规范化以提高网络收敛速度，不断迭代修改模型的参数，使模型的代价方程(误差)越来越小。最后，得到最优的模型参数，即得到了对应的基于足底压力信号的最优参数的步态识别模型。具体过程为：
57.①
输入数据库数据。输入步态足底压力信息大数据库中的已知的输入输出数据，包括人体正常行走过程中左右腿足底压力分布数据与步态信息，用于训练优化模型参数。
58.②
执行数据规范化过程以提高网络收敛速度。对该输入输出数据进行规范化，分别计算输入输出数据的2范数，然后输入输出数据中的每个数据元素分别除以对应的2范数，提高收敛速度，减小模型的迭代次数。
59.③
参数寻优，网格数搜索开始。迭代训练模型，寻找最优参数。
60.④
得到最优参数建立预测模型。得到模型最优参数，建立最优参数步态识别模型。输入好腿足底压力信号，输出当前步态信息。
61.⑤
预测数据输入。输入要预测的好腿足底压力信号给训练好的步态识别模型。
62.⑥
得出分类结果即当前步态。正向判断输出当前步态信息。
63.进而将模型输出的当前步态信息，查询步态足底压力信息大数据库，即可得到相应的假肢足底压力信号(压力分布预测值)。每一个步态信息在数据库中会对应多个足底压力信号，对这些足底压力信号求平均值，即为该步态信息所对应的足底压力分布，因此由判断出的步态信息即可得到当前预测的假肢足底对应的压力分布预测值。
64.具体地，采集假肢下肢足底压力信号，将假肢下肢足底压力信号与假肢足底对应的压力分布预测值进行比较，得到偏差信号；根据偏差信号对假肢动作进行反馈控制。具体包括：
65.假肢下端足底压力信号(假肢足底对应的压力分布预测值)用于闭环控制的反馈环节。将采集到的假肢下端足底压力信号与好腿足底压力信号预测的假肢足底压力分布预测值进行比较，从而得到偏差信号，通过pid算法处理，最终输出相应的控制信号，对假肢动
作进行反馈控制，从而实现对下肢假肢的闭环控制。
66.具体地，pid控制算法为结合比例、积分和微分三种控制环节于一体的控制算法，它是连续系统中技术最为成熟、应用最为广泛的一种控制算法，pid控制的实质就是根据输入的偏差值，按照比例、积分、微分的函数关系进行运算，运算结果用以控制输出。
67.本实施例提供的闭环反馈控制方法适用于离散系统，将连续的pid控制转换为数字式，将微分环节用差分代替，积分环节用累加和代替，比例环节则保持不变。
68.本实施例提供的一种下肢假肢闭环控制方法，将采集到的内肌电信号用于当前行走状态识别，根据识别出的当前行走状态对智能假肢下发控制指令，在假肢的动作过程中，同时也实时采集好腿与假肢下端足底压力信号，将好腿足底压力信号作为基于足底压力信号的步态识别模型的输入，可得出当前步态信息，再根据输出的当前步态信息查询步态足底压力信息大数据库，即可预测出此时假肢足底对应的压力分布。然后再将此时检测到的假肢足底压力信号与上述预测的假肢足底对应的压力分布进行比较，得到偏差信号，再通过pid算法将偏差信号转化为对应的控制信号，从而对假肢动作进行反馈控制，实现了对下肢假肢的闭环控制，具有自动纠偏能力，大大提高了假肢控制系统的抗干扰能力和精度。
69.基于同一发明构思，本发明实施例还提供一种下肢假肢闭环控制系统，适用于如上述所述的下肢假肢闭环控制方法。由于该系统所解决问题的原理与前述下肢假肢闭环控制方法相似，因此该系统的实施可以参见前述方法的实施，重复之处不再赘述。
70.一种下肢假肢闭环控制系统，包括：上位机(电脑或手机)、电极丝、控制器和压力传感器；
71.电极丝植入在残肢下肢肌肉中，用于采集残肢下肢肌肉的内肌电信号；
72.压力传感器分别设置在好腿足底和假肢下肢足底，用于分别采集好腿足底压力信号和假肢下肢足底压力信号，并传输给控制器；
73.控制器分别与上位机、电极丝、压力传感器和假肢连接，用于将内肌电信号无线传输给上位机，并根据上位机识别出的当前行走状态，向假肢发出控制指令；以及将好腿足底压力信号传输给上位机，并根据上位机识别出的假肢足底对应的压力分布预测值，和假肢下肢足底压力信号进行比较，生成偏差信号，对假肢动作进行反馈控制；
74.上位机用于根据内肌电信号，识别输出当前行走状态；以及根据好腿足底压力信号，识别输出假肢足底对应的压力分布预测值。
75.本实施例提供的一种下肢假肢闭环控制系统(适用于单腿截肢)。将电极丝采集到的内肌电信号用于步态识别，根据识别出的步态，控制器对智能假肢下发控制指令，参照图5所示，为本实施例提供的下肢假肢闭环控制系统示意图，该控制指令相当于整个闭环控制系统中的初始扰动信号，在该控制指令下，可使假肢直接运动到指定位置附近，即闭环控制系统中的偏差很小，从而大大降低了控制系统的调整时间，波动较小，提高了系统的稳定性。在假肢的动作过程中，同时也通过压力传感器实时采集好腿与假肢下端足底压力信号，将好腿足底压力信号作为基于足底压力信号的步态识别算法(步态识别模型)的输入，可得出当前步态信息，再根据输出的当前步态信息查询步态足底压力信息大数据库，即可预测出此时假肢足底对应的压力分布，即为附图5中该闭环控制系统的给定环节。然后将此时检测得到的假肢足底压力信号与上述给定环节预测出的假肢足底对应的压力分布进行比较，得到偏差信号，即为附图5中该闭环控制系统的比较环节。最后通过pid算法将偏差信号转
化为对应的控制信号，从而对假肢动作进行反馈控制，实现控制器对下肢假肢的闭环控制。直接驱动假肢动作后，后续不断采集假肢足底压力信号，作为反馈信号，不断向给定环节逼近(即不断消除偏差)。
76.可选地，压力传感器采用柔性薄膜压力传感器znx-01。
77.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
78.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。