专利名称：一种功能性电刺激下的自适应神经模糊肌肉建模方法
技术领域：
本发明涉及残疾人康复医疗器械技术领域，特别涉及一种功能性电刺激下的自适应神经模糊肌肉建模方法。
背景技术：
功能性电刺激(Functional Electrical Stimulation，FES)是通过电流脉冲序列来刺激肢体运动肌群及其外周神经，有效地恢复或重建截瘫患者的部分运动功能的技术。 根据对于脊髓损伤瘫痪患者的治疗统计显示，由于脊髓再生能力微弱，目前尚未有可直接修复损伤的有效医治方法，实施功能康复训练是一有效的措施。脊髓损伤瘫痪患者人数逐年增多，功能康复训练是亟待需求的技术。20世纪60年代，Liberson首次成功地利用电刺激腓神经矫正了偏瘫患者足下垂的步态，开创了功能性电刺激用于运动和感觉功能康复治疗的新途径。目前，FES已经成为了恢复或重建截瘫患者的部分运动功能，是重要的康复治疗手段。然而在实际应用中，刺激效果和疲劳严重制约着功能性电刺激的发展和运用，其中一个关键技术环节是准确的肌肉模型。但是，肌肉模型是一个非常复杂的，时变的非线性动态系统。因此，有必要发展一种既能体现模型复杂性又融合了模型不确定性的新型神经肌骨模型。
自适应神经模糊推理系统(Adaptive-Network-based Fuzzy Inference System, ANFIS)结合了模糊推理和神经网络的优点同时又克服了各自的不足。现有技术中的模糊模型的一个最大弱点是它本身不具备学习和自适应的能力，具体主要表现在规则及相应隶属度函数的调整很困难。而神经网络可以根据训练样本集通过学习生成对应的映射规则，但这些映射规则通常以连接权的形式隐含在网络中，要具体分析一个特定的权值和这种映射规则的关系又比较困难。
发明人在实现本发明的过程中发现现有技术中至少存在以下的缺点和不足
现有技术中不能实时的对自适应神经模糊推理系统的结构和参数进行调整，使得实际输出的膝关节力矩值和真实值之间的误差以及误差率差别较大，不能精确的测量膝关节力矩值。发明内容
本发明提供了一种功能性电刺激下的自适应神经模糊肌肉建模方法，实现了实时的对自适应神经模糊推理系统的结构和参数进行调整，使得实际输出的膝关节力矩值和真实值之间的误差以及误差率差别较小，精确的测量了膝关节力矩值，详见下文描述
—种功能性电刺激下的自适应神经模糊肌肉建模方法，所述方法包括以下步骤
(1)采集小腿运动时的膝关节角度参数θ和加速度参数α，通过逆动力学推导， 获取膝关节力矩的表达式；
(2)将真实的膝关节力矩值输入到自适应神经模糊推理系统中，根据所述膝关节力矩的表达式获取实际输出的膝关节力矩值；
(3)将所述实际输出的膝关节力矩值与所述真实的膝关节力矩值做运算，获取误差Ae以及误差变化率Aec;
(4)将所述误差Ae、所述误差变化率Aec以及刺激电流输入到自适应神经模糊推理系统中，所述自适应神经模糊推理系统进行处理转化为对应的模糊量；
(5)所述自适应神经模糊推理系统通过所述对应的模糊量获取控制规则，根据所述控制规则，合成相应的刺激电流；
(6)通过所述误差Ae以及所述误差变化率Aec同时训练神经网络，获取隶属度函数参数和隶属度函数结构；
(7)根据所述隶属度函数参数和所述隶属度函数结构对所述自适应神经模糊推理系统进行调整，判断所述误差Ae是否小于阈值，如果是，执行步骤(8)；如果否，执行步骤 (9)；
(8)流程结束；
(9)重新执行步骤(1)_(7)，直到所述误差Ae小于所述阈值，流程结束。
所述膝关节力矩的表达式具体为j 2/η
M=GxZxcos Θ-Jx-=GxZxcos Θ-Jxa .dt ，
其中，G(N)= mXg，L(cm) = LC+LWX 体重(kg) +LsX 身高(cm), J(kg · cm2)= Jc+Jw X体重+JsX身高(cm),m(kg) =M。+MWX体重(kg)+Ms X身高(cm)，M为膝关节力矩、 L为小腿重心到膝关节转轴的距离、G为小腿重力、J为小腿转动惯量以及m为小腿的质量。
所述对应的模糊量具体为
将所述误差Δ e和所述误差变化率Δ ec的变化范围定义为模糊集上的论域，
e, ec = {_5，_4，_3，_2，，0，1，2，3，4，5}
则其模糊子集为e, ec = {NL, NM, NS, ZE, PS, PM, PL}，子集中元素分别代表负大， 负中，负小，零，正小，正中，正大。
本发明提供的技术方案的有益效果是
本发明提供了一种功能性电刺激下的自适应神经模糊肌肉建模方法，本发明提出了应用自适应神经模糊推理系统(Adaptive-Network-based Fuzzy Inference System, ANFIS)建立功能性电刺激下的膝关节力矩值和刺激电流之间的肌肉模型，本发明从人体运动学信息出发，通过逆动力学推导出膝关节力矩，通过误差以及误差率对神经网络进行训练，根据隶属度函数参数和隶属度函数结构对自适应神经模糊推理系统的结构以及参数进行调整，以实现最佳的输出，本发明实施例实现了实时的对自适应神经模糊推理系统的结构和参数进行调整，使得实际输出的膝关节力矩值和真实值之间的误差以及误差率较小， 精确的测量了膝关节力矩值。
图1为本发明提供的自适应神经模糊肌肉建模的结构示意图2为本发明提供的一种功能性电刺激下的自适应神经模糊肌肉建模方法的流程图3为本发明提供的功能性电刺激实验机理示意图4为本发明提供的功能性电刺激试验场景图5为本发明提供的自适应神经模糊推理系统的网络结构示意图6为本发明提供的模糊推理模型的初始结构框架图7为本发明提供的数据训练前后隶属度函数形状和参数的变化的示意图8为本发明提供的受试者1的ANFIS的建模结果和实际膝关节力矩的示意图9为本发明提供的受试者1的ANFIS模型结果与实际关节力矩相对误差的示意图10为本发明提供的15名受试者ANFIS模型的误差均值和方差的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
为了实现实时的对自适应神经模糊推理系统的结构和参数进行调整，使得实际输出的膝关节力矩值和真实值之间的误差以及误差率差别较小，精确的测量膝关节力矩值， 参见图1和图2，本发明实施例提供了一种功能性电刺激下的自适应神经模糊肌肉建模方法，详见下文描述
101 采集小腿运动时的膝关节角度参数θ和加速度参数α，通过逆动力学推导， 获取膝关节力矩的表达式；
其中，本发明实施例中采用动力学参数膝关节力矩评估下肢动作的完成与否，膝关节力矩不受到形态学的影响，并且由运动学参数通过逆动力学推导即可获得，最重要的是与刺激电流的刺激模式有固定的关系，所以本发明实施例采用动力学参数膝关节力矩作为评估依据。
参见图3和图4，刺激电极固定于股四头肌两端，产生刺激电流使小腿运动，采集小腿运动时的膝关节角度参数θ和加速度参数α。实验过程中膝关节运动无外界摩擦，可近似看成绕膝关节转动的刚体运动，膝关节力矩可以由重力力矩和转动力矩求得。M为膝关节力矩，L为小腿重心到膝关节转轴的距离，G为小腿重力，J为小腿转动惯量，m为小腿的质量，人体下肢小腿几何特性参数的经验公式为
m(kg) = MC+MWX 体重(kg)+Ms X 身高(cm) (1)
L (cm) = LC+LWX 体重(kg) +LsX 身高(cm) (2)
J(kg · cm2) = JC+JWX 体重 +JsX 身高(cm) (3)
G(N)=mXg(4)
表1人体几何特性经验参数人体下肢部位小腿
质量恒定值Me-1.5920 系数体重系数Mw 0.0362身高系数0.012权利要求
1.一种功能性电刺激下的自适应神经模糊肌肉建模方法，其特征在于，所述方法包括以下步骤(1)采集小腿运动时的膝关节角度参数θ和加速度参数α，通过逆动力学推导，获取膝关节力矩的表达式；(2)将真实的膝关节力矩值输入到自适应神经模糊推理系统中，根据所述膝关节力矩的表达式获取实际输出的膝关节力矩值；(3)将所述实际输出的膝关节力矩值与所述真实的膝关节力矩值做运算，获取误差 Δ e以及误差变化率Δ ec ；(4)将所述误差Δe、所述误差变化率Aec以及刺激电流输入到自适应神经模糊推理系统中，所述自适应神经模糊推理系统进行处理转化为对应的模糊量；(5)所述自适应神经模糊推理系统通过所述对应的模糊量获取控制规则，根据所述控制规则，合成相应的刺激电流；(6)通过所述误差Ae以及所述误差变化率Aec同时训练神经网络，获取隶属度函数参数和隶属度函数结构；(7)根据所述隶属度函数参数和所述隶属度函数结构对所述自适应神经模糊推理系统进行调整，判断所述误差Ae是否小于阈值，如果是，执行步骤⑶；如果否，执行步骤(9)；(8)流程结束；(9)重新执行步骤(1)_(7)，直到所述误差Ae小于所述阈值，流程结束。
2.根据权利要求1所述的一种功能性电刺激下的自适应神经模糊肌肉建模方法，其特征在于，所述膝关节力矩的表达式具体为
3.根据权利要求1所述的一种功能性电刺激下的自适应神经模糊肌肉建模方法，其特征在于，所述对应的模糊量具体为将所述误差Ae和所述误差变化率Aec的变化范围定义为模糊集上的论域，e, ec = {-5，-4，_3，_2，-1,0,1,2,3,4,5}则其模糊子集为e,ec = {NL, NM, NS, ZE, PS, PM, PL}，子集中元素分别代表负大，负中， 负小，零，正小，正中，正大。
全文摘要
本发明公开了一种功能性电刺激下的自适应神经模糊肌肉建模方法，采集小腿运动时的膝关节角度参数和加速度参数，通过逆动力学推导，获取膝关节力矩的表达式；将真实的膝关节力矩值输入到自适应神经模糊推理系统中，获取实际输出的膝关节力矩值；将误差、误差变化率以及刺激电流输入到自适应神经模糊推理系统中，转化为对应的模糊量；通过对应的模糊量获取控制规则，合成相应的刺激电流；通过误差以及误差变化率同时训练神经网络，获取隶属度函数参数和隶属度函数结构；对自适应神经模糊推理系统进行调整，直到误差小于阈值，流程结束。本发明提供的方法使得实际输出的膝关节力矩值和真实值之间的误差以及误差率较小，精确的测量了膝关节力矩值。
文档编号G06F19/00GK102521508SQ20111041330
公开日2012年6月27日 申请日期2011年12月8日 优先权日2011年12月8日
发明者万柏坤, 张力新, 明东, 朱韦西, 杨轶星, 綦宏志, 邱爽 申请人:天津大学