一種肌電信號反饋的功能性電刺激閉環(huán)控制系統(tǒng)及方法
【技術領域】
[0001] 本發(fā)明涉及功能性電刺激領域,特別是涉及一種肌電信號反饋的功能性電刺激閉 環(huán)控制系統(tǒng)及方法。
【背景技術】
[0002] 目前的商用和臨床使用的功能性電刺激控制系統(tǒng)絕大部分采用開環(huán)控制系統(tǒng)方 法設計,并且沒有引入肌電信號作為反饋對被控體進行模型和控制器更新。目前流行的開 環(huán)原理的控制系統(tǒng)往往缺少自適應調節(jié)能力,不能精確完成目標肌肉縮張控制任務而無法 實現(xiàn)相應的康復控制方案,其具體缺陷如下。
[0003] 1、缺少肌電信號的反饋信息對控制器和被控對象建模的自適應調節(jié),控制器和模 型辨識誤差較大;
[0004] 2、閉環(huán)控制器選擇范圍太窄,控制器需過多依據(jù)經(jīng)驗調節(jié);
[0005] 3、不能通過肌電信號反饋信息更新或更改電刺激電極的安置位置。
【發(fā)明內容】
[0006] 本發(fā)明的目的在于克服現(xiàn)有技術的不足,提供一種肌電信號反饋的功能性電刺激 閉環(huán)控制系統(tǒng)及方法,通過計算被刺激肌肉的肌電信號的絕對平均幅值,完成對電刺激的 脈沖數(shù)的閉環(huán)控制調節(jié);建立了電刺激脈沖數(shù)-肌電絕對平均幅值模型,該肌肉模型基于 含時滯項Ha_erstein結構;改進了目前閉環(huán)功能性電刺激系統(tǒng)控制精度和解決了其控制 系統(tǒng)參數(shù)自適應能力不足的問題,實現(xiàn)了肌電信號反饋的功能性電刺激自適應控制。
[0007] 本發(fā)明的目的是通過以下技術方案來實現(xiàn)的:一種肌電信號反饋的功能性電刺激 閉環(huán)控制系統(tǒng),所述系統(tǒng)包括以下多個模塊:
[0008] 功能性電刺激器,采用脈沖電流刺激被控對象的肌肉。
[0009] 肌電信號采集器,捕捉電刺激肌肉時產生的原始肌電信號,并對原始肌電信號進 行預處理,提取出電刺激脈沖數(shù)、電脈沖寬度和肌電絕對平均幅值。
[0010] 肌肉縮張模型,采用含時滯項的Ha_erstein模型對電刺激脈沖數(shù)和肌電絕對平 均幅值進行建模,采用卡爾曼濾波的方式對肌肉模型進行參數(shù)辨識,得到模型的線性和非 線性兩部分的系數(shù)。
[0011] 模型預測控制器,根據(jù)參考肌肉激勵軌跡和模式及參數(shù)辨識結果,通過最優(yōu)預測 控制算法確定脈沖電流的最優(yōu)的電脈沖寬度的控制量,再將該控制量反饋到功能性電刺激 器,對功能性電刺激器的進行參數(shù)更新,使得功能性電刺激器輸出所需的脈沖電流,并對功 能性電刺激器進行實時的自適應控制。
[0012] 所述原始肌電信號為復合肌肉動作電位CMAP,即M波。
[0013] -種肌電信號反饋的功能性電刺激閉環(huán)控制方法,所述方法包括一下多個步驟:
[0014] Sl :功能性電刺激器初始化及信號同步;
[0015] S2:肌電信號采集器采集電刺激肌肉時產生的原始肌電信號,并對原始肌電信號 進行預處理,提取出電刺激脈沖數(shù)、電脈沖寬度和肌電絕對平均幅值;
[0016] S3 :采用含時滯項的Ha_erstein模型對電刺激脈沖數(shù)和肌電絕對平均幅值進行 建模,采用卡爾曼濾波的方式對肌肉模型進行參數(shù)辨識;
[0017] S4 :根據(jù)參考肌肉激勵軌跡和模式及參數(shù)辨識結果,通過最優(yōu)預測控制算法確定 脈沖電流的最優(yōu)的電脈沖寬度的控制量,再將該控制量反饋到功能性電刺激器,對功能性 電刺激器的進行參數(shù)更新,使得功能性電刺激器輸出所需的脈沖電流,并對功能性電刺激 器進行實時的自適應控制。
[0018] 步驟S2中所述的預處理包括:
[0019] ①去畸變量處理:在一個電刺激刺激周期內設定閾值模版做幅值判別;
[0020] ②提取原始肌電信號的絕對值和平均值;得到可易于控制和辨識的肌電信號幅 值;
[0021] ③計算平均值需要窗寬度:窗寬度為肌電信號的采樣頻率和電刺激脈沖電流頻率 之比的四舍五入近似整數(shù)值;
[0022] ④歸一化處理:保證卡爾曼濾波的穩(wěn)定性。
[0023] 步驟S3中所述參數(shù)辨識的計算公式為:
[0025] 式中,y(k)-原始肌電信號的絕對平均值;y(k-i) -后向時肌電信號的絕對平均 值;
[0026] u (k) 一原始肌電彳目號的電脈沖寬度;ir] (k_i) 一后向電脈沖寬度的j次舉;
[0027] B1 (k) -待辨識的被控激勵系統(tǒng)線性項參數(shù)A1 (k) -待辨識的被控激勵系統(tǒng)非線 性項參數(shù);C](k)一待辨識的被控激勵系統(tǒng)非線性項參數(shù);
[0028] k -電刺激迭代循環(huán)數(shù);i 一線性項動態(tài)階數(shù);1 一線性項階數(shù)上限;j 一冪次項動 態(tài)階數(shù);m-非線性項階數(shù)上限;n-非線性項階數(shù)上限;
回歸部分。
[0030] 將步驟S3中的肌肉模型轉換為狀態(tài)空間結構,所述狀態(tài)空間結構的形式為:
[0031] X (k) =A (k) X (k-1) +B (k) C> (u (k-1))
[0032] y(k) = X1(k)
[0033] 式中,y(k)-原始肌電信號的絕對平均值;
[0034] X (k) -狀態(tài)方程變量;X (k-1) -上一狀態(tài)方程變量;Xl (k) -上一狀態(tài)方程變量首 元素;
[0035] A (k) -系數(shù)矩陣;B (k) -系數(shù)矩陣;
[0036] ? (u (k-1))-關于電刺激脈沖數(shù)的非線性矩陣;u (k-1)-上一電刺激脈沖數(shù);
[0037] k 一電刺激迭代循環(huán)數(shù)。
[0038] 所述參數(shù)辨識包括先驗證辨識過程,采用基于遺忘因子的卡爾曼濾波方法進行參 數(shù)辨識,其先驗證辨識過程的公式為:
[0042] 式中,錢幻一先驗辨識狀態(tài)矩陣;盧(_一先驗協(xié)方差矩陣;>'?(幻一預測控制輸 出;
[0043] x(k-l)-上一狀態(tài)變量測量值;u(k-l)-上一電刺激脈沖數(shù); F (X (k-1),u (k-1)) -上一狀態(tài)變量測量值和電刺激脈沖數(shù)的非線性映射;
[0044] A(k-l)-待辨識系數(shù)矩陣;At (k-1)-系數(shù)矩陣轉置;u(k-l)-上一電刺激脈沖 數(shù);
[0045] 毛(幻一先驗辨識狀態(tài)矩陣首元素;k一電刺激迭代循環(huán)數(shù);T一轉置操作;A -遺 忘因子。
[0046] 步驟S4中所述的參數(shù)更新包括后驗證更新過程,其后驗證更新過程的公式為:
[0051] 式中,-先驗辨識狀態(tài)矩陣;戶(幻一先驗協(xié)方差矩陣;)''(/〇-預測控制輸 出;
[0052] S (k)一卡爾曼濾波系數(shù)矩陣;H (k) -卡爾曼濾波系數(shù)矩陣;Ht (k) -卡爾曼濾波系 數(shù)矩陣的轉置;
[0053] K (k)-狀態(tài)更新迭代系數(shù)矩陣;S 1GO-卡爾曼濾波系數(shù)矩陣逆;
[0054] X (k) -狀態(tài)變量;y (k) -原始肌電信號的絕對平均值;
[0055] P(k)-測量值系數(shù)矩陣;汽々)一預估測量值系數(shù)矩陣;
[0056] k -電刺激迭代循環(huán)數(shù);T一轉置操作;I一單位矩陣;A -遺忘因子。
[0057] 根據(jù)參考肌肉激勵軌跡和模式,對于肌肉模型進行預測控制,選取如下的成本函 數(shù),并通過該成本函數(shù)對肌肉模型進行預測控制:
[0058]
[0059] 式中,J(k) 一成本函數(shù);j |k 一電刺激迭代循環(huán)的前向預測或控制動態(tài)階數(shù); 以AI幻一前向預測肌電激勵幅度;
[0060] ud(k+j)-期望肌肉激勵控制目標;e ,-預測區(qū)間的優(yōu)化系數(shù);
[0061] h(k+j |k -電刺激前向脈沖數(shù)的多項式組合;h(k) -電刺激脈沖寬度的控制量調 節(jié)幅度;S j-控制區(qū)間的優(yōu)化系數(shù);
[0062] Np-預設預測區(qū)間;Nu-預設控制區(qū)間;
[0063] k -電刺激迭代循環(huán)數(shù);j 一階數(shù)動態(tài)值;d-期望值下角標。
[0064] 本發(fā)明的有益效果是:
[0065] 1)在功能性電刺激器完成初始化及信號同步后,開始對被控對象進行電刺激;肌 電信號采集器采集電刺激肌肉時產生的原始肌電信