0084] Fi' =Favg(Fi-Fmin)/(Favg-Fmin)
[0087] 式中：Ei為預(yù)測值與目標(biāo)值均方誤差平方;表示輸入第i個(gè)染色體第j組樣本特 征時(shí)染色體表達(dá)式值即關(guān)節(jié)角度預(yù)測值;T」為對應(yīng)的關(guān)節(jié)角度目標(biāo)值，即利用光學(xué)運(yùn)動(dòng)捕 捉系統(tǒng)記錄人體下肢行走運(yùn)動(dòng)三維坐標(biāo)所計(jì)算的關(guān)節(jié)角度;Fi為以均誤差平方作為染色體 適應(yīng)度評(píng)價(jià)方法的評(píng)價(jià)函數(shù);F avg是個(gè)體平均適應(yīng)度;Fmin是個(gè)體最小適應(yīng)度。
[0088] 所述步驟二停機(jī)條件中適應(yīng)度的收斂精度即iP^-Ll采用多次殘差回歸模型修正 的控制方法，即利用殘差數(shù)據(jù)建立殘差回歸模型，以此修正回歸模型，提高精度。
[0089] 所述步驟三個(gè)體選擇采用二次選擇策略，一次選擇排除由于除法運(yùn)算中出現(xiàn)除數(shù) 為零的無效基因二次選擇策略為輪盤賭法，同時(shí)選擇部分最優(yōu)個(gè)體m組直接進(jìn)入下一代。
[0090] 所述步驟四種群進(jìn)化所使用的遺傳算子有選擇算子、變異算子、變換和插入序列 元素以及重組算子。
[0091] 3、預(yù)測結(jié)果論證
[0092] 截取3種不同行走速度下完整步態(tài)周期數(shù)據(jù)，組成樣本數(shù)據(jù)，并進(jìn)行關(guān)節(jié)角度計(jì)算 和表面肌電信號(hào)活躍強(qiáng)度主分量提取，以計(jì)算關(guān)節(jié)角度為決策屬性（因變量），以主分量構(gòu) 成獨(dú)立特征向量為條件屬性（自變量），編寫GEP算法程序，建立函數(shù)關(guān)系模型。其中GEP算法 參數(shù)設(shè)置如表1所示
[0093] 表1 GEP參數(shù)設(shè)置
[0096] 通過肌電連續(xù)解碼，使用GEP符號(hào)回歸方法預(yù)測關(guān)節(jié)運(yùn)動(dòng)角度的預(yù)測結(jié)果如圖6所 示，從圖6可以看出，該方法能夠有效穩(wěn)定、實(shí)時(shí)精確的預(yù)測下肢關(guān)節(jié)運(yùn)動(dòng)角度，可用于下肢 康復(fù)機(jī)器人的主動(dòng)訓(xùn)練控制。
[0097] 本發(fā)明是一種人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，以實(shí)現(xiàn)下肢康復(fù)機(jī)器人 在實(shí)際使用過程中的精確控制。該方法提取股直肌、股外側(cè)肌、股二頭肌、半腱肌、比目魚 肌、腓腸肌內(nèi)側(cè)、腓腸肌外側(cè)、脛骨前肌八塊肌肉行走過程中的肌電信號(hào)，結(jié)合下肢關(guān)節(jié)運(yùn) 動(dòng)角度，利用GEP符號(hào)回歸方法建立非線性回歸模型，達(dá)到精確控制康復(fù)機(jī)器人的目的。該 發(fā)明所建模型可靠，角度預(yù)測正確率高，有利于下肢康復(fù)機(jī)器人的訓(xùn)練和使用，具有可觀的 社會(huì)效益和經(jīng)濟(jì)效益。
【主權(quán)項(xiàng)】
1. 一種人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，其特征在于，包括以下步驟： 步驟一、利用光學(xué)運(yùn)動(dòng)捕捉系統(tǒng)記錄人體下肢行走運(yùn)動(dòng)三維坐標(biāo)，通過人體下肢運(yùn)動(dòng) 學(xué)建模方法計(jì)算下肢髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)的運(yùn)動(dòng)角度； 步驟二、通過16路肌電儀同步采集運(yùn)動(dòng)期間人體下肢運(yùn)動(dòng)相關(guān)8塊肌肉的表面肌電信 號(hào)，8塊肌肉具體為:股直肌、股外側(cè)肌、股二頭肌、半腱肌、比目魚肌、腓腸肌內(nèi)側(cè)、腓腸肌外 側(cè)和脛骨前??； 步驟三、對采集的8塊肌肉的表面肌電信號(hào)進(jìn)行濾波、整流預(yù)處理提取其活動(dòng)強(qiáng)度信 息，并使用PCA方法對肌電強(qiáng)度信息降維，提取肌電信號(hào)活躍度主分量； 步驟四、以步驟三選擇所得的肌電信號(hào)活躍度主分量作為輸入量和以步驟一計(jì)算所得 關(guān)節(jié)運(yùn)動(dòng)角度作為輸出量構(gòu)建訓(xùn)練集，使用GEP符號(hào)回歸分析方法，建立非線性下肢關(guān)節(jié)角 度預(yù)測模型； 步驟五、采集人體下肢行走運(yùn)動(dòng)相關(guān)8塊肌肉的表面肌電信號(hào)，8塊肌肉具體為：股直 肌、股外側(cè)肌、股二頭肌、半腱肌、比目魚肌、腓腸肌內(nèi)側(cè)、腓腸肌外側(cè)和脛骨前肌;對采集的 8塊肌肉的表面肌電信號(hào)進(jìn)行濾波、整流預(yù)處理提取其活動(dòng)強(qiáng)度信息，并使用PCA方法對肌 電強(qiáng)度信息降維，提取肌電信號(hào)活躍度主分量;將提取的肌電信號(hào)活躍度主分量輸入所述 非線性下肢關(guān)節(jié)角度預(yù)測模型中，獲得人體下肢髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)的運(yùn)動(dòng)角度預(yù)測 值。2. 據(jù)權(quán)利要求1所述的人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，其特征在于，步驟一 中計(jì)算關(guān)節(jié)運(yùn)動(dòng)角度具體包括： 所求角度均為各個(gè)關(guān)節(jié)在人體矢狀面上的運(yùn)動(dòng)角度，其計(jì)算公式如下： 9i = acos(TikThigh · kpeivis) 02. aCOs(T2kcalf · kThigh) Θ3 - acos(T3kF〇〇t · kcalf) 式中：分別為髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)的屈/伸角;T^TdPTs分別為從大腿坐 標(biāo)系到骨盆坐標(biāo)系、小腿坐標(biāo)系到大腿坐標(biāo)系和足部坐標(biāo)系到小腿坐標(biāo)系的轉(zhuǎn)化矩陣； kpeivis、kThigh、keaif和kf〇〇t分別為骨盆坐標(biāo)系、大腿坐標(biāo)系、小腿坐標(biāo)系和足部坐標(biāo)系豎直軸 上的單位矢量。3. 據(jù)權(quán)利要求1所述的人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，其特征在于，步驟三 具體包括： 利用20-500HZ帶通濾波器和50Hz工頻陷波器對肌電信號(hào)進(jìn)行降噪和偽跡消除處理，之 后對信號(hào)進(jìn)行全波整流和歸一化處理，得到肌肉活躍強(qiáng)度X={Xlj}mxP作為PCA降維的輸入； 選擇貢獻(xiàn)率之和大于給定提取效率的前h個(gè)肌肉活躍度主分量α = [αι，α2，…，ah]作為GEP算 法條件屬性，其h取值為2~6;p = 8表示表面肌電信號(hào)通道數(shù)，m表示采樣點(diǎn)數(shù)，給定提取效 率為90 %。4. 據(jù)權(quán)利要求1所述的人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，其特征在于，步驟四 中GEP符號(hào)回歸方法具體包括： 用GEP算法的多基因染色體表示問題的可行解，包括可行解的形式和參數(shù)，然后利用遺 傳進(jìn)化在解空間中進(jìn)行搜索，最后根據(jù)適應(yīng)度值進(jìn)行優(yōu)勝劣汰，求得最優(yōu)解，即擬合樣本肌 肉活躍度主分量與關(guān)節(jié)角度最好的非線性預(yù)測模型。5. 據(jù)權(quán)利要求4所述的人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，其特征在于，所述遺 傳進(jìn)化具體為： 設(shè)定函數(shù)集{ +，_，*，/，Q}和終結(jié)符集a2···%?}，其中Q表示平方運(yùn)算，α表示肌電信 號(hào)活躍度主分量，？代表常數(shù)量;定義3段式基因結(jié)構(gòu)，包括頭部、尾部和常數(shù)域，頭部元素來 自函數(shù)集或終極符集，尾部元素來自終結(jié)符集，頭部長度設(shè)為9，尾部長度由固定關(guān)系計(jì)算 得為10，常數(shù)域長度與尾部長度相等，染色體由6個(gè)基因隨機(jī)產(chǎn)生;初始化生成500組未知染 色體形成初始子種群，即種群規(guī)模為500，進(jìn)化代數(shù)計(jì)數(shù)器的初始值設(shè)為1，最大遺傳代數(shù)設(shè) 為 200; 設(shè)定動(dòng)態(tài)適應(yīng)度函數(shù) F7 i = Favg(Fi-Fmin)/(Favg_Fmin)式中為預(yù)測值與目標(biāo)值均方誤差平方;Pu表示輸入第i個(gè)染色體第j組樣本特征時(shí) 染色體表達(dá)式值即關(guān)節(jié)角度預(yù)測值;Tj為對應(yīng)的關(guān)節(jié)角度目標(biāo)值，即利用光學(xué)運(yùn)動(dòng)捕捉系 統(tǒng)記錄人體下肢行走運(yùn)動(dòng)三維坐標(biāo)所計(jì)算的關(guān)節(jié)角度;Fi為以均誤差平方作為染色體適應(yīng) 度評(píng)價(jià)方法的評(píng)價(jià)函數(shù);F avg是個(gè)體平均適應(yīng)度;Fmin是個(gè)體最小適應(yīng)度； 個(gè)體選擇采用二次選擇策略，一次選擇排除由于除法運(yùn)算中出現(xiàn)除數(shù)為零的無效基 因，二次選擇策略為輪盤賭法，同時(shí)選擇部分最優(yōu)個(gè)體3組直接進(jìn)入下一代。6. 據(jù)權(quán)利要求4所述的人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，其特征在于： GEP算法中突變概率為0.051，單點(diǎn)重組率為0.3,雙點(diǎn)重組概率為0.3,基因重組率為 〇. 1，插串迀移概率為〇. 1，根插串迀移概率為〇. 1，基因迀移概率為〇. 1。7. 根據(jù)權(quán)利要求4所述的人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，其特征在于： 利用遺傳進(jìn)化在解空間中進(jìn)行搜索的終止條件設(shè)定為達(dá)到最大迭代次數(shù)200次或者連 續(xù)20代最好適應(yīng)值未變化。
【專利摘要】本發(fā)明公開一種人體下肢行走關(guān)節(jié)角度肌電連續(xù)解碼方法，利用光學(xué)運(yùn)動(dòng)捕捉系統(tǒng)記錄人體行走過程中下肢體表光學(xué)標(biāo)記點(diǎn)的運(yùn)動(dòng)軌跡，通過人體下肢運(yùn)動(dòng)學(xué)建模精確計(jì)算下肢關(guān)節(jié)運(yùn)動(dòng)角度；同步采集人體行走過程中與下肢運(yùn)動(dòng)相關(guān)的八塊主力肌肉的表面肌電信號(hào)，通過濾波、整流預(yù)處理提取其活動(dòng)強(qiáng)度信息，通過主成分分析方法提取描述表面肌電信號(hào)強(qiáng)度的最優(yōu)獨(dú)立特征向量集；采用基因表達(dá)式編程符號(hào)回歸分析方法，構(gòu)建從表面肌電信號(hào)特征(自變量)到矢狀面關(guān)節(jié)運(yùn)動(dòng)角度(因變量)的非線性回歸模型，預(yù)測下肢運(yùn)動(dòng)軌跡。本發(fā)明主要應(yīng)用于醫(yī)療康復(fù)機(jī)械的設(shè)計(jì)制造。
【IPC分類】A61B5/11, A61B5/0476
【公開號(hào)】CN105615890
【申請?zhí)枴緾N201510989348
【發(fā)明人】張小棟, 張強(qiáng), 陳江城, 賴知法, 尹貴, 馬偉光
【申請人】西安交通大學(xué)
【公開日】2016年6月1日
【申請日】2015年12月24日