FES和姿态传感器在踝关节角度调节建模中的应用研究.doc

FES和姿态传感器在踝关节角度调节建模中的应用研究 分类号密级公开收藏编号学号学校代码编号水噯硕士竹究像年此；讼式和姿态传感器在踝关节角度调节建模中的应用研究学科专业信号与信息处理研究方向医学信息检测与处理研究生姓名江梓琴指导教师、职称高跃明副研究员协助导师、职称所在学院物理与信工程学院答辩委员会主席签名旁么，二一八年六月遵守学术行为规范承诺本人己熟知并愿意自觉遵守福州大学研宄生和导师学术行为规范实施办法和福州大学关于加强研宄生毕业与学位论文质量管理的规定的所有内容，承诺所提交的毕业和学位论文是终稿，不存在学术造假或学术不端行为，且论文的纸质版与电子版内容完全一致。 二独创性声明本人声明所提交的论文是我个人在导师指导下进行的研宄工作及取得的研宄成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研宄成果，也不包含为获得福州大学或其他教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。 本人完全意识到本声明的法律结果由本人承担。 三关于论文使用授权的说明本人完全了解福州大学有关保留使用学位论文的规定，即学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 （保密的论文在解密后应遵守此规定）本学位论文属于（必须在以下相应方框内打“”，否则一律按“非保密论文”处理）？、保密论文本学位论文属于保密，在年解密后适用本授权书。 、非保密论文本学位论文不属于保密范围，适用本授权书。 研究生本人签名签字日期咫年月研究生导师签名言補签字曰期￥年；月曰和姿态传感器在踝关节角度调节建模中的应用研究中文摘要近年来，功能性电刺激（，）在肢体康复治疗中得到广泛应用，成为智能康复系统的研宄热点之一。 指通过电刺激刺激失去神经控制的肌肉，使肌肉产生收缩，从而恢复人体特定部位功能的前沿技术，其有效性取决于刺激时间、刺激强度的精确控制。 随着系统从开环向闭环趋势发展，建立电刺激下关节角度的模型是研宄闭环控制系统的基础。 因此，本文利用与姿态传感器搭建人体实验平台，探宄调节踝关节角度响应特性。 从现象学出发，利用遗传算法训练基于神经网络的）模型；从机理学出发，推导至踝关节角度的机理模型，利用扩展卡尔曼滤波（，）算法辨识机理模型参数建立两种下的踝关节角度模型后，对两种模型进行比较与讨论。 具体研究内容如下首先，以姿态传感器与电刺激仪搭建实验平台，基于不同的实验个体开展调节踝关节角度实验。 将电刺激频率、幅值作为固定电刺激参数，探宄电刺激脉宽变化对踝关节角度的影响。 结果表明，电刺激激励下踝关节角度表现出滞后性、非线性、时变性，为后续建立踝关节模型提供理论与数据基础。 其次，根据实验结果，从现象学出发，建立神经网络结构的模型。 通过遗传算法对模型参数进行辨识，将在体实验数据应用十折交叉法验证该模型。 结果表明，模型能够有效预测电刺激下踝关节的角度变化。 再次，从机理学方法出发，分析踝关节运动学、下肌肉收缩动力学与拉格朗日逆动力学过程，推导在电刺激下的踝关节肌肉骨骼模型。 机理模型虽具有更好的解释性，但结构复杂且参数较多难以辨识，本文对模型进行了简化，应用算法对模型参数展开辨识。 结果表明，该模型能有效的预测电刺激参数下踝关节角度变化的响应。 最后，对比与分析两种模型在不同个体，不同电刺激输入序列下的模型误差，结果表明基于机理学方法的踝关节肌肉骨骼模型的归一化均方根误差值平均低于，基于现象学方法的模型平均低于。 本文建立的两种模型都能较好的预测踝关节角度变化，对比模型的准确性，鲁棒性，机理模型略优。 本文研宄为电刺激参数配置的优化调整、探索调节踝关节运动角度特性、提高电刺激闭环治疗系统的准确性奠定研宂基础。 关键词；姿态传感器；踝关节角度；模型；肌肉骨骼模型，（），（），（），？，（），目录中文摘要录第一章引言课题研究背景和意义研究现状治疗的研究现状关节模型的研究现状本文研究意义和内容安排第二章调节踝关节角度在体实验研究基于姿态传感器的实验设计基于姿态传感器实验平台搭建姿态传感器与电刺激仪介绍实验注意事项与基本步骤电刺激参数确定实验电刺激频率确定实验电刺激幅值确定实验电刺激脉宽阈值实验基于姿态传感器的电刺激调节踝关节角度实验实验设置实验结果与分析下踩关节运动特性的分析与讨论本章小结第三章基于现象学方法的踝关节模型建模基于神经网络的模型结构的确定遗传算法辨识模型参数遗传算法基本原理模型参数确定基于神经网络的模型测试结果本章小结第四章基于机理学方法的踩关节肌肉骨骼建模下肌肉骨骼模型总概述踝关节的运动学分析踝关节运动模式分析踩关节力臂分析下踩关节的动力学分析电刺激参数对激活状态的影响基于模型的肌肉力分析踩关节力矩计算踝关节逆动力学分析拉格朗日方程概述踝关节动力学简化模型下踝关节肌肉骨骼模型的状态方程本章小结第五章扩展卡尔曼滤波器算法辨识机理模型参数与模型对比分析扩展卡尔曼滤波器在模型中的运用扩展卡尔曼滤波器的理论分析扩展卡尔曼滤波器算法在机理模型中的应用机理模型辨识结果机理模型参数估计结果机理模型适用性检验模型与机理模型的比较模型讨论与分析本章小结结论参考文献个人简历在学期间研究成果及发表的学术论文和姿态传感器在踝关节角度调节建模中的应用研宄第一章引言课题研究背景和意义当前，踝关节运动障碍患者数量逐年攀升，脑卒中和脊髓损伤患者中踝关节背屈障碍患者占主要部分。 脑卒中患者与脊髓损伤患者的下运动神经元保持完整，具有肌肉收缩的功能，但上运动神经元损伤即患者的中枢神经系统与下运动神经元的通路中断，导致神经信号无法到达运动单元产生动作电位。 进一步导致小腿的胫骨前肌指导支配能力下降，出现行走歩态过程中足尖拖地，脚背无法向上抬起或抬起不完全，影响患者的正常行走】，也称为足下垂，如图所示。 这些异常歩态不但延长了歩态周期，而且增加了跌倒的风险，容易引发二次中风、增加死亡率。 因此，能否改善踝关节运动障碍对患者的歩行能力和生活质量起着至关重要的作用。 对踝关节背屈障碍的治疗和预防己经成为现代康复领域的重大难题，并具有重大意义。 半、半肌腓肠肌、比目鱼肌不能背屈图足下垂表现症状现阶段，针对踝关节背屈障碍采用的康复方法主要有被动运动】与功能性电刺激（，）。 被动运动是指患者在人工或者器械帮助下进行简单的动作重复训练患者患肢，主要凭借康复师的实际与理论经验指导康复训练运动。 该训练模式下，可以在一定程度下刺激患侧肌肉的兴奋，增强相应肌肉力量，有利于患肢的功能恢复。 但该方法治疗周期长，对康复师依赖程度高，外接器械的挤压使患者产生不适感，甚至对患者的肌肉产生损伤，且恢复状况只能凭借患者的运动状况进行肉眼观察，细微的功能改善无法洞察。 作为治疗肢体智能康复技术之一，其发展过程从原始的人工物理康复发展成福州大学硕士学位论文为集现代医学、控制理论、计算机电子技术科学和机械工程融为一体的智能康复系统。 康复治疗设备可以减少对医生、治疗场地的依赖以及医疗资源的浪费，缩短住院时间与医疗资源的浪费，激发患者参与的积极性，为患者提供精准，稳定的治疗方案。 已在踝关节康复中得到广泛应用【，可有效的治疗足下垂，足内翻、足外翻等錁关节运动障碍现象。 随着系统从开环向闭环趋势发展，要求的控制精度更高，自适应能力更强，对模型的精度要求也越来越高。 闭环电刺激控制即是模型的控制。 因此针对治疗关节运动障碍，搭建信号与踝关节角度之间的可靠模型显得尤其重要。 建立准确关节模型不仅可以探究不同电刺激下的踝关节运动特性，对电刺激参数配置进行调整、优化，同时也为闭环自适应控制系统提供模型基础，用于电刺激系统的测试和仿真，保证电刺激系统的安全性。 研究现状治疗的研究现状作为人体瘫痪四肢的康复治疗手段，受到人们的广泛关注。 目前根据治疗目标的不同，主要应用在三个方面，一是帮助下肢功能障碍患者实现正常行走【】，二是对上肢做电刺激康复训练使其能正常完成屈肘、伸肘和手部抓握等动作，三是恢复、诱发体内器官的功能，如心血管、膀胱、肠胃等器官的收缩功能。 根据大脑的可塑性与运动功能的学习原理，能够缩短康复周期，符合现代康复理论，是当前研宄较为活跃的技术方案。 面对关节运动功能障碍，在闭环控制、以及多通道电刺激取得了一定的疗效。 最终目标为解决日常生活中四肢动作实际的控制问题，激活相应的肌肉机能，使其形成肌肉记忆，减轻病人因为长时间不运动导致的并发症。 针对踝关节运动障碍患者，利用低频电脉冲电流刺激失去上运动神经元控制的肌肉。 腓深神经对胫骨前肌、伸拇长肌、伸趾长肌、第三腓骨肌进行支配完成踩关节的背屈动作；腓浅神经通过对腓骨长肌、腓骨短肌控制使踝关节产生外翻，从而使患者行走步态更为稳健。 辅助治疗足下垂主要对以上神经或肌群进行针对性刺激，在完整的下运动神经元中模拟大脑神经控制产生动作电位，诱发非自主的肌肉收缩，完成騍关节的背屈动作如图所示。 而踝关节背屈障碍患者往往具有多发症，如足下垂、足内翻、外翻以及膝关节僵硬等问题。 将运用在踩关节运动障碍，可以改善患者行走歩态，通过长时间的训练可以帮和姿态传感器在踝关节角度调节建模中的应用研究助患者恢复健康歩态，保证踝关节在歩态中面对行走时异常多变的地面状况，提供给足部与腿部足够的支撑力。 经脱袖经一咖肌赚肌；！麵卜隱）、！謂”足下垂电￥丨撤图小腿神经肌肉群及治疗足下垂基本原理目前，针对踝关节运动障碍，己有开环型电刺激产品，但大部分产品仍作为一种高端医疗实验设备，尚未达到普及家用的程度。 主要源于针对患者的不同病情，治疗的电刺激强度、波形等个人电刺激配方还需要在医生的评估患者病症等级之后才能定夺，并且目前医疗所用电刺激仪器设置的电刺激参数单一，无法更改。 因此，往往会出现刺激不足、刺激过度导致的患者病情无法改善或肌肉疲劳甚至肌肉损伤的可能。 目前，为解决电刺激不足、刺激过度等问题，采用了闭环反馈机制。 ，张兴国等人】将足下垂患者健康侧的股直肌、比目鱼肌的肌电信号作为识别步态标准，通过检测患病侧的肌电信号形成闭环反馈控制，在歩态中刺激腓总神经使患侧背屈，方案可行性通过了仿真验证，但有待进一步实验验证。 等人通过两个共地节点对胫骨前肌的精准刺激，在脚背上放置惯性姿态传感器，检测并观察踝关节脚背屈、内翻、以及外翻姿态的角度信息，同时将踝关节角度作为反馈信号，但还未形成完整的踝部运行控制机制。 辜承慰等人观察膝关节角度变化与电刺激强度变化之间的关系，给定预设的关节角度值追踪实际输出值计算误差。 将预设输入值和实际输出值误差作为神经网络的输入，用控制系统控制下一时刻的刺激信号以逼近预设角度值。 虽然目前电刺激闭环系统利用肌电信号、关节角度信号作为反馈量己经成为热点，但在当前仍然没有成熟的闭环电刺激仪产品的出现。 作为一种康复方法，其有效性取决于准确的刺激时间、刺激强度的控制，闭环系统的目的即通过控制电刺激时间与强度达到踝关节的功能性运动。 一方面，目前许多闭环控制方法采用基于模型的控制，如前馈控制、反馈控制、自适应控制等。 这就要求建立电刺激下关节角度的模型。 电刺激下关节角度的模型研宄是设计有效准确的系统的基础。 另一方面，因为患者患病程度、阶段福州大学硕士学位论文和残余肌力的不同，肌肉骨骼在电刺激下的响应也呈现不同的特性，系统的精确控制电刺激下的关节角度或者力矩以实现关节功能性运动是一个极具挑战的问题。 通过建立个体在电刺激下的肌肉骨骼响应模型，调节准确的刺激时间、刺激强度控制，达到控制关节运动的目的亟待解决。 因此本文将建立下踝关节角度的可靠模型为电刺激参数配置的优化调整、提高电刺激治疗系统的可靠性与稳定性奠定基础。 关节模型的研究现状从关节建模与系统辨识角度出发，应先建立模型结构，再对模型参数进行辨识。 模型的结构选取主要分为两类，基于现象学的输入输出建模方法以及基于机理学的肌肉骨骼模型建模方法。 （）基于现象学的输入输出模型研宄现状基于现象学的输入输出模型，即使用“黑盒”方式建立关节模型。 目前，该类研究主要分为两种。 一方面采用非线性系统辨识方法建模，如和多项式（）、等非线性模型结构建模。 另一方面，从人工智能的角度建立基于机器学习的模型如人工神经网络，极限学习机，模糊算法以及快速正交算法等。 非线性系统辨识方法建模在关节建模中己得到广泛的应用。 等人利用（）数据作为辨识模型数据，将踝关节背屈、跖屈模型等效是含有一个零点和时间延迟的二阶函数。 通过递归最小二乘算法辨识模型结构参数，建立电刺激脉宽到踝关节力矩的关系。 等人】，运用和递归算法建立输入为电刺激脉宽，输出为力矩的肘关节电刺激肌肉模型。 等人应用闭环反馈建立电刺激参数到肌电信号激活状态的模型；等人】以模型为模型结构建立肌电信号力矩之间的关系，利用卡尔曼滤波器估计模型的时变参数，跟踪肌肉疲劳因素；，等人运用模型建立多输入电刺激参数和单输出力矩之间的模型，采用包含逆卡斯特劳算法，最小二乘法和（）算法的混合方案辨识模型参数。 等人将模型作为输入电刺激的幅值、频率输出激活状态模型，结合模型达到给定运动角度，预测电刺激参数的目的。 与此同时，机器学习辨识算法建模的应用也不胜枚举。 王颖等人采用了中枢模式发生器（）研发一种基于仿生控制机制的新型功能性电刺激康复系统，通过改变电刺激脉冲的幅值、脉宽或者频率就能控制关节角度的变化。 等人利用的前馈电路和人工神经网络的反馈设计了以激活度为输入，脚背的背屈和脚内翻的角度为输出的模型。 许多研宄学者己经提出通过人工神经网络模和姿态传感器在踝关节角度调节建模中的应用研究型为模型基础构建模型，在研宄中有所应用。 等人运用自回归模型与神经网络模型分别代表模型的线性动态部分与非线性静态部分构建模型。 等人利用遗传算法学习训练祌经网络模型，设计了神经网络的方式描述模型的动态线性部分与静态非线性部分。 与此同时，模型的辨识方法一般为递归迭代算法，最小二乘法，特征值分解等辨识方法。 其中迭代算法不适宜系统中含有有色噪声与非线性模块的模型。 最小二乘法与特征分解法只在模型明确分为非线性部分与线性部分且非线性部分的基先验为己知状态时，才能保证参数辨识误差在预定范围内。 而遗传算法作为全局优化概率算法因其极大的灵活性与较好的收敛性，作为神经网络模型训练的传统算法得到广泛应用。 因非线性系统辨识方法中的模型在人体关节特性应用中体现其卓越的优势，而机器学习辨识算法中的人工神经网络具有较强的非线性运算和容错能力。 本文将结合机器学习与非线性辨识方法建立基于神经网络的模型，将其应用于电刺激与踝关节运动角度的模型中，并应用遗传算法辨识模型中所需的参数。 （）基于机理学的肌肉骨骼建模研究现状肌肉骨骼建模方式在肢体关节建模中得到了广泛的应用。 肌肉骨骼模型以模型为基础，包括神经活化动力学和肌肉收缩动力学两部分。 前者主要建立了刺激信号与激活程度的关系，后者描述了关于肌肉激活程度与肌肉输出力的关系。 肌肉输出力的过程与肌肉长度，肌肉收缩速度，激活量因素有关。 通过模型激活状态转化成肌肉力，利用运动学分析获得关节力臂，两者进行向量相乘得到关节力矩，从而建立肌肉激活量与关节运动信号的联系。 模型在四肢关节如腕关节、肘关节、踝关节、膝关节（）等在模型结构中己得到了广泛的应用，并结合状态参数估计的相关算法确定模型中的参数等人利用模型建立从膝关节力矩到电刺激幅值的反向模型。 陈强等人基于模型与神经网络对肘关节的生物力学系统建立信号与肘关节力矩的模型，用于验证抑颤控制方法的有效性。 等人利用模型建立电刺激下频率与肌肉力量之间的关系。 斯坦福课题组建立基于模型的神经生物力学系统下肢模型，通过实验采集模型需要的运动学信息、运动产生的信号以及接触力，利用人体关节的逆运动学和动力学的前向反向优化方法确定模型参数。 当涉及关节的复杂运动时，肌骨模型显现其卓越性，且模型参数具有可解释性，是目前生物力学领域研宄的热点，但也存在许多问题。 一方面，在现有关节模型研宄中，大多基于模型的关节模型都是建立与关节力矩之间的模型关系。 模型中变量与力矩变量测量复杂、不容易观察。 另一方面，福州大学硕士学位论文基于肌肉骨骼模型非线性、时变性的本质，电刺激下的关节运动存在肌肉疲劳、模型结构复杂、涉及参数不易测量等问题。 因此本文将建立基于模型的电刺激激励下的踩关节角度模型，进一步简化机理模型结构，利用算法辨识模型中的模型参数。 本文研究意义和内容安排综上所述，本文将探宄电刺激下的踝关节角度响应特性，建立激励下的踝关节角度模型，针对以下几点问题提出解决方案。 、针对目前肢体建模出现的输入、输出变量不易观察、测量复杂问题，本文将建立以电刺激参数为输入，踝关节角度输出的踩关节模型。 、针对肢体建模中，涉及模型结构复杂，参数难以测量问题。 本文将以不同方法建模，化简模型结构，并通过遗传算法与算法对模型参数展开辨识，从而达到简化模型结构，确定模型参数的目的。 因此，本文将针对上述治疗踝关节背屈障碍存在的问题展开研宄，通过开展电刺激调节踝关节角度在体实验，利用姿态传感器采集踩关节角度数据，探宄不同电刺激参数对不同个体踝关节角度的影响。 从现象学出发，建立神经网络的模型结构，通过遗传算法训练调整模型参数，从而建立以电刺激脉宽为输入，角度为输出的踝关节模型。 从机理学方法出发，推导电刺激到产生踝关节角度的过程机理、简化模型结构，通过算法辨识模型参数，建立下的踝关节肌肉骨骼模型，为疗法的进一步发展奠定研究基础。 本文的结构安排如下第一章，首先论述了踝关节运动障碍的产生原因、背景与意义；其次，对治疗踝关节运动障碍的国内外研宄现状，以及关节建模必要性进行阐述；最后，从踝关节建模出发，基于现象学与机理建模方法重点分析了国内外建模的研宄现状及存在的问题与应用价值。 第二章，首先介绍了调节踝关节角度实验平台的搭建，姿态传感器与功能性电刺激器的应用原理；其次，开展了不同电刺激变量调节踝关节角度实验，从而确定最佳的电刺激参数；最后，改变不同电刺激脉宽变化波形，探索电刺激下踝关节的运动特性，为模型训练数据提供数据基础，为后文的模型理论研究提供理论基础。 第三章，首先对模型的理论基础与应用潜力进行了阐述；其次，基于电刺激下踝关节角度的滞后性，非线性，时变性。 以神经网络的模型为模型结和姿态传感器在踝关节角度调节建模中的应用研宄构，将第二章的实验数据作为训练模型数据，利用遗传算法训练模型参数。 最后通过十折交叉法测试，验证模型的有效性。 第四章，首先，从电刺激的原理与踝关节的肌肉骨骼模型出发，分析踝关节运动学、下肌肉收缩动力学与拉格朗日逆动力学过程，推导基于模型的电刺激与踝关节角度的关系；其次，将力矩值的理论模型结果通过仿真与实际实验对比与非线性拟合化简模型结构，初步验证该模型的可靠性；最后，将电刺激活化、肌肉收缩动力学过程，以及逆动力学过程形成脉宽序列下踝关节角度模型的状态方程，搭建了电刺激激励踝关节角度的模型结构。 第五章，首先概述了模型的理论基础，将算法应用于踝关节机理模型辨识参数；其次，根据辨识结果将实际数据