CN119424158A 一种基于柔性踝关节外骨骼的足下垂辅助方法 （华中科技大学）

一种基于柔性踝关节外骨骼的足下垂辅助本发明公开了一种基于柔性踝关节外骨骼方法将健侧踝关节角度输入给自适应振荡器学习自适应振荡器中的相关参数并预测患侧踝关节角度，同时采用CNP模型根据自适应振荡器估侧小腿的踝关节角度的两种预测结果进行加权使融合后的踝关节角度预测输出更加平稳和连能够实时动态地在线学习基于患者健侧踝关节2S1，将t时刻健侧小腿的踝关节角度θankle(t)输入至自适应振荡器以(t)为自适应振荡器第i个正弦分量的幅值，ν和η均为学习参数，ω预测模型，得到半个步态周期之后踝关节角度的第一估计值both(0)+x)和第二估计值ak表示时刻t_n到时刻t_1构成的时间窗口中k时刻的脚背的净加速x3采用所述健侧小腿的上一个步态周期中的多个采样点的步态相位及踝关节角度对所述踝关节角度预测模型进行微调。其中，σCNP为CNP模型的预测不确定为自适应振荡器的稳定性常数，a为ij{Ba}分别为固定在健侧小腿与脚背的局部坐标系，{Bs}和{Ba}的z轴始终与踝关节轴平行，在健侧小腿站立时y轴与重力方向平行；和分所述处理器用于读取所述计算机可读存储介质中存储的可执行指令9.一种计算机可读存储介质，其特征在于，所述45角度预测模型，得到半个步态周期之后踝关节角度的第一估计值j.ot4(0)+x)和第二估计述计算机程序或指令被处理器执行时实现如第一方中的相关参数并预测患侧踝关节角度，同时采用CNP模型根据自适应振荡器估计的步态相踝关节角度预测结果进行加权融合计算时，分别根据CNP的预测不确定性和自适应振荡器[0018]图1为本发明实施例提供的基于柔性踝关节外骨骼的足下垂辅助方法流程示意6[0020]图3为本发明实施例提供的基于自适应振荡器的步态相位与关节角度估计示意[0022]图5为本发明实施例提供的条件神经过程在线学习关节角度及不确定度估计示意[0029]所述自适应振荡器为更新律为能像刚性外骨骼一样使用旋转编码器精确方便地测量关节角度，可结合IMU(Inertial7部坐标系{Ss}和{Sa}相对全局坐标阵8位角还有ja在球坐标系表示中的极角和方位角。由于IMU固定时{S}坐标系的x轴与踝关节[0049]在求出旋转矩阵R和多R后，可计算出将旋转矩阵转换为X_Y_Z欧拉角进而求得踝关节角度其中ri`j`为旋转矩阵中第i`行ij(t)为{Ba}相对{Bs}的旋转[0052]其中F(0)-.a.(0)-boo)是实际踝关节轨迹θank决定了相位和幅值的同步速度。自适应振荡器学到的最小非0频率就是步态周期对应的频9[0057]首先从IMU获取局部坐标系{Sa}下的原始加速度数据与从[0060]其中ak表示时刻t_n到时刻t_1构成的时间窗口中k时刻的脚背的净加速度。算法为时刻t_n+1到时刻t时间段内x,y,z轴方因个人行走习惯的不同而有显著差异。这种变异性可能会影响脚跟着地(HS)事件的检测。进入S1状态，脚部在地面上保持静止一段时间。为了确定脚是否已进入S1状态，使用了20120包含一个附加规则：如果系统在TO检测准备状态下超过1.5个步态周期而未检测到下一个步态周期之后的踝关节角度的第一估计值将φ1(t)+π输入至踝关节角度预踝关节角度预测模型生成半个步态周期之后的踝关节角度的[0075]假设一个步态周期中有N个采样点，每个采样点包括上文中得到的步态相位φ1[0076]所述CNP模型包括编码器及解码器，所述编码器及解码器均包括依次连接的输入[0078]编码器和解码器中的隐藏层数量可根据处理复杂数据的能力和计算效率来进行并且更有效地提取潜在空间中的相关信息。采用2层隐藏层的解码器可以减少模型的计算[0080]首先使用编码器将上下文点通过神经网络和聚合操作映射到一φ1i.将O的后半部分经过softplus激活函数，以确保方差非负。为了保证输出的不确定度范围，CNP模型使用了以下公式来计算不确定[0094]最终输出为条件正态分布其中是预测的踝地，考虑到训练CNP模型时所采用的步态周期的采集对象与实际使用对象(即康复对象)的步态周期存在一定的差异，同一个采集对象不同步态周期中的步态轨迹也并不完全相同。φ1[0100]采用所述健侧小腿的上一个步态周期中的多个采样点的步态相位及踝关节角度对所述踝关节角度预测模型进行微调。[0101]具体地，假设通过数据集D训练好的初始模型为M,在接收到下个步态周期(即两个脚跟触地事件之间的时间)的数据集后，从D中随机选择一个子集DS与Diew一[0102]S3，对和进行加权计算得到并对其进关节的步态相位，就可以通过加上或减去相位差就可以得到患侧本应达到的踝关节角度。关系，因此，自适应振荡器与CNP模型分别预测的半个步态周期之后的踝关节角度和i.nt4(0)+x),将和进行加权计算得到并对其进行平滑处理得到ba(4()+T),也就是最终得到患侧踝关节期.ot4(0+x)与的加权系数可根据自适应振荡器和CNP模型的精度π)计算得到：[0117]图7显示了步行中测量的健侧踝