惯性动捕数据驱动的智能下肢假肢运动意图识别方法研究

发布时间：2020-07-29 08:49

【摘要】：假肢在残疾人的生活中起着至关重要的作用,大多数截肢患者通过佩戴假肢来解决行动障碍。智能下肢假肢不仅能够代替截肢患者失去肢体的部分功能,还能帮助患者恢复一定的生活自理能力和工作能力。人体运动意图识别在智能下肢假肢研究中尤其重要,准确、及时地识别出残疾人的运动意图能够帮助患者实现自然、流畅、稳定的行走。目前,国内外关于智能下肢假肢的运动意图识别研究正在如火如荼的进行。现有的研究通常根据嵌入在假肢上的传感器所收集的信号和残肢上的人体生物信号,由先验知识选择合适的特征,通过模式识别的方法实现行为意图识别。但是,传统方法大多应用多种类型的传感器来采集数据,这会额外地引入多源数据融合和异质数据干扰等问题;其次,传统研究往往根据患侧在运动模式转换后产生的动作捕捉数据判断患者的运动意图,这可能使得意图识别过程存在滞后性。基于此,本文提出了两类基于惯性动捕数据的智能下肢假肢运动意图实时识别方法。其一,为了解决意图识别的滞后性问题,本文在第二章中首先对智能下肢假肢的运动模式,尤其是运动转换模式,进行了重定义。然后,在患侧的运动模式进行转换之前,仅采用绑定在健侧的惯性传感器于摆动相前期所产生的时序数据作为样本,选择均值、方差等特征统计量和支持向量机分类器对其进行特征提取与特征分类。实验结果表明,该方法能够准确地预测13类下肢截肢患者的运动意图。其二,传统方法与第二章所提出的方法均采用手工提取特征的方法,这从一定程度上依赖于人类知识与专家经验。由于深度神经网络能够自动地学习低层次到高层次的分布式特征,本文在第三章中以此自学习特征代替手工特征,提出了一种残疾人运动意图识别的新方法。具体来说,以数据驱动的方式,采用卷积神经网络建立健康腿的运动状态与残疾人运动意图之间的映射关系。实验结果表明,该方法能够自动地学习意图识别数据特征,并且准确地预测下肢截肢患者的运动意图。
【学位授予单位】：安庆师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：C81
【图文】：

残疾人,总数,困难群体,肢体残疾

背景与研究意义次全国残疾人抽样调查数据公报显示，我国残疾人总数超过 8000残疾人数接近 2500 万，占残疾人总数的 30%左右，下肢截肢者的患者总数的 70%[1]。疾病、工伤以及交通事故是造成肢体残疾的主的残缺严重地影响到截肢患者的正常生活，他们不仅面临着身体上上也饱受煎熬（图 1.1）。2018 年 9 月 14 日，中国残疾人联合会第在人民大会堂开幕，会议指出，残疾人是一个特殊的困难群体，需、关注，希望通过社会各界的努力，能够让更多的人了解残疾人残疾人更快、更好的融入社会。因此，关于残疾人康复设备的研究疾人事业产生重要的推动作用，同时也将为千千万万残疾人及其家望。

非动力,假肢

能地帮助患者恢复已失去的站立和行走等功能，相比于上肢假肢因而显要。下肢假肢按照控制方式可分为气压控制假肢、液压控制假肢以及计假肢。计算机控制假肢又称为智能假肢，相比于压力控制假肢，智能假有较好的仿真造型，而且能够根据不同的地形自动地调节相应模式，使者在行走过程中更加接近正常人。智能下肢假肢包括动力和非动力两种类型（图 1.2），非动力型假肢虽然患者恢复一定的行走能力，但由于假肢的关节是非动力的，对于截肢患穿戴此类假肢可能会影响其行走的平衡性和稳定性，并且会消耗大量的[3,4]。而动力型下肢假肢可以根据患者行走过程中的关节角度以及速度地调整其参数，使得患者在行走过程中更加自然、稳定。因此，关于智肢假肢的研究已成为当前的热点。

惯性,模式识别算法,假肢,硬件技术

术的迅猛发展，现有的传感器已经足够灵巧轻便，实时通讯技术和也已经成熟，这也为相应的算法提供了硬件技术支持。本文旨在发者的运动规律，并以此设计相应的模式识别算法，使得计算机能够捕捉系统所采集到的数据高效地识别患者的运动意图，从而更好地力假肢及其控制策略的设计（图 1.3）。

【参考文献】