面向动力下肢假肢运动意图识别的改进CNN深度学习方法研究
发布时间:2021-11-03 04:18
对因疾病、交通事故、工伤事故、运动创伤等原因造成的下肢截肢者,假肢能够代替失去肢体的部分功能,使截肢者恢复一定的生活自理和工作能力。利用各种传感器信息融合、微处理器控制等技术、能够根据用户意图进行运动、并具有主动适应外部条件变化的能力的智能假肢,为残疾人自然、流畅的行走带来了全新的可能。动力下肢假肢运动意图是智能下肢假肢研发工作中重要的研究课题之一。近年来,深度学习受到了研究工作者的广泛的关注,并在目标检测、图像分类、视频分析等研究领域取得了优秀的成果。传统的意图识别研究较多的基于机器学习分类器,而深度学习算法在运动意图研究中的效用尚未可知。引入深度学习分类器自学习特征的优势替代传统意图识别研究中手工提取特征的工作;优化深度神经网络使得算法更加适用于运动意图识别的研究是本文研究工作的目的。其一,旨在将自学习特征的深度学习技术应用到下肢假肢运动意图识别中,阐述了深度学习算法应用于运动意图识别中的可行性。选取了两类典型的深度学习网络:卷积神经网络与长短时记忆神经网络,通过实验证明深度学习模型应用到运动意图识别的可行性,并通过与传统的机器学习算法的对比试验,验证了深度学习算法的性能优势。实验...
【文章来源】:安庆师范大学安徽省
【文章页数】:51 页
【学位级别】:硕士
【部分图文】:
手臂截肢患者(左生命在于运动,这对残疾人来说尤其
睢J褂没?导僦?碾止墙刂?呶薹ㄔ诟?杂的地形上行走,例如楼梯。即使在水平地面上行走,他们的新陈代谢能量也比健全的受试者高出60%[3]。为了克服机械假肢的部分局限性,研究人员致力于开发智能动力下肢假肢。动力下肢假肢为不同的步态模式(如水平行走、上下斜坡和上下楼梯)提供了预编程的控制状态。但是,当前启动诸如视觉、听觉或补偿性运动命令之类的模式之间的转换的方法是不直观的,并且施加了认知负担。2019年10月,北京大学“工程科学与新兴技术高精尖创新中心”设计的“智能假肢”亮相中关村论坛成果展,如图1.2所示(来源:https://baijiahao.baidu.com/s?id=1647540578585944130)。这款智能假肢做到了全球最轻,能根据当前所处地形自动调整,相较于传统假肢,智能假肢有更大的踝关节活动范围,上下各达25度,和人体脚踝相近,可以满足大部分运动需求。假肢内设电机和多传感器,通过和地面的交互以及对人体姿态的检测,可以对人体运动进行意图识别,并对地形做自适应调整,进而改变助力效果,调节踝关节的刚度。目前,这个踝关节可以实现跑动、崎岖路面行走、交替上下台阶、打篮球、骑车等所需的踝关节动作。图1.2北大工新创新中心设计的智能假肢
3用于本文意图识别的下肢假肢传感器系统如图1.3所示,其传感器控制系统是由电机、控制板、陀螺仪、加速度计、压力传感器等组成。电机是指依据电磁感应定律实现电能转换或传递的一种电磁装置。控制板是能起到控制作用的电路板。陀螺仪是一种测量围绕固定轴的相对于惯性空间的角速度装置;加速度计是一种用于测量非重力加速度的仪表;压力传感器一种测量压力信号的装置,应用于智能假肢传感器系统的压力传感器只需要返回下肢触地状态(1或0)即可。基于本文下肢假肢运动意图研究的传感器系统可以收集到速度、加速度、角速度、角加速度、压力数据及左右脚触底状态等生物力学信号。在本文的传感器系统中,将陀螺仪、加速度计以及压力传感器放置健侧,采用健侧的生物力学信号预测运动意图,进而将意图信息传递给假肢做出相应的反溃6图1.3本文用于意图识别的下肢传感器系统Sup等[4]提出的分层控制策略常被用于智能下肢假肢控制系统的研究工作中,假肢的一般控制体系结构分为三个级别:低层监督控制器、中层监督控制器与高层监督控制器,如图1.4所示。高层监督控制器(即意图识别器)根据用户与假体之间的交互作用来推断用户的意图,并适当切换中层控制器。首先生成一个训练好的模型来实现运动意图识别,该模型依据不同活动模式的传感器数据选择合适的分类器进行训练。系统为每种活动模式(例如步行、站立、坐下、上楼、下楼)开发了一个中层控制器。中层控制器使用有限状态机为关节生成扭矩参考值,该有限状态机根据步态的相位来调节关节的阻抗。低层控制器是闭环关节扭矩控制器,用于补偿滚珠螺杆的传递动力(主要是摩擦和惯性),因此可以跟踪膝盖和踝关节的扭矩参考值,命令由中层控制器提供的带宽和精度要比开环转矩控制方法更高。
【参考文献】:
期刊论文
[1]基于改进模板匹配的智能下肢假肢运动意图实时识别[J]. 盛敏,刘双庆,王婕,苏本跃. 控制与决策. 2020(09)
[2]惯性动捕数据驱动下的智能下肢假肢运动意图识别方法[J]. 苏本跃,王婕,刘双庆,盛敏,向馗. 自动化学报. 2020(07)
[3]下肢截肢者行走意图识别方法研究进展[J]. 王蕾,王辉,黄品高,林闯,郑悦,魏月,郭欣,李光林. 自动化学报. 2018(08)
[4]Intent Pattern Recognition of Lower-limb Motion Based on Mechanical Sensors[J]. Zuojun Liu,Wei Lin,Yanli Geng,Peng Yang. IEEE/CAA Journal of Automatica Sinica. 2017(04)
[5]面向人机融合的智能动力下肢假肢研究现状与挑战[J]. 王启宁,郑恩昊,陈保君,麦金耿. 自动化学报. 2016(12)
[6]上肢经肱骨截肢神经功能重建研究[J]. 黄剑平,李文庆,杨琳,朱明星,朱小弟,李楚炎,杨子健,李光林. 集成技术. 2016(05)
[7]假肢智能膝关节的研究现状和发展趋势[J]. 王振平,喻洪流,杜妍辰,曹武警,胡杰. 生物医学工程学进展. 2015(03)
[8]基于隐马尔可夫模型的动力型下肢假肢步态预识别[J]. 赵丽娜,刘作军,苟斌,杨鹏. 机器人. 2014(03)
[9]2006年第二次全国残疾人抽样调查主要数据公报[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China. 中国康复理论与实践. 2006(12)
本文编号:3473031
【文章来源】:安庆师范大学安徽省
【文章页数】:51 页
【学位级别】:硕士
【部分图文】:
手臂截肢患者(左生命在于运动,这对残疾人来说尤其
睢J褂没?导僦?碾止墙刂?呶薹ㄔ诟?杂的地形上行走,例如楼梯。即使在水平地面上行走,他们的新陈代谢能量也比健全的受试者高出60%[3]。为了克服机械假肢的部分局限性,研究人员致力于开发智能动力下肢假肢。动力下肢假肢为不同的步态模式(如水平行走、上下斜坡和上下楼梯)提供了预编程的控制状态。但是,当前启动诸如视觉、听觉或补偿性运动命令之类的模式之间的转换的方法是不直观的,并且施加了认知负担。2019年10月,北京大学“工程科学与新兴技术高精尖创新中心”设计的“智能假肢”亮相中关村论坛成果展,如图1.2所示(来源:https://baijiahao.baidu.com/s?id=1647540578585944130)。这款智能假肢做到了全球最轻,能根据当前所处地形自动调整,相较于传统假肢,智能假肢有更大的踝关节活动范围,上下各达25度,和人体脚踝相近,可以满足大部分运动需求。假肢内设电机和多传感器,通过和地面的交互以及对人体姿态的检测,可以对人体运动进行意图识别,并对地形做自适应调整,进而改变助力效果,调节踝关节的刚度。目前,这个踝关节可以实现跑动、崎岖路面行走、交替上下台阶、打篮球、骑车等所需的踝关节动作。图1.2北大工新创新中心设计的智能假肢
3用于本文意图识别的下肢假肢传感器系统如图1.3所示,其传感器控制系统是由电机、控制板、陀螺仪、加速度计、压力传感器等组成。电机是指依据电磁感应定律实现电能转换或传递的一种电磁装置。控制板是能起到控制作用的电路板。陀螺仪是一种测量围绕固定轴的相对于惯性空间的角速度装置;加速度计是一种用于测量非重力加速度的仪表;压力传感器一种测量压力信号的装置,应用于智能假肢传感器系统的压力传感器只需要返回下肢触地状态(1或0)即可。基于本文下肢假肢运动意图研究的传感器系统可以收集到速度、加速度、角速度、角加速度、压力数据及左右脚触底状态等生物力学信号。在本文的传感器系统中,将陀螺仪、加速度计以及压力传感器放置健侧,采用健侧的生物力学信号预测运动意图,进而将意图信息传递给假肢做出相应的反溃6图1.3本文用于意图识别的下肢传感器系统Sup等[4]提出的分层控制策略常被用于智能下肢假肢控制系统的研究工作中,假肢的一般控制体系结构分为三个级别:低层监督控制器、中层监督控制器与高层监督控制器,如图1.4所示。高层监督控制器(即意图识别器)根据用户与假体之间的交互作用来推断用户的意图,并适当切换中层控制器。首先生成一个训练好的模型来实现运动意图识别,该模型依据不同活动模式的传感器数据选择合适的分类器进行训练。系统为每种活动模式(例如步行、站立、坐下、上楼、下楼)开发了一个中层控制器。中层控制器使用有限状态机为关节生成扭矩参考值,该有限状态机根据步态的相位来调节关节的阻抗。低层控制器是闭环关节扭矩控制器,用于补偿滚珠螺杆的传递动力(主要是摩擦和惯性),因此可以跟踪膝盖和踝关节的扭矩参考值,命令由中层控制器提供的带宽和精度要比开环转矩控制方法更高。
【参考文献】:
期刊论文
[1]基于改进模板匹配的智能下肢假肢运动意图实时识别[J]. 盛敏,刘双庆,王婕,苏本跃. 控制与决策. 2020(09)
[2]惯性动捕数据驱动下的智能下肢假肢运动意图识别方法[J]. 苏本跃,王婕,刘双庆,盛敏,向馗. 自动化学报. 2020(07)
[3]下肢截肢者行走意图识别方法研究进展[J]. 王蕾,王辉,黄品高,林闯,郑悦,魏月,郭欣,李光林. 自动化学报. 2018(08)
[4]Intent Pattern Recognition of Lower-limb Motion Based on Mechanical Sensors[J]. Zuojun Liu,Wei Lin,Yanli Geng,Peng Yang. IEEE/CAA Journal of Automatica Sinica. 2017(04)
[5]面向人机融合的智能动力下肢假肢研究现状与挑战[J]. 王启宁,郑恩昊,陈保君,麦金耿. 自动化学报. 2016(12)
[6]上肢经肱骨截肢神经功能重建研究[J]. 黄剑平,李文庆,杨琳,朱明星,朱小弟,李楚炎,杨子健,李光林. 集成技术. 2016(05)
[7]假肢智能膝关节的研究现状和发展趋势[J]. 王振平,喻洪流,杜妍辰,曹武警,胡杰. 生物医学工程学进展. 2015(03)
[8]基于隐马尔可夫模型的动力型下肢假肢步态预识别[J]. 赵丽娜,刘作军,苟斌,杨鹏. 机器人. 2014(03)
[9]2006年第二次全国残疾人抽样调查主要数据公报[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China. 中国康复理论与实践. 2006(12)
本文编号:3473031
本文链接:https://www.wllwen.com/shoufeilunwen/mpalunwen/3473031.html
最近更新
教材专著