基于角速度的膝关节屈伸角度实时估计方法

发布时间：2021-04-06 15:09

　　穿戴式膝关节屈伸角度的实时估计对康复评估及外骨骼康复机器人的实时控制有重要作用。利用穿戴在大腿和小腿上的两个角速度传感器实现膝关节角度实时估计。首先离线通过遗传算法优化计算膝关节模型的关节轴,然后在线将这两个角速度传感器数据投影到关节轴上,确定出膝关节屈伸角度变化的角速度差,对角速度差进行积分可得膝关节屈伸角度。同时,利用小腿上的角速度传感器实时判断脚跟着地点时刻,在该时刻对角度进行重置来消除积分漂移。募集5个健康人和2个膝骨性关节炎患者进行实验。结果表明,小腿上的角速度传感器能准确判断脚跟着地点,与压力传感器判断出的脚跟着地时间点相比较,在5个步态周期里,健康组的平均均方根误差为27.88±19.64 ms,患者组的平均均方根误差为54.60±7.21 ms,约占步态周期的3%,有较高精度,符合应用需求。本方法的膝关节屈伸角度估计方法和角度传感器的实际测量数据对比,健康组的平均均方根误差为2.86±0.53°,患者组测试的平均均方根误差为2.00±0.78°。改变大腿上传感器穿戴位置的实验结果为穿戴位置不影响模型估计的角度。本方法操作方便,有效消除积分漂移,实现对膝关节屈伸角度的实时... 

【文章来源】：仪器仪表学报. 2020,41(11)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

单自由度膝关节铰链模型

以?1、?2、θ1、θ2作为待优化的决策变量,前文提到?和θ分别为球坐标系中向量的俯仰角和方向角,球坐标系中的向量r在直角坐标系中的表示如图2所示。限定变量的取值范围为:?1,?2∈[-0.5π,0.5π]、θ1,θ2∈[0,2π]。

穿戴在小腿上的角速度传感器测得的垂直于矢状面的角速度分量因其相比于另两个轴的角速度分量有着较大的幅值,以及特征明显的周期性常被用来判断脚跟着地点。该角速度信号在一个步态周期中有明显的两个波谷和一个波峰。波峰对应的步态事件为步态为摆动中相点,波峰前的波谷对应的步态事件为脚尖离地点,波峰后的波谷对应的步态事件为脚跟着地点,各步态事件点如图3所示。基于这一特征可以对脚跟着地点进行检测。判断脚跟着地时对应的角速度信号需要满足以下几个条件:1)在摆动中相点出现后第一个小于零的极小值点;2)角速度变化量为负。因而为了判断脚跟着地点,需要先检测摆动中相。摆动中相点至少要满足以下两个条件:1)角速度的大小应大于一个较大的角速度阈值M;2)角速度变化量为正。


本文编号：3121656