面向康复外骨骼机器人的肌肉疲劳辨识与柔顺控制研究

作     者：谷中历 

作者单位：重庆交通大学 

学位级别：硕士

导师姓名：张霞

授予年度：2023年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 08[工学] 10[医学] 

主      题：康复外骨骼机器人 表面肌电信号 肌肉疲劳辨识 柔顺控制 多重分形 

摘      要：随着社会老龄化进程加剧和各类事故日益高发,导致脑卒中、脊髓损伤和肢体关节损伤等运动功能障碍群体数量逐年增加,给社会带来了沉重的经济和医疗负担。持续有效的康复治疗有助于实现大脑神经可塑性和恢复日常生活运动的能力,但我国康复医疗资源不足,康复医师人才短缺,同时又受限于治疗师的个人水平和经验,且康复训练效率低。因此,基于外骨骼机器人的康复训练备受关注,通过帮助患者执行重复性动作以达到康复训练的目的,从而减轻治疗师的工作量提高神经肌肉功能恢复的治疗效率。康复外骨骼机器人的主动康复训练模式有益于诱导患者运动积极性,但持续的肢体运动会导致肌肉疲劳,因此准确识别患者肌肉疲劳状态并及时调整训练模式对避免过度疲劳引发的二次损伤具有十分重要的意义。针对患者在康复训练过程中柔顺性、安全性的要求,引入非线性动力学系统分析方法开展肌肉疲劳状态辨识模型研究并提出柔顺控制策略框架,重点围绕肌电信号采集与预处理、疲劳非线性特征分析、肌肉疲劳高准确度辨识模型、基于Hill骨骼肌肉模型的关节刚度估计及自适应导纳控制器的设计等方面展开研究,旨在为外骨骼柔顺控制提供基于肌肉疲劳辨识的新方法和研究思路。主要研究工作如下:(1)为获取含有肌肉疲劳状态信息的数据,以坐姿状态下膝关节屈伸运动为例,开展负重训练疲劳实验,采集受试者下肢六块肌肉的sEMG信号。针对肌肉动态收缩至疲劳过程中肌电信号易受噪声干扰,且现有单一的去噪方法难以较好的滤除噪声的问题,提出了基于经验小波分解与改进小波阈值函数相结合的多重去噪方法,利用信噪比、均方根误差及波形相似系数评价了该去噪方法的有效性。(2)针对sEMG信号因其非平稳、非线性、混沌信号特征等复杂特性,导致传统时、频特征分析技术存在局限性的问题,提出一种基于多重分形降趋指数加权平均移动法(MFDEWA)的肌肉疲劳特征分析方法。首先,运用该方法对不同类型的信号进行非线性动力学分析,明确肌电信号的多重分形特征;其次,引入肌肉协同理论利用非负矩阵分解进行肌肉选择,通过包络阈值法分割活动段后再标记非疲劳态、疲劳过渡态、疲劳态三种状态,提取不同疲劳状态下的多重分性特征;最后,对所提特征进行单因素方差和相关性分析,确定了能够最佳表征肌肉疲劳状态的四种多重分形特征,并从实时性角度对比分析了多重分形特征与时域、频域以及时频域特征计算效率,为肌肉疲劳辨识模型、康复医学研究提供新的特征参考。(3)为了提升疲劳辨识准确度,提出了融合肌电信号多重分析的最优特征集,并基于门控循环单元(GRU)神经网络算法构建了肌电特征与运动疲劳状态的关系模型,同时结合蜣螂优化算法(DBO)对模型超参数进行优化。对比了几类典型分类模型分别在单特征、融合特征集和最优特征集为输入情形下的识别准确度,实验结果证明了基于融合多重分形的组合特征集的DBO-GRU模型可以有效提升肌肉疲劳辨识准确度。(4)针对患者在主动康复训练中外骨骼机器人安全柔顺辅助的康复需求,提出了一种融合人体关节刚度与疲劳信息的自适应导纳控制控制器。将利用Hill骨骼肌肉模型估计的人体关节刚度与辨识出的疲劳状态用于调节导纳控制器的参数以实现人机交互的柔顺性与安全性,最后基于Matlab/Simulink联合仿真开展所提方法可行性和有效性验证研究。