專利名稱：一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法
技術(shù)領(lǐng)域：
本發(fā)明涉及殘疾人康復(fù)醫(yī)療器械技術(shù)領(lǐng)域，特別涉及一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法。
背景技術(shù)：
功能性電刺激(Functional Electrical Stimulation，F(xiàn)ES)是通過電流脈沖序列來刺激肢體運動肌群及其外周神經(jīng)，有效地恢復(fù)或重建截癱患者的部分運動功能的技術(shù)。 根據(jù)對于脊髓損傷癱瘓患者的治療統(tǒng)計顯示，由于脊髓再生能力微弱，目前尚未有可直接修復(fù)損傷的有效醫(yī)治方法，實施功能康復(fù)訓(xùn)練是一有效的措施。脊髓損傷癱瘓患者人數(shù)逐年增多，功能康復(fù)訓(xùn)練是亟待需求的技術(shù)。20世紀60年代，Liberson首次成功地利用電刺激腓神經(jīng)矯正了偏癱患者足下垂的步態(tài)，開創(chuàng)了功能性電刺激用于運動和感覺功能康復(fù)治療的新途徑。目前，F(xiàn)ES已經(jīng)成為了恢復(fù)或重建截癱患者的部分運動功能，是重要的康復(fù)治療手段。然而在實際應(yīng)用中，刺激效果和疲勞嚴重制約著功能性電刺激的發(fā)展和運用，其中一個關(guān)鍵技術(shù)環(huán)節(jié)是準確的肌肉模型。但是，肌肉模型是一個非常復(fù)雜的，時變的非線性動態(tài)系統(tǒng)。因此，有必要發(fā)展一種既能體現(xiàn)模型復(fù)雜性又融合了模型不確定性的新型神經(jīng)肌骨模型。
自適應(yīng)神經(jīng)模糊推理系統(tǒng)(Adaptive-Network-based Fuzzy Inference System, ANFIS)結(jié)合了模糊推理和神經(jīng)網(wǎng)絡(luò)的優(yōu)點同時又克服了各自的不足?，F(xiàn)有技術(shù)中的模糊模型的一個最大弱點是它本身不具備學(xué)習(xí)和自適應(yīng)的能力，具體主要表現(xiàn)在規(guī)則及相應(yīng)隸屬度函數(shù)的調(diào)整很困難。而神經(jīng)網(wǎng)絡(luò)可以根據(jù)訓(xùn)練樣本集通過學(xué)習(xí)生成對應(yīng)的映射規(guī)則，但這些映射規(guī)則通常以連接權(quán)的形式隱含在網(wǎng)絡(luò)中，要具體分析一個特定的權(quán)值和這種映射規(guī)則的關(guān)系又比較困難。
發(fā)明人在實現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下的缺點和不足
現(xiàn)有技術(shù)中不能實時的對自適應(yīng)神經(jīng)模糊推理系統(tǒng)的結(jié)構(gòu)和參數(shù)進行調(diào)整，使得實際輸出的膝關(guān)節(jié)力矩值和真實值之間的誤差以及誤差率差別較大，不能精確的測量膝關(guān)節(jié)力矩值。發(fā)明內(nèi)容
本發(fā)明提供了一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法，實現(xiàn)了實時的對自適應(yīng)神經(jīng)模糊推理系統(tǒng)的結(jié)構(gòu)和參數(shù)進行調(diào)整，使得實際輸出的膝關(guān)節(jié)力矩值和真實值之間的誤差以及誤差率差別較小，精確的測量了膝關(guān)節(jié)力矩值，詳見下文描述
—種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法，所述方法包括以下步驟
(1)采集小腿運動時的膝關(guān)節(jié)角度參數(shù)θ和加速度參數(shù)α，通過逆動力學(xué)推導(dǎo)， 獲取膝關(guān)節(jié)力矩的表達式；
(2)將真實的膝關(guān)節(jié)力矩值輸入到自適應(yīng)神經(jīng)模糊推理系統(tǒng)中，根據(jù)所述膝關(guān)節(jié)力矩的表達式獲取實際輸出的膝關(guān)節(jié)力矩值；
(3)將所述實際輸出的膝關(guān)節(jié)力矩值與所述真實的膝關(guān)節(jié)力矩值做運算，獲取誤差A(yù)e以及誤差變化率Aec;
(4)將所述誤差A(yù)e、所述誤差變化率Aec以及刺激電流輸入到自適應(yīng)神經(jīng)模糊推理系統(tǒng)中，所述自適應(yīng)神經(jīng)模糊推理系統(tǒng)進行處理轉(zhuǎn)化為對應(yīng)的模糊量；
(5)所述自適應(yīng)神經(jīng)模糊推理系統(tǒng)通過所述對應(yīng)的模糊量獲取控制規(guī)則，根據(jù)所述控制規(guī)則，合成相應(yīng)的刺激電流；
(6)通過所述誤差A(yù)e以及所述誤差變化率Aec同時訓(xùn)練神經(jīng)網(wǎng)絡(luò)，獲取隸屬度函數(shù)參數(shù)和隸屬度函數(shù)結(jié)構(gòu)；
(7)根據(jù)所述隸屬度函數(shù)參數(shù)和所述隸屬度函數(shù)結(jié)構(gòu)對所述自適應(yīng)神經(jīng)模糊推理系統(tǒng)進行調(diào)整，判斷所述誤差A(yù)e是否小于閾值，如果是，執(zhí)行步驟(8)；如果否，執(zhí)行步驟 (9)；
(8)流程結(jié)束；
(9)重新執(zhí)行步驟(1)_(7)，直到所述誤差A(yù)e小于所述閾值，流程結(jié)束。
所述膝關(guān)節(jié)力矩的表達式具體為j 2/η
M=GxZxcos Θ-Jx-=GxZxcos Θ-Jxa .dt ，
其中，G(N)= mXg，L(cm) = LC+LWX 體重(kg) +LsX 身高(cm), J(kg · cm2)= Jc+Jw X體重+JsX身高(cm),m(kg) =M。+MWX體重(kg)+Ms X身高(cm)，M為膝關(guān)節(jié)力矩、 L為小腿重心到膝關(guān)節(jié)轉(zhuǎn)軸的距離、G為小腿重力、J為小腿轉(zhuǎn)動慣量以及m為小腿的質(zhì)量。
所述對應(yīng)的模糊量具體為
將所述誤差Δ e和所述誤差變化率Δ ec的變化范圍定義為模糊集上的論域，
e, ec = {_5，_4，_3，_2，，0，1，2，3，4，5}
則其模糊子集為e, ec = {NL, NM, NS, ZE, PS, PM, PL}，子集中元素分別代表負大， 負中，負小，零，正小，正中，正大。
本發(fā)明提供的技術(shù)方案的有益效果是
本發(fā)明提供了一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法，本發(fā)明提出了應(yīng)用自適應(yīng)神經(jīng)模糊推理系統(tǒng)(Adaptive-Network-based Fuzzy Inference System, ANFIS)建立功能性電刺激下的膝關(guān)節(jié)力矩值和刺激電流之間的肌肉模型，本發(fā)明從人體運動學(xué)信息出發(fā)，通過逆動力學(xué)推導(dǎo)出膝關(guān)節(jié)力矩，通過誤差以及誤差率對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，根據(jù)隸屬度函數(shù)參數(shù)和隸屬度函數(shù)結(jié)構(gòu)對自適應(yīng)神經(jīng)模糊推理系統(tǒng)的結(jié)構(gòu)以及參數(shù)進行調(diào)整，以實現(xiàn)最佳的輸出，本發(fā)明實施例實現(xiàn)了實時的對自適應(yīng)神經(jīng)模糊推理系統(tǒng)的結(jié)構(gòu)和參數(shù)進行調(diào)整，使得實際輸出的膝關(guān)節(jié)力矩值和真實值之間的誤差以及誤差率較小， 精確的測量了膝關(guān)節(jié)力矩值。


圖1為本發(fā)明提供的自適應(yīng)神經(jīng)模糊肌肉建模的結(jié)構(gòu)示意圖2為本發(fā)明提供的一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法的流程圖3為本發(fā)明提供的功能性電刺激實驗機理示意圖4為本發(fā)明提供的功能性電刺激試驗場景圖5為本發(fā)明提供的自適應(yīng)神經(jīng)模糊推理系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)示意圖6為本發(fā)明提供的模糊推理模型的初始結(jié)構(gòu)框架圖7為本發(fā)明提供的數(shù)據(jù)訓(xùn)練前后隸屬度函數(shù)形狀和參數(shù)的變化的示意圖8為本發(fā)明提供的受試者1的ANFIS的建模結(jié)果和實際膝關(guān)節(jié)力矩的示意圖9為本發(fā)明提供的受試者1的ANFIS模型結(jié)果與實際關(guān)節(jié)力矩相對誤差的示意圖10為本發(fā)明提供的15名受試者ANFIS模型的誤差均值和方差的示意圖。
具體實施方式
為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。
為了實現(xiàn)實時的對自適應(yīng)神經(jīng)模糊推理系統(tǒng)的結(jié)構(gòu)和參數(shù)進行調(diào)整，使得實際輸出的膝關(guān)節(jié)力矩值和真實值之間的誤差以及誤差率差別較小，精確的測量膝關(guān)節(jié)力矩值， 參見圖1和圖2，本發(fā)明實施例提供了一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法，詳見下文描述
101 采集小腿運動時的膝關(guān)節(jié)角度參數(shù)θ和加速度參數(shù)α，通過逆動力學(xué)推導(dǎo)， 獲取膝關(guān)節(jié)力矩的表達式；
其中，本發(fā)明實施例中采用動力學(xué)參數(shù)膝關(guān)節(jié)力矩評估下肢動作的完成與否，膝關(guān)節(jié)力矩不受到形態(tài)學(xué)的影響，并且由運動學(xué)參數(shù)通過逆動力學(xué)推導(dǎo)即可獲得，最重要的是與刺激電流的刺激模式有固定的關(guān)系，所以本發(fā)明實施例采用動力學(xué)參數(shù)膝關(guān)節(jié)力矩作為評估依據(jù)。
參見圖3和圖4，刺激電極固定于股四頭肌兩端，產(chǎn)生刺激電流使小腿運動，采集小腿運動時的膝關(guān)節(jié)角度參數(shù)θ和加速度參數(shù)α。實驗過程中膝關(guān)節(jié)運動無外界摩擦，可近似看成繞膝關(guān)節(jié)轉(zhuǎn)動的剛體運動，膝關(guān)節(jié)力矩可以由重力力矩和轉(zhuǎn)動力矩求得。M為膝關(guān)節(jié)力矩，L為小腿重心到膝關(guān)節(jié)轉(zhuǎn)軸的距離，G為小腿重力，J為小腿轉(zhuǎn)動慣量，m為小腿的質(zhì)量，人體下肢小腿幾何特性參數(shù)的經(jīng)驗公式為
m(kg) = MC+MWX 體重(kg)+Ms X 身高(cm) (1)
L (cm) = LC+LWX 體重(kg) +LsX 身高(cm) (2)
J(kg · cm2) = JC+JWX 體重 +JsX 身高(cm) (3)
G(N)=mXg(4)
表1人體幾何特性經(jīng)驗參數(shù)人體下肢部位小腿
質(zhì)量恒定值Me-1.5920 系數(shù)體重系數(shù)Mw 0.0362身高系數(shù)0.012權(quán)利要求
1.一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法，其特征在于，所述方法包括以下步驟(1)采集小腿運動時的膝關(guān)節(jié)角度參數(shù)θ和加速度參數(shù)α，通過逆動力學(xué)推導(dǎo)，獲取膝關(guān)節(jié)力矩的表達式；(2)將真實的膝關(guān)節(jié)力矩值輸入到自適應(yīng)神經(jīng)模糊推理系統(tǒng)中，根據(jù)所述膝關(guān)節(jié)力矩的表達式獲取實際輸出的膝關(guān)節(jié)力矩值；(3)將所述實際輸出的膝關(guān)節(jié)力矩值與所述真實的膝關(guān)節(jié)力矩值做運算，獲取誤差 Δ e以及誤差變化率Δ ec ；(4)將所述誤差Δe、所述誤差變化率Aec以及刺激電流輸入到自適應(yīng)神經(jīng)模糊推理系統(tǒng)中，所述自適應(yīng)神經(jīng)模糊推理系統(tǒng)進行處理轉(zhuǎn)化為對應(yīng)的模糊量；(5)所述自適應(yīng)神經(jīng)模糊推理系統(tǒng)通過所述對應(yīng)的模糊量獲取控制規(guī)則，根據(jù)所述控制規(guī)則，合成相應(yīng)的刺激電流；(6)通過所述誤差A(yù)e以及所述誤差變化率Aec同時訓(xùn)練神經(jīng)網(wǎng)絡(luò)，獲取隸屬度函數(shù)參數(shù)和隸屬度函數(shù)結(jié)構(gòu)；(7)根據(jù)所述隸屬度函數(shù)參數(shù)和所述隸屬度函數(shù)結(jié)構(gòu)對所述自適應(yīng)神經(jīng)模糊推理系統(tǒng)進行調(diào)整，判斷所述誤差A(yù)e是否小于閾值，如果是，執(zhí)行步驟⑶；如果否，執(zhí)行步驟(9)；(8)流程結(jié)束；(9)重新執(zhí)行步驟(1)_(7)，直到所述誤差A(yù)e小于所述閾值，流程結(jié)束。
2.根據(jù)權(quán)利要求1所述的一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法，其特征在于，所述膝關(guān)節(jié)力矩的表達式具體為
3.根據(jù)權(quán)利要求1所述的一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法，其特征在于，所述對應(yīng)的模糊量具體為將所述誤差A(yù)e和所述誤差變化率Aec的變化范圍定義為模糊集上的論域，e, ec = {-5，-4，_3，_2，-1,0,1,2,3,4,5}則其模糊子集為e,ec = {NL, NM, NS, ZE, PS, PM, PL}，子集中元素分別代表負大，負中， 負小，零，正小，正中，正大。
全文摘要
本發(fā)明公開了一種功能性電刺激下的自適應(yīng)神經(jīng)模糊肌肉建模方法，采集小腿運動時的膝關(guān)節(jié)角度參數(shù)和加速度參數(shù)，通過逆動力學(xué)推導(dǎo)，獲取膝關(guān)節(jié)力矩的表達式；將真實的膝關(guān)節(jié)力矩值輸入到自適應(yīng)神經(jīng)模糊推理系統(tǒng)中，獲取實際輸出的膝關(guān)節(jié)力矩值；將誤差、誤差變化率以及刺激電流輸入到自適應(yīng)神經(jīng)模糊推理系統(tǒng)中，轉(zhuǎn)化為對應(yīng)的模糊量；通過對應(yīng)的模糊量獲取控制規(guī)則，合成相應(yīng)的刺激電流；通過誤差以及誤差變化率同時訓(xùn)練神經(jīng)網(wǎng)絡(luò)，獲取隸屬度函數(shù)參數(shù)和隸屬度函數(shù)結(jié)構(gòu)；對自適應(yīng)神經(jīng)模糊推理系統(tǒng)進行調(diào)整，直到誤差小于閾值，流程結(jié)束。本發(fā)明提供的方法使得實際輸出的膝關(guān)節(jié)力矩值和真實值之間的誤差以及誤差率較小，精確的測量了膝關(guān)節(jié)力矩值。
文檔編號G06F19/00GK102521508SQ20111041330
公開日2012年6月27日 申請日期2011年12月8日 優(yōu)先權(quán)日2011年12月8日
發(fā)明者萬柏坤, 張力新, 明東, 朱韋西, 楊軼星, 綦宏志, 邱爽 申請人:天津大學(xué)