[發明專利]一種功能性電刺激下的自適應神經模糊肌肉建模方法

有效

• 申請號: 201110413303.2
• 申請日: 2011-12-08
• 公開（公告）號: CN102521508A
• 公開（公告）日: 2012-06-27
• 發明（設計）人: 明東;朱韋西;邱爽;楊軼星;張力新;綦宏志;萬柏坤
• 申請（專利權）人: 天津大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 溫國林

技術領域

本發明涉及殘疾人康復醫療器械技術領域，特別涉及一種功能性電刺激下的自適應神經模糊肌肉建模方法。

背景技術

功能性電刺激(Functional?Electrical?Stimulation，FES)是通過電流脈沖序列來刺激肢體運動肌群及其外周神經，有效地恢復或重建截癱患者的部分運動功能的技術。根據對于脊髓損傷癱瘓患者的治療統計顯示，由于脊髓再生能力微弱，目前尚未有可直接修復損傷的有效醫治方法，實施功能康復訓練是一有效的措施。脊髓損傷癱瘓患者人數逐年增多，功能康復訓練是亟待需求的技術。20世紀60年代，Liberson首次成功地利用電刺激腓神經矯正了偏癱患者足下垂的步態，開創了功能性電刺激用于運動和感覺功能康復治療的新途徑。目前，FES已經成為了恢復或重建截癱患者的部分運動功能，是重要的康復治療手段。然而在實際應用中，刺激效果和疲勞嚴重制約著功能性電刺激的發展和運用，其中一個關鍵技術環節是準確的肌肉模型。但是，肌肉模型是一個非常復雜的，時變的非線性動態系統。因此，有必要發展一種既能體現模型復雜性又融合了模型不確定性的新型神經肌骨模型。

自適應神經模糊推理系統(Adaptive-Network-based?Fuzzy?Inference?System，ANFIS)結合了模糊推理和神經網絡的優點同時又克服了各自的不足。現有技術中的模糊模型的一個最大弱點是它本身不具備學習和自適應的能力，具體主要表現在規則及相應隸屬度函數的調整很困難。而神經網絡可以根據訓練樣本集通過學習生成對應的映射規則，但這些映射規則通常以連接權的形式隱含在網絡中，要具體分析一個特定的權值和這種映射規則的關系又比較困難。

發明人在實現本發明的過程中發現現有技術中至少存在以下的缺點和不足：

現有技術中不能實時的對自適應神經模糊推理系統的結構和參數進行調整，使得實際輸出的膝關節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節力矩值。

發明內容

本發明提供了一種功能性電刺激下的自適應神經模糊肌肉建模方法，實現了實時的對自適應神經模糊推理系統的結構和參數進行調整，使得實際輸出的膝關節力矩值和真實值之間的誤差以及誤差率差別較小，精確的測量了膝關節力矩值，詳見下文描述：

一種功能性電刺激下的自適應神經模糊肌肉建模方法，所述方法包括以下步驟：

(1)采集小腿運動時的膝關節角度參數θ和加速度參數α，通過逆動力學推導，獲取膝關節力矩的表達式；

(2)將真實的膝關節力矩值輸入到自適應神經模糊推理系統中，根據所述膝關節力矩的表達式獲取實際輸出的膝關節力矩值；

(3)將所述實際輸出的膝關節力矩值與所述真實的膝關節力矩值做運算，獲取誤差Δe以及誤差變化率Δec；

(4)將所述誤差Δe、所述誤差變化率Δec以及刺激電流輸入到自適應神經模糊推理系統中，所述自適應神經模糊推理系統進行處理轉化為對應的模糊量；

(5)所述自適應神經模糊推理系統通過所述對應的模糊量獲取控制規則，根據所述控制規則，合成相應的刺激電流；

(6)通過所述誤差Δe以及所述誤差變化率Δec同時訓練神經網絡，獲取隸屬度函數參數和隸屬度函數結構；

(7)根據所述隸屬度函數參數和所述隸屬度函數結構對所述自適應神經模糊推理系統進行調整，判斷所述誤差Δe是否小于閾值，如果是，執行步驟(8)；如果否，執行步驟(9)；

(8)流程結束；

(9)重新執行步驟(1)-(7)，直到所述誤差Δe小于所述閾值，流程結束。

所述膝關節力矩的表達式具體為：