[發(fā)明專利]一種踝足康復(fù)牽引控制系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201811273278.0
• 申請日: 2018-10-30
• 公開（公告）號: CN109273078B
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 張謙;吳霜
• 申請（專利權(quán)）人: 貴州醫(yī)科大學(xué)附屬醫(yī)院
• 主分類號: G16H40/67
• 分類號: G16H40/67;G06K9/00;A61F5/042;G06N3/12
• 代理公司: 重慶市信立達(dá)專利代理事務(wù)所(普通合伙) 50230
• 代理人: 包曉靜

1.一種踝足康復(fù)牽引控制方法，其特征在于，所述踝足康復(fù)牽引控制方法包括以下步驟：

第一步，通過壓力檢測模塊利用壓力傳感器實(shí)時(shí)檢測牽引器對足部壓力數(shù)據(jù)信息；通過溫度檢測模塊利用溫度傳感器實(shí)時(shí)檢測牽引器內(nèi)部康復(fù)環(huán)境溫度數(shù)據(jù)信息；

第二步，中央控制模塊通過無線通信模塊利用無線發(fā)射器將采集的壓力、溫度數(shù)據(jù)發(fā)送到智能手機(jī)進(jìn)行查詢；

第三步，當(dāng)溫度高時(shí)，中央控制模塊控制降溫模塊利用降溫器為患者康復(fù)過程提供降溫操作；當(dāng)壓力過高時(shí)，中央控制模塊控制康復(fù)提醒模塊中的設(shè)備對患者的足部牽引力進(jìn)行操作調(diào)節(jié)，并提醒患者康復(fù)提醒信息；

第四步，中央控制模塊經(jīng)過數(shù)據(jù)的處理，將所采集的壓力、溫度傳遞給數(shù)據(jù)存儲模塊進(jìn)行儲存，同時(shí)經(jīng)過數(shù)據(jù)處理將采集的壓力和溫度信息傳遞到顯示屏，顯示屏進(jìn)而顯示相關(guān)的溫度和壓力數(shù)據(jù)；

第五步，中央控制模塊從數(shù)據(jù)存儲模塊中的存儲器存獲取提醒計(jì)劃數(shù)據(jù)信息，傳遞到顯示屏，進(jìn)行顯示提醒；

所述壓力檢測模塊通過壓阻式壓力傳感器實(shí)時(shí)檢測牽引器對足部壓力數(shù)據(jù)信息時(shí)，采用基于遺傳算法的小波神經(jīng)網(wǎng)路算法，包括以下步驟：

步驟一，初始化種群：網(wǎng)絡(luò)輸入層與隱含層之間的連接權(quán)值v_ji、隱含層導(dǎo)輸出層的權(quán)值w_kj、伸縮因子a_j和平移因子b_j進(jìn)行初始化編碼，確定每個(gè)種群中的個(gè)體包含的基因個(gè)數(shù)利用網(wǎng)格法來確定搜索空間的每個(gè)初始點(diǎn)，然后對其進(jìn)行編碼以產(chǎn)生一定規(guī)模的初始種群；

步驟二，根據(jù)個(gè)體的適應(yīng)度，對群體中的個(gè)體進(jìn)行選擇、交叉和變異操作；

步驟三，判斷是否滿足遺傳算法結(jié)束條件，采用兩個(gè)結(jié)束條件：適應(yīng)度達(dá)到一定的值或適應(yīng)度達(dá)到某一較低的值同時(shí)迭代一定的代數(shù)，兩個(gè)條件滿足任何一個(gè)都可退出，轉(zhuǎn)入小波網(wǎng)絡(luò)優(yōu)化搜索；

步驟四，遺傳算子操作：先進(jìn)行變異操作以保持群體的多樣性，在進(jìn)行交叉操作，最后進(jìn)行四分之二選擇策略；

步驟五，判斷是否達(dá)到物種操作的代數(shù)，若是則進(jìn)行物種操作，否則重新計(jì)算個(gè)體的適應(yīng)度；

步驟六，在進(jìn)行K次操作后，選擇m個(gè)具有全局性的進(jìn)化解，以m個(gè)進(jìn)化解為初始解，設(shè)計(jì)小波網(wǎng)路，獲得神經(jīng)網(wǎng)路的權(quán)值、伸縮因子和平移因子；

步驟七，用誤差反向傳播算法訓(xùn)練網(wǎng)絡(luò)，直到滿足指定精度；

所述無線通信模塊在通過無線發(fā)射器將采集的壓力、溫度數(shù)據(jù)發(fā)送到智能手機(jī)的過程中，采用基于最優(yōu)小波包的信號去噪算法，包括以下步驟：

步驟一，信號的小波包分解，選擇一個(gè)小波并確定所需分解的層次N，然后對含噪信號進(jìn)行N層小波包分解；

步驟二，對于給定的Shannon熵標(biāo)準(zhǔn)，選擇最優(yōu)小波包基；

步驟三，對分解的各個(gè)頻段根據(jù)不同的閾值選擇方法選擇閾值，對最優(yōu)小波包基每個(gè)節(jié)點(diǎn)上的分解系數(shù)進(jìn)行閾值量化，閾值量化采用軟閾值方法；

步驟四，只利用閾值量化以后的最優(yōu)小波包基的分解系數(shù)進(jìn)行信號的重構(gòu)，重構(gòu)得到的信號就是經(jīng)過最優(yōu)小波包基去噪后的信號；

所述數(shù)據(jù)存儲模塊通過存儲器存儲采集的壓力、溫度、獲取的提醒計(jì)劃數(shù)據(jù)信息進(jìn)行分類的過程中，存儲器采用基于聚類融合欠抽樣改進(jìn)AdaBoost算法，包括以下步驟：

步驟一，給定樣本集合D＝{(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)}，其中，n為訓(xùn)練集樣本總數(shù)，x_i是輸入空間X的實(shí)例，y_i∈{-1，+1}是輸出分類Y對應(yīng)的分類標(biāo)簽，迭代次數(shù)為T，重復(fù)使用K均值算法產(chǎn)生h個(gè)聚類結(jié)果，共識函數(shù)使用Fred提出的Co-association矩陣方法，最終將訓(xùn)練樣本聚成c個(gè)簇，分別記為C₁，C₂，…，C_c；

步驟二，按照式初始化樣本權(quán)重；其中ω^t(i)表示第t輪迭代中樣本x_i的權(quán)值；

步驟三，F(xiàn)or t＝1，2，3，…，T預(yù)定的迭代次數(shù)；

根據(jù)各個(gè)簇中負(fù)類數(shù)與正類的比率，從每個(gè)簇中抽取部分負(fù)類與所有正類合并成1∶1平衡數(shù)據(jù)集用于下面的分類器訓(xùn)練，每個(gè)簇中負(fù)類樣本被抽中的概率與樣本權(quán)重相關(guān)，MajSize為負(fù)類樣本總數(shù)，則每個(gè)簇中抽取的負(fù)類樣本數(shù)：

使用弱學(xué)習(xí)算法訓(xùn)練得到分類器h_t；

按照式計(jì)算錯(cuò)誤率，其中ε_t為h_t在當(dāng)前樣本分布上的加權(quán)錯(cuò)誤率；

按照式計(jì)算弱分類器h_t的權(quán)值；

樣本被正確分類：

負(fù)類樣本被錯(cuò)誤分類：

正類樣本被錯(cuò)誤分類：

步驟四，通過遺傳算法選擇出差異度比較大的分類器，選擇性集成得到最后的強(qiáng)分類器：

其中，NUM為最后集成的分類器數(shù)目；

所述無線通信模塊的通信方法如下：

首先，發(fā)送方設(shè)備在配置的多個(gè)射頻芯片中選取一個(gè)發(fā)送芯片，以用于發(fā)送報(bào)文；

然后，記錄所述報(bào)文的發(fā)送完成時(shí)間；

最后，在以所述發(fā)送完成時(shí)間為起始時(shí)間點(diǎn)的預(yù)設(shè)時(shí)間段內(nèi)，若所述多個(gè)射頻芯片中的任一射頻芯片接收到確認(rèn)，則確認(rèn)所述報(bào)文發(fā)送成功。