[發明專利]基于RBF-DMP振蕩器的下肢康復型外骨骼步態規劃方法

有效

• 申請號: 202010117714.6
• 申請日: 2020-02-25
• 公開（公告）號: CN111341412B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 王浩平;殷越;田楊
• 申請（專利權）人: 南京理工大學
• 主分類號: G16H20/30
• 分類號: G16H20/30;G16H50/50;G06N3/08
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 陳鵬

1.一種基于RBF-DMP振蕩器的下肢康復型外骨骼步態規劃方法，其特征在于，包括以下步驟：

步驟1、采集患者健康行走歷史中的髖關節、膝關節運動軌跡；

步驟2、建立髖關節、膝關節RBF-DMP振蕩器步態生成模型，模擬患者運動軌跡；

步驟3、基于最小二乘法，完成對RBF徑向基神經網絡參數的自學習；具體包括以下步驟：

步驟3.1、確定RBF神經網絡隱含層輸出與輸出層的期望輸出數據；

計算RBF神經網絡隱含層的輸出j_i(φ)為：

計算RBF神經網絡輸出層的期望輸出為：

其中f_g為非線性函數的目標值，θ_d為需要學習的步態曲線，τ為DMP振蕩器的頻率，β為關節運動模型參數；

步驟3.2、基于最小二乘法，對RBF神經網絡權重參數自學習；

將RBF神經網絡組成結構，描述為矩陣形式：

Fg＝JW+E₁ (9)

其中Fg＝[f_g(1),f_g(2),...f_g(M)]^T為樣本中的期望輸出向量，W＝[w₁,w₂,...w_N]^T為權重向量，E₁為誤差項向量，M為樣本總數目，輸入矩陣J表示為：

設置代價函數如下：

其中λ為懲罰項系數，經過最小二乘法推導后，隱含層權重估計值表示為：

步驟4、通過訓練好的RBF-DMP振蕩器實時規劃髖關節、膝關節的運動軌跡，用于下肢康復型外骨骼的步態生成。

2.根據權利要求1所述的基于RBF-DMP振蕩器的下肢康復型外骨骼步態規劃方法，其特征在于，步驟1采集患者正常行走歷史中的髖關節、膝關節運動軌跡，將髖關節、膝關節軌跡曲線設為θ_d。

3.根據權利要求1所述的基于RBF-DMP振蕩器的下肢康復型外骨骼步態規劃方法，其特征在于，步驟2建立髖關節、膝關節RBF-DMP振蕩器步態學習模型，模擬患者運動軌跡，具體包括以下步驟：

步驟2.1、定義DMP振蕩器系統方程

其中x、y分別為DMP振蕩器系統空間的狀態量；μ、k為系統方程的參數，均為正實數，τ為DMP振蕩器的頻率，E₀為DMP振蕩器的初始能量值，E為DMP振蕩器的能量函數如下：

步驟2.2、建立髖關節、膝關節的周期性關節運動模型

其中β為關節運動模型參數，τ為DMP振蕩器的頻率，θ為髖關節、膝關節的運動軌跡，θ_m為軌跡曲線θ的起始初值，f為非線性函數，負責對復雜關節運動的建模；

步驟2.3、構建RBF神經網絡對非線性函數f建模；

a)確定RBF神經網絡結構；輸入層1個節點，隱含層10個節點，輸出層1個節點；

b)確定RBF神經網絡的輸入層節點輸出

φ(t)＝atan2(x,y) (4)

c)隱含層節點采用徑向基函數表達式

其中c_i為隱含層第i個神經元的中心矢量，σ_i決定著該基函數圍繞中心點的寬度，φ(t)為RBF神經網絡的輸入層輸出；

d)計算RBF神經網絡的輸出

其中j_i表示為隱含層第i個神經元節點的輸出，w_i表示為隱含層第i個神經元節點與輸出層神經元節點的連接權重，N表示隱含層的節點數目。

4.根據權利要求1所述的基于RBF-DMP振蕩器的下肢康復型外骨骼步態規劃方法，其特征在于，步驟4訓練好的RBF-DMP振蕩器，利用權重估計值實時規劃髖關節、膝關節的運動軌跡，用于下肢康復型外骨骼的步態生成；具體包括以下步驟：

步驟4.1、計算RBF神經網絡的輸出；由式(4)求得DMP振蕩器相位時刻t的輸出φ(t)，并由式(7)，計算RBF隱含層的輸出j_i(φ)；計算RBF神經網絡的輸出為

其中為隱含層第i個神經元節點與輸出層神經元節點的連接權重估計值；

步驟4.2、結合髖關節、膝關節的周期性關節運動模型，實現對下肢外骨骼髖關節、膝關節的計算；根據式(3)，則可計算得到下肢外骨骼髖關節、膝關節的運動軌跡為