[發明專利]基于變型sigmoid函數分類器的訓練模態識別系統、方法及應用

有效

• 申請號: 202011131699.7
• 申請日: 2020-10-21
• 公開（公告）號: CN112353385B
• 公開（公告）日: 2023-09-15
• 發明（設計）人: 馮雷
• 申請（專利權）人: 南京偉思醫療科技股份有限公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/214;G06F18/10;A61B5/11
• 代理公司: 南京冠譽至恒知識產權代理有限公司 32426
• 代理人: 夏恒霞

本發明公布了基于變型sigmoid函數分類器的訓練模態識別系統、方法及其在主被動訓練康復機中的應用，使用伺服電機作為運動驅動單元，借助伺服驅動器作為信息反饋單元，通過控制器獲取伺服電機的位置、速度、扭矩等信息，建立康復訓練過程模型，在不添加輔助傳感器的情況下，以伺服電機實時扭矩為對象，通過變型sigmoid函數分類器進行患者的運動意圖識別，依賴伺服電機的高精度高靈敏度，可實現各種訓練模式快速判斷，保證了模態識別的準確性、流暢性。

技術領域

本發明涉及一種主被動康復訓練機的訓練模態識別系統和算法，具體涉及一種基于變型sigmoid函數分類器的主被動康復訓練機訓練模態識別系統、方法及應用；屬于康復醫學技術領域。

背景技術

當肢體發生殘缺、攣縮、畸形、麻痹、關節或脊柱強直時，運動功能會有不同程度的功能障礙或部分功能喪失，稱為肢體殘疾。為幫助殘障人士盡快恢復身體機能，能夠更快更好地融入社會生活，受國家政策導向，康復醫學醫療設備的發展迎來了契機，探究如何幫助殘疾人恢復肢體活動成了康復醫學領域的研究熱點。

醫學研究表明，人體神經系統具有可重塑性，如果在肢體傷殘的初期能夠得到合理的、有效的康復訓練，便可使受損的大腦運動神經得到很大程度的恢復。但是如果錯過了最佳康復時期，不主動地對殘肢進行訓練，大腦運動神經就會萎縮，想要恢復就會更加困難。因此，及時有效的康復訓練對恢復肢體運動功能顯得尤為重要。

目前，對上下肢主被動運動康復訓練設備而言，訓練模式中通常都包含自動判斷主被動訓練模式的功能。其主要的技術實現方法就是在控制系統中增加位置檢測模塊、速度檢測模塊、關節力采集模塊、接觸力采集模塊等外部傳感器，通過設定傳感器閾值來實現相應模式判斷功能。

誠然，借助各種類型的傳感器確實可以做到不同程度的模式判斷效果，但是首先增加了硬件成本，其次產品體積也要相應進行配合調整，需要額外建立控制器與傳感器的信息交互，增加了控制系統的負載，同時會一定程度的犧牲系統的實時性。

發明內容

為解決現有技術的不足，本發明的目的之一在于提供基于變型sigmoid函數分類器的訓練模態識別系統；

目的之二在于提供基于該識別系統的識別方法，能夠快速準確地識別各種模式變化并控制運動模式；

目的之三在于提供該系統及方法在主被動訓練機上的應用前景。

為了實現上述目標，本發明采用如下的技術方案：

本發明首先公布了一種基于變型sigmoid函數分類器的訓練模態識別系統，包括：控制器、濾波處理器及變型sigmoid函數分類器；

所述控制器采集伺服電機的實時扭矩并發送至濾波處理器；

所述濾波處理器接受來自控制器的扭矩信號，去除扭矩波形噪聲及毛刺，進行扭矩值平滑處理，穩定波形并降低變化幅度；

所述變型sigmoid函數分類器根據扭矩值對訓練模態進行判斷并識別分類，其表達式為：Sc＝sign(x)-(1/(1+e^(-0.01*x))-0.5)*2，其中，x表示扭矩值，e為常數。

然后，本發明公開了采用如前所述的基于變型sigmoid函數分類器的訓練模態識別系統的識別方法，包括如下步驟：

S1、設定被動模式為初始訓練模式，控制器獲取伺服電機的實時扭矩值；

S2、對獲取到的實時扭矩值進行濾波處理，去除扭矩波形噪聲以及毛刺，進行扭矩值平滑處理；

S3、得到扭矩值后，用變型sigmoid函數分類器對扭矩值進行分類，判斷當前用戶狀態；所述變型sigmoid函數分類器為：