[發明專利]一種基于強化學習算法的智能假肢

在審

• 申請號: 202211223387.8
• 申請日: 2022-10-08
• 公開（公告）號: CN115501015A
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 許猛;石巖;趙雪林;李健雄;項東全
• 申請（專利權）人: 中國人民解放軍總醫院第四醫學中心
• 主分類號: A61F2/72
• 分類號: A61F2/72;A61F2/60;A61B5/389
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

1.一種基于強化學習算法的智能假肢，其特征在于，包括：訓練數據采集組件、云端工作站、核心處理器、第一肌電信號采集模塊、執行機構和假肢本體；

所述訓練數據采集組件用于在安裝所述假肢本體之前，采集完整腿部在進行不同動作時的肌電信號和位姿信號；

所述核心處理器用于對完整腿部的肌電信號和位姿信號進行預處理后，作為訓練集，并上傳至所述云端工作站；

所述云端工作站用于利用所述訓練集對預先構建的DQN模型進行訓練；

所述第一肌電信號采集模塊用于在安裝所述假肢本體之后，采集殘肢的肌電信號；

所述核心處理器用于加載訓練好的DQN模型，并將采集的殘肢肌電信號輸入訓練好的DQN模型，輸出與殘肢肌電信號對應的位姿信號；

所述執行機構用于根據DQN模型輸出的位姿信號驅動所述假肢本體執行對應的動作。

2.根據權利要求1所述的一種基于強化學習算法的智能假肢，其特征在于，所述訓練數據采集組件包括：第二肌電信號采集模塊和動作采集模塊；

所述第二肌電信號采集模塊用于在安裝所述假肢本體之前，采集完整腿部的肌電信號；

所述動作采集模塊用于在安裝所述假肢本體之前，采集完整腿部的位姿信號；

所述核心處理器根據完整腿部的位姿信號，實時構造腿部運動模型。

3.根據權利要求2所述的一種基于強化學習算法的智能假肢，其特征在于，所述第一肌電信號采集模塊、所述第二肌電信號采集模塊和所述動作采集模塊均連接有放大電路；所述放大電路用于將完整腿部的肌電信號和位姿信號以及殘肢肌電信號放大至所需幅度值。

4.根據權利要求3所述的一種基于強化學習算法的智能假肢，其特征在于，所述放大電路包括：儀用放大器U2、四運算放大器U1A、U1B、U1C和U1D、電阻R1、R2、R3、R4、R5、R6、R7、R8、R9、R10、R11、以及電容C1、C2和C3；其中，儀用放大器U2的型號為AD620AN；四運算放大器U1A、U1B、U1C和U1D的型號均為LM324AD；

四運算放大器U1A的同相輸入端與第一肌電信號采集模塊或第二肌電信號采集模塊或動作采集模塊的輸出端連接，反相輸入端分別與電阻R1的一端和電阻R2的一端連接，電阻R2的另一端與四運算放大器U1A的輸出端連接；四運算放大器U1B的同相輸入端與第一肌電信號采集模塊或第二肌電信號采集模塊或動作采集模塊的輸出端連接，反向輸入端分別與電阻R1的另一端和電阻R3的一端連接，電阻R3的另一端與四運算放大器U1B的輸出端連接；電阻R4的一端和電阻R5的一端連接，四運算放大器U1C的反相輸入端和同相輸入端共同接入電阻R4和電阻R5的連接節點，，電阻R4的另一端分別與四運算放大器U1A的輸出端和電容C1的一端連接，電容C1的另一端分別與電阻R6的一端和儀用放大器U2的反相輸入端連接；電阻R7的一端與電阻R6的另一端連接，電阻R7的另一端分別與儀用放大器U2的同相輸入端和電容C2的一端連接；電容C2的另一端分別與電阻R5的另一端和四運算放大器U1B的輸出端連接；四運算放大器U1D的同相輸入端接地，電阻R10和電容C3并聯在四運算放大器U1D的反相輸入端和輸出端之間；四運算放大器U1D的輸出端與電阻R11的一端連接，電阻R11的另一端與核心處理器連接；四運算放大器U1D的反相輸入端和四運算放大器U1C的輸出端之間連接電阻R9；儀用放大器U2的輸出端與核心處理器連接；電阻R8連接在儀用放大器U2的引腳1和引腳8之間；儀用放大器U2的偏置輸出端接地。

5.根據權利要求1所述的一種基于強化學習算法的智能假肢，其特征在于，所述核心處理器還用于對根據完整腿部的不同位姿信號為肌電信號打上對應的標簽，并利用主成分分析法對完整腿部的肌電信號活動段數據進行特征提取，得到肌電信號的均方根值、方差、中值頻率和樣本熵特征，并將提取的肌電信號特征和某一肌電信號下的位姿信號一一對應起來，組成多個數據組，形成訓練集。

6.根據權利要求5所述的一種基于強化學習算法的智能假肢，其特征在于，所述核心處理器還用于在對肌電信號進行特征提取之前，對采集的肌電信號進行低通濾波、高通濾波和工頻率波處理。