[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

本發明公開了一種基于強化學習算法的智能假肢，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；訓練數據采集組件采集完整腿部在進行不同動作時的肌電信號和位姿信號；云端工作站利用訓練集對預先構建的DQN模型進行訓練；第一肌電信號采集模塊采集殘肢的肌電信號；核心處理器加載訓練好的DQN模型，并輸出與殘肢肌電信號對應的位姿信號；執行機構根據DQN模型輸出的位姿信號驅動假肢本體執行對應的動作。本發明利用完整腿部采集的肌電信號與動作位姿對DQN模型進行訓練，識別殘肢肌電信號并作出符合佩戴者習慣的腿部動作的能力，提高假肢動作識別精度。

技術領域

本發明涉及智能假肢技術領域，更具體的說是涉及一種基于強化學習算 法的智能假肢。

背景技術

現有的商業化假肢主要有以下三種缺點：(1)肢體的復合動作必須分成 單一動作依次進行，不符合人體運動習慣；(2)多采用閾值控制，控制穩定 但識別率不高；(3)需要佩戴者完成多組訓練以定制適合的假肢，費時費力。

因此，如何提供一種使腿部動作更貼近人體本身、動作識別率高的基于 強化學習算法的智能假肢是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于強化學習算法的智能假肢，利用被試 者完整腿部采集的肌電信號與動作位姿建立訓練集對DQN模型進行強化學習 訓練，并識別殘肢肌電信號并作出符合佩戴者習慣的腿部動作的能力，提高 假肢動作識別精度，進而提升使用體驗。

為了實現上述目的，本發明采用如下技術方案：

一種基于強化學習算法的智能假肢，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。

進一步的，在上述一種基于強化學習算法的智能假肢中，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。

進一步的，在上述一種基于強化學習算法的智能假肢中，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。

進一步的，在上述一種基于強化學習算法的智能假肢中，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；