發(fā)布時(shí)間：2022-01-04 04:30

　　戰(zhàn)爭、疾病和自然災(zāi)害等種種天災(zāi)人禍致使大量的人不幸成為肢體殘疾者,而假肢可以幫助殘肢患者恢復(fù)一定的肢體功能,使其能夠如常人一樣融入社會(huì)。傳統(tǒng)機(jī)械假肢步態(tài)僵硬,不同路況需要用戶手動(dòng)調(diào)節(jié),使得假肢佩戴者行走不自然,極易感到疲憊。而引入精密傳感技術(shù)與高效控制算法的智能假肢可以根據(jù)步行環(huán)境自適應(yīng)調(diào)整假肢步態(tài),使得行走更為自然,在機(jī)動(dòng)性、舒適性和協(xié)調(diào)性上有著極大的提升。智能假肢研究面臨的關(guān)鍵問題是如何實(shí)現(xiàn)假肢與佩戴者的信息交互與直覺控制。為使假肢佩戴者實(shí)現(xiàn)自然行走,假肢需要通過感知系統(tǒng)獲取使用者的行走意圖,并以此為依據(jù)為使用者提供相應(yīng)的控制策略與行動(dòng)助力,因此,對(duì)假肢佩戴者行走意圖的準(zhǔn)確識(shí)別是智能假肢自適應(yīng)控制的前提。常用于估計(jì)運(yùn)動(dòng)意圖的信息主要包括運(yùn)動(dòng)學(xué)信息、動(dòng)力學(xué)信息和肌電信息�？紤]到單一信號(hào)不足以提供判斷步態(tài)模式的所有信息,本文使用多種傳感器獲取步態(tài)關(guān)鍵信息,同時(shí)探究了三種不同識(shí)別算法的性能表現(xiàn),并建立預(yù)測(cè)模型,實(shí)現(xiàn)對(duì)下肢運(yùn)動(dòng)的初步預(yù)測(cè)。論文首先通過多源信號(hào)采集系統(tǒng)獲取反映下肢主動(dòng)運(yùn)動(dòng)信息的肌電信號(hào)、空間位置變化的加速度信號(hào)、足底受力狀況的壓力信號(hào)及直觀反映變化趨勢(shì)的膝關(guān)節(jié)角度信號(hào)。對(duì)肌電... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１?．１智能仿生膝關(guān)節(jié)Ｃ－Ｌｅｇ?圖１．２第二代智能假肢ＰＯＷＥＲ?ＫＮＥＥ??

體下肢運(yùn)動(dòng)狀態(tài)分析??前下肢運(yùn)動(dòng)狀態(tài)分析更多集中在步態(tài)分析方面上，它反映了人體下肢中的姿態(tài)變化，與人體的生理構(gòu)造、運(yùn)動(dòng)協(xié)調(diào)系統(tǒng)以及個(gè)體心理活動(dòng)密切的聯(lián)系１１２］。通常將下肢健全者在自然行走的步態(tài)稱為常步態(tài)，因步態(tài)進(jìn)行參數(shù)量化可以使得假肢在使用過程中更接近常人的下肢運(yùn)動(dòng)體下肢運(yùn)動(dòng)特征參數(shù)??能假肢設(shè)計(jì)初衷是幫助截肢患者進(jìn)行行走，因此其實(shí)現(xiàn)的最基本功能，本文著重分析步行狀態(tài)下的步態(tài)變化，并對(duì)相應(yīng)的特征參數(shù)進(jìn)行量）表征步態(tài)的基本參數(shù)??態(tài)特征的基本參數(shù)主要包括步長、跨步長、步寬和步角等，如圖２．３所步長?｜?？??

步態(tài)特征基本參數(shù)還包括步頻、步行速度等時(shí)間參數(shù)。步頻??（ｃａｄｅｎｃｅ）指計(jì)算單位時(shí)間內(nèi)行走的步數(shù)，而步行速度則表示單位時(shí)間內(nèi)行走??的距離，與跨步長和步頻有關(guān)。步態(tài)的時(shí)間參數(shù)中，步頻反映了步行的節(jié)奏及??步態(tài)的穩(wěn)定性，步行速度則是步態(tài)分析中最基本的指標(biāo)，絕大多數(shù)佩戴假肢者??或步行不便者均有步行速度變慢的特點(diǎn)。??（２）步態(tài)特征時(shí)空參數(shù)??步態(tài)周期和相應(yīng)的步態(tài)時(shí)是步態(tài)分析中的主要時(shí)空參數(shù)。因常步態(tài)的周期??性特點(diǎn)，分析時(shí)通常以一側(cè)足跟觸地到同側(cè)足跟再次觸地為一個(gè)完整的步態(tài)周??期（ｇａｉｔ?ｃｙｃｌｅ，?ＧＣ）。步態(tài)周期可分為支撐期（ｓｔａｎｃｅ?ｐｈａｓｅ）和擺動(dòng)期（ｓｗｉｎｇ??ｐｈａｓｅ）。正常人的支撐期約占整個(gè)步行周期的６０％￣６５％，擺動(dòng)期約占??３５％￣４０％，如圖２．１所示。其中每個(gè)時(shí)期可以進(jìn)一步細(xì)分，主流的劃分方法包??括傳統(tǒng)劃分法和美國加利福尼亞州Ｒａｎｃｈｏ?Ｌｏｓ?Ａｍｉｇｏｓ?（ＲＬＡ）醫(yī)學(xué)中心提出的??ＲＬＡ劃分法，目前較為常用的是ＲＬＡ法，具體劃分如表２－１。??

【參考文獻(xiàn)】：
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)的非線性迭代預(yù)測(cè)控制[J]. 姜雪瑩,陶文華,施惠元,蘇成利,郭穎.  控制工程. 2019(03)
[2]基于表面肌電信號(hào)的康復(fù)過程中肌疲勞有效性分析[J]. 劉曉光,李夢(mèng)楠,王立玲,王妍,劉秀玲,王洪瑞.  生物醫(yī)學(xué)工程學(xué)雜志. 2019(01)
[3]基于RBF網(wǎng)絡(luò)靈巧機(jī)械手的自適應(yīng)控制[J]. 楊昆明,馬翔宇,卿綠軍,曹靜.  電子設(shè)計(jì)工程. 2019(04)
[4]模糊模式識(shí)別法及LVQ神經(jīng)網(wǎng)絡(luò)在巖體質(zhì)量分級(jí)中的應(yīng)用研究[J]. 陳星.  人民珠江. 2018(10)
[5]下肢表面肌電信號(hào)的映射控制[J]. 景銀平,章亞男,沈林勇,宋薇,錢晉武.  工業(yè)控制計(jì)算機(jī). 2018(06)
[6]基于表面肌電信號(hào)的下肢康復(fù)主動(dòng)訓(xùn)練[J]. 史小華,盧浩,廖梓宇,朱家增,王洪波.  科學(xué)技術(shù)與工程. 2018(17)
[7]貝葉斯分類算法分析與實(shí)現(xiàn)[J]. 郭慧.  山西電子技術(shù). 2018(03)
[8]基于平移不變小波變換的頸肩肌電信號(hào)去噪方法研究[J]. 李琰,隋修武.  生物醫(yī)學(xué)工程研究. 2018(01)
[9]基于改進(jìn)小波變換的手臂肌電信號(hào)去噪算法的研究[J]. 劉明君,董增壽.  電子技術(shù)應(yīng)用. 2018(03)
[10]表面肌電在體育與醫(yī)學(xué)的應(yīng)用綜述[J]. 聶開迪.  文化創(chuàng)新比較研究. 2017(36)

碩士論文
[1]面向特征選擇的Relief算法研究[D]. 黃曉娟.蘇州大學(xué) 2018
[2]基于直方圖和頻譜的表面肌電信號(hào)處理[D]. 周煒.杭州電子科技大學(xué) 2009



本文編號(hào)：3567665