對(duì)因疾病、交通事故、工傷事故、運(yùn)動(dòng)創(chuàng)傷等原因造成的下肢截肢者,假肢能夠代替失去肢體的部分功能,使截肢者恢復(fù)一定的生活自理和工作能力。利用各種傳感器信息融合、微處理器控制等技術(shù)、能夠根據(jù)用戶意圖進(jìn)行運(yùn)動(dòng)、并具有主動(dòng)適應(yīng)外部條件變化的能力的智能假肢,為殘疾人自然、流暢的行走帶來(lái)了全新的可能。動(dòng)力下肢假肢運(yùn)動(dòng)意圖是智能下肢假肢研發(fā)工作中重要的研究課題之一。近年來(lái),深度學(xué)習(xí)受到了研究工作者的廣泛的關(guān)注,并在目標(biāo)檢測(cè)、圖像分類、視頻分析等研究領(lǐng)域取得了優(yōu)秀的成果。傳統(tǒng)的意圖識(shí)別研究較多的基于機(jī)器學(xué)習(xí)分類器,而深度學(xué)習(xí)算法在運(yùn)動(dòng)意圖研究中的效用尚未可知。引入深度學(xué)習(xí)分類器自學(xué)習(xí)特征的優(yōu)勢(shì)替代傳統(tǒng)意圖識(shí)別研究中手工提取特征的工作;優(yōu)化深度神經(jīng)網(wǎng)絡(luò)使得算法更加適用于運(yùn)動(dòng)意圖識(shí)別的研究是本文研究工作的目的。其一,旨在將自學(xué)習(xí)特征的深度學(xué)習(xí)技術(shù)應(yīng)用到下肢假肢運(yùn)動(dòng)意圖識(shí)別中,闡述了深度學(xué)習(xí)算法應(yīng)用于運(yùn)動(dòng)意圖識(shí)別中的可行性。選取了兩類典型的深度學(xué)習(xí)網(wǎng)絡(luò):卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò),通過(guò)實(shí)驗(yàn)證明深度學(xué)習(xí)模型應(yīng)用到運(yùn)動(dòng)意圖識(shí)別的可行性,并通過(guò)與傳統(tǒng)的機(jī)器學(xué)習(xí)算法的對(duì)比試驗(yàn),驗(yàn)證了深度學(xué)習(xí)算法的性能優(yōu)勢(shì)。實(shí)驗(yàn)... 

【文章來(lái)源】：安慶師范大學(xué)安徽省

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

手臂截肢患者（左生命在于運(yùn)動(dòng)，這對(duì)殘疾人來(lái)說(shuō)尤其

�。使記](méi)?導(dǎo)僦?碾止墻刂?呶薹ㄔ詬?雜的地形上行走，例如樓梯。即使在水平地面上行走，他們的新陳代謝能量也比健全的受試者高出60％[3]。為了克服機(jī)械假肢的部分局限性，研究人員致力于開(kāi)發(fā)智能動(dòng)力下肢假肢。動(dòng)力下肢假肢為不同的步態(tài)模式（如水平行走、上下斜坡和上下樓梯）提供了預(yù)編程的控制狀態(tài)。但是，當(dāng)前啟動(dòng)諸如視覺(jué)、聽(tīng)覺(jué)或補(bǔ)償性運(yùn)動(dòng)命令之類的模式之間的轉(zhuǎn)換的方法是不直觀的，并且施加了認(rèn)知負(fù)擔(dān)。2019年10月，北京大學(xué)“工程科學(xué)與新興技術(shù)高精尖創(chuàng)新中心”設(shè)計(jì)的“智能假肢”亮相中關(guān)村論壇成果展，如圖1.2所示（來(lái)源：https://baijiahao.baidu.com/s?id=1647540578585944130）。這款智能假肢做到了全球最輕，能根據(jù)當(dāng)前所處地形自動(dòng)調(diào)整，相較于傳統(tǒng)假肢，智能假肢有更大的踝關(guān)節(jié)活動(dòng)范圍，上下各達(dá)25度，和人體腳踝相近，可以滿足大部分運(yùn)動(dòng)需求。假肢內(nèi)設(shè)電機(jī)和多傳感器，通過(guò)和地面的交互以及對(duì)人體姿態(tài)的檢測(cè)，可以對(duì)人體運(yùn)動(dòng)進(jìn)行意圖識(shí)別，并對(duì)地形做自適應(yīng)調(diào)整，進(jìn)而改變助力效果，調(diào)節(jié)踝關(guān)節(jié)的剛度。目前，這個(gè)踝關(guān)節(jié)可以實(shí)現(xiàn)跑動(dòng)、崎嶇路面行走、交替上下臺(tái)階、打籃球、騎車等所需的踝關(guān)節(jié)動(dòng)作。圖1.2北大工新創(chuàng)新中心設(shè)計(jì)的智能假肢

3用于本文意圖識(shí)別的下肢假肢傳感器系統(tǒng)如圖1.3所示，其傳感器控制系統(tǒng)是由電機(jī)、控制板、陀螺儀、加速度計(jì)、壓力傳感器等組成。電機(jī)是指依據(jù)電磁感應(yīng)定律實(shí)現(xiàn)電能轉(zhuǎn)換或傳遞的一種電磁裝置。控制板是能起到控制作用的電路板。陀螺儀是一種測(cè)量圍繞固定軸的相對(duì)于慣性空間的角速度裝置；加速度計(jì)是一種用于測(cè)量非重力加速度的儀表；壓力傳感器一種測(cè)量壓力信號(hào)的裝置，應(yīng)用于智能假肢傳感器系統(tǒng)的壓力傳感器只需要返回下肢觸地狀態(tài)（1或0）即可�；诒疚南轮僦\(yùn)動(dòng)意圖研究的傳感器系統(tǒng)可以收集到速度、加速度、角速度、角加速度、壓力數(shù)據(jù)及左右腳觸底狀態(tài)等生物力學(xué)信號(hào)。在本文的傳感器系統(tǒng)中，將陀螺儀、加速度計(jì)以及壓力傳感器放置健側(cè)，采用健側(cè)的生物力學(xué)信號(hào)預(yù)測(cè)運(yùn)動(dòng)意圖，進(jìn)而將意圖信息傳遞給假肢做出相應(yīng)的反潰6圖1.3本文用于意圖識(shí)別的下肢傳感器系統(tǒng)Sup等[4]提出的分層控制策略常被用于智能下肢假肢控制系統(tǒng)的研究工作中，假肢的一般控制體系結(jié)構(gòu)分為三個(gè)級(jí)別：低層監(jiān)督控制器、中層監(jiān)督控制器與高層監(jiān)督控制器，如圖1.4所示。高層監(jiān)督控制器（即意圖識(shí)別器）根據(jù)用戶與假體之間的交互作用來(lái)推斷用戶的意圖，并適當(dāng)切換中層控制器。首先生成一個(gè)訓(xùn)練好的模型來(lái)實(shí)現(xiàn)運(yùn)動(dòng)意圖識(shí)別，該模型依據(jù)不同活動(dòng)模式的傳感器數(shù)據(jù)選擇合適的分類器進(jìn)行訓(xùn)練。系統(tǒng)為每種活動(dòng)模式（例如步行、站立、坐下、上樓、下樓）開(kāi)發(fā)了一個(gè)中層控制器。中層控制器使用有限狀態(tài)機(jī)為關(guān)節(jié)生成扭矩參考值，該有限狀態(tài)機(jī)根據(jù)步態(tài)的相位來(lái)調(diào)節(jié)關(guān)節(jié)的阻抗。低層控制器是閉環(huán)關(guān)節(jié)扭矩控制器，用于補(bǔ)償滾珠螺桿的傳遞動(dòng)力（主要是摩擦和慣性），因此可以跟蹤膝蓋和踝關(guān)節(jié)的扭矩參考值，命令由中層控制器提供的帶寬和精度要比開(kāi)環(huán)轉(zhuǎn)矩控制方法更高。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)模板匹配的智能下肢假肢運(yùn)動(dòng)意圖實(shí)時(shí)識(shí)別[J]. 盛敏,劉雙慶,王婕,蘇本躍.  控制與決策. 2020(09)
[2]慣性動(dòng)捕數(shù)據(jù)驅(qū)動(dòng)下的智能下肢假肢運(yùn)動(dòng)意圖識(shí)別方法[J]. 蘇本躍,王婕,劉雙慶,盛敏,向馗.  自動(dòng)化學(xué)報(bào). 2020(07)
[3]下肢截肢者行走意圖識(shí)別方法研究進(jìn)展[J]. 王蕾,王輝,黃品高,林闖,鄭悅,魏月,郭欣,李光林.  自動(dòng)化學(xué)報(bào). 2018(08)
[4]Intent Pattern Recognition of Lower-limb Motion Based on Mechanical Sensors[J]. Zuojun Liu,Wei Lin,Yanli Geng,Peng Yang.  IEEE/CAA Journal of Automatica Sinica. 2017(04)
[5]面向人機(jī)融合的智能動(dòng)力下肢假肢研究現(xiàn)狀與挑戰(zhàn)[J]. 王啟寧,鄭恩昊,陳保君,麥金耿.  自動(dòng)化學(xué)報(bào). 2016(12)
[6]上肢經(jīng)肱骨截肢神經(jīng)功能重建研究[J]. 黃劍平,李文慶,楊琳,朱明星,朱小弟,李楚炎,楊子健,李光林.  集成技術(shù). 2016(05)
[7]假肢智能膝關(guān)節(jié)的研究現(xiàn)狀和發(fā)展趨勢(shì)[J]. 王振平,喻洪流,杜妍辰,曹武警,胡杰.  生物醫(yī)學(xué)工程學(xué)進(jìn)展. 2015(03)
[8]基于隱馬爾可夫模型的動(dòng)力型下肢假肢步態(tài)預(yù)識(shí)別[J]. 趙麗娜,劉作軍,茍斌,楊鵬.  機(jī)器人. 2014(03)
[9]2006年第二次全國(guó)殘疾人抽樣調(diào)查主要數(shù)據(jù)公報(bào)[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China.  中國(guó)康復(fù)理論與實(shí)踐. 2006(12)



本文編號(hào)：3473031