论文部分内容阅读
肢体功能障碍患者由于大脑或神经系统损伤导致肢体不受意识控制无法完成期望动作。脑卒中与脊髓损伤是造成肢体功能障碍的两大主要疾病,并且随着人口老龄化以及城市交通的发展,两大疾病的发病率不断上升,导致肢体功能障碍患者不断增多。患者的肢体功能障碍严重影响其日常生活,并且给家庭和社会带来严重负担。更有效的肢体康复治疗技术成为运动康复领域的研究热点。功能性电刺激(Functional Electrical Stimulation,FES)技术是帮助肢体功能障碍患者进行康复训练的一种有效手段,已广泛应用于肢体运动功能的恢复和重建。国内外对重建肢体运动功能的FES系统研究,是从开环训练系统向闭环训练系统的发展,是从被动训练系统向主动训练系统的发展。本文把握FES系统的发展趋势,以肘关节为研究对象,融入患者自主意愿控制,结合实际角度反馈,设计了具有主动性和闭环性的自主意愿控制肘关节的FES系统。具体研究内容如下:(1)为提取自主意愿信号,实验分析了在自主意愿控制下电刺激时的表面肌电信号成分。研究了一种屏蔽与模板相结合的在线滤波算法滤除表面肌电信号中电刺激伪迹成分。接着使用HP滤波算法滤除了表面肌电信号中的M波成分,最终得到所需要的自主意愿肌电信号。(2)为建立电刺激肘关节运动模型,提出一种以Hammerstein模型结构为基础,包含前馈与反馈环节的动态神经网络模型。设计电刺激诱发肘关节运动实验,采集实验数据作为网络训练数据。引用遗传优化算法训练神经网络得到最优的模型参数,最终获得电刺激量与肘关节运动角度的模型。使用测试数据验证了模型,说明了所建模型的有效性。(3)为实现肘关节电刺激运动角度的精确控制,研究了以神经网络模型为基础使用迭代学习控制的FES系统。在MATLAB的Simulink工具箱中完成FES闭环仿真系统并对仿真系统进行了有效性分析。将该系统应用于实际肘关节的电刺激实验验证,说明迭代学习系统的有效性。本文所研究的自主意愿信号提取算法快速有效,能够准确的提取出有效的信号用于控制。所建立的电刺激下肘关节运动的神经网络模型能够很好的反应出肘关节电刺激下的运动特性。所完成的迭代学习控制肘关节的FES系统实现良好的控制效果。