动力型下肢假肢运动状态识别与协调控制方法研究

动力型假肢膝关节的控制存在着步态识别偏差大、假肢与健肢运动协调性差，以及假肢膝关节本身的非线性和外部环境的随机性等方面的问题。本项目应用安装在假肢上的陀螺仪、加速度计和压力等传感器获取人体运动信息，识别假肢穿戴者不同运动模式的运动状态，从人机结合、自主协调的角度，按不同步态类型和步速对动力型假肢膝关节的运动进行控制。本项目主要工作分为两部分：研究一种基于传感器融合的隐马尔科夫模型方法，根据人体下肢运动的重复性和规律性特征，实现对人体行走模式的有效识别；研究一种基于传感器驱动的顺序有限状态机控制方法，利用假肢各个阶段的运动特性建立动作数据库，根据传感器识别的运动信息作为驱动信号，分步速、分路况、分步态实现动力型假肢的人机协调控制。

根据下肢运动的规律性特征，本项目首先研究了一种膝上型假肢穿戴者运动意图识别方法。项目中人体运动信息采集系统包括安装在假肢侧残肢上的陀螺仪、加速度计和安装在前脚掌和后脚跟的压力传感器。为弥补假肢关节调节响应滞后所造成的运动不协调问题，本项目通过支撑期的数据，实现对假肢摆动期运动意图的判断。根据不同步速和不同路况下的笛卡尔积分组，采用小波方法、相关性分析方法对运动信息进行处理，并通过Dempster-Shafer 证据理论方法对传感器信息进行融合处理。再进一步应用隐马尔科夫模型方法，根据历史运动状态，推断出假肢穿戴者在下一步的步速以及上下楼梯、上下坡、平地走五种典型路况。实验证明了本方法的可行性，其准确率达到96.2%，可以有效提升假肢运动的控制效果。项目组还尝试了基于广义回归神经网络算法、粒子群优化算法、概率神经网络算法的下肢运动模式识别，均收到理想的识别效果。. 本项目的另一个研究重点是动力型膝上假肢人机协调控制方法的研究。项目根据人体下肢运动具有重复性和周期性，通过迭代学习控制方法建立控制知识库，采取传感器驱动的顺序有限状态机方法，能够在不同步速、不同路况、不同步态相位情况下，实现动力型假肢的人机协调控制，通过仿真和样机实验进行了验证，得到了理想的控制效果。项目组还尝试了基于无模型动态矩阵的控制方法，通过紧格式线性化方法简化了人体运动时髋关节、膝关节角度变化的复杂关系，利用了被控系统输入和输出数据的内部信息，进行假肢膝关节的运动轨迹追踪控制，实验表明假肢能够自然地跟随健肢的运动变化。. 此外，在上述项目任务书内的研究内容之外，还开展了关于假肢穿戴者滑到和绊倒的安全预警研究，为后续的项目打下了基础。