茍 斌 劉作軍， 趙麗娜 楊 鵬

(1河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院，天津300130)

(2智能康復(fù)裝置與檢測技術(shù)教育部工程研究中心，天津 300130)

目前投入市場的假肢產(chǎn)品多為被動式假肢，但是這類假肢不能在患者需要大力矩的情況下提供相應(yīng)的動力，同時被動式假肢也不能實現(xiàn)多種步行模式間的快速轉(zhuǎn)換，所以動力型下肢假肢成為了未來智能假肢的發(fā)展趨勢［1-3］.

國外對于動力型下肢假肢的研究最早可以追溯到20世紀(jì)70年代初期.由Flowers［4］等人發(fā)明了一種由計算機來操控液壓裝置的電控式液壓膝關(guān)節(jié).英國的布萊切福特公司在1990年獲得開發(fā)氣動式可擺動膝關(guān)節(jié)的相關(guān)技術(shù)許可后，開發(fā)出了全世界第一個智能下肢假肢IP［5］.2006年，Kapti和Yucenur［6］發(fā)明了利用電機和滾珠絲杠配合作為驅(qū)動機構(gòu)的動力型膝關(guān)節(jié).同年，冰島Ossur公司與美國Hanger Orthopedic Group整形外科服務(wù)公司合力研制出了主動型下肢假肢Power Knee［7］.

國內(nèi)在智能下肢假肢控制技術(shù)方面的研究已有30多年的歷史.清華大學(xué)的金德聞教授等人在此方面都做了大量開創(chuàng)性的研究工作［8］.中南大學(xué)的譚冠政教授等人研制出了一種基于非線性PID控制的智能仿生人工腿CIP-I Leg［9］.河北工業(yè)大學(xué)的楊鵬教授等人與國家康復(fù)輔具研究中心等單位合作，研制開發(fā)了變阻尼被動型下肢假肢，利用角度傳感器判斷穿戴者行走步速，調(diào)節(jié)氣壓缸阻尼達到協(xié)調(diào)行走步態(tài)［10］.

動力型假肢可使假肢的運動步態(tài)更接近健肢，可在上樓梯等復(fù)雜路況中為患者提供助力，實現(xiàn)多種步行模式的及時轉(zhuǎn)換，但這必須建立在智能假肢對人體步行模式識別的基礎(chǔ)上.由于下肢假肢的控制與調(diào)節(jié)過程具有一定的滯后性，為了使假肢能夠及時、連貫地配合健肢運動，需要根據(jù)步行信息對假肢的運動做出預(yù)識別并提前調(diào)節(jié).本文利用在假肢接受腔裝配的陀螺儀傳感器、加速度計以及安裝在假肢足底的壓力傳感器來進行數(shù)據(jù)采集，通過分析多傳感器信息的相關(guān)性，實現(xiàn)人體運動步行模式的預(yù)識別，這對動力型假肢的控制具有重要的作用與意義.動力型下肢假肢的步行模式預(yù)識別原理圖如圖1所示.

圖1 動力型下肢假肢步行模式預(yù)識別原理圖

1 動力型下肢假肢傳感器數(shù)據(jù)采集及預(yù)處理

本文用來實現(xiàn)步行模式預(yù)識別的信息主要由3部分組成，分別為安裝在假肢接受腔中的加速度傳感器與陀螺儀傳感器測出的平地行走、上下樓梯、上下斜坡5種步行模式各周期內(nèi)的加速度與角度變化值，以及安裝在假肢足底的壓力傳感器提供的參考校驗值.

1.1 加速度傳感器的信號處理

加速度信號由安裝在大腿外側(cè)的MMA7361L型加速度計進行采集，如圖2(a)所示.

圖2 動力型下肢假肢加速度傳感器相關(guān)信息

加速度傳感器信號中的毛刺干擾問題嚴(yán)重，不利于進一步分析.本文對該波形進行了小波去噪和零校準(zhǔn).利用小波分解和重構(gòu)波形是將波形進行頻段劃分，然后在不同頻段針對性處理，再將波形重構(gòu).針對假肢運動信號的特點，本文采用具有良好對稱性和正交性的 Sym6小波［11］，對波形進行7級分解后對各頻段高頻信號進行閾值濾波，保留5 Hz以下的低頻段，再重構(gòu)7層信號.如圖2(b)所示，波形由上到下依次代表加速度傳感器的原始接收信號，小波濾波重構(gòu)信號，以及重構(gòu)信號零校準(zhǔn)信號.可以看出，重構(gòu)之后的信號很好地減少了毛刺干擾，平滑性得到提升，更易于后續(xù)分析.

1.2 陀螺儀傳感器的信號處理

角度信號由安裝在假肢接受腔正前方的村田NEC-03陀螺儀傳感器進行采集，如圖3(a)所示.對于陀螺儀傳感器信號的處理，本文利用上述類似的方式進行小波去噪和零校準(zhǔn).如圖3(b)所示，波形由上到下依次代表陀螺儀傳感器的原始接收信號，小波濾波重構(gòu)信號，以及重構(gòu)信號零校準(zhǔn)信號.

2 動力型下肢假肢多傳感器信息的相關(guān)性分析

人體處于一種步行模式下，其下肢運動時的加速度和角度信號的波形具有區(qū)別于其他步行模式的特點，這種波形上的獨特性可以通過相關(guān)性進行描述.本文據(jù)此采用相關(guān)性分析的方法對假肢接受腔中安裝的加速度傳感器和陀螺儀采集的信息進行處理，從而實現(xiàn)步行模式的預(yù)判斷.

圖3 動力型下肢假肢陀螺儀傳感器相關(guān)信息

互相關(guān)是統(tǒng)計學(xué)中用來表示2個隨機矢量X和Y之間的協(xié)方差cov(X，Y)，其與矢量X的“協(xié)方差”概念相區(qū)分，矢量X的“協(xié)方差”是X的各標(biāo)量成分之間的協(xié)方差矩陣，而互相關(guān)函數(shù)是描述隨機信號X(t)，Y(t)在任意2個不同時段t1和t2間取值的相關(guān)程度.

對于連續(xù)信號:

對于離散信號:

互相關(guān)函數(shù)給出了在頻域內(nèi)2個信號是否相關(guān)的一個判斷指標(biāo)，把2個信號間的互譜與各自的自譜聯(lián)系起來，它能準(zhǔn)確地反映出兩者之間的相似程度，并以相關(guān)系數(shù)的形式展現(xiàn)出來.

北京維康科技公司開發(fā)的維康監(jiān)控系統(tǒng)可通過空間多點采集技術(shù)采集人體行走時的下肢姿態(tài)，以及加速度與角度的標(biāo)準(zhǔn)變化量.本文將該系統(tǒng)采集的人體各步行模式的加速度與角度的變化值作為標(biāo)準(zhǔn)模版數(shù)據(jù)，包括5種典型步行模式，2個變化量，2 km/h，3 km/h和4 km/h對應(yīng)快、中、慢3種不同步速，共30組模版數(shù)據(jù).將實時采集到的數(shù)據(jù)分別與模版數(shù)據(jù)進行相關(guān)性分析并融合比較，進而識別出對應(yīng)的步行模式.圖4所示了單個周期的被測數(shù)據(jù)與標(biāo)準(zhǔn)模版數(shù)據(jù)的信號波形相關(guān)度對比.波形由上到下依次表示:被測數(shù)據(jù)波形、上樓模版波形、下樓模版波形、上斜坡模版波形、下斜坡模版波形以及平地行走模版波形.

圖4 傳感器信號波形相關(guān)度對比

利用相關(guān)性進行多傳感器數(shù)據(jù)分析時，本文選取實驗采集到的2 km/h，3 km/h和4 km/h 3種不同步速中3 km/h的數(shù)據(jù)展開測試.首先，為了實現(xiàn)預(yù)識別的功能，本文利用安裝在假肢足底的壓力傳感器，根據(jù)人體運動時腳底壓力差的不同判斷出當(dāng)前步態(tài)單個周期起始點，并截取起始點后0.60 s內(nèi)(采樣頻率為500 Hz，通常一個步行周期為1.30～1.60 s)的加速度信號數(shù)據(jù)和陀螺儀信號數(shù)據(jù)進行測試.其次經(jīng)過反復(fù)實驗驗證，當(dāng)陀螺儀波形起始時刻至峰值時刻所用時間為0.36～0.39 s時，可以確定所選取的實驗數(shù)據(jù)步速為3 km/h(2 km/h步速數(shù)據(jù)中起始時刻至峰值時刻時間為0.44 ～0.47 s，4 km/h 步速數(shù)據(jù)中起始時刻至峰值時刻時間為0.30～0.33 s)，從而確定使用30組模版數(shù)據(jù)中步速為3 km/h的10組模版數(shù)據(jù)進行進一步分析.再將維康科技公司提供的2種傳感器模版數(shù)據(jù)作為基準(zhǔn)矩陣，5種步行模式各有2個基準(zhǔn).

當(dāng)需要分析一組實驗數(shù)據(jù)是何種步行模式時，將其加速度信號和陀螺儀信號各自合成測試矩陣C'acc與 C'g，并利用 Matlab軟件的相關(guān)性函數(shù)corrcoef，分別求出其于5組基準(zhǔn)矩陣的十個相關(guān)度值.

由于直接對單個傳感器的分析存在的不確定因素較多，會帶來較大的誤差.本文利用像素級數(shù)據(jù)融合方法中的加權(quán)平均法將2種傳感器的相關(guān)性系數(shù)Ki1，Ki2進行融合.像素級數(shù)據(jù)融合采用直接在采集到的數(shù)據(jù)層上進行融合的方法，屬于低層次的融合，主要優(yōu)點是直觀、實現(xiàn)簡單、且能保持盡可能多的原有數(shù)據(jù)，提供其他融合方法所不能提供的大量、精確、可靠的信息.

像素級數(shù)據(jù)融合加權(quán)平均法是對源數(shù)據(jù)之間對應(yīng)的每個元素的初值加權(quán)平均:

式中，Lj為第j組數(shù)據(jù)的融合值;Gji為參加融合的第j組數(shù)據(jù)的第i個元素的初值;Aji為參加融合的第j組數(shù)據(jù)的第i個元素的權(quán)值.在行走過程中，由于大腿抬起時的加速度變化比角度變化快，可以優(yōu)先反映出大腿的變化趨勢.所以本文利用經(jīng)驗取值的方法，經(jīng)過反復(fù)實驗確定以6∶4的比例加權(quán)結(jié)合相關(guān)性系數(shù)，形成5個融合值Ui.

再將5個值進行比較，最大值Umax所對應(yīng)的步行模式代表了測試數(shù)據(jù)的步行模式.

圖5為步行模式識別測試實驗平臺，以及部分實驗過程中的照片.

圖5 步行模式預(yù)識別測試實驗

3 實驗結(jié)果

本實驗共采用100組實驗樣本，其中上樓梯，下樓梯，上斜坡，下斜坡，平地行走5種步行模式各選取了20組數(shù)據(jù)作為實驗樣本，每組數(shù)據(jù)均為一個步行周期起始的前0.60 s的數(shù)據(jù)，由于整個步行周期通常為1.30～1.60 s，由此實現(xiàn)步行模式的預(yù)識別.表1中所示為其中隨機3組測試實驗數(shù)據(jù)的判斷過程.

表1 隨機3組步行模式傳感器相關(guān)性系數(shù)值 %

在測試的100組數(shù)據(jù)中，共有82組步行模式實驗樣本被正確識別出，如表2所示.18組誤識別數(shù)據(jù)主要出現(xiàn)在上下坡的預(yù)識別上，其原因主要是本實驗平臺所使用的是依照建筑無障礙通道的15度坡度，斜坡坡度較低，上下坡模式與標(biāo)準(zhǔn)平地行走模式的數(shù)據(jù)較相似，造成部分樣本的誤識別.由于坡度較低，對動力型下肢假肢的控制影響并不明顯，依靠人體殘肢髖關(guān)節(jié)的自調(diào)節(jié)即可消除，而且這種誤識別率將隨著坡度的加大而明顯減小.對于上、下樓梯和平地行走數(shù)據(jù)的正確預(yù)識別率較高，尤其是最需要動力型假肢提供助力的上樓梯模式的預(yù)識別達到100%，這使得動力型下肢假肢的優(yōu)點得到了充分的發(fā)揮.

表2 100組樣本步行模式預(yù)識別結(jié)果顯示(步速3 km/h)

實驗結(jié)果表明利用相關(guān)性分析多傳感器數(shù)據(jù)，從而實現(xiàn)步行模式預(yù)識別的方法是有效的，可使智能假肢及時調(diào)節(jié)、及時動作，增強了假肢的智能性，該技術(shù)對智能假肢的控制具有重要的作用.

4 結(jié)論

本文利用假肢接受腔裝配的陀螺儀傳感器、加速度傳感器檢測下肢運動參數(shù)，通過安裝在假肢足底的壓力傳感器提供的參考校驗信息以及運動參數(shù)的相關(guān)性分析，得到步行測試信息在步行基準(zhǔn)信息矩陣中的相似系數(shù)，并將相似系數(shù)進行加權(quán)結(jié)合，實現(xiàn)了步行模式的預(yù)識別，對提高動力型下肢假肢的控制效果具有重要的作用.

References)

［1］劉作軍，趙威釗，耿艷麗，等.基于柔性迭代學(xué)習(xí)控制的機器人型智能下肢假肢系統(tǒng)［J］.中南大學(xué)學(xué)報，2011，42(sup 1):524-529.Liu Zuojun，Zhao Weizhao，Gen Yanli，et al.Intelligent prosthesis system based on flexible ILC［J］.Journal of Central South University:Science and Technology，2011，42(sup 1):524-529.(in Chinese)

［2］翟娜.基于柔性迭代控制的專家系統(tǒng)在智能假肢中的應(yīng)用［D］.河北工業(yè)大學(xué)電氣與自動化學(xué)院，2009.

［3］耿艷利，楊鵬，許曉云，等.動力型假肢膝關(guān)節(jié)設(shè)計與仿真研究［J］.河北工業(yè)大學(xué)學(xué)報，2011，40(5):32-35.Gen Yanli，Yang Peng，Xu Xiaoyun，et al.Design and simulation of active transfemoral prosthesis［J］.Journal of Hebei University of Technology，2011，40(5):32-35.(in Chinese)

［4］Flowers W C，Mann R W.Electrohydraulic knee-torque controller for a prosthesis simulator［J］.SAME Journal of Biomechanical Engineering，1977，99(4):3-8.

［5］Popovic D，Stein R B.Optimal control for the active above-knee prosthesis［J］.Annals of Biomedical Engineering，1991，19(2):131-150.

［6］Kapti A O，Yucenur M S.Design and control of an active artificial knee［J］.Mechanism and Machine Theory，2006，41(12):1477-1485.

［7］Humphre L，Hemami H.Simulated responses to support surface disturbances in a humanoid biped model with a vestibular-like apparatus［J］.IEEE Transactions on System，Man and Cybernetics，2010，40(1):12-20.

［8］王人成，金德聞.仿生智能假肢的研究與進展［J］.中國醫(yī)療器械信息，2009，15(1):3-5.Wang Rencheng，Jin Dewen.Research and development of bionic and intelligent limb prosthesis［J］.China Medical Device Information，2009，15(1):3-5.(in Chinese)

［9］譚冠政，蔡光超，曾慶冬，等.CIP-I智能仿生人工腿手持控制系統(tǒng)研究與設(shè)計［J］.計算機測量與控制，2006，14(1):47-50.Tan Guanzheng，Cai Guangchao，Zeng Qingdong，et al.Study and design of handhold controller system of CIP-I intelligent bionic artificial leg［J］.Computer Measurement and Control，2006，14(1):47-50.(in Chinese)

［10］龔思遠，楊鵬，宋亮，等.基于ILC智能下肢假肢研制:實現(xiàn)了對健肢步速的跟隨［J］.中國組織工程研究與臨床康復(fù)，2010，14(13):12-22.Gong Siyuan，Yang Peng，Song Liang，et al.Development of intelligent lower limb prostheses based on ILC:A follow of normal walking speed［J］.Chinese Journal of Tissue Engineering，2010，14(13):12-22.(in Chinese)

［11］李建平.小波分析與信號處理理論、應(yīng)用及軟件實現(xiàn)［M］.重慶:重慶出版社，1997.