论文部分内容阅读
近年来,基于功能性电刺激(Functional Electrical Stimulation,FES)的无支撑站立及智能助行康复技术受到了广泛关注,成为神经工程、康复工程及运动医学领域的研究热点。FES是指利用表面电极或植入式电极刺激失去神经控制的肌肉,使肌肉产生收缩,从而恢复人体特定部位功能的交叉前沿技术,其刺激动作效果的精准程度主要依赖于刺激肌肉模型的可靠性和控制算法的有效性。本文从人体运动学信息出发,通过逆动力学推导出膝关节力矩,进而建立基于膝关节力矩与功能性电刺激等级的肌肉模型,联合后续设计的控制器形成闭环反馈控制,对功能性电刺激的刺激模式进行动态调整以实现精确的控制效果。研究中采用了外输入非线性自回归滑动平均(NARMAX)和自适应神经模糊推理系统(ANFIS)两种不同的非线性动态建模方法分别对15名受试者进行了肌肉建模实验,其中NARMAX建模采用基于MGS最小二乘辨识的方法对过程模型项和参数进行了一体化辨识,结果显示受试者输出误差均值低于0.2(N*M),误差方差低于0.1;ANFIS建模方法结合了模糊推理和神经网络的优势,通过数据训练对模糊推理的初始模型结构以及参数进行调整,以实现模型的最佳输出,结果显示受试者输出误差均值低于0.12(N*M),误差方差低于0.06。两种算法建立的关节力矩和刺激电流等级模型均具有较高的稳定性和准确性,ANFIS的建模结果略好。研究中设计了模糊PID控制器,可根据期望的关节力矩和实际输出之间的实时误差对控制器的参数进行优化,实现了更为精确的电流模式调控。模糊PID控制器分别联合NARMAX和ANFIS肌肉模型进行了相关反馈控制测试,其中基于NARMAX肌肉模型的模糊PID控制器跟踪的绝对平均误差低于0.3(N*M),而基于ANFIS肌肉模型的模糊PID控制器跟踪的绝对平均误差低于0.0(5N*M),控制跟踪效果远优于前者。本文研究结果表明,可靠的肌肉模型可为功能性电刺激实现精确的反馈控制提供保障,ANFIS建立的基于膝关节力矩和刺激等级的精确模型结合模糊PID控制器来调整FES的电流刺激模式实现了更理想的跟踪输出,未来有望在FES系统的自适应控制方面得到实际应用,为新一代的下肢人工运动神经假体系统设计提供帮助。