论文部分内容阅读
随着脊髓损伤和导致瘫痪的发病率逐年上升。运用功能性电刺激(Functional Electrical Stimulation, FES)手段辅助功能恢复和进行神经重建获得显著临床效果,FES技术研究已成为生物信息学、康复医学及神经电生理学等领域的前沿热点课题。但传统的FES开环控制系统无法以最小电流完成理想的刺激训练动作,且易引起肢体疲劳,且易受干扰、自适应性差等缺陷严重制约了FES技术在康复临床的推广与应用,亟待改进刺激模式和优化控制性能。本研究从人体运动学信息出发,针对FES作用对象-人体肌肉系统具有复杂非线性的特点,选择新兴的智能模糊控制技术,利用膝关节角度作为反馈信号,通过模糊控制器实时控制FES刺激电流模式,以期优化FES控制性能、获得理想的刺激效果。由于人体的特殊性,对模糊控制器参数要求较为严格,其比例因子、量化因子及隶属函数分布是其设计关键。蚁群算法和遗传算法兼具全局收敛性、并行性计算优化功能,研究中利用蚁群算法和遗传算法优化模糊控制器的相关参数,并结合遗传算法和蚁群算法的优点,融合遗传蚁群算法优化模糊控制器相关参数。研究设计了基于膝关节角度的助行FES模糊控制实验,利用非线性自回归滑动平均( Nonlinear Autoregressive Moving Average Exogenous, NARMAX)模型构建了膝关节角度与刺激强度之间的反馈关系式,使之最大相对误差在10%之内;并分别验证了蚁群优化模糊控制器、遗传模糊控制器、遗传蚁群模糊控制器的有效性以及稳定性,结果显示,系统稳定后与预设值的角度误差均不超过5°、平均绝对误差不超过2°、最大标准差均小于0.7°,且遗传蚁群算法优化速度比遗传和蚁群单独算法的优化速度要快。本文研究结果表明,基于膝关节角度的运动学信号可作为肢体FES刺激反馈调整的有效信号,采用遗传蚁群算法优化的模糊控制器可使FES刺激电流模式更为可靠,未来有望应用于助行FES系统的自动控制并获得更好的控制效果,可为设计新一代的下肢人工运动神经假体系统设计提供技术支持。