基于神经网络辨识的新型智能假肢控制机理研究.pdf

2 3 42 0 0 6 中国控制与决策学术年会论文集P r o c e e d i n g so f2 0 0 6C h i n e s eC o m r o la , u tD e c i s i o nC o n f f r e n c e基于神经网络辨识的新型智能假肢控制机理研究郭欣8 ，杨鹏‘，刘洪彩“，陈玲玲‘( 河北工业大学a ．电气与自动化学院' b ．建筑与艺术设计学院．天津3 0 0 1 3 0 )摘要：刺用表面肌电信号作为控制薄，实现下肢假肢睦惠．自然的控制．肌电信号秉自人体早穗运动时的骨直肌．选择了平地、斜坡和楼梯3 种路况．采集到的犀始信号经预赴理后·利用小渡包麦化提取出特征位，再特此特莅值隼为L V Q 神经瞬碧的格入．训练目标是采集到曲膝关节角度信号．根据此方法得到了较好的辩识结果，再刺用以D S P为棱心的橱服控制幕统根据辨识结果来驱动膝关节处的电机，实现拉制要求．美键词；假肢，表面肌电信号# 特征提取，辨识IL V Q 神经阿络S t u d yo ft h eC o n t r o lM e c h a n i s mo fN e w —t y p eI n t e l l i g e n tP r o s t h e s i sB a s e d —O i lt h eN NR e c o g n i t i o n，6 U OX i n ‘．Y A N GP e ng l - L mH o n g —c a i b 。

C H E NL i n g —l i n 矿( a ．S c h D o lo l E l e c t r i c a l E n g i n e e r i n ga n d A u t o m a t i o n ·b ．S c h o o lo f A r t c h i t e c t u r ea n d A r t D e s i g n ．H e b e i U n i v e r s i t yo fT e c h n o l o g y ，T i a n j i n3 0 0 1 3 0 ．C h i n a ．C o r r e s p o n d e n t ：G U OX i n ．E —m a i l g x —i n @ 1 6 3 ．c o r n )A b s t r a c t ：I tr e p r e s e n t s - m e t h o do fv o l u n t a r ya n dn a t u r a lc o n t r o lo fl o w e rl i m bp r o s t h e s i su s i n gt h em y o ÷l e c t r i cs i g n a l s ．M y o c l e c t f i cs i g n a l s ．w h i c h 丑f es a m p l e df r o mt h el o w e rl i m bd u r i n gt h es u b j e c t sw a l k e dn o r m a l l y0 1 “ 1t h et h r e ek i n d st e r r a i n s ．s u c ha 8f l a t - s l o pa n ds t a i r ，a r ee x t r a c t e dt h em o t i o nf e a t u r e sw i t hW a v e l e tp a c k e td e c o m p o s i t i o n ．A n dt h e nt h e s e [ e a t u r e sa r es e n ti n t oL V Qn e u r a ln e t w o r ka n dt r a i n e d ∞t h ek n e ea n g l et a r g e t ．A c c o r d i n gt ot h i sm e t h o d ，t h eh i g hr e c o g n i t i o nr e s u l ti so b t a i n e d ．A tl a s tt 吣m o t o ri nt h ek n e ej o i n ti sd r i v e db yD S PP ”T V Oc o n t r o ls y s t e mb a s e d o nt h et r a i n e dr e s u l t ．K e yw o r d s ：P r o s t h e s i s IS E M G IF e a t r a ee x t r a c t i o n ；R e c o g n i t i o n ；L v Qn e u r a ln e t w o r kl 引言现代康复技术已经进人人一机一环境领域，市场上出现较多康复机器人产品．在2 0 0 5 年举办的机器人及自动化的国际会议上，机器人与康复工程作为专门主题被讨论，而在行走机器人方面，有A S I M 0 、C o n n e l l 等许多成功的案例．本文的目的是将这些成熟的机器人技术和方法应用于假肢领域，实现“主动式”的新型智能假肢．目前的假肢均为被动式假肢，行走动作靠截肢患者残肢摆动来实现，但患者消耗能量较大，而且不能根据环境、路况的变换来随意改变膝关节屈曲角度．本文提出的“主动式”假肢从原理上能够解决上述问题，穿戴以后可以最大程度地逼近健肢的步态，根据患者意愿随意控制．根据这一描述，可以看出控制信息源的选取必须反映人的意愿，并且能够反映人体的运动．于是，表面肌电信号( S E M G ) 因其无创伤、易提取、与运动相关等特点，成为假肢理想的控制源．2 表面肌电信号肌电信号是微弱的随机信号，一般的峰值范围为0 ～1 0m V ，均方根幅值范围为O ～1 ．5m V ，有用能量分布在0 ～5 0 0H z 频率范围之间，主要能量分布在5 0 ～1 5 0H z 频率范围之间o ’2 ] ．表面肌电信号反映了神经、肌肉的功能状态．它不仅是表面电极所触及的多个运动单元动作电位在时空上的叠加，而且还包括各种噪音信号，在形态上具有较强的随机性，所以，对原始肌电信号要进行预处理，以消除噪声干扰并实现分段平稳．针对肌电信基金项目；国家自然科学基金项且( 6 0 5 7 5 0 0 9 ) j 河北省自j } ! ；科学基金项且( E 2 0 0 4 0 0 0 0 5 5 )作者简介：郭欣( 1 9 7 6 一) ，男，北京人．讲师．博士．从事智能假腔，计算机控制的研究．郭欣等：基于神经网络辨识的新型智能假肢控制机理研究2 3 5号的非平稳特性。

本文选择用小渡包变换来提取其特征值．2 ．1 肌电信号预处理肌电信号的预处理过程是将各种模式肌电信号的样本空间转换成数据空间的过程．通常的预处理方法包括消除稳态分量、消除噪声、信号分段和归一化．来自不同类别模式的肌电信号样本的稳态分量是不同的，这些分量对于某些模式并不构成必要的分类特征，这时，需要将其消除而统一到0 稳态电平的模式分布+ 假设^ 个模式类别集台( ∞( ；) ， i ) ，i= 1 ，2 ，⋯，^ } 分别对应( Ⅳ( i ) ) 个样本，则可以求得其稳态分量的统计均值为 1 丝 r e ( i ) = 赢∑一’，‘j - If = I ，2 ，⋯，j ．( 1 )这样经过去稳态分量后的模式样本为Z ’Ⅱ' = Z ‘n 一埘∞，f { 1 ，2 ，⋯，点．( 2 )经分析比较，S E M G 信号在2 0 ～4 0 0H z 之间幅值较大，在3 0H z 和3 7 0H z 时肌电信号的功率最大，在这两个频率处肌肉的收缩强度最大，肌肉活动最活跃．用经典滤波器法设计B u t t e r w o r t h 带通滤波器，将信号经带通宽度为2 0 ～3 0 0H z 的滤波器来达到滤波效果．分段平稳的非平稳信号是生物医学信号中一种常见的类型，肌电信号使具有典型性．但肌肉均匀用力收缩时，在1 0 ～2 0m $ 一段内具有平稳性质．将非平稳信号看成逐段平稳的，可以方便对信号的处理．2 ．2肌电信号特征提取小波分析是几个领域内研究人员的研究结果，最初起源于算子理论、量子力学、信号处理等学科．小波分析非常灵活，适用范围鞍广，它可以用于边界的处理与滤波、时频分析，信噪分离与提取弱信号、求分形指数、信号的识别与诊断多尺度边缘检测等，在工程技术等方面包括计算机视觉、计算机图形学、曲纬设计、揣流、远程宇宙的研究与生物医学．小渡包分析是从小波分析延伸出来的一种对信号进行更加细致的分析与重构的方法，它将频带进行多层次划分，对小波变换没有细分的高频部分进一步分解，并能够根据被分析信号的特征，自适应地选择频带，使之与信号频谱相匹配，从而提高了处理信号的能力‘1 1 ．在信号处理中t 基本小波函数的选择是非常重要的，常用小泣有D a u b e c h i e s 小波、三次样条小渡、墨西哥帽小波、M o r | e _ t 小渡等，不同的小波基函数具有不同的特性，需要根据具体的应用进行选取．通过实验比较，选取了具有正交性、紧支性的D a u b e c h i e s 3 ( D b 3 ) 小波作为基函数进行3 级分解处理．选用小渡包第3 级的分解系数作为特征向最。

这样得到每种路况下2 0 组系数样本，其中每组包括8 个小波系数．小波包分解中．分解层数的增加可使信号的高频成分和低频成分的分解都达到较精细的程度．由于小渡包对信号不同频率的分解，每级系数的维数等于愿效据的维数．随后，将这些系数再经过时域、频域变换，得到每组样本的8 个值来表征不同路况的肌电信号，从而可以简化计算量．3基于神经网络的膝关节角度辨识3 ．1L V Q 神经网络概述系统辨识是非线性动态系统自适应控制的基础，可以定义为利用实际观铡到的输入和输出数据确定动态系统模型的过程．神经网络辨识( N N I ) 的实质就是选择一个合适的神经髓络模型来逼近实际的动态系统通过对样本数据的学习，调节网络的连接权值使所要求的误整准则达到最小，从而归纳出隐含在样本数据中的非线性映射关系，实现对系统动态特性的描述⋯．目前，对于线性系统已经有多种普遍适用的系统辨识方法，但是有关非线性系统辨识的研究尚处于探索阶段．本文选用学习向量量化( L V Q ) 神经网络，它是由K o h o n e n 提出的一种简单分类方法，现己广泛应用于语言处理、图像处理和控制等领域中，并取得了较好的效果．L V Q 是在监督状态下对竞争层进行训练的一种学习算法，它属于有数师的自组织殴射网络，是一种改进的K o h o n e n 学习规则，在原理上与学习子空间方法相似．它利用输入种类关系信息，准确地定义类边界．降低了因误识别而导致的错误．3 ．2 膝关节角度曲线本文使用德国Z e b r i sM e d i c a lG m b H 公司生产的三维超声实时运动分析系统，采集人体下肢运动步态信息，包括髓、膝和踝关节的角度曲线．本文提取出膝关节的角度值。

为神经网络训练逼近提供目标．为了定性地分析肌电信号与大腿屈曲角度的关系，利用肌电信号采集系统和三维运动分析仪同步采集信号．同步记录下在跑步机上行走的1 4 组完整2 3 62 0 0 6 中国控制与央策学术年会论文集步态周期的大腿屈曲角度和肌电信号，如图1 所示．虽然信号采集的同步性不是很理想．且初始阶段还存在一些干扰因素，但仍可看出每一次步态周期中肌电信号和大腿屈曲角度的变化趋势是一致的．( a ) 肌电信号o2 0 04 0 06 ∞8 0 0l0 0 0 ( b ) 大腿屈曲角度圈1肌电信号和大腿屈曲角度3 ．3辨识结果将膝关节角度值取出．作为神经网络训练的目标，经多次实验，找到较好的逼近曲线，如图2 所示．其中，虚线为实际关节曲线，实线为辨识曲线．数据点围2胜关节角度苗线与神经网络。