基于神经网络的人体下肢生物动力学模型设计-毕业论文.docx

基于神经网络的人体下肢生物动力学模型设计作 者 姓 名：葛涛指 导 教 师：王斐单 位 名 称：信息科学与工程学院专 业 名 称：自动化东 北 大 学2013年6月Design of the Lower Limb of the Human Body Biological Dynamics Model Based on neural networkBy GeTaoSupervisor: Associate Professor Wang FeiNortheastern UniversityJune 2013东北大学本科毕业设计（论文） 毕业设计（论文）任务书毕业设计（论文）任务书毕业设计（论文）题目：基于神经网络的人体下肢生物动力学模型设计设计(论文)的基本内容：(1)通过表面肌电信号控制外骨骼运动的背景与发展现状(2)检测下肢表面肌电信号，对信号分析处理提取特征(3)由表面肌电信号与外骨骼输出力矩的关系，运用神经网络建立人体下肢生物动力学模型(4)总结与撰写论文毕业设计（论文）专题部分：题目： 设计或论文专题的基本内容： 学生接受毕业设计（论文）题目日期第周指导教师签字年月日VI东北大学本科毕业设计（论文） 摘要基于神经网络的人体下肢生物动力学模型设计摘要人口老龄化是当今世界各国普遍面临的重大社会问题，下肢外骨骼助力装置的主要功能是扩展人体下肢的运动能力，老人将是其中的受益者。此外，军事上外骨骼助力装置也可以极大的提高士兵的战斗力，医学上可以辅助病人进行康复训练。将人体划分为若干个具有相同密度和规则几何形状的刚性肢体环节，各环节之间由球铰连接，并忽略人体组织形变及器官的不对称性，建立人体下肢动力学模型，并计算关节力矩。表面肌电信号是从人体骨骼肌表面记录下来的神经肌肉活动发放的生物信号，能准确反映人的神经、肌肉运动状态。通过人体下肢表面肌电信号，利用神经网络控制外骨骼助力装置的关节力矩，辅助人体下肢运动。本论文主要工作是建立人体下肢动力学模型，运用角动量定理计算人体行走时的关节力矩，通过采集的人体表面肌电信号以及下肢角速度信息，应用神经网络预测关节力矩，实现外骨骼辅助系统力矩输出的智能化。论文首先介绍了外骨骼助力装置的研究意义、国内外发展现状以及本论文的主要研究内容。并介绍了表面肌电信号的形成过程和特点以及人体下肢表面肌电信号与惯性数据采集实验的实验设备，详细记录了实验过程以及实验数据。由于设备信号采集频率不同，对肌电信号进行了重采样。其次，将人体划分为若干个具有相同密度和规则几何形状的刚性肢体环节，建立了人体下肢生物动力学模型。对惯性传感器数据进行处理，利用角动量定理，求得关节力矩。再次，介绍了人工神经网络的概念、特点以及在控制领域的进展，重点介绍了BP神经网络的特点和学习过程，并列出了BP神经网络的改进算法。论文中使用的是LM算法，搭建人工神经网络，经过实验，找到了恰当的隐层节点数。最后，对实验研究进行了总结，网络模型能较好的反映表面肌电信号和关节输出力矩之间的关系。提出了有待进一步解决的问题，并对后来的工作进行了展望。应用表面肌电信号预测关节力矩的准确率还需进一步提高，特别是波峰处的力矩，只要这样，才能实现外骨骼辅助系统的平稳控制。关键词：下肢外骨骼；生物动力学模型；表面肌电信号；关节力矩；神经网络；东北大学本科毕业设计（论文） AbstractDesign of the Lower Limb of the Human Body Biological Dynamics Model Based on neural networkAbstractPopulation aging is a major social problem the countries in the world facing. The main function of lower extremity exoskeleton assisting device is to extend the ability of the body movement of the lower limbs and the elderly will be one of the beneficiaries. In addition, the military exoskeletons booster device also can greatly improve the soldiers combat effectiveness. In the medical field, it can assist the patient to take rehabilitation The human body is divided into a number of rules that have the same density and geometry of the rigid body link and I ignore human tissues and organs of the asymmetric deformation, and establish lower limb dynamics model. Surface EMG was recorded from the surface of human skeletal neuromuscular activity released biological signals. It can accurately reflect the peoples nerves and muscle movement state. Lower limb EMG through the use of neural network control assisting device exoskeleton joint torque, assisted human lower limb movement.The thesis mainly studies the biological dynamics model of the lower limb of the human body and the relationship between the lower limb of the human body surface EMG and joint torque. Firstly it introduces the current development of the significance of the research, exoskeleton device at home and abroad as well as the main research contents of this thesis. It introduces the forming process and the characteristic as well as the lower limb SEMG signal and the inertial data acquisition experimental equipment of surface EMG signal, a detailed record of the experiment process and the experiment data. Because the signal acquisition frequency of EMG signals, I resample the surface EMG signal. Secondly, the body is divided into a plurality of having the same density and geometry of the rigid body of rules, established the dynamic model of human lower extremity biological. To deal with the inertial sensor data, using the theorem of angular momentum, I calculate the joint torque. And the integration of surface EMG data and joint torque output data laid the foundation for the recognition of surface EMG signal for surface EMG and joint torque. Thirdly, the thesis introduces the concept, the characteristics of artificial neural network and the progress in the field of control. It mainly introduces the characteristics, the learning process of BP neural network and the improved algorithm of BP neural network. The paper uses the LM algorithm of artificial neural network, set up, after the experiment, found the number of nodes in hidden layer appropriate. Finally, to sum up the experiment, the network model can better reflect the surface EMG and joint relationship between output torque. There are also problems to be solved, and the later work is prospected. The accurate rate of surface EMG signal control needs to be further improved, when the body of multi-freedom compound action or continuous action, surface EMG signal will be more complex, more difficult to identify the joint torque, higher precision of prediction algorithms need to be further studied.Keywords：Lower extremity exoskeleton; biokinetic models; surface EMG; joint torques; neural network东北大学本科毕业设计（论文） 目录目录毕业设计（论文）任务书I摘要IIAbstractIII第一章 绪论11.1课题研究背景及意义11.2下肢外骨骼装置的国内外研究概况21.3表面肌电信号的国内外研究概况41.4本文主要工作5第二章 下肢运动信息肌电信号采集实验设计72.1表面肌电信号72.1.1表面肌电信号的产生72.1.2表面肌电信号的特点92.2实验过程102.2.1实验准备102.2.2实验内容122.2.3数据记录132.3实验数据处理142.4本章小结15第三章 人体下肢生物动力学模型173.1基于多刚体模型的动力学建模173.1.1多刚体动力学模型173.1.2人体生物力学参数183.2力矩计算203.2.1角动量定理203.2.2数据处理223.3本章小结23第四章 基于BP神经网络的力矩预测254.1人工神经网络概述254.1.1人工神经网络的特点254.1.2神经网络在控制领域的进展264.2BP神经网络274.3实验结果分析与讨论304.4本章小结34第五章 结束语355.1本文总结355.2研究展望35参考文献37致谢39东北大学本科毕业设计（论文） 第一章 绪 论第一章 绪论1.1 课题研究背景及意义截至2012年底，我国老年人口数量达到1.94亿，比上年增加891万，占总人口的14.3%。人口老龄化不只是人口结构变化，还对我国政治、经济、社会都带来重大影响。伴随人口老龄化过程中明显的生理衰退就是老年人四肢的灵活性逐步下降，进而对日常的生活产生种种不利的影响。在老龄人群中有大量的脑血管疾病或神经系统疾病患者如脊髓损失、脑外伤等，这类患者多数伴有步态紊乱或下肢瘫痪。近年来，患心脑血管疾病使中老年患者出现偏瘫的人数不断增多，而且逐渐年轻化。此外，各种自然灾难、疾病以及交通事故造成的肢体运动性障碍的病人也在不断增加。外骨骼系统作为康复型设备，它可以辅助病人进行康复性运动训练，通过预定的运动轨迹指导病人恢复运动或者是给病人提供辅助的外力。下肢助力外骨骼一种类似于人体下肢的外骨骼机械装置，并联与穿戴者下肢外部，通过安装在腿部各关节处的驱动器，辅以关节角度测量仪及力传感器系统，驱动下肢助力外骨骼达到与穿戴者同步协调行走，并在行走过程中提供助力。军事上，外骨骼可以增强士兵的速度和力量，提高战斗力。医学上，残障人士穿戴外骨骼助力装置后，可以提高他们的生活和工作劳动能力。也可以用来辅助医生帮助病人进行康复训练。日常生活中，它还可以在工厂、消防等特殊环境下用来承担体力劳动中的大部分负重。表面肌电信号（Surface Electromyography，简称SEMG）是从人体骨骼肌表面记录下来，通过表面电极采集到的反应人体神经肌肉活动所产生的生物电信号，它反映了神经、肌肉的功能状态。随着计算机技术的发展，如何从表面肌电信号中获取肢体的运动相关信息已经越来越受到人们的关注。表面肌电信号信号是一种能够反应神经控制信息的信息源，将肌电信号作为下肢外骨骼机器人的控制信号源，前景十分诱人，因为肌电信号的最大优点是它是大脑意识的直接反应，充分考虑了使用者的意愿，根据环境状况实现使用者的随意控制，及时适应外界环境变化。人体的肢体是一个复杂且精巧的动力系统，下肢外骨骼作为智能辅助系统，要求在增强人类现有运动能力的同时，保留人的灵活性和直接操作的感觉。其工作原理是获取使用者的运动信息，据此判断并控制系统以何种方式、何种大小提供动作辅助，并要求下肢外骨骼系统如同人体的固有组成成分，与其它运动器官协同工作，完成使用者自身难以完成的行动任务。在研究过程中，首先要建立准确的人体下肢生物动力学模型，然后计算出活动时的关节力矩，由人体下肢表面肌电信号控制输出相应的关节力矩。1.2 下肢外骨骼装置的国内外研究概况美国国防部研究计划署（DARPA）投资五千万美元为地面部队开发外骨骼套装这种可穿戴的机器人系统可以使士兵能够跑得更快，携带更重的武器以及跳过较大的障碍物。伯克利布里克外骨骼（Berkeley lower extremity exoskeleton, BLEEX）由美国加州人学伯克利分校机器人和人体工程实验室研制,致力于帮助士兵、营救人员、消防人员以及其他所有应急人员轻松携带各种装备。BLEEX（如图1.1所示）下肢外骨骼由背包式外架、金属腿及液压驱动设备组成,其机械系统的设计与人体结构十分相似,背包式外架可使穿戴者携带一定负荷,其有效作用力由外骨骼直接传至地面。穿上它我们可以自由蹲下、弯腿、跳跃、摆腿、行走及跑步等各种下肢运动。此外,当电源不足时,该系统可以拆下折叠成一个背包。注：1-包式外架及其周同能源模块；2-川性连接部分；3-能源模块及中央处理器；4-半刚性背心；5-液压驱动设备；6-刚性连接部分图1.1 BLEEX 下肢外骨骼1日本筑波大学（Tsukuba University）在2002年研制开发了机器人装混合助力腿（Hyhrid assitive limb，HAL）。该系统外形小巧，高1.6米，重23千克，供电电池使用100V直流电，可持续使用5小时。机械外骨骼绑缚在人腿的两侧，依靠贴住腿部皮肤上的EMG传感器检测肌肉的电流，控制电动马达驱动机械外骨骼运动，以辅助腿部的动作。2005年，经改良后代号为“HAL-5”在爱知世博会上首次亮相，其重量约15公斤，电池供电，一次充电可工作两个小时和更多时间（取决于负载大小）。同样通过肌电信号在皮肤表面的变化中探测到肌肉的运动，然后将运动的力量放大。借助这种机器装置的帮助，一个弱不禁风的小女子也能提起几十公斤的重物。与HAL-3不同之外在于HAL-5增加了上肢支持系统。HAL-5如图1.2所示。图1.2 HAL-5机器人2在我国，针对外骨骼机器人技术的研究虽然处于起步阶段，但起点高，近几年发展迅速3。南京理工大学机械学院赵彦峻等通过分析人类下肢关节的特点、行走步态及下肢自由度，并结合下肢外骨骼工作原理及结构组成，设计出一种提高士兵载荷的下肢外骨骼装置。哈尔滨工业大学研制了AVR单片机下肢外骨骼机器人。清华大学精密仪器系康复工程研究中心发明了步态康复训练机器人（gait rehabilitation training system，GRTS）。浙江大学流体传动与控制国家重点实验室从上世纪90年代开始致力于人机一体化理论研究，并衍生出人机智能柔性外骨骼技术研究，开发了下肢运动康复训练外骨骼系统等。外骨骼助力装置的控制要求对使用者施加的力以及力矩做出快速准确的反应，控制多个关节的运动，同时又能够根据外界环境的变化不断调整控制参数，将人的智能与机器的动力结合在一起，基于人体运动行为意识基础上，利用机器的强大动力来实现人的运动。表面肌电信号能够反映人的意识，用于人机智能系统中能大大提高系统的自主程度，并且能够使该人机智能系统真正按照人的意识去动作。表面肌电信号检测可提供有关能反映外周神经肌肉功能状态的信息。表面肌电信号比较微弱，特征提取是重要的一个环节。建立准确的下肢动力学模型，找到表面肌电信号与输出力矩的非线性关系，应用于外骨骼助力装置等方面有着广阔的前景。1.3 表面肌电信号的国内外研究概况表面肌电最早被用来度量肌肉收缩力量，收缩时间和肌肉疲劳状态，用于仿生学、生物力学、生物反馈、运动医学和康复工程研究中，例如，研究发现，在完成相同负荷的工作状态下，肌肉疲劳会导致肌电的振幅值增加，而且肌电信号的傅立叶频谱曲线也会发生不同程度的左移现象，并导致反映频谱曲线特征的MPF和MF值相应下降，可以据此进行肌肉疲劳检测；在外骨骼、假肢以及轮椅等智能产品的设计与控制中，肌电信号常被用做系统控制源，用于驱动智能辅助系统根据人体的主观运动意图正确工作。德国OttoBock公司研制的自动SUVA感应手，可以通过肌电信号的强弱来控制假手的张、合速度，使抓取动作简单而自然。国内以清华大学为代表的研究机构也取得了一定的成果，提出具有路况识别功能的智能膝上假肢，并在国内首次展开大腿假肢在滑倒过程中的平衡策略研究。在临床诊断应用领域中，常利用神经及肌肉的电生理特性，以电流刺激神经并记录其动作和感觉的反应波，以辅助神经肌肉疾病的诊断。在体育科学研究领域中，肌电技术还被应用在以下三个方面：其一，用于测定人体活动的反应时、运动时和电机械延时等生理特征，其研究结果可以用于运动员选材以及训练控制等；其二，从生理学角度分析肌肉活动的协调关系，通过肌电信号来评定某一动作中肌肉激活的先后顺序以及肌肉发力的顺序，可用于运动技术的分析和评价；其三，评定运动员的肌肉训练程度，一般而言，无训练者在完成某一动作时，由于不该参与活动的肌肉也参与作用，其肌电信息杂乱，而训练程度较高的运动员在完成相同动作时，肌肉放电整齐，并具有一定的规律性。1.4 本文主要工作本文的主要工作包括以下几个方面：(1) 首先简介表面肌电信号和外骨骼助力装置的背景、发展现状以及研究意义。(2) 介绍了肌电信号的概念、产生过程和特点，并阐述了表面肌电信号作为外骨骼助力装置控制信号的优点。接着简单介绍了实验用的惯性传感器和表面肌电信号采集设备，详细记录了实验过程以及实验数据，并对肌电信号进行了前期处理，为后期研究表面肌电信号和关节输出力矩的关系做了铺垫。(3) 建立了人体下肢动力学多刚体模型，直接利用多刚体系统动力学理论进行力学建模，方法简便，是研究人体运动的常用建模方法之一。对惯性传感器记录的数据进行处理，利用角动量定理和关节质量质心回归方程，求得关节力矩，并将表面肌电信号关节力矩信号数据整合，为下一章表面结电信号的识别做好准备。(4) 介绍了人工神经网络的含义、特点以及发展状况，重点介绍了BP神经网络的特点和算法学习过程。搭建恰当的BP神经网络模型，不断改变模型参数，找到表面肌电信号和关节输出力矩之间的关系，并对模型进行了检验，实验结果较好，可以反映两者之间的关系。40东北大学本科毕业设计（论文） 第二章下肢运动信息肌电信号采集实验设计第二章 下肢运动信息肌电信号采集实验设计2.1 表面肌电信号2.1.1 表面肌电信号的产生肌肉细胞的生物电现象是肌肉运动过程中伴随着一系列的电变化，冲动则是生物电变化，而兴奋过程就是产生冲动的过程。几乎没有一种生理功能的实现过程中没有伴随着生物电现象。肌电现象是一种典型的由兴奋产生冲动并且刺激肌肉组织完成收缩生理功能的生物电现象。1791年，通过一系列的蛙类肌肉收缩研究，Gavani证明了肌肉收缩与电现象有密切的关系。1851年，Dubois Reymond检测到人体肌肉自主收缩时能产生电信号。1922年，Gasser和Erlangre用阴极射线示波器检测到了人体肌电图。随着神经肌肉生理学的研究进步、电子技术的发展以及复杂信号处理分析技术的出现，基于肌电信号的肌肉分析成为肌肉运动研究的一个重要方向。人体的运动需要完整的神经系统和骨骼肌功能，骨骼肌由大量成束的肌纤维组成，每条肌纤维都是一个独立的功能和结构单位，是运动的最终效应器。在大脑中枢神经系统的调控下，骨骼肌的各块肌肉相互协作配合将兴奋作用于骨骼，产生了人体各部分的协调运动，同时肌纤维上会产生电位的变化，即肌电信号。图2.1 运动单位肌电信号源于作为中枢神经一部分的运动神经元。运动神经元细胞体处在其中，他的轴突伸展剑肌纤维处，经过终板区和肌纤维耦合。与每个神经元相联系着的肌纤维不只有一条。这些部分合在一起，构成所谓的运动单元。当肌肉自主收缩时，运动电位由大脑运动皮层发出，经过脊髓神经通路向下传导，到达了运动神经元。当募集阈值低于该刺激运动电位幅值时，运动神经元被激活（即这些运动神经元所在的运动单位被招募或称被激活），产生相应运动神经元动作电位，并沿着被激活的运动神经元轴突传导到每个末梢分支与肌肉的接点，使神经和肌肉的接点释放一种化学物质乙酰胆碱。乙酸胆碱使运动终板的离子通透性发生变化并产生了终板电位，此终极电位又使肌细胞膜产生去极化闽值电位，达到肌纤维的动作电位，并沿着肌纤维向两个方向传播，引起肌纤维内的一系列变化，便导致了肌纤维的收缩，大量肌纤维开始收缩产生肌肉力，如图2.1所示。由此可见，由于电信号（肌纤维的动作电位）的传播产生了肌肉收缩，同时传播的电信号在人体软组织中引起电流场，并在检测电极间形成电位差，即肌电信号4。各肌纤维在检测点上所表现出的电位波形，极性与纤维以及检测点间的距离有关，也和终板同检测点的相对位置有关，相距愈远，幅值愈小。同一运动单位中的所有肌纤维在检测点之间引起的总电位差称为运动单位动作电位（Motor Unit Action Potential，MUAP）。因为运动神经元轴突上的电激励是脉冲序列，所以检测点间产生的也是动作单位运动电位序列（MUAPT）。表面肌电信号（SEMG）是指从安放在皮肤表面的贴片电极处所测量到的许多运动单位产生的运动单位动作电位的总和。表面肌电信号是从人体骨骼肌的表面记录下来的神经肌肉活动所发放的生物信号，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，反映了肌肉和神经的功能状态。总之，肌肉的收缩运动涉及到的是以具有反馈自动调节功能的、物质能量代谢为基础的、复杂的神经-肌肉系统，其组成框图见图2.2。用表面电极收集的多个肌纤维的动作电位包含整个系统的其他部分的信息，如肌纤维的收缩程度在大脑意识发出的命令改变时将发生变化，在大脑兴奋引起肌肉收缩躯体运动的过程中，因为兴奋的程度不同，所以神经纤维发放的兴奋电脉冲的频率不同，引起肌维收缩的数量也会不同。并且在不同的肌肉运动模式中，所用的肌群也不同，而在检测电极间募集到的肌电信号是各个运动肌群中的每根肌纤维的运动电位在检测点所引起的电位总和。因此可知，不同的肌肉运动模式是由于不同的肌群收缩产生的，伴随的表面肌电信号也是不同的，完全有可能在不同的表面肌电信号特征中找到相对应的肌肉动作模式。感受器输出收缩力具有一定能量物质和神经传递介质的肌纤维组织脊神经电脉冲脑神经电脉冲脊髓神经大脑皮层动作电位表面肌电信号表面电极图2.2神经-肌肉系统组成框图2.1.2 表面肌电信号的特点尽管不同人的表面肌电信号有较大的个体差异，表面肌电信号在不同肌肉也有所不同，许多方面的因素对表面肌电信号的参数都会产生影响，但是仍有一定的规律性。表面肌电信号一般有以下特征：(1) 表面肌电信号是一种微弱的电信号。表面肌电信号的幅度范围一般在05mV，肌肉收缩时在60300uV；松弛时约为2030uV，并且一般不会超过噪音水平。健康人，肌电幅度的峰峰值可达13mV。对于残肢者，肌电幅值一般小于350uV，有些甚至不足1uV，约比正常人减小数倍甚至几十倍；(2) 表面肌电信号的频谱分布在5500Hz，主要集中于500Hz以下，300Hz以上明显减弱。其中，大部分频谱集中在50150Hz之间。(3) 表面肌电信号是一种交流电压，在幅值上与肌肉产生的力大致成比例关系。肌肉的松弛和紧张度与形成的表面肌电电压幅度之间存在着较好的线性关系。(4) 生物信号不是稳定不变的，而是随着外界环境变化而处于不断变化的状态之中。因为生物体是一个与外界紧密接触的开放系统，为了适应外界环境的变化，生物体总是在调节自身的状态，使信号的统计特征随时间变化。(5) 频域参数比时域参数更能反映肌电特征。当力大小有变化时，其时域波形变化比较大，而频域特征变化不大。(6) 同一块肌肉在做不同动作时，其谱频幅值特性曲线形状仍相似，说明不同肌肉的肌电发放有着一定的规律性。表面肌电信号的生理学基础和特点为表面肌电信号的应用和采集系统的设计提供了理论基础和参考5。大量的数据显示，生理信号指标能准确反映人的神经、肌肉运动状态。在智能辅助运动过程中，辅助机构的运动需要根据人的主观意志而配合其它肢体进行协同动作。肌电信号作为肌肉收缩的控制信号，不仅可以用于分析肌肉力大小和肌肉疲劳程度，还可以分析肌肉的活动情况，如收缩、伸展及放松等。即使是那些由于肌肉虚弱或肢体负荷过大而实际动作没有发生的情况，人体为完成这一动作目标的主体意图仍然可以利用肌电信号检测到。表面肌电信号具备无创伤测量、受传感器本身的影响较小和易提取处理的优点，因此肌电信号可以成为人体运动智能辅助系统的理想控制源。2.2 实验过程2.2.1 实验准备2012年10月10日至2012年10月11日，在东北大学宿舍楼八舍C区进行了人体下肢表面肌电信号与惯性数据采集实验。实验设备有表面肌电信号采集仪：加拿大thought Technology公司生产的BioGmph Infinity，多媒体生物反馈和数据采集系统，如图2.3所示；惯性传感器：荷兰Xsens公司生产的 Mti微型惯性测量系统，如图2.4所示。实验场所是东北大学宿舍楼八舍C区三楼走廊和楼梯，走廊长53米，楼梯每层两段，每段10个阶梯，每个阶梯高16cm，宽29.5cm。实验对象为三名研究生，编号001：年龄：25，身高：177cm，体重：76kg；编号002：年龄：25，身高：173cm，体重：65kg；编号003：年龄：24，身高：170cm，体重：65kg。肌肉选择股外侧肌、股直肌、股内侧肌、股二头肌、腓肠肌及胫骨前肌。相应的电极安放位置图2.5。惯性传感器安装位置在小腿、大腿及上臂绑上惯性传感器，左腿红色朝外，右腿红色朝内。记清每个MTI对应的绑缚位置，不要混淆。三个惯性传感器对应位置如下：MT_00305258，右侧大腿；MT_00305259，右侧小腿；MT_01301020，右侧上臂6。图2.3 BioGmph Infinity ，多媒体生物反馈和数据采集系统图2.4 Mti微型惯性测量系统(a)股外侧肌(b)股直肌(c)股内侧肌(d)股二头肌(e)腓肠肌(f)胫骨前肌图2.5 电极安放位置2.2.2 实验内容实验动作依次为蹲起：四组，每组6次，组间休息2分钟；正常行走：四组，每组50米，组间休息1分钟；中速行走：四组，每组50米，组间休息1分钟；快速行走：四组，每组50米，组间休息1分钟；上楼梯：四组，每组2层楼，组间休息2分钟；下楼梯：四组，每组2层楼，组间休息2分钟；实验对象均为右利手（腿），实验数据均采自右手（腿）；按顺序进行实验，对选取的下肢肌肉相应部位，去除毛发并用湿毛巾清除皮肤表面角质，用医用酒精棉球清除油脂，按图2.5中指示的位置贴好表面电极，各电极间距2cm；下肢在小腿与大腿处绑上惯性传感器，上肢在上臂处绑上惯性传感器，如图2.6所示；通过现场指导，配合蜂鸣节拍嚣的指引，实验对象重复完成蹲起、行走（如图2.7所示）与上下楼梯动作。惯性传感器和表面肌电信号采集仪同步采集各相关数据；每名实验者按5中要求完成规定动作的实验数据采集，实验结束。图2.6 实验装置连接图2.7 行走实验2.2.3 数据记录肌电信号数据：每名实验者实验前需要在采集软件里面创建一个账户并填写身份信息；每名实验者的实验数据保存在相应的账户里；六块肌肉由05表示，其中0股外侧肌，1股直肌，2股内侧肌，3股二头肌，4腓肠肌，5胫前肌；六种动作由16表示，其中1蹲起，2正常行走，3中速行走，4快速行走，5上楼梯，6下楼梯；第几组动作用两位数表示，01表示第一组，02表示第二组，以此类推；综上，0102表示股外侧肌蹲起第二组实验，5603表示胫前肌下楼梯第三组实验。惯性数据：为每名实验者创建一个文件夹，然后在该文件夹内创建各块肌肉的子文件夹，然后在每块肌肉的文件夹内创建各个动作的文件夹。根据4.3中惯性传感器对应的位置，采集相应位置的惯性数据，后三位数字表示组别，000表示第一组，001表示第二组，002表示第三组（如图2.8所示），以此类推。图2.8 惯性传感器数据记录文件2.3 实验数据处理由于使用的Mti传感器采集数据频率100Hz,而肌电信号采样频率为256Hz，所以利用Matlab将肌电信号平滑导出后对其进行重采样，采样频率为100Hz。采样前后表面肌电信号分别如图2.9和2.10所示。图2.9 重采样前部分数据图2.10 重采样后部分数据2.4 本章小结本章首先介绍了肌电信号的概念、产生过程和特点，并阐述了表面肌电信号作为外骨骼助力装置控制信号的优点。接着简单介绍了实验用的惯性传感器和表面肌电信号采集设备，详细记录了实验过程以及实验数据，并对肌电信号进行了前期处理，为后期研究表面肌电信号和关节输出力矩的关系做了铺垫。东北大学本科毕业设计（论文） 第三章 人体下肢生物动力学模型第三章 人体下肢生物动力学模型3.1 基于多刚体模型的动力学建模3.1.1 多刚体动力学模型用于分析人体运动的常用模型主要有两类：人体多刚体模型和人体环节链模型。目前基于影片解析的运动分析大多采用环节链模型，此模型的基本规定如下：（1）运动过程中，质心相对于环节纵轴上的位置保持不变；（2）将人体分解为多个环节部分，每个环节相对质量一定，并集中在其质心之上，且质心处于环节纵轴的某一确定位置上；（3）在运动过程中，每个环节对其质心的转动惯量保持不变；（4）连两个环节以球铰的形式相连，但其连接方式与功能表现必须符合人体解剖结构特性7。环节链模型的长处是直接以细长杆代替人体肢节，在力学分析方面十分简便。但简化的同时也带来分析精度的下降。所以，在人体运动生物力学分析领域，经常以多刚体模型来代替环节链模型。因为人体骨骼具有相当程度的刚性，很多学者就以人体骨骼为基础，建立多刚体生物力学模型。其基本的建模思想是将人体划分为若干个具有相同密度和规则几何形状的刚性肢体环节，不考虑人体的柔性特征，各环节之间由球铰连接，并忽略人体组织形变及器官的不对称性。这样，简化后的人体被视为一个刚性运动系统，可以根据刚体动力学方法建立数学模型，对人体运动进行研究分析。因为该模型避免了人体系统内部运动的复杂模拟过程，直接利用了多刚体系统动力学理论进行力学建模，方法简便，所以成为研究人体运动的常用建模方法之一8。具有代表性的模型有Santschi模型和Hanavan模型。当然，不同国家不同种族的人在体型上有较大的差异，郑秀瑗根据CT测量法获取了中国人的体型特征，并给出了中国人体多刚体模型，表3.1给出该模型中各人体环节几何形状的基本设定。人体下肢可看作髋关节、大腿胫骨、膝关节、小腿腓骨和胫骨、踝关节和跗骨趾骨等依次联接的结构。人体平地行走时髋关节、膝关节在矢状面活动度较大，而在横断面上和冠状面的活动度较小，同时可以忽略踝关节的转动，因此可以将人体下肢简化为平面的二刚体二自由度模型，如图3.1所示。H为髋关节所在，K为膝关节，A为踝关节。T和S分别为大腿和小腿的质心所在。表3.1 中国人体环节划分及表示方法9人体环节截面形状整体形状头圆形椭球形颈圆形圆柱形上躯干