基于人工智能的骨科护理用下肢训练康复系统设计.pdf

中国科技期刊数据库 医药 23 基于人工智能的骨科护理用下肢训练康复系统设计 战海蛟 内蒙古赤峰市第二医院，内蒙 赤峰 024000 摘要：摘要：随着智能化应用的普及,肢体障碍患者对于康复训练上的需求也增多。因此,下肢康复机器人在康复界越来越受到关注。结合国内外相关研究可知,在当前的外肢康复机器人的控制策略上,PID 控制优势明显,能够进行高精度控制。因此,本设计将以多传感器为基础,结合 PID 控制,设计一款下肢康复训练系统。多传感器信息融合技术不仅对训练系统有着监测保护作用,还有着良好的识别能力,相比于单个传感器,多传感器的各种性能自然更加优秀,从而能够更好地辅助下肢运动障碍患者增强康复运动能力。关键词：关键词：人工智能；骨科护理；下肢训练康复系统 中图分类中图分类号：号：R47 0 引言 近年来,由于人口老龄化,交通事故,自然灾害等原因导致的脊柱损伤患者数量逐年增加。残疾人也在逐年增加。他们需要适当的身体康复训练,以帮助他们有效地恢复他们的身体运动,以满足日常需求。因此,康复设备的发展变得越来越重要。康复机器人是佩戴在患者四肢上的康复辅助工具,可以模拟人体四肢的运动形式,以帮助运动障碍患者进行康复训练。大多数传统的康复训练结构复杂,智力不高,康复训练效率低下。下肢康复机器人直接佩戴在人体上,对人体运动和步态协调尤为重要。基于 RLA 阶段原则和康复评估中CGA 的临床数据,对下肢的康复机器人进行步态规划。设计PID控制系统并设计位置阻抗控制器,同时考虑人机运动协调问题。然后构建原型控制平台以执行实验验证。1 课题背景 康复机器人已经成为机器人康复机器人进入人类生活的新课题，这为发展传统的康复理论提供了机会，这些传统疗法可以缓解肌肉萎缩和相关症状，有助于病人的康复，但目前国内需要大量的康复教练来代替人类来满足病人的需要，德国柏林自由大学，启动了一项腿康复机器人的研究，并开发了一个 MGT 康复机器人原型美国 RUTGERS 大学进行了一项腿康复机器人的研究，开发了一个 ETH 脚踝康复机器人原型，并于 2001年在汉诺威举行的世界博览会上成功地进行了腿康复和行走状态分析，这个康复机器人名为“锁定我们的机器人康复研究”的起步较晚，在辅助机器人上的研究结果相对较多，在清华大学的康复研究成果较少的情况下，在这个国家第一个建立了一个康复机器人原型的国家，在这种情况下，有许多简单的训练设备，比如使用轮子原理的康复设备，它们之间的功能就像普通的训练设备一样，是一种通过对病人的单个关节施加某种运动和阻力来进行肢体康复训练的工具，同时也有一种训练工具可以对手臂施加某种运动阻尼。2 下肢训练康复系统整体框架设计 本研究的目的是构建一个用于骨科患者下肢康复的机器人,具体结构可用图 1 所示。在构建的图 1 康复机器人中,尝试结合仿生学和人机工程学理论进行构建,在分析患者步态的基础上,通过自动控制方法辅助患者进行下肢康复。具体控制流程可用图 2 示意。通过图2达到辅助人体康复训练的目的,且通过设定传感器安全阀值保证系统运行的安全性。图 1 下肢康复机器人结构 中国科技期刊数据库 医药 24 图 2 控制流程 3 基于人工智能的骨科护理用下肢训练康复系统设计（1）患者主动训练模式下的协调控制。在主动模式下进行治疗意味着腿不是主动的，而是对于独立运动的患者来说，如果医生允许的话，当病人恢复健康时，下肢的功能会比被动行走容易得多，因为不需要实时改变病人的活动关节运动速度，其运动意图对压力和压力敏感，当病人抬起腿时，在大腿和腿之间固定的，当累积压力增加时，传感器的压力下降，当你感觉到病人的运动意图时，引擎关闭，相反的方向移动，在臀部和膝盖上启动运动，运动速度，开始和停止的速度被激活，然后将关节和膝盖的角度变化转换成单位时间的位移差，速度被计算到机器人的中央引擎，从而可以在忽略踝关节及其部分运动的情况下协调足底控制，本文提出机器人的康复只在向量上进行，而不管其他面的运动如何，机器人的整个行走周期被简化为五个部分:两条腿支撑右腿支撑左腿支撑右腿支撑右腿支撑两条腿支撑，从而简化了相应的运动，从而建立了病人 L1 代表左腿和 L2 腿的运动康复模型，也就是说，由于康复机构底部的机器人腿被设计成在髋关节连接处与移动车辆连接，所以实际上髋关节的运动可能与汽车的运动速度相匹配，这可能会妨碍病人的康复效果，因此现在将这个过程分为几个过程:最初的状态是病人站直，然后使用 ad 卡读取角度传感器值，然后计算关节和膝盖之间的角度差.（2）人机交互界面开发及功能实现。输入下一台计算机的帐户号码、密码和 IP 地址，单击“重新启动主站点”以初始化外部骨骼，单击登录名，并在用户成功登录后成功登录到人机交互控制系统。进入操作系统菜单主菜单界面是整个人机交互系统的第一个界面，单击启动 TCP 并进入关节角度参数设置阶段如果需要修改所有关节角度，请单击保存(保存)，如果不需要修改关节角度，可以直接单击康复训练选择模式按钮，如果您根据病人恢复的方式选择适当的训练模式，将显示一个对话框，现在，您可以通过单击“开始”按钮来选择在设置参数后是否是真实的，并在运动过程中开始康复。您可以实时跟踪每个关节矢量的角度轨迹，并将每个关节的运动与正常人的运动路径进行比较。如果在运动结束时遇到问题，可以随时单击“停止”来停止康复，以确保病人在运动过程中不会再次遭受痛苦。（3）康复机器人 PID 控制器设计。在预测患者可能的步态信息后,就需要对康复训练机器人进行控制,其中 PID 控制作为常用的控制方法。在实际应用中,常规 PID 虽然可以清晰地反映系统信号以及偏差信号变化趋势,也能够消除系统内静差,但是也会造成系统的不稳定、滞后性以及抗干扰能力差的问题。因此,传统PID 需经过优化后才能更好的发挥作用。考虑到仅仅依靠PM法无法解决给定相角裕度以及继电器滞环宽度之间存在的固定函数关系。因此,提出一种 R-PM 法来解决 PID 参数自整定过程中存在的问题,该 R-PM 法能够在不同的情况下对PID控制器的参数进行调整,进而使得闭环控制系统能够表现出更好的性能。（4）样机及系统平台搭建。为了满足功能需求，PCB 的硬件电路板应包括最小系统、服务器通信接口和主机通信接口，最小系统包括电路重置、电源电路、调试电路下载和晶体电路 STM32 是使用 AMS1117 电路图复位功能的低电平复位，这与集成的正电压过热保护和受限电路允许输出 1.5V 的差别很大。3.3V 等8MHz 的双倍频率 RTC 的结晶频率为 32kHz，可在主芯片与主机之间通信 15 分钟后达到 1Hz 频率。在逻辑 1中，RS232和主机之间的通信通常具有9和25个针脚，其逻辑 0 是位(+3+5)，其中主芯片与服务器之间的通信需要参考 sdd08nk8 系列，输出功率为 220V，最大输出电流为 9.1A，系统速度范围 1:5000 传感器使用hca520t，原始测量范围为(1-90)、输入电压为(9-36)v、输出电压为(0-5)v、分辨率为 0.001 的传感器输入电压为(0-5)v，因此需要用于控制电压范围(0-3.3)v 的差分通道。在本硬件设计中，RS232 允许 PCB 板与计算机之间的通信通过串行端口向计算机实时发送数据。数据帧定义为帧头的 ACCA，帧尾的 BDDB，数据流为9600 位，中间数据字段是由传感器采集的每个关节角度定义为 0，芯片发送十六进制数据，并将其转换为十进制版本，当前关节角度位置由数字确定，角度和时间之间的关系可以通过图标直观表示。中国科技期刊数据库 医药 25（5）无线通信模块开发。jsj 技术允许 Linux 操作系统远程登录是一个基于 SSH2 的通讯包，它实现了Java 中的 Java 框架，允许您连接到 ssh 服务器进行端口转发、X11 转发、文件传输和其他可集成到 java jsch程序中的功能，从而自动加密、验证和压缩传输的数据，并通过基于 TCP/IP 的套接字通信为控制器提供了高度的实时控制命令发送功能。支持 TCP/IP 的基本网络通信单元(如外骨骼连接角度)是一个基于用户数据报协议(UDP)的 LCM 通信库和数据分组工具，它是一个高带宽、低延迟的实时消息传送和分组工具，LCM消息的最大容量是 4GB，它是最大的消息传送机制，可最大限度地减少数据包在数据传输过程中丢失，并提供协议、回放和流检测功能，使开发人员能够快速有效地分析 LCM 系统的行为和性能。（6）步态采集。为了保证患者的康复训练最大限度地接近理想效果,首先应当获取到健康人群的步态信息,然后提取出患者康复训练所需的主要运动特征信息并将多个传感器的步态特征信息进行融合,最后构建不同的步态模式和投票系统,最终实现不同的步态模式训练。为保证传感器所获取步态信息客观准确,传感器的选型和安装也尤其重要,本研究根据分布式采集方法来组建步态信息采集系统。其中,足底压力传感器选择可以薄膜压力传感器。这是由于该传感器具有体积小、精度高的优点,并且与足跟和脚趾尺寸大小适配,使用时不会影响到舒适度,更不会影响到正常行走;惯性传感器选择 MPU6050,该传感器的优点在于成本低、小尺寸高精度;采集器 MCU 选择 STM 公司开发STM32F103ZET 开发板,该开发板具有高性能、低成本的优点。为提高步态特征提取质量,选择低通滤波器对采集信息进行滤波处理。在同等条件下,巴特沃斯滤波器取得的滤波效果更好,更加适合人体结构。因此,选用三阶巴特沃斯滤波器,对提取到的健康人群步态信息进行低通滤波处理。为了使得步态周期信息更加清晰,对滤波后的数据进行规范归一化处理,为了使提取到的步态信息方便用于后续的特征提取以及一系列操作,同样将收集到的足底压力信息也通过滤波器进行处理,得到前脚和脚后跟滤波后的压力信息。为更好地提取步态特征信息,在归一化基础上,采用二值化方法对足跟着地和足尖离地步态信息进行处理判断。在获取到经处理后的步态信息后,将脚底一次接地的过程分为足跟接地和足尖接地两个阶段,同时将每个样本设置为 6 个采样点,并提取对应的时域特征:平均值、标准差和协方差。将以上三个数据作为运动特征。为了更准确地识别步态模式,在特征提取的基础上,对步态特征进行融合。具体思路为:首先对提取到的步态信息特征进行加权融合处理,然后通过计算和条件筛选结合自适应的方法得到多个最优加权因子(对应特征向量),使得多传感器融合后的融合值达到最优。4 结束语 综上,设计所得的下肢康复训练系统能够通过收集到最合理的步态信息以保证患者在下肢康复训练时能够进行最接近健康人群的行走训练并通过对传统PID 以 R-PM 法进行改进,提高了系统的响应速度和精度。本设计对于下肢康复训练机器人系统的性能提升有一定的借鉴作用,但依然存在不足之处:本设计缺少对于系统的柔顺性控制改进,无法保证人机交互控制时的连贯性,进而对患者的康复训练带来影响。因此,本控制系统在柔顺控制上还有待改进 参考文献 1常志强.人体动态平衡能力检测与康复系统研究D.杭州:电子科技大学,2020.2魏晓童.下肢康复训练系统设计及sEMG辨识技术研究D.沈阳:东北大学,2020.3马硕.序列训练康复系统关键技术的研究D.石家庄:河北科技大学,2019.4张皓洋.基于 Arduino 的下肢康复训练系统J.科技传播,2019,11(14):142-144.5程晓.基于足底压力的远程下肢康复训练系统研发D.苏州:苏州大学,2019.6江雨林,谢亮,袁翀,郑慧乐,仝孟松,邓媛.基于运动想象辅助的下肢康复控制系统 J.电脑与电信,2019(04):5-7.7李文肖,郭冰菁,韩建海,李向攀,毛永飞.基于虚拟现实的下肢主动康复训练系统 J.现代电子技术,2019,42(04):61-64.