基于多传感器数据融合助行机器人防摔倒技术研究.docVIP

基于多传感器数据融合助行机器人防摔倒技术研究 　　摘 要： 助行机器人为行动不便的老年人提供了身体支撑和行走辅助。在此设计的助行机器人防老年人摔倒系统将人体在站立、行走、摔倒等状态所获得的触滑觉信号、角速度信号、加速度信号作为神经网络的训练样本和试验样本。首先在信息层将一种传感器采集的单一信号送入局部决策器，进行局部处理后再送入融合中心综合决策，形成多传感器数据融合的防摔预测研究，并进行了相关仿真。仿真结果表明该系统可靠，对实现满足老年人在户外独立、安全行走需求的机器人开发提供理论及实验依据。 　　关键词： 助行机器人； 多传感器； 数据融合； BP神经网络 　　中图分类号： TN302?34； TP301.6 文献标识码： A 文章编号： 1004?373X（2015）14?0036?03 　　0 引 言 　　中国人口老龄化形势严峻，甚至世界人口正在走向老龄化。可以预计，在不远的将来，老年人的护理将成为社会的一个重要负担；而且，可以作为保姆角色的为老年人和残疾人提供看护的人员也会非常短缺，甚至没人愿意从事这个方面的工作；所以，老龄化问题所涉及的医疗和社会保险体系也面临巨大的压力，助老问题正日益成为一个重大的社会问题；尤其是近年来，脑卒中发病已呈“井喷”态势。根据最新统计，2012年我国脑卒中患病率达1.82%，估算我国40岁以上的脑卒中患者达1 036万人。脑卒中患者大多会留下步履蹒跚，动作不协调的后遗症。对此运用Bobath技术、Brunnstrom技术，神经肌肉本体促进技术等，帮助患者恢复肌体功能，早日回归家庭和社会。脑卒中患者主动训练过程中意外伤害的首要原因是摔倒，意外失足或者某种疾病突然发作及恶化很可能引起跌倒；在发生跌倒事件后，如得不到及时救护，延误救助时机将危机生命。因此，研制开发专为老人服务的产品――防老年人摔倒的助行机器人，在不影响老年人的正常生活情况下，准确地将摔倒事件与日常生活事件区分开来，并且在发生摔倒事件时，及时的报警联系救护，这对于提高老年人的生活质量，提高医疗工作的效率，促进我国社会的稳定具有重要作用[1?3]。 　　1 多传感器数据融合防摔技术 　　1.1 多传感器数据融合的摔倒预测 　　多传感器数据融合摔倒预测的主要思想是：设计基于决策层信息融合的摔倒预测系统，即对每个传感器所采集的信息先局部决策，再利用局部决策信息进行全局融合，总体思路框图如图1所示。 　　 　　图1 多传感器数据融合的摔倒预测总体框图 　　1.2 样本提取与预处理[4?5] 　　使用机器人过程中，取站立、行走、摔倒等状态所获得的触滑觉信号、加速度信号、角速度信号作为神经网络的训练样本和试验样本。其中触滑觉信号的获取是使用助行机器人时各个状态的触滑觉传感器数据。数据提取的有效信号通道数作为触滑觉信号样本。角速度信号的获取是采集各状态的角速度数据。 　　在计算x，y，z轴的躯干倾角时，由于y轴躯干倾角变化明显，所以选取y轴数据作为角速度信号样本。加速度信号的获取是采集摔倒过程的加速度值组成的加速度时间序列，训练隐马尔可夫模型，获取助行时的各运动状态的加速度值组成加速度时间序列，通过已训练的HMM得到输出概率P作为样本。 　　1.3 局部决策处理[6?7] 　　摔倒预测融合系统首先在信息层将一种传感器采集的单一信号送入局部决策器，进行局部处理，再送入融合中心综合决策。多传感器数据预处理后的值组成一向量为： 　　[X（n）=[x1（n），x2（n），x3（n）]] 　　式中：[x1（n），x2（n），x3（n）]分别为有效信号通道数、加速度时间序列的输出概率P和躯干倾角；局部决策结果[ui=f[xi-STDi]]。其中：[u1=f[x1-STD1]]，[f（?）]为阶跃函数。当局部决策结果[ui]任意一个为1时，则提醒融合中心对3个传感器的信息进行数据融合得出是否有摔倒倾向。 　　这种方法具有两个优点：其一是局部决策没有异常时不送入融合中心，减轻融合中心数据处理工作量；其二是一旦有异常就进行数据融合检测摔倒倾向，最大限度的实现摔倒的预测。 　　1.3.1 基于触滑觉信号的摔倒预测 　　助行机器人触滑觉扶手上有6个触滑觉传感器。一般在正常行走时有2个有效信号通道数。人在摔倒时可能出现手脱离扶手，此时信号通道数为0；或者本能的紧握住扶手，则出现多个信号通道数。算法流程如图2所示。 　　1.3.2 基于角速度信号的摔倒预测 　　躯干倾角报警门限STD[θp]的选取方法：取摔倒行为过程中合加速度曲线距离第一次峰值300 ms时的躯干倾角作为集合；选取日常行走过程数据样本躯干倾角为集合，使用SVM算法进行分类。特征空间维数为 n=1。最优分类界面实质上是一个点，即[y=b]。通过SVM计算得最优