基于上肢惯性参数辅助的步态康复训练方法的研究与设计.pdf

基于上肢惯性参数辅助的步态康复训练方法的研究与设计 摘 要 偏瘫是脑卒中高发的一类后遗症，它表现为同侧的上下肢运动障碍，而另一侧的上 下肢多为健全，对患者的日常生活造成了巨大影响。患者在康复训练中的主动参与可以 提高康复效果，而大多数的偏瘫步态康复通过被动训练偏瘫侧下肢以重塑下肢运动神经 功能，却忽视了病人的主动参与度。本课题利用上下肢的步态关联性搭建一个健康摆动 的上肢来带动偏瘫侧下肢进行康复训练的平台，以此提高患者康复训练过程中的积极性， 主要工作内容可分为：惯性参数捕捉系统的搭建、基于步态康复机器人架构的上位机设 计以及下肢步态预测算法研究。 硬件系统方面，本研究所设计的惯性参数捕捉系统可细分为两个子系统：数据采集 系统和无线收发系统。其中，数据采集系统采用惯性传感器进行信号采集：惯性传感器 获得佩戴于患者肢体的姿态运动信息并以静态欧拉角显示。在无线收发系统里，考虑到 用户体验，选用了nRF24L01 模块来实现无线数据传输技术，摒弃了传统的局部有线方 案，将每个传感器节点独立佩戴到体表，加强可穿戴系统的便携性优势。 上位机设计包括梯形图程序设计与交互式系统设计。驱动患者下肢的电机系统为安 川伺服架构，需要预先设计好电机系统的梯形图程序。基于Visual Studio 平台，进行交 互系统的开发设计并最终实现算法移植。下肢步态预测算法研究中，首先利用设计的惯 性参数捕捉系统测量正常人的步态数据并加以分析。利用非线性时序预测 （Nonlinear Autoregressive models with Exogenous Inputs ，NARX ）神经网络，以上肢各关节步态转 角为输入向量，下肢的髋关节和膝关节的步态转角为输出向量与反馈输入向量，建立一 个相对准确且实时的下肢步态预测算法。最终预测的步态曲线通过上位机设计程序来驱 动下肢康复机器人，实现患者利用上肢参与主动训练的步态康复训练。 最终，经过在线实时测试，惯性数据采集系统采集到的角度误差在2° 以内，满足日 常生活以及科研实验的要求。上肢预测下肢步态曲线的数据误差在 10° 以内，可满足基 本的下肢步态训练，基本实现了本研究的预定目标。 关键词：惯性传感器; 步态训练; 康复交互控制; 下肢步态预测 I Research and design of gait rehabilitation training based on upper limb inertia parameter assist Abstract Hemiplegia is a kind of sequela of high incidence of stroke. It is manifested as ipsilateral upper and lower extremity dyskinesia, while the upper and lower limbs on the other side are mostly sound, which has a great impact on the daily life of patients. The active participation of patients in rehabilitation training can improve the rehabilitation effect, and most of the hemiplegic gait rehabilitation through passive training of the hemiplegic lower limbs to reshape the lower limb motor nerve function, but ignore the patients active participation. This topic uses the gait correlation of the upper and lower limbs to build a healthy swinging upper limb to drive the hemiplegia side lower limbs for rehabilitat