[发明专利]基于遗传蚁群融合模糊控制器的助行电刺激精密控制方法

说明书

技术领域

本发明涉及康复训练领域，尤其是步行器受载力的测量，具体讲涉及基于遗传蚁群融合模糊控制器的助行电刺激精密控制方法。

背景技术

功能性电刺激(Functional Electrical Stimulation，FES)是通过电流脉冲序列来刺激肢体运动肌群及其外周神经，有效地恢复或重建截瘫患者的部分运动功能的技术。目前，由于脊髓再生能力微弱，针对脊髓损伤瘫痪患者，尚未有可直接修复损伤的有效医治方法，实施功能康复训练是一有效的措施。据统计，脊髓损伤瘫痪患者人数逐年增多，功能康复训练是亟待需求的技术。20世纪60年代，Liberson首次成功地利用电刺激腓神经矫正了偏瘫患者足下垂的步态，开创了功能性电刺激用于运动和感觉功能康复治疗的新途径。目前，FES已经成为了恢复或重建截瘫患者的部分运动功能，是重要的康复治疗手段。然而，如何精密控制FES的触发时序和脉冲电流强度以保证电刺激作用效果能准确完成预定的功能动作仍是FES的技术关键。据统计，目前FES的触发控制的方式研究尚少，而且根据作用效果与预定动作偏差，用闭环控制来自动调整FES刺激强度和时序参数，从而大大提高了FES系统的实时性、准确性和稳定性，但是现在有效的控制方法仍然在探索之中。

模糊控制器是一种通过模糊逻辑和近似推理的方法，把人的经验形式化、模型化，变成计算机可以接受的控制模型，让计算机代替人来进行实时地控制被控对象的高级策略和新颖的技术方法，可有效地提高控制算法的可控性、适应性和合理性，尤其是针对复杂而用数学方程难于建模且有丰富手控经验的课题具有奇特的优势，而人体肌肉的复杂性和时变性操作环境使其建立其数学模型，致使传统的控制方法很难适应FES领域的严格要求，模糊控制器为FES的精密控制提供了新方案。模糊控制器核心技术就是确定模糊控制器的结构、所采用的模糊规则、合成推理算法以及模糊决策的方法等因素，模糊控制要取得最优的控制效果的关键既是对模糊控制器量化因子、比例因子以及模糊控制规则等参数的整定。在FES领域，对系统稳定性要求极为严格，所以对模糊控制器参数选择亦尤为重要。本专利提出的基于遗传算法整定模糊控制器控制功能性电刺激精密控制的方法，在FES系统电流水平方面可取得良好的效果。

遗传算法属于人工生物进化算法，是一种借鉴于生物界自然选择和自然遗传机制，主要特点是群体搜索策略和群体中个个体之间的信息交换，不依赖于梯度信息，特别适合对复杂的非线性问题寻优。但是对于系统中的反馈信息的利用却无能为力，致使求解到一定范围时往往做大量无力的冗余迭代，求精确解效率低。蚁群算法模拟生物世界中的蚂蚁在没有任何提示下寻找由蚁穴至食物源的最短路径的觅食行为提出基于种群的模拟进化算法，具有较强的适应性，分布式并行计算，易于其他算法集成的优点，但初期信息素匮乏，求解速度慢。遗传算法和蚁群算法都具有适用范围广、通用性强等等优点，广泛应用于离散最优化问题，遗传算法和蚁群算法具有互补性有机地融合在一起，可以克服各自缺点，发挥各自优点。

发明内容

为克服现有技术的不足，本发明的目的在于，提出一种新的FES的精密控制方法，通过遗传算法和蚁群算法的融合，优势互补，优化模糊控制器的量化因子、比例因子以及模糊控制规则，继而准确稳定实时地控制FES系统的电流模式，并可有效地提高FES系统准确性和稳定性，并获得可观的社会效益和经济效益。为达到上述目的，本发明采用的技术方案是：基于遗传蚁群融合模糊控制器的助行电刺激精密控制方法，包括下列步骤：

首先将模糊控制的量化因子、比例因子以及隶属函数参量的12个决策变量kfuzz的选择转化为遗传与蚁群算法适用的组合优化问题，并对这12个kfuzz进行二进制编码，之后随机产生n个个体组成的初始种群P(0)，其中kfuzz为n×12的向量；

其次建立合理的实际关节角度与肌肉模型输出关节角度的相应关系目标函数以及确定蚁群算法的参数设置，利用遗传算法产生蚁群算法中的初始信息素分布，利用蚂蚁随机搜索优化模糊控制器的隶属函数以及量化因子和比例因子，并调用已整定的模糊控制器，验证是否达到预设目标，若无重复以上操作，直到参数收敛或者达到预定的指标，输出模糊控制的决策变量和蚁群运行的次数；

依据前述输出模糊控制的决策变量在模糊控制器下计算系统输出及其与肌肉模型的偏差后再进入下一步的自学习与自调整，反复此过程，最终实现模糊控制器参数的自适应在线整定，并用于FES系统。