[发明专利]血管介入手术机器人系统力反馈的模糊融合方法

权利要求书

1.血管介入手术机器人系统力反馈的模糊融合方法，其特征在于：

第一步，选择模糊语言变量；

选择导管头部前端和侧壁与血管壁之间的“碰撞”作为输入语言变量，记为P_i，i=1,2，取值皆为{没有碰撞、轻微碰撞、较深碰撞、深度碰撞、严重碰撞}，对应的模糊集合表示为 i=1,2，基本论域为光纤压力传感器和导电橡胶传感器的电压信号U_i=[0,5V]，i=1,2；输出语言变量为医生感觉到的“力”，记为F，取值为{很小、较小、较大、大、很大}，对应的模糊集合表示为 基本论域为导管尾端的反馈力f＝[0,6N]；

第二步，构建隶属度函数，包括碰撞模糊集合隶属度函数和力模糊集合隶属度函数；

第三步，计算量化因子和比例因子；

取模糊集合 和 对应的量化论域为X=Y=Z={0,1,2,3,4,5,6,7,8,9,10,11,12,13}；则定义导管前端和侧壁的碰撞量化因子为：

式中，u_max——基本论域中的电压最大值；m——量化等级；

将两路输入信号的基本论域代入式（1）中，得 其中k_u1、k_u2分别为导管前端和侧壁的碰撞量化因子；

定义力的比例因子为：

式中，f_max——反馈力的最大值；

将反馈力的基本论域代入式（3），得 根据此比例因子，最终施加至力反馈设备的反馈力f应由式（4）解得：

f＝k_f·z^*     （4）

式中，z^*——去模糊化结果；

第四步，建立赋值表；

根据模糊集合的论域分别是X=Y=Z={0,1,2,3,4,5,6,7,8,9,10,11,12,13}，求得各语言变量取值在X、Y、Z论域上的离散隶属度取值；借助量化因子k_u和比例因子k_f的转换，分别建立语言变量P1、P2和F的离散赋值表；

第五步，制定融合规则表； 

借助双输入——单输出的融合规则，将光纤压力传感器和导电橡胶传感器的两路模糊化结果融合为统一的模糊碰撞状态，再映射为操作经验中的力觉模糊集合；

第六步，模糊推理，得到真实的反馈力f。

2.根据权利要求1所述的血管介入手术机器人系统力反馈的模糊融合方法，其特征在于：

所述碰撞模糊集合隶属度函数，将导管与血管壁的碰撞状态分为没有碰撞、轻微碰撞、较深碰撞、深度碰撞和严重碰撞五种，记录对应两个传感器所返回的测量值，并与常用的隶属度函数进行比对后得到；

所述的力模糊集合隶属度函数，通过正常工作方式下施加反馈力的设备，按一定步长逐渐增加设备末端轴向的反馈力，并将反馈力分为很小、较小、较大、大、很大五类力值，与常用的隶属度函数比对后，构建出力模糊隶属度函数。

3.根据权利要求1所述的血管介入手术机器人系统力反馈的模糊融合方法，其特征在于：定义模糊融合规则表中的第3～7行和3～7列为P_ij，其中i=1,2,3,4,5；j=1,2,3,4,5，则有：

a）P_1j＞P_j1，j=2,3,4,5；

b）P_ij＞P_ji，i=2,3,4,5；j=2,3,4,5；

c）P_ik≥P_ij，P_ki≥P_ji，i=1,2,3,4,5；j=1,2,3,4,5；k＝j+1,…,5。

4.根据权利要求1所述的血管介入手术机器人系统力反馈的模糊融合方法，其特征在于：所述的模糊推理，具体为：

当实时采样的光纤电压传感器和导电橡胶传感器的测量值经模糊化后的输入为 时，模糊融合的输出量 根据模糊似然推理合成规则得：

式中，T₂——将矩阵按行拉直成行向量；

的隶属度函数为：

由式（11）可见，模糊融合的输出仍然是一个基于论域Z的模糊集合，而要获得能够作用于力反馈设备的数值，则需要对模糊结果进行去模糊化处理，按式（12）计算：

式中，z-离散论域Z中的取值；μ(z)-由式（11）推理得的模糊集合中相应点的隶属度值；z^*-去模糊化结果；

最后，将z^*代入式（4）即获得用于刷新力反馈设备的反馈力f。