[发明专利]一种基于粒子群优化算法的康复运动速度计算模型参数辨识方法

说明书

本发明公开一种基于粒子群优化算法的康复运动速度计算模型参数辨识方法，涉及利用便携式运动参数测量设备，检测康复运动速度的模型参数辨识策略。首先建立含未知参数的步行速度模型；其次建立优化算法目标函数；最后利用粒子群优化算法优化目标函数，得到最优模型参数。本发明引入手腕佩戴式运动测量设备计量康复运动参数，相较于足部佩戴，为训练人员带来了便利。本发明基于粒子群优化算法的康复运动速度计算模型参数辨识方法建立手腕部位运动与步行速度关系模型，为手腕佩戴式运动测量设备提供了一种训练速度计算方法。同时利用粒子群优化算法进行模型参数辨识，为手腕部位运动与步行速度关系模型提供了精确快速的模型参数求解方法。

技术领域

本发明涉及一种运动模型参数方法，具体涉及利用便携式运动参数测量设备，检测康复运动速度的模型参数辨识策略，属于运动医学领域。

背景技术

运动跟踪可以用于康复领域。对于腿部有残疾的人或行走不便的老年人来说，行走辅助装置是康复训练的必需品。通常康复训练需要在医师监督下在专门的康复中心完成。然而，由于成本及人力的限制，康复中心的数量和可获得性往往不能满足所有需要康复训练人群的需要。而便携式运动采集设备可以实时采集康复人群在家的运动数据并将数据发送给医师。

运动采集设备内部包括加速度传感器，角速度传感器及磁力计。由于足部的运动最能反映人体步行时的各种状态，目前大多数运动采集设备都需要被测人员将其佩戴在脚步或鞋上，对于老年人或步行不便的人群来说，这个佩戴部位往往带来不便。而将运动采集设备佩戴在手腕上则可以避免这一不便。然而，手腕部位的运动与人体步行时的状态关联较小，尤其是在运用行走辅助装置时，手部的运动相较于正常步行时更不明显，因此本专利致力于建立手腕部位与步行状态的关系。

发明内容

本发明针对目前佩戴在手腕部位的便携式运动测量设备在有行走辅助装置时计算步行速度困难的问题，提出了一种计算模型及参数辨识方法。

本发明提出的康复运动速度模型参数辨识方法，包括：

步骤1、建立含未知参数的步行速度模型；

步骤2、建立优化算法目标函数，求解出步骤1中的未知参数；

步骤3、利用粒子群优化算法优化目标函数，得到最优模型参数。

本发明的优点在于：

(1)本发明基于粒子群优化算法的康复运动速度计算模型参数辨识方法，引入手腕佩戴式运动测量设备计量康复运动参数，相较于足部佩戴，为训练人员带来了便利。

(2)本发明基于粒子群优化算法的康复运动速度计算模型参数辨识方法，建立手腕部位运动与步行速度关系模型，为手腕佩戴式运动测量设备提供了一种训练速度计算方法。

(3)本发明基于粒子群优化算法的康复运动速度计算模型参数辨识方法，利用粒子群优化算法进行模型参数辨识，为手腕部位运动与步行速度关系模型提供了精确快速的模型参数求解方法。

附图说明

图1为本发明基于粒子群优化算法的康复运动速度计算模型参数辨识方法整体流程图。

图2为本发明基于粒子群优化算法的康复运动速度计算模型参数辨识方法中参数辨识目标函数计算流程图。

图3为本发明基于粒子群优化算法的康复运动速度计算模型参数辨识方法中粒子群优化算法计算流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明基于粒子群优化算法的康复运动速度计算模型参数辨识方法，如图1所示，通过下述步骤实现：

步骤一：建立含未知参数的运动关系模型。