[发明专利]基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法

权利要求书

1.一种基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法，其特征在于：所述控制方法包括如下步骤：

1)通过步态实验构建脑卒中后下肢运动能力缺失患者的特征性病理步态模型，基于特征性病理步态模型形成特征性病理步态矫正策略；

2)当患者的肢体开始运动之后，采集患者健侧下肢的多传感器信号，并进行多传感器信号处理；

3)提取步骤2)采集的多传感器信号的特征，包括平均值、标准差和方差，构建多传感器信息融合向量；

4)基于深度学习、机器学习和多传感器信息融合方法，获取患者的运动意图；

5)将步骤4)得到运动意图与步骤1)的特征性病理步态矫正策略进行耦合，得到健-患侧耦合信息；

6)通过人体-康复机器人信息交互接口，将步骤5)所得的健-患侧耦合信息传输至人体-康复机器人闭环控制器，从而控制康复机器人的系统功能，保证人机协调运。

2.根据权利要求1所述的一种基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法，其特征在于：所述步骤1)具体包括：

A.对脑卒中后下肢运动能力缺失患者进行身体基础评定检查，以选择适当的控制策略及设定运动阈值保护机制；

B.对脑卒中患者进行步态实验，采集受试人群的病理步态特征参数，得到脑卒中患者步态数据库，对脑卒中患者步态数据进行特征标注以及数据预处理，对脑卒中步态特征提取及脑卒中患者步态异常分析，构建脑卒中患者特征性病理步态模型，通过与正常人行走模型的对比分析，形成特征性病理步态矫正策略。

3.根据权利要求2所述的一种基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法，其特征在于：所述步骤1)对脑卒中后下肢运动能力缺失患者进行身体基础评定检查的方式为：通过搭建的实验平台进行测评，包括硬件平台和软件平台，其中硬件平台包括Vicon系统、Novel足底压力测量系统、Noraxon肌力测试系统、编码器和足底压力传感器，软件平台包括NEXUS数据采集应用分析仪，对患者形态姿势的评定、肌力评定、关节活动度、肌张力、平衡与协调能力、神经电生理检查、步态数据采集。

4.根据权利要求1所述的一种基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法，其特征在于：所述步骤2)采集的健侧下肢的多传感器信号，包括：表面肌电信号、关节角度、和足底压力信号。

5.根据权利要求1所述的一种基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法，其特征在于：所述步骤3)的具体过程为，对传感器的输出数据进行特征提取的变换，提取代表观测数据的特征矢量，对特征矢量进行模式识别，完成各传感器关于肢体运动动作的说明，利用融合算法将各传感器数据进行合成，得到肢体动作的一致性解释与描述：

将原始信号设为a(1)，a(2)，a(3)，…a(n)，则其均值为:

标准差为：

方差为：

通过构建多传感器信息融合向量，如下所示：

其中，s为特征变量的响应变量，它的值对应于五种肢体运动模式，并在这里设置为平地行走(GND)、上楼梯动作(UPS)、下楼梯动作(DWS)、上坡动作(UPH)和下坡动作(DWH)。

6.根据权利要求1所述的一种基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法，其特征在于：步骤4)包括如下步骤：

A.通过有监督的机器学习方法，将步骤3)得到的多传感器信息融合向量与肢体运动模式进行回归分析，并建立映射函数，构建肢体运动预测模型；

B.将步骤3)得到的多传感器信息融合向量，输入到深度学习网络模型进行训练，构建人体运动意图识别模型；

C.当人体运动意图识别模型和肢体运动预测模型产生同一响应变量s时，才认为患者将要进行患侧的跟随运动，并将特征变量的响应变量s发送到人体-康复机器人闭环控制器。