38、用于人类行走的混合可穿戴机器人外骨骼技术解析

混合外骨骼技术解析

用于人类行走的混合可穿戴机器人外骨骼技术解析

1. 引言

步态功能受损是神经病理学常见后果之一。目前,行走功能康复疗法基于几个基本概念:促进神经可塑性、增强剩余肌肉力量以及学习运动补偿策略,这些通过各种治疗性锻炼和适配患者进展的设备组合来实现。

在治疗设备中,等长条件下的神经肌肉刺激(NMES)较为常见,其可增强肌肉、对抗肌肉萎缩并缓解痉挛,还能用于产生关节运动。自Krajl的开创性工作以来,出现了众多用于运动功能补偿的系统、应用和协议,即运动神经假肢(MNP)。然而,MNP存在一些缺点,如刺激肌肉反应的非线性、肌肉疲劳快速出现、NMES产生关节扭矩的相对局限性、肌肉系统缺乏适应性、难以控制用户意图,且缺乏证据证明其优于传统康复疗法。

过去十年,人们对使用机器人外骨骼进行步态康复或功能补偿的兴趣日益浓厚。自15年前首款机器人训练器推出以来,出现了固定式(跑步机上的机器人训练器)和可移动(机器人外骨骼,ER)等多种设备。尽管对机器人训练器的研究较为广泛,但对ER用于步态康复的潜力研究兴趣正不断增加。目前相关科学证据有限,且发现了一些限制其应用于行走康复的因素,如尺寸和重量、运动学模式缺乏对用户意愿的适应性以及在真实环境中行走的通用性不足。

几十年前就有人提出将MNP和ER结合,以减轻两者的缺点。ER可改善MNP产生的关节运动控制,同时减少和/或补偿肌肉疲劳的出现;而MNP对关节运动的控制可减小执行器和电池的尺寸,并在行走过程中刺激肌肉带来生理益处。这种混合技术(混合外骨骼,HEX)此前已被研究,鉴于近期技术进步和相关研究,有必要更新对其的认识。

2. 混合可穿戴技术的进展

HEX根据两个互补标准进行定义和分类:

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值