健康指数监测运动损伤康复训练基于可穿戴传感器

文摘

为了设计下肢可穿戴康复机器人的感知系统,本研究建立了运动学理论模型的人体下肢和人体进行了运动学分析。通过使用动态的态度分析系统,结合人体标记点,人体标记点的位置数据的过程中站着,坐起来,走路,加大,蹲收集。结合人体下肢的运动机理,分析人体运动状态转换的特点,和人类感知算法来判断运动的目的是研究,以便确定使用者的当前姿态,站坐在意图,意图站立,行走运动意图,在行走和停止的意图。结果表明,髋关节角0°之间的变化规律和37°和膝关节的角度变化规律在0°、70°之间站过程中,这是符合角度改变轨迹收集的动态分析系统的态度。髋关节和膝关节的关节角轨迹的绝对角度测量的传感器获得的相同的动态分析系统的态度。rad 1.5和0.3 rad被选为合理有效的阈值确定坐和站的状态。

1。介绍

近年来,该领域的神经系统疾病,已经取得了一些进展的康复研究中枢神经系统(CNS)。专家发现,大脑和脊髓等中枢神经可以刺激神经系统失去了四肢的被动形式,通过反复学习和培训,使其功能恢复和加强1]。因此,一个辅助系统可以开发驱动的四肢进行重复培训和发展潜在的学习肢体的功能。智能辅助系统的程度越高,越近,结合人体运动学理论和下肢康复的成功率越高2,3]。这限制了康复计划的实现。

康复机器人领域的研究源于军事外骨骼的发展和成熟的产业。工业控制技术和机械制造技术在上世纪中期以来,发展迅速。增强的外骨骼机器人系统的研究始于1960年代。1960年,美国通用电气公司研制出Hardiman一系列外骨骼机器人,希望帮助佩戴者举起700公斤的重量(4]。然而,由于工业技术等客观因素的限制,项目目标没有完全实现,只有一只胳膊已经完成(2]。尽管通用电气最终停止了这个项目,此外,为增强的外骨骼,和科学界继续工作。今天,有各种各样的增强的外骨骼,已经投入生产。

与工业技术的快速发展,先进的科学技术引入康复训练,和一个可穿戴的康复机器人系统是由结合机器人、机电一体化、生物修复、智能控制、信息融合和康复医学理论(5]。康复机器人系统主要由四个部分组成:感知系统,控制系统,机械机制(包括执行机构),以及供电系统。感知系统获取当前的运动模式,决定了佩戴者的运动意图和信号控制系统提供了一个决定。控制系统分析和确定信号,控制信号形式,协助康复机器人通过执行系统完成相应的运动。在这个过程中,感知系统实时监控当前的运动模式和辅助控制系统控制。

基于康复机器人感知系统的研究现状,国内外观众结合康复机器人的特点,人体下肢运动学分析系统的开发和设计,并在此基础上,可穿戴式下肢康复机器人的传感系统进行了研究。

可穿戴的健康监测系统是一个典型的应用程序的可穿戴计算领域的医学。可穿戴传感器监测在临床设置确保更好地支持外部生命体征评估病人的健康状况,并且可以发送自动提醒,保健提供者的健康恶化6,7]。银色等人评估样本传感器生物反馈系统,探讨了可行性、可用性、感知的影响,和使用该平台的用户体验。

目前,研究可穿戴传感器的监测系统不断发展。杰等人提出了一个可穿戴的人体监控系统基于无线加速度传感器技术,用于实时监测人体的日常锻炼量(8]。Ivacu等人提出了不同类型的代理来处理不同的传感器信号和识别简单的日常生活活动9]。Chander等人讨论了病人健康的可穿戴传感器网络监控:挑战,应用,未来的发展方向,和声学传感器的挑战10]。周等人提出了一个可穿戴的健康监测系统架构基于人类运动状态识别(11]。Simonetti等人促进了可穿戴的发展工具和协议来支持下肢截肢患者的功能康复提供临床相关的定量数据12]。Kshirsagar等人提出了一个可穿戴传感器网络系统的安全和健康物联网的应用(13]。与运动康复训练为背景,江等人开发了一个运动康复监测系统基于可穿戴传感器和物联网技术的基于物联网技术(14]。洪等人脆弱性指数基于可穿戴传感器应用于老年人的脆弱性分类15]。高等人提出了一个基于可穿戴传感器运动预测模型(16]。

主要研究是设计下肢可穿戴康复机器人的感知系统,建立人体下肢的运动学理论模型,进行人体的运动学分析,设计的硬件电路感知系统,研究人体的感知的算法,最后在工业计算机平台上进行实验验证。结果表明,髋关节角0°之间的变化规律和37°和膝关节的角度变化规律在0°、70°之间站过程中,这是符合角度改变轨迹收集的动态分析系统的态度。髋关节和膝关节的关节角轨迹的绝对角度测量的传感器获得的相同的动态分析系统的态度。rad 1.5和0.3 rad被选为合理有效的阈值确定坐和站的状态。

2。研究方法

2.1。传感器的布局

选择的运动反馈信息感知系统的康复机器人如下。下肢肌电图信号:肌肉生物电信息收集和放大。EMG信号可以测量根据运动前肌肉活动,这可以有效地使康复机器人和用户同步移动。然而,EMG信号不能收集患者下肢残疾和运动能力的损失。接触力信息:收集和处理康复机器人部件之间的接触力和地面部队,以及人类之间的接触力和康复设备,并确定当前运动状态和用户的运动意图根据力的大小和分布变化。因为压力传感器非线性等缺点,它需要与其他传感器信号。因为有太多的接触点之间的人类下肢康复机器人系统,它是不可能确定和准确地将接触力传感器实现准确定位接触力(17]。相对而言,足部压力分布的底部很正常,压力传感器可以放在脚的脚跟,第二跖骨,第三跖骨三个地方。角信息:测量即时髋关节和膝关节角来确定当前的姿态。角加速度和线加速度信息:传感器放在后面,下肢,大腿和小腿测量和分析的角加速度和线性加速度信息传感器安装位置获取运动信息的网站。

总之,运动反馈信号,需要收集在这个项目确定如下:足底压力信息,关节角信息,角加速度信息的下肢,和线性加速度信息。表1提供的类型、数量和功能的传感器(18]。康复机器人的机械结构增加了一个拐杖结构帮助佩戴者保持平衡,防止下降。角加速度传感器放置在拐杖可以检测摆动角的拐杖,建立当前取向的拐杖。触地得分压力开关安装在低端的拐杖。压力开关只有0和1两个开关信号。拐杖接触地面时,压力开关打开。

如图1,唯一的压力传感器应该放在唯一的鞋跟,第二跖骨,和第三跖骨骨折,压力开关应放在底部的拐杖。陀螺仪和加速度传感器是直接放置在腰上的手杖。编码器是放置在髋关节和膝关节。

2.2。研究行走过程感知算法

当佩戴者在一个站的姿势,运动的目的是判断的地面部队分布和重心的偏移。穿着者左侧拐杖/右拐杖向前延伸,而上半身前左/右倾斜,表明穿着者的愿望与左/右一步腿(19,20.]。确定运动意图从身体的角度。病人的运动意图可以通过测量角加速度信号 的拐杖和压力开关的方向 的拐杖底部。

行走意图分为摆动右腿,左腿摆动。当(1)和(3)感到满意,康复机器人协助采取正确的腿;当(2)和(4)感到满意,康复机器人协助左腿。在行走的过程中,如果脚跟的压力f_韩或f_rh摆动腿的大于阈值f_年代,腿进入支持阶段。如果swing的手杖和树干的swing停止同时,佩戴者被认为是有意停止行走,和康复机器人走路和变化将协助站状态。

在上升的过程中,坐,穿过脚压力水平轴ZMP信息的采集的实时检测,如果ZMP稳定信号超过阈值(阈值大小的一只脚康复机器人长度),即康复机器人系统处于不稳定状态,需要对控制系统发出指令,使其提供辅助转矩,和恢复治疗的平衡机。方程(5)应满足康复机器人保持平衡: 在哪里l_一个是康复机器人的单脚的长度。

2.3。IPC-Based实验验证平台

IPC的特点容易移植和强大的计算能力。实验方法的开发和验证平台和算法可以基于IPC,可以大大缩短开发周期。与此同时,数据采集卡可以方便地用于分析收集到的信号,它提供了一个基础算法的研究。

IPC实验验证平台是指IPC的硬件系统和支持软件基于此硬件。康复机器人系统,IPC实验验证平台包括电脑、信号采集卡、传感器信号采集模块、Matlab软件和Visual Studio的软件。

基于Matlab软件调试平台+仿真软件ADAMS软件开发基于IPC的硬件平台。亚当斯是一个软件的运动学分析、动力学、静力学的机械结构由MDI公司(现并入MSC软件公司)在美国。身体肢体模型建立了亚当斯,康复机器人的机械结构系统模拟和优化。每个肢体的惯性矩计算为执行机构的选择提供参考数据。

在实验期间,穿着后康复机器人,坐或站的姿势首次调整状态,判断完成之后,进行了相应的状态转换的行为来表达运动意图,即打算站坐和站立或行走的意图而站。后康复机器人协助完成相应的动作,这让下一个状态转换再次行动。康复机器人可以检测当前姿态和判断运动意图执行下一个辅助行动。

3所示。结果分析和讨论

通过D / A转换、滤波等处理,PIC单片机传送脚压力最高的电脑通过CAN总线和获得实时压力信息通过数字滤波电路。

首先,FlexiForce薄膜压力传感器校准。地方上的标称重量FlexiForce传感器,记录电压值,画一个表中给定表2。的压力范围是0 - 500 N,每个测试增加50 N,输出电压转化为0 - 5 V通过广告。

pressure-voltage曲线绘制如图2。可以看出FlexiForce传感器具有良好的线性相关性。当压力变化从0到500 N,电压值输出线性从0到5 V的。足部压力和电压阅读之间的关系可以通过拟合:

检测和绘画六英尺压力传感器的压力分布在不同的运动状态进行。过滤后,足部压力分布地图可以在行走过程中获得和站的过程。

结合阶段分化,脚在一个步态周期的压力分布进行了分析,如图3。的横轴是时间秒数,纵轴是发生在牛身上的压力。实线是脚跟的压力分布、压力分布的虚线是第二趾骨的骨底脚,而虚线的压力分布是第五趾骨的骨底脚。在行走的过程中,脚压力显示定期改变,出现在行走的过程中脚趾骨2脚压力波峰值,峰值约为320 N,脚趾骨地方5脚压力峰值出现在第二趾骨,峰值约为150 N,在脚趾和脚跟的压力峰值水平压力峰值,峰值约为100 N。

从图可以看出4,在行走的过程中,唯一的压力脚的礼物正则分布在每个周期中行走。当腿进入支持阶段,脚跟的压力开始增加,第二跖骨的压力在一个较高的值。当进入单腿摆动相时,支撑脚变得过度的压力从脚跟到唯一的脚的。阈值的方法用于确定运动的当前状态和预测运动的趋势。

GOF下肢能被探测到的信息通过足部压力的信息。GOF的切换规则行走时信息如下:左腿进入摆动阶段,右腿在支持阶段,开始,左腿摆动最高的点。在水平面,GOF改变从左回到右前面。当左腿摆动的最高点和左脚完全倒在了地上,右腿进入摇摆的阶段。在这个过程中,变化的GOF水平面变化从右到左前回来。的右腿向前移动时,下肢进入摆动阶段和波动的最高点的右腿。在水平平面,GOF变化从右到左前回来。右腿开始摆动的最高点到右脚完全土地,和左腿进入摇摆的阶段。在这个过程中,从左回到右GOF变化前的水平面。在这一点上,一个周期步态过程完成后,在GOF也完成一个周期变化的轨迹。 In one cycle, the change in the horizontal plane is left back to right front, right back to left front, and left back to right front.

髋关节和膝关节的角度衡量欧姆龙绝对角度编码器传输到电脑,和髋关节和膝关节角度变化的绝对值获得过程中站着,坐起来,散步。站起来的过程中,当膝关节的角速度达到最大值时,时间点是站着大约70%的整个过程,所以它是合理的和有效的选择这一点作为阶段转换的站起来的过程。

髋关节和膝关节的关节角轨迹的绝对角度测量的传感器获得的相同的动态分析系统的态度。rad 1.5和0.3 rad被选为合理有效的阈值确定坐和站的状态。

4所示。结论

下肢运动状态转换模型建立了基于有限状态机、人体检测算法进行了研究,传感器组信息收集和融合,当前的运动模式判断,该算法来确定人类的运动目的是验证。传感器组的信号输入信号采集板进行集中预处理,然后,发送到工业控制计算机。工业计算机计算传感器信号,佩戴者定位当前的运动模式,认为佩戴者的运动意图通过感知算法。工业技术的快速发展,先进的科学技术引入康复训练,使用机器人技术的结合、机电技术、生物修复技术、智能控制技术、信息集成技术、康复医学,形成一个可穿戴的康复机器人系统,创造了第一个强化外骨骼研究和研究机构领域的增强的外骨骼。通过对比实验结果与理论结果的感知算法,验证了感知算法。实验结果表明,髋关节的角度变化规律0°和37°之间,膝关节的变化定期在0°、70°之间,这是一致的轨迹角改变收集的动态分析系统的态度。髋关节和膝关节的关节角轨迹的绝对角度测量的传感器获得的相同的动态分析系统的态度。rad 1.5和0.3 rad被选为合理有效的阈值确定坐和站的状态。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国铁路公司的科技项目,中国(1341324011)。

引用

1. 工程学系。张,F.-X。王,j j。李》。彭,黄永发。燕,G.-B。锅,“可穿戴的宽量程应变传感器基于离子液体和监测人类活动,“传感器,17卷,不。11,2621年,页2017。视图:出版商的网站|谷歌学术搜索
2. Ritika和a·拉马钱德兰“可穿戴传感器:一步智能监控风险很高的情况下,“国际科学与技术研究杂志》上,8卷,不。2,4 - 9日,2019页。视图:谷歌学术搜索
3. 马,聂,m .霁j .歌曲和w·王,“运动训练的研究和分析基于人工智能移动终端,实时监控系统”无线通信和移动计算,卷2020,不。6篇文章ID 8879616 10页,2020。视图:出版商的网站|谷歌学术搜索
4. W.-J。曹,j . Hu Z.-P。王,l l。王,H.-L。Yu”,研究一种新颖的可穿戴外骨骼手功能训练系统基于肌电图触发,”可穿戴传感器和机器人卷,399年,第143 - 135页,2017年。视图:出版商的网站|谷歌学术搜索
5. r·布劳斯“可穿戴传感器带来新的效益连续医疗监测、实时身体活动评估、婴儿监控和工业应用,”传感器检查,35卷,不。2、141 - 145年,2015页。视图:出版商的网站|谷歌学术搜索
6. 诉h·罗德里格斯、c t . Medrano和广场,“可穿戴传感器用于测量运动简而言之的正念静坐冥想:一个试点研究,“医疗保健工程卷,2018篇文章ID 7275049、9页,2018。视图:出版商的网站|谷歌学术搜索
7. 诉Bobićm . Djurić-Jovičićn . Dragaševićm . b . Popovićv . s . Kostić和g . Kvaščev”量化的专家系统基于可穿戴的惯性传感器动作迟缓,“传感器,19卷,不。11,2644年,页2019。视图:出版商的网站|谷歌学术搜索
8. p .江j . Winkley c .赵r . Munnoch g . Min和l·t·杨,”一个智能信息货代医疗大数据系统与分布式可穿戴传感器,”IEEE系统杂志,10卷,不。3、1147 - 1159年,2016页。视图:出版商的网站|谷歌学术搜索
9. j . Ren f .关、m .彭日成和美国,“监测人体跑步训练和基于无线传感器的可穿戴设备,“计算机通信卷,157年,第350 - 343页,2020年。视图:出版商的网站|谷歌学术搜索
10. t . Ivașcu和诉Negru Activity-Aware生命体征监控基于多代理体系结构中,“传感器,21卷,不。12,4181页,2021年。视图:出版商的网站|谷歌学术搜索
11. b . Chander Kumaravelan,“可穿戴传感器网络为病人健康监测:挑战,应用,未来的发展方向,和声学传感器的挑战,”物联网生态系统中医疗模式,爱思唯尔科学,荷兰阿姆斯特丹,2021年。视图:出版商的网站|谷歌学术搜索
12. x周”,可穿戴的健康监测系统基于人类运动状态识别,”计算机通信卷,150年,第71 - 62页,2020年。视图:出版商的网站|谷歌学术搜索
13. d . Conradsson h·尼禄,n . Lfgren m . Hagstrmer和e·弗兰岑”监控培训活动期间gait-related平衡个人的练习与帕金森病:proof-of-concept-study,”BMC神经学,17卷,不。1,p。19日,2017。视图:出版商的网站|谷歌学术搜索
14. p . Kshirsagar”,一种可佩带的传感器网络系统对于iot-connected安全和健康应用程序,”信息存储和处理系统杂志》上,20卷,不。2、289 - 298年,2021页。视图:谷歌学术搜索
15. a . Tonacci a . Dellabate a Dieni et al .,“机器学习可以预测减压基于可穿戴传感器的数据后在工作场所放松吗?试点研究”,流程,8卷,不。4 p。448年,2020年。视图:出版商的网站|谷歌学术搜索
16. p . Boissy m . Blamoutier s Briere和c·杜瓦,“量化独立生存的社会流动性在健康老年人使用可穿戴传感器,”公共卫生领域前沿》第六卷,216页,2018年。视图:出版商的网站|谷歌学术搜索
17. t高,y卢,c . b . Sivaparthipan和m . Alazab”使用可穿戴传感器预测运动员运动的体育人健康监测应用程序中,“《智能与模糊系统41卷,1 - 12,2021页。视图:出版商的网站|谷歌学术搜索
18. p .回族“可伸缩的医疗传感器可以提高监测慢性疾病,”光纤传感器和系统,32卷,不。2、12 - 13,2018页。视图:谷歌学术搜索
19. k . Zhang和w·凌”健康监测人体多种生理参数的无线远程医疗系统的基础上,“IEEE访问,8卷,第71159 - 71146页,2020年。视图:出版商的网站|谷歌学术搜索
20. m . Berthelot f·p·亨利,J·亨特,d .列夫,木材,和n . J Allali“普遍可穿戴设备免费组织转移监控基于先进的数据分析:临床研究报告”《生物医学光学,24卷,不。6 p。2019。视图:出版商的网站|谷歌学术搜索

版权

版权©2021年江泽民易Yuepei邹。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。