基于小波包模糊推理的上肢康复机器人智能专家系统

上传者：苏均宇
|
上传时间：2015-04-24
|
密次下载

基于小波包模糊推理的上肢康复机器人智能专家系统

高技术通讯２０１２年第２２卷第８期：８４５～８５０

ｄｏｉ：１０．３７７２／ｊ．ｉｓｓｎ．１００２－０４７０．２０１２．０８．０１１

基于小波包模糊推理的上肢康复机器人智能专家系统①

潘礼正②４

宋爱国③＋

李会军＋

徐国政”徐宝国＋

（＋东南大学仪器科学与工程学院（”南京邮电大学自动化学院

南京２１００９６）南京２１０００３）

摘要针对目前上肢运动训练康复机器人缺少对患肢训练模式智能处方诊断的现状，

提出了全新的基于小波包模糊推理的上肢康复机器人智能专家系统诊断方法。该方法在

智能专家诊断过程中首先根据患肢在水平和垂直方向上的被动运动位置跟踪误差，通过

小波包分解提取患肢运动性能特征，然后根据两个方向上的运动性能特征值并运用专家知识，通过模糊逻辑推理诊断该患肢适合的康复运动训练类型。临床实验结果表明，该方法能够较准确地实现不同病情患肢的运动训练模式处方诊断，有助于提高康复机器人的临床智能化水平。

关键词康复机器人，小波包，特征提取，模糊推理，专家系统

了偏瘫患者患侧上肢的运动功能¨２｜。从众多文献来看，国内外研究者对不同训练模式的相关控制策略、控制性能和临床效果进行了研究，而训练模式的选择是事先确定的，皆没有根据患肢运动性能状态智能判别患肢训练模式。针对康复机器人临床使用中智能化特性的要求，本文提出了基于小波包分解

０

引言

康复机器人作为医疗机器人的一个重要分支，

是近年来根据运动神经康复治疗技术发展起来的研

究方向¨。，已经成为国际机器人领域的一个研究热点。比较著名的上肢康复机器人有ＭＩＴ．ＭＡＮＵＳ、Ｇｕｉｄｅ、ＭＩＭＥ、ＰＵＭＡ５６０、ＧＥＮＴＬＥ／Ｓ等‘２，３｜，下肢康复机器人有ＬｏｋｏｍａｔＭｌ等。康复机器人的智能

ＡＲＭ

提取患肢运动陛能特征并通过模糊逻辑推理实现康

复运动训练模式专家诊断的方法。该方法根据患肢肩关节水平外伸内展和肘关节垂直屈伸被动运动时位置跟踪误差，通过小波包分解获取与患肢运动性能有关的系数并归一化处理得到反映患肢运动性能特征值，然后根据水平和垂直两方向上的特征值运用专家知识模糊推理诊断出患肢适合的训练模式。临床实验结果表明，通过该方法诊断的患肢训练模式和患肢实际病情具有很好的一致性。本文提出的观点对深入研究更复杂的临床智能专家系统有一定的铺垫作用。

１

化以及控制策略的有效性是康复机器人能否被用户接受，能否最后进入临床使用的重要因素。近年来智能控制技术得到了应用，文献［５，６］在研究主动康复训练时分别采用了神经网络阻抗控制和神经模糊控制策略，文献［７］采用模糊阻抗控制实现了根据患肢状态对辅助力的调节，实验结果证实了此方法的有效性。２一ＤＯＦ气动康复机器人在被动训练时

采用自适应模糊滑模控制，取得了很好的位置跟踪性能＿８Ｊ。文献［９］融合语音反馈和智能控制采用内

外双层反馈策略实现了训练过程中任务参数的调节。王东岩等¨刚和Ｆｕｋｕｄａ等¨叫根据人体表面肌

电（ｓｕｒｆａｃｅｅｌｅｃｔｒｏｍｙｏｇｒａｍ，ＳＥＭＧ）信号并运用神经

患肢运动性能特征提取

患肢是指有运动功能障碍的肢体。中风（也叫

网络技术设计了上臂和前臂控制器，实验表明根据信号能有效识别前臂和手部运动模式并进行康复训练。季林红等的研究表明患者肌纤维放电时间反映

脑卒中，是由脑部血液循环障碍导致以局部神经功能缺失为特征的疾病）幸存者约有２／３会留下不同程度的肢体运动功能障碍。根据运动神经康复治疗

①８６３计划（２００６ＡＡ０４２２４６），国家自然科学基金（６１１０４２０６）和常州工业攻关计划（ＣＥ２０１０００２２）资助项目。②男，１９７９年生，博士生；研究方向：康复机器人传感与控制技术；Ｅ—ｍａｉｌ：ｐｌｚ５１７＠ｓｉｎａ．ｅｏｍ．ｅｎ③通讯作者，Ｅ－ｍａｉｌ：ａ．ｇ．ｓｏｎｇ＠ｓｅｕ．ｅｄｕ．ｃｎ

（收稿１３期：２０１１－０９－２０）

万方数据

高技术通讯２０１２年８月第２２卷第８期原理，运动功能障碍患者通过有针对性的康复运动训练能够取得很好的功能恢复效果１１３，１４３。在临床上，

根据不同患肢在不同阶段的病情特点来选择合适类型

信号的频谱相匹配，从而提高时一频分辨率。小波包由小波进一步推广得到，能得到更精细的分解结果。

设醇（ｔ）∈叼，则葫（ｔ）可表示为

的运动训练有助于取得最佳的康复效果。如何有效获取患肢运动性能特征是实现智能专家诊断的关键。

１．１特征考虑

酵（ｆ）＝＞．哦４ｕ。（２Ｊｔ—ｆ）

（１）

其中ｋ表示第，层频带个数，ｇ？（ｔ）为第，层第ｎ频

中风患者在发病的不同阶段其病情特点也不

同，因而临床上进行康复训练的模式也就不同，根据患肢在完成动作时主动用力的程度，患肢运动可划

带信号，以“表示第歹层第虺频带小波包分解系数，

ｕ。（ｔ）为满足双尺度方程函数。

小波包分解算法¨７Ｉ：由｛奶“＇“｝得｛

分为被动运动、辅助主动运动、主动运动及抗阻训

练。季林红等分析研究得出患者患侧上肢的运动功能与肘关节被动屈伸动作时肱二头肌ＳＥＭＧ信号提

ｆ妒”＝≥ｌＤｋ－２１群ｈ“

‘

（２）

．

ｂ２川：∑６柚。甜¨

取的特征相关ｕ引。Ｊｏｖａｎａ等人的研究Ｈ纠表明，

ＳＥＭＧ信号能够反映出下肢的运动康复情况、运动速度、平衡协调性能等。由于不同病情患肢肌肉组

其中，ｌ表示小波包变换第Ｊ＋１层频带个数，雄８表示第Ｊ层第ｎ频带小波包分解系数，蟛“’２”和儡“’ｈ“

分别表示．卜１层第２ｎ和２ｎ＋１频带小波包分解系

数，ａｍ。和ｂＨ。为小波包分解的共轭滤波器系数。

本文中位置信息采样频率为１００Ｈｚ，采用５层

织活动性能、高级中枢神经系统对运动控制恢复程度等不同，当患肢在充分放松状态下通过康复机器人进行被动运动时，具有不同运动性能状态的患肢对机器人的控制性能产生的影响不同。本文选择从

患肢被动运动动作时位置跟踪误差角度来分析反映患肢的运动性能。１．２小波包分解

小波包分解后提取与患肢运动性能相关的特征。

１，３特征归一化

运动康复训练主要有三种类型：被动运动训练、

辅助主动运动训练、主动运动及抗阻训练（由于主动运动和抗阻运动主要训练运动的协调性和肌力等综合性能，在此归为一类）。为能够有效地反映患肢运动性能特征，对特征的获取按图１的方法进行，其中筛选与运动特性相关的分解系数是关键。为保证分析的客观性和筛选系数的有效性，所作分析均采用五次分段求平均。进行５层小波包分解后得到３２个分解系数，水平和垂直方向上最终筛选的具有很高稳定性且与运动能力相关的分解系数（从“运动能力等级”、“能否完全克服重力”以及“有无主动能力”三方面反映）分别如表１、表２所示。

小波变换能将信号从一维的时域空间映射到二

维的时域－尺度空间，小波变换的多分辨度变换有利

于各分辨度不同特征的提取，在信号去噪和特征提取方面得到了较广的运用¨６｜。在正交小波变换中，由于其多尺度分解具有一定的局限性，从而导致高

频频带宽、低频频带窄。小波包变换则提供了更为

灵活的分解方式，它将频带进行多层次划分，对小波分解中没有细分的高频段进一步分解，并能够根据被分析信号的特征，自适应地选择相应频带，使之与

－…?Ⅲ－一?＿●

图１特征值获取方法

?－－－——８４６?－－－——

万方数据

潘礼正等：基于小波包模糊推理的上肢康复机器人智能专家系统

表１水平方向运动性能系数反映表

表２垂直方向运动性能系数反映表

注ｉ１适合被动训练；２适合辅助主动训练；３适合主动及抗阻训练；４正常。

最终分析，水平方向的特征向量选用日＝［Ｗ。，取的水平和垂直方向上患肢运动性能特征值（厶、．厂，）作为两输入变量，训练运动模式诊断结果作为输

出变量（ｍ。。）。在模糊化过程中，水平和垂直方向上输入变量分别定义成５个模糊子集，即“较小”（ＶＬＨ、ＶＬＶ）、“小”（ＬＨ、ＬＶ）、“中”（ＭＨ、ＭＶ）、

删１，彬１３，训１９，Ｗ６，Ｗ２３，Ｗ２９］’，垂直方向选用Ｖ＝

ｒ

１下

ｌ

Ｗ０，Ｗｌ，Ｗ２９，Ｗ１９，Ｗ２４，Ｗ６，Ｗ８，Ｗ１５，Ｗ２１，Ｗ２２

ｊ‘。

采用不同权重以及三级区分方法，水平和垂直方向上的规格化系数向量由式

ｆＧ＾＝Ｕｈ‘Ｍ＾

“大”（ＧＨ、ＧＶ）、“较大”（ＶＧＨ、ＶＣＶ），采用梯形形

（３）

ＩＧ。：Ｕ。．Ｍｙ

式的隶属度函数，具体如图２所示。输入变量论域规格化后设置为五、工∈［０，１．０］，输出变量设置为ｍ。。＝｛１，２，３，４｝（注：１适合被动训练；２适合辅助

主动训练；３适合主动及抗阻训练；４正常）。

所示。式中Ｇ。、Ｇ。分别为水平和垂直方向上规格化

系数向量，“、玑、Ｍ。、Ｍ。分别为水平和垂直方向上

权重向量、区分对角矩阵。

特征向量按式眈＝Ｇ＾。Ｈ＋氏

ｋ：Ｇ。．ｙ＋瓯

（４）

委

筠

，

翌。一５

进行归一化处理。式中＾Ｚ分别为水平和垂直方向上运动性能特征值，Ｇ。、Ｇ。、日、ｙ、瓯、６。分别为水平和垂直方向上规格化系数向量、特征向量和规格化修正量。

蕃。

翅

２专家诊断

智能专家系统把人工智能技术和计算机技术相结合，根据专家提供的知识和经验进行推理和判断模拟人类专家的决策过程，解决那些需要人类专家处理的复杂问题。本文运用相关专家知识，根据患肢在水平和垂直方向上的运动性能特征值，通过模糊逻辑推理模拟人类专家决策实现康复机器人对患肢运动训练模式的智能专家处方诊断。

模糊推理模型采用双输入单输出的Ｔ—Ｓ型，提

图。即：

（）０（）２（）３（）４（）．５《）６ｆ）７０８（）９ｌ

承随运ｚ巩特摄戗变化篮

图２运动性能隶属度函数

输出函数八五Ｚ）采用０阶Ｔ—ｓ型模糊推理，

Ｒ。：ｉｆ＾ｉｓＡｉａｎｄＺ

２，…，黯）

图３为智能专家诊断系统输人／输出关系表面

ｉｓ

Ａ；，ｔｈｅｎｍ。。＝ｋｉ（ｉ＝１，

－－－——８４７－－－——

万方数据

高技术通讯２０１２年８月第２２卷第８期

图３输入输出关系表面图

图５

ＷＡＭＡｒｍ康复机器人系统

３

上肢康复机器人系统

采用美国Ｂａｒｒｅｔｔ公司生产的４自由度ＷＡＭ

良好反馈驱动（ｂａｃｋ—ｄｒｉｖａｂｉｌｉｔｙ）特性的灵巧型机械臂‘１９１。目前ＷＡＭＡｒｍ在科研、医疗、工业生产等众多领域得到了很好的运用，特别因为其具有较高

（Ｗｈｏｌｅ

Ａｒｍ

Ｍａｎｉｐｕｌａｔｏｒ）Ａｎｎ机器人本体作为康复

机器人使用平台，通过自行研制的三维力传感器ｍ：

的安全隍能，已经在美国芝加哥康复研究中心进行

了临床使用，在卡内基美隆大学机器人研究所（ＣＭＵ

Ｒｏｂｏｔｉｃｓ

和患肢支撑架（图４）等构建的上肢康复机器人系统

如图５所示。ＷＡＭＡｒｍ机器人是一款高性能、具有

Ｉｎｓｔｉｔｕｔｅ）作为医疗平台开展各种研

究，丁作：驯。

运用ＵｂｕｎｔｕＬｉｎｕｘ．Ｘｅｎｏｍａｉ平台开发ＷＡＭ

Ａｒｍ康复机器人临床实验软件部分。Ｌｉｎｕｘ系统本

身具有较好的实时性能；在实验系统软件规划上采用多线程机制对整个系统的任务进行规整，进一步提高ＷＡＭＡｎｎ机器人控制实时性和安全性。根据临床实际康复运动训练使用情况，开发了被动、辅助主动、主动及抗阻运动训练控制策略模块。由于本文旨在研究运用智能专家系统实现上肢康复机器人运动训练模式处方诊断，在此对各训练模式的控制

策略不作介绍。本文设计的上肢康复机器人智能专

图４

自行研制的三维力传感器和患肢支撑架

家运动训练模式诊断系统原理框图如图６。

’

区丽竺

～籼绅一

卜匿因

ｒ｛Ｌ

一曩＝～

ｆ、忑：］

１．．．．．．．．．．．．。．．．．一

二ｊ口

卜｛

雨丽而

㈣２础延功

图６

上肢康复机器人智能专家系统原理框图

丽一国

卤丫岔

－Ｌ！：竺

厂。。～］

－－－——８４８．－－——

万方数据

潘礼正等：基于小波包模糊推理的上肢康复机器人智能专家系统

动特征不太明显有关。整体来看，所设计的智能专

４

临床实验结果

为验证本文所设计的智能专家运动训练模式诊

家诊断系统具有较准确的诊断效果。为实现更高的诊断率，专家知识有待通过临床数据分析进一步完

善。

断系统的效果，在南京同仁医院运动康复科进行了临床实验。筛选７例中风偏瘫患者和１例健康者作为实验对象，受试者无视听力、理解能力上的障碍，能够理解实验要求、了解实验过程和目的，同意参加实验测试。８例志愿者基本情况如表３所示，对受试者采用设计的智能专家运动模式诊断方法进行测试，所得运动性能特征值如图７，诊断结果如图８所

不ｎ

幅

鼙

蠢！翻

表３受试者基本情况

图８临床实验结果

５

结论

本文针对康复机器人缺少训练模式自诊断功能

提出的采用智能专家系统实现患肢运动训练模式处

注：１适合被动训练；２适合辅助主动训练；３适合主动及抗阻＿ｉＩ

练；４正常。