基于生机接口的手部康复系统设计

来源 :燕山大学 | 被引量 : 0次 | 上传用户:W6216286
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
脑卒中患者80%以上患有手部运动功能障碍,针对不同康复阶段的患者手部运动能力也各不相同,所以不同康复阶段的手部功能障碍患者的康复需求也各不相同。现有手部康复训练系统,通过场景交互或康复机器人辅助等方式对手部功能障碍患者进行康复训练,但是只适用于某一康复阶段的手部功能障碍患者,无法满足手部运动功能障碍患者康复训练的不同时期,并且康复训练过程缺乏主动性、康复效率较低,无法满足不同时期患者的康复训练需求。所以,满足不同康复阶段的脑卒中手部功能障碍患者的康复训练系统显得尤为重要。本文针对以上问题,设计了一种基于生机接口的手部虚拟康复系统,在现有生机接口技术用于手部康复训练的研究现状上,将生机接口技术与虚拟现实以及康复机械手技术相结合,形成一种虚实交互的康复训练手段,具备三种覆盖手部康复训练不同时期的康复训练功能以满足不同患病程度的脑卒中手部功能障碍患者,并搭建了基于生机接口的手部虚拟康复系统,并通过实验对三种策略进行了验证,同时对系统进行了测试,并验证了系统的有效性,本文的主要内容描述如下:首先,本文设计了一种基于肌电惯性信号的手部康复训练策略,主要受众是脑卒中恢复期有基本运动能力的患者,即通过场景诱导,对患者进行肌电惯性信号同步采集与分析,通过健侧肌电控制穿戴康复机械手的患侧进行辅助训练,同时通过对惯性信号的分析对患侧患侧手部运动功能进行评估,利用Leap Motion手部追踪技术与患者进行人机交互,提高了患者康复训练的积极性,即通过一种主被动结合的方式提高了脑卒中恢复期手部功能障碍患者康复训练的效率。其次,本文设计了一种基于运动想象的手部康复训练策略,主要受众是脑卒中软瘫期丧失基本运动能力的患者,即通过设计的多场景刺激诱导患者进行运动想象,对采集到的运动想象信号进行预处理、特征提取及意图识别,将识别结果发送至康复机械手,辅助患者进行抓握训练,同时通过设计虚拟场景与患者运动想象进行交互,不仅提高了患者大脑运动功能区神经激活程度,同时通过机械手辅助患者进行训练,为脑卒中软瘫期手部功能障碍患者提供了一种神经康复和物理疗法相结合的康复训练方式。再次,本文针对脑卒中软瘫期到恢复期的过渡期,设计了一种基于双主动模式的康复训练策略,包括肌电、脑电两种康复模式,患者使用其中一种模式进行训练时,系统通过场景参数与人机交互的识别率等反馈结果进行虚拟场景自切换,进而控制康复模式的切换,选择更适合患者的康复训练模式。同时在脑电康复模式下提出了一种针对运动想象的神经功能康复评估方式,以脑地形图的形式显示大脑神经激活程度,更直观的得到患者的康复训练情况。为脑卒中过渡期的手部功能障碍患者提供了一种有效的康复训练手段。最后,本文对于提出的三种康复训练策略搭建了基于生机接口的手部虚拟康复系统,该系统包括硬件平台的搭建和软件平台的功能实现。然后针对三种康复训练策略分别进行了患者和健康受试者的实验测试与验证,通过实验前后的患者和健康受试者的康复训练数据分析及评估结果对比,可得患者和健康受试者的手部运动功能得到明显改善,大脑神经激活程度明显增强,同时肌电和脑电的识别率得到了明显提高,验证了本文提出的三种康复策略的有效性及本系统的实用性。
其他文献
近年来,随着工业技术的蓬勃发展,多智能体系统的协同控制得到了广泛的应用。而多智能体系统的一致性问题是协同控制中最基本的研究问题,受到了研究学者的广泛关注。一致性控制是指通过设计控制器以及多个智能体之间的信息传递实现智能体的状态或输出一致。然而,在设计智能体的控制器时,往往需要依赖一些难以获取的全局信息,这不利于在实际中应用。此外,智能体的控制输入受物理系统约束也往往存在饱和现象,并且智能体之间的大
随着优化要面对的问题规模和复杂程度的逐渐增大,以及传统优化方法易出现局部最优解等的局限性,智能优化算法应运而生了。差分进化算法由于其结构简单、收敛性能好、控制参数少、容易实现等特点而受到广泛的关注。但是差分进化算法仍存在诸如容易陷入局部最优、搜索停滞等缺点,限制了其性能的发挥,阻碍了其应用的推广。因此,对差分进化算法的改进研究具有重要的理论研究意义与实际应用价值。针对以上缺陷,对多目标差分进化算法
近年来,由于具有容错性高、拓展性好、计算效率高等优点,多智能体分布式一致性和编队控制成为重要研究热点之一。一致性和编队控制已广泛应用于航天器编队姿态控制,无人机编队等领域。值得注意的是,抗扰能力、收敛速率和通信能耗是衡量多智能体系统性能的几个重要指标。将主要围绕三个方面展开研究:(1)具有未知非线性项和外部扰动的多智能体一致性控制问题;(2)有限和固定时间编队控制问题;(3)基于事件触发的多智能体
电子节气门是汽车发动机控制系统中的重要组成部件,空气量进入发动机气缸中的多少取决于电子节气门阀片的开度,从而影响到汽车的动力特性。为了提高汽车的驾驶舒适性与安全性、燃油经济性以及降低尾气排放等方面的性能,对电子节气门系统提出了较高精度和动态性能的阀片位置跟踪控制要求。同时考虑到电子节气门存在的非线性和参数不确定性特性,以及系统输入电压要符合安全限幅要求的限制条件,因此,本文针对控制受限的电子节气门
双目立体视觉在获取场景深度信息上具备着易扩展、低成本和场景适应性强的特点,因此被广泛应用于无人驾驶、增强现实等众多前沿领域。近年来,基于深度学习的方法已经扩展到立体匹配等几何问题中。与传统的方法相比,基于卷积神经网络的方法能够显著提升立体匹配的准确性和运行效率。本文算法从以下几个方面来解决当前双目立体匹配工作存在的问题。针对当前立体匹配工作忽视了聚合网络更需要多尺度上下文信息以进行特征相似性学习的
近几年,随着电力系统、机器人系统、航空航天飞行器的发展,实际工程所涉及的系统越来越复杂,规模越来越大,同时对系统的性能提出了更高要求,越来越多的国内外学者研究大规模非线性系统的控制器设计问题,其中最具代表性的就是下三角非线性系统的控制问题。除了系统更加复杂外,在一些涉及安全、环境保护、以及提高生产质量方面,有的实际系统需要在一定的硬约束或者软约束下运行,若超出了自身的约束条件,系统会不稳定,甚至引
智能交通系统作为人工智能发展的重要组成部分,是智能控制领域的研究热点。无人驾驶车辆的链式编队控制是其中一个重点研究方向,而在实现完全无人驾驶的进程中必然要经历人工驾驶和自动驾驶共存的混合驾驶时期,所以混合驾驶的链式编队也有着重要的研究意义。本文研究了针对无人驾驶和混合驾驶的两种编队控制策略,并分别对两种编队的稳定性进行了研究。主要开展了如下的研究内容:首先,介绍了室内智能交通系统实验平台的构成与工
光子晶体光纤(Photonic Crystal Fibers,PCF)一直以来在光纤通信传感领域中都是一个重点研究的课题。近年来,越来越多的研究者采用PCF基底与金属纳米线结合的方式,通过激发局域表面等离子体共振(Localized Surface Plasmon Resonance,LSPR)来达到检测目的。对耦合器件而言,最初研究的结构具有体积大、成本高、产生SPR现象较困难等缺点。目前,新型
近些年来,受自然生物学研究的启发以及计算机通信、嵌入式等技术的快速发展,各领域学者对多智能体系统展开了广泛的研究。多智能体系统可通过子系统间的信息交互去协作完成单个系统无法完成的复杂任务,具备高效率、高容错性、可扩展性等优势。在实际应用中,受限于网络带宽和信道,多智能体系统子系统信息交互的过程中会存在一定的通信时延。基于Lyapunov稳定性理论,本文主要研究一类具有输入时滞的下三角多智能体系统分
在钢铁冷轧生产过程中,轧制力的预报精度决定着最终成品的厚度及板形的平整度。准确的轧制力预报有助于缩短带材的头尾长度,提高成材率。由于轧制环境复杂多变,各参量间相互耦合,难以建立准确的数学模型。传统的轧制力机理模型为简化推导过程,引入较多假设,无法保证最终预测精度。为提高冷轧机组的轧制力预报精度,依据轧制基本理论,基于深度学习方法建立轧制力模型,进行轧制力预报建模研究。以轧制力机理模型Bland-F