【技术实现步骤摘要】
本专利技术涉及康复训练，尤其涉及一种具有泛化性能的下肢康复训练轨迹优化方法。
技术介绍
1、在日常生活中，越来越多的人因为工伤、风险事故、病理等因素而导致下肢功能性障碍。在治疗过程中，不仅包括手术、药物等治疗方法，更加重要的是术后康复训练。现阶段的下肢康复轨迹过于固定，目前多采用蹲起、抬腿、走路、踏步等动作对患者进行康复训练，且因为不同的患者，其体态特征(包括身高，性别等因素)不同，因此在利用下肢外骨骼进行康复时，其康复训练轨迹也会因人而异。然而目前外骨骼康复机器人多数采用固定轨迹，而固定轨迹无法适应不同体型和病情的患者需求。这样的训练方法，在康复轨迹上过于固定，且在训练前准备上，花费较多时间、人力、物力。
2、因此，在下肢康复机器人辅助患者实现康复治疗过程中，如何合理的规划康复外骨骼机器人运动路径和优化路径以提高患者康复体验都尤为重要。
技术实现思路
1、为解决现有技术中存在的不足，本专利技术的目的在于，提供一种具有泛化性能的下肢康复训练轨迹优化方法。
2、为实现本专利技术的目的，本专利技术所采用的技术方案是：
3、一种具有泛化性能的下肢康复训练轨迹优化方法，包括步骤：
4、(1)设计下肢外骨骼初始状态，健康受试者穿戴下肢外骨骼与imu，驱动下肢外骨骼在横断面上环绕，通过imu采集运动轨迹；对采集到的运动轨迹数据通过逆运动学求解特征参数；
5、(2)将采集到的运动轨迹的采样点的x坐标和y坐标分离成两个向量分别包含x轴上的
6、(3)分别对向量和向量进行聚类，得到不同的聚类簇；对每个簇采用插值算法，使其在时间长度上一致；对插值后的数据采用dba分析，获取每个簇的中心向量；
7、(4)选取健康受试者特征参数，分别与向量和向量的中心向量训练特征分类器；
8、(5)将患者的特征参数输入分类器，选取得分最高的两个向量提取出来，组成一个完整的运动轨迹，作为患者的康复运动轨迹。
9、进一步地，步骤(1)中，健康受试者特征参数包括髋关节、膝关节、踝关节弯曲角度以及大腿和小腿长度。
10、进一步地，步骤(2)中，将冠状面投影到横断面形成x轴，矢状面投影到横断面形成y轴，以下肢外骨骼站立状态的踝关节为原点o。
11、进一步地，步骤(3)中，具体步骤：
12、(3.1)对于获得的每条向量和向量，分别对其使用k-medoids聚类，选取簇中心点的准则函数为dtw；
13、(3.2)对所有数据进行插值，确保向量的最大值和向量第二个为0的值的时间点是对齐的；
14、(3.3)对插值后的向量进行dba分析，选取其代表性向量作为每个簇的中心向量。
15、进一步地，步骤(3.1)中，将数据分离后所产生的向量分为多组序列，使用dtw作为距离度量，计算每对时间序列之间的距离，然后使用这些距离来进行标准的k-medoids聚类。
16、进一步地，步骤(3.2)中，对每个簇运用三次样条插值算法，选取向量最大值和向量第二个为0的值的平均时间点作为对齐时间点，在此点前后进行插值，将其扩充到一致长度。
17、进一步地，步骤(3.3)中，中心向量的计算如下：
18、
19、令t＝{t1,t2,…,tn}是一个序列集，x为平均序列，初始的平均序列随机，经过层层迭代，直到找到满足条件的即满足：
20、
21、将dtw转化成欧式表达式：
22、
23、其中，m(l)是新序列集合m的第l个点，l是序列的长度；
24、对上式求偏导得到：
25、
26、为：
27、
28、进一步地，步骤(4)中，将得到的向量和向量的中心向量与其簇内对应的健康受试者的特征参数分别两两之间训练一个svm分类器，用于分类的特征参数包括大腿长度和小腿长度以及性别。
29、进一步地，步骤(5)中，将患者的特征参数输入到分类器，分类器会分类出符合特征参数的向量和向量，将向量和向量相同时刻的值进行匹配组合成一个坐标点，得到完整的运动轨迹。
30、本专利技术的有益效果在于，与现有技术相比，本专利技术可针对不同患者的身体参数，自动配对最合适的康复训练轨迹，这将大幅度减小时间、资源、人力成本，且能使患者得到一个最适合训练的轨迹。
31、通过采用dtw准则函数，可以消除轨迹时间不同所带来的影响，保留数据源的真实性。采用dba技术可以根据距离，进一步赋予不同的权重，考虑聚类簇内，所有情况，消除偏执性，选取具有代表性的向量。
32、通过对每种类型的代表性向量，两两之间训练一个svm分类器，将得分最高的向量和向量组合起来，即可得到一个完整的运动轨迹，此运动轨迹的向量和向量相当于来自不同健康受试者，这样的组合更可能适应不同患者的情况，以达到泛化性能。
本文档来自技高网...【技术保护点】
1.一种具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，包括步骤：
2.根据权利要求1所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(1)中，健康受试者特征参数包括髋关节、膝关节、踝关节弯曲角度以及大腿和小腿长度。
3.根据权利要求1所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(2)中，将冠状面投影到横断面形成x轴，矢状面投影到横断面形成y轴，以下肢外骨骼站立状态的踝关节为原点O。
4.根据权利要求1所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(3)中，具体步骤：
5.根据权利要求4所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(3.1)中，将数据分离后所产生的向量分为多组序列，使用DTW作为距离度量，计算每对时间序列之间的距离，然后使用这些距离来进行标准的K-Medoids聚类。
6.根据权利要求4所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(3.2)中，对每个簇运用三次样条插值算法，选取向量最大值和向量第二个为0的值的平均时间点
7.根据权利要求4所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(3.3)中，中心向量的计算如下：
8.根据权利要求1所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(4)中，将得到的向量和向量的中心向量与其簇内对应的健康受试者的特征参数分别两两之间训练一个SVM分类器，用于分类的特征参数包括大腿长度和小腿长度以及性别。
9.根据权利要求1所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(5)中，将患者的特征参数输入到分类器，分类器会分类出符合特征参数的向量和向量，将向量和向量相同时刻的值进行匹配组合成一个坐标点，得到完整的运动轨迹。
...【技术特征摘要】
1.一种具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，包括步骤：
2.根据权利要求1所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(1)中，健康受试者特征参数包括髋关节、膝关节、踝关节弯曲角度以及大腿和小腿长度。
3.根据权利要求1所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(2)中，将冠状面投影到横断面形成x轴，矢状面投影到横断面形成y轴，以下肢外骨骼站立状态的踝关节为原点o。
4.根据权利要求1所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(3)中，具体步骤：
5.根据权利要求4所述的具有泛化性能的下肢康复训练轨迹优化方法，其特征在于，步骤(3.1)中，将数据分离后所产生的向量分为多组序列，使用dtw作为距离度量，计算每对时间序列之间的距离，然后使用这些距离来进行标准的k-medoids聚类。
6.根据权利...
【专利技术属性】
技术研发人员：柯霄汉，杜昊，王琛琛，唐顿，金晶，王薇，
申请(专利权)人：上海术理智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。