基于角速度的膝关节屈伸角度实时估计方法

穿戴式膝关节屈伸角度的实时估计对康复评估及外骨骼康复机器人的实时控制有重要作用。利用穿戴在大腿和小腿上的两个角速度传感器实现膝关节角度实时估计。首先离线通过遗传算法优化计算膝关节模型的关节轴,然后在线将这两个角速度传感器数据投影到关节轴上,确定出膝关节屈伸角度变化的角速度差,对角速度差进行积分可得膝关节屈伸角度。同时,利用小腿上的角速度传感器实时判断脚跟着地点时刻,在该时刻对角度进行重置来消除积分漂移。募集5个健康人和2个膝骨性关节炎患者进行实验。结果表明,小腿上的角速度传感器能准确判断脚跟着地点,与压力传感器判断出的脚跟着地时间点相比较,在5个步态周期里,健康组的平均均方根误差为27.88±19.64 ms,患者组的平均均方根误差为54.60±7.21 ms,约占步态周期的3%,有较高精度,符合应用需求。本方法的膝关节屈伸角度估计方法和角度传感器的实际测量数据对比,健康组的平均均方根误差为2.86±0.53°,患者组测试的平均均方根误差为2.00±0.78°。改变大腿上传感器穿戴位置的实验结果为穿戴位置不影响模型估计的角度。本方法操作方便,有效消除积分漂移,实现对膝关节屈伸角度的实时准确估计。

基于惯性传感器的穿戴式步态分析系统设计与实现

步态分析是对下肢运动情况量化评估的重要手段。本文采用基于惯性传感器的步态时空参数估计算法,根据穿戴在小腿上的惯性传感器节点检测步态事件点,再对穿戴在脚跟处的惯性传感器加速度信号进行双重积分计算步长,根据步态时相校正加速度信号以提高步长估计精度。本文设计并实现了基于惯性传感器的步态数据节点采集,完成了硬件和软件的设计。为了验证系统的可靠性和准确性,对3个志愿者进行实验。比较本文设计的步态分析系统和商用locometrix步态分析仪的结果,步长、步速和步频的平均相对误差分别为5.21%、4.51%和11.87%。结果表明利用本文研制的穿戴式步态分析系统能精确估计步态时空参数。