仿蟹机器人交错等相位波形步态研究

在观察生物螃蟹的基础上,研制了仿蟹机器人实验样机.利用事件序列法对生物螃蟹的行走过程进行了分析,提出了仿蟹机器人交错等相位波形步态.交错等相位波形步态以2n足波形步态为基础,将8个步行足交错分为两组,通过调节组内先后摆动的两步行足间的相位因子,使同组的各步行足相位平均分配在一个步态周期内,以减小机体能量损耗.仿蟹机器人样机行走步态实验结果表明,交错等相位波形步态符合生物螃蟹的运动特点,与双四足步态相比,机器人具有良好的行走稳定性和较小的驱动功率波动幅度,步行状态平稳.

基于表面肌电信号的人体步态事件快速识别方法

针对下肢康复训练机器人主动训练阶段患者运动检测实时性、准确性的需求,提出一种基于动态表面肌电信号的人体步态事件快速识别方法。首先,通过表面肌电信号产生过程数学建模及步态过程中肌肉活动规律分析,给出了基于表面肌电信号强度及其变化特征的步态事件感知原理;其次,以双腿股外侧肌动态表面肌电信号强度及其变化为特征,构建了用于识别支撑和摆动两个步态事件的自适应模糊神经网络模型。实验结果表明:该方法识别结果正确率达95.3%,对足跟触地和脚尖离地事件发生时刻进行识别的平均时间误差分别为21.4ms和24.5ms,同时证明,该方法对步态之间表面肌电信号的差异具有较强的鲁棒性。

下肢康复训练机器人对脑梗死偏瘫病人步行功能与P300影响

目的探讨下肢康复训练机器人对脑梗死偏瘫病人步行功能与P300的影响。方法脑梗死偏瘫病人60例,随机分为对照组和机器人组,各30例。对照组采用常规康复疗法,机器人组在常规康复疗法的基础上给予Lokomat康复训练为主的运动训练方法。两组分别于干预前及干预8周后,采用步态分析仪检测步长、步宽、步频、步速及事件相关电位（ERP）N100、N200、P200和P300电位。结果干预前,两组病人步长、步宽、步频和步速比较差异无显著性（P〉0.05）;干预后,两组步长、步宽、步频和步速均高于干预前,机器人组高于对照组,差异有显著性（t=3.844~12.946,P〈0.05）。干预前,两组N100、N200、P200和P300潜伏期及P300波幅差异无显著性（P〉0.05）;干预后,两组N200和P300潜伏期较干预前降低,P300波幅较干预前增高;机器人组N200和P300潜伏期较对照组降低,P300波幅较对照组增高,差异有显著性（t=2.160~4.251,P〈0.05）。结论早期进行机器人康复训练可改善脑梗死病人步行功能,并且对于脑卒中病人认知功能的提高具有明显的促进作用。

基于多传感器的人体运动模式识别

针对日常生活中人体的运动具有准周期特性的特点,设计了一种基于加速度信息与脚底压力的下肢运动信息采集系统。通过采集脚底压力信息监测关键步态事件,在事件前后对下肢加速度数据进行特征提取,从而对4种常见行为(走路、跑步、上楼和下楼)进行识别。实验结果表明:提出的方法在仅提取较为简单的时域特征信息情况下,平均识别正确率为94. 79%。

研究步态分类的一种新方法

提出一种研究步态分类的新方法——“事件矩阵法”。在给出事件矩阵和有关步态分类研究中的一些定义的基础上,应用事件矩阵对步态分类问题进行了讨论,表明“事件矩阵法”比采用步态矩阵研究步态分类问题更简单、更有效。

基于足底压力传感器的步态识别方法研究

助力型外骨骼机器人的控制策略是当前国内外研究的热点,准确的预测人体行走的状态是控制系统具有预见性及快速响应能力的前提及基础。通过对足底压力进行测量后使用极限学习机(ELM)学习算法对数据进行训练及预测,并在此基础上提出了一种对足跟触地、足跟离地、足尖触地、足尖离地4种步态事件进行识别的屏蔽窗识别算法。实验结果表明在2.4、3.6、4.8 km/h 3种不同速度的行走状态下,ELM算法针对足底压力具有较高的预测精度,各传感器均方根误差(RMSE)平均值约为0.68。步态事件屏蔽窗识别算法相较传统固定阈值算法识别正确率大大提高,平均识别正确率达到约93.5%。

一种基于足底压力传感器的步态分析系统

介绍了一种低成本的基于足底压力传感器的步态分析系统,智能鞋对压力传感器信号进行采集并通过无线蓝牙方式传输到上位机,使用Matlab实现智能鞋与上位机的串口通信、数据实时显示、步态周期的检测算法和步态分析功能,并基于Matlab GUI设计了一套简洁方便的人机界面。实验结果表明,该系统具有一定的应用价值。

步行速度测量在老年人衰弱不良事件中的应用进展

21世纪以来,中国进入人口老龄化社会模式的进程明显加快,到2033年我国老年人口将突破4亿人次大关,25%的国内人口是老年人[1-2]。随着年龄增长,老年人面临更多的身心健康问题,衰弱是一种在老年人群中普遍存在的非健康状态。衰弱引起老年人机体脆弱和易患病,同时导致跌倒、失能或日常生活活动障碍等不良事件发生率增高[3]。老年人衰弱还会导致患者出现不良结局的风险增加,严重影响患者的生活质量[4]。衰弱表型及诊断标准是体重下降、疲惫感、步行速度缓慢、手握力下降、体能下降,符合以上5条中的3条及以上即可诊断为衰弱综合征[5]。研究指出[6],老年人衰弱与跌倒、行动不便等负面结局有着密切的联系。步行速度(gait speed)是指自然状态行走时单位时间内整体移动的直线距离。

益气活血通络方加味联合步态训练在缺血性脑卒中恢复期偏瘫患者中的应用效果

目的:探讨益气活血通络方加味联合步态训练在缺血性脑卒中恢复期偏瘫患者中的应用效果。方法:选取2019年5月-2021年11月厦门市康复医院缺血性脑卒中恢复期偏瘫患者96例。根据随机数字表法将其分为对照组和观察组,各48例。对照组给予步态训练,观察组给予益气活血通络方加味联合步态训练。比较两组干预前、干预8周后症候积分、步态情况、行动能力、Barthel指数及不良事件。结果:干预8周后,观察组半身活动不遂、肢体软弱、偏身感觉异常、口眼歪斜、言语謇涩评分均低于对照组(P<0.05)。干预8周后,观察组步长、步幅、步速与支撑相均高于对照组,摆动相低于对照组(P<0.05)。干预8周后,两组上肢、下肢、Barthel指数评分均明显提高,观察组上肢、下肢、Barthel指数评分均高于对照组(P<0.05)。观察组干预期间不良事件发生率低于对照组(P<0.05)。结论:益气活血通络方加味联合步态训练用于缺血性脑卒中恢复期偏瘫患者中,能降低患者症候积分,改善步态,提升行动能力及日常生活能力,有助于降低不良事件发生率,值得推广应用。

社区人群队列的步态和不良预后相关性研究进展

步态是可以反映老年人全身多系统情况的重要指标,近些年来逐渐受到关注。步态异常在社区老年人中常见,不仅增加跌倒的风险,加重生活能力的丧失,并且增加远期全因死亡风险,其中心血管死亡风险的增加最为突出。步态异常与远期痴呆风险的关联性主要发生在除阿尔茨海默病外的其他类型的痴呆上。本文针对老年人步态异常与不良事件的关系的研究进展进行综述,旨在强调步态参数对老年人不良预后提示的重要性。在后续研究中,建立步态参数采集和测量的统一标准对步态障碍的深入研究具有重要意义。

基于经验模态分解法和摆动脚参数的行走速度估计

行走速度估计是提高自适应跑步机功能和性能的有效手段,该文针对自适应跑步机用户行走速度估计,提出了一种基于经验模态分解法和摆动脚参数的行走速度估计方法。该方法推导并阐明了用户行走时摆动脚平均速度与用户实际行走速度之间的关系。为了解决加速度双重积分产生的信号漂移和累积误差的问题,首先基于经验模态分解方法将加速度积分后得到的摆动脚速度分解至不同频段,在去除掉漂移分量后,选择与步频相近的本征模函数对速度进行重构;然后,针对由积分累积误差引起的模态混叠现象,采用集成经验模态分解法对速度积分后得到的摆动脚位移进行分解与重构。通过划分摆动脚位移完成脚尖离地和脚跟着地的步态事件来获取摆动相的时间和脚部位移,并据此计算出摆动脚平均速度用作行走速度估计。进行了5种不同行走速度下的速度估计测试,并与传统方法进行对比,证明了论文所提方法的有效性和优越性。

基于卷积神经网络的足跟着地事件检测算法

为解决基于可穿戴传感器的步态事件检测技术对个体配合程度依赖性大、能耗高、应用条件苛刻等问题,提出一种基于机器视觉的足跟着地事件检测算法,可以在不需要参与者合作的情况下,利用普通摄像机实现对足跟着地事件的精确检测。提出一种新颖的特征,即连续轮廓帧差图(CSD-maps)来表达步态模式。一个连续轮廓帧差图可以将视频帧中行人连续的轮廓二值图编码到一张特征图中,使其蕴含丰富的步态时空信息。不同数量的行人连续轮廓帧差会产生不同的连续轮廓帧差图。利用卷积神经网络对连续轮廓帧差图进行特征提取和足跟着地事件分类。在公开数据库上,对124名受试者在5个视角下不同穿着状态的视频数据进行训练和测试,实验结果表明,该方法具有良好的检测精度,识别准确率达93%以上。

欠驱动3D双足机器人步态切换控制策略（英文）

由于应用前景广泛,双足机器人研究引起国内外学者重点关注。实际中,双足机器人常需进行步态切换以实现灵活步行。本文针对一个五杆欠驱动3D双足机器人步态切换问题,提出一种基于分层控制的切换控制策略。该策略包括切换控制器设计以及基于事件的反馈控制器设计。所设计的基于事件反馈控制器会在每一步对反馈增益进行自适应更新,而所设计的切换控制器将引导机器人从当前步态到达目标步态的邻域范围以实现平滑收敛。与以往研究相比,本文采用参数优化法设计切换控制器参数,确保机器人在步态切换过程中满足物理约束条件。最后,为验证所提控制策略的有效性,针对欠驱动3D双足机器人进行了数值仿真验证。