基于PLSCM算法的柔性双足机器人周期步态吸引域的求解

以柔性双足机器人为研究对象,通过拉格朗日方程推导出机器人的动力学方程,分析机器人的周期步态,并计算出周期步态参数的不动点;采用类庞加莱胞映射(Poincare-like simple cell mapping,PLSCM)算法进行仿真获得机器人不动点的吸引域。对距不动点不同距离的胞进行仿真表明:以吸引域内的胞作为初值能使机器人获得稳定的周期步态,并且离不动点距离不同的胞进入稳定步态周期所需的步数不同。从吸引域中取值消除了初值选取的随机性,使得机器人可以快速地进入稳定状态。

基于糖尿病患者步态周期足底压力的变刚度鞋垫设计

目的分析步态周期内糖尿病患者足底压力特征,探究变刚度减压鞋垫的优化设计。方法开展足底压力实验,建立包含157例受试者的数据库。分析糖尿病有神经病变、无神经病变患者和健康人的足底压力分布差异,划分鞋垫压力区域,并按照压力梯度在不同鞋垫区域填充多孔单元。构建糖尿病足-小腿-鞋垫有限元模型,分析足跟着地、动态中立和前掌推离3个姿态下足底压力和内部应力的分布特点,探究最合理的鞋垫刚度设计。结果与健康组相比,糖尿病神经病变患者左、右足足跟区峰值压力和高压百分比均有下降趋势,其中左足足跟区峰值压力减少11%(P=0.026),高压百分比减少9.8%(P=0.02)。鞋垫跖骨高压区、足跟高压区分别采用2.5 MPa和1.9 MPa的多孔单元时,能够使前掌推离、动态中立和足跟着地姿态的足底峰值压力分别降低42.4%、27.4%和26.4%,软组织峰值应力分别降低49.8%、43.6%和25.1%。结论糖尿病患者跖骨区比足跟区溃疡风险更高;基于多姿态下足底压力和内部应力优化的变刚度鞋垫,能有效降低行走时足底峰值压力和软组织峰值应力,为变刚度鞋垫设计提供参考。

基于偏瘫步态周期控制的下肢康复机器人设计

针对目前下肢康复机器人采用实时反馈控制的弊端,基于情感化设计理念提出一种根据偏瘫患者步态周期动态性生成反馈因子的康复控制策略方法。用该方法所构建的康复控制系统更符合偏瘫患者下肢行走节拍,对避免患者异常步态的产生具有良好效果,提升了患者的交互体验。这种根据偏瘫步态周期进行运动控制的方法对研究康复训练机器人的反馈控制算法具有一定的指导作用。

步态周期下内侧半月板后根部分撕裂对膝关节生物力学的影响

背景:目前针对内侧半月板后根撕裂加速膝关节退变相关生物力学研究大多数仅限于在静态仿真设计的基础上对内侧半月板后根完全撕裂模型进行测试,而对内侧半月板后根部分撕裂在完整步态周期下的生物力学行为尚不清楚。目的:运用动态有限元分析的方法来比较正常膝关节模型与内侧半月板后根部分撕裂模型在完整步态周期下生物力学的差异。方法:以健康成年人右膝关节CT扫描数据为基础,建立包括骨、半月板、关节软骨在内的健康膝关节有限元模型,并在健康模型基础上进一步构建膝关节内侧半月板后根撕裂模型。分别在2种模型上施加ISO标准步态载荷进行仿真测试。比较2种模型对应部件在各时相下应力、位移和接触面积的差异。结果与结论:(1)在完整步态周期下,健康模型内侧半月板后根云图应力分布均匀,而病理模型则在损伤区出现应力集中表现,健康模型最大应力出现在30%时刻外侧半月板内缘,值为29.68 MPa,病理模型最大应力出现在50%时刻外侧半月板内缘,值为30.34 MPa;(2)在完整步态周期下,健康和病理模型胫骨软骨应力分布大体一致,2种模型承受最大应力分别出现在步态周围50%,20%时刻,值大小分别为5.11,6.85MPa;(3)2种模型的内侧间室组内差异大于外侧间室组内差异;病理模型各时相内侧胫骨平台应力均值比正常模型高9.3%,最大值为5.73 MPa,出现在支撑相中期;股骨、胫骨接触面积峰值均出现在40%时刻,病理模型各时相股骨软骨接触面积均值比正常模型减少14.6%;(4)研究结果表明在内侧半月板后根部分撕裂发生后膝关节生物力学特性的改变增加了骨关节炎的发病风险。

一种智能膝关节假肢及其步态对称性评价

目的提出一种评价智能膝关节假肢步态对称性的方法。方法设计智能膝关节假肢样机AiKneeOne以及可穿戴式步态数据采集系统。以步态周期中第一次双脚支撑时间、单脚支撑时间、第二次双脚支撑时间和摆动相时间作为参数,计算对称指数(SI)和对称指标比率RⅠ、RⅡ评估步态对称性指标。5例健康人模拟穿戴AiKneeOne,以0.5、0.7、1.1 m/s速度在平板上行走,采用可穿戴式下肢步态数据采集系统采集数据,进行实测。结果不同速度下,第一次双脚支撑和第二次双脚支撑时,SI和RⅡ绝对值较低、RⅠ接近1,对称性较好;单脚支撑和摆动相时,对称性有待提高。结论智能膝关节假肢AiKneeOne具备重建截肢者步态的潜力,步态对称性指标可用于智能膝关节假肢穿戴性能评估测试。

基于帧差时空特征的步态周期检测方法

针对传统基于可穿戴传感设备步态周期检测方法需要用户高度配合的问题,本文采用计算机视觉的方法来研究高精度步态周期检测算法。受帧差法的启示,本文设计一种全新的步态图像表达特征-帧差步态时空特征,该特征不仅蕴含了步态运动的空间,还含有步态运动的时间信息,能较好地表达步态运动周期中的各个状态。基于帧差步态时空特征,设计足趾离地状态检测算法,进而实现步态周期的自动检测。实验结果表明,本方法能精确检测步态周期中的足趾离地状态帧。

基于峰-谷分段积分算法的行走步态周期识别

将表面肌电信号(SEMS)作为信息源,提出一种基于峰-谷分段积分算法的人体行走步态周期识别方法。通过凌阳SPCE061A单片机对SEMS进行实时采集,使用RS232串行口与PC机进行通信,将SEMS的数字量信息传递给PC机。在Visual C++环境下建立步态周期识别界面,采集6位被测者行走时的8个下肢SEMS。实验结果表明,该方法能提高识别结果的准确性和可靠性。

高跟鞋鞋跟结构对步态周期和下肢运动的影响

采用Footscan平板式足底压力测量系统和Coda Motion三维运动捕捉系统测量14名女性穿着跟高为30、50、70mm及跟型为细跟、粗跟和坡跟9种高跟鞋正常行走时,鞋-地界面间的压力中心数据、步态周期数据和行走过程中下肢关节角度的变化。结果表明:包括鞋跟高度和形状在内的鞋跟结构主要参数的改变,均会对支撑期各时相所占百分比产生影响;随着跟高的增加,压力中心在内外侧方向上的位移,显著增加,稳定性减小;随着跟高的增加,膝关节弯曲角度减小,踝关节跖屈角度增大,背屈消失,跟腱角增大;依据鞋跟形状及鞋跟高度,鞋的舒适度排序为,粗跟>坡跟>细跟,30mm>50mm>70mm。

高跟鞋鞋跟结构对步态周期和下肢运动的影响(续)

采用Footscan平板式足底压力测量系统和Coda Motion三维运动捕捉系统测量14名女性穿着跟高为30、50、70mm及跟型为细跟、粗跟和坡跟9种高跟鞋正常行走时,鞋-地界面间的压力中心数据、步态周期数据和行走过程中下肢关节角度的变化。结果表明:包括鞋跟高度和形状在内的鞋跟结构主要参数的改变,均会对支撑期各时相所占百分比产生影响;随着跟高的增加,压力中心在内外侧方向上的位移显著增加,稳定性减小;随着跟高的增加,膝关节弯曲角度减小,踝关节跖屈角度增大,背屈消失,跟腱角增大;依据鞋跟形状及鞋跟高度,鞋的舒适度排序为,粗跟>坡跟>细跟;30mm>50mm>70mm。

中底硬度与步态周期对足底压力中心轨迹的影响

将三种不同硬度的材料用于职业女鞋中底前掌的制作。使用Footscan R压力板&测力台组合系统采集36名女性穿着三双试验鞋正常行走时的时相和压力中心轨迹数据。三双试验鞋的中底前掌材料分别为SRVS、SRS和SRF;肖氏硬度分别为12、18和22。结果表明:中底材料硬度对步态周期时相和足底压力中心轨迹均有显著性影响。SRS试验鞋初始着地期时长显著大于SRVS试验鞋,前掌着地期时长显著大于SRF试验鞋,蹬离期时长显著小于SRVS和SRF实验鞋。中底硬度过小时COP在内外方向的摆动增加,足部稳定性下降;中底材料硬度过大,会引起跖屈不足而增大摔倒的风险。

基于步态周期下跨栏运动员步态及下肢表面肌电特征分析

背景:近年来对跨栏运动员的研究方法主要采用录像解析结合DLT算法获取技术参数,对跨栏运动员正常步行下步态和表面肌电特征的研究甚少。目的:实验旨在完整步态周期下,探讨跨栏运动员步态及下肢表面肌电特征的变化。方法:男性专业跨栏运动员8名在步道上分别进行步态和下肢表面肌电测试,运用数理统计法分析步态、下肢表面肌电信号的差异。结果与结论:(1)跨栏运动员步态参数无显著性差异(除步长外);(2)完整步态周期中,随着步态的周期性变化,下肢同名肌肉表面肌电呈左右交替的肌电活动;(3)下肢肌群中攻栏腿的中位频率和平均功率频率值大于摆动腿(除股二头肌、胫骨前肌及腓肠肌外侧),但攻栏腿的平均肌电值和肌电积分值小于摆动腿;(4)站立相阶段,下肢各肌群攻栏腿的中位频率和平均功率频率值大于摆动腿(除胫骨前肌),但攻栏腿的平均肌电值和肌电积分值小于摆动腿(除比目鱼肌);(5)摆动相阶段,下肢各肌群攻栏腿的中位频率和平均功率频率值大于摆动腿(除胫骨前肌及腓肠肌外侧),但攻栏腿的平均肌电值和肌电积分值小于摆动腿(除比目鱼肌);(6)结果显示:完整步态周期中,跨栏运动员步态参数差异不显著,下肢同名侧肌肉表面肌电信号随步态的周期性运动呈左右交替的肌电活动,各肌群攻栏腿和摆动腿表面肌电频域和时域具有不同程度的差异,且攻栏腿肌肉力量小于摆动腿。

前交叉韧带重建后静态站立及步行时的平衡和步态特征

背景:前交叉韧带断裂是常见运动损伤之一,一般采用前交叉韧带重建治疗,术后常出现平衡及步行能力下降,目前缺少相关的全面对比研究。目的:探究前交叉韧带重建后患者静态站立和步行时的平衡及步态特征,并与健康人做全面对比分析,为康复方案的制定提供科学指导。方法:选择前交叉韧带重建后6-8周患者和健康人(健康对照组)各23例,利用足底压力平板采集静态站立时足底压力中心95%置信椭圆面积、路径长度、平均移动速度及长短轴长度,同时采集步行时的足底压力中心位移、步态线长度、最大移动速度、步态时相占比以及三足区的最大压力。结果与结论:(1)静态站立平衡:前交叉韧带重建组的足底压力中心95%椭圆面积、路径长度、平均移动速度、长短轴长度较健康对照组明显增加(P<0.05),同时站立时前交叉韧带重建组前足负重大于健康对照组(P<0.05);(2)步行平衡特征:前交叉韧带重建组与健康对照组比较,足底压力中心内外侧位移显著变大(P<0.05),前后方向位移和最大移动速度无明显差异;前交叉韧带重建组患侧与健侧、患侧与健康对照组、健侧与健康对照组相比,前者的步态线和单支撑线长度均小于后者(P<0.05);(3)步态周期特征:前交叉韧带重建组的步宽及双支撑期均大于健康对照组(P<0.05),跨步长小于健康对照组(P<0.05);前交叉韧带重建组患侧与健侧比较,站立相、单腿支撑期、摆动前期及足跟到前足时间均减少(P<0.05),而承重反应期和摆动期增加(P<0.05);患侧与健康对照组相比,足偏角、承重反应期和摆动前期增加,单腿支撑期降低(P<0.05);健侧与健康对照组相比,站立相、承重反应期、摆动前期及足跟到前足时间均明显增加,摆动期减少(P<0.05);(4)三足区最大压力:患侧与健侧比较,前足、足弓和足跟的最大压力均显著降低(P<0.05);患侧与健康对照组比较,三足最大压力也明显减少(P<0.05);健侧与健康对照组比较,前足最大压力降低明显(P<0.05),而足弓与足跟无显著差异;(5)结果表明,前交叉韧带重建后6-8周患者的静态及动态平衡能力均明显低于健康人,且健侧的平衡功能也显著下降;在步行中患者出现跨步长缩短、步宽增加,患侧支撑期减少、摆动期增加等步态问题;提示术后康复时要注重患者双侧的平衡及步态训练。

步态周期中踝关节有限元模型的构建及生物力学分析

背景:踝关节属于人体最重要的承重关节之一,在行走过程中发挥着重要作用,目前缺少有关踝关节在步态周期中应力的相关研究。目的:基于有限元法分析步态周期中踝关节的应力大小及区域变化。方法:首先通过Mimics 16.0软件及Rapidform XOR364软件构建踝关节有限元模型;利用此踝关节模型与Anderson构建的胫距下关节面有限元模型的应力及接触面积进行对比,验证模型的有效性;最后通过ABAQUS有限元分析软件,模拟踝关节在步态周期中平衡站立工况及支撑末期工况的应力状态,通过对比相同区域不同工况的应力变化,分析踝关节在步态周期中的作用,探讨踝关节失稳状态下踝关节的应力变化。结果与结论:①构建的踝关节有限元模型共包括44551个单元、16718个节点,并验证了其有效性与合理性;②平衡站立工况下:主要应力集中在距腓前韧带(A、B)、胫距前韧带(C、D)、胫距后韧带近端(F)、胫距关节下表面(H);踝关节最大应力在胫距后韧带近端附着点(F),为10.670 MPa;最小应力在内踝胫骨关节面(J),为2.965 MPa;③支撑末期工况下:主要应力集中在距腓前韧带(A、B)、胫距前韧带(C、D)、胫距关节下表面(H)、外踝距骨关节面(K);踝关节最大应力在胫距前韧带近端(D),为23.00 MPa;最小应力在胫距后韧带近端附着点(F),为3.478 MPa;④提示构建的踝关节有限元模型高度还原了踝关节的力学环境,明确了步态周期中踝关节的应力规律,为临床踝关节相关疾病的诊疗与术后康复提供了思路。

基于肌电信号的行走步态周期识别方法与实验系统的设计

通过下肢表面肌电信号的人体行走步态周期识别方法设计了实验系统;针对表面肌电信号的微弱性、交变性、低频性等特点,提出了识别肌肉动作起始时刻的峰—谷线性插值分段积分算法,并将该算法与阈值法相结合,提取足跟着地前肌肉动作起始时刻,从而达到划分步态周期的目的;该方法仅需单通道信号作为信息源,不同被测者可以选用不同的肌电信号;有效回避了肌电信号传感器零点漂移现象;文中分别对5位被测者行走时的7个下肢肌电信号进行采集,以VisualC++为工具,基于用户界面设计了步态周期的识别系统,其系统识别结果验证了该方法具有广泛性、可靠性、准确性和实用性。

逆动力学步态仿真髌股关节生物力学有限元分析

为了分析髌骨脱位患者行走步态下的髌股关节内生物力学表现,建立了健康髌股关节、Ⅰ度髌骨脱位和Ⅱ度髌骨脱位的髌股关节有限元模型,利用逆动力学仿真输出了步态周期中所需的关节力与肌肉力作为有限元分析载荷边界条件,并计算分析步态支撑期内3组模型在4种屈膝角度(10°、20°、26°、30°)时刻的髌股关节应力分布和接触面积.研究结果表明髌股关节间过大的接触应力和接触面积的减小是导致膝前痛患者出现疼痛和代偿性步态的原因,Ⅱ度髌骨脱位患者症状更为严重.4种角度下Ⅰ度髌股脱位关节股骨侧的关节间应力峰值为8.67 MPa,髌骨侧为10.56 MPa,相比健康关节分别增加了354%和293%;Ⅱ度髌股脱位关节股骨侧的关节间应力峰值为14.27 MPa,髌骨侧为14.88 MPa,相比健康关节分别增加了647%和453%;在取得应力峰值的角度下Ⅰ度髌骨脱位和Ⅱ度髌骨脱位模型的关节间接触面积分别是健康关节的29.12%和25.41%;异常的关节间接触面和过高的关节间应力导致髌骨脱位模型的应力峰值屈膝角度由20°变为30°,并引起关节软骨退变.

步态周期下各级骨关节炎软骨力学行为的数值分析

背景:各级骨关节炎软骨的力学环境对骨关节炎发展的进程具有一定的影响,计算机模拟仿真提供了一种量化膝关节软骨力学环境的方法,使利用有限元技术来研究各级骨关节炎软骨的力学行为成为可能。目的:通过数值模拟对比研究健康成人与各级骨关节炎患者在步态周期下软骨的应力分布及软骨内液体流速变化的规律,探索骨关节炎患者步态周期下的力学行为。方法:通过CT和MRI扫描得健康成年人膝关节数据,应用软件Abaqus建立全膝关节三维有限元模型。通过Hypermesh划分全膝关节网格,再设定全膝关节内部各部件间绑定关系及相互作用,最后通过改变软骨的材料属性及调整各相的时长和股骨与胫骨平台间的夹角来实现模型中对健康成人与各级骨关节炎软骨载荷及边界条件的设定。结果与结论:①模拟结果表明,在步态周期内股骨软骨和胫骨软骨的平均Mises应力和软骨内液体流速变化的曲线均为先增大后减小;②相比于健康成人,各级骨关节炎患者随病程加重,软骨的Mises应力持续减小,软骨内液体流速则先增大,当发展到3级骨关节炎流速则减小;且各级骨关节炎软骨的Mises应力和液体流速的变化范围也减小;③因此,随着骨关节炎病程持续发展,患者在步态周期下软骨的内液体流速增大、Mises应力减小及关节表面应力变化范围减小,从而导致关节承重和缓震能力减弱。

步态周期下不同克氏针张力带治疗髌骨横行骨折的有限元分析

背景:不同种克氏针张力带固定治疗髌骨横行骨折的动态生物力学分析研究较少。目的:利用三维重建技术,分析“8”字型克氏针张力带和“0”字型克氏针张力带治疗髌骨横行骨折术后在完整步态周期内的生物力学差异。方法:基于人体膝关节CT扫描数据,利用Mimics,Geomagic Studio,Hypermesh以及Abaqus等三维重建软件建立“8”字型和“0”字型克氏针张力带治疗髌骨横行骨折有限元模型,通过加载材料属性、设置边界条件、施加载荷等操作模拟术后膝关节的一个完整步态周期,分析2种固定模型位移和应力方面的差异。结果与结论:①在完整步态周期内,应力值的变化与屈曲角度的变化呈正相关趋势,且在步态周期的70%处达到应力最大值;在同一个步态瞬时,“0”字型模型各部件应力均小于“8”字型模型所受应力;②在一个完整周期内2种模型各部件位移变化随着屈曲角度的增加而增大,在步态周期的70%处达到位移峰值,而在同一个步态瞬时,“0”字型模型各部件位移均小于“8”字型模型各部件的位移;在位移峰值处,“0”字型模型髌骨、克氏针与钢丝的位移分别比“8”字型模型小10%,11%和13%;③结果表明,在完整步态周期内,2种张力带模型高应力区均主要集中在髌骨骨折线附近以及内固定的接触部位,但“0”字型模型中各部件的应力峰值均小于“8”字型模型,并且在骨折端及内固定物的稳定性上更优于“8”字型张力带模型,具有更优秀的生物力学效果。

基于下肢轮廓特征的步态周期算法

步态周期是步态的一个重要特征,步态识别是建立在准确的步态周期分割之上的。本文提出了一个基于下肢轮廓的步态周期检测方法,首先对步态序列图像进行灰度化,然后计算各像素点在步态图像序列中的中值,获取整个步态序列图像的背景,提取人体目标后,利用数学形态学方法和区域跟踪算法填补二值化图像中的空洞;采用轮廓跟踪算法获得人体下肢轮廓,并将其转换为对应距离向量,在一个步态系列中利用距离向量范数研究步态周期。本算法计复杂度低,鲁棒性好,精确度高。

运用常用软件对模糊监控录像中步态周期的研究

监控录像模糊不清,难以辨认其中的细节,不能直接为侦查破案提供有价值的线索。本文提出了利用多个常规的软件对模糊监控录像进行步态周期测算的方法。

基于卷积神经网络的步态周期检测方法

针对步态周期检测直接影响到步态识别的计算量和精度的问题,本文基于深卷积神经网络实现步态周期检测,分别通过将步态序列根据周期性进行分类,和将步态序列拟合为正弦函数进行步态周期性检测的方法,对步态周期进行建模。其关键思想是根据步态周期的规律性,将步态起伏作为分类问题或一个正弦函数来建模,步态视频中的每个帧对应一个可以表示其周期特征的类别或函数值。而卷积神经网络被用于提取步态帧的周期性特征,以定位该帧在周期中的位置,得到分类或回归结果,最终实现步态周期检测。在CASIA-B数据集的不同视角下采用了多种网络结构进行了周期检测效果的验证。实验结果表明:该方法对步态周期性检测具有良好的精度和鲁棒性。