功能性電刺激的動(dòng)力學(xué)NARMAX-ANFIS肌肉建模及模糊PID控制.pdf

1、近年來，基于功能性電刺激(Functional Electrical Stimulation，F(xiàn)ES)的無支撐站立及智能助行康復(fù)技術(shù)受到了廣泛關(guān)注，成為神經(jīng)工程、康復(fù)工程及運(yùn)動(dòng)醫(yī)學(xué)領(lǐng)域的研究熱點(diǎn)。FES是指利用表面電極或植入式電極刺激失去神經(jīng)控制的肌肉，使肌肉產(chǎn)生收縮，從而恢復(fù)人體特定部位功能的交叉前沿技術(shù)，其刺激動(dòng)作效果的精準(zhǔn)程度主要依賴于刺激肌肉模型的可靠性和控制算法的有效性。
　　 本文從人體運(yùn)動(dòng)學(xué)信息出發(fā)，通過逆動(dòng)力學(xué)推

2、導(dǎo)出膝關(guān)節(jié)力矩，進(jìn)而建立基于膝關(guān)節(jié)力矩與功能性電刺激等級(jí)的肌肉模型，聯(lián)合后續(xù)設(shè)計(jì)的控制器形成閉環(huán)反饋控制，對(duì)功能性電刺激的刺激模式進(jìn)行動(dòng)態(tài)調(diào)整以實(shí)現(xiàn)精確的控制效果。研究中采用了外輸入非線性自回歸滑動(dòng)平均(NARMAX)和自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)兩種不同的非線性動(dòng)態(tài)建模方法分別對(duì)15名受試者進(jìn)行了肌肉建模實(shí)驗(yàn)，其中NARMAX建模采用基于MGS最小二乘辨識(shí)的方法對(duì)過程模型項(xiàng)和參數(shù)進(jìn)行了一體化辨識(shí)，結(jié)果顯示受試者輸出誤差均值低于

3、0.2(N*M)，誤差方差低于0.1；ANFIS建模方法結(jié)合了模糊推理和神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，通過數(shù)據(jù)訓(xùn)練對(duì)模糊推理的初始模型結(jié)構(gòu)以及參數(shù)進(jìn)行調(diào)整，以實(shí)現(xiàn)模型的最佳輸出，結(jié)果顯示受試者輸出誤差均值低于0.12(N*M)，誤差方差低于0.06。兩種算法建立的關(guān)節(jié)力矩和刺激電流等級(jí)模型均具有較高的穩(wěn)定性和準(zhǔn)確性，ANFIS的建模結(jié)果略好。
　　 研究中設(shè)計(jì)了模糊PID控制器，可根據(jù)期望的關(guān)節(jié)力矩和實(shí)際輸出之間的實(shí)時(shí)誤差對(duì)控制器的參數(shù)進(jìn)行優(yōu)

4、化，實(shí)現(xiàn)了更為精確的電流模式調(diào)控。模糊PID控制器分別聯(lián)合NARMAX和ANFIS肌肉模型進(jìn)行了相關(guān)反饋控制測試，其中基于NARMAX肌肉模型的模糊PID控制器跟蹤的絕對(duì)平均誤差低于0.3(N*M)，而基于ANFIS肌肉模型的模糊PID控制器跟蹤的絕對(duì)平均誤差低于0.05(N*M)，控制跟蹤效果遠(yuǎn)優(yōu)于前者。
　　 本文研究結(jié)果表明，可靠的肌肉模型可為功能性電刺激實(shí)現(xiàn)精確的反饋控制提供保障，ANFIS建立的基于膝關(guān)節(jié)力矩和刺激等級(jí)