助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法

(19)中華人民共和國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利說明書(10)申請(qǐng)公布號(hào)CN101794114A

(43)申請(qǐng)公布日2010.08.04(21)申請(qǐng)?zhí)朇N201010115882.8(22)申請(qǐng)日2010.03.02(71)申請(qǐng)人天津大學(xué)地址300072天津市南開區(qū)衛(wèi)津路92號(hào)(72)發(fā)明人張廣舉明東程龍龍劉秀云萬柏坤(74)專利代理機(jī)構(gòu)天津市北洋有限責(zé)任專利代理事務(wù)所代理人劉國(guó)威(51)Int.CI G05B13/02

G05B11/12權(quán)利要求說明書說明書幅圖(54)發(fā)明名稱 助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法(57)摘要 本發(fā)明涉及電流脈沖序列來刺激肢體運(yùn)動(dòng)肌群及其外周神經(jīng)裝置中參數(shù)控制方法。具體講，本發(fā)明涉及助行電刺激系統(tǒng)中參數(shù)控制方法。為實(shí)現(xiàn)準(zhǔn)確穩(wěn)定實(shí)時(shí)地控制FES系統(tǒng)的電流強(qiáng)度，有效地提高FES系統(tǒng)準(zhǔn)確性和穩(wěn)定性，本發(fā)明采用的技術(shù)方案是：助行電刺激系統(tǒng)中的參數(shù)控制方法，包括下列步驟：首先對(duì)步行器施加力，引起HRV參數(shù)變化，進(jìn)而利用模糊控制器控制啟動(dòng)；其次，利用遺傳算法整定PID參數(shù)，實(shí)時(shí)調(diào)控助行電刺激系統(tǒng)電流水平強(qiáng)度，最后根據(jù)HRV的變化關(guān)閉助行電刺激系統(tǒng)，PID是指比例單元P、積分單元I和微分單元D三部分。本發(fā)明主要用于康復(fù)治療中的助行電刺激系統(tǒng)。法律狀態(tài)法律狀態(tài)公告日法律狀態(tài)信息法律狀態(tài)

權(quán)利要求說明書1.一種助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法，其特征是，包括下列步驟：

首先對(duì)步行器施加力，引起HRV參數(shù)變化，進(jìn)而利用模糊控制器控制啟動(dòng)，HRV是：柄反作用矢量，是施加在步行器上力的反作用力的向量組合；

其次，利用遺傳算法整定PID參數(shù)，根據(jù)膝關(guān)節(jié)的變化實(shí)時(shí)調(diào)控助行功能性電刺激系統(tǒng)電流水平強(qiáng)度，最后根據(jù)HRV的變化關(guān)閉助行電刺激系統(tǒng)，PID由比例單元P、積分單元I和微分單元D三部分組成。

2.根據(jù)權(quán)利要求1所述的一種助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法，其特征是，所述引起HRV參數(shù)變化，繼而利用模糊控制器控制助行電刺激系統(tǒng)啟動(dòng)是指：首先對(duì)HRV參數(shù)進(jìn)行模糊化，然后在根據(jù)不同的控制規(guī)則計(jì)算，最后去模糊化，不同的控制規(guī)則指：

如dHRV(t)/dt＞a且為第一次出現(xiàn)則啟動(dòng)助行電刺激系統(tǒng)；

如dHRV(t)/dt＜-a

且dHRV(t+T)/dt＞a

則走路狀態(tài)；

如|dHRV(t)/dt|＜a

且HRV(t_s)-HRV(0)＞β則站立狀態(tài)；

如dHRV(t)/dt＜-a

且HRV(t_s)＝HRV(0)則關(guān)閉助行電刺激系統(tǒng)。

3.根據(jù)權(quán)利要求1所述的一種助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法，其特征是，所述遺傳算法整定PID參數(shù)，其整定流程為：首先確定PID的三個(gè)決策變量K_p、K_i和K_d大致范圍和編碼長(zhǎng)度，并對(duì)其進(jìn)行編碼以及隨機(jī)產(chǎn)生n個(gè)個(gè)體組成的初始種群P(0)；

其次選定合適的遺傳算法的參數(shù)：終進(jìn)化代數(shù)G、交叉概率P_c以及變異概率P_m；

最后通過實(shí)際關(guān)節(jié)角度與肌肉模型輸出關(guān)節(jié)角度的相應(yīng)關(guān)系，建立最小目標(biāo)函數(shù)，將種群中各個(gè)個(gè)體解碼成對(duì)應(yīng)的參數(shù)值，并求取相應(yīng)的代價(jià)函數(shù)值和適應(yīng)函數(shù)值，再應(yīng)用復(fù)制、交叉和變異算子對(duì)種群P(t)進(jìn)行操作，產(chǎn)生下一代種群P(t+1)，反復(fù)重復(fù)以上操作，直到參數(shù)收斂或者達(dá)到預(yù)定的指標(biāo)，計(jì)算神經(jīng)網(wǎng)絡(luò)的最終輸出即得PID的K_p、K_i和K_d三個(gè)系數(shù)，在新的PID系數(shù)下計(jì)算系統(tǒng)輸出yout及其與肌肉模型的偏差后再進(jìn)入下一步神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)與加權(quán)系數(shù)自調(diào)整；

反復(fù)此過程，最終實(shí)現(xiàn)PID控制參數(shù)的自適應(yīng)在線整定，并用于助行電刺激系統(tǒng)。

4.根據(jù)權(quán)利要求3所述的一種助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法，其特征是，所述遺傳算法整定PID參數(shù)，其整定流程細(xì)化為：

對(duì)PID參數(shù)進(jìn)行染色體編碼；

隨機(jī)產(chǎn)生初始群體；

基因選擇交叉和變異操作；

染色體解碼得到新參數(shù)；

采樣受控過程的輸入和輸出；

對(duì)受控輸出的最優(yōu)選擇；

群體適應(yīng)度統(tǒng)計(jì)并產(chǎn)生新的群體；

判斷群體是否穩(wěn)定，若否返回基因選擇交叉和變異操作；

輸出優(yōu)化的PID參數(shù)。

5.根據(jù)權(quán)利要求4所述的一種助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法，其特征是，所述對(duì)PID參數(shù)進(jìn)行染色體編碼是，采用多參數(shù)映射二值編碼，即在一條染色體上三個(gè)子串分別表示三個(gè)參數(shù)：0100010011|1100100110|1001100100。

6.根據(jù)權(quán)利要求4所述的一種助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法，其特征是，所述群體適應(yīng)度統(tǒng)計(jì)并產(chǎn)生新的群體，適應(yīng)度函數(shù)是把最優(yōu)預(yù)測(cè)與期望值的反饋偏差error(t)，偏差的變化率error′(t)和控制量u(t)的關(guān)系，作為參數(shù)選取的最優(yōu)指標(biāo)J：

<maths><math><mrow><mi>J</mi><mo>=</mo><msubsup><mo>∫</mo><mn>0</mn><mi>t</mi></msubsup><msub><mi>w</mi><mn>1</mn></msub><msup><mi>error</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>w</mi><mn>2</mn></msub><msup><mi>u</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>w</mi><mn>3</mn></msub><msup><mrow><mo>(</mo><msup><mi>error</mi><mo>′</mo></msup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup><mi>dt</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow></math></maths>

其中，w₁，w₂和w₃是權(quán)值，一般都取w₁＝100，w₂＝10，w₃＝1；

適度函數(shù)為

F＝C/J

(11)

其中，C＝10ⁿ，n為整數(shù)，當(dāng)個(gè)體的是用腦過度相差較大時(shí)，n≤0；相差較小時(shí)，n≥0。

說明書技術(shù)領(lǐng)域

本發(fā)明涉及以電流脈沖序列來刺激肢體運(yùn)動(dòng)肌群及其外周神經(jīng)的裝置中參數(shù)控制方法。具體講，本發(fā)明涉及基于步行器HRV參數(shù)的模糊控制FES系統(tǒng)開閉工作狀態(tài)，涉及助行功能性電刺激系統(tǒng)中遺傳算法整定PID控制參數(shù)的方法。

技術(shù)背景

功能性電刺激(Functional

Electrical

Stimulation，F(xiàn)ES)是通過電流脈沖序列來刺激肢體運(yùn)動(dòng)肌群及其外周神經(jīng)，有效地恢復(fù)或重建截癱患者的部分運(yùn)動(dòng)功能的技術(shù)。目前，由于脊髓再生能力微弱，針對(duì)脊髓損傷癱瘓患者，尚未有可直接修復(fù)損傷的有效醫(yī)治方法，實(shí)施功能康復(fù)訓(xùn)練是一有效的措施。據(jù)統(tǒng)計(jì)，脊髓損傷癱瘓患者人數(shù)逐年增多，功能康復(fù)訓(xùn)練是亟待需求的技術(shù)。20世紀(jì)60年代，Liberson首次成功地利用電刺激腓神經(jīng)矯正了偏癱患者足下垂的步態(tài)，開創(chuàng)了功能性電刺激用于運(yùn)動(dòng)和感覺功能康復(fù)治療的新途徑。目前，F(xiàn)ES已經(jīng)成為了恢復(fù)或重建截癱患者的部分運(yùn)動(dòng)功能，是重要的康復(fù)治療手段。然而，如何精密控制FES的觸發(fā)時(shí)序和脈沖電流強(qiáng)度以保證電刺激作用效果能準(zhǔn)確完成預(yù)定的功能動(dòng)作仍是FES的技術(shù)關(guān)鍵。據(jù)統(tǒng)計(jì)，目前FES的觸發(fā)控制的方式研究尚少，而且根據(jù)作用效果與預(yù)定動(dòng)作偏差，用閉環(huán)控制來自動(dòng)調(diào)整FES刺激強(qiáng)度和時(shí)序參數(shù)，從而大大提高了FES系統(tǒng)的實(shí)時(shí)性、準(zhǔn)確性和穩(wěn)定性，但是現(xiàn)在有效的控制方法仍然在探索之中。

柄反作用矢量(handle

reactions

vector，HRV)根據(jù)步行器幫助下的站立及行走的過程中，步行器提供給患者的效用實(shí)際上可以分為明確獨(dú)立的3個(gè)部分：前后向的力推進(jìn)，左右向的力平衡和上下向的力支持，這其實(shí)也可理解為患者為維持自身正常站立行走對(duì)外界所需的附加力學(xué)訴求提出的新概念，即是患者在站立行走過程中對(duì)步行器的作用合成簡(jiǎn)化為集中載荷，分別用位于手柄中點(diǎn)橫截面形心處的兩個(gè)力學(xué)矢量來表示，如圖1所示。矢量在x，y，z軸上的方向分量合力大小可以分別表征患者借助步行器所獲得的力推進(jìn)，力平衡和力支持水平。其中，定義坐標(biāo)系所設(shè)定的x軸正向?yàn)榛颊叩挠蚁?，y軸正向?yàn)榛颊叩那跋?，z軸正向?yàn)榛颊叩纳舷?。這樣，HRV的定義公式可以寫為：

[HRV]＝[HRV₁，HRV_r]^T＝[F_lx，F(xiàn)_ly，F(xiàn)_lz，F(xiàn)_rx，F(xiàn)_ry，F(xiàn)_rz]^T

(1)

HRV目前用來監(jiān)視在電刺激過程中，病人行走時(shí)的狀況，防止病人摔倒，造成二次傷害。

比例微積分(proportional-integral-differential，PID)是一種非常實(shí)用的反饋調(diào)節(jié)算法，它根據(jù)系統(tǒng)檢測(cè)或操作偏差，利用比例、積分、微分運(yùn)算獲得所需調(diào)節(jié)量以對(duì)系統(tǒng)進(jìn)行反饋控制，因其操作方便而廣泛用于工程實(shí)踐。尤其當(dāng)被控系統(tǒng)特性參數(shù)不明確或難以及時(shí)在線測(cè)定時(shí)，穩(wěn)妥的閉環(huán)控制即可采用PID整定算法。面對(duì)肌肉的復(fù)雜性和時(shí)變性操作環(huán)境，由于PID的穩(wěn)定性好、工作可靠，目前仍在功能性電刺激領(lǐng)域得到了廣泛的應(yīng)用。PID核心技術(shù)是精密確定其中比例、積分、微分系數(shù)，尤其在FES領(lǐng)域，對(duì)系統(tǒng)穩(wěn)定性要求極為嚴(yán)格，所以對(duì)PID參數(shù)選擇尤為重要。PID控制要取得較好的控制效果，必須調(diào)整好比例、積分和微分三種控制作用，形成控制量中既相互配合又相互制約的關(guān)系。

發(fā)明內(nèi)容

為克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于實(shí)現(xiàn)準(zhǔn)確穩(wěn)定實(shí)時(shí)地控制FES系統(tǒng)地電流強(qiáng)度，有效地提高FES系統(tǒng)準(zhǔn)確性和穩(wěn)定性。

為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案是：助行功能性電刺激系統(tǒng)中的遺傳算法整定比例微積分參數(shù)控制的方法，包括下列步驟：

首先對(duì)步行器施加力，引起HRV參數(shù)變化，進(jìn)而利用模糊控制器控制啟動(dòng)，HRV是：柄反作用矢量，是施加在步行器上力的反作用力的向量組合；

其次，利用遺傳算法整定PID參數(shù)，根據(jù)膝關(guān)節(jié)的變化實(shí)時(shí)調(diào)控助行功能性電刺激系統(tǒng)電流水平強(qiáng)度，最后根據(jù)HRV的變化關(guān)閉助行電刺激系統(tǒng)，PID由比例單元P、積分單元I和微分單元D三部分組成。

所述引起HRV參數(shù)變化，繼而利用模糊控制器控制助行電刺激系統(tǒng)啟動(dòng)是指：首先對(duì)HRV參數(shù)進(jìn)行模糊化，然后在根據(jù)不同的控制規(guī)則計(jì)算，最后去模糊化，不同的控制規(guī)則指：

如dHRV(t)/dt＞a且為第一次出現(xiàn)則啟動(dòng)助行電刺激系統(tǒng)；

如dHRV(t)/dt＜-a且dHRV(t+T)/dt＞α則走路狀態(tài)；

如|dHRV(t)/dt|＜α且HRV(t_s)-HRV(0)＞β則站立狀態(tài)；

如dHRV(t)/dt＜-α且HRV(t_s)＝HRV(0)則關(guān)閉助行電刺激系統(tǒng)。

所述遺傳算法整定PID參數(shù)，其整定流程為：首先確定PID的三個(gè)決策變量K_p、K_i和K_d大致范圍和編碼長(zhǎng)度，并對(duì)其進(jìn)行編碼以及隨機(jī)產(chǎn)生n個(gè)個(gè)體組成的初始種群P(0)；

其次選定合適的遺傳算法的參數(shù)：終進(jìn)化代數(shù)G、交叉概率P_c以及變異概率P_m；

最后通過實(shí)際關(guān)節(jié)角度與肌肉模型輸出關(guān)節(jié)角度的相應(yīng)關(guān)系，建立最小目標(biāo)函數(shù)，將種群中各個(gè)個(gè)體解碼成對(duì)應(yīng)的參數(shù)值，并求取相應(yīng)的代價(jià)函數(shù)值和適應(yīng)函數(shù)值，再應(yīng)用復(fù)制、交叉和變異算子對(duì)種群P(t)進(jìn)行操作，產(chǎn)生下一代種群P(t+1)，反復(fù)重復(fù)以上操作，直到參數(shù)收斂或者達(dá)到預(yù)定的指標(biāo)，計(jì)算神經(jīng)網(wǎng)絡(luò)的最終輸出即得PID的K_p、K_i和K_d三個(gè)系數(shù)，在新的PID系數(shù)下計(jì)算系統(tǒng)輸出yout及其與肌肉模型的偏差后再進(jìn)入下一步神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)與加權(quán)系數(shù)自調(diào)整；

反復(fù)此過程，最終實(shí)現(xiàn)PID控制參數(shù)的自適應(yīng)在線整定，并用于助行電刺激系統(tǒng)。

所述遺傳算法整定PID參數(shù)，其整定流程細(xì)化為：

對(duì)PID參數(shù)進(jìn)行染色體編碼；

隨機(jī)產(chǎn)生初始群體；

基因選擇交叉和變異操作；

染色體解碼得到新參數(shù)；

采樣受控過程的輸入和輸出；

對(duì)受控輸出的最優(yōu)選擇；

群體適應(yīng)度統(tǒng)計(jì)并產(chǎn)生新的群體；

判斷群體是否穩(wěn)定，若否返回基因選擇交叉和變異操作；

輸出優(yōu)化的PID參數(shù)。

所述對(duì)PID參數(shù)進(jìn)行染色體編碼是，采用多參數(shù)映射二值編碼，即在一條染色體上三個(gè)子串分別表示三個(gè)參數(shù)：0100010011|1100100110|1001100100。

所述群體適應(yīng)度統(tǒng)計(jì)并產(chǎn)生新的群體，適應(yīng)度函數(shù)是把最優(yōu)預(yù)測(cè)與期望值的反饋偏差error(t)，偏差的變化率error′(t)和控制量u(t)的關(guān)系，作為參數(shù)選取的最優(yōu)指標(biāo)J：

<maths><math><mrow><mi>J</mi><mo>=</mo><msubsup><mo>∫</mo><mn>0</mn><mi>t</mi></msubsup><msub><mi>w</mi><mn>1</mn></msub><msup><mi>error</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>w</mi><mn>2</mn></msub><msup><mi>u</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>w</mi><mn>3</mn></msub><msup><mrow><mo>(</mo><msup><mi>error</mi><mo>′</mo></msup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup><mi>dt</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow></math></maths>

其中，w₁，w₂和w₃是權(quán)值，一般都取w₁＝100，w₂＝10，w₃＝1；

適度函數(shù)為

F＝C/J

(11)

其中，C＝10ⁿ，n為整數(shù)，當(dāng)個(gè)體的是用腦過度相差較大時(shí)，n≤0；相差較小時(shí)，n≥0。

本發(fā)明具有以下技術(shù)效果：本發(fā)明首先利用模糊控制的方法通過步行器HRV參數(shù)及其變化開啟FES系統(tǒng)，然后通過遺傳算法的并行隨機(jī)搜索的最優(yōu)化的方法優(yōu)化PID的比例系數(shù)、微分系數(shù)以及積分系數(shù)，繼而控制助行電刺激系統(tǒng)FES系統(tǒng)的電流脈沖強(qiáng)度，最后根據(jù)步行器HRV參數(shù)及變化，利用模糊控制的方法關(guān)閉FES系統(tǒng)。本發(fā)明可有效地提高助行電刺激系統(tǒng)FES系統(tǒng)實(shí)時(shí)性、準(zhǔn)確性和穩(wěn)定性，并獲得可觀的社會(huì)效益和經(jīng)濟(jì)效益。

附圖說明

圖1柄反作用矢量(HRV)定義示意圖。

圖2基于HRV的FES系統(tǒng)結(jié)構(gòu)框圖。

圖3遺傳算法整定PID參數(shù)控制方法的結(jié)構(gòu)框圖。

圖4模糊控制器結(jié)構(gòu)原理。

圖5基于遺傳算法的PID控制器參數(shù)尋優(yōu)流程圖。

圖6實(shí)驗(yàn)場(chǎng)景。

圖7遺傳算法自適應(yīng)優(yōu)化整定的PID控制追蹤結(jié)果。

圖8遺傳算法整定PID參數(shù)控制下預(yù)設(shè)輸入關(guān)節(jié)角度與實(shí)際輸出的相對(duì)誤差。

<mode-for-invention><p>具體實(shí)施方式

本發(fā)明提出了由模糊控制控制FES的啟動(dòng)和關(guān)閉的工作狀態(tài)，以及由遺傳算法來自適應(yīng)優(yōu)化整定PID的比例、積分和微分系數(shù)以精確控制FES電流強(qiáng)度的新方法。其技術(shù)流程是：首先通過助行器的HRV參數(shù)變化來由模糊控制的方法控制FES啟動(dòng)和關(guān)閉的工作狀態(tài)，然后通過遺傳算法的并行隨機(jī)搜索的最優(yōu)化的方法優(yōu)化PID的比例系數(shù)、微分系數(shù)以及積分系數(shù)，繼而控制FES系統(tǒng)的電流脈沖強(qiáng)度。本發(fā)明是一種全新的功能電刺激精密控制技術(shù)，本發(fā)明提出的基于遺傳算法整定PID的功能性電刺激精密控制的方法FES系統(tǒng)電流水平方面可取得良好的效果。

下面結(jié)合附圖和實(shí)施例進(jìn)一步詳細(xì)說明本發(fā)明。

助行功能性電刺激系統(tǒng)中遺傳算法整定控制參數(shù)的方法應(yīng)用結(jié)構(gòu)如圖2所示。其工作流程為：當(dāng)病人依靠步行器站立時(shí)，首先對(duì)步行器施加力，引起HRV參數(shù)變化，繼而利用模糊控制器控制FES啟動(dòng)；其次，利用遺傳算法整定PID參數(shù)，實(shí)時(shí)調(diào)控FES電流水平強(qiáng)度，最后根據(jù)HRV的變化關(guān)閉FES系統(tǒng)。遺傳算法整定PID參數(shù)控制方法的結(jié)構(gòu)框圖，如圖3所示，其整定流程為：首先確定PID的三個(gè)決策變量K_p、K_i和K_d的大致范圍和編碼長(zhǎng)度，并對(duì)其進(jìn)行編碼以及隨機(jī)產(chǎn)生n個(gè)個(gè)體組成的初始種群P(0)，其次選定合適的遺傳算法的參數(shù)：終進(jìn)化代數(shù)G、交叉概率P_c以及變異概P_m，最后通過實(shí)際關(guān)節(jié)角度與肌肉模型輸出關(guān)節(jié)角度的相應(yīng)關(guān)系，建立最小目標(biāo)函數(shù)；將種群中各個(gè)個(gè)體解碼成對(duì)應(yīng)的參數(shù)值，并求取相應(yīng)的代價(jià)函數(shù)值和適應(yīng)函數(shù)值，再應(yīng)用復(fù)制、交叉和變異算子對(duì)種群P(t)進(jìn)行操作，產(chǎn)生下一代種群P(t+1)，反復(fù)重復(fù)以上操作，直到參數(shù)收斂或者達(dá)到預(yù)定的指標(biāo)；計(jì)算神經(jīng)網(wǎng)絡(luò)的最終輸出即得PID的K_p、K_i和K_d三個(gè)系數(shù)。在新的PID系數(shù)下計(jì)算系統(tǒng)輸出yout及其與肌肉模型的偏差后再進(jìn)入下一步遺傳算法優(yōu)化調(diào)整。反復(fù)此過程，最終實(shí)現(xiàn)PID控制參數(shù)的自適應(yīng)在線整定，并用于FES系統(tǒng)。

1基于HRV參數(shù)的觸發(fā)FES啟動(dòng)狀態(tài)的控制

模糊控制結(jié)構(gòu)原理框圖如圖4所示，其工作原理是根據(jù)HRV參數(shù)及其變化率，來控制FES的啟動(dòng)和關(guān)閉的工作狀態(tài)，其工作流程為：首先對(duì)HRV參數(shù)進(jìn)行模糊化，然后在根據(jù)不同的控制規(guī)則計(jì)算，最后去模糊化，得到控制FES啟動(dòng)和關(guān)閉的信號(hào)，進(jìn)而控制FES開關(guān)的工作狀態(tài)。

步行器使用過程中，HRV參數(shù)實(shí)時(shí)發(fā)生變化。在未使用之前，沒有力加到步行器，則HRV表示成HVR(0)；在步行器使用過程中，加到步行器上的力時(shí)時(shí)變化，則HRV表示成HVR(t)。其工作流程如表1所示。

當(dāng)脊髓損傷病人站起時(shí)，首先要對(duì)步行器施加力，則HRV發(fā)生變化：

<maths><math><mrow><mfrac><mrow><mi>dHRV</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mrow><mi>dt</mi></mfrac><mo>></mo><mi>a</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math></maths>

其中，α是一定值向量，此時(shí)啟動(dòng)FES系統(tǒng)工作。

在病人在行走過程中，施加在步行器上的力也是不斷變化的，則HRV亦是實(shí)時(shí)變化：

<maths><math><mrow><mo>|</mo><mfrac><mrow><mi>dHRV</mi><mrow><mo>(</mo><mi>T</mi><mo>)</mo></mrow></mrow><mi>dt</mi></mfrac><mo>|</mo><mo>></mo><mi>a</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow></math></maths>

其中α是一定值向量，此時(shí)FES系統(tǒng)處于工作狀態(tài)。

表1基于HRV模糊控制FES開啟及關(guān)閉的工作狀態(tài)

<tables><table><tgroup><colspec><colspec><thead><row><entry>

1</entry><entry>

如dHRV(t)/dt＞α且為第一次出現(xiàn)則啟動(dòng)FES</entry></row></thead><tbody><row><entry>

2</entry><entry>

如dHRV(t)/dt＜-a

且dHRV(t+T)/dt＞α則走路狀態(tài)</entry></row><row><entry>

3</entry><entry>

如|dHRV(t)/dt|＜α且HRV(t_s)-HRV(0)＞β則站立狀態(tài)</entry></row><row><entry>

4</entry><entry>

如dHRV(t)/dt＜-a

且HRV(t_s)＝HRV(0)則關(guān)閉FES</entry></row></tbody></tgroup></table></tables>

當(dāng)病人站立時(shí)，施加在步行器上的力不變，此時(shí)HRV則有

HRV(t_s)-HRV(0)＞β(4)

其中HRV(t_s)為站立時(shí)刻的HRV，β為一定值向量。

當(dāng)病人坐下時(shí)，施加步行器器上的力被撤去，此時(shí)HRV則有

HRV(t_s)＝HRV(0)(5)

此時(shí)可以關(guān)閉FES系統(tǒng)。

2遺傳算法整定PID參數(shù)的控制

PID由比例單元P、積分單元I和微分單元D三部分組成，根據(jù)系統(tǒng)的誤差，通過設(shè)定的K_p、K_i和K_d三個(gè)參數(shù)對(duì)系統(tǒng)進(jìn)行控制。

<maths><math><mrow><mi>yout</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>K</mi><mi>p</mi></msub><mi>error</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>K</mi><mi>i</mi></msub><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>0</mn></mrow><mi>t</mi></munderover><mi>error</mi><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>K</mi><mi>d</mi></msub><mo>[</mo><mi>error</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>-</mo><mi>error</mi><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow></math></maths>

其中K_p是比例系數(shù)，K_i是積分系數(shù)，K_d是微分系數(shù)，error為預(yù)設(shè)輸出與實(shí)際輸出的偏差，u(t)為PID的輸出，同時(shí)又是受控系統(tǒng)的輸入。

由PID輸出公式(1)可以得到

<maths><math><mrow><mi>u</mi><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><msub><mi>K</mi><mi>p</mi></msub><mi>error</mi><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>+</mo><msub><mi>K</mi><mi>i</mi></msub><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></munderover><mi>error</mi><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>K</mi><mi>d</mi></msub><mo>[</mo><mi>error</mi><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><mi>error</mi><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>2</mn><mo>)</mo></mrow><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow></math></maths>

根據(jù)：

Δu(t)＝u(t)-u(t-1)

＝K_p(error(t)-error(t-1))+K_ierror(t)+K_d(error(t)-2error(t-1)+error(t-2))……………(8)

有：

u(t)＝Δu(t)+u(t-1)＝

u(t-1)+K_p(error(t)-error(t-1))+K_ierror(t)+K_d(error(t)-2error(t-1)+error(t-2))

………………(9)

基于遺傳算法的PID控制器參數(shù)尋優(yōu)流程圖如圖5所示，首先是根據(jù)PID三個(gè)參數(shù)的大致范圍確定編碼長(zhǎng)度，然后對(duì)PID三參數(shù)進(jìn)行隨機(jī)編碼，注意編碼時(shí)應(yīng)注意群體中個(gè)染色體之間的差異，保證初始群體的多樣性；基因選擇、交叉和變異操作，基因的選擇是根據(jù)自然界中適者生存的思想，利用選擇算子進(jìn)行篩選的，交叉和變異是根據(jù)適應(yīng)值來決定的，當(dāng)適應(yīng)值低于平均適應(yīng)值的時(shí)，采用較大的交叉率和變異率，當(dāng)適應(yīng)值越大于平均適應(yīng)值時(shí)，采用的交叉率和變異率越小，具體操作是：交叉是利用雜交算子實(shí)現(xiàn)的，變異是利用變異算子來實(shí)現(xiàn)的；通過選擇、交叉和變異操作得到新的染色體，將新的染色體解碼，將得到新的PID參數(shù)，利用此參數(shù)根據(jù)關(guān)節(jié)角度反饋控制FES系統(tǒng)，并將此輸出數(shù)據(jù)與肌肉模型輸出的數(shù)據(jù)預(yù)測(cè)下一時(shí)刻的關(guān)節(jié)角度，并求此時(shí)刻的關(guān)節(jié)角度與預(yù)定關(guān)節(jié)角度誤差與PID的輸出，帶入最優(yōu)指標(biāo)函數(shù)，并求取適應(yīng)值繼而判定新群體是否穩(wěn)定，若不穩(wěn)定則再次進(jìn)行基因選擇、交叉和變異操作直到穩(wěn)定，對(duì)其解碼輸出PID參數(shù)，若穩(wěn)定則對(duì)其編碼解碼輸出PID參數(shù)。即完成遺傳算法對(duì)PID參數(shù)的整定。適應(yīng)值低于平均適應(yīng)值則，遺傳算法再次對(duì)PID參數(shù)進(jìn)行整定，完成實(shí)時(shí)調(diào)控PID參數(shù)，進(jìn)而達(dá)到對(duì)FES系統(tǒng)的精密控制。

1、PID控制器的尋優(yōu)參數(shù)

PID控制的輸入是最優(yōu)預(yù)測(cè)膝關(guān)節(jié)角度與給定角度反饋偏差，在控制過程中，根據(jù)某一時(shí)刻t的狀態(tài)，通過預(yù)測(cè)控制t+1時(shí)刻的狀態(tài)，提高控制系統(tǒng)的穩(wěn)定性。尋優(yōu)參數(shù)為PID控制器的K_p、K_i和K_d三個(gè)決策參數(shù)。

2、染色體的編碼方法

由于是參數(shù)優(yōu)化問題，且問題解為實(shí)數(shù)值，故采用多參數(shù)映射二值編碼，即在一條染色體上三個(gè)子串分別表示三個(gè)參數(shù)：

0100010011|1100100110|1001100100

3、適應(yīng)度函數(shù)的設(shè)計(jì)

由于衡量控制系統(tǒng)三個(gè)指標(biāo)為穩(wěn)定性、準(zhǔn)確性和快速性，為了更好使控制偏差趨于零，有較快的響應(yīng)速度和較小的超調(diào)量，因此適應(yīng)度函數(shù)應(yīng)把最優(yōu)預(yù)測(cè)與期望值的反饋偏差error(t)，偏差的變化率error′(t)和控制量u(t)的關(guān)系，作為參數(shù)選取的最優(yōu)指標(biāo)J

<maths><math><mrow><mi>J</mi><mo>=</mo><msubsup><mo>∫</mo><mn>0</mn><mi>t</mi></msubsup><msub><mi>w</mi><mn>1</mn></msub><msup><mi>error</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>w</mi><mn>2</mn></msub><msup><mi>u</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>w</mi><