功能性電刺激的動力學(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)工程及運動醫(yī)學(xué)領(lǐng)域的研究熱點。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)，其刺激動作效果的精準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。
　　 本文從人體運動學(xué)信息出發(fā)，通過逆動力學(xué)推

2、導(dǎo)出膝關(guān)節(jié)力矩，進而建立基于膝關(guān)節(jié)力矩與功能性電刺激等級的肌肉模型，聯(lián)合后續(xù)設(shè)計的控制器形成閉環(huán)反饋控制，對功能性電刺激的刺激模式進行動態(tài)調(diào)整以實現(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態(tài)建模方法分別對15名受試者進行了肌肉建模實驗，其中NARMAX建模采用基于MGS最小二乘辨識的方法對過程模型項和參數(shù)進行了一體化辨識，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)練對模糊推理的初始模型結(jié)構(gòu)以及參數(shù)進行調(diào)整，以實現(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模型均具有較高的穩(wěn)定性和準確性，ANFIS的建模結(jié)果略好。
　　 研究中設(shè)計了模糊PID控制器，可根據(jù)期望的關(guān)節(jié)力矩和實際輸出之間的實時誤差對控制器的參數(shù)進行優(yōu)

4、化，實現(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控制器跟蹤的絕對平均誤差低于0.05(N*M)，控制跟蹤效果遠優(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