肌肉-關(guān)節(jié)模型在人體動態(tài)平衡建模中的應(yīng)用.pdf

1、平衡能力是人類進行各項活動的基礎(chǔ)，包括靜態(tài)和動態(tài)平衡能力，其中人體平衡的研究趨勢為動態(tài)平衡。人體動態(tài)平衡依賴于前庭覺、視覺、本體感覺以及中樞神經(jīng)系統(tǒng)等多方面調(diào)節(jié)與控制來完成。由此可見，其調(diào)節(jié)過程是一個較為復(fù)雜的非線性系統(tǒng)。而建立人體動態(tài)平衡的非線性模型對于深入研究人體動態(tài)平衡和提高康復(fù)醫(yī)療水平具有重要的推動作用。但是國內(nèi)外的研究大多針對人體運動系統(tǒng)進行建模，而在動態(tài)平衡建模方面的研究甚少。本文將肌肉-關(guān)節(jié)模型應(yīng)用到人體動態(tài)平衡的建模中，

2、解決了人體動態(tài)平衡的非線性建模問題，研究內(nèi)容包括以下幾個方面：
　　第一，利用無線肌電采集系統(tǒng)，采集人體在靜止和隨機視覺激勵狀態(tài)下的下肢肌電信號，經(jīng)過預(yù)處理并提取時域特征參數(shù)-均方根值和積分肌電值，對兩種狀態(tài)下的下肢肌肉活躍程度進行了對比分析。結(jié)果表明：股直肌和脛骨前肌在兩種狀態(tài)下的均方根值無顯著差異；股直肌與脛骨前肌在靜止站立實驗中肌肉的貢獻率很低，且在隨機視覺激勵狀態(tài)下其貢獻率表現(xiàn)為明顯下降趨勢。
　　第二，根據(jù)人體動態(tài)

3、平衡的調(diào)節(jié)機理，確定人體動態(tài)平衡調(diào)節(jié)系統(tǒng)的輸入輸出，在隨機視覺激勵下采集人體動態(tài)平衡建模所需數(shù)據(jù)，在建模過程中引入 BP神經(jīng)網(wǎng)絡(luò)的非線性辨識方法，建立肌肉-關(guān)節(jié)模型，實現(xiàn)對人體動態(tài)平衡調(diào)節(jié)系統(tǒng)的建模；而由于模型精度的不理想，依據(jù)下肢肌肉均方根值與踝關(guān)節(jié)角度的關(guān)聯(lián)性，依次去除訓(xùn)練集中與踝關(guān)節(jié)角度相關(guān)性較低肌肉的均方根值，重新采用非線性辨識方法對人體動態(tài)平衡的調(diào)節(jié)系統(tǒng)進行建模，找出更為理想的辨識方案。
　　第三，由于SVM較強的泛化能

4、力，能有效地避免BP神經(jīng)網(wǎng)絡(luò)陷入局部極小的缺點，本研究依據(jù)優(yōu)化后的辨識方案，采用 SVM的非線性辨識方法，對人體動態(tài)平衡的調(diào)節(jié)系統(tǒng)進行建模，同時與 BP神經(jīng)網(wǎng)絡(luò)優(yōu)化后的預(yù)測結(jié)果進行對比。結(jié)果表明：SVM預(yù)測輸出與期望輸出之間的相關(guān)系數(shù)要高于 BP神經(jīng)網(wǎng)絡(luò)預(yù)測與輸出的相關(guān)系數(shù)，同時SVM的預(yù)測誤差比BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差要小。因此，在人體動態(tài)平衡的預(yù)測方面，SVM預(yù)測效果總體上優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。
　　總之，本研究實現(xiàn)了人體動態(tài)平衡的非