本發(fā)明涉及健身設(shè)備技術(shù)領(lǐng)域，具體講，涉及一種人體鍛煉跑步機(jī)自適應(yīng)主動(dòng)控制方法。

背景技術(shù)：

隨著物質(zhì)生活水平的提高，越來越多的人開始關(guān)心自身的健康狀態(tài)，開始熱衷于參加各種體育運(yùn)動(dòng)鍛煉，全球健身器材產(chǎn)業(yè)也得到了迅速發(fā)展，其中跑步機(jī)操作簡便、體積小，節(jié)約空間，它滿足了人們對(duì)有氧健身的需求，具有廣闊的發(fā)展空間和發(fā)展?jié)摿Γ壳耙呀?jīng)成為人們主要健身器材之一。

然而，在跑步機(jī)的使用過程中，跑步者必須被迫調(diào)節(jié)自身速度去適應(yīng)跑步機(jī)預(yù)設(shè)的固定速度，嚴(yán)重影響了跑步者運(yùn)動(dòng)時(shí)的主動(dòng)性和輕松感，也限制了跑步機(jī)的應(yīng)用拓展。因此，一種能夠檢測人體運(yùn)動(dòng)速度，并實(shí)時(shí)控制跑步機(jī)電機(jī)速度的技術(shù)變得尤為重要。

跑步機(jī)速度自適應(yīng)控制方法最近有一些相關(guān)專利申請(qǐng)公開：

1、一種基于柔性陣列壓力傳感器的跑步機(jī)自適應(yīng)調(diào)速系統(tǒng)，申請(qǐng)?zhí)枺?01110315778.8；

該專利申請(qǐng)通過在跑板上側(cè)安裝柔性陣列壓力傳感器，實(shí)時(shí)獲取跑步者步頻、步長等參數(shù)，由所建立的加速度與每兩步之間上述參數(shù)關(guān)系模型計(jì)算得出加速度，并向電機(jī)驅(qū)動(dòng)模塊發(fā)送控制命令。該方法由于鋪設(shè)傳感器陣列，需要對(duì)跑步機(jī)進(jìn)行改造，成本較高，不適合應(yīng)用推廣使用。

2、一種基于視頻的跑步機(jī)自適應(yīng)調(diào)速系統(tǒng)，申請(qǐng)?zhí)枺?01610229061.4；

該專利申請(qǐng)通過攝像機(jī)視頻采集模塊獲取跑步者中心位置、相對(duì)位移等參數(shù)，通過建立加速度與以上參數(shù)的關(guān)系模型得出加速度，并向電機(jī)驅(qū)動(dòng)模塊發(fā)送控制指令。該方法需要檢測人體位移參數(shù)，適于大跑步機(jī)上使用，家用或健身用小跑步機(jī)位移參數(shù)不明顯，易引起加減速震蕩，因此不適合使用該方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)的目的在于提供一種基于CPG模型的人體鍛煉跑步機(jī)自適應(yīng)主動(dòng)控制方法，以解決上述技術(shù)問題。本發(fā)明通過提取人體下肢sEMG的幅頻特征作為CPG模型參數(shù)，得到期望周期性髖關(guān)節(jié)步態(tài)曲線，提取其角度極值和頻率，通過關(guān)系模型得到跑步機(jī)速度命令，實(shí)現(xiàn)跑步機(jī)自適應(yīng)主動(dòng)控制。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于CPG模型的人體鍛煉跑步機(jī)自適應(yīng)主動(dòng)控制方法，包括以下步驟：

步驟一、通過肌電采集儀實(shí)時(shí)采集人體在跑步機(jī)上運(yùn)動(dòng)時(shí)一個(gè)步態(tài)周期內(nèi)下肢股直肌、股二頭肌的表面肌電信號(hào)，提取其幅值特征和頻率特征；

步驟二、將幅值特征和頻率特征作為參數(shù)帶入已通過遺傳算法優(yōu)化的CPG模型中，擬合出周期性人體下肢髖關(guān)節(jié)角度曲線；

步驟三、根據(jù)步驟二擬合出的周期性人體下肢髖關(guān)節(jié)角度曲線，得出角度極值和頻率，帶入關(guān)系模型求出跑步機(jī)速度控制命令，并通過計(jì)算機(jī)發(fā)給驅(qū)動(dòng)模塊，實(shí)現(xiàn)跑步機(jī)自適應(yīng)主動(dòng)控制。

進(jìn)一步的，步驟一幅值特征和頻率特征具體包括：

肌電信號(hào)X＝{x_i}_N的幅值特征和頻率特征分別為均方根RMS和平均功率頻率f_mean，公式為：

式中：N表示采樣點(diǎn)數(shù)，s(f)為表面肌電信號(hào)功率譜密度函數(shù)。

進(jìn)一步的，步驟二CPG模型及肌電特征參數(shù)代入具體包括：

選擇Matsuoka振蕩器構(gòu)建CPG控制模型，其數(shù)學(xué)模型如下：

y_1.2＝g(u_1.2)

y_out＝y(tǒng)₁-y₂

式中：u_i和v_i為狀態(tài)變量，T_r為上升時(shí)間常數(shù)，T_a為疲勞時(shí)間常數(shù)，ω₁₂為神經(jīng)元2到1的連接權(quán)重，β為沖動(dòng)率常數(shù)，c為激勵(lì)輸入，g(u)為門檻函數(shù)值，y_i為神經(jīng)元輸出，y_out為整個(gè)振蕩器輸出；

肌電幅值特征和頻率特征分別通過非線性增益的方式表示激勵(lì)輸入c和疲勞時(shí)間常數(shù)T_a，公式為：

式中：k₀表示激勵(lì)輸入的非線性增益，k₁表示疲勞時(shí)間常數(shù)的非線性增益。

進(jìn)一步的，步驟二遺傳算法優(yōu)化具體包括：

通過遺傳算法優(yōu)化CPG模型參數(shù)用于擬合人體下肢髖關(guān)節(jié)實(shí)測曲線；要優(yōu)化的CPG模型參數(shù)有k₀、k₁、β、T_a、g(u)和ω，每組參數(shù)對(duì)應(yīng)編碼成實(shí)數(shù)連成的一條定長染色體；遺傳算法的適應(yīng)度函數(shù)F(t)為由CPG所產(chǎn)生的關(guān)節(jié)角度值和髖關(guān)節(jié)實(shí)測角度之差e(t)表示，公式為：

式中：c₁是比例常數(shù)，c₂是微分常數(shù)，c₃是積分常數(shù)。

進(jìn)一步的，步驟三關(guān)系模型具體為：

假設(shè)起步相時(shí)膝關(guān)節(jié)角度為零，通過髖關(guān)節(jié)曲線計(jì)算出步長和步態(tài)頻率從而得到人體運(yùn)動(dòng)速度對(duì)應(yīng)跑步機(jī)速度命令v_d，關(guān)系模型具體公式為：

v_d＝2·(l_thigh+l_crus)·{sin(θ_hmax)-sin(θ_hmin)}·f_h

式中：l_thigh為大腿長，l_crus為小腿長，θ_hmax、θ_hmin分別為CPG模型生成的髖關(guān)節(jié)步態(tài)曲線中關(guān)節(jié)角度最大值和最小值，f_h為步態(tài)頻率。

進(jìn)一步的，步驟一中采集的肌電信號(hào)利用20-500Hz帶通濾波器和50Hz工頻陷波器對(duì)肌電信號(hào)進(jìn)行降噪和偽跡消除處理，之后對(duì)信號(hào)進(jìn)行全波整流、歸一化和組合相減處理得到正負(fù)交替的肌電信號(hào)X＝{x_i}_N。

進(jìn)一步的，步驟一實(shí)時(shí)采集肌電信號(hào)時(shí)，在人體一只腳腳跟安裝一個(gè)壓力傳感器作為開關(guān)信號(hào)，檢測傳感器兩次相同方向脈沖信號(hào)做為一個(gè)步態(tài)周期的開始和結(jié)束。

相對(duì)于現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：

表面肌電信號(hào)(sEMG)是一種生物電信號(hào)，能夠直接反映人體的運(yùn)動(dòng)意圖，被廣泛應(yīng)用于肌肉疲勞檢測和實(shí)時(shí)控制，本發(fā)明提取下肢sEMG的幅頻特征，通過CPG模型得到跑步機(jī)速度控制命令，實(shí)現(xiàn)跑步機(jī)自適應(yīng)主動(dòng)控制。該方法只采集下肢兩塊肌肉的sEMG帶入優(yōu)化完畢的CPG模型，運(yùn)算速度較快，不用對(duì)跑步機(jī)進(jìn)行改造，不受跑步機(jī)大小的影響，有較好的靈活性與推廣型，所采集的肌電信號(hào)的亦可同時(shí)用于肌肉疲勞檢測等。

附圖說明

圖1是基于CPG模型的人體鍛煉跑步機(jī)自適應(yīng)主動(dòng)控制方法框圖；

圖2是遺傳算法優(yōu)化CPG參數(shù)流程圖；

圖3是速度關(guān)系模型計(jì)算示意圖；

圖4是整體硬件實(shí)現(xiàn)框圖。

具體實(shí)施方式

為了使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于了解，下面結(jié)合具體圖示，進(jìn)一步闡述本發(fā)明技術(shù)方案的具體實(shí)現(xiàn)方式。

請(qǐng)參閱圖1至圖4所示，本發(fā)明一種基于CPG模型的人體鍛煉跑步機(jī)自適應(yīng)主動(dòng)控制方法，包括下列步驟：

利用動(dòng)作捕捉系統(tǒng)和肌電采集儀同步采集人體在跑步機(jī)不同頻率運(yùn)動(dòng)時(shí)下肢髖關(guān)節(jié)實(shí)測角度和2塊肌肉的表面肌電信號(hào)，2塊肌肉具體為：股直肌、股二頭肌；取某步頻下一個(gè)步態(tài)周期的肌電信號(hào)，預(yù)處理和組合后提取幅頻特征作為CPG模型參數(shù)，并使用遺傳算法優(yōu)化CPG參數(shù)用于擬合髖關(guān)節(jié)實(shí)測曲線；實(shí)時(shí)采集一個(gè)步態(tài)周期的肌電信號(hào)，提取幅頻特征帶入優(yōu)化好的CPG模型中，得到髖關(guān)節(jié)角度極值和頻率，根據(jù)關(guān)系模型得到跑步機(jī)速度控制命令，并通過計(jì)算機(jī)發(fā)送命令到驅(qū)動(dòng)模塊，實(shí)現(xiàn)跑步機(jī)自適應(yīng)主動(dòng)控制?；贑PG模型的人體鍛煉跑步機(jī)自適應(yīng)主動(dòng)控制方法的示意圖如圖1。

1、肌電特征提取：

離線分析時(shí)可直接通過計(jì)算機(jī)提取步態(tài)周期的髖關(guān)節(jié)角度并通過同步采集的時(shí)間對(duì)應(yīng)關(guān)系提取步態(tài)周期的肌電信號(hào)。實(shí)時(shí)采集肌電信號(hào)時(shí)，可在某只腳腳跟安裝一個(gè)小的壓力傳感器作為開關(guān)信號(hào)，檢測傳感器兩次相同方向脈沖信號(hào)即為一個(gè)步態(tài)周期的開始和結(jié)束。采集的肌電信號(hào)實(shí)時(shí)傳輸?shù)接?jì)算機(jī)上進(jìn)行處理分析和下一步計(jì)算。

利用20-500Hz帶通濾波器和50Hz工頻陷波器對(duì)肌電信號(hào)進(jìn)行降噪和偽跡消除處理，之后對(duì)信號(hào)進(jìn)行全波整流、歸一化和組合相減處理得到正負(fù)交替的肌電信號(hào)X＝{x_i}_N，其幅值特征通過取其均方根值(RMS)描述，公式為：

頻率特征通過求其平均功率頻率f_mean來描述，公式為：

式中：N表示采樣點(diǎn)數(shù)，s(f)為表面肌電信號(hào)功率譜密度函數(shù)。

2、CPG模型建立：

中樞模式發(fā)生器(Central Pattern Generators)，簡稱CPG，是神經(jīng)元構(gòu)成的局部振蕩網(wǎng)絡(luò)，能夠通過神經(jīng)元之間的相互抑制關(guān)系自激振蕩產(chǎn)生周期性節(jié)律運(yùn)動(dòng)。人體步態(tài)是一種各腿交替動(dòng)作的節(jié)律運(yùn)動(dòng)，因此可用CPG調(diào)整振蕩器的參數(shù)生成連續(xù)穩(wěn)定和不同速度的步態(tài)。

在一個(gè)振蕩周期內(nèi)，髖關(guān)節(jié)角度的曲線有一個(gè)波峰，可用一個(gè)神經(jīng)元振蕩器表示。本發(fā)明選擇Matsuoka振蕩器作為CPG控制模型，該模型采用兩個(gè)互相抑制的神經(jīng)元作為振蕩器，在不考慮外界環(huán)境反饋情況下，即沒有振蕩器耦合，其數(shù)學(xué)模型如下：

y_1.2＝g(u_1.2)

y_out＝y(tǒng)₁-y₂

式中：u_i和v_i為狀態(tài)變量，T_r為上升時(shí)間常數(shù)，T_a為疲勞時(shí)間常數(shù)，ω₁₂為神經(jīng)元2到1的連接權(quán)重，β為沖動(dòng)率常數(shù)，c為激勵(lì)輸入，g(u)為門檻函數(shù)值，y_i為神經(jīng)元輸出，y_out為整個(gè)振蕩器輸出。上述參數(shù)需要經(jīng)過遺傳算法迭代，直接優(yōu)化，或者被肌電特征參數(shù)表示后優(yōu)化，優(yōu)化初始值可隨機(jī)賦值。

人體在跑步機(jī)上運(yùn)動(dòng)時(shí)步速的變化可以看成是步態(tài)曲線的幅值和頻率的變化，其變化趨勢不變。股直肌和股二頭肌分別控制髖關(guān)節(jié)伸屈動(dòng)作，人體下肢運(yùn)動(dòng)時(shí)，股直肌和股二頭肌在一個(gè)周期內(nèi)交替收縮，其肌電信號(hào)的幅頻特征可以反應(yīng)主動(dòng)運(yùn)動(dòng)意圖，即步速的改變。研究發(fā)現(xiàn)，振蕩器的激勵(lì)輸入c能改變了振蕩器的幅值，大致與c成正比，且不影響振蕩器的頻率，因此用肌電信號(hào)幅值特征RMS通過非線性增益的方式表示激勵(lì)輸入c，公式為：

疲勞時(shí)間常數(shù)T_a能改變輸出信號(hào)的頻率，大約與1/T_a成正比，且不影響振蕩器的幅值，因此將肌電信號(hào)頻率特征f_mean用非線性增益方法表示疲勞時(shí)間常數(shù)T_a，公式為：

式中：k₀表示激勵(lì)輸入的非線性增益，k₁表示疲勞時(shí)間常數(shù)的非線性增益。

3、遺傳算法優(yōu)化參數(shù)：

CPG可以作為一個(gè)時(shí)間的函數(shù)來生成關(guān)節(jié)運(yùn)動(dòng)角度曲線，但參數(shù)需要依據(jù)期望關(guān)節(jié)角度軌跡進(jìn)行調(diào)節(jié)，本發(fā)明選用遺傳算法模擬自然界遺傳機(jī)制和生物進(jìn)化對(duì)CPG模型參數(shù)并行隨機(jī)搜索全局最優(yōu)解。期望髖關(guān)節(jié)曲線選自人體在跑步機(jī)上不同頻率運(yùn)動(dòng)(同步采集的肌電信號(hào))時(shí)實(shí)際測量髖關(guān)節(jié)角度。遺傳算法優(yōu)化CPG參數(shù)流程圖如圖2所示。

將CPG模型各參數(shù)編碼成定長染色體，每一條染色對(duì)應(yīng)一組參數(shù)，其要優(yōu)化的CPG模型參數(shù)有k₀、k₁、β、T_a、g(u)和ω；各參數(shù)形成的編碼串聯(lián)群體按所選擇的適應(yīng)度函數(shù)并通過遺傳中的復(fù)制、交叉及變異對(duì)個(gè)體進(jìn)行篩選，使適應(yīng)度高的個(gè)體被保留下來，周而復(fù)始，群體中的個(gè)體適應(yīng)度函數(shù)不斷提高，直到滿足最大迭代次數(shù)。遺傳算法試圖將CPG所產(chǎn)生的關(guān)節(jié)角度值和期望髖關(guān)節(jié)角度值之差e(t)的值最小化，即尋找適應(yīng)度最高的值，其適應(yīng)度函數(shù)F(t)公式為：

式中：c₁是比例常數(shù)，c₂是微分常數(shù)，c₃是積分常數(shù)。

4、速度關(guān)系模型計(jì)算：

CPG模型參數(shù)優(yōu)化完畢后，帶入實(shí)時(shí)采集的肌電信號(hào)提取的幅頻特征，生成周期性的關(guān)節(jié)步態(tài)曲線，取一個(gè)振蕩周期即一個(gè)步態(tài)周期中髖關(guān)節(jié)曲線角度最大值θ_hmax、最小值θ_hmin和步態(tài)頻率f_h。圖3是速度關(guān)系模型計(jì)算示意圖，人體一個(gè)步態(tài)周期的距離是一個(gè)跨步長L_stride，跨步長是步長L_step的兩倍。假設(shè)膝關(guān)節(jié)角度近似為零，步長計(jì)算可以定為起步態(tài)兩腳腳后跟之間或踝關(guān)節(jié)中心的距離，根據(jù)對(duì)稱原理，所取髖關(guān)節(jié)最大最小值即對(duì)應(yīng)起步態(tài)左右髖關(guān)節(jié)角度，即通過求步長和步態(tài)頻率求出一個(gè)步態(tài)周期內(nèi)人體平均速度對(duì)應(yīng)跑步機(jī)速度命令v_d，公式為：

v_d＝2·(l_thigh+l_crus)·{sin(θ_hmax)-sin(θ_hmin)}·f_h

式中：l_thigh為大腿長，l_crus為小腿長。

控制命令由計(jì)算機(jī)發(fā)給驅(qū)動(dòng)模塊，控制跑步機(jī)速度自適應(yīng)調(diào)整，然后再檢測步態(tài)周期的肌電信號(hào)，實(shí)現(xiàn)循環(huán)控制。因人體雙腿對(duì)稱和步態(tài)周期循環(huán)控制，只采集安裝了壓力傳感器一側(cè)腿的肌電信號(hào)即可。其整體硬件實(shí)現(xiàn)框圖如圖4所示。

本發(fā)明是一種基于CPG模型的人體鍛煉跑步機(jī)自適應(yīng)主動(dòng)控制方法，以實(shí)現(xiàn)運(yùn)動(dòng)中跑步機(jī)與人體速度相協(xié)調(diào)。該方法提取股直肌、股二頭肌兩塊肌肉一個(gè)步態(tài)周期內(nèi)的肌電信號(hào)，結(jié)合遺傳算法，利用CPG模型擬合出周期性髖關(guān)節(jié)步態(tài)曲線，得到速度指令來實(shí)時(shí)調(diào)整跑步機(jī)速度。該發(fā)明所建模型可靠，速度改變能反應(yīng)人體運(yùn)動(dòng)意圖，采集的肌電信號(hào)亦可用于疲勞檢測等其他用途，具有可觀的社會(huì)效益和經(jīng)濟(jì)效益。