功能性电刺激PID参数双源特征融合微粒子群整定方法

摘要

本发明涉及以电脉冲刺激进行肢体康复的器械领域。提供一种功能性电刺激中PID参数的双源特征融合混沌微粒子群整定方法，能够准确稳定实时地控制FES系统地电流强度，有效地提高FES系统准确性和稳定性，本发明采用的技术方案是，首先，利用助行过程的柄反作用矢量HRV预测膝关节角度；其次，利用混沌微粒群算法整定比例微积分PID参数，实时调控FES电流水平强度，最终实现比例微积分PID控制参数的自适应在线整定，并用于功能性电刺激FES系统。本发明主要应用于整定功能性电刺激中PID参数。

主权项

一种功能性电刺激PID参数双源特征融合微粒子群整定方法，其特征是，包括下列步骤：首先，利用助行过程的柄反作用矢量HRV预测膝关节角度；其次，利用混沌微粒群算法整定比例微积分PID参数，实时调控FES电流水平强度，整定流程为：首先根据比例微积分PID参数的三个决策变量Kp、Ki和Kd取值范围的上下界，确定包括粒子群群体规模、搜索空间维数的参数，并初始化粒子群体的速度和位置，然后利用通过实际关节角度与肌肉模型输出关节角度的相应关系作为适度评价函数计算粒子群中每一个粒子的适应度值，相应关系是L＝M×HRV‑1，其中，M表示膝关节角度，HRV表示使用者施加在步行器上力的柄反作用矢量，L表示HRV与M之间的关系，采用偏最小二乘回归的方法确定肌肉模型输出关节角度，并将该粒子的适应度值与最佳位置适应度值作比较，且将该粒子的适应度值与该粒子本身的最佳位置作为粒子代表值，然后再调整粒子的速度及其他参数，改变粒子的最佳位置，直到稳定为止，计算最终最佳的位置即得比例微积分PID参数的三个决策变量Kp、Ki和Kd，在新的比例微积分PID参数下计算功能性电刺激FES系统输出yout及其与肌肉模型输出关节角度的偏差后再进入下一步混沌微粒群算法神经网络的自学习与当时PID参数的三个决策变量Kp、Ki和Kd的加权系数的自调整，反复此过程，最终实现比例微积分PID参数的自适应在线整定，并用于功能性电刺激FES系统。