瞿晓娜;张腾宇;王喜太
【摘 要】背景:虽然在人体步态方面已有大量研究,但针对膝踝协调运动的研究很少.目的:用BP神经网络分析膝踝协调运动关系.方法:利用三维步态分析系统检测了30名健康志愿者以快、中、慢3种步速行走时的步态数据,进行统计分析;并通过建立BP神经网络预测数据,同时对膝踝协调的控制方法进行探讨.结果与结论:不同的人步态不同,但BP神经网络预测所得曲线与实验基本一致,证实了用BP神经网络做膝踝运动关系预测的合理性和可行性,很好的研究了膝踝协调性,给全智能膝踝协调控制假肢的研发提供了理论依据.%BACKGROUND: The study of the relationship between knee and ankle is poor although there have been a lot of researches on gait of people.rnOBJECTIVE: To analyze the relationship between knee and ankle based on back-propagation network.rnMETHODS: The gaits of 30 healthy young people walking at fast, normal, and low speeds separately were detected by three-dimensional gait analysis system, and the gait data were investigated and analyzed. The data were predicted through the establishment of the back-propagation neural network and the knee-ankle coordination control method was explored.rnRESULTS AND CONCLUSION: Different people had different gaits, but the curve obtained by back-propagation neural network was similar with the experimental curve. The paper investigated and validated that it was viable and reasonable to forecast the kinematic relationship between the knee and ankle by back-propagation network system. The paper studied the
coordination between the knee and ankle well, and provided the theory foundation for the design of the intelligent prostheses. 【期刊名称】《中国组织工程研究》 【年(卷),期】2012(016)030 【总页数】4页(P5520-5523)
【关键词】膝关节;踝关节;步态;BP神经网络;假肢 【作 者】瞿晓娜;张腾宇;王喜太
【作者单位】河北工业大学,天津市,300130;国家康复辅具研究中心,北京市,100176;国家康复辅具研究中心,北京市,100176;国家康复辅具研究中心,北京市,100176 【正文语种】中 文 【中图分类】R318 文章亮点：
①提出基于BP神经网络研究膝踝协调的运动关系和控制机制，并验证了这种研究方法的合理性和可行性。
②对基于BP神经网络的膝踝协调控制算法做了初步研究和探讨。
BACKGROUND:The study of the relationship between knee and ankle is poor although there have been a lot of researches on gait of people. OBJECTIVE:To analyze the relationship between knee and ankle based on back-propagation network.
METHODS：The gaits of 30 healthy young people walking at fast, normal,
and low speeds separately were detected by three-dimensional gait analysis system, and the gait data were investigated and analyzed. The data were predicted through the establishment of the back-propagation neural network and the knee-ankle coordination control method was explored.
RESULTS AND CONCLUSION：Different people had different gaits, but the curve obtained by back-propagation neural network was similar with the experimental curve. The paper investigated and validated that it was viable and reasonable to forecast the kinematic relationship between the knee and ankle by back-propagation network system. The paper studied the coordination between the knee and ankle well, and provided the theory foundation for the design of the intelligent prostheses.
背景：虽然在人体步态方面已有大量研究，但针对膝踝协调运动的研究很少。 目的：用BP神经网络分析膝踝协调运动关系。
方法：利用三维步态分析系统检测了30名健康志愿者以快、中、慢3种步速行走时的步态数据，进行统计分析；并通过建立BP神经网络预测数据，同时对膝踝协调的控制方法进行探讨。
结果与结论：不同的人步态不同，但BP神经网络预测所得曲线与实验基本一致，证实了用BP神经网络做膝踝运动关系预测的合理性和可行性，很好的研究了膝踝协调性，给全智能膝踝协调控制假肢的研发提供了理论依据。
步行是人类最基本的运动之一，人类生理、病理甚至精神状态的各种变化都会不同程度地影响到步态[1-6]。检测人体行走时髋、膝、踝等关节的运动角度，以及与生物力学有关的物理量具有重要意义[7-11]。在假肢设计时，尤其是膝上智能假肢的设计，需要参考正常人膝关节和踝关节的关系来进行设计和控制[12-15]。因此
检测人体行走时膝、踝的运动关系是非常必要的。
虽然关于人体的正常步态和异常步态方面、行走时各个关节的动力学和运动学规律等已有大量研究，但针对膝踝协调运动关系的研究很少，为此本文研究并验证了用BP神经网络做膝踝运动关系预测的可行性，从而很好的研究了膝踝协调性。 设计：观察性实验。
时间及地点：实验于2010-08/2011-07在国家康复辅具研究中心完成。 对象：选取20～30岁之间身体健康并无明显步态异常的志愿者30名作为研究对象，对每个实验对象进行个人信息收录(身高、体质量、腿长、膝宽、踝宽)，以便实验时的静态建模。实验前每位试验者先进行适应性练习，以适应实验环境，确保所采集实验数据的真实可靠性。实验对象信息见表1。 材料：
实验设备：实验是采用VICON三维步态分析系统进行步态数据采集。该系统硬件主要包括6个高速红外摄像头、2个测力平台以及16个反光球等。实验场地见图1。实验测试的有效范围足以保证完整取到实验对象每次步行实验的3或4个周期的步态。 实验方法：
实验步骤：①实验前先对VICON进行校正，确保实验时标记点捕捉的准确性。②每次实验前实验者更换实验专用服装(紧身短裤)，然后在实验对象身上贴16个标记点，其中具体位置见图2。③静态建模：贴好标记点后，实验对象在指定位置站立静站2 s，建立静态模型。④动态采集：模型建好后，要求试验者以自然放松的状态正常行走，然后开始捕捉测量，进行动态数据采集，采集的每组数据要包含3或4个步态周期以上。
为了使实验数据具有更广泛的应用性和实用性，要求每位测试者均以慢、中、快3种不同步速行走，采集不同步速下的步态数据。每个实验对象分别在3种步速下
各采集50组数据，注意测试对象行走时要保证一只脚踏到相对应的一个力板上，见图3。
数据处理：处理数据时，在VICON软件中先将所采集的每组数据头尾剪掉，避免测试对象起步和停止时影响步态，剪切之后保留的每组数据应至少包含一个完整的步态周期。然后补齐实验时丢掉的标记点，加载动态模型进行运算，再应用PLYGON软件将所需数据导出。每位实验对象每种步速选取35组数据，每组实验数据为膝关节和踝关节在矢状面一个完整步态周期内的角度、角速度以及角加速度。
本文是采用BP神经网络(Back-Propagation Network，简称BP网络)所进行的研究。BP神经网络是一种多层前馈神经网络，其主要特点是正向传递信号，但反向传播误差，具体过程，首先网络从输入层到隐含层再到输出层依次前向传播，如果网络输出层不能期望的输出矢量，则转向进行反向传播，之后根据对矢量误差的预测来调整网络的阈值及权值，从而使BP神经网络预测输出矢量不断接近期望输出矢量[16-17]。
2.1 建立BP神经网络 采用BP神经网络进行研究，其中网络的输入为膝关节在矢状面1个周期的角度、角速度、角加速度，输出为相对应膝关节同一周期踝关节的角度、角速度、角加速度。
对于隐含层数的确定，Cybenko证明，三层网(一层隐藏层)如果有足够多的隐藏节点，可以逼近任何函数，所以本文选取一层隐含层。 隐含层节点数的选择参考如下公式[18-19]：
式中，n为输入层节点数；l为隐含层节点数；m为输出层节点数；a为0～10之间的常数。
对于隐藏层节点数，本文首先参考以上3个公式来确定节点数的大概范围，然后用试凑法确定最佳的节点数，在其他参数不变的情况下，固定收敛精度，反复比较
不同迭代次数，最终选取隐含层节点数为43。 BP神经网络的拓扑结构图见图4。
2.2 通过BP神经网络预测 在步态实验处理得到的大量数据中，首先用3/4的数据来训练已经建好的BP神经网络，再用剩下1/4的数据进行网络预测。由于论文篇幅有限，随机贴某一志愿者的一组BP网络预测结果如下：
踝关节角度比较见图5，其中直线点图为实验实际测得，直线星号图为BP神经网络预测所得。
踝关节角速度比较见图6，其中直线点图为实验实际测得，直线星号图为BP神经网络预测所得。
踝关节角加速度比较见图7，其中直线点图为实验实际测得，直线星号图为BP神经网络预测所得。
结论：由实验步态数据分析部分可以看出不同的人步态也不同，即使同一个人步态也会不一样，所以误差在所难免，但预测所得各个曲线与实验所得基本一致，误差在可接受范围内，所以采用BP神经网络进行步态预测是可行的。本文只是初步探讨了基于BP神经网络的膝踝协调运动关系，网络训练需要一定的时间，如果要应用于实际智能假肢控制中，需要继续优化网络提高计算速度，例如用模板匹配法改进神经网络等。
在膝踝协调控制的智能假肢中，膝关节和踝关节都需要根据其运动规律分别给予其执行机构相应的控制信息。因此，为了确保膝关节和踝关节运动的协调性，必须根据两者的运动关系施加控制策略。通过本文的研究，将可以实现通过膝关节的运动信息预测踝关节的运动信息，这样在全智能膝踝协调假肢的控制中，只需要在膝关节上安装相应的传感器，便可实现两个关节的协调控制。这种方法将在膝踝协调仿生大腿假肢的研发中进一步探讨和验证。
结束语：文章将神经网络用于步态分析，通过行走时膝关节的运动学数据预测踝关
节相应的运动学数据，研究并验证了用BP神经网络做膝踝运动关系预测的可行性，同时对膝踝协调的控制方法进行了探讨，从而很好的研究了膝踝协调性，为全智能膝踝协调假肢的研发提供了理论依据。
【相关文献】
[1] Geng CY, Ma J, Guo ZW, et al. Hangtian Yixue yu Yixue Gongcheng. 2003;16(5):364-367.耿春亚,马军,郭忠武,等.关于正常青年人步态竖直方向力的检测与统计分析[J].航天医学与医学工程,2003,16(5):364-367.
[2] Chestnutt J, Lau M, Cheung G, et al. Footstep Planning for the Honda ASIMO Humanoid[C]. In Processing of the 2005 IEEE International Conference on Robotics and Automation, Barcelona, Spain. 2005:631-636.
[3] Chau T. A review of analytical techniques for gait data. Part 1: Fuzzy, statistical and fractal methods. Gait Posture. 2001; 13(1): 49-66.
[4] Wang L, Wang T, Wang JS, et al. Haerbin Gongcheng Daxue Xuebao. 2008;29(6):499-598.王岚,王婷,王劲松,等.人体步态规律测量分析与研究[J].哈尔滨工程大学学报,2008,29(6):499-598.
[5] Wang RC, Jin DW. Zhongguo Yiliao Qixie Xinxi. 2009;15(1): 3-5.王人成,金德闻.仿生智能假肢的研究与进展[J].中国医疗器械信息,2009,15(1):3-5.
[6] Zhang TY, Li LF, Ji R. Zhongguo Kangfu Lilun yu Shijian. 2010;16(3):293-295.张腾宇,李立峰,季润.三维步态分析在截肢患者康复中的应用[J].中国康复理论与实践,2010,16(3):293-295. [7] van der Linden ML, Solomonidis SE, Spence WD, et al. A methodology for studying the effects of various types of prosthetic feet on the biomechanics of trans-femoral amputee gait. J Biomech. 1999;32(9):877-889.
[8] Nolan L, Wit A, Dudziñski K, et al. Adjustments in gait symmetry with walking speed in trans-femoral and trans-tibial amputees. Gait Posture. 2003;17(2):142-151. [9] Sup F, Bohara A, Goldfarb M. Design and Control of a Powered Transfemoral Prosthesis. Int J Rob Res. 2008;27(2): 263-273.
[10] Underwood HA, Tokuno CD, Eng JJ. A comparison of two prosthetic feet on the multi-joint and multi-plane kinetic gait compensations in individuals with a unilateral trans-tibial amputation. Clin Biomech (Bristol, Avon). 2004;19(6): 609-616.
[11] Wang RC, Jin DW. Zhongguo Linchuang Kangfu. 2002;6(20): 3000.王人成,金德闻.步态分析在假肢设计中的应用[J].中国临床康复, 2002,6(20):3000.
[12] Tan GZ, He SJ, Zeng QD, et al.Jisuanji Celiang yu Kongzhi. 2005;13(11):1164-1166.谭冠
政,何胜军,曾庆东,等.CIP-I智能仿生人工腿步速测量系统研究与设计[J].计算机测量与控制,2005,13(11):1164-1166.
[13] Hu XY, Yun XP, Guo ZW, et al. Zhongguo Kangfu Lilun yu Shijian. 2006;12(10):855-857.胡雪艳,恽晓平,郭忠武,等.正常成人步态特征研究[J].中国康复理论与实践,2006,12(10):855-857. [14] Beillas P, Papaioannou G, Tashman S, et al. A new method to investigate in vivo knee behavior using a finite element model of the lower limb. J Biomech. 2004;37(7):1019-1030. [15] Zhou X, Draganich LF, Amirouche F. A dynamic model for simulating a trip and fall during gait. Med Eng Phys. 2002; 24(2): 121-127.
[16] Xiao L, Yin CB. Zhongguo Zhizao Xinxihua. 2006;35(13): 62-64.肖乐,殷晨波.BP神经网络在拟人机器人步态稳定性中的应用[J].中国制造信息化,2006,35(13):62-64.
[17] Li X, Xie T, Chen WS. Jixie Sheji. 2003;20(4):36-38.李霞,谢涛,陈维山.基于神经网络的双足机器人逆运动学求解[J].机械设计,2003,20(4):36-38.
[18] Shi F, Wang XC, Yu L, et al. Beijing: Beijing Hangkong Hangtian Daxue Chubnshe. 2010.史峰,王小川,郁磊,等.MATLAB神经网络30个案例分析[M].北京:北京航空航天大学出版社,2010.
[19] Shen HY, Wang ZX, Gao CY. Tianjin Ligong Daxue Xuebao. 2008;24(5):13-15.沈花玉,王兆霞,高成耀.BP神经网络隐含层单元数的确定[J].天津理工大学学报,2008,24(5):13-15.
因篇幅问题不能全部显示，请点此查看更多更全内容