通过机器学习进行 RISE 控制器整定与系统辨识以用于基于神经肌肉电刺激的人体下肢康复
系统与控制
2021-05-12 v2 系统与控制
信号处理
摘要
神经肌肉电刺激（NMES）已有效应用于许多脊髓损伤（SCI）个体的康复治疗中。在此背景下，我们为闭环 NMES 系统引入一种新颖的、鲁棒的、基于智能控制的方法论。我们的方法利用鲁棒控制律保证系统稳定性，并利用机器学习工具优化控制器参数和系统辨识。关于后者，我们引入使用既往康复数据来构建更真实的 data-driven 辨识模型。此外，我们将所提方法应用于下肢康复，使用一种名为误差符号鲁棒积分（RISE）的控制技术、离线改进遗传算法优化器和神经网络模型。尽管文献中 RISE 控制器在健康受试者上表现出良好结果，但若无任何精细整定方法，试错法会迅速导致 SCI 个体的肌肉疲劳。本文中，RISE 控制器首次在两名截瘫受试者的一次刺激会话中以及七名健康个体至少两次至多五次会话中得到评估。结果表明，所提方法比经验整定提供了更好的控制性能，可避免基于 NMES 的临床过程中的过早疲劳。
引用
@article{arxiv.2006.15605,
title = {RISE Controller Tuning and System Identification Through Machine Learning for Human Lower Limb Rehabilitation via Neuromuscular Electrical Stimulation},
author = {Héber H. Arcolezi and Willian R. B. M. Nunes and Rafael A. de Araujo and Selene Cerna and Marcelo A. A. Sanches and Marcelo C. M. Teixeira and Aparecido A. de Carvalho},
journal= {arXiv preprint arXiv:2006.15605},
year = {2021}
}
备注
49 pages, 16 figures, 5 tables