论文部分内容阅读
肌肉协同被认为是中枢神经系统用以运动控制的最小单位,在理解神经系统运动控制策略方面具有重要的研究价值。传统的肌肉协同研究方法依赖于反映肌肉激活程度的肌电信号,骨肌仿真技术的发展为便捷分析肌肉激活提供了新的方式,本文在骨肌系统中实现肌肉协同的提取。首先在OpenSim中建立人体下肢骨肌仿真模型,并建立基于Hill肌肉模型的骨肌系统。然后构建人体运动测量与仿真分析系统,实现人体运动实验数据的采集与处理,以及骨肌系统生物力学分析。本文兼顾生物力学仿真与真实的实验数据,以关节力矩实验值和特定肌肉激活度实验值作为跟踪目标,提出两种肌肉协同提取算法:(1)基于非负矩阵分解的肌肉协同提取算法,首先最优化求解肌肉激活度矩阵,再应用非负矩阵分解求解肌肉协同结构矩阵和肌肉协同激活系数矩阵,由此重构肌肉激活度矩阵实现肌肉协同的控制过程;(2)引入肌肉协同控制的肌肉激活模型,将最优化求解肌肉激活度矩阵转化为最优化求解肌肉协同结构矩阵和肌肉协同激活系数矩阵,在最优化迭代过程中实现肌肉协同对于肌肉激活的控制过程。为比较两种肌肉协同提取算法的效果,招募实验对象进行了步态实验,应用两种算法提取肌肉协同,结果表明引入协同控制的肌肉激活模型算法优于基于非负矩阵分解的肌肉协同提取算法,其中关节力矩和肌肉激活度的均方根误差分别平均降低62.0%、33.2%,平均绝对误差分别平均降低63.2%、36.9%,关节力矩和肌肉激活度的预测值与实验值的相关系数分别平均提升9.0%、10.1%。应用基于非负矩阵分解的肌肉协同提取算法,基于重构肌肉激活度矩阵的数据变异度阈值确定肌肉协同数目后,然后应用引入肌肉协同控制的肌肉激活模型可降低误差。最后进行人体足底打滑平衡的肌肉协同控制策略研究,招募实验对象进行步态实验,以正常行走作为对照组,分析足底打滑平衡对于肌肉协同的影响,结果表明,与正常行走相比,在足底打滑平衡中肌肉协同以较高肌肉贡献度、较高激活强度及较高共激活时长占比的控制策略实现这一应急反应运动过程。