机器人化多功能护理床的研究与开发

机器人化多功能护理床的研究与开发 机器人化多功能护理床的研究与开发 机器人技术与应用床进行了广泛深入的国内外调研后，结合国际护理最新技术的发展，进行了多功能智能护理床的开发，在护理的领域中引入了机器人化多电机协调控制的先进技术。 一. 机器人化多功能护理床的结构机器人化多功能护理床专门为缺乏自理能力的老年人、残疾人而，将使他们恢复部份的自理能力，使他们能在家庭、医院、疗养院等环境下处于健康受到监护和关注的状态，这将使我国的保健事业达到一个新的水平。 1.护理床的基本结构 )七块板块组成，每块板块独立驱动，可视为若干个独立运动链。板块1 护理床由(见图1 和2可分别绕X轴和Y轴转动，板块3和4绕X轴转动，而板块5 和 6 可绕 Y 轴转动，1、2、3、4 各板块之间以万向铰链原理联接以实现二向转动。每块板块可以单独驱动，也可以按某一体位要求同时驱动，从而实现不同体位。 2.护理功能的实现 受护理人需要抬高背位时，板块1和2同时绕Y 轴转动一个角度;需要翻身时，板块1、3 或2、4 绕X 轴翻转(模拟医院护士的动作，当翻转人体背部、臀部时，脚也随之翻转);当需要坐姿时，板块 1、2 抬高，板块3、4、5 不动，板块6 下翻，各板块同时动作即可完成坐姿......手部吊液时，可使小板块1-L 或2-R(附属于板块1或2)抬高一定角度，以使液体流通畅顺，对于骨科病人需抬高脚部时，板块5和6联动升高某一角度。排便动作则由板块7实现向下翻转，同时拉动便盆到位来完成。 3.护理床的主要技术指标 (1)护理床的大致尺寸为长2000×宽900×高600(mm)，护理床脚设方向移动轮，有止动机构。 (2) 护理床上半身摆高80 度，上肢(1-L，2-R)可单独抬高15度(输液用)，下肢摆升最大30度，摆降最大90度，侧卧左右最大80度。参量将根据实际情况作适当变动。 (3) 受护理人可以语音操作，同时也设有按键式操作板，用手指操作;可单动或按体位要求联动。 (4) 实时体温、血压、呼吸循环及心电等参数，其检测系统内设临界值，供比较警示。 (5) 使用24V安全电压驱动，所有传动机构包括排便器内藏于床下，控制板(按键、语音示教)设于床的右侧(板块2、4一侧)，生理参数测量及监护系统设于床的左侧(板块1、3一侧)。 二. 机器人化智能护理病床的控制系统护理病床的控制系统如图2所示，单片机系统为上位机，在接收到按钮控制指令或语音控制信号后，先将语音提示控制指令由语音回放系统送出;与此同时，单片机系统将护理床动作控制指令向PLC可编程控制器送出，由PLC 控制继电器电路工作，从而达到多轴电机同时动作，以满足使用者的护理要求。现在的PLC可管理高达5000多点的I/O口，并且有很高的指令执行速度和高可靠性，使它能满足多轴运动控制系统的控制要求。PLC对护理病床多轴运动控制主要的优势现为有足够容量的存储单元和大量高速运算指令，能够进行各种接口、通信、数据逻辑运算及复杂的逻辑控制。然而PLC的高可靠性、灵活高速的运算指令并不能弥补其昂贵的造价和有限的扩展性。而MS51 系列单片机系统却以其低成本、高集成、指令强、速度快、易扩展被广泛地应用于工业生产的方方面面。该护理床的控制系统吸收了单片机系统成本低廉和扩展性强的特点，利用单片机作为上位机;又采用了PLC高速灵活的指令和高可靠性的优势，将PLC系统作为下位机进行底层控制，从而避免了单一单片机系统在强电控制中的干扰和误动作。而且该控制系统中各个系统均采用模块化设计，系统的可靠性及维护性也相应大幅度提高。由 于 接受智能护理病床辅助护理的使用者大都丧失部分或全部自理能力，因而为了让使用者在丧失行动能力的情况下仍能享用全面护理的需要，护理床的所有功能均可由语音控制。使用前先由护理人员示教护理床对应不同功能、体位的动作，再由使用者口读 一遍词组进行训练，不同词组的不同音频信息，作为一个数字信号，对应于人工示教的动作。实际使用时(再现)只要受护理人口读词组即可再现操作，在病房环境下语音系统的识别率高达 97.5%。 3 . 机器人化多功能护理病床的语音控制系统语音作为当前控制方法中最自然的控制命令, 随着计算机和语音处理技术的发展 ,语音识别系统的实用性不断提高。语音识别控制技术将是今后一段时期语音技术的发展方向。将语音识别技术引入到护理床控制，将为丧失自理能力的使用者带来极大的便利。护理床的语音控制系统包含语音识别模块和语音回放模块，从而使护理床不但能实现语音控制操作，而且通过语音回放模块可以为使用者提供语音反馈，更有亲和力，更具人性化。 (1) 语音信号的采集处理过程 20ms内其频谱特性 语音信号是一种典型非平稳信号，但常常可假定为短时平稳的，既在10, 可近似看作不变，可采用平稳过程的分析处理方法来处理，即语音信号的时域处理方法(如采样率为8KHz，只利用3.4KHz 以内的信号分量)。如图3 所示，语音信号数字化过程，即A ,D 变换。首先麦克风将使用者说出的词转变成为模拟信号，与其它信号数字化过程一样，须先进行低通滤波，使信号中最高频率成份的频率低于采样频率的一半，滤除高于1/2采样频率的信号成份或噪声，以避免混叠失真。再将其转变为1和0的数字流进行编码，最简单的编码方法就是将每个采样所得样本的幅度量化表示为2进制数字信号，并通过并,串转换过程转换成串行的脉冲，以便于传输和储存。最后译码软件寻找与储存的音素模式相匹配的模型进行特定模形式复合单词概率的计算。这种模式还包含有关语句组成方式以及语句中单词顺序方面的信息。 (2) 语音识别方式 语音识别分为特定人识别系统和非特定人识别系统，由于使用者的语音以及地方语言存在很大差异性，我们使用可不依赖于对地方语言识别的特定人识别系统，即每一位使用者都必须在使用前建立自己专用的参考模式库，然后说话人的语音数字流与一套公用的参考模式库啮合，进行少量的训练修改，使之能自动适应用户的语音特性。语音识别的首要步骤为特征提取，特征参数有:带通滤波器组的频谱参数、失真测度(对数偏差的L范数)。一段语音信号经过特征提取后便得到特征矢量序列，O{O1,O2,O3,....O7}，然后进行相似度计算，其中模板匹配法是多维模式识别系统中最常用的一种相似度计算方法。在训练过程中，经过特征提取和特征数的压缩，并采用聚类方法或其它方法，针对每个模式类各产生一个或几个模板。在识别阶段将待识别模式的特征量与各模板进行相似率计算，模式匹配单元将输入语音的特征矢量序列与各个参考模式分别进行非线性时间对准算法(动态时间弯折Dynamic Time Warping)，取其中匹配得分最高的判别为识别结果。系统工作环境对识别系统的干扰，可利用语音增强技术，选取对噪声不敏感的特征参数，模板在匹配阶段进行自适应。为提高系统辨别的可靠性及鲁棒性，本系统采用以下技术: 鲁棒性训练法:鲁棒训练是一种串行训练法，将每一词重复说多遍，直到获得两个一致性较好的特征矢量序列，最终得到的模板是在一致性较好的特征矢量序列对在DTW的路径上求均值。 关键词捡出(keyword spotting):使用者语音命令中不仅包括命令关键词还夹杂其它词，以及各种非语言的咳嗽声、呼吸声、关门声、音乐声、多人共语声以及背景噪音，这就需要采用语音系统辨别技术把需要的关键词从连续语句中提取出来(基于DTW的关键词提出)。