基于力学感知与模型预测的超声骨刀控制方法及系统与流程
本申请涉及医疗器械智能控制,具体涉及一种基于力学感知与模型预测的超声骨刀控制方法及系统。
背景技术:
1、超声骨刀利用压电换能器将高频电能转化为机械振动能,通过刀头的微米级纵向往复运动实现对骨组织的精准切割,因其具备软组织选择性保护和切割边界清晰等优势,已广泛应用于脊柱椎板减压、颅骨开窗及关节置换等骨科术式中。在机器人辅助超声骨切削的闭环控制体系中,刀尖切割力的实时准确获取是实现自适应功率调节、保障手术安全的核心前提。然而,超声骨刀工作频率通常超过20khz,远高于主流机械臂末端力传感器的有效带宽,直接加装物理测力装置面临动态响应失真、结构适配困难及灭菌兼容性差等工程瓶颈。为此,现有技术转而利用压电换能器自身的谐振电流信号作为间接力学观测源,通过提取电流幅值包络、有效值及相位差等特征参数,借助深度神经网络建立电流特征与切割力之间的隐式非线性映射模型,以实现无需外置传感器的力学感知。
2、然而,上述基于电流特征的力学预测方案在面对真实湿态手术环境时存在根本性的信噪比瓶颈。临床骨切削过程中,为防止超声振动产生的摩擦热使骨组织温度超过不可逆坏死阈值,必须在刀尖区域持续喷注生理盐水进行冷却降温。超声刀头的高频振动在冲洗液中引发剧烈的声致空化效应,微米级气泡在声场正压相急剧溃灭时产生高频非线性的流体冲击载荷,该随机流体动力学扰动以宽频带阻抗噪声的形式叠加于换能器的谐振电流信号之上。由于空化溃灭噪声的频谱与骨接触切削力引起的电流变化频段高度重叠,传统的带通滤波或自适应陷波方法在抑制空化噪声的同时不可避免地损毁真实切削力信息,而纯数据驱动的神经网络模型若直接以含噪电流特征作为输入,则会将随机流体扰动误判为切削力的剧烈突变,导致力学预测输出出现严重的高频毛刺与系统性偏差,进而引发下游功率控制器的错误响应,增大周围血管神经结构遭受机械副损伤的手术风险。
技术实现思路
1、本申请提供了一种基于力学感知与模型预测的超声骨刀控制方法及系统,以至少解决现有技术中存在的以上技术问题。
2、根据本申请的一方面,提供了一种基于力学感知与模型预测的超声骨刀控制方法,包括:s1,对采集的高频谐振电流序列进行瞬态信号相空间重构以得到高维相空间演化轨迹矩阵;s2,对高维相空间演化轨迹矩阵进行基于局部指数谱的动力学流形解耦以得到空化混沌特征值和纯净确定性切削相空间矩阵;s3,对纯净确定性切削相空间矩阵进行降维还原与频域特征提取以得到去空化机械切削阻抗特征向量;s4,对去空化机械切削阻抗特征向量、空化混沌特征值与机械臂末端进给位姿向量进行融合环境上下文的深度神经网络多维力预测以得到刀尖三维切割力向量;s5,基于模型预测控制器,对刀尖三维切割力向量与预设安全切削力阈值进行误差滚动优化求解以得到超声发生器调节参数序列。
3、根据本申请的另一方面,提供了一种基于力学感知与模型预测的超声骨刀控制系统,包括:相空间重构模块,用于对采集的高频谐振电流序列进行瞬态信号相空间重构以得到高维相空间演化轨迹矩阵;流形解耦模块,用于对高维相空间演化轨迹矩阵进行基于局部指数谱的动力学流形解耦以得到空化混沌特征值和纯净确定性切削相空间矩阵;特征提取模块,用于对纯净确定性切削相空间矩阵进行降维还原与频域特征提取以得到去空化机械切削阻抗特征向量;力预测融合模块,用于对去空化机械切削阻抗特征向量、空化混沌特征值与机械臂末端进给位姿向量进行融合环境上下文的深度神经网络多维力预测以得到刀尖三维切割力向量;参数优化模块,用于基于模型预测控制器,对刀尖三维切割力向量与预设安全切削力阈值进行误差滚动优化求解以得到超声发生器调节参数序列。
4、与现有技术相比,本申请提供的基于力学感知与模型预测的超声骨刀控制方法及系统,具有以下技术效果:从拓扑几何维度而非频域维度实现了空化流体扰动与真实切削力信号的彻底分离,避免了传统滤波方法在两类信号频谱重叠时不可避免的互损问题,使得即使在持续冲洗降温的湿态手术工况下,力学预测模型的输入特征仍保持极高的信噪比与物理保真度;同时,物理信息神经网络中嵌入的动力学微分方程正则化约束赋予了模型在训练数据覆盖范围之外仍保持物理自洽预测能力的强泛化特性,有效抑制了纯黑盒模型在异常姿态或罕见骨质条件下可能出现的灾难性预测发散;此外,空化混沌特征值作为液态环境的定量表征被融入预测输入,使系统能够根据冲洗液流量与空化强度的动态变化自适应修正力学估计基线,进一步提升了全工况条件下力感知的鲁棒性与一致性,最终确保下游模型预测控制器基于高保真的三维力反馈信息做出精确的功率调节决策,显著降低了因力学估计失真引发超声功率过补偿或欠补偿而导致的骨组织热坏死或周围血管神经结构机械副损伤的临床风险。
1.一种基于力学感知与模型预测的超声骨刀控制方法,其特征在于,包括:
2.根据权利要求1所述的基于力学感知与模型预测的超声骨刀控制方法,其特征在于,步骤s1,包括:
3.根据权利要求1所述的基于力学感知与模型预测的超声骨刀控制方法,其特征在于,步骤s2,包括:
4.根据权利要求1所述的基于力学感知与模型预测的超声骨刀控制方法,其特征在于,步骤s3,包括:
5.根据权利要求1所述的基于力学感知与模型预测的超声骨刀控制方法,其特征在于,步骤s4,包括:
6.根据权利要求1所述的基于力学感知与模型预测的超声骨刀控制方法,其特征在于,步骤s5,包括:
7.根据权利要求5所述的基于力学感知与模型预测的超声骨刀控制方法,其特征在于,对归一化切割力预测张量进行笛卡尔坐标系下的三维受力逆映射解构以得到刀尖三维切割力向量,包括:
8.一种基于力学感知与模型预测的超声骨刀控制系统,其特征在于,包括:
9.根据权利要求8所述的基于力学感知与模型预测的超声骨刀控制系统,其特征在于,相空间重构模块,包括:
10.根据权利要求8所述的基于力学感知与模型预测的超声骨刀控制系统,其特征在于,流形解耦模块,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com