基于无模型自适应的外骨骼式上肢康复机器人主动交互训练控制方法

设计了一种基于无模型自适应的外骨骼式上肢康复机器人主动交互训练控制方法.在机器人与人体上肢接触面安装力传感器采集人机交互力矩信息作为量化的主动运动意图,设计了一种无模型自适应滤波算法使交互力矩变得平滑而连贯;以人机交互力矩为输入,综合考虑机器人末端点与参考轨迹的相对位置和补偿力的信息,设计了人机交互阻抗控制器,用于调节各关节的给定目标速度;设计了将无模型自适应与离散滑模趋近律相结合的速度控制器完成机器人各关节对目标速度的跟踪.仿真结果表明,该控制方法可以实现外骨骼式上肢康复机器人辅助患者完成主动交互训练的功能.通过调节人机交互阻抗控制器的相应参数,机器人可以按照患者的运动意图完成不同的主动交互训练任务,并在运动出现偏差时予以矫正.控制器在设计实现过程中不要求复杂准确的动力学建模和参数识别,并有一定的抗干扰性和通用性.     

基于变阻抗补偿的上肢康复机器人人机交互方法研究

针对偏瘫患者在进行康复训练过程中不能很好地主动参入并且康复任务表现能力低的问题，提出了一种基于变阻抗补偿的上肢康复机器人人机交互方法。该方法可以提高康复过程中的柔顺性和任务表现。首先介绍了上肢康复机器人的基本结构，并对其进行运动学分析；再介绍了导纳控制和阻抗补偿控制系统框架；之后通过受试者的交互力和交互力变化速率建立出受试者的运动意图，在根据运动意图来实时调整阻抗补偿参数改变系统的柔顺性；最后通过三种不同的模式进行轨迹跟踪和到达目标点的实验比较，结果表明所提出的控制算法可以适应受试者的运动意图，提高任务表现。     

基于任务表现的机器人辅助康复自适应控制策略

以机器人辅助的上肢协调康复训练为研究对象,提出一种基于任务表现的自适应控制策略,为肢体运动功能障碍患者提供个性化的机器人辅助,旨在提高患者的主动运动参与度,实现高效的康复训练.首先,介绍上肢末端式双边康复平台以及协调训练任务.然后,引入临床运动评估参数与协调训练指标,采用模糊神经网络模型建立多任务指标与机器人导纳控制参数间的映射关系.最后,通过受试者参与的协调训练实验对所提出方法进行了验证,并与相关文献中的人机交互策略进行了对比分析.实验结果表明,本文方法具有较好的任务指标追踪效果和人机交互平稳性,能够自适应为患者提供个性化的机器人辅助,有助于提高受试者的训练积极性.     

上肢康复外骨骼机器人的模糊滑模导纳控制

为了辅助上肢运动功能障碍患者进行不同模式的康复训练,基于上肢康复外骨骼机器人系统,提出了一种模糊滑模导纳控制策略,实现训练过程的人机协调控制.首先,介绍了康复外骨骼的整体结构和实时控制平台.然后,分析了模糊滑模导纳控制算法的推导过程,并根据李亚普诺夫稳定性判据证明系统的稳定性.最后,在不同系统导纳参数条件下,分别进行被动训练模式和主动训练模式实验,并对比分析了实验过程中运动偏差、人机交互力以及肱二头肌表面肌电信号的变化特点.实验结果表明,选择合适的目标导纳模型可以优化康复训练强度与难度,提高人机交互柔顺性与患者参与度,满足不同瘫痪程度和康复进度患者的训练需求.     

矢量场逐次逼近的康复机器人柔顺交互控制

为了实现康复机器人的主动柔顺交互,提出了一种基于矢量场逐次逼近的控制模型;设计了矢量场逐次逼近系统,可输出机器人关节期望位移,该输出能与输入的扭矩、表面肌电及脑电等信号在振幅、频率和相位上保持同步,且通过调节遗忘因子参数值,可改变主动柔顺交互的积极性;利用自行设计的穿着型下肢康复机器人样机进行柔顺辅助实验,以验证所提出控制模型的有效性;通过FFT（Fast Fourier transformation）频谱对机器人关节扭矩的组成成分进行了分析,并采用基于最小二乘法的参数辨识方法实施了重力补偿,以便康复机器人实时控制.实验结果表明,该控制模型对于实现康复机器人与人之间的柔顺交互是有效的.     

下肢康复机器人及其交互控制方法

瘫痪病人的数量与日俱增,其康复训练通常是一个长期的过程.相对于传统的理疗,使用机器人辅助康复训练能够提高效率,降低成本,减少理疗师的人员和体力消耗,因此节省了康复医疗资源,并且可以完成更加多样的主被动训练策略,从而提高了康复效果.根据患者进行康复运动时的身体姿态,下肢康复机器人可分以下4类: 坐卧式机器人、直立式机器人、辅助起立式机器人和多体位式机器人,坐卧式又细分为末端式和外骨骼式,直立式进一步划分为悬吊减重(Suspending body weight support,sBWS) 式步态训练机器人和独立可穿戴式机器人.由于下肢康复机器人是与运动功能受损的患肢相互作用,为了给患者创造一个安全、舒适、自然的训练环境,机器人和患者之间的交互控制不可或缺.根据获取运动意图时所使用的传感器信号,交互控制可以基本分为两类: 1)基于力信号的交互控制; 2)基于生物医学信号的交互控制.在基于力信号的交互控制中,力位混合控制和阻抗控制是最为常用的两种方法; 而在基于生物医学信号的交互控制中,表面肌电 (Surface electromyogram,sEMG) 和脑电(Electroencephalogram,EEG) 最常被用于运动意图的推断.     

下肢康复机器人的主动柔顺自适应交互控制

为了更好地给患者提供稳定、舒适且具备主动柔顺性的康复训练环境,提出一种基于阻抗参数自适应调节的下肢康复机器人主动柔顺交互控制方案,该方案由外环的阻抗参数调节和内环的轨迹跟踪两部分构成.首先,针对康复训练过程中人体阻抗参数动态变化的问题,提出了模糊自适应阻抗参数调节器,将人机交互作用力、位置误差与速度误差作为输入,并采用模糊推理实时调整阻尼系数与刚度系数,实现对人体阻抗的自适应.其次,设计了间接自适应模糊控制器,合理构造模糊系统逼近未知非线性系统,对反映患者运动意图的设定轨迹进行稳定跟踪,利用李亚普诺夫分析方法证明了系统的稳定性.最后,通过仿真实验将本文方法与一般的固定期望阻抗参数方法对比,结果表明本文方法下的髋、膝关节轨迹的最大偏差分别降低53.43％和66.87％,验证了所提方法的可行性与有效性.     

兼具柔顺与安全的助行机器人运动控制研究

针对助行机器人的柔顺性和安全性问题,基于多传感器系统融合技术,本文提出了一种能够兼具柔顺与安全的助行机器人运动控制方法.首先介绍了助行机器人的机械结构、控制原理以及多传感器系统,然后根据机器人多传感器系统,设计出各传感器相对应的用户意图估计方法,提出了一种基于多传感器融合的助行机器人柔顺运动控制算法.分析用户可能发生的跌倒模式,使用基于卡尔曼滤波（Kalman filter,KF）的序贯概率比检验（Sequential probability ratio test,SPRT）方法和决策函数来判断用户是否会跌倒,并判断处于哪种跌倒模式.最后,通过助行机器人柔顺运动控制实验和用户跌倒检测实验验证了算法的有效性.     

上肢康复机器人实时安全控制

针对上肢辅助康复机器人临床使用中的安全性和平稳性问题,提出基于模糊逻辑的实时在线安全监测控制方法.机器人对患肢进行康复训练时,患肢状态对控制效果会产生影响;通过设计智能安全监控模糊控制器(SSFC)改善系统运动平稳性以及突发情况下的安全性.首先提取相关运动特征评估受训患肢状态稳定情况,安全监控模糊控制器智能实现正常扰动情况下的控制期望力调节以及突发情况下的紧急响应.其次通过基于位置的阻抗控制策略实现患肢与机器人末端的柔顺性.实验结果验证了该控制方法能够有效地实现康复机器人的安全性和平稳性.     

四足机器人节律柔顺行走控制

针对节律运动突变碰撞力大和柔顺性低的问题,改进基于Hopf振荡器的中枢模式发生器模型,提出一种节律柔顺行走控制方法。分析Hopf振荡器输出信号与关节运动之间的关系,整合膝关节变量,改变神经元之间的作用关系,实现对称步态和非对称步态行走;分析节律运动碰撞力突变对四足机器人行走产生的负面影响,提出基于碰撞力大小和四足机器人身体姿态的柔顺性评估方法;通过连续调整碰撞阶段大腿的摆动幅度,增大摆动周期,减小碰撞阶段的关节运动速度,形成机器人本体与地面之间的缓冲,实现节律柔顺行走。四足机器人慢走步态和对角小跑步态仿真实验验证了该控制方法的有效性。     

Bionic control of exoskeleton robot based on motion intention for rehabilitation training

As the complexity of obtaining irregular daily motion trajectory during upper limb rehabilitation training, this paper proposes the bionic control method for the presented exoskeleton robot arm based on motion intention. Firstly, the collected motion signal is pre-processing by filtering. Then the motion intention and motion mode of the processed signal are classified by using the hierarchical multi-classification support vector machine. Meanwhile, the adaptive Hopf oscillator network based on dynamic learning is used for offline learning of joint motion trajectory, and the parameters of the reproduced signal in different motion modes are obtained. Finally, the corresponding parameters are transferred according to the user’s intention, and the oscillator network is reconstructed to realize the periodic motion control of rehabilitation training. With experimental verification, the proposed method can follow the human body’s motion intention and reproduce the daily motion trajectory of the upper limb. The results show it can be used to conduct rehabilitation training for the patient.     

基于阻抗模型的下肢康复机器人交互控制系统设计

为帮助下肢功能障碍患者进行康复训练,设计了下肢康复机器人。对于该机器人的控制,采用传统系统无法柔顺控制,导致机器人运动轨迹偏离预设轨迹。针对该现象,提出了基于阻抗模型的下肢康复机器人交互控制系统设计。通过分析总体控制方案,设计系统硬件结构框图。采用L型二维力传感器,确定两个方向的人机交互力。使用绝对值编码器安装在各个关节处,其输出值作为髋关节、膝关节、踝关节电机的转动位置,增量编码器安装在电机轴上,测量值用来作为后期控制方法的输入参数。构建阻抗控制模型,能够调节机器人位置和速度,具有消除力误差功能。依据此力矩对参考运动轨迹进行设计,实时获取患者康复训练的跟踪、主动柔顺和接近状态信息。在柔顺训练实验测出人机交互力,通过实验结果知,在检测到人体主动力矩异常时,系统能够重新优化轨迹,具有良好柔顺控制效果。     

下肢康复机器人离散自适应控制的研究

康复训练是脑卒中、脊髓损伤患者主要的治疗手段.机器人辅助步行训练是近年来广泛应用的下肢康复训练方式.针对具有步态自适应功能的下肢康复机器人,提出了一种柔顺协调控制方法.基于非线性逆系统解耦理论,系统分解为几个独立的二阶积分系统.在解耦子系统中,采用阻抗和自适应控制来进行步态轨迹的规划和跟踪.最后,在Matlab-Adams联合仿真系统中对设计的控制器进行仿真并验证算法的正确性.     

Variable stiffness control for SEAs in rehabilitation training

ABSTRACT

Series Elastic Actuator (SEA) with both security and high performance is used extensively for rehabilitation robots with physical interaction. Human joints applied for motion therapy show variable stiffness properties during the process of rehabilitation training. When using robot to do motion therapy, impedance control is one of the most popular methods for rehabilitation works. However, impedance control with constant stiffness usually produces rigidity in the body due to natural changes of muscle tension. It may seriously restrict the achievement of excellent training effect and may even cause harm to patients. In this study, a novel real-time parallel variable stiffness control method is proposed based on cascade impedance controller. First, an SEA joint is analyzed and the limit factor of the impedance frequency is discussed. Subsequently, cascade impedance controller scheme with stiffness adjustment regulator is utilized to achieve the stiffness and the passivity of the controller is proved. Based on the scheme, a novel stiffness self-adjustment algorithm is presented which can regulate the stiffness by impedance approximation. Finally, simulation and experimental results are provided to validate the stiffness adjustment method during the rehabilitation process.     

Muscle circumference sensor and model reference-based adaptive impedance control for upper limb assist exoskeleton robot

In this paper, we have addressed two issues for upper limb assist exoskeleton: (1) estimation of human desired motion intention (DMI) using non-biological-based sensors; and (2) compliant control using model reference-based adaptive approach. For non-biological-based DMI estimation, we have employed Muscle Circumference Sensor (MCS) and load cells. MCS measures human elbow joint torque using human arm kinematics, biceps/triceps muscle model, and physiological cross-sectional area of these muscles. So, using MCS, we have measured Biceps/Triceps internal muscle activity and we have tried to reduce it by providing robotic assistance. To extract DMI, we have employed radial basis function neural network (RBFNN). RBFNN uses position, velocity, and human force to estimate DMI which is further tracked by the impedance control law. This algorithm is based on model reference-based adaptive impedance control law which drives the overall assist exoskeleton to the desired reference impedance model, giving required compliance. To highlight the effectiveness, we have compared proposed control algorithm with simple impedance and adaptive impedance control algorithms. Experimental results demonstrate the reduced muscle activity and active compliance for subject wearing the robot.     

一种基于非线性振荡器的步态轨迹自适应算法

步态训练轨迹是影响康复训练效果的一项重要因素,而自适应性对于下肢康复机器人的临床应用具有重要的意义.振荡器可通过在线调节参数而输出不同波形的周期信号,常用于康复机器人步态轨迹的生成.本文在高斯核函数非线性振荡器的基础上提出了一种下肢康复机器人步态轨迹自适应算法.该算法通过轨迹偏差实现对参考轨迹波形的调节,并且用相位偏差曲线面积实现参考轨迹周期的自适应.本文首先介绍了用于生成步态参考轨迹的非线性振荡器的数学模型;其次,详细描述了基于该模型的参考轨迹波形和周期自适应算法;最后,以悬挂减重式下肢康复机器人为研究对象,建立机器人与人体下肢仿真模型,对所提出的步态参考轨迹自适应算法进行仿真实验,并验证了该算法的可行性.     

Experimental Implementation of Impedance Based Control Schemes for Assembly Task

Compliant manipulation tasks require the robot to follow a motion trajectory and to exert a force profile while making compliant contact with a dynamic environment. For this purpose, a generalized impedance in the task space is introduced such that the desired motion and the desired interaction force can be commanded and controlled simultaneously. Several control schemes which place different emphases on motion control or force control can be derived from the generalized impedance. The impedance-based control schemes are implemented and the performance evaluated on a common test-bed which involves the insertion of a printed circuit board into an edge connector socket. Experimental results demonstrate the superior motion and force tracking ability of the generalized impedance control method. Furthermore, safe task execution can be achieved in the presence of abnormal operating situation.     

Online generation of cyclic leg trajectories synchronized with sensor measurement

The generation of trajectories for a biped robot is a problem which has been largely studied for several years, and many satisfying offline solutions exist for steady-state walking in absence of disturbances. The question is a little more complex when the generation of the desired trajectories of joints or links has to be achieved or adapted online, i.e. in real time, for example when it is wished to strongly synchronize these trajectories with an external motion. This is precisely the problem addressed in this paper. Indeed, we consider the case where the “master” motion is measured by a position sensor embedded on a human leg. We propose a method to synchronize the motion of a robot or of other device with respect to the output signal of the sensor. The main goal is to estimate as accurately as possible the current phase along the gait cycle. We use for that purpose a model based on a nonlinear oscillator, which we associate an observer. Introducing the sensor output in the observer allows us to compute the oscillator phase and to generate a synchronized multilinks trajectory, at a very low computational cost. The paper also presents evaluation results in terms of robustness against parameter estimation errors and velocity changes in the input.