下肢康复机器人肌电感知与人机交互控制方法

下肢康复机器人以其诸多的优势而逐步取代传统的康复治疗手段。在论述下肢康复机器人及其人机交互控制方法研究现状的基础上,针对下肢康复机器人对患者运动意图与运动能力感知的双重需求,提出了一种基于表面肌电信号的受试者运动状态的精密感知方法,包括表面肌电快速识别人体步态事件、表面肌电连续解码人体下肢关节运动角度,以及表面肌电定量预测人体下肢主动关节力矩。为了实现患者自主引导和下肢康复机器人按需辅助训练,深入讨论分析了下肢康复机器人的系统设计和基于表面肌电精细感知的人机交互控制方法。最后,展望了下肢康复机器人的未来研究方向与内容。     

床式下肢康复训练机器人模糊自适应阻抗控制

为解决肢体运动障碍患者的康复训练问题,设计了一款床式下肢康复训练机器人,搭建了床式下肢康复训练机器人控制系统。为提高下肢康复训练后期患者主动参与度,提出了模糊自适应阻抗控制方法用于主动训练控制。机器人通过检测与患者之间的人机交互作用力,判断患者主动运动意图,并且基于阻抗控制建立力与位置的动态关系。通过接触力测评实验选择不同体位的下肢康复训练方式。通过实验验证了模糊自适应阻抗控制的可行性,可以有效提高使用者的主动参与度。     

下肢康复训练机器人的控制系统设计

针对康复训练患者和治疗医师需求,提出一种新型下肢康复机器人,并对其进行被动式控制系统设计。使用Solidworks建立三维模型,制造样机并进行控制系统设计。建立运动学模型,并且对下肢康复机器人进行运动分析,结合CGA临床步态数据和RLA人体下肢步态,进行下肢康复机器人的运动轨迹规划。采用PID控制方法对运动轨迹进行跟踪控制,运用Simulink进行模拟仿真。设计基于位置阻抗的控制策略,使实际位置跟踪目标位置,以达到人机运动协调的目的。搭建控制系统平台,并且对样机进行周期步态速度检验和轨迹跟踪检验。     

下肢康复机器人主动康复策略研究

为了更好地辅助脑卒中等下肢偏瘫患者通过康复训练恢复基本行走能力,将机器人应用于康复医学领域,解决康复医师紧缺、康复冗余等问题。为了进一步提高下肢康复机器人辅助患者训练的灵活性,基于随机森林算法进行下肢运动意图研究。通过Noraxon肌电传感器采集并预处理人体表面肌电信号,利用随机森林算法分类提取的具有代表性的肌电信号,预判患者的动作意图为平地行走、上楼梯或下楼梯。模型对比表明,随机森林分类模型的识别成功率最高,可以辅助康复机器人带动患者进行主动训练。设计的机器人既节约了医疗康复资源,又提高了患者的康复效果和参与训练的积极性。     

上肢主动训练康复机器人设计与研究

随着脑卒中患者的增加,康复机器人成为患者康复训练的主要途径,其比康复师更加适合重复运动训练。康复机器人可有效降低康复治疗师的工作压力。主动训练作为康复机器人的主要特点,比简单的被动训练更加有效。介绍了上肢康复机器人2自由度主动训练控制方法,实现了患者肩关节和肘关节的康复训练。基于阻抗控制建立了康复机器人控制器,并将主动训练与虚拟现实相结合,可控制实际反作用力和目标反作用力的平均误差X轴为1.41×0.79 N,Y轴为1.22×0.91N。     

上肢康复机器人控制系统设计

在传统治疗方法中主要由医务人员来辅助偏瘫患者完成康复训练,为减轻医务人员的劳动强度、提高康复训练的效果,基于阻抗控制方法为四自由度上肢康复机器人设计控制系统,实现康复机器人辅助患者完成康复训练。对控制方法进行分析后基于工业控制计算机搭建硬件平台,并分别对单关节运动、多关节连动进行理论分析、软件仿真,信号测试和样机实验。基于阻抗控制的上肢康复机器人控制系统能实现辅助患者完成沿规划轨迹的被动训练和跟随患者运动意识的主动训练。     

坐式下肢康复训练机器人的设计

基于运动康复医学理论,针对下肢瘫痪患者早期及中后期康复训练的需求,设计了一款坐式下肢康复机器人,对肢体运动功能受损的肌肉进行训练。对下肢康复训练机器人进行了创新设计,其结构组成主要包括下肢康复机构和座椅辅助机构,利用该下肢康复训练机器人可使患者受损的运动功能得到最大程度的恢复和重建。     

下肢康复机器人人机耦合动力学建模和主动柔顺控制

针对多关节下肢康复机器人非线性人机交互作用力影响训练过程中舒适度和安全性的问题,提出一种人机耦合动力学建模方法和主动柔顺控制策略。结合脑卒中发病初-中期康复训练特点和降低髋关节输出功率的要求,确定出坐卧式下肢康复机器人自由度配置、自平衡结构原理,并完成具体模型设计。基于简化的人体肌骨模型,考虑人机耦合方式,确定出人机交互作用力模型,进一步给出考虑自平衡结构影响的人机耦合动力学模型。引入环境刚度模拟患者踩踏在不同路面的接触力效果,利用动力学前馈进行关节期望力矩补偿控制,并通过李雅普诺夫定理判定控制系统的稳定性。通过实验验证了轨迹跟踪、力跟踪的准确性,进一步通过临床试验,92.2%的脑卒中患者病情得到缓解,验证了研究内容的可行性和安全性。     

基于RBF神经网络的闭链下肢康复机器人自适应补偿控制

在下肢康复机器人的康复训练过程中,模型参数、环境干扰等不确定性因素会影响机器人轨迹跟踪的精度。针对这一问题,提出了一种基于径向基函数（Radial Basis Function,RBF）神经网络的自适应补偿控制,该控制方法能够提高机械系统轨迹跟踪的精确性。首先,设计一款具有4种工作模式、运动稳定的闭链卧式下肢康复机器人结构;然后,利用拉格朗日方法求解动力学名义模型,将康复装置的模型参数以及外界干扰等不确定性因素分离出来,并设计基于RBF神经网络的自适应补偿算法对其进行逼近控制;最后,通过Matlab/Simulink环境对其进行仿真验证,证明了该控制策略的有效性。结果显示,在人体步态曲线轨迹跟踪中,提出的基于RBF神经网络的自适应补偿算法相比传统的模糊比例-积分-微分（Proportional Integral Derivative,PID）控制的方法响应速度快、跟踪效果好,且髋关节和膝关节轨迹跟踪的角度误差峰值分别为0.08°和0.13°,远小于患者下肢在康复运动中的转动角度。设计了单腿样机试验,试验结果表明,采用的RBF补偿自适应控制器能够实现高精度的跟踪结果,也能够满足患者在康复...     

儿童下肢辅助训练外骨骼的结构与控制方案设计

面向学龄前脑瘫儿童的下肢康复辅助训练外骨骼的研究十分匮乏。针对这一现状从脑瘫患儿的病理特点入手，基于牵张和步行训练所需的必要自由度进行分析，确定了关键设计指标继而完成了共具有6个主动自由度的下肢康复外骨骼结构设计和结构优化。最后针对康复训练方案的特点提出了基于位置反馈的动力学前馈控制，通过对系统时域特性的分析确定了控制参数。通过实验分析证明了儿童下肢辅助训练外骨骼的结构合理性和牵张运动和步行训练的可行性。