基于神经网络辨识的变增益控制在遥康复中的应用

在患者进行遥康复训练时,肌肉痉挛会对遥康复训练系统稳定性及从机械手速度平滑性产生较大的影响.针对这些问题提出了一种新的基于BP神经网络辨识的变增益控制方法.通过BP神经网络实时辨识患肢动力学参数并根据其变化进行自适应调整控制增益,不仅消除了因患者肌肉痉挛带来的不稳定性,而且减少了其对系统运动平滑性的影响,可提高康复训练效果.分析和仿真试验结果表明,该控制方法与传统的控制方法相比,可有效地抑制患者因肌肉痉挛带来的干扰并具有较好的稳定性和平滑性.     

外骨骼式步态康复训练机器人构型研究

设计了一种面向偏瘫患者的外骨骼式步态康复训练机器人机构。该机构包括腋下支撑机构、患肢侧外骨骼机构以及健肢侧机构。左腋下支撑机构与右腋下支撑机构结构相同,腋下支撑部可以在水平方向和垂直方向进行调整。患肢侧外骨骼机构可驱动患者患肢髋关节、膝关节和踝关节在矢状面内运动,其大腿和小腿部分采用了两根连杆,增加了强度,提高了安全性。健肢侧机构包括三自由度外骨骼式健肢关节运动参数检测装置和具有平面四杆结构的原地步行机构。所设计的康复训练机器人能够使患者患肢发挥残存的运动能力,并且当运动能力不足时,可使患肢根据健肢的运动参数进行康复训练。     

基于阻抗辨识和混杂控制的机器人辅助抗阻训练方法

现有机器人辅助抗阻训练方法大多是运用易受噪声干扰的患肢主动作用力或表面肌电信号直接进行治疗控制器设计,且在设计过程中未能同时将机器人连续变量运动控制与医师离散事件决策控制这种混杂特性融于统一框架内,具有一定的局限。针对上述问题,提出一种基于阻抗辨识和混杂控制的机器人辅助抗阻训练方法,该方法首先根据患肢主动作用力和实际运动位置在线辨识患肢时变生物阻抗;其次,运用混杂控制理论建立机器人辅助抗阻过程系统模型,根据患肢生物阻抗变化分别定义连续系统区域切换离散事件及离散系统控制状态,并基于混杂自动机设计离散事件决策控制器;最后,选用美国Barrett公司WAMTM柔顺机械臂构建康复试验系统,对所设计控制器进行有效性验证。试验结果验证了阻抗辨识和混杂控制理论应用于机器人辅助抗阻训练过程的有效性和实用性。     

基于传感器的操作臂惯性参数在线识别神经网络模型

机器人惯性参数识别是机器人精确建模以及机器人控制和仿真的关键问题之一。机器人腕力传感器的接入将影响机器人系统的动力学特性 ,同时腕力传感器的输出也真实地反映了机器人的力作用和机器人末端的动力学特性。本文基于腕力传感器的输出信号 ,对在线识别机器人操作臂末端的惯性参数的方法进行了分析和研究 ,并建立了惯性参数在线识别的神经网络模型 ,网络学习后其权值即为辨识的惯性参数。     

一种个体自适应康复训练机器人机构的研究

针对现有下肢康复训练机器人人机连接柔顺性和关节对中性差的问题,提出了一种个体自适应的欠驱动康复训练机器人。欠驱动机器人系统只有4个直线驱动,驱动的直线运动通过连杆和人机连接机构转化为人下肢在矢状面内的屈伸运动,可带动人体进行步态康复训练。建立了机构的人机耦合模型,进行了正、逆运动学分析。然后,基于人机耦合模型,提出了一种人体参数与连接参数的在线辨识方法,可获得难以实际测量的人体肢体长度与人机连接参数等信息,并实现了个体自适应步态轨迹规划。最后,利用MATLAB和ADAMS软件进行了仿真验证,验证了参数辨识方法的正确性,以及提出的康复训练机器人具有个体适应性。     

肢体运动功能恢复中步态康复机器人技术的应用

在医学的快速发展下,再加上人们生活水平和生活质量的日益提高,康复问题受到了人们的广泛关注,步态康复机器人应运而生。步态康复机器人能够对病患的运动意向进行初步检测,并提供合理的运动补偿机制,并将其划分为两个子系统,结合不同患者患肢的运动能力来进分析,并为其提供外骨骼重力补偿以及外骨骼跟随患肢运动康复训练模式。如果病患肢体并不具备运动能力,可以结合健肢示教控制系统,为病患制定相应的步态运动参数带动病患肢体进行康复运动,不仅可以确保病患康复训练动作的完整性,同时还可以为不同阶段的康复训练需求提供保障。基于此,分析了步态康复机器人在帮助患者恢复肢体运动功能所起的作用,希望能够帮助更多的患者认识和了解步态康复机器人的优势。     

基于连接组合体方法的关节机器人动力学参数辨识

为获得不受负载影响的机器人动力学参数的独立值,采用连接组合体方法辨识机器人动力学参数,即辨识时按照一定的方式及次序锁定其他关节,每次仅让某几个关节运动,从而辨识出全部参数的独立值。编写了机器人动力学参数辨识程序,对某确定工业机器人进行了动力学参数辨识计算。结果表明：该方法能够获得独立的机器人动力学参数;绝大多数参数能够获得理想的辨识精度;受噪声影响,部分参数辨识结果与理想值差距较大,原因在于这些参数对力矩的贡献很小,在噪声存在的情况下,其信息被淹没;基于辨识结果的力矩计算结果与机器人控制理想力矩具有很高的吻合度,验证了该方法的正确性。     

基于模糊优化辨识模块化机器人关节动力学参数

为了能更为合理、准确地辨识出机电结构系统结合面的等效动力学参数,提出了基于模糊优化的辨识方法。以9自由度模块化冗余机器人为研究对象,采用模糊优化方法辨识了机器人关节面等效动力学参数,并利用所识别的参数及机器人各部件有限元模型建立了机器人整机动力学模型,该模型的模态参数与试验结果具有较好的一致性,表明所提出的辨识方法具有较高的辨识精度,是合理和可行的。     

机器人末端臂惯性参数辨识的人工神经网络方法

分析了机器人操作臂末端连杆惯性参数辨识的原理及数学模型,提出了一种与传统神经网络问题不同的惯性参数辨识方法,使神经网络的结构与权值具有明确的物理意义,解决了获取样本难的问题。探讨了人工神经网络在系统参数辨识应用中的一般规律及优越性。惯性参数辨识方法简单、直观、运算量小,可应用基于传感器信号的机器人末端惯性参数的在线辨识。在PUMA562机器人上,用实验验证了惯性参数辨识方法的可行性与有效性。     

体感控制的上肢外骨骼镜像康复机器人系统

为辅助患肢进行自主康复训练,研制了一种体感控制的上肢外骨骼镜像康复机器人系统。设计了可穿戴式三自由度上肢康复机械臂,利用Kinect传感器提取人体6个骨骼关节点数据,计算所需控制参数,将健肢的体势动作转化为控制信号,控制机械臂带动患肢做镜像或同步运动康复训练。搭建了上肢外骨骼康复机器人系统实验平台,分别进行了单关节镜像控制和多关节联动同步控制穿戴实验,系统具有良好的体感控制随动性能,能满足上肢康复训练的要求。     

基于Unity3D与Kinect的康复训练机器人情景交互系统

近年来,康复机器人技术的研究已成为康复医学工程与机器人领域跨学科的研究热点。为提高康复训练机器人的交互能力,将虚拟现实技术、机器人技术相结合,研究基于虚拟场景交互的下肢康复训练机器人系统,使用Kinect传感器采集人体的骨骼信息,并运用Unity3D游戏引擎和3D Studio Max软件开发了用于情景交互的虚拟场景,设计了患者与虚拟人物步态同步控制算法,实现了康复训练过程中的同步交互。实验结果表明,同步步态控制算法有效,人机交互良好,可帮助并激励中风患者实现主动的康复训练。     

基于规则进化模糊系统的步行方向意图识别

为了准确识别下肢功能障碍患者自主步行康复训练过程中的方向意图,提出了一种能够兼顾使用者个体差异及安全状态的新型步行方向意图识别方法。首先论述了康复训练机器人结构及患者前臂对机器人支撑板的压力和步行方向意图的关系。为保证患者安全地向任意方向行走,提出根据膝盖旋转角度推理安全步态的先决条件下,基于距离型模糊推理算法设计具有稀疏前件规则库的步行方向意图识别方法;然后为减小因个体差异、非稳定模糊规则引起的识别误差,提出规则进化算法实时优化模糊推理规则库。最后将该算法进行了多方向模糊推理实验与步行康复训练机器人压力控制实验,实验表明该算法可以准确识别下肢功能患者的任意步行方向意图并提高了步行的安全性,提出的步行方向意图识别方法可以应用在下肢功能障碍人士的日常起居与康复训练中。     

基于人机耦合模型的上肢康复外骨骼闭环PD迭代控制方法

针对多关节上肢外骨骼重复性康复训练非线性求解困难问题,提出了一种闭环PD迭代学习控制方法。基于人体工学确定了六自由度上肢外骨骼康复机械臂的参数、自由度配置与关节运动范围。以人机交互力为耦合方式,建立了基于牛顿-欧拉法的人机耦合模型,完成了人机耦合动力学模拟分析。基于迭代学习控制理论提出外骨骼康复机械臂的闭环PD迭代学习控制方法,通过建模仿真分析了肩关节/肘关节迭代学习控制的轨迹误差、人机交互力和驱动力矩。第三次迭代后的轨迹误差小于0.05 rad,PD迭代学习控制器的输出对系统控制进行了有效的补偿,提高了系统状态的稳定性。研制了六自由度上肢外骨骼康复机械臂样机,开展试验测试。试验结果表明,随着控制试验在迭代域上的运行,系统的输出向着期望的系统状态转化,所提出的迭代学习控制算法可以提高上肢外骨骼康复训练重复性运动的控制精度,进而提高人机交互性能。     

步行康复机器人轨迹控制方法研究

为了满足神经受损患者步行康复训练需要,设计了以外骨骼助行腿为核心的步行康复机器人,其重要的要求是保证机器人的运动轨迹符合患者康复训练要求。为使机器人能模拟步态为患者提供康复训练,在合理的步态规划后对轨迹的控制方法进行了研究,在控制系统软、硬件平台上完成了步行康复机器人助行腿的两种轨迹控制方式(位置控制和速度控制)。通过实验验证了控制方式的可行性,满足了患者步态训练需要。同时实验结果表明,速度控制方式比位置控制方式更加适合步行康复机器人。     

Review of human–robot coordination control for rehabilitation based on motor function evaluation

As a wearable and intelligent system, a lower limb exoskeleton rehabilitation robot can provide auxiliary rehabilitation training for patients with lower limb walking impairment/loss and address the existing problem of insufficient medical resources. One of the main elements of such a human–robot coupling system is a control system to ensure human–robot coordination. This review aims to summarise the development of human–robot coordination control and the associated research achievements and provide insight into the research challenges in promoting innovative design in such control systems. The patients’ functional disorders and clinical rehabilitation needs regarding lower limbs are analysed in detail, forming the basis for the human–robot coordination of lower limb rehabilitation robots. Then, human–robot coordination is discussed in terms of three aspects: modelling, perception and control. Based on the reviewed research, the demand for robotic rehabilitation, modelling for human–robot coupling systems with new structures and assessment methods with different etiologies based on multi-mode sensors are discussed in detail, suggesting development directions of human–robot coordination and providing a reference for relevant research.     

Fundamental problems in rehabilitation robots based on neuro-machine interaction

Study results in the last decades show that amount and quality of physical exercises,then the active participation,and now the cognitive involvement of patient in rehabilitation training are crucial to enhance recovery outcome of motor dysfunction patients after stroke.Rehabilitation robots mainly have been developed along this direction to satisfy requirements of recovery therapy,or focused on one or more of the above three points.Therefore,rehabilitation robot based on neuro-machine interaction has been proposed for the paralyzed limb training of post-stroke patient,w hich utilizes motor related EEG,UCSDI(Ultrasound Current Source Density Imaging),EM G for the robot control and feeds back the multi-sensory interaction information such as visual,auditory,force,haptic sensation to the patient simultaneously.This neuro-controlled and perceptual rehabilitation robot w ill bring great benefits to post-stroke patients.In order to develop such a kind of rehabilitation robot,some key technologies,such as noninvasive precise measurement and decoding of neural signals,realistic sensation feedback,coordinated control for both the rehabilitation robot and the patient,need to be solved.In this paper,some fundamental problems in developing and optimizing such a kind of rehabilitation robot based on neuro-machine interaction are proposed and discussed.     

人体卧式下肢屈伸运动的动力学建模与仿真

为了帮助脑卒中后偏瘫、单侧肢体运动障碍的患者进行下肢康复训练,基于人机合作技术提出了一种下肢康复训练机器人。该机器人根据患者的运动意愿,通过与人合作完成下肢的康复训练。引入广义速率的概念,基于凯恩方法对人体卧式下肢屈伸运动进行了动力学建模与仿真,求解了下肢屈伸运动的约束方程和凯恩方程,得到了下肢运动曲线和驱动力矩曲线。该研究为下肢康复训练器械的设计与研制提供了参考和理论依据。     

基于闭环矢量法的骨盆位姿机构运动学分析

助行训练机器人是一种帮助偏瘫、截瘫患者进行行走训练的康复设备,其作用是通过对人体骨盆中心和腿部的控制实现行走功能,进而达到锻炼肌肉和康复行走功能的目的。该文提出了四自由度骨盆位姿控制机构,运用闭环矢量法建立了位姿控制机构的运动学模型,利用Matlab／Simulink完成了运动学仿真分析,得到了该机构的加速度、速度和位姿变化曲线,验证了该骨盆位姿机构方案的可行性以及运动学模型的正确性。该研究为助行训练机器人的控制系统设计提供了依据。     

ADDITIONAL DESIGN FEATURES OF A MASTER–SLAVE CONTROL SYSTEM WITH FORCE SENSING AND ENERGY RECYCLING FOR UPPER LIMB REHABILITATION ROBOTS

Traditional upper-limb rehabilitation robots usually realize force feedback with force sensors or impedance controllers. Otherwise, assistant or resistant force required in different training modes is given by the robot, which does not motivate the initiative of patients sufficiently. This article introduces a self-controlled upper-limb rehabilitation robot to implement force sensing without a force sensor or an impedance controller. The system supports bimanual exercises in different training modes with one limb providing a proper force for the contralateral limb. The above characteristics and the capability of master–slave motion tracking with a kind of energy recycling were verified with preliminary experiments.     

基于屏障 Lyapunov 函数的上肢康复机器人 自适应主动交互训练控制

针对上肢运动功能障碍患者进行辅助康复训练,搭建了一套上肢康复外骨骼机器人系统,并提出一种基于屏障Lyapunov函数的增广神经网络自适应导纳控制策略。首先,介绍了上肢康复外骨骼的机械机构及其控制系统。然后,推演了控制器的设计过程并进行了Lyapunov稳定性证明。最后,分别进行了不同控制内环的轨迹跟踪被动训练实验和不同导纳参数下基于人机交互力的主动交互训练实验,同时分析比对了主动训练时的人机交互力与轨迹偏差的变化关系。被动训练实验结果证明了增广神经网络对人机模型动力学的逼近效果,其轨迹跟踪峰值误差为模糊PID控制器的53%。主动交互训练实验证明了通过调整导纳参数可实现在相同训练任务下不同强度的康复训练以匹配不同康复阶段下的患者。