[go: up one dir, main page]

CN106109174B - 一种基于肌电反馈式阻抗自适应的康复机器人控制方法 - Google Patents

一种基于肌电反馈式阻抗自适应的康复机器人控制方法 Download PDF

Info

Publication number
CN106109174B
CN106109174B CN201610554032.5A CN201610554032A CN106109174B CN 106109174 B CN106109174 B CN 106109174B CN 201610554032 A CN201610554032 A CN 201610554032A CN 106109174 B CN106109174 B CN 106109174B
Authority
CN
China
Prior art keywords
impedance
mal
muscle activity
joint
adaptive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610554032.5A
Other languages
English (en)
Other versions
CN106109174A (zh
Inventor
谢平
邱石
杜义浩
吴晓光
韦磊
郭子晖
刘欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanshan University
Original Assignee
Yanshan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN201610554032.5A priority Critical patent/CN106109174B/zh
Publication of CN106109174A publication Critical patent/CN106109174A/zh
Application granted granted Critical
Publication of CN106109174B publication Critical patent/CN106109174B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0218—Drawing-out devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/224—Measuring muscular strength
    • A61B5/227—Measuring muscular strength of constricting muscles, i.e. sphincters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B23/00—Exercising apparatus specially adapted for particular parts of the body
    • A63B23/035—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously
    • A63B23/04—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for lower limbs
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/10—Leg
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/60—Muscle strain, i.e. measured on the user, e.g. Electromyography [EMG]
    • A61H2230/605—Muscle strain, i.e. measured on the user, e.g. Electromyography [EMG] used as a control parameter for the apparatus
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/60—Measuring physiological parameters of the user muscle strain, i.e. measured on the user

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Pain & Pain Management (AREA)
  • Rehabilitation Therapy (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Rehabilitation Tools (AREA)
  • Prostheses (AREA)

Abstract

一种基于肌电反馈式阻抗自适应的康复机器人控制方法，由肌电信号特征值、足底压力信号和角速度信号识别出训练对象关节伸屈状态，确定肢体运动意图，结合患侧镜像健侧的方法给出用于描述患侧肌肉活动程度的肌电信号特征量；设定目标阻抗方程，描述机器人的末端运动轨迹偏差和末端受力之间的函数关系，构建随患侧肌肉活动水平和关节角度而自适应调整的阻抗参数，根据初始期望静态平衡力，分析肌电信号得到疲劳程度分级，微调期望静态平衡力。再结合位置控制器实现下肢康复机器人自适应跟踪期望轨迹。本发明建立自适应调整阻抗参数和分级调整静态平衡力的方法，使康复训练过程具有个体适应性，控制过程更加自然、柔顺并且安全可靠。

Description

一种基于肌电反馈式阻抗自适应的康复机器人控制方法
技术领域
本发明涉及康复机器人自适应控制领域，尤其涉及一种基于肌电反馈式阻抗自适应的康复机器人控制方法。
背景技术
目前，康复机器人的控制方法主要有被动控制和主动控制两大类。被动控制方法通过设定期望轨迹，采用位置控制方式跟踪期望轨迹，实现康复机器人运动控制。但被动控制方法存在个体适应性差，且在整个康复训练过程中缺乏训练对象的主动参与；主动控制方法又叫交互控制，根据交互信号的不同，主动控制又分为两类:(1)基于力反馈信号的交互控制。其中最常用的是阻抗控制方法，被认为是最适于康复机器人控制的方法之一。通过动力学模型给出目标阻抗方程，定量描述机器人末端运动轨迹偏差和末端受力之间的函数关系，利用力传感器获取其末端受力信息即可得到运动轨迹偏差值，进而确定实际运动轨迹并输入到位置控制器中实现康复机器人主动柔顺控制。但由于阻抗控制模型中的阻抗参数固定不变，缺乏自适应调整能力；(2)基于生物电信号的交互控制。通过采集人体生物电信号并作为控制信号引入康复机器人，其中应用最广泛的是表面肌电信号，具体包括以下两种方式：1)肌电触发方式：通过肌电信号特征识别训练对象的动作意图，触发康复机器人按照期望轨迹运动。但肌电信号的动作意图识别率不高，且实时性无法有效保证，同时康复机器人运动过程中未体现人机交互能力。2)肌电信号持续反馈控制方式：康复机器人提供的辅助力正比于训练对象肢体肌电信号的幅值，进而实现康复机器人运动轨迹的持续反馈控制，一定程度上体现了人机交互功能。但其可靠性无法有效保证，容易出现意外导致二次受伤。
综上所述，目前还缺少一种更好的康复机器人控制方法。
发明内容
本发明目的在于提供一种增加人机交互能力、增强康复训练的主动柔顺性、控制过程安全自然、适应性强的基于肌电反馈式阻抗自适应的康复机器人控制方法。
为实现上述目的，本发明所述方法包括以下步骤：
步骤1，利用肌电采集设备采集肌电信号；利用足底压力传感器获取人机交互力Fint；利用运动捕获设备获取关节角度信号和角速度信号；通过对肌电信号、足底压力和角速度信号的分析，得到关节运动意图；
步骤2，提取肌电信号特征值：均方根值RMS和积分肌电值iEMG，结合关节角度信号和关节运动意图得到表征肌肉贡献率的特征量再利用患侧镜像健侧的方法得到用于描述不同伸屈状态下患侧肌肉活动水平的特征量MAL(θ)；
步骤3，将MAL(θ)引入阻抗方程，阻抗参数表征成MAL(θ)的函数，实现阻抗参数随关节角度和肌肉活动水平自适应调整；
步骤4，提取肌电信号特征值：平均功率频率MPF和平均瞬时频率MIF，用于疲劳程度分级并引入静态平衡力Fd，根据疲劳级别对期望静态平衡力进行微调；
步骤5，根据实际人机交互力Fint与期望静态平衡力Fd的偏差和自适应变化的阻抗参数给予训练对象辅助，实现主、被动控制的柔性切换。
进一步的，步骤1中，通过肌电采集设备采集肌电信号，提取肌电信号特征值：积分肌电值iEMG和积分肌电差值DiEMG并归一化得到归一化后的积分肌电值NiEMG和积分肌电差值NDiEMG，作为支持向量机SVM的输入，支持向量机SVM的输出为关节伸屈状态；人机交互力Fint的变化表征关节伸屈状态；角速度变化可以辨识关节伸屈状态。综合分析肌电信号、足底压力和角速度信号的辨识结果，若至少有两个相同，则将此结果作为最终识别出的肢体运动意图。
进一步的，在步骤2中，通过患侧镜像健侧的方法得到描述患侧肌肉相对于健侧的激活程度的特征量
构建肌电特征值用于描述患侧肌肉活动水平。
进一步的，在步骤3中，阻抗方程为：
式中，Xd、X分别表示机器人的参考轨迹和实际轨迹；B(θ)为阻尼系数矩阵；K(θ)为刚度系数矩阵；Fe＝Fd-Fint为阻抗力，Fd为期望的静态平衡力，Fint为实际的人机交互力；K(θ)随训练肌肉活动水平MAL(θ)以及关节角度θ而改变；将MAL(θ)引入阻抗方程，并构建随关节角度和肌肉活动水平变化的阻抗参数B(θ)、K(θ)，从而实现阻抗参数的自适应调整；
所述阻抗参数B(θ)、K(θ)可以表示成以下形式：
伸展时阻抗参数为：Be(θ)＝κ·B0×MALe(θ)；Ke(θ)＝ρ·K0×MALe(θ)；
屈曲时阻抗参数为：Bf(θ)＝κ·B0×MALf(θ)；Kf(θ)＝ρ·K0×MALf(θ)；
式中，B0、K0为初始阻抗参数；κ、ρ分别为B0、K0的系数，用于调整初始阻抗参数，MALe(θ)表示伸展状态下肌肉活动水平；MALf(θ)表示屈曲状态下肌肉活动水平；
从而根据关节角度和肌肉活动水平自适应调整阻抗参数。
进一步的，在步骤4中，根据不同级别的疲劳程度对初始期望静态平衡力微调，即Fd-ΔFd(i)；其中初始的期望静态平衡力Fd是医师对训练对象身体状况综合评价后设定，ΔFd(i)为第i个疲劳级别的期望静态平衡力的调整量。
与现有技术相比，本发明具有如下优点：
1、直接由患者的实际人机交互力Fint与静态平衡力Fd的偏差给予辅助即按需辅助，实现了主被动控制的柔性切换；
2、构建随患侧肌肉活动水平和关节角度的变化而自适应调整的阻抗参数，凸显康复训练过程中人机交互的特点；
3、康复训练过程中会根据训练对象肢体的疲劳程度等级，对静态平衡力Fd进行微调；使整个康复过程具有个体适应性，控制过程更加自然、柔顺并且安全可靠。
附图说明
图1是一种卧式末端式康复机器人的结构示意图。
图2是实施例1中下肢表面电极分布示意图。
图3是本发明方法的控制结构图。
附图标号：1为滑轨、2为基座、3为滚珠丝杠、4-1为大腿支撑杆、4-2为小腿支撑杆、5-1为大腿支撑套、5-2为小腿支撑套、6为旋转副、7为转动副、8为踏板。9-1为采集股直肌肌电信号的电极、9-2为采集股外侧肌肌电信号的电极、9-3为采集股内侧肌肌电信号的电极、9-4为采集半腱肌肌电信号的电极、9-5为采集股二头肌肌电信号的电极。
具体实施方式
下面结合附图对本发明做进一步说明：
本发明所述方法包括以下步骤：
步骤1，为提高训练对象运动意图的识别率，避免因识别率低，控制异常而导致训练对象的二次损伤，采用决策级多源信号融合的方法。应用Delsys四点式银条电极设备采集表面肌电信号，提取肌电信号特征值：积分肌电值iEMG和积分肌电差值DiEMG并归一化得到归一化后的积分肌电值NiEMG和积分肌电差值NDiEMG，作为支持向量机SVM的输入，支持向量机SVM的输出为关节伸屈状态；足底压力传感器获取人机交互力Fint，交互力的变化表征关节的伸屈状态；若交互力变小则表明训练对象有屈曲的意图，若交互力变大则表明训练对象有伸展的意图；运动捕获设备获取关节角度和角速度信号，角速度可以辨识关节的伸屈状态。角度变大即角速度为正值，对应训练对象有伸展的意图；角度变小即角速度为负值，对应训练对象有屈曲的意图。对上述各特征结果应用决策级多源信号融合方法分析，得到最终的关节运动意图，该辨识结果比单一信号更可靠，提高了识别率，避免因识别失误、控制异常导致训练对象的二次损伤。
提取肌电信号特征值：均方根值(RMS)、积分肌电值(iEMG)并对其归一化，形成具有统计学意义的输入信号，结合关节角度信号和关节运动意图得到表征肌肉贡献率的特征量再利用患侧镜像健侧的方法得到用于描述不同伸屈状态下患侧肌肉活动水平的特征量MAL(θ)。
人机交互力Fint的变化表征关节伸屈状态；综合分析肌电信号、足底压力和角速度信号的辨识结果，若至少有两个相同，则将此结果作为最终识别出的肢体运动意图。
步骤2，提取肌电信号特征值：均方根值RMS和积分肌电值iEMG，结合关节角度信号和关节运动意图得到表征肌肉贡献率的特征量再利用患侧镜像健侧的方法得到用于描述不同伸屈状态下患侧肌肉活动水平的特征量MAL(θ)；通过患侧镜像健侧的方法得到描述患侧肌肉相对于健侧的激活程度的特征量
构建肌电特征值用于描述患侧肌肉活动水平。
步骤3，将MAL(θ)引入阻抗方程，阻抗参数表征成MAL(θ)的函数，实现阻抗参数随关节角度和肌肉活动水平自适应调整；
阻抗方程为：
式中，Xd、X分别表示机器人的参考轨迹和实际轨迹；B(θ)为阻尼系数矩阵；K(θ)为刚度系数矩阵；Fe＝Fd-Fint为阻抗力，Fd为期望的静态平衡力，Fint为实际的人机交互力；K(θ)随训练肌肉活动水平MAL(θ)以及关节角度θ而改变；将MAL(θ)引入阻抗方程，并构建随关节角度和肌肉活动水平变化的阻抗参数B(θ)、K(θ)，从而实现阻抗参数的自适应调整；
所述阻抗参数B(θ)、K(θ)可以表示成以下形式：
伸展时阻抗参数为：Be(θ)＝κ·B0×MALe(θ)；Ke(θ)＝ρ·K0×MALe(θ)；
屈曲时阻抗参数为：Bf(θ)＝κ·B0×MALf(θ)；Kf(θ)＝ρ·K0×MALf(θ)；
式中，B0、K0为初始阻抗参数；κ、ρ分别为B0、K0的系数，用于调整初始阻抗参数，MALe(θ)表示伸展状态下肌肉活动水平；MALf(θ)表示屈曲状态下肌肉活动水平。
从而根据关节角度和肌肉活动水平自适应调整阻抗参数。
步骤4，提取肌电信号特征值：平均功率频率MPF和平均瞬时频率MIF，用于疲劳程度分级并引入静态平衡力Fd，根据疲劳级别对期望静态平衡力进行微调，即Fd-ΔFd(i)；其中初始的期望静态平衡力Fd是医师对训练对象身体状况综合评价后设定。
步骤5，根据实际人机交互力Fint与期望静态平衡力Fd的偏差和自适应变化的阻抗参数给予训练对象辅助，实现主、被动控制的柔性切换。
实施例1：
结合图1：本实施例下肢康复训练装置是一种卧式康复机器人，用于实现下肢单自由度伸屈运动。机构包括滑轨1、基座2、下肢机械腿、滚珠丝杠3、驱动电机、踏板8；所述下肢机械腿包括小腿支撑杆4-2、小腿支撑套5-2中间以旋转副6连接，其中大腿支撑套和小腿支撑套用于固定患者下肢，大腿支撑杆上端与基座通过旋转副连接，小腿支撑杆的下端与滚珠丝杠以转动副7相连，驱动电机安置在基座中并通过滚珠与机械腿的末端相连，带动机械腿末端在滑轨内滑动。踏板8为人体与康复机器人的交互点，三个足底压力传感器被安置在踏板8表面用于测量人机交互力。
结合图2，表面电极9-1、9-2、9-3、9-4、9-5分别采集股直肌、股外侧肌、股内侧肌、半腱肌、股二头肌的肌电信号。图3为本发明方法的控制结构图。由图3所示，采用典型的双闭环控制系统模型。A是位置控制模块，B是基于位置的阻抗控制模块。C是参数更新模块。首先，应用Delsys四点式银条电极设备采集表面肌电信号并特征提取，运动捕获设备采集关节角度θ、角速度和FSR402力敏传感器采集足底压力信息Fint，运用决策级信息融合识别患者动作意图。其次，构建描述肌肉活动水平特征量并结合运动意图实时更新阻抗参数，同时通过肌电信号特征值进行疲劳评价分级调整期望静态平衡力Fd进而调整位置修正量Xe。最后将位置跟踪的期望值Xd与位置修正量Xe进行比较，得到实际参考位置量Xr并输入到闭环的位置控制器中，从而实现对Xr的精确位置跟踪，最终实现自适应的阻抗控制。
具体过程如下，采用决策级多源信号融合法识别患者下肢关节运动意图：
肌电信号：
将下肢伸肌群和屈肌群sEMG的NiEMG和NDiEMG特征指标作为SVM的输入，输出为屈曲/伸展状态，进而辨识出关节运动意图。特征指标含义具体如下：
积分肌电值(iEMG)是指肌电信号整流滤波后求单位时间内曲线下面积的总和，它可反映肌电信号随时间的强弱变化。
式中，EMG(t)为预处理后的肌电信号，T为sEMG的分析周期。
定义特征指标DiEMG(i)来定量描述sEMG能量在时间维度上的变化趋势。
DiEMG(i)＝iEMG(i-1)-iEMG(i) (3)
为便于比较sEMG的iEMG和DiEMG指标变化趋势，将其进行归一化处理：
式中，iEMGmax、iEMGmin分别为iEMG最大值和最小值，DiEMGmax、DiEMGmin分别为DiEMG最大值和最小值。
足底压力信号：
通过足底压力传感器测得人机交互力Fint。设第i时刻人机交互力为Fint(i)，则在一个周期内人机交互力均值为
式中，n为采样点数。
表示人机交互力的变化。当ΔF>0，即人机交互力变大表示患者下肢的伸展状态；当ΔF<0，即人机交互力变小表示患者下肢的屈曲状态。
关节角速度信号：
运动捕获设备获取运动信息并解算出关节角速度当即膝关节角度增大表示患者下肢的伸展状态；当即膝关节角度减小表示患者下肢的屈曲状态。从而由关节角速度识别出患者关节的运动意图。
融合上述三种识别结果，确定最终的判别结果并输入到控制器中。具体融合方法如下：
设Δxi，i＝1,2,3为上述三种识别结果，其中Δxi＝-1,0,1分别表示患者下肢的屈曲、不变、伸展状态。设规定至少存在两种相同识别结果时，将重合的识别结果确定为最终判别结果，即ΔX≥2，表示患者有伸展意图；-2<ΔX<2表示患者保持原姿势；ΔX≤-2表示患者有屈曲意图。综合分析上述三种识别结果基础上得到的判别结果比单一信号的识别结果更可靠，提高了患者运动意图的识别率。同时避免了因识别失误、控制异常而导致训练对象的二次损伤。
为量化患者肌肉活动水平，构建肌电特征量分别描述肌肉贡献率和患侧肌肉相对于健侧的激活程度。具体步骤如下：
首先计算肌电信号均方根值RMS。
式中，vi为第i个肌电信号幅值，N为采样点数。
鉴于肌电信号的随机性和非平稳性，对均方根值进行归一化处理。
式中，RMSmax、RMSmin分别为RMS最大值和最小值
假设下肢膝关节屈伸动作由以下五块肌肉实现：股直肌(VR)、股内侧肌(MV)、股外侧肌(VL)、股二头肌(BFC)、半腱肌(SM)。结合图2，通过肌电采集设备和运动捕获设备同时获取患者健侧和患侧的上述肌肉的肌电信号和膝关节角度信号，原始信号预处理和归一化后分别得到5组数据即NRMS值，健侧：VR(θ)、VL(θ)、MV(θ)、SM(θ)、BFC(θ)和患侧：PVR(θ)、PVL(θ)、PMV(θ)、PSM(θ)、PBFC(θ)。
则关节伸屈运动过程中肌肉贡献率为：
结合上述决策级多源信号融合法得到的关节运动意图，表示伸展状态下肌肉贡献率；表示屈曲状态下肌肉贡献率。每块肌肉贡献率在0-1之间，数值越大表示该角度下肌肉贡献率越高。
定义变量RVR(θ)用于量化关节运动过程中患侧股直肌相对于健侧的激活程度，数值在0-1之间。数值越大表明激活程度越高，越接近健康活动水平。表达式如下：
同理得到衡量其它肌肉激活程度的特征量
进而量化肌肉活动水平的表达式如下：
结合上述决策级多源信号融合法得到的关节运动意图，MALe(θ)表示伸展状态下肌肉活动水平；MALf(θ)表示屈曲状态下肌肉活动水平。从数值上分析，数值越大，该角度下患者肌肉活动水平越高；数值越低，该角度下患者肌肉活动水平越低，则需要的辅助越大。
将描述患侧肌肉活动水平的特征量MAL(θ)引入阻抗参数中，从而实现了阻抗参数随患侧肌肉活动水平和关节角度自适应调整的目标。具体如下：
伸展：
Be(θ)＝κ·B0×MALe(θ) (12)
Ke(θ)＝ρ·K0×MALe(θ) (13)
屈曲：
Bf(θ)＝κ·B0×MALf(θ) (14)
Kf(θ)＝ρ·K0×MALf(θ) (15)
式中，B0、K0为初始阻抗参数；κ、ρ分别为B0、K0的系数，用于调整初始阻抗参数，MALe(θ)表示伸展状态下肌肉活动水平；MALf(θ)表示屈曲状态下肌肉活动水平。
提取肌电信号特征值：平均功率频率MPF和平均瞬时频率MIF用于表征患者疲劳程度并分级。具体如下：
其中P(f)为功率谱函数，f为变量频率。
式中，MIF(j)为第j层平均瞬时频率，aj(t)为sEMG经EEMD分解后第j个MIF分量的幅值，wj(t)为对EEMD分解后的MIF分量进行希尔伯特变换得到sEMG的瞬时频率。
相关文献表明，随着患者疲劳程度的增加，肌电信号的MPF和MIF减小。因此这里采用阈值法对患者疲劳程度进行分级。
设MPF0，MIF0为患者肌电特征量的初始值。
第一级：ε1<MPF<MPF0；μ1<MIF<MIF0
第二级：ε2<MPF<ε1；μ2<MIF<μ1
第三级：ε3<MPF<ε2；μ3<MIF<μ2
式中，当MPF和MIF同时满足阈值条件时，才符合相应疲劳级别。
根据医师对训练对象身体状况的评价给出期望静态平衡力Fd，结合上述疲劳级别判别法对初始期望静态平衡力微调，即Fd-ΔFd(i)，i＝1,2,3为疲劳级别。实时判定下肢疲劳级别，自适应减少期望静态平衡力以防止患者的二次受伤。
由足底压力传感器测得患者和机器人末端的人机交互力Fint，与期望的静态平衡力Fd比较后获得目标阻抗力Fe,即Fe＝Fd-Fint。对目标阻抗方程变形得：
Fe＝(B(θ)s+K(θ))e (20)
即由外环阻抗方程产生随肌肉活动水平和关节角度自适应调整位置修正量Xe。对位置跟踪的期望值Xd与位置修正量Xe进行比较，得到实际参考位置量Xr输入到闭环的位置控制器中，从而实现对Xr的精确位置跟踪。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (5)

1.一种基于肌电反馈式阻抗自适应的康复机器人控制方法，其特征在于，所述方法包括以下步骤：
步骤1，利用肌电采集设备采集肌电信号；利用足底压力传感器获取人机交互力Fint；利用运动捕获设备获取关节角度信号和角速度信号；通过对肌电信号、足底压力和角速度信号的分析，得到关节运动意图；
步骤2，提取肌电信号特征值：均方根值RMS和积分肌电值iEMG，结合关节角度信号和关节运动意图得到表征肌肉贡献率的特征量再利用患侧镜像健侧的方法得到用于描述不同伸屈状态下患侧肌肉活动水平的特征量MAL(θ)；
步骤3，将MAL(θ)引入阻抗方程，阻抗参数表征成MAL(θ)的函数，实现阻抗参数随关节角度和肌肉活动水平自适应调整；
步骤4，提取肌电信号特征值：平均功率频率MPF和平均瞬时频率MIF，用于疲劳程度分级并引入静态平衡力Fd，根据疲劳级别对期望静态平衡力进行微调；
步骤5，根据实际人机耦合力Fint与期望静态平衡力Fd的偏差和自适应变化的阻抗参数给予训练对象辅助，实现主、被动控制的柔性切换。
2.根据权利要求1所述的一种基于肌电反馈式阻抗自适应的康复机器人控制方法，其特征在于，步骤1中，通过肌电采集设备采集肌电信号，提取肌电信号特征值：积分肌电值iEMG和积分肌电差值DiEMG并归一化得到归一化后的积分肌电值NiEMG和积分肌电差值NDiEMG，作为支持向量机SVM的输入，支持向量机SVM的输出为关节伸屈状态；人机交互力Fint的变化表征关节伸屈状态；角速度变化可以辨识关节伸屈状态；综合分析肌电信号、足底压力和角速度信号的辨识结果，若至少有两个相同，则将此结果作为最终识别出的肢体运动意图。
3.根据权利要求1所述的一种基于肌电反馈式阻抗自适应的康复机器人控制方法，其特征在于：在步骤2中，通过患侧镜像健侧的方法得到描述患侧肌肉相对于健侧的激活程度的特征量
构建肌电特征值用于描述患侧肌肉活动水平。
4.根据权利要求1所述的一种基于肌电反馈式阻抗自适应的康复机器人控制方法，其特征在于，在步骤3中，阻抗方程为：
式中，Xd、X分别表示机器人的参考轨迹和实际轨迹；B(θ)为阻尼系数矩阵；K(θ)为刚度系数矩阵；Fe＝Fd-Fint为阻抗力，Fd为期望的静态平衡力，Fint为实际的人机交互力；K(θ)随训练肌肉活动水平MAL(θ)以及关节角度θ而改变；将MAL(θ)引入阻抗方程，并构建随关节角度和肌肉活动水平变化的阻抗参数B(θ)、K(θ)，从而实现阻抗参数的自适应调整；
所述阻抗参数B(θ)、K(θ)可以表示成以下形式：
伸展时阻抗参数为：Be(θ)＝κ·B0×MALe(θ)；Ke(θ)＝ρ·K0×MALe(θ)；
屈曲时阻抗参数为：Bf(θ)＝κ·B0×MALf(θ)；Kf(θ)＝ρ·K0×MALf(θ)；
式中，B0、K0为初始阻抗参数；κ、ρ分别为B0、K0的系数，用于调整初始阻抗参数，MALe(θ)表示伸展状态下肌肉活动水平；MALf(θ)表示屈曲状态下肌肉活动水平；
从而根据关节角度和肌肉活动水平自适应调整阻抗参数。
5.根据权利要求1所述的一种基于肌电反馈式阻抗自适应的康复机器人控制方法，其特征在于，在步骤4中，根据不同级别的疲劳程度对初始期望静态平衡力微调，即Fd-ΔFd(i)；其中初始的期望静态平衡力Fd是医师对训练对象身体状况综合评价后设定，ΔFd(i)为第i个疲劳级别的期望静态平衡力调整量。
CN201610554032.5A 2016-07-14 2016-07-14 一种基于肌电反馈式阻抗自适应的康复机器人控制方法 Expired - Fee Related CN106109174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610554032.5A CN106109174B (zh) 2016-07-14 2016-07-14 一种基于肌电反馈式阻抗自适应的康复机器人控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610554032.5A CN106109174B (zh) 2016-07-14 2016-07-14 一种基于肌电反馈式阻抗自适应的康复机器人控制方法

Publications (2)

Publication Number Publication Date
CN106109174A CN106109174A (zh) 2016-11-16
CN106109174B true CN106109174B (zh) 2018-06-08

Family

ID=57282648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610554032.5A Expired - Fee Related CN106109174B (zh) 2016-07-14 2016-07-14 一种基于肌电反馈式阻抗自适应的康复机器人控制方法

Country Status (1)

Country Link
CN (1) CN106109174B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI749452B (zh) 2020-01-30 2021-12-11 上銀科技股份有限公司 可適應性主動訓練系統
US11266879B2 (en) 2020-02-24 2022-03-08 Hiwin Technologies Corp. Adaptive active training system

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106726341A (zh) * 2016-12-06 2017-05-31 西安交通大学 基于人机阻抗匹配模型的变刚度肘关节康复机器人及其控制方法
CN106726357B (zh) * 2017-02-24 2020-09-22 宁波工程学院 一种外骨骼机械腿康复系统站立模式控制方法
CN106823290A (zh) * 2017-04-13 2017-06-13 合肥工业大学 一种多位姿康健训练机器人
CN106861134A (zh) * 2017-04-13 2017-06-20 合肥工业大学 一种下肢康健训练装置
CN109199783B (zh) * 2017-07-04 2020-06-09 中国科学院沈阳自动化研究所 一种利用sEMG来控制踝关节康复设备刚度的控制方法
CN107397649B (zh) * 2017-08-10 2020-08-14 燕山大学 一种基于径向基神经网络上肢外骨骼运动意图识别方法
CN108392795B (zh) * 2018-02-05 2019-11-01 哈尔滨工程大学 一种基于多信息融合的康复机器人多模态控制方法
CN108324503A (zh) * 2018-03-16 2018-07-27 燕山大学 基于肌骨模型和阻抗控制的康复机器人自适应控制方法
CN108785997B (zh) * 2018-05-30 2021-01-08 燕山大学 一种基于变导纳的下肢康复机器人柔顺控制方法
CN108939436B (zh) * 2018-08-01 2020-03-24 深圳睿瀚医疗科技有限公司 一种健侧患侧协同的主动下肢训练系统及其操作方法
CN109091142B (zh) * 2018-08-09 2020-12-15 江汉大学 一种检测肌肉内源性疲劳度的方法、装置及存储介质
CN109480838B (zh) * 2018-10-18 2020-09-18 北京理工大学 一种基于表层肌电信号的人体连续复杂运动意图预测方法
CN109864740B (zh) * 2018-12-25 2022-02-01 北京津发科技股份有限公司 一种运动状态的表面肌电信号采集传感器和设备
CN109718059B (zh) * 2019-03-11 2020-10-02 燕山大学 手部康复机器人自适应控制方法及装置
CN110103226B (zh) * 2019-06-06 2021-02-12 燕山大学 一种辅助机器人控制方法及系统
CN110507322B (zh) * 2019-07-30 2021-01-22 西安交通大学 一种基于虚拟诱导肌电定量状态评估系统及方法
CN110523060B (zh) * 2019-08-29 2021-09-24 深圳市问库信息技术有限公司 肌力恢复与姿势纠正辅助装置
CN110917577B (zh) * 2019-11-27 2021-04-20 西安交通大学 一种利用肌肉协同作用的多阶段下肢训练系统及方法
CN111035896B (zh) * 2019-12-31 2024-09-13 中航创世机器人(西安)有限公司 一种下肢康复训练系统
CN112206484B (zh) * 2020-08-20 2022-02-11 无锡商业职业技术学院 一种用于主动式肌力训练器械的训练强度跟踪方法
CN112891127B (zh) * 2021-01-14 2022-07-26 东南大学 一种基于自适应阻抗控制的镜像康复训练方法
CN112807647A (zh) * 2021-01-28 2021-05-18 重庆工程职业技术学院 一种模拟实战训练系统
CN112932897B (zh) * 2021-01-28 2023-11-28 上海电气集团股份有限公司 一种康复机器人运动的方法、装置及其康复机器人
CN113069315B (zh) * 2021-03-24 2024-02-20 上海傅利叶智能科技有限公司 机器人提供助力的方法、装置和康复机器人
CN113100789B (zh) * 2021-04-16 2022-10-21 西北工业大学 一种膝关节内外侧受力实时分析系统
CN114800440B (zh) * 2022-03-09 2023-07-25 东南大学 基于变刚度的外肢体机器人辅助支撑方法
CN114897012B (zh) * 2022-04-29 2024-07-26 中国科学院沈阳自动化研究所 一种基于生机接口的智能假肢手臂控制方法
CN114948591B (zh) * 2022-05-12 2023-08-01 中山大学 一种下肢康复机器人的控制方法、装置及机器人
CN114788687B (zh) * 2022-06-23 2022-09-27 中国科学院自动化研究所 一种帕金森肌强直症状量化评估方法和装置
CN115708758B (zh) * 2022-11-19 2024-07-12 哈尔滨理工大学 一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法
CN117064380B (zh) * 2023-10-17 2023-12-19 四川大学华西医院 下肢表面肌电检测的防摔倒预警系统、方法和相关产品
CN119548120B (zh) * 2024-11-30 2025-12-16 中国人民解放军空军工程大学 异侧下肢肌电信号的同侧运动方向预测方法及相关装置
CN119908942B (zh) * 2025-04-03 2025-08-19 深圳市丞辉威世智能科技有限公司 一种下肢髋膝康复训练设备的智能控制方法及系统
CN120022161B (zh) * 2025-04-21 2025-08-01 上海理工大学 一种康复训练外骨骼机器人多运动模式控制系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101061984A (zh) * 2006-04-29 2007-10-31 香港理工大学 利用肌电信号提供机械帮助的康复机器人系统及训练方法
TW201031397A (en) * 2009-02-27 2010-09-01 Univ Nat Yunlin Sci & Tech Functional electrical stimulation cycling system and method of EMG feedback control
CN103431976A (zh) * 2013-07-19 2013-12-11 燕山大学 基于肌电信号反馈的下肢康复机器人系统及其控制方法
CN103691059A (zh) * 2013-12-27 2014-04-02 中国科学院自动化研究所 基于角度信息与肌电信号反馈控制的电刺激康复装置及方法
CN104173124A (zh) * 2014-08-29 2014-12-03 电子科技大学 一种基于生物信号的上肢康复系统
CN104552295A (zh) * 2014-12-19 2015-04-29 华南理工大学 一种基于多信息融合的人机技能传递系统
DE102014105387B4 (de) * 2013-12-19 2015-10-08 Hiwin Technologies Corp. Elastische Orthesevorrichtung mit Kraftrückkopplung
CN105213153A (zh) * 2015-09-14 2016-01-06 西安交通大学 基于脑肌信息变阻抗的下肢康复机器人控制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100312152A1 (en) * 2009-06-03 2010-12-09 Board Of Regents, The University Of Texas System Smart gait rehabilitation system for automated diagnosis and therapy of neurologic impairment
KR101032798B1 (ko) * 2009-10-09 2011-05-06 (주)라파앤라이프 근육의 생체전기 신호 분석을 통한 척추 정위 교정 시스템
KR101317817B1 (ko) * 2011-09-29 2013-10-15 연세대학교 원주산학협력단 근전도 피드백 기반의 능동형 상지 재활 훈련 시스템
CN105232039A (zh) * 2014-06-26 2016-01-13 上银科技股份有限公司 步态训练设备的生理状态回馈控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101061984A (zh) * 2006-04-29 2007-10-31 香港理工大学 利用肌电信号提供机械帮助的康复机器人系统及训练方法
TW201031397A (en) * 2009-02-27 2010-09-01 Univ Nat Yunlin Sci & Tech Functional electrical stimulation cycling system and method of EMG feedback control
CN103431976A (zh) * 2013-07-19 2013-12-11 燕山大学 基于肌电信号反馈的下肢康复机器人系统及其控制方法
DE102014105387B4 (de) * 2013-12-19 2015-10-08 Hiwin Technologies Corp. Elastische Orthesevorrichtung mit Kraftrückkopplung
CN103691059A (zh) * 2013-12-27 2014-04-02 中国科学院自动化研究所 基于角度信息与肌电信号反馈控制的电刺激康复装置及方法
CN104173124A (zh) * 2014-08-29 2014-12-03 电子科技大学 一种基于生物信号的上肢康复系统
CN104552295A (zh) * 2014-12-19 2015-04-29 华南理工大学 一种基于多信息融合的人机技能传递系统
CN105213153A (zh) * 2015-09-14 2016-01-06 西安交通大学 基于脑肌信息变阻抗的下肢康复机器人控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI749452B (zh) 2020-01-30 2021-12-11 上銀科技股份有限公司 可適應性主動訓練系統
US11266879B2 (en) 2020-02-24 2022-03-08 Hiwin Technologies Corp. Adaptive active training system

Also Published As

Publication number Publication date
CN106109174A (zh) 2016-11-16

Similar Documents

Publication Publication Date Title
CN106109174B (zh) 一种基于肌电反馈式阻抗自适应的康复机器人控制方法
CN108785997B (zh) 一种基于变导纳的下肢康复机器人柔顺控制方法
CN108324503A (zh) 基于肌骨模型和阻抗控制的康复机器人自适应控制方法
CN110355761B (zh) 一种基于关节刚度和肌肉疲劳的康复机器人控制方法
CN110123572B (zh) 一种偏瘫上肢代偿运动多模态交互的康复机器人训练系统
Chen et al. Locomotion mode classification using a wearable capacitive sensing system
Hussain et al. Intent based recognition of walking and ramp activities for amputee using sEMG based lower limb prostheses
CN108310632B (zh) 一种肌肉电刺激方法、装置及可穿戴设备
CN112842824B (zh) 一种用于下肢康复恢复的训练方法
CN119367682A (zh) 基于动作捕捉与肌电反馈的集成式康复训练系统
CN109199783B (zh) 一种利用sEMG来控制踝关节康复设备刚度的控制方法
CN114587934B (zh) 一种肌电自适应改变压力阈值的手指背伸训练系统
CN110522457A (zh) 一种基于电机电流、传感器反馈的实时步态分析方法
Huang et al. Motion estimation of elbow joint from sEMG using continuous wavelet transform and back propagation neural networks
CN114569144A (zh) 一种基于肌电-惯性传感的膝关节腱反射状态评估方法
CN106110587A (zh) 基于人机合作的下肢外骨骼康复系统及方法
KR101603148B1 (ko) 적응적으로 특징과 채널을 선택하는 표면근전도 신호기반 보행단계 인식 방법
Jiang et al. Exploration of gait parameters affecting the accuracy of force myography-based gait phase detection
CN109758336A (zh) 一种利用患者患侧sEMG进行主动康复治疗的控制方法
CN120392125B (zh) 基于肌电信号的下肢运动意图识别方法及系统
KR20160023984A (ko) 표면근전도 신호기반 보행동작 인식을 위한 분류기 시스템
CN106137683B (zh) 基于协调阻抗控制的下肢外骨骼康复系统
KR100706065B1 (ko) 근전도를 이용한 사용자 의도 인식 방법 및 그 시스템
CN117398264B (zh) 一种可自动切换主动控制模式的下肢康复系统及控制方法
Wang et al. Enhancing locomotion-mode recognition and transition prediction with (bio) mechanical sensor fusion for intelligent prosthetic knees

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180608

CF01 Termination of patent right due to non-payment of annual fee