任务导向式主动训练控制方法及相应的康复机器人.pdf

摘要
申请专利号：	CN201410799839.6	申请日：	2014.12.18
公开号：	CN104492066A	公开日：	2015.04.08
当前法律状态：	授权	有效性：	有权
法律详情：	授权\|\|\|实质审查的生效IPC(主分类):A63B 71/06申请日:20141218\|\|\|公开
IPC分类号：	A63B71/06; A63B23/00	主分类号：	A63B71/06
申请人：	中国科学院自动化研究所
发明人：	侯增广; 胡进; 梁旭; 高占杰; 彭龙; 彭亮; 程龙; 王卫群; 谢晓亮; 边桂彬
地址：	100190北京市海淀区中关村东路95号
优先权：
专利代理机构：	中科专利商标代理有限责任公司11021	代理人：	宋焰琴
PDF下载：	PDF下载

内容摘要

本发明公开了一种任务导向式主动训练控制方法，应用于康复机器人中，所述康复机器人具有传感装置、控制系统和驱动机构，控制系统用于接收传感装置采集的信号生成控制指令，并将控制指令发送给驱动机构，驱动机构可佩带于患者的身体部分，接收所述控制指令，根据控制指示施加并调节对患者身体部分的作用力，以对患者的康复训练进行控制，所述控制方法包括如下步骤：S1、检测患者身体部分的主动运动信号；S2、根据患者身体部分的主动运动信号，调节康复机器人的驱动机构对患者身体部分的作用力。

权利要求书

权利要求书
1.  一种任务导向式主动训练控制方法，应用于康复机器人中，所述康复机器人具有传感装置、控制系统和驱动机构，控制系统用于接收传感装置采集的信号生成控制指令，并将控制指令发送给驱动机构，驱动机构可佩带于患者的身体部分，接收所述控制指令，根据控制指示施加并调节对患者身体部分的作用力，以对患者的康复训练进行控制，其特征在于，所述控制方法包括如下步骤：
S1、检测患者身体部分的主动运动信号；
S2、根据患者身体部分的主动运动信号，调节康复机器人的驱动机构对患者身体部分的作用力。

2.  如权利要求1所述的任务导向式主动训练控制方法，其特征在于，所述主动运动信号是患者的主动关节力矩，所述步骤S2包括：
S21、建立与患者的运动任务相对应的有向路径，根据患者所述身体部分的关节位置和该有向路径上距离它的最近点，在指定路径周围建立一个虚拟隧道作为参考位置；
S22、将主动关节力矩转换成相应的实际运动，根据虚拟遂道的位置计算位置、速度和加速度调整量，得到位置、速度和加速度的控制指令，并将其作为控制信号控制驱动机构；
S23、将患者身体部分的主动关节力矩沿正切向和正法向进行分解，根据主动力矩的两个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。

3.  如权利要求2所述的任务导向式主动训练控制方法，其特征在于，所述步骤S21包括：
步骤S211：指定有向路径由以下公式所示的关节空间内的一个二维序列Qs来表示：
Qs：{qi＝[qi，1qi，2]T|i＝1，...，L}
其中，qi表示Qs的第i个元素，qi，j表示qi的第j个元素，L是Qs中元素的个数；
步骤S212：将中间变量在其定义域内等间隔地均匀离散化，通过参数化方程求出末端位置序列，利用逆向运动学方程将末端序列转换到关节空间；
步骤S213：找到位置序列中距离当前位置最近的点
i*＝argmini＝1，...，L-1||qi-q||，其中i*表示最近点的序列号；
步骤S214：使用最近点和序列中的下一个点决定一条直线，该直线近似地当作指定路径上最近点处的切线：
qp=[qi*,1]q2]T,qi*+1,1=qi*,1[q1+k(q2-b)k2+1b+k(q1+kq2)k2+1]T,otherwise]]>
其中k=(qi*+1,2-qi*,2)/(qi*+1,1-qi*,1)]]>表示直线的斜率，表示该直线的截距；qp被用来取代当作指定路径上距离当前关节位置的最近点；
步骤S215：根据实时关节位置和指定路径上距离它的最近点，确定训练过程中的参考位置qr：
qr=qp+wt2||qe||-1qe,||qe||>wt2q,otherwise,]]>
从而在指定路径的周围建立了一个虚拟的隧道来限制患者的主动运动。

4.  如权利要求2所述的任务导向式主动训练控制方法，其特征在于，所述步骤S22包括：
步骤S221：通过逆向阻抗方程，根据患者自身产生的关节力矩τh产生位置、速度和加速度调整量，修正参考轨迹，以调节患者身体部分与驱动机构之间相互作用力；
步骤S222：利用位置、速度、加速度调整量对参考运动轨迹进行修正后，得到位置、速度和加速度指令，并将其作为位置伺服控制的参考信号。

5.  如权利要求2所述的任务导向式主动训练控制方法，其特征在于，所述步骤S23包括：
步骤S231：根据指定的有向路径以及实时的关节位置，患者身体部分的主动力矩分解为两个分量：
τh＝τtdt+τede，
其中，dt表示指定有向路径上投影点qp处的正切向，de表示投影点处正法向，它与位置偏离qe的方向一致，由投影点指向当前实际位置，τt和τe分别表示τh沿上述两个方向的分量；
步骤S232：指定路径上的投影点的切线可由直线来近似，正切向用以下2×1的列向量来表示：
dt=||qi*+1-qi*||-1(qi*+1-qi*);]]>
步骤S233：主动关节力矩在正法向上的投影，在非奇异状态下，即||qe||≠0，时，它可以根据qe求得，否则，被设置为dt的其中一个法向：
de=||qe||-1qe,||qe||&NotEqual;0[dt2-dt1]T,otherwise,]]>
其中，dti表示dt的第i个元素，qe正交于直线可得dt⊥de、||dt||＝1以及||de||＝1，其中⊥是正交符号，从而主动关节力矩在正切向和正法向上的投影可分别由公式和求得；
步骤S234：通过分解主动力矩，得到了患者在切向和法向上的运动意图，当患者意图对抗指定路径时，增加主动运动的阻抗，否则减小阻抗。

6.  如权利要求5所述的任务导向式主动训练控制方法，其特征在于，在步骤S234中，采用模糊逻辑来进行阻抗调节，主动关节力矩的两个分量τt和τe以及位置偏离量||qe||作为模糊逻辑的输入变量，其中||·||表示欧几里得2-范数算子。

说明书

说明书任务导向式主动训练控制方法及相应的康复机器人
技术领域
本发明涉及一种任务导向式主动训练控制方法及相应的康复机器人，属于康复器械技术领域。
背景技术
中风和脊髓损伤是导致下肢运动功能障碍的两大主要原因。中风又称脑卒中，是一种急性的脑血管疾病，其发病突然且难以预测，能够造成永久性的大脑神经损伤，致残率一直居高不下，幸存的患者常常会遭受后遗症的折磨，偏瘫就是其中最为常见的一种。脊髓损伤通常是由严重的脊柱外伤造成，各种意外事故都有可能导致脊髓损伤的发生。和中风一样，脊髓损伤有着很高的致残率，可能导致截瘫、四肢瘫等病症，严重妨碍患者的日常生活运动。由于脑血管疾病的高发病率和频繁发生的各种意外事故，中国的瘫痪患者数量与日俱增。针对瘫痪患者，在经过诸如外科手术等急性期的临床处理后，康复成为主要的一种辅助治疗手段。依据神经系统的可塑性原理，它能够在一定程度上帮助患者恢复受损的肢体运动功能，重新学习日常生活活动，从而尽最大可能地帮助患者回归正常生活。
虽然运动训练对神经系统的可塑性有促进作用，可以帮助瘫痪患者在一定程度上恢复受损的肢体运动功能，但是康复通常都是一个相当长期的持续过程，有时甚至可能贯穿患者一生的时间。
在传统的康复治疗手段中，患者的运动训练主要依靠理疗师一对一有时甚至是多对一的手动辅助，一般比较损耗时间和医疗资源，成本也因此相对较高；此外，由于主动训练难以手动实现，所以患者身体部分的运动基本上都是被动的，训练策略比较单一，罔顾具体情况而采用千篇一律的被动训练模式不利于患者的康复。由于运动过程主要由理疗师手动控制，因此康复训练极易受到理疗师的经验、情绪和体力等主观因素的影响，患者身体部分的运动轨迹，施加在患者身体部分上的力度以及患者-理疗师之间的交互往往难以保持良好的一致性，这种主观性和不一致性往往会导致康复效果的不可重复。
康复机器人是与运动功能受损的患者身体部分相互作用，而病人是具备自主运动意识的对象，目前的康复机器人以被动训练方式为主，难以实现机器人和患者之间的交互控制，如果患者身体部分因痉挛，颤抖等异常的肌肉活动而与机器人产生对抗，患者身体部分可能会遭受二次损伤，加重伤情；而且被动训练难以获取患者的主动运动意图，导致患者参与积极性大大降低，影响康复训练效果。
发明内容
(一)要解决的技术问题
本发明的目的是针对现有康复设备采用被动训练控制方法的缺陷，提出了一种任务导向式主动训练控制方法，以提供安全、舒适、自然并且具备主动柔顺性的训练环境，提高患者的训练积极性，提高康复的效率。
(二)技术方案
本发明提出一种任务导向式主动训练控制方法，应用于康复机器人中，所述康复机器人具有传感装置、控制系统和驱动机构，控制系统用于接收传感装置采集的信号生成控制指令，并将控制指令发送给驱动机构，驱动机构可佩带于患者的身体部分，接收所述控制指令，根据控制指示施加并调节对患者身体部分的作用力，以对患者的康复训练进行控制，所述控制方法包括如下步骤：
S1、检测患者身体部分的主动运动信号；
S2、根据患者身体部分的主动运动信号，调节康复机器人的驱动机构对患者身体部分的作用力。
根据本发明的一种具体实施方式，所述主动运动信号是患者的主动关节力矩，所述步骤S2包括：
S21、建立与患者的运动任务相对应的有向路径，根据患者所述身体部分的关节位置和该有向路径上距离它的最近点，在指定路径周围建立一个虚拟隧道作为参考位置；
S22、将主动关节力矩转换成相应的实际运动，根据虚拟遂道的位置计算位置、速度和加速度调整量，得到位置、速度和加速度的控制指令，并将其作为控制信号控制驱动机构；
S23、将患者身体部分的主动关节力矩沿正切向和正法向进行分解，根据主动力矩的两个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。
根据本发明的一种具体实施方式，所述步骤S21包括：
步骤S211：指定有向路径由以下公式所示的关节空间内的一个二维序列Qs来表示：
Qs：{qi＝[qi，1qi，2]T|i＝1，...，L}
其中，qi表示Qs的第i个元素，qi，j表示qi的第j个元素，L是Qs中元素的个数；
步骤S212：将中间变量在其定义域内等间隔地均匀离散化，通过参数化方程求出末端位置序列，利用逆向运动学方程将末端序列转换到关节空间；
步骤S213：找到位置序列中距离当前位置最近的点
i*＝argmini＝1，...，L-1||qi-q||，其中i*表示最近点的序列号；
步骤S214：使用最近点和序列中的下一个点决定一条直线，该直线近似地当作指定路径上最近点处的切线：
qp=[qi*,1]q2]T,qi*+1,1=qi*,1[q1+k(q2-b)k2+1b+k(q1+kq2)k2+1]T,otherwise]]>
其中k=(qi*+1,2-qi*,2)/(qi*+1,1-qi*,1)]]>表示直线的斜率，表示该直线的截距；qp被用来取代当作指定路径上距离当前关节位置的最近点；
步骤S215：根据实时关节位置和指定路径上距离它的最近点，确定训练过程中的参考位置qr：
qr=qp+wt2||qe||-1qe,||qe||>wt2q,otherwise,]]>
从而在指定路径的周围建立了一个虚拟的隧道来限制患者的主动运动。
根据本发明的一种具体实施方式，所述步骤S22包括：
步骤S221：通过逆向阻抗方程，根据患者自身产生的关节力矩τh产生位置、速度和加速度调整量，修正参考轨迹，以调节患者身体部分与驱动机构之间相互作用力；
步骤S222：利用位置、速度、加速度调整量对参考运动轨迹进行修正后，得到位置、速度和加速度指令，并将其作为位置伺服控制的参考信号。
根据本发明的一种具体实施方式，所述步骤S23包括：
步骤S231：根据指定的有向路径以及实时的关节位置，患者身体部分的主动力矩分解为两个分量：
τh＝τtdt+τede，
其中，dt表示指定有向路径上投影点qp处的正切向，de表示投影点处正法向，它与位置偏离qe的方向一致，由投影点指向当前实际位置，τt和τe分别表示τh沿上述两个方向的分量；
步骤S232：指定路径上的投影点的切线可由直线来近似，正切向用以下2×1的列向量来表示：
dt=||qi*+1-qi*||-1(qi*+1-qi*);]]>
步骤S233：主动关节力矩在正法向上的投影，在非奇异状态下，即||qe||≠0，时，它可以根据qe求得，否则，被设置为dt的其中一个法向：
de=||qe||-1qe,||qe||&NotEqual;0[dt2-dt1]T,otherwise,]]>
其中，dti表示dt的第i个元素，qe正交于直线可得dt⊥de、||dt||＝1以及||de||＝1，其中⊥是正交符号，从而主动关节力矩在正切向和正法向上的投影可分别由公式和求得；
步骤S234：通过分解主动力矩，得到了患者在切向和法向上的运动意图，当患者意图对抗指定路径时，增加主动运动的阻抗，否则减小阻抗。
根据本发明的一种具体实施方式，在步骤S234中，采用模糊逻辑来进行阻抗调节，主动关节力矩的两个分量τt和τe以及位置偏离量||qe||作为模糊逻辑的输入变量，其中||·||表示欧几里得2-范数算子。
(三)有益效果
本发明任务导向式主动训练控制方法获取患者主动运动意图，可以确保康复训练的运动轨迹，施加在患者身体部分上的力度以及患者与机器人之间的交互具备良好的一致性。
本发明能够为患者提供一个安全、舒适、自然并且具备主动柔顺性的训练环境，避免患者身体部分由于痉挛，颤抖等肌肉活动异常造成的二次损伤。
本发明注重激发患者在康复运动过程中的自主参与意识，鼓励患者积极地控制患者身体部分的肌肉收缩，有效地提高了运动训练的康复效果。
附图说明
图1是本发明的应用于康复机器人的任务导向式主动训练控制方法的流程图；
图2为搜寻指定路径上距离当前位置的最近点；
图3为围绕指定路径的虚拟隧道；
图4为基于位置的阻抗控制双闭环结构；
图5为主动力矩分解--当前位置位于指定路径内部；
图6为主动力矩分--当前位置位于指定路径外部；
图7为输入变量模糊化的隶属度函数；
图8A～8D为模糊逻辑下任务导向式主动训练结果。
具体实施方式
康复机器人具有传感装置、控制系统和驱动机构，控制系统用于接收传感装置采集的信号生成控制指令，并将控制指令发送给驱动机构，驱动机构可佩带于患者的身体部分，接收所述控制指令，根据控制指示施加并调节对患者身体部分的作用力，以对患者的康复训练进行控制。由于康复机器人的机械构造及其常规的控制方法是现有技术，故在本发明的说明书中不做具体说明。
本发明提出的是一种应用于康复机器人的任务导向式主动训练控制方法。图1是本发明的应用于康复机器人的任务导向式主动训练控制方法的流程图，如图1所示，该方法主要包括如下步骤：
S1、检测患者身体部分的主动运动信号。
患者的身体部分的主动运动信号可以是患者的主动关节力矩，即患者的身体部分在主动运动时产生的相对于该部分的关节的力矩。
S2、根据患者身体部分的主动运动信号，调节康复机器人的驱动机构对患者身体部分的作用力。
由于患者身体部分的主动运动信号体现了患者主动运动意图，根据该意图可以针对性地调节康复训练的运动轨迹，使施加在患者身体部分上的力度以及患者与机器人之间的交互具备良好的一致性。
当主动运动信号为患者的主动关节力矩时，步骤S2可以包括如下分步骤：
S21、建立与患者的运动任务相对应的有向路径，根据患者所述身体部分的关节位置和该有向路径上距离它的最近点，在指定路径周围建立一个虚拟隧道作为参考位置。
步骤S21中，所述运动任务被预定义为一条有向路径，只包含位置信息而没有速度和加速度信息；所述运动任务最直接的表示通常是笛卡尔空间中身体部分(例如下肢)末端的路径，典型的例如{xs(v)|v∈Ωs}，其中，v是中间变量，Ωs是定义域；为得到关节空间位置序列，首先将中间变量在其定义域内等间隔地均匀离散化，再通过参数化方程求出末端位置序列，最后利用逆向运动方程将末端序列转换到关节空间；当任务训练是一个循环运动时，为保证序列元素唯一性，Ωs将被设定在一个运动周期内，当训练任务是一个往返运动时，Ωs将被设定在半个运动周期内；
S22、将主动关节力矩转换成相应的实际运动，根据虚拟遂道的位置计算位置、速度和加速度调整量，得到位置、速度和加速度的控制指令，并将其作为控制信号控制驱动机构。
步骤S22中，利用阻抗控制方法，将体现患者运动意图的主动关节力矩转换成相应的实际运动：在关节空间内采用基于位置的阻抗控制方法，通过双闭环控制结构进行实现，阻抗控制外环通过逆向阻抗方程产生位置、速度和加速度的调整量，修正参考轨迹，调节患者身体部分与康复设备的驱动机构之间相互作用力；建立具备主动柔顺性的人机接口，使驱动机构的运动主动适应患者身体部分产生的力矩，确保患者舒适自然地完成主动训练，即便在紧急情况，例如身体肌肉的异常活动-痉挛、颤抖等，也能确保患者在训练过程中的安全
S23、将患者身体部分的主动关节力矩沿正切向和正法向进行分解，根据主动力矩的两个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。
步骤S23建立自适应主动柔顺环境，以在训练过程中为患者提供触觉反馈，激励患者按照指定有向路径进行运动；首先将患者身体部分的主动关节力矩沿两个方向-正切向和正法向进行分解，然后根据主动力矩的两个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
该实施例结合踏车运动作为训练任务，能够为患者提供一个安全、舒适、自然并且具备主动柔顺性的训练环境，避免患者身体部分由于痉挛，颤抖等肌肉活动异常造成的二次损伤；注重激发患者在康复运动过程中的自主参与意识，鼓励患者积极地控制患者身体部分的肌肉收缩，能够提高运动训练的康复效果，具备康复训练、防止二次损伤等功能。
步骤S21：所述运动任务被预定义为一条有向路径，只包含位置信息而没有速度和加速度信息；所述运动任务最直接的表示通常是笛卡尔空间中下肢末端的路径，典型的例如{xs(v)|v∈Ωs}，其中，v是中间变量，Ωs是定义域。踏车运动系统的末端路径xs(v)由以下参数化方程表示：
xs(v)=0.1cos(v)+0.62-0.1sin(v),v&Element;[0,2π)]]>
该路径仅包含运动位置和方向信息，是一个顺时针的圆周，圆心为[0.62，0]，半径为0.1m。为实现任务导向式主动训练，需要将末端路径变换成关节空间位置序列。为此，首先将末端路径的定义域[0，2π)均匀地离散化为5000个点，得到一个严格单调递增的序列，然后将这5000个点代入上式求得一个包含5000个元素的末端位置序列，最后通过逆向运动学将末端位置序列转换成关节位置序列。显然由此得到的关节位置序列Qs源于光滑的末端路径曲线，5000个元素也已足够密集。
步骤S211：指定有向路径由以下公式所示的关节空间内的一个二维序列Qs来表示：
Qs：{qi＝[qi，1qi，2]T|i＝1，...，L}
其中，qi表示Qs的第i个元素，qi，j表示qi的第j个元素，L是Qs中元素的个数，用以表示指定路径的关节位置序列是由一阶可导的光滑曲线离散化得到，并且序列中的所有元素都是唯一的；训练开始前关节位置初始化为Qs的起始点q0，关节速度和加速度都初始化为0；
步骤S212：将中间变量在其定义域内等间隔地均匀离散化，通过参数化方程求出末端位置序列，利用逆向运动学方程将末端序列转换到关节空间；
步骤S213：训练过程中各个时刻的参考位置取决于指定的任务路径以及系统的实时位置；找到位置序列中距离当前位置最近的点
i*＝argmini＝1，...，L-1||qi-q||
其中i*表示最近点的序列号；
步骤S214：最近点和序列中的下一个点两点决定唯一的一条直线，因位置序列是由一阶可导的光滑曲线离散化得到，从而当序列中的元素足够密集时，此直线可近似地当作指定路径上最近点处的切线；如图2所示，小圆点表示指定路径上的一部分位置序列，大圆点表示当前实际的关节位置，中圆点表示点q在直线上的投影，qp表示当前位置q在直线上的投影：
qp=[qi*,1]q2]T,qi*+1,1=qi*,1[q1+k(q2-b)k2+1b+k(q1+kq2)k2+1]T,otherwise]]>
其中k=(qi*+1,2-qi*,2)/(qi*+1,1-qi*,1)]]>表示直线的斜率，表示该直线的截距；qp被用来取代当作指定路径上距离当前关节位置的最近点，作如此取代的必要性在于，当q距离指定路径足够地近，尤其是序列中的元素相对稀疏时，到的距离将会接近于甚至小于它到的距离，导致近似切线和近似法线不再满足近似垂直的关系，从而对之后的主动力矩产生较大影响。
步骤S215：根据实时关节位置和指定路径上距离它的最近点，确定训练过程中的参考位置qr：
qr=qp+wt2||qe||-1qe,||qe||>wt2q,otherwise,]]>
从而在指定路径的周围建立了一个虚拟的隧道来限制患者的主动运动，如图3所示，中间的线表示理想的运动路径，外边界表示隧道的外壁，内边界表示内壁。其中，wt表示隧道的宽度，它是一个常数，在此隧道宽度设置为0.04m。qe＝q-qp表示位置偏离，它是2×1的列向量；因qp是q在切线上的投影点，从而位置偏离与切线相互正交；如果当前位置位于隧道内部，那么参考位置为当前位置，否则，参考位置就设置在隧道壁上。
步骤S22：利用阻抗控制方法，将体现患者运动意图的主动关节力矩转换成相应的实际运动：在关节空间内采用基于位置的阻抗控制方法，通过双闭环控制结构进行实现，如图4所示。阻抗控制外环通过逆向阻抗方程产生位置、速度和加速度的调整量，修正参考轨迹，调节下肢与机械腿之间相互作用力；建立具备主动柔顺性的人机接口，使机械腿的运动主动适应下肢产生的力矩，确保患者舒适自然地完成主动训练，即便在紧急情况，例如下肢肌肉的异常活动-痉挛、颤抖等，也能确保患者在训练过程中的安全。
步骤S221：阻抗控制通过逆向阻抗方程，根据下肢肌肉收缩所产生的关节力矩τh产生位置、速度和加速度调整量，修正参考轨迹，达到调节下肢与机械腿之间相互作用力的目的；
步骤S222：利用位置、速度、加速度调整量对参考运动轨迹进行修正后，得到位置、速度和加速度指令，并将其作为位置伺服控制的参考信号，位置控制由带BP神经网络补偿的PD算法实现；当下肢不产生任何主动力矩时，即τh＝0，系统将会在隧道内部保持静止状态，当系统运动到隧道外部时，弹性墙壁会试图将其拉回到隧道内部。
步骤S23：建立自适应主动柔顺环境，以在训练过程中为患者提供触觉反馈，激励患者按照指定有向路径进行运动；首先将患者下肢的主动关节力矩沿两个方向-正切向和正法向进行分解，然后根据主动力矩的两个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。
步骤S231：为明确患者的运动意图，根据指定的有向路径以及实时的关节位置，下肢的主动力矩将会被分解为两个分量：
τh＝τtdt+τede
其中，dt表示指定有向路径上投影点qp处的正切向，它实际上是任务路径上投影点处的指定运动方向，de表示投影点处正法向，它与位置偏离qe的方向一致，由投影点指向当前实际位置，τt和τe分别表示τh沿上述两个方向的分量；如果τt是一个正值，表明患者在切向上的运动意图沿着指定路径的正方向，负值则表明沿着负方向；如果τe大于零，表明患者在法向上的运动意图是远离指定路径的，小于零则表示意图靠近；任意一个方向上的零值表示该方向上没有主动运动意图，如图5所示，当前的实际位置位于指定路径的内部，主动力矩在正切向上的分量为负，表示患者意图对抗指定的方向进行运动，主动力矩在正法向上的分量为正，表示患者意图原理指定路径。如图6所示，当前的实际位置位于指定路径外侧，主动力矩在正切向上的分量为正，表示患者意图沿着指定的方向进行运动，主动力矩在正法向上的分量为负，表示患者意图靠近指定路径。
步骤S232：指定路径上的投影点的切线可由直线来近似，因此正切向用以下2×1的列向量来表示：
dt=||qi*+1-qi*||-1(qi*+1-qi*)]]>
由于位置序列中的每个元素都是唯一的，所以总是成立，上式不会出现奇异状态；
步骤S233：主动关节力矩在正法向上的投影，在非奇异状态下，即||qe||≠0，时，它可以根据ae求得，否则，被设置为dt的其中一个法向：
de=||qe||-1qe,||qe||&NotEqual;0[dt2-dt1]T,otherwise]]>
其中，dti表示dt的第i个元素。qe正交于直线可得dt⊥de、||dt||＝1以及||de||＝1，其中⊥是正交符号，从而主动关节力矩在正切向和正法向上的投影可分别由公式和求得。
步骤S234：通过分解主动力矩，得到了患者在切向和法向上的运动意图，当患者意图对抗指定路径时，增加主动运动的阻抗，否则减小阻抗，从而建立一个自适应的触觉接口；采用模糊逻辑来进行阻抗调节，主动关节力矩的两个分量τt和τe以及位置偏离量||qe||作为模糊逻辑的输入变量，其中||·||表示欧几里得2-范数算子；在三个输入变量上各自定义了三个模糊集合：N(Negative)、Z(Zero)和P(Positive)。如图7所示，使用三角形隶属度函数对输入变量进行模糊化，图中，τtmin、τmin和||qe||min表示输入变量的下限，而τtmax、τemax和||qe||max则表示其上限，其值如表1所示。
表1 对模糊逻辑输入变量进行模糊化的上下限值
τtmaxτemax||qe||maxτtminτemin||qe||min8(Nm)40(Nm)0.03(rad)-8(Nm)-40(Nm)-0.03(rad)
步骤S235：采用零阶Sugeno模型作为模糊推理方法，模糊规则的输出项是一个常数，如表2所示。其中，z表示模糊规则的输出变量，U表示模糊全集，和分别表示N和Z的补集。
表2 模糊推理规则

因每条模糊规则的输出均为确定的实数，在此采用加权平均法对模糊逻辑输出变量进行解模糊化，得到唯一确定的输出量z；每条规则的输出以该条规则自身的隶属度作为权重：
z=Σj=16μ(zj)zjΣj=16μ(zj)]]>
其中，zj表示第j规则的输出，使用Zadeh算子推导出该条规则的隶属度：
μ(zj)＝min(μj(τt)，μj(τe)，μj(||qe||)
其中μj(τt)、μj(τe)和μj(||qe||分别表示在规则j中输入变量τt、τe和||qe||。阻抗参数计算如下：
M=zMmax+(1-z)MminB=zBmax+(1-z)BminK=zKmax(1-z)Kmin]]>
其中，系数z是一个小于等于1的正实数，3×3的正定对角矩阵Mmax、Bmax和Kmax表示阻抗参数的上限，Mmin、Bmin和Kmin表示其下限，同为3×3的正定对角阵，其上下限值如表3所示。
表3 阻抗参数上下限值

为避免运动位置的振荡，阻抗参数必须满足不等式其中mi、bi和k分别表示M、B和K的第i个对角元素；因此，阻抗参数的上下限满足一下约束：
bimax=3.1mimaxkimaxbimin=3.1miminkimin]]>
其中，mimax、bimax和kimax分别表示Mmax、Bmax和Kmax的第i个对角元素，mimin、bimin和kimin分别表示Mmin、Bmin和Kmin的第i个对角元素。
关节空间施加于机械腿的主动力矩τh由两项组成，分别为沿切向和法向的力矩，如下所示：

其中方向向量dc＝[dt2-dt1]T，它由正切向dt顺时针旋转90°得到；依据大多数人的反应时间，方向向量dt和dc更新周期为0.2s；法向力矩项中的正弦银子用来模拟下肢的抖动，其频率为1Hz。
图8A-8D为采用任务导向式主动训练的结果，该方法中的运动阻抗由位置偏差和患者的主动力矩共同决定。如13s＜t＜14s时段所示，当患者试图反方向运动时，阻抗调节系数增大，患者的主动运动变得困难，提供了消极的触觉反馈。如图中标记为“A”的时段所示，位置偏差持续减小，但是阻抗调节系数出现了先减小后增大的变化，这是因为起初位置偏差较大，且法向主动力矩为负，即沿着偏差减小的方向，此时运动阻抗减小以提供给患者积极地触觉反馈；但是随着偏差的减小和负法向主动力矩的增大，需要增大运动阻抗以避免混合系统大幅度超越指定路径，造成较大的位置偏差。如图中标记为“B”的时段所示，起初混合系统越过指定路径，位置偏差持续增大，且法向主动力矩为正，即沿着位置偏离增大的方向，所以运动阻抗增大以提供给患者消极的触觉反馈；但是随着法向主动力矩逐渐减小，并由正变负(法向力矩由背离指定路径变为朝向指定路径)，运动阻抗再次减小。在“B”时段里，图8C中位置偏差的震荡同样是由混合系统与虚拟隧道的墙壁相互作用而产生。在0s＜t＜13s内，任务导向式主动训练方法下的阻抗调节系数平均值为0.3949，位置偏差均方值为0.0130，实现了以较小的运动阻抗完成了更准确的主动训练任务。
因此确保康复训练的运动轨迹，施加在患肢上的力度以及患者-机器人之间的交互具备良好的一致性；为患者创造一个安全、舒适、自然并且具备主动柔顺性的训练环境，避免患肢由于痉挛，颤抖等肌肉活动异常造成的二次损伤；能够获取患者主动运动意图，鼓励患者积极参与到运动中来，实现所谓的主动训练，从而提高康复效果是康复医疗中的突破点。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

资源描述

《任务导向式主动训练控制方法及相应的康复机器人.pdf》由会员分享，可在线阅读，更多相关《任务导向式主动训练控制方法及相应的康复机器人.pdf（18页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 (43)申请公布日 (21)申请号 201410799839.6 (22)申请日 2014.12.18 A63B 71/06(2006.01) A63B 23/00(2006.01) (71)申请人中国科学院自动化研究所地址 100190 北京市海淀区中关村东路 95 号 (72)发明人侯增广胡进梁旭高占杰彭龙彭亮程龙王卫群谢晓亮边桂彬 (74)专利代理机构中科专利商标代理有限责任公司 11021 代理人宋焰琴 (54) 发明名称任务导向式主动训练控制方法及相应的康复机器人 (57) 摘要本发明公开了一种任务导向式主动训练控制方法，应。

2、用于康复机器人中，所述康复机器人具有传感装置、控制系统和驱动机构，控制系统用于接收传感装置采集的信号生成控制指令，并将控制指令发送给驱动机构，驱动机构可佩带于患者的身体部分，接收所述控制指令，根据控制指示施加并调节对患者身体部分的作用力，以对患者的康复训练进行控制，所述控制方法包括如下步骤： S1、检测患者身体部分的主动运动信号； S2、根据患者身体部分的主动运动信号，调节康复机器人的驱动机构对患者身体部分的作用力。 (51)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请权利要求书2页说明书10页附图5页 (10)申。

3、请公布号 CN 104492066 A (43)申请公布日 2015.04.08 CN 104492066 A 1/2 页 2 1.一种任务导向式主动训练控制方法，应用于康复机器人中，所述康复机器人具有传感装置、控制系统和驱动机构，控制系统用于接收传感装置采集的信号生成控制指令，并将控制指令发送给驱动机构，驱动机构可佩带于患者的身体部分，接收所述控制指令，根据控制指示施加并调节对患者身体部分的作用力，以对患者的康复训练进行控制，其特征在于，所述控制方法包括如下步骤： S1、检测患者身体部分的主动运动信号； S2、根据患者身体部分的主动运动信号，调节康复机器。

4、人的驱动机构对患者身体部分的作用力。 2.如权利要求 1 所述的任务导向式主动训练控制方法，其特征在于，所述主动运动信号是患者的主动关节力矩，所述步骤 S2 包括： S21、建立与患者的运动任务相对应的有向路径，根据患者所述身体部分的关节位置和该有向路径上距离它的最近点，在指定路径周围建立一个虚拟隧道作为参考位置； S22、将主动关节力矩转换成相应的实际运动，根据虚拟遂道的位置计算位置、速度和加速度调整量，得到位置、速度和加速度的控制指令，并将其作为控制信号控制驱动机构； S23、将患者身体部分的主动关节力矩沿正切向和正法向进行分解，根据主动力矩的两。

5、个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。 3.如权利要求 2 所述的任务导向式主动训练控制方法，其特征在于，所述步骤 S21 包括：步骤 S211 ：指定有向路径由以下公式所示的关节空间内的一个二维序列 Qs来表示： Qs： q i qi， 1qi， 2 T|i 1， .， L 其中， qi表示 Q s的第 i 个元素， qi， j表示 qi的第 j 个元素， L 是 Qs中元素的个数；步骤 S212 ：将中间变量在其定义域内等间隔地均匀离散化，通过参数化方程求出末端位置序列，利用逆向运动学方程将末端序列转换到关节空间；步骤 S213 ：找到位置。

6、序列中距离当前位置最近的点 i* argmin i 1， .， L-1|qi-q|，其中 i *表示最近点的序列号；步骤 S214 ：使用最近点和序列中的下一个点决定一条直线，该直线近似地当作指定路径上最近点处的切线：其中表示直线的斜率，表示该直线的截距； qp被用来取代当作指定路径上距离当前关节位置的最近点；步骤 S215 ：根据实时关节位置和指定路径上距离它的最近点，确定训练过程中的参考位置 qr：权利要求书 CN 104492066 A 2 2/2 页 3 从而在指定路径的周围建立了一个虚拟的隧道来限制患者的主动运动。 4.如权利要求 2 所述的任。

7、务导向式主动训练控制方法，其特征在于，所述步骤 S22 包括：步骤 S221 ：通过逆向阻抗方程，根据患者自身产生的关节力矩 h产生位置、速度和加速度调整量，修正参考轨迹，以调节患者身体部分与驱动机构之间相互作用力；步骤 S222 ：利用位置、速度、加速度调整量对参考运动轨迹进行修正后，得到位置、速度和加速度指令，并将其作为位置伺服控制的参考信号。 5.如权利要求 2 所述的任务导向式主动训练控制方法，其特征在于，所述步骤 S23 包括：步骤 S231 ：根据指定的有向路径以及实时的关节位置，患者身体部分的主动力矩分解为两个分量： h 。

8、tdt+ede，其中， dt表示指定有向路径上投影点 qp处的正切向， de表示投影点处正法向，它与位置偏离 qe的方向一致，由投影点指向当前实际位置， t和 e分别表示 h沿上述两个方向的分量；步骤 S232 ：指定路径上的投影点的切线可由直线来近似，正切向用以下 21 的列向量来表示：步骤 S233 ：主动关节力矩在正法向上的投影，在非奇异状态下，即 |qe| 0，时，它可以根据 qe求得，否则，被设置为 d t的其中一个法向：其中， dti表示 d t的第 i 个元素， qe正交于直线可得 dt d e、 |dt| 1 以及 |de| 1，。

9、其中是正交符号，从而主动关节力矩在正切向和正法向上的投影可分别由公式和求得；步骤 S234 ：通过分解主动力矩，得到了患者在切向和法向上的运动意图，当患者意图对抗指定路径时，增加主动运动的阻抗，否则减小阻抗。 6.如权利要求 5 所述的任务导向式主动训练控制方法，其特征在于，在步骤 S234 中，采用模糊逻辑来进行阻抗调节，主动关节力矩的两个分量t和e以及位置偏离量|qe| 作为模糊逻辑的输入变量，其中 | 表示欧几里得 2- 范数算子。权利要求书 CN 104492066 A 3 1/10 页 4 任务导向式主动训练控制方法及相应的康复机器人技术领域。

10、 0001 本发明涉及一种任务导向式主动训练控制方法及相应的康复机器人，属于康复器械技术领域。背景技术 0002 中风和脊髓损伤是导致下肢运动功能障碍的两大主要原因。中风又称脑卒中，是一种急性的脑血管疾病，其发病突然且难以预测，能够造成永久性的大脑神经损伤，致残率一直居高不下，幸存的患者常常会遭受后遗症的折磨，偏瘫就是其中最为常见的一种。脊髓损伤通常是由严重的脊柱外伤造成，各种意外事故都有可能导致脊髓损伤的发生。和中风一样，脊髓损伤有着很高的致残率，可能导致截瘫、四肢瘫等病症，严重妨碍患者的日常生活运动。由于脑血管疾病的高发病率和频繁发生的各种意外事故，。

11、中国的瘫痪患者数量与日俱增。针对瘫痪患者，在经过诸如外科手术等急性期的临床处理后，康复成为主要的一种辅助治疗手段。依据神经系统的可塑性原理，它能够在一定程度上帮助患者恢复受损的肢体运动功能，重新学习日常生活活动，从而尽最大可能地帮助患者回归正常生活。 0003 虽然运动训练对神经系统的可塑性有促进作用，可以帮助瘫痪患者在一定程度上恢复受损的肢体运动功能，但是康复通常都是一个相当长期的持续过程，有时甚至可能贯穿患者一生的时间。 0004 在传统的康复治疗手段中，患者的运动训练主要依靠理疗师一对一有时甚至是多对一的手动辅助，一般比较损耗时间和医疗资源，成本也因。

12、此相对较高；此外，由于主动训练难以手动实现，所以患者身体部分的运动基本上都是被动的，训练策略比较单一，罔顾具体情况而采用千篇一律的被动训练模式不利于患者的康复。由于运动过程主要由理疗师手动控制，因此康复训练极易受到理疗师的经验、情绪和体力等主观因素的影响，患者身体部分的运动轨迹，施加在患者身体部分上的力度以及患者 - 理疗师之间的交互往往难以保持良好的一致性，这种主观性和不一致性往往会导致康复效果的不可重复。 0005 康复机器人是与运动功能受损的患者身体部分相互作用，而病人是具备自主运动意识的对象，目前的康复机器人以被动训练方式为主，难以实现机器人和。

13、患者之间的交互控制，如果患者身体部分因痉挛，颤抖等异常的肌肉活动而与机器人产生对抗，患者身体部分可能会遭受二次损伤，加重伤情；而且被动训练难以获取患者的主动运动意图，导致患者参与积极性大大降低，影响康复训练效果。发明内容 0006 ( 一 ) 要解决的技术问题 0007 本发明的目的是针对现有康复设备采用被动训练控制方法的缺陷，提出了一种任务导向式主动训练控制方法，以提供安全、舒适、自然并且具备主动柔顺性的训练环境，提高患者的训练积极性，提高康复的效率。 0008 ( 二 ) 技术方案说明书 CN 104492066 A 4 2/10 页 5 00。

14、09 本发明提出一种任务导向式主动训练控制方法，应用于康复机器人中，所述康复机器人具有传感装置、控制系统和驱动机构，控制系统用于接收传感装置采集的信号生成控制指令，并将控制指令发送给驱动机构，驱动机构可佩带于患者的身体部分，接收所述控制指令，根据控制指示施加并调节对患者身体部分的作用力，以对患者的康复训练进行控制，所述控制方法包括如下步骤： 0010 S1、检测患者身体部分的主动运动信号； 0011 S2、根据患者身体部分的主动运动信号，调节康复机器人的驱动机构对患者身体部分的作用力。 0012 根据本发明的一种具体实施方式，所述主动运动信号是患者的主。

15、动关节力矩，所述步骤 S2 包括： 0013 S21、建立与患者的运动任务相对应的有向路径，根据患者所述身体部分的关节位置和该有向路径上距离它的最近点，在指定路径周围建立一个虚拟隧道作为参考位置； 0014 S22、将主动关节力矩转换成相应的实际运动，根据虚拟遂道的位置计算位置、速度和加速度调整量，得到位置、速度和加速度的控制指令，并将其作为控制信号控制驱动机构； 0015 S23、将患者身体部分的主动关节力矩沿正切向和正法向进行分解，根据主动力矩的两个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。 0016 根据本发明的一种具体实施方式，所述。

16、步骤 S21 包括： 0017 步骤 S211 ：指定有向路径由以下公式所示的关节空间内的一个二维序列 Qs来表示： 0018 Qs： q i qi， 1qi， 2 T|i 1， .， L 0019 其中， qi表示 Q s的第 i 个元素， qi， j表示 qi的第 j 个元素， L 是 Qs中元素的个数； 0020 步骤 S212 ：将中间变量在其定义域内等间隔地均匀离散化，通过参数化方程求出末端位置序列，利用逆向运动学方程将末端序列转换到关节空间； 0021 步骤 S213 ：找到位置序列中距离当前位置最近的点 0022 i* argmin i 1， .， L-1|。

17、qi-q|，其中 i *表示最近点的序列号； 0023 步骤 S214 ：使用最近点和序列中的下一个点决定一条直线，该直线近似地当作指定路径上最近点处的切线： 0024 0025 其中表示直线的斜率，表示该直线的截距； qp被用来取代当作指定路径上距离当前关节位置的最近点； 0026 步骤 S215 ：根据实时关节位置和指定路径上距离它的最近点，确定训练过程中的参考位置 qr：说明书 CN 104492066 A 5 3/10 页 6 0027 0028 从而在指定路径的周围建立了一个虚拟的隧道来限制患者的主动运动。 0029 根据本发明的一种具体实施方式，所述。

18、步骤 S22 包括： 0030 步骤 S221 ：通过逆向阻抗方程，根据患者自身产生的关节力矩 h产生位置、速度和加速度调整量，修正参考轨迹，以调节患者身体部分与驱动机构之间相互作用力； 0031 步骤 S222 ：利用位置、速度、加速度调整量对参考运动轨迹进行修正后，得到位置、速度和加速度指令，并将其作为位置伺服控制的参考信号。 0032 根据本发明的一种具体实施方式，所述步骤 S23 包括： 0033 步骤 S231 ：根据指定的有向路径以及实时的关节位置，患者身体部分的主动力矩分解为两个分量： 0034 h tdt+ede， 0035 其中， d。

19、t表示指定有向路径上投影点 q p处的正切向， de表示投影点处正法向，它与位置偏离 qe的方向一致，由投影点指向当前实际位置， t和 e分别表示 h沿上述两个方向的分量； 0036 步骤 S232 ：指定路径上的投影点的切线可由直线来近似，正切向用以下 21 的列向量来表示： 0037 0038 步骤 S233 ：主动关节力矩在正法向上的投影，在非奇异状态下，即 |qe| 0，时，它可以根据 qe求得，否则，被设置为 d t的其中一个法向： 0039 0040 其中， dti表示 d t的第 i 个元素， qe正交于直线可得 dt d e、 |dt| 1 以。

20、及|de|1，其中是正交符号，从而主动关节力矩在正切向和正法向上的投影可分别由公式和求得； 0041 步骤 S234 ：通过分解主动力矩，得到了患者在切向和法向上的运动意图，当患者意图对抗指定路径时，增加主动运动的阻抗，否则减小阻抗。 0042 根据本发明的一种具体实施方式，在步骤 S234 中，采用模糊逻辑来进行阻抗调节，主动关节力矩的两个分量 t和 e以及位置偏离量 |qe| 作为模糊逻辑的输入变量，其中 | 表示欧几里得 2- 范数算子。 0043 ( 三 ) 有益效果 0044 本发明任务导向式主动训练控制方法获取患者主动运动意图，可以确保康复训练的。

21、运动轨迹，施加在患者身体部分上的力度以及患者与机器人之间的交互具备良好的一致性。 0045 本发明能够为患者提供一个安全、舒适、自然并且具备主动柔顺性的训练环境，避免患者身体部分由于痉挛，颤抖等肌肉活动异常造成的二次损伤。说明书 CN 104492066 A 6 4/10 页 7 0046 本发明注重激发患者在康复运动过程中的自主参与意识，鼓励患者积极地控制患者身体部分的肌肉收缩，有效地提高了运动训练的康复效果。附图说明 0047 图 1 是本发明的应用于康复机器人的任务导向式主动训练控制方法的流程图； 0048 图 2 为搜寻指定路径上距离当前位置的最近点；。

22、0049 图 3 为围绕指定路径的虚拟隧道； 0050 图 4 为基于位置的阻抗控制双闭环结构； 0051 图 5 为主动力矩分解 - 当前位置位于指定路径内部； 0052 图 6 为主动力矩分 - 当前位置位于指定路径外部； 0053 图 7 为输入变量模糊化的隶属度函数； 0054 图 8A 8D 为模糊逻辑下任务导向式主动训练结果。具体实施方式 0055 康复机器人具有传感装置、控制系统和驱动机构，控制系统用于接收传感装置采集的信号生成控制指令，并将控制指令发送给驱动机构，驱动机构可佩带于患者的身体部分，接收所述控制指令，根据控制指示施加并调节对患者身体部分的。

23、作用力，以对患者的康复训练进行控制。由于康复机器人的机械构造及其常规的控制方法是现有技术，故在本发明的说明书中不做具体说明。 0056 本发明提出的是一种应用于康复机器人的任务导向式主动训练控制方法。图 1 是本发明的应用于康复机器人的任务导向式主动训练控制方法的流程图，如图 1 所示，该方法主要包括如下步骤： 0057 S1、检测患者身体部分的主动运动信号。 0058 患者的身体部分的主动运动信号可以是患者的主动关节力矩，即患者的身体部分在主动运动时产生的相对于该部分的关节的力矩。 0059 S2、根据患者身体部分的主动运动信号，调节康复机器人的驱动机构对患者身体。

24、部分的作用力。 0060 由于患者身体部分的主动运动信号体现了患者主动运动意图，根据该意图可以针对性地调节康复训练的运动轨迹，使施加在患者身体部分上的力度以及患者与机器人之间的交互具备良好的一致性。 0061 当主动运动信号为患者的主动关节力矩时，步骤 S2 可以包括如下分步骤： 0062 S21、建立与患者的运动任务相对应的有向路径，根据患者所述身体部分的关节位置和该有向路径上距离它的最近点，在指定路径周围建立一个虚拟隧道作为参考位置。 0063 步骤 S21 中，所述运动任务被预定义为一条有向路径，只包含位置信息而没有速度和加速度信息；所述运动任务最直接的表。

25、示通常是笛卡尔空间中身体部分 ( 例如下肢 ) 末端的路径，典型的例如 xs(v)|v s，其中， v 是中间变量， s是定义域；为得到关节空间位置序列，首先将中间变量在其定义域内等间隔地均匀离散化，再通过参数化方程求出末端位置序列，最后利用逆向运动方程将末端序列转换到关节空间；当任务训练是一个循环运动时，为保证序列元素唯一性， s将被设定在一个运动周期内，当训练任务是一个说明书 CN 104492066 A 7 5/10 页 8 往返运动时， s将被设定在半个运动周期内； 0064 S22、将主动关节力矩转换成相应的实际运动，根据虚拟遂道的位置计算位置。

26、、速度和加速度调整量，得到位置、速度和加速度的控制指令，并将其作为控制信号控制驱动机构。 0065 步骤 S22 中，利用阻抗控制方法，将体现患者运动意图的主动关节力矩转换成相应的实际运动：在关节空间内采用基于位置的阻抗控制方法，通过双闭环控制结构进行实现，阻抗控制外环通过逆向阻抗方程产生位置、速度和加速度的调整量，修正参考轨迹，调节患者身体部分与康复设备的驱动机构之间相互作用力；建立具备主动柔顺性的人机接口，使驱动机构的运动主动适应患者身体部分产生的力矩，确保患者舒适自然地完成主动训练，即便在紧急情况，例如身体肌肉的异常活动 - 痉挛、颤。

27、抖等，也能确保患者在训练过程中的安全 0066 S23、将患者身体部分的主动关节力矩沿正切向和正法向进行分解，根据主动力矩的两个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。 0067 步骤 S23 建立自适应主动柔顺环境，以在训练过程中为患者提供触觉反馈，激励患者按照指定有向路径进行运动；首先将患者身体部分的主动关节力矩沿两个方向 - 正切向和正法向进行分解，然后根据主动力矩的两个分量以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。 0068 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

28、。 0069 该实施例结合踏车运动作为训练任务，能够为患者提供一个安全、舒适、自然并且具备主动柔顺性的训练环境，避免患者身体部分由于痉挛，颤抖等肌肉活动异常造成的二次损伤；注重激发患者在康复运动过程中的自主参与意识，鼓励患者积极地控制患者身体部分的肌肉收缩，能够提高运动训练的康复效果，具备康复训练、防止二次损伤等功能。 0070 步骤 S21 ：所述运动任务被预定义为一条有向路径，只包含位置信息而没有速度和加速度信息；所述运动任务最直接的表示通常是笛卡尔空间中下肢末端的路径，典型的例如 xs(v)|v s，其中， v 是中间变量， s是定义域。踏车运。

29、动系统的末端路径 x s(v) 由以下参数化方程表示： 0071 0072 该路径仅包含运动位置和方向信息，是一个顺时针的圆周，圆心为 0.62， 0，半径为 0.1m。为实现任务导向式主动训练，需要将末端路径变换成关节空间位置序列。为此，首先将末端路径的定义域0， 2)均匀地离散化为5000个点，得到一个严格单调递增的序列，然后将这5000个点代入上式求得一个包含5000个元素的末端位置序列，最后通过逆向运动学将末端位置序列转换成关节位置序列。显然由此得到的关节位置序列 Qs源于光滑的末端路径曲线， 5000 个元素也已足够密集。 0073 步骤 S211 ：指定。

30、有向路径由以下公式所示的关节空间内的一个二维序列 Qs来表示： 0074 Qs： q i qi， 1qi， 2 T|i 1， .， L 0075 其中， qi表示 Q s的第 i 个元素， qi， j表示 qi的第 j 个元素， L 是 Qs中元素的个数，说明书 CN 104492066 A 8 6/10 页 9 用以表示指定路径的关节位置序列是由一阶可导的光滑曲线离散化得到，并且序列中的所有元素都是唯一的；训练开始前关节位置初始化为 Qs的起始点 q 0，关节速度和加速度都初始化为 0 ； 0076 步骤 S212 ：将中间变量在其定义域内等间隔地均匀离散化，通过参。

31、数化方程求出末端位置序列，利用逆向运动学方程将末端序列转换到关节空间； 0077 步骤 S213 ：训练过程中各个时刻的参考位置取决于指定的任务路径以及系统的实时位置；找到位置序列中距离当前位置最近的点 0078 i* argmin i 1， .， L-1|qi-q| 0079 其中 i*表示最近点的序列号； 0080 步骤 S214 ：最近点和序列中的下一个点两点决定唯一的一条直线，因位置序列是由一阶可导的光滑曲线离散化得到，从而当序列中的元素足够密集时，此直线可近似地当作指定路径上最近点处的切线；如图 2 所示，小圆点表示指定路径上的一部分位置序列，大。

32、圆点表示当前实际的关节位置，中圆点表示点 q 在直线上的投影， qp表示当前位置 q 在直线上的投影： 0081 0082 其中表示直线的斜率，表示该直线的截距； qp被用来取代当作指定路径上距离当前关节位置的最近点，作如此取代的必要性在于，当 q 距离指定路径足够地近，尤其是序列中的元素相对稀疏时，到的距离将会接近于甚至小于它到的距离，导致近似切线和近似法线不再满足近似垂直的关系，从而对之后的主动力矩产生较大影响。 0083 步骤 S215 ：根据实时关节位置和指定路径上距离它的最近点，确定训练过程中的参考位置 qr： 0084 0085 从而在指定路径的周。

33、围建立了一个虚拟的隧道来限制患者的主动运动，如图 3 所示，中间的线表示理想的运动路径，外边界表示隧道的外壁，内边界表示内壁。其中， wt表示隧道的宽度，它是一个常数，在此隧道宽度设置为 0.04m。qe q-q p表示位置偏离，它是 21 的列向量；因 qp是 q 在切线上的投影点，从而位置偏离与切线相互正交；如果当前位置位于隧道内部，那么参考位置为当前位置，否则，参考位置就设置在隧道壁上。 0086 步骤 S22 ：利用阻抗控制方法，将体现患者运动意图的主动关节力矩转换成相应的实际运动：在关节空间内采用基于位置的阻抗控制方法，通过双闭环控制结。

34、构进行实现，如图 4 所示。阻抗控制外环通过逆向阻抗方程产生位置、速度和加速度的调整量，修正参考轨迹，调节下肢与机械腿之间相互作用力；建立具备主动柔顺性的人机接口，使机械腿的运动主动适应下肢产生的力矩，确保患者舒适自然地完成主动训练，即便在紧急情况，例如下说明书 CN 104492066 A 9 7/10 页 10 肢肌肉的异常活动 - 痉挛、颤抖等，也能确保患者在训练过程中的安全。 0087 步骤S221 ：阻抗控制通过逆向阻抗方程，根据下肢肌肉收缩所产生的关节力矩h 产生位置、速度和加速度调整量，修正参考轨迹，达到调节下肢与机械腿之间相互作用力的。

35、目的； 0088 步骤 S222 ：利用位置、速度、加速度调整量对参考运动轨迹进行修正后，得到位置、速度和加速度指令，并将其作为位置伺服控制的参考信号，位置控制由带 BP 神经网络补偿的 PD 算法实现；当下肢不产生任何主动力矩时，即 h 0，系统将会在隧道内部保持静止状态，当系统运动到隧道外部时，弹性墙壁会试图将其拉回到隧道内部。 0089 步骤 S23 ：建立自适应主动柔顺环境，以在训练过程中为患者提供触觉反馈，激励患者按照指定有向路径进行运动；首先将患者下肢的主动关节力矩沿两个方向 - 正切向和正法向进行分解，然后根据主动力矩的两个分量。

36、以及位置偏移量，采用模糊逻辑的方法调节阻抗参数。 0090 步骤 S231 ：为明确患者的运动意图，根据指定的有向路径以及实时的关节位置，下肢的主动力矩将会被分解为两个分量： 0091 h tdt+ede 0092 其中， dt表示指定有向路径上投影点 q p处的正切向，它实际上是任务路径上投影点处的指定运动方向， de表示投影点处正法向，它与位置偏离 q e的方向一致，由投影点指向当前实际位置， t和 e分别表示 h沿上述两个方向的分量；如果 t是一个正值，表明患者在切向上的运动意图沿着指定路径的正方向，负值则表明沿着负方向；如果e大于零，表明患者在法。

37、向上的运动意图是远离指定路径的，小于零则表示意图靠近；任意一个方向上的零值表示该方向上没有主动运动意图，如图 5 所示，当前的实际位置位于指定路径的内部，主动力矩在正切向上的分量为负，表示患者意图对抗指定的方向进行运动，主动力矩在正法向上的分量为正，表示患者意图原理指定路径。如图 6 所示，当前的实际位置位于指定路径外侧，主动力矩在正切向上的分量为正，表示患者意图沿着指定的方向进行运动，主动力矩在正法向上的分量为负，表示患者意图靠近指定路径。 0093 步骤 S232 ：指定路径上的投影点的切线可由直线来近似，因此正切向用以下 21 的列向量来表示：。

38、 0094 0095 由于位置序列中的每个元素都是唯一的，所以总是成立，上式不会出现奇异状态； 0096 步骤 S233 ：主动关节力矩在正法向上的投影，在非奇异状态下，即 |qe| 0，时，它可以根据 ae求得，否则，被设置为 d t的其中一个法向： 0097 0098 其中， dti表示 d t的第 i 个元素。qe正交于直线可得 dt d e、 |dt| 1 以及|de|1，其中是正交符号，从而主动关节力矩在正切向和正法向上的投影可分别由公式和求得。说明书 CN 104492066 A 10 8/10 页 11 0099 步骤 S234 ：通过分解。

39、主动力矩，得到了患者在切向和法向上的运动意图，当患者意图对抗指定路径时，增加主动运动的阻抗，否则减小阻抗，从而建立一个自适应的触觉接口；采用模糊逻辑来进行阻抗调节，主动关节力矩的两个分量 t和 e以及位置偏离量 |qe| 作为模糊逻辑的输入变量，其中 | | 表示欧几里得 2- 范数算子；在三个输入变量上各自定义了三个模糊集合： N(Negative)、 Z(Zero) 和 P(Positive)。如图 7 所示，使用三角形隶属度函数对输入变量进行模糊化，图中， tmin、 min和 |q e|min表示输入变量的下限，而 tmax、 emax和 |q 。

40、e|max则表示其上限，其值如表 1 所示。 0100 表 1 对模糊逻辑输入变量进行模糊化的上下限值 0101 tmaxemax|qe|maxtminemin|qe|min 8(Nm)40(Nm)0.03(rad)-8(Nm)-40(Nm)-0.03(rad) 0102 步骤 S235 ：采用零阶 Sugeno 模型作为模糊推理方法，模糊规则的输出项是一个常数，如表 2 所示。其中， z 表示模糊规则的输出变量， U 表示模糊全集，和分别表示 N 和 Z 的补集。 0103 表 2 模糊推理规则 0104 0105 因每条模糊规则的输出均为确定的实数，在此采用加权平均法对模糊逻。

41、辑输出变量进行解模糊化，得到唯一确定的输出量 z ；每条规则的输出以该条规则自身的隶属度作为权重： 0106 0107 其中， zj表示第 j 规则的输出，使用 Zadeh 算子推导出该条规则的隶属度： 0108 (zj) min(j(t)， j(e)， j(|qe|) 0109 其中 j(t)、 j(e) 和 j(|qe| 分别表示在规则 j 中输入变量 t、 e和 |qe|。阻抗参数计算如下：说明书 CN 104492066 A 11 9/10 页 12 0110 0111 其中，系数 z 是一个小于等于 1 的正实数， 33 的正定对角矩阵 Mmax、 Bmax和。

42、 K max表示阻抗参数的上限， Mmin、 Bmin和 K min表示其下限，同为 33 的正定对角阵，其上下限值如表 3 所示。 0112 表 3 阻抗参数上下限值 0113 0114 为避免运动位置的振荡，阻抗参数必须满足不等式其中 mi、 bi和 k 分别表示 M、 B 和 K 的第 i 个对角元素；因此，阻抗参数的上下限满足一下约束： 0115 0116 其中， mimax、 bimax和 k imax分别表示 Mmax、 Bmax和 Kmax的第 i 个对角元素， mimin、 bimin和 kimin分别表示 M min、 Bmin和 Kmin的第 i 个对角元。

43、素。 0117 关节空间施加于机械腿的主动力矩 h由两项组成，分别为沿切向和法向的力矩，如下所示： 0118 0119 其中方向向量dcdt2-dt1T，它由正切向dt顺时针旋转90得到；依据大多数人的反应时间，方向向量 dt和 dc更新周期为 0.2s ；法向力矩项中的正弦银子用来模拟下肢的抖动，其频率为 1Hz。 0120 图 8A-8D 为采用任务导向式主动训练的结果，该方法中的运动阻抗由位置偏差和患者的主动力矩共同决定。如 13s t 14s 时段所示，当患者试图反方向运动时，阻抗调节系数增大，患者的主动运动变得困难，提供了消极的触觉反馈。如图中标记。

44、为 “A” 的时段所示，位置偏差持续减小，但是阻抗调节系数出现了先减小后增大的变化，这是因为起初位置偏差较大，且法向主动力矩为负，即沿着偏差减小的方向，此时运动阻抗减小以提供给患者积极地触觉反馈；但是随着偏差的减小和负法向主动力矩的增大，需要增大运动阻抗以避免混合系统大幅度超越指定路径，造成较大的位置偏差。如图中标记为 “B” 的时段所示，起初混合系统越过指定路径，位置偏差持续增大，且法向主动力矩为正，即沿着位置偏离增大的方向，所以运动阻抗增大以提供给患者消极的触觉反馈；但是随着法向主动力矩逐渐减小，并由正变负 ( 法向力矩由背离指定路径变为朝向。

45、指定路径 )，运动阻抗再次减小。在说明书 CN 104492066 A 12 10/10 页 13 “B” 时段里，图 8C 中位置偏差的震荡同样是由混合系统与虚拟隧道的墙壁相互作用而产生。在 0s t 13s 内，任务导向式主动训练方法下的阻抗调节系数平均值为 0.3949，位置偏差均方值为 0.0130，实现了以较小的运动阻抗完成了更准确的主动训练任务。 0121 因此确保康复训练的运动轨迹，施加在患肢上的力度以及患者 - 机器人之间的交互具备良好的一致性；为患者创造一个安全、舒适、自然并且具备主动柔顺性的训练环境，避免患肢由于痉挛，颤抖等肌肉活动异常造。

46、成的二次损伤；能够获取患者主动运动意图，鼓励患者积极参与到运动中来，实现所谓的主动训练，从而提高康复效果是康复医疗中的突破点。 0122 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。说明书 CN 104492066 A 13 1/5 页 14 图 1 图 2 说明书附图 CN 104492066 A 14 2/5 页 15 图 3 图 4 说明书附图 CN 104492066 A 15 3/5 页 16 图 5 图 6 说明书附图 CN 104492066 A 16 4/5 页 17 图 7 图 8A 图 8B 说明书附图 CN 104492066 A 17 5/5 页 18 图 8C 图 8D 说明书附图 CN 104492066 A 18 。

展开阅读全文