基于sEMG與交互力等多源信號融合的下肢外骨骼康復機器人及其臨床實驗研究.pdf

1、隨著老齡人口的不斷增加，慢性疾病患者急劇增多。有限的醫(yī)療資源與對優(yōu)質(zhì)醫(yī)療服務(wù)的旺盛需求形成鮮明的矛盾。另一方面，調(diào)查表明，對于中風等疾病導致的神經(jīng)損傷，不及時或不恰當?shù)闹委煏鹌c甚至癱瘓。主動康復訓練是最有效的康復手段之一，而通過傳統(tǒng)醫(yī)療設(shè)備卻難以實現(xiàn)。
　　本學位論文以外骨骼機器人為研究對象，以有效的臨床康復為目標，對患者的運動意圖識別、人體-外骨骼機器人系統(tǒng)的閉環(huán)控制、系統(tǒng)構(gòu)建及臨床實驗開展了深入的研究，旨在實現(xiàn)人體-外骨

2、骼系統(tǒng)的協(xié)調(diào)控制，為下肢外骨骼機器人的臨床應(yīng)用奠定一定的基礎(chǔ)，最終希望能為下肢運動功能損傷患者的恢復提供有效的康復治療手段。本學位論文的主要工作及成果歸納如下:
　　為使下肢外骨骼康復系統(tǒng)能在臨床康復中得到應(yīng)用，根據(jù)中樞神經(jīng)損傷患者的Brunnstrom分期對不同階段的患者在康復過程中的需求進行分析，制定了主、被動式下肢康復策略，以及基于實時檢測與評估的遞進式康復策略。然而，要實現(xiàn)有效的康復治療依然面臨著幾個關(guān)鍵性問題和難點有待解

3、決:人體運動意圖的實時準確識別、人體-外骨骼系統(tǒng)的協(xié)調(diào)控制、外骨骼機器人系統(tǒng)的建立及其臨床康復實驗。
　　針對人體運動意圖的實時準確識別問題，緩解人機一體化系統(tǒng)中，由于機械及控制系統(tǒng)延遲而造成的機構(gòu)運動延遲，提出微分式sEMG實時特征提取算法。通過人工合成信號及sEMG信號特征提取實驗，證明基于AR模型的微分式特征頻率算法相比傳統(tǒng)算法能夠提前約50ms同時準確性提高約10％。利用模糊神經(jīng)網(wǎng)絡(luò)與生物力學模型，提出基于sEMG、人體關(guān)

4、節(jié)轉(zhuǎn)角和人機交互力等多源信號的運動識別算法。通過健全人的外骨骼機器人關(guān)節(jié)運動助力實驗，比較了具有不同拓撲結(jié)構(gòu)的模糊神經(jīng)網(wǎng)絡(luò)在運動意圖識別過程中的不同性能，根據(jù)實驗結(jié)果選取其中最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)，與傳統(tǒng)算法相比，利用現(xiàn)有算法的實驗誤差能夠減小約6.4％。
　　針對人體-外骨骼系統(tǒng)的協(xié)調(diào)控制問題，建立人-機雙向交互接口——基于sEMG的運動控制接口和基于力交互EPP的信息反饋接口。運動控制接口通過實時采集sEMG信號、人機交互力和關(guān)節(jié)轉(zhuǎn)角

5、信息，利用模糊神經(jīng)網(wǎng)絡(luò)進行多源信息融合和人體運動意圖預(yù)測，并基于外骨骼系統(tǒng)的運動學及動力學模型，控制外骨骼機構(gòu)關(guān)節(jié)轉(zhuǎn)動。信息反饋通道實時檢測外骨骼關(guān)節(jié)轉(zhuǎn)角或轉(zhuǎn)矩信息，經(jīng)轉(zhuǎn)換成為氣囊壓力值，控制氣囊壓力變化，將信息以氣壓形式反饋給人體。并基于這一人機接口，建立人機系統(tǒng)的閉環(huán)控制模型。人機協(xié)調(diào)控制實驗結(jié)果表明，實驗者能夠通過人機交互接口實現(xiàn)指定關(guān)節(jié)轉(zhuǎn)角的主動運動，在要求轉(zhuǎn)角分別為0°，30°和60°時，其誤差的均方根值分別為6.9780°，

6、7.7946°和9.6750°。
　　針對下肢外骨骼康復系統(tǒng)開發(fā)及其臨床應(yīng)用問題，根據(jù)人體下肢特征及步態(tài)特性，設(shè)計并制作了下肢外骨骼本體結(jié)構(gòu)及輔助支撐機構(gòu);完成外骨骼系統(tǒng)各功能模塊的軟、硬件設(shè)計和開發(fā)。其中，下肢外骨骼包含髖關(guān)節(jié)和膝關(guān)節(jié)兩個主動自由度，其活動范圍分別為-25～60°和0～110°，通過滾珠絲杠和四桿機構(gòu)進行傳動;根據(jù)不同患者的需求，設(shè)計開發(fā)了床式、座椅式、站立式輔助支撐機構(gòu)，實現(xiàn)臥姿、坐姿、站姿等不同姿態(tài)的康復訓練