CN102378669A - 用于机械腿的基于模型的神经机械控制器 - Google Patents

Abstract

一种用于具有至少一个关节的机械肢体的基于模型的神经机械控制器，包括被配置成接收涉及机械肢体状态的反馈数据并确定机械肢体状态的有限状态机、配置成接收来自有限状态机的状态信息并利用肌肉几何结构和反射体系信息、神经肌肉模型确定发送至机械肢体的至少一个期望的关节力矩或刚度指令的肌肉模型处理器、以及配置成操控机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度的关节指令处理器。优选地，反馈数据由安装在机械肢体的每个关节处的至少一个传感器提供。在优选实施例中，机械肢体是腿，有限状态机同步于腿步态周期。

Description

用于机械腿的基于模型的神经机械控制器

相关申请

本申请要求美国临时申请No.61/148,545的优先权，其提交于2009年1月30日，其公开的全部内容在此处参考引用。

本申请是提交于2008年6月12日的美国专利申请No.12/157,727的部分继续申请，该美国专利申请要求提交于2007年6月12日、现已终止的美国临时专利申请No.60/934,233的优先权，并且本申请是下面列出的美国专利申请No.11/395,448，11/495,140，11/642,993的部分继续申请，其公开的全部内容整体纳入本文作为参考。

本申请也是提交于2009年10月29日的美国专利申请No.12/608,627的部分继续申请，该美国专利申请是提交于2006年12月19日、现已放弃并且要求2005年12月19日提交、现已终止的美国临时专利申请No.60/751,680的优先权的美国专利申请No.11/642,993的继续申请，并且本申请是下面列出的美国专利申请No.11/395,448，11/495,140，11/600,291以及要求提交于2005年8月4日、现已终止的美国临时专利申请No.60/705,651的申请日的优先权且目前已经授权为美国专利US 7,313,463的申请11/499,853的部分继续申请，并且本申请是下面列出的美国专利申请No.11/395,448的部分继续申请，其公开的全部内容整体纳入本文作为参考。

本申请还是名称为“应用致动器、弹簧和可变阻尼元件的人造人类肢体和关节”、由Hugh M.herr，Daniel Joseph Paluska以及Peter Dilworth提交于2006年3月31日的美国专利申请No.11/395,448的部分继续申请。美国专利申请No.11/395,448要求提交于2005年3月31日、现已终止的美国临时专利申请No.60/666,876的优先权和提交于2005年8月1日、现已终止的美国临时专利申请No.60/704,517的优先权。

本申请还是名称为“带有弹簧、可变阻尼器以及串联弹性致动元件的人造踝-足系统”、由Hugh M.Herr，Samuel K.Au，Peter Dilwort和DanielHosph Paluska提交于2006年7月29日的美国专利申请No.11/495,140的部分继续申请。美国专利申请No.11/495,140要求提交于2005年8月1日、现已终止的美国临时专利申请No.60/704,517的优先权，并且也是美国专利申请No.11/395,448的部分继续申请。

本申请还是名称为“跑动和行走的外骨骼”、由Hugh M.Herr，ConoeWalsh，Daniel Hoseph Paluska，Andrew Valiente，Kenneth Pasch和EilliamGrand提交于2006年11月15日的美国专利申请No.11/600,291的部分继续申请。美国专利申请No.11/600,291要求提交于2005年11月15日、现已终止的美国临时专利申请No.60/736,929的优先权，并且也是美国专利申请No.11/395,448，11/499,853和11/495,140的部分继续申请。

本申请要求每个前述专利申请的优先权，并且前述所有专利申请公开的全部内容整体纳入本文作为参考。

联邦资助研究开发声明

本发明由美国政府支持的编号为VA241-P-0026的重大项目开发，由美国退役军人管理局授予。政府具有本发明的特定权利。

技术领域

本发明涉及用于修复、矫正、外骨骼或机械装置(机器人装置)的人造关节和肢体的控制，特别是用于基于神经肌肉型运动模型的机械腿的控制方法。

背景技术

动物和人的腿的运动由复杂的神经网络控制。20世纪早期被提出[Brown，T.G.，1914.关于神经中枢的基础活动的本质；伴随间歇活动级别状况的分析，以及神经系统功能的演化理论(On the nature of thefundamental activity of the nervous centes；together with an analysis of theconditioning of rhythmic activity in progression，and a theory of the evolutionoffunction in the nervous system).J Physiol 48(1)，18-46.]，今天被严格地建立[Orlovsky，G.，Deliagina，T.，Grillner，S.，1999.Neuronal controlof locomotion：from mollusc to man.Oxford University Press，New York]，中枢模式发生器(CPG)形成该网络的基础。

在当今观点中，CPG包括脊髓中的神经元群层[Rybak，I.A.，Shevtsova，N.A.，Lafreniere-Roula，M.，McCrea，D.A.，2006.Modelling spinal circuitryinvolved in locomotor pattern generation：insights from deletions during fictivelocomotion.J Physiol 577(Pt 2)，617-639]，其中，通过其他神经元群引导肌肉的协调，甚至在缺少脊髓反射时[Grillner，S.，Zangger，P.，1979.Onthe central generation of locomotion in the low spinal cat.Exp Brain Res 34(2)，241-261；Frigon，A.，Rossignol，S.，2006.Experiments and modelsof sensorimotor interactions during locomotion.Biol Cybern 95(6)，607-627]，提供腿的伸肌和屈肌的节律活动[Dietz，V.，2003.Spinal cord patterngenerators for locomotion.Clin Neuroph3rsiol 1 14(8)，1379-1389；Minassian，K.，Persy，I.，Rattay，F.，Pinter，M.M.，Kern，H.，Dimitrijevic，M.R.，2007.Human lumbar cord circuitries can be activated by extrinsic tonic input togenerate locomotor-like activity.Hum Mov Sci 26(2)，275-295]足够产生走动运动。不过，脊髓反射是该复杂的网络的部分[Rybak，I.A.，Stecina，K.，Shevtsova，N.A.，McCrea，D.A.，2006.Modelling spinal circuitryinvolved in locomotor pattern generation：insights from the effects of afferentstimulation.J Physiol 577(Pt 2)，641-658]，对选择运动模式、限定伸肌、屈肌的活动时间、以及调制CPG的输出贡献很大。

使用中枢模式发生和调制反射的结合，七鳃鳗[Ekeberg，O.，Grillner，S.，1999.Simulations of neuromuscular control in lamprey swimming.PhilosTrans R Soc Lond B Biol Sci 354(1385)，895-902]，火蜥蜴[Ijspeert，A.，Crespi，A.，Ryczko，D..Cabelguen，J.-M.，2007.From swimming to walkingwith a salamander robot driven by a spinal cord model.Science 315(5817)，1416-1420]，猫[Ivashko，D.G.，Prilutski，B.I.，Markin，S.N.，Chapin，J.K.，Rybak，I.A.，2003.Modeling the spinal cord neural circuitry controllingcat hindlimb movement during locomotion.Neurocomputing 52-54，621-629；Yakovenko，S.，Gritsenko，V.，Prochazka，A.，2004.Contribution of stretchreflexes to locomotor control：a modeling study.Biol Cybern 90(2)，146-155；Maufroy，C.，Kimura，H.，Takase，K.，2008.Towards a general neuralcontroller for quadrupedal locomotion.Neural Netw 21(4)，667-681]，以及人[Ogihara，N.，Yamazaki，N.，2001.Generation of human bipedallocomotion by a bio-mimetic neuro-musculo-skeletal model.Biol Cybera 84(1)，1-11：Paul，C.，Bellotti，M.，Jezeraik，S.，Curt，A.，2005.Developmentof a human neuro-musculo-skeletal model for investigation of spinal cordinjury.Biol Cybern 93(3)，153-170]的神经肌肉模型已经被开发出基本的工具用于研究在动物和人运动中的不同控制策略。这些模型的重点是再现CPG的体系结构并且已经通过试验提供了潜在的反射[Pearson，K.，Ekeberg，O.，Buschges，A.，2006.Assessing sensory function in locomotorsystems using neuro.mechanical simulations.Trends Neurosci 29(11)，625-631]。然而，很少有注意力花费在认识这样的体系结构如何再现或者编码运动力学结构的原理。

这些原理揭示，与复杂的神经元网络的识别相比，腿运动需要很少的控制或者不需要控制。例如，步行[Alexander，R.，1976.Mechanics of bipe：dal locomotion.In：Perspectives in experimental biology(Ed.Davies，P.S.)Pergamon.Oxford；Mochon，S.，McMahon，T.，1980.Ballisticwalking.J.Biomech.13(1)，49-57]和跑步[Blickhan，R.，1989.Thespring-mass model for running and hopping.J.of Biomech.22，1217-1227；McMahon，T.，Cheng，G.，1990.The mechanism of running：how doesstiffness couple with speed？J.of Biomech.23，65-78]两种概念模型已经被提出，用来捕捉腿运动的主要机理。如果动力学系统被合适地调节，这些模型的自稳定能力[McGeer，T.，1990.Passive dynamicwalking.Int.J.Rob.Res.9(2)，62-82；McGeer，T.，1992.Principlesof walking and running.Vol.11 of Advances in Comparative and EnvironmentalPhysiology.Springer-Verlag Berlin Heidelberg，Ch.4；Seyfarth，A.，Geyer，H.，Günther，M.，Blickhan，R.，2002.A movement criterion for running.J.ofBiomech.35，649-655；Ghigliazza，R.，Altendorfer，R.，Holmes，P.，Koditschek，D.，2003.A simply stabilized running model.SIAMJ.Applied.Dynamical Systems 2(2)，187-218]已经被展开研究。而且应用此原理的步行和跑动机器人已经证明了其实际的相关性和控制作用[Raibert，M.，1986.Legged robots that balance.MIT press，Cambridge；McGeer，T.，1990.Passive dynamic walking.Int.J.Rob.Res.9(2)，62-82：Saranli，U.，Buehler，M.，Koditschek，D.，2001.Rhex：A simpleand highly mobile hexapod robot.Int.Jour.Rob.Res.20(7)，616-631；Collins，S.，Ruina，A.，Tedrake，R.，Wisse，M.，2005.Efficient bipedalrobots based on passive-dynamic walkers.Science 307(5712)，1082-1085]。但是，仍然存在一个未解决的问题，即如何将腿力学的该和其他原理集成到人类运动肌控制系统当中。

动力学和运动肌控制之间的相互作用的重要性已经被神经科学家和生物力学家们认识到[Pearson，K.，Ekeberg，O.，Buschges，A.，2006.Assessingsensory function in locomotor systems using neuro-mechanicalsimulations.Trends Neurosci 29(11)，625-631].例如，尽管CPG形成运动中运动肌活动的中枢驱动已经被广泛接受[Grillner，S.，Zangger，P.，1979.On the central generation of locomotion in the low spinal cat.Exp BrainRes 34(2)，241-261；Dietz，V.，2003.Spinal cord pattern generators forlocomotion.Clin Neurophy’siol 1 14(8)，1379-1389；Frigon，A.，Rossignol，S.，2006.Experiments and models of sensorimotor interactions duringlocomotion.Biol Cybern 95(6)，607-627；Ijspeert，A.J.，2008.Centralpattern generators for locomotion control in animals and robots：areview.Neural Netw 21(4)，642-653]，Lundberg在1969年提出，在其简单的中枢输出之外，传播关于运动动力学的信息的脊髓反射能够形成实际运动中可见的复杂的肌肉活动[Lundberg，A.，1969.Reflex control ofstepping.In：The Nansen memorial lecture V，Oslo：Universitetsforlaget，5-42]。整理该思想，Taga后来提出，因为“中心产生的节奏由因运动肌装置引发的节律运动引发的传感信号导致…[，]运动肌输出是神经系统、肌肉-骨骼系统以及自然环境之间的动态交互作用产生的特性”[Taga，G.，1995.A model of the neuro-musculo-skeletal system for humanlocomotion.I.Emergence of basic gait.Biol.Cybern.73(2)，97-111]。作为支持，他提出一种人类运动的神经肌肉模型，其复合了带有传感反馈的CPG，并且证明了基本的步态如何自神经和肌肉-骨骼系统得之间的节律的活动全面诱导出现。

产生运动肌输出的中心的和反射输入的实际比连续不断地被争辩[Pearson，K.G.，2004.Generating the walking gait：role of sensoryfeedback.Prog Brain Res 143，123-129；Frigon，A.，Rossignol，S.，2006.Experiments and models of sensorimotor interactions during locomotion.BiolCybem 95(6)，607-627；Hultbom，H.，2006.Spinal reflexes，mechanismsand concepts：from Eccles to Lundberg and beyond.Prog Neurobiol 78(3-5)，215-232；Prochazka，A.，Yakovenko，S.，2007.The neuromechanical tuninghypothesis.Prog Brain Res 1 65，255-265]。例如，步行的猫被估计为只有大约百分之三十被观察到的支承重量的腿伸肌的肌肉活动归因于肌肉反射[Prochazka，A.，Gritsenko，V.，Yakovenko，S.，2002.Sensory control oflocomotion：reflexes versus higher-level control.Adv Exp Med Biol 508，357-367；Donelan，J.M.，McVea，D.A.，Pearson，K.G.，2009.Forceregulation of ankle extensor muscle activity in freely walking cats.JNeurophysiol 101(1)，360-371]。

在人类中，反射对于运动中肌肉活动的贡献看起来更显著。Sinkjaer和同事通过卸载试验估计，在步行支撑阶段中反射对比目鱼肌的活动贡献大约百分之五十[Sinkjaer，T.，Andersen，J.B.，Ladouceur，M.，Christensen，L.O.，Nielsen，J.B.，2000.Major role for sensory feedback in soleus EMGactivity in the stance phase of walking in man.J Physiol 523 Pt 3，817-827]。更近些时候，Grey和同事发现，比目鱼肌活动的改变与跟腱力的改变成比例，揭示了力正反馈和该肌肉活动之间的直接关系[Grey，M.J.，Nielsen，J.B.，Mazzaro，N.，Sinkjaer，T.，2007.Positive force feedback in humanwalking.J Phyrsiol 581(1)，99-105]。这样大的反馈贡献是否对所有的腿肌肉都存在仍然是未知的。也许接近末端梯度存在于运动肌控制，其中最接近的腿肌肉主要由中枢输入控制而末端腿肌肉由于高的本体感受反馈增益以及大的力学影响灵敏度主要受控于反射输入，正如Daley和同事由鸟类运动试验推断的那样[Daley，M.A.，Felix，G.，Biewener，A.A.，2007.Running stability is enhanced by a proximo-distal gradient in jointneuromechanical control.J Exp Biol 210(Pt 3)，383-394]。

适应地形是行走的一个重要方面。现今市售的踝-足假体利用轻质的被动(无源)结构，其被设计成在步行的支撑阶段中呈现适当的弹性[S.Ron，Prosthetics and Orthotics：Lower Limb and Spinal.Lippincott Williams &Wilkins 2002]。用在这些装置中的先进的复合物允许在可控的背屈和足跖弯曲过程中存储一些能量，并在随后的用动力推动的足跖弯曲过程中释放能量，更像正常人的跟腱[A.L.Hof，B.A.Geelen，Jw.Van den Berg，“Calfmuscle moment，work and efficiency in level walking；role of series elasticity，”Journal of Biomechanics，Vol.16.No.7，pp.523-537，1983；D.A.Winter，“Biomechanical motor pattern in normal walking.”Journal of Motor Behavior，Vol.15，No.4，pp.302-330，1983]。

尽管这些被动-弹性性能在慢步走中是一种良好的近似的踝功能，常速和快步走需要附加额外的外部能量，这样不能通过任何被动踝-足装置实现[M.Palmer，“Sagittal plane characterization of normal human ankle functionacross a range of walking gait speeds，”Master’s Thesis，Massachusetts Instituteof Technology，Cambridge，MA，2002；D.H.Gates，“Characterizing anklefunction during stair ascent，descent，and level walking for ankle prosthesis andorthosis design.”Master’s Thesis，Boston University，2004；A.H.Hansen，D.S.Childress.S.C.Miff，S.A.Gard，K.P.Mesplay，“The humanankle during walking：implication for the design of biomimetic ankleprosthesis，”Journal of Biomechanics，Vol.37，Issue 10，pp.1467-1474，2004]。这种不足反映在膝下截肢使用被动踝-足假体的的步态中。较之正常状态，其自选择步速较慢，步幅较短。[D.A.Winter andS.E.Sienko.“Biomechanics of below.knee amputee gait，”Journal ofBiomechanics，21，pp.361-367，1988]。另外，其步态显然不对称，自然侧的踝关节运动范围较小[H.B.Skinner and D.J.Effeney，“Gait analysisin amputees，”Am J Phys Med，Vol.64，pp.82-89，1985；H.Bateni andS.Olney，“Kinematic and kinetic variations of below-knee amputeegait，”Journal of Prosthetics & Orthotics，Vol.14，No.1，pp.2-13，2002]，同时，在假体侧，髋拉伸力矩较大，而且膝弯曲力矩较小[D.A.Winter andS.E.Sienko.“Biomechanics of below-knee amputee gait，”Journal ofBiomechanics，21，pp.361-367，1988；H.Bateni and S.Olney，“Kinematicand kinetic variatiohs of below.knee amputee gait，”Journal of Prosthetics &Orthotics，Vol.14，No.1，pp.2-13，2002]。他们也比没有截肢的人消耗更大的新陈代谢能量步行。[N.H.Molen，“Energy/speed relation ofbelow-knee amputees walking on motor-driven treadmill，”Int.Z.Angew，Physio，Vol.31，p 173，1973；G.R.Colborne，S.Naumann.P.E.Longmuir，and D.Berbrayer，“Analysis of mechanical and metabolic factors in the gait ofcongenital below knee amputees，”Am.J.Phys.Med.Rehabil.，Vol.92，pp 272-278，1992；R.L.Waters，J.Perry，D.Antonelli，H.Hislop.“Energycost of walking amputees：the influence of level of amputation，”J Bone JointSurg.Am.，Vol.58，No.1，pp.4246，1976；E.G.Gonzalez，P.J.Corcoran，and L.R.Rodolfo.Energy expenditure in B/K amputees：correlation withstump length.Archs.Phys.Med.Rehabil.55，111-119，1974；D.J.Sandersonand P.E.Martin.“Lower extremity kinematic and kinetic adaptations inunilateral below-knee amputees during walking.”Gait and Posture.6，126136，1997；A.Esquenazi，and R.DiGiacomo.“Rehabilitation AfterAmputation，”Joum Am Podiatr Med Assoc，91(1)：13-22，2001]。这些区别可能是截肢者使用更大的腰力量补偿缺失的踝力量的结果[A.D.Kuo，“Energetics of actively powered locomotion using the simplest walkingmodel，”J Biomech Eng.，Vol.124，pp.113-120，2002；A.D.Kuo，J.M.Donelan，and A.Ruina，“Energetic consequences of walking like aninverted pendulum：Step-sto-step transitions，”Exerc.Sport Sci.Rev.，Vol.33，No.2，pp.88-97，2005；A.Ruina，J.E.Bertram，and M.Srinivasan，“A collisional model of the energetic cost of support work qualitatively explainsleg sequencing in walking and galloping，pseudo-elastic leg behavior in runningand the walk-to-run transition.”J.Theor.Biol.，Vol.237，No.2，pp.170-192，2005]。

被动踝-足假体不能提供适应地形的能力。为了提供一种普通的经济的而不是慢步速的步态，动力踝-足假体现今已经被开发出来[S.Au andH.Herr.“Initial experimental study on dynamic interaction between an amputeeand a Dowered ankle-foot prosthesis，”Workshop on Dynamic Walking：Mechanics and Control of Human and Robot Locomotion，Ann Arbor，MI，May 2006；S.K.Au，J.Weber，and H.Herr，“Biomechanical design of apowered ankle-foot prosthesis，”Pmc.IEEE Int.Conf.On RehabilitationRobotics，Noordwijk，The Netherlands，pp.298-303.June 2007；S.Au，J.Weber，E.Martinez-Villapando，and H.Herr.“Powered Ankle-Foot Prosthesisfor the Improvement of Amputee Ambulation，”IEEE Engineering in Medicineand Biology International Conference.August 23-26，Lyon，France.pp.3020-3026，2007；H.Herr，J.Weber，S.Au.“Powered Ankle-FootProsthesis.”Biomechanics of the Lower Limb in Health，Disease andRehabilitation.September 3-5，Manchester，England，pp.72-74，2007；S.K.Au，“Powered Ankle-Foot Prosthesis for the Improvement of AmputeeWalking Economy，”Ph.D.Thesis，Massachusetts Institute of Technology，Cambridge，MA，2007；S.Au，J.Weber，and H.Herr.“Powered Ankle-footProsthesis Improves Walking Metabolic Economy，”IEEE Trans.on Robotics，Vol.25，pp.51-66，2009；J.Hitt，R.Bellman，M.Holgate，T.Sugar，and K.Hollander，“The sparky(spring ankle with regenerative kinetics)projects：Design and analysis of a robotic transtibial prosthesis with regenerativekinetics.”in Proc.IEEE Int.Conf.Robot.Autom.，Orlando，FL，pp2939-2945，May 2006；S.K.Au，H.Herr，“On the Design of a PoweredAnkle-Foot Prosthesis：The Importance of Series and Parallel Elasticity，”IEEERobotics & Automation Magazine.pp.52-59，September 2008]。其中的一些在尺寸和重量上可与正常人类踝-足相当，并且具有弹性能量存储、马达动力以及能够提供一天的典型步行活动的电池能量[S.K.Au，H.Herr.“Onthe Design of a Powered Ankle-Foot Prosthesis：The Importance of Series andParallel Elasticity.”IEEE Robotics & Automation Magazine.pp.52-59，September 2008]。

在这些假体中使用有效的马达动力增加了控制的问题。在之前使用这些动力装置的工作中，使用的方法是匹配正常人类踝展开活动的踝力矩状态分布图[S.K.Au，“Powered Ankle-Foot Prosthesis for the Improvement ofAmputee Walking Economy，”Ph.D.Thesis，Massachusetts Institute ofTechnology，Cambridge，MA，2007；J.Hitt，R.Bellman，M.Holgate，T.Sugar，and K.Hollander，“The sparky(spring ankle with regenerativekinetics)projects：Design and analysis of a robotic transtibial prosthesis withregenerative kinetics，”in Proc.IEEE Int.Conf.Robot.Autom.，Orlando，FL，pp 2939-2945，May 2006；F.Sup，A.Bohara，and M.GoIdfarb.“Designand Control of a Powered Transfemoral Prosthesis，”The Intemational Journal ofRobotics Research，Vol.27，No.2，pp.263-273，2008]。提供马达动力意味着踝力矩分布的工作开环在快速步行时能够被支持，而不是仅仅由被动装置提供类似弹簧的行为。然而，这样的控制方法显示出固有的自适应。替代地，随着合适的选择它们的方法，力矩分布对于所有想要的活动和地形变化都是必需的。

通常，已有的市售主动(有源)踝假体只能重构踝关节摆动阶段，第一次接触地面后需要几个步幅来收敛达到地形适应踝位置。此外，它们不提供任何正常步态所需的支撑阶段动力，因此不能适应地形倾斜的纯支撑工作状态。特别是，动力驱动的踝-足假体控制模式依赖于由正常的人体以目标速度步行穿过已知地形测量得到的固定的踝力矩状态关系。尽管在期望的步速和地形条件下是有效的，这些控制器不允许环境干扰的适应，例如速度瞬变和地形变化。

带有作为控制基础的力正反馈反射策略的神经肌肉模型近来被应用于腿运动的生物力学仿真研究[H.Geyer，H.Herr，“A muscle-reflex model thatencodes principles of legged mechanics predicts human walking dynamics andmuscle activities，”(Submitted for publication)；H.Geyer，A.Seyfarth，R.Blickhan，“Positive force feedback in bouncing gaits？，”Proc.RSociety.Lond.B 270，pp.2173-2183，2003]。这些研究示出了对地形自适应的需求的愿望。

发明内容

一方面，本发明是一种用于基于人类运动神经肌肉模型的仿生机械腿的控制器和控制方法。该控制结构体系操控步行中动力腿假体、矫正装置或外骨骼的踝、膝和髋关节的仿生力矩。在一优选实施例中，动力装置包括力矩可控的人造踝和膝关节。由安装在机械腿装置的每个关节处的传感器提供的反馈信息确定的适当的关节力矩被提供给使用者。这些传感器包括，但是不限于，使用数字编码器的角度关节位移和速度霍尔效应传感器或类似物、在踝和膝关节处的力矩传感器、以及位于膝和踝关节之间的至少一个惯性测量单元(IMU)。

来自机械腿的关节状态(位置和速度)的传感信息被用来作为对人类运动的神经肌肉模型的输入。来自机械腿关节状态传感信息被用来确定每个虚拟肌肉的内部状态，肌肉活动应当被给予什么水平的单个虚拟肌肉力和刚度由脊髓反射模型确定。如果机械腿是膝上截肢者穿戴的腿假体，踝和膝的角度传感器测量这些关节的关节状态。对于髋关节，使用者大腿的对地定向由假体膝处的关节角度传感器和位于假体膝和踝关节处的IMU确定。为了估计髋位置和速度，控制结构体系在假定步态过程中上部躯体(残缺的)保持相对竖直位置的情况下工作。

一方面，本发明是用于包括至少一个关节的机械肢体的基于模型的神经机械控制器，该控制器包括配置成接收涉及机械肢体状态的反馈数据和确定机械肢体状态的有限状态机、配置成接收来自有限状态机的状态信息以及来自至少一个数据库的肌肉几何机构和反射体系信息并利用神经肌肉模型确定发送至机械肢体的至少一个期望的关节力矩或刚度指令的肌肉模型处理器、以及配置成操控(支配)机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度的关节指令处理器。在一个优选实施例中，反馈数据通过安装在机械肢体的每个关节处的至少一个传感器提供。在另一个优选实施例中，机械肢体是腿，有限状态机同步于腿步态周期。

另一方面，本发明是一种基于模型的方法，用于控制包括至少一个关节的机械肢体，其包括以下步骤：在有限状态机处接收与机械肢体状态相关的反馈数据，利用有限状态机和接收的反馈数据确定机械肢体状态，利用神经肌肉模型、肌肉几何结构、反射体系结构信息以及来自有限状态机的状态信息确定发送至机械肢体的至少一个期望的关节力矩或刚度指令，以及操控机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度。

附图说明

当附图与本发明下述详细描述一起考虑时，本发明的其它方面、优点和新颖特征将变得更显而易见；其中：

图1是根据本发明的一方面通常的神经肌肉模型体系结构的示例性实施例的方框图；

图2A-F示出了根据本发明的一方面在通常的神经肌肉模型体系结构发展中的六个阶段；

图3图示了根据本发明、根据通常的神经肌肉模型体系结构的一方面的模型生成；

图4A和4B分别示出了根据本发明的一方面人类模型在模型和地面之间动态交互的自组织步行以及相应的地面反作用力；

图5A-C根据本发明的一方面分别比较了模型和人稳定步行状态髋、膝和踝；

图6A-D示出了根据本发明的一方面步行上楼梯的适应性，包括模型快照(图6A)、净功(图6B)、伸肌活动模式(图6C)和相应的地面反作用力(图6D)；

图7A-D示出了根据本发明的一方面步行下楼梯的适应性，包括模型快照(图7A)、净功(图7B)、伸肌活动模式(图7C)和相应的地面反作用力(图6D)；

图8是根据本发明的一方面肌肉-肌腱模型的原理图；

图9示出了根据本发明的一方面的接触模型；

图10A-C示出了根据本发明的一方面用于优选实施例的踝-足假体实施例，分别示出了实际系统(图10A)、驱动链图(图10B)以及动力学模型(图10C)；

图11是根据本发明的一方面与步态周期同步的带有在每一状态的状态转换阈值和踝-足生物力学等效物的有限状态机的实施例的示意图，用于实施图10A-C的踝-足假体的顶级控制；

图12是根据本发明的一方面踝-足假体控制系统示例性实施例的方框图；

图13A-C是根据本发明的一方面水平地面(图13A)、上升斜坡(图13B)、下降斜坡(图13C)三种步行状态的一个完整步态周期内的假体力矩示例曲线；

图14A-C示出了根据本发明的一方面如在假体微控制器上实施的肌肉骨骼模型的示例性实施例，包括两连接踝关节模型(图14A)、详细示出的Hill型肌肉模型(图14B)以及附接到骨骼上的肌肉模型的几何结构(图14C)；

图15示出了根据本发明的一方面虚拟足跖屈肌反射策略的示例性实施例，包括踝角度、肌肉力和踝力矩的足跖屈肌部分之间的关系；

图16A和16B示出了试验中测量得到的截肢者主体的假体力矩和角度轨迹以及具有完整肢体的重量和高度主体匹配的生物踝的力矩和角度轨迹之间的比较，分别包括踝力矩和踝角度；

图17是根据本发明的一方面参数优化后力矩分布图与生物力矩分布的比较；以及

图18A-C是水平地面(图18A)、上升斜坡(图18B)、下降斜坡(图18C)三种不同的步行状态下本发明的示例性实施例中试验测量得到的假体力矩-角度轨迹曲线。

具体实施方式

一种控制体系结构提出操控动力腿假体、矫正器或外骨骼的踝、膝和髋关节在步行时的仿生力矩。在该实施中，动力装置包括力矩可控的人造踝和膝关节。由安置在机械腿装置的每个关节处的传感器提供的反馈信息确定的适当的力矩被提供给使用者。这些传感器包括，但是不限于，使用数字编码器的角度关节位移和速度霍尔效应传感器或类似物、膝和踝关节处的力矩传感器、以及位于膝关节和踝关节之间的至少一个惯性测量装置(IMU)。

来自机械腿(髋、膝和踝)的关节状态(位置和速度)的传感信息被用作人类运动的神经肌肉模型的输入。该模型使用来自机械腿的关节状态传感信息确定其每个虚拟肌肉的内部状态，并建立脊髓反射模型确定的应当给予什么样特定水平的肌肉活动的各虚拟肌肉的力和刚性。如果机械腿是腿上截肢者穿戴的腿假体，在踝和膝处的角度传感器测量这些关节的关节状态。对于髋关节，使用者大腿的对地定向由假体膝的角度关节传感器和位于假体膝关节和踝关节之间的IMU两者确定。为了估计髋关节位置和速度，控制结构体系假定在步态过程中上部躯体(残缺的)保持相对竖直位置的条件下工作。

正如此处使用的以及在此处参考引用的申请中，下述术语明确包括但是不限于：

“致动器”表示一种如下定义的马达。

“主缩肌”表示收缩元件，其被另一元件、拮抗肌抵抗或阻碍。

“主缩肌—拮抗肌致动器”表示一种机构，包括(至少)两个致动器相互对立起作用：主缩肌致动器，当其作用时拉动两个元件到一起，而拮抗肌致动器，当其作用时，促使两个元件分离。

“拮抗肌”表示一种扩张元件，其被另一种元件、收缩机抵抗或阻碍。

“仿生”表示人造结构或机构，其模仿生物结构或机构、如关节或肢体的特性或行为。

“背屈”表示弯曲踝关节以致足末端向上移动。

“弹性”表示由于拉伸或压缩变形之后能够恢复原始形状。

“伸展”表示围绕肢体中关节的弯曲运动，其增大关节处肢体骨骼之间的角度。

“弯曲”表示围绕肢体中关节的弯曲运动，其减小关节处肢体骨骼之间的角度。

“马达”表示主动(有源)元件，其通过将提供的能量转换为机械能产生或给予运动，包括电动、气动或液压马达和致动器。

“跖屈”表示弯曲踝关节使得足末端向下移动。

“弹簧”表示弹性装置，例如金属线圈或板状结构，在被压缩或者拉伸之后其恢复原始形状。

根据本发明的一方面，一种基于神经肌肉模型的控制方案的示例性实施例示于图1的方框图中。图1中，根据本发明的神经肌肉模型包括每个模型肌肉单元120的反射环110。由所有的模型肌肉推算的力和刚度被用来使用来自文献中的肌肉力臂值140计算130关节力矩和刚度。接着模型估算被传送到控制器作为仿生机械腿关节150期望的有用力矩和刚度值。控制器160接着跟踪记录每个机械关节150处的力矩和刚度值。

为了使得每个虚拟肌肉产生其需要的力，肌肉刺激参数STIM(t)是需要的。该参数可由外部输入或局部反馈环确定。在实施例的仿生腿控制策略中，STIM(t)基于局部反馈环计算得出。该体系结构基于由Geyer andHerr开发的反射反馈框架[H.Geyer，H.Herr，“A muscle-reflex model thatencodes principles of legged mechanics predicts human walking dynamics andmuscle activities，”(已经提交用于出版)，在此处整体合并引入参考].在该框架中，神经控制被设计成模仿正常人体肌肉的拉伸反射。该基于神经肌肉反射的控制方法允许仿生机械腿再现类人的关节机理。

神经机构模型。带有腿力学原理编码反射控制的人模型推算人步行动力学和肌肉活动。当神经科学家识别日益复杂的控制动物和人步态的神经网络时，生物力学家发现，如果留意腿力学原理，运动几乎不需要运动肌控制。此处示出了如何使得肌肉反射行为对联系着两种观察结果是至关重要的。已经开发了一种人运动的模型，其由编码腿力学原理的肌肉反射行为驱动。装备了基于该原理的反射控制，由于其与地面的动态交互作用，该模型稳定了步态，容许地面扰动，以及可自适应楼梯环境。此外，该模型显示出与试验得出的关节角度、关节力矩和肌肉活动的定性一致性，暗示了人类运动肌输出很大程度上可以由将腿力学原理链接到负责运动的神经网络的肌肉反射行为成形。

带有运动肌(马达)控制的人类步行模型基于肌肉反射，其被设计成包括腿力学原理。这些原理来自腿运动的简单概念模型，包括支撑阶段对顺从腿的依赖[Blickhan，R.，1989.The spring-mass model for running andhopping.J.of Biomech.22，1217-1227；Ghigliazza，R.，Altendorfer，R.，Holmes，P.，Koditschek，D.，2003.A simply stabilized running model.SIAMJ.Applied.Dynamical Systems 2(2)，187-218；Geyer，H.，Seyfarth，A.，Blickhan，R.，2006.Compliant leg behaviour explains the basic dynamics ofwalking and running.Proc.R.Soc.Lond.B 273，2861-2867]，基于静态关节力矩平衡的分段腿的稳定性[Seyfarth，A.，Günther，M.，Blickhan，R.，2001.Stable operation of an elastic three.segmented leg.Biol.Cybern.84，365-382；Günther，M.，Keppler，V.，Seyfarth，A.，Blickhan，R.，2004.Humanleg design：optimal axial alignment under constraints.J.Math.Biol.48，623-646]，冲击摆动腿机构的维护[Mochon，S.，McMahon，T.，1980.Ballisticwalking.J.Biomech.13(1)，49-57]，以及使用摆动腿缩回增强步速稳定性[Seyfarth，A.，Geyer，H.，Günther，M.，Blickhan，R.，2002.A movementcriterion for running.J.of Biomech.35，649-655；Seyfarth，A.，Geyer，H.，Herr，H.M.，2003.Swing-leg retraction：a simple control model for stablerunning.J.Exp.Biol.206，2547-2555]。Hill型肌肉在与脊髓反射也包括力和长度的正反馈方案结合在一起使用，以有效地编码这些力学特性。

较之来自关于人类步行的著作的带有动力学的、运动学的以及肌电现象的模型行为，已经显示出带有设计成编码腿力学原理的运动肌控制神经肌肉模型可生成生物学的步行力学和肌肉活动。该反射控制允许模型容许地面水平的突然改变，适应楼梯上升和下降，而无需变量干涉。

从概念点质量模型到带有上部躯体和每节由七块肌肉驱动并由肌肉反射控制的两、三节腿的两足动物的神经肌肉，人类模型的结构和控制的发展分为六个阶段。根据本发明的该方面，图2A-F示出了普通神经肌肉模型结构体系演化的六个阶段。前三阶段一体化和稳定了顺从腿在支撑阶段的行为(图2A-C)。第四阶段增加了上部躯体和其平衡控制(图2D)。最后两个阶段准备和确保了在摆动过程中腿的向前和收回动作(图2E和图2F)。

在图2A-F中，后续段落中更详细地描述，从支撑腿构型(图2A)，顺从腿行为作为关键因素演变到通过带有正反馈力F+驱动比目鱼肌(SOL)和块状股骨肌群(VAS)生成步行和跑动(图2B)。为了防止膝过度拉伸，附加使用F+的两关节腓肠肌(GAS)(图2C)，并且如果膝关节拉伸超过170度阈值VAS开始被抑制。为了防止踝过度拉伸，附加胫骨前面的肌肉(TA)，其通过长度正反馈L+拉住踝关节到屈曲位，且通过来自比目鱼肌的力负反馈F-抑制在正常状态。为了允许腿摆动，附加了上部躯体(图2D)。其通过支撑腿的髋屈肌(HFL)和相互作用的髋伸肌(GLU，HAM)被驱动到相对于竖直方向的参考斜度，此处两关节HAM防止由髋伸肌力矩产生的膝过度拉伸。着陆的另一条(主导的)腿通过分别增加/减少对HFL/GLU的连续激励，并通过抑制VAS相对于另一腿承载的负载的比例(图2E)启动摆动。实际的腿摆动通过使用L+的HFL促进直到其被HAM的L-抑制(图2F)。HFL的激励特别依赖于上部躯体起身时的倾斜。而且，对GLU和HAM使用F+朝向摆动末端收回和伸直腿。最后，现在未抑制的TA的L+驱动踝至弯曲位置(图2G)。

支撑腿的顺从性和稳定性。弹簧质量两足模型被用作人类运动概念基础的起点(图2A)。尽管该模型仅仅由点-质量205组成，其在两个无质量弹簧210，215上前行，其再现了在人步行和跑动时观察到的质量中心动力学，在基于支撑状态的顺从腿行为的一个概念框架下统一了两种步态[Geyer，H.，Seyfarth，A.，Blickhan，R.，2006.Compliant leg behaviourexplains the basic dynamics of walking and running.Proc.R.Soc.Lond.B273，2861-2867].

为了在神经肌肉腿实现顺从行为，每个弹簧210、215被置换附加大腿220，胫骨225和足230，以及比目鱼肌(SOL)235和块状股骨肌群(VAS)240，两者都在步态的支撑阶段(图2B)通过局部力的正反馈(F+)生成它们的肌肉活动。该力反射以与Geyer，H.，Seyfarth，A.，Blickhan，R.，2003在Positive force feedback in bouncing gaits？Proc.R.Soc.Lond.B 270，2173-2183中同样的方式建模。在力的正反馈条件下，肌肉m的激励Sm(t)是预激励S0，m以及肌肉的时滞(Δt)和增益(G)力Fm的和：Sm(t)＝SO，m+GmFm(t-Δtm)。

在顺从腿行为是基本的同时，其也威胁节肢腿关节的稳定性[Seyfarth，A.，Günther，M.，Blickhan，R.，2001.Stable operaion of an elasticthree.segmented leg.Biol.Cybern.84，365-382；Giinther，M.，Keppler，V.，Seyfarth，A.，Blickhan，R.，2004.Human leg design：optimal axialalignment under constraints.J.Math.Biol.48，623-646]。在节肢腿中，膝和踝力矩，τ_a和τ_b，遵守静力平衡τa/τb＝hk/ha，其中hk和ha分别是从膝和踝到足力矢量Fleg的垂直距离。有效地，当一关节驱使另一关节上的大拉伸扭矩靠近Fleg时，将威胁其类似弹簧行为的腿的产生过度拉伸[详细参见Seyfarth，A.，Günther，M.，Blickhan，R.，2001.Stable operaionof an elastic three-segmented leg.Biol.Cybem.84，365-382]。

通过附加腓肠肌(GAS)245和胫骨前侧的(TA)250肌肉(图2C)，该过度拉伸的趋势在膝和踝上被逆反。类似于SOL和VAS，在步态的支撑阶段两关节GAS使用正的局部力反馈(F+)。这种肌肉反射不仅防止膝因踝大的拉伸扭矩导致过度拉伸，还对生成所有的顺从腿行为做出贡献。相反，单关节TA使用带有STA(t)的距离局部正反馈(L+)，STA(t)＝S_0，TA+G_TA(l_CE，TA-l_off，TA)(t-Δ_t，TA)，其中，l_CE，TA是TA纤维长度，l_off，TA是长度偏移。弯曲足，当产生大的膝扭矩时TA的L+防止踝过度拉伸。然而如果踝伸肌足够活跃能保持膝和踝的力矩平衡，这种肌肉反射是不需要的。为了避免在该状态下TA与SOL不必要的对抗，TA激励被来自SOL的负的力反馈(F-)抑制，导致S_TA(t)＝S_0，TA+G_TA(l_CE，TA-l_off，TA)(t-Δ_t，TA)-G_SOLTAF_SOL(t-Δt_SOL)。为了进一步保护膝免受过度拉伤，如果膝伸展超过170度阈值，VAS被抑制，其中，

是比例增益，

是膝角度。该反射抑制仅仅在条件下并且膝实际上是拉伸状态时起作用。

上部躯体和其平衡。在弹簧-质量概念模型到两足神经肌肉模型演化的下一阶段，点质量表示法被放弃，引入了围绕上部躯体255的可摆动腿(图2D)。该上部躯体255组合了头部、手臂和躯干(HAT)。为了在运动中平衡HAT 255，每条腿都附加了臀部肌肉群(GLU)260和髋屈肌肌肉群(HFL)265。GLU260和HFL265都被HAT255的比例微分信号激励，相对于重力向前倾斜θ角，S_GLU/HFL～±[k_p(θ-θ_ref)+k_ddθ/dt]，其中k_p和k_d是比例和微分增益，并且θ_ref是参考倾斜角度[相似方法的比较，例如，Günther，M.，Ruder，H.，2003.Synthesis of two-dimensional human walking：a test oftheλ-model.Biol.Cybem.89，89-106]。还包括使用S_HAM～S_GLu逆转当向后拉动沉重的HAT255时由于GLU260产生的大的髋力矩引起的膝过度拉伸的两关节的腿筋肌肉群(HAM)270。由于如果腿承受足够的重量，髋力矩只能平衡HAT255，GLU260、HAM270和HFL265的激励被调制成每条腿成比例地承受身体的总重量。结果，每条腿的髋肌肉只在支撑阶段对HAT的平衡控制起作用。

摆动腿伸出和收回。除了产生摆动腿伸出和收回的肌肉反射控制，人类模型的结构是完整的。假定支撑腿的功能重要性与已经双重支撑的对侧腿和初始摆动腿伸长承受的身体总重量(bw)成比例减少(图2E)。人类模型检测哪个腿进入支撑末段(对侧腿)，并按对侧腿承受的重量的比例抑制身体同侧腿的VAS240的F+，

当踝拉伸并推动腿离开地面向前时，对侧抑制允许膝中断其功能性弹簧行为，并且弯曲。尽管只有如果踝能有效地推动，这种弹射机制才能够启动摆动，在双支撑阶段，该模型还能够通过以固定量ΔS增加HFL265的激励和减少GLU260的激励启动摆动腿伸长。

在实际的摆动阶段，主要依靠腿冲击运动，但是其被两个方面影响(图2F)。一方面，摆动腿的伸长是被推动的。通过在支撑摆动转换过程中使用HAT255向前的节距角θ_ref偏置过的长度正反馈(L+)，HFL265被激励S_HFL(t)＝S_0，HFL+k_lean(θ-θ_ref)_TO+G_HFL(l_CE，HFL-l_off，HFL)(t-Δ_t，HFL)。使用这种方法，确保了摆动腿的冲击运动及时获得向前运动的力矩[Mochon，S.，McMahon，T.，1980.Ballistic walking.J.Biomech.13(1)，49-57]。

此外，摆动腿也被防止过度拉伸，并且被确保收回。在摆动阶段如果腿到达并保持合适的定位，腿系统自稳定为一个步态周期[McGeer，T.，1990.Passive dynamic walking.Int.J.Rob.Res.9(2)，62-82；Seyfarth，A.，Geyer，H.，Giinther，M.，Blickhan.R.，2002.A movement criterionfor running.J.of Biomech.35，649-655；Ghigliazza，R.，Altendorfer，R.，Holmes，P.，Koditschek，D.，2003.A simply stabilized runningmodel.SIAM J.Applied.Dynamical Systems 2(2)，187-218；Geyer，H.，Seyfarth，A.，Blickhan，R.，2006.Compliant leg behaviour explains the basicdynamics of walking and running.Proc.R.Soc.Lond.B 273，2861-2867]。如果摆动腿又在落地前收回，这种对抗扰动的机械自稳定的容许度可被大幅度提高[Seyfarth，A.，Geyer，H.，2002.Natural control of spring.likerunning-optimized self-stabilization.In：Proceedings of the 5th internationalconference on climbing and walking robots.Professional EngineeringPublishing Limited，pp.81-85；Seyfarth，A.，Geyer，H.，Herr，H.M.，2003.Swing.leg retraction：a simple control model for stablerunning.J.Exp.Biol.206.2547-2555]。为了实现这种停止-收回策略，三种肌肉反射被包含于人类模型中。当伸长过程中膝达到完全伸展时，由腿受到的向前的推动力产生的摆动腿拉伸过度被阻止。关于此，HFL的L+被与HAM在摆动阶段受到的张力成比例地抑制，S_HFL(t)＝k_lean(θ-θ_ref)TO+G_HFL(l_CE，HFL-l_off，HFL)(t-Δ_t，HFL)-G_HAMHFZ1(l_CE，HAM-l_off，HAM)(t-Δ_t，HAM)。另外，F+被用于GLU，S_GLU(t)＝S_0，GLU+G_GLUF_GLU(t-Δt_GLU)，以及HAM，S_HAM(t)＝S_0，HAM+G_HAMF_HAM(t-Δt_HAM)，来确保依赖于实际伸长力矩，摆动腿不仅可以悬停，还可以传递部分力矩到腿进行矫直和收回。最后，引入确保足误差的TA L+在整个摆动阶段被保持。在该阶段SOL、GAS、VAS不起作用。

反射控制参数。对肌肉激励Sm(t)不同的反射影响通过模型中使用的函数管理。没有优化的参数被应用。参数从以前的反射行为(F+，L+)知识或者通过似是而非的估计得来。在被转换成肌肉活动Am(t)之前，所有的肌肉激励被限定于范围0.01到1之间。表1代表了本优选实施例中使用的支撑反射函数。

表1

S_SOL(t)＝S_0，SOL+G_SOLF_SOL(t_l)

＝0.01+1.2/F_max，SOLF_SOL(t_l)

S_TA(t)＝S_0，TA+G_TA[l_CE，TA(t_l)-l_off，TA)]-G_SOL，TAF_SOL(t_l)

＝0.01+1.1[l_CE，TA(t_l)-0.71l_opt，TA)]-0.3/F_max，SOLF_SOL(t_l)

S_GAS(t)＝S_0，GAS+G_GASF_GAS(t_l)

＝0.01+1.1/F_max，GASF_GAS(t_l)

$-k_{\mathrm{bw}}\left|F_{\mathrm{leg}}^{\mathrm{contra}}\left(t_s\right)\right|*\mathrm{DSup}$

$-0.00167\left|F_{\mathrm{leg}}^{\mathrm{contra}}\left(t_s\right)\right|*\mathrm{DSup}$

$S_{\mathrm{HAM}}\left(t\right)=S_{0,\mathrm{HAM}}+\left\{k_p\right[\mathrm{\θ}\left(t_s)-{\mathrm{\θ}}_{\mathrm{ref}}]+k_d\mathrm{d\θ}/\mathrm{dt}\left(t_s\right)\right\}+k_{\mathrm{bw}}\left|F_{\mathrm{leg}}^{\mathrm{ipsi}}\left(t_s\right)\right|$

$=0.05+\left\{1.9\right[\mathrm{\θ}\left(t_s\right)-0.105]+0.25\mathrm{d\θ}/\mathrm{dt}\left(t_s\right)\}+0.00167\left|F_{\mathrm{leg}}^{\mathrm{ipsi}}\left(t_s\right)\right|$

$S_{\mathrm{GLU}}\left(t\right)=S_{0,\mathrm{GLU}}+\left\{k_p\right[\mathrm{\θ}\left(t_s\right)-{\mathrm{\θ}}_{\mathrm{ref}}]+k_d\mathrm{d\θ}/\mathrm{dt}\left(t_s\right)\}+k_{\mathrm{bw}}\left|F_{\mathrm{leg}}^{\mathrm{ipsi}}\left(t_s\right)\right|$

$-\mathrm{\ΔS}*\mathrm{DSup}$

$=0.05+\left\{1.3\right[\mathrm{\θ}\left(t_s\right)-0.105]+0.25\mathrm{d\θ}/\mathrm{dt}\left(t_s\right)\}+0.00167\left|F_{\mathrm{leg}}^{\mathrm{ipsi}}\left(t_s\right)\right|$

$-0.25*\mathrm{Dsup}$

$S_{\mathrm{HFL}}\left(t\right)=S_{0,\mathrm{HFL}}+\left\{k_p\right[\mathrm{\θ}\left(t_s\right)-{\mathrm{\θ}}_{\mathrm{ref}}]+k_d\mathrm{d\θ}/\mathrm{dt}\left(t_s\right)\}-k_{\mathrm{bw}}\left|F_{\mathrm{leg}}^{\mathrm{ipsi}}\left(t_s\right)\right|$

$+\mathrm{\ΔS}*\mathrm{DSup}$

$=0.05+\left\{1.9\right[\mathrm{\θ}\left(t_s\right)-0.105]+0.25\mathrm{d\θ}/\mathrm{dt}\left(t_s\right)\}-0.00167\left|F_{\mathrm{leg}}^{\mathrm{ipsi}}\left(t_s\right)\right|$

$+0.25*\mathrm{DSup}$

(tl＝t-20ms，tm＝t-10ms，ts＝t-5ms，如果腿是双支撑状态被拖动的腿DSup是1，否则0，{}+/-只引用正/负值)

表2代表了本优选实施例中使用的摆动反射函数.

表2

S_SOL(t)＝S_0，SOL

＝0.01

S_TA(t)＝S_0，TA+G_TA[l_CE，TA(t_l)-l_off，TA)]

＝0.01+1.1[l_CE，TA(t_l)-0.71l_opt，TA)]

S_GAS(t)＝S_0，GAS

＝0.01

S_VAS(t)＝S_0，VAS

＝0.01

S_HAM(t)＝S_0，HAM+G_HAMF_HAM(t_s)

＝0.01+0.65/F_max，HAMF_HAM(t_s)

S_GLU(t)＝S_0，GLU+G_GLUF_GLU(t_s)

＝0.01+0.4/F_max，GLUF_GLU(t_s)

S_HFL(t)＝S_0，HFL+GH_FL[l_CE，HFL(t_s)-l_off，HFL]-G_HAM，HFL[l_CE，HAM(t_s)-l_off，HAM]

+{k_lean[θ(t_s)-θ_ref]}PTO

＝0.01+0.35[l_CE，HFL(t_s)-0.6l_opt，HFL]-4[l_CE，HAM(t_s)-0.85l_opt，HAM]

+{1.15[θ(t_s)-0.105]}PTO

({}PTO：在前离地时取常值。)

结果。尽管人类模型不具有向前送进作用于其肌肉的中枢模式发生器(CPG)，但是对每条腿其都通过使用位于每只脚上脚掌和脚后跟处检测地面的传感器，在支撑和摆动不同的反射之间转换。结果，模型与外部机械环境的动态交互作用成为生成肌肉活动的重要部分。图3图示了根据本发明的一个方面的模式发生器。在图3中，不是中枢模式，而是反射生成肌肉激励，Sm305、310。左(L)320和右(R)330腿具有分离的支撑340、350和摆动350、355反射，其基于来自脚掌和脚后跟传感器370、375的接触感测360、365被选择。反射输出依赖于力学输入，Mi380、385，力学和运动肌控制相互交错。

步行步态。为了研究对人类运动来说力学和运动肌控制的相互依赖有多么重要，该模型以通常的步行速度v0＝1.3m/s从其支撑状态的左腿和摆动状态的右腿为起点。由于模拟的肌肉反射包括最大20ms的时滞，所有的肌肉最初是无响应的。根据本发明的一方面，图4A和4B分别示出了模型和地面之间动态交互的自组织人类步行模型，以及相应的地面反作用力。在图4A和4B中，人类模型快照每250ms拍摄一次(图4A)，左腿405、410和右腿415、420相应的模型GRF(图4B)被以分离的曲线示出(30Hz低通滤波)。以1.3m/s的水平速度开始，该模型在头两步内减速，然后急速恢复到相同的步行速度。腿肌肉仅仅示出了右腿415，指示肌肉活动＞10％。每条腿的初始条件(pa，k，h(踝、膝和脚后跟的定义))为：175度，175度(左腿)和

175度，140度(右腿)。

因为扰动初始条件，在第一步中该模型轻微地失效和减速(图4A)。然而，如果参数选择合适，该模型在随后的步骤中迅速地恢复，由于模型和地面之间的动态交互自组织步行。这里，支撑阶段的腿竖直地面反作用力(GRF)显出M型步行步态的图形特征(图4B)，显示了稳定态步行中模型和人相似的整体动力学特性。

角度、力矩和肌肉活动的稳定状态模式。该相似性还可以继续更进一步地观察；该模型显示了角度、力矩和肌肉活动模式与已知的人类步行数据在定性方面是一致的。根据本发明的一方面，图5A-C分别比较了以1.3m/s步行，模型和人的髋(图5A)、膝(图5B)和踝(图5C)的稳定状态。在图5A-C中，同一条腿上脚后敲击跟到脚后跟的敲击标准化为一个步幅，该模型的髋、膝和踝的肌肉活动、力矩和角度稳定状态模式与人类步行数据进行比较(由Perry，1992改写)。竖直点线510显示出大约60％的步幅脚趾离开地面。被比较的肌肉是长收肌(HFL)520，臀上大肌(GLU)530，半膜肌(HAM)540，以及股外侧肌(VAS)550。

模型预测与步行数据最大程度的一致可发现于踝(图5C)。反射模型不仅生成步行时人类踝观察到的踝运动

和力矩τ_a，而且推算SOL、TA和GAS活动，其类似于从其表面肌动电流描述器推断出的试验SOL、TA和GAS活动。对于SOL和GAS，除了在支撑阶段使用局部F+反射，都产生该活动。对于TA，它的L+反射在早期支撑阶段时积极响应足的足跖屈肌，但是在该阶段的其他时间被来自SOL的F-抑制。只有当在支撑到摆动的转换过程中(60％的步幅)SOL活动减少，TA的L+恢复，拉动足对抗足跖屈肌。

上述比较显示出膝和髋较差的一致性。例如，尽管通常人类膝的轨迹

被模型捕捉，该模型的膝反射比人类的早期支撑阶段大约多10度或30％(图5B)。涉及到这种大量的膝反射，该模型缺乏观察随后进入到早期支撑阶段的晚期摆动的VAS活动。只有在脚后跟冲击之后，VAS的F+参与并能够作用于肌肉组织响应腿负载。伸肌活动的时滞不仅引起早期支撑阶段相对较弱的膝，而且在冲击之后沉重的HAT向前倾斜。由于HAT的平衡控制逐渐地参与支撑腿承受的重量，平衡反射将一直不起作用直到脚后跟冲击，然后必须不自然地产生大量的GLU和HAM活动来使得HAT返回其参考斜度(图5c)。因此，模型的髋轨迹

和力矩图形τ_h至少类似于人类，人类的髋伸肌GLU和HAM在冲击之前是起作用的，并且防止躯干如此过度倾斜。

地面变化的自适应性。尽管反射控制受限，人类模型允许并可自适应突然的、永久的对地面水平改变。图6A-D示出了模型遭遇了一系列每阶上升4cm的楼梯的例子。根据本发明的一个方面，图6A-D示出了步行上楼梯的适应性，包括模型的快照(图6A)，净功(图6B)，伸肌活动模式(图6C)，以及对地面反作用力的响应(图6D)。在图6A-D中，以1.3m/s稳步行走的方法，人类模型的八个步幅被示出，其包括了每步4cm斜坡的五步。该模型在第8步恢复了稳步行走。每一步定义为从右腿的脚后跟敲击到脚后跟敲击。见于图6A，是在右脚后跟敲击和脚趾离开地面时模型的快照。对于这条腿，进一步示出于图6B，支撑阶段在髋、膝和踝产生的净功是由于伸展产生的正功；在图6C中，每步中五个伸肌的作用参数作用模式；在图6D中，相对于身体重量(bw)规范化的的相应的地面反作用力650，左腿的地面反作用力660也在于其中，用于比较。

从稳态行走(第一步)开始，该模型伸出的右腿的脚部在第二步末段碰到楼梯(图6A)。较早的冲击使得模型慢下来，向前倾斜上部身体，其被由GLU和HAM产生的一大的髋力矩对抗(第三步，图6B和6C)。由于髋伸展力矩也趋向拉伸膝，即便在膝的净功在支撑保持阶段与稳定阶段大致相同，VAS并不感觉到在稳定阶段那么大的力，它的力反馈控制降低了肌肉刺激(图6C)。相反，模型变慢减少了支撑阶段踝伸肌GAS和SOL感觉到的力，它们的力反馈反射产生了轻微的少量肌肉刺激，降低了踝的净功(图6B和6C)。在第4步和第5步，该模型习惯了大约1m/s的上楼梯的步行，其中向前和向后的冲击主要由髋和膝产生。在第6步到达上升稳定时期之后，该模型在第8步恢复原始稳定步行速度1.3m/s。

根据本发明的一方面，图7A-D示出了步行下楼的适应性，包括模型快照(图7A)、净功(图7B)、伸肌活动模式(图7C)，以及相应的地面反作用力(图7D)。在图7A-D中，从1.3m/s稳态步行开始，人类模型的八步被示出，包括了每步4cm斜坡的五步。该模型在第8步恢复了稳步行走。每一步定义为从右腿的脚后跟敲击到脚后跟敲击。见于图7A，是在右脚后跟敲击和脚趾离开地面时模型的快照。对于这条腿，进一步示出于图7B，支撑阶段在髋、膝和踝产生的净功是由于伸展产生的正功；在图7C中，每步中五个伸肌的作用参数作用模式；以及在图7D中，相对于身体重量(bw)规范化的的相应的地面反作用力750，左腿的地面反作用力760也在于其中，用于比较。该模型恢复稳态步行1.3m/s在第14步，在完成每步下斜坡4cm的五步之后。

图7A-D继续行走序列，模型遭遇到向下的楼梯。在第9步的末段，该模型用右脚敲击向下的第一台阶(图7A)。向下动作加速了模型运动，导致右腿在第10步中在整个过程中的第一次较大的冲击，多数伸肌较强烈地响应该冲击(图7C和7D)。只有GAS产生较少的力，因为膝保持比该步态通常状态更弯曲。结果踝的正净功显著增加(图7B)。该增加和大的HFL激励(未示出)由上部躯体在其启动运动时向前的倾斜引起(图7A)推动右腿在摆动阶段向前增加步长。在转换之后的第10步，该模型保持较大步长向下运动(第11和12步)，其中该模型向下的加速运动被由GLU、HAM以及VAS紧随冲击增大的作用抵抗(图7C和7D)，其减少髋的净正功增加膝的净正功(图7B)，并稳定该模型步行速度下降到大约1.5m/s。回到水平地面，缺少向下的加速度减慢了模型的速度，其自动地减少了步长(图7A)，并在第13、14步之内驱动其回到以1.3m/s稳定步行。

对于步行上、下楼梯，没有单独的控制信号响应。该模型容许性和适应性的关键是其动态肌肉反射响应。支撑腿的反弹依赖于腿伸肌SOL、GAS和VAS感觉到多少负载，其保证腿足够导致在向上行走时向前行进，而向下行走时显著制动。另一方面，摆动腿向前的推力随着模型动态变化。对侧腿受到冲击之后突然减速，上部躯体向前倾斜，踝伸肌速度接近支撑末端---在摆动阶段所有的作用都给了腿推力。这些复合特征保证了摆动腿在上楼梯时伸长足够，下楼梯时更显著。对于后者，GLU和HAM的力反馈抑制腿过度旋转，作为代替驱使它急速收回并伸直。

肌腱单元。所有两足生物的肌腱单元(MTU)14具有同样模式的结构。根据本发明的一方面，图8是肌腱模型的原理图。在图8中，有效的收缩元件(CE)810和串联弹性元件(SE)820一起形成通常运转的肌腱单元(MTU)。如果CE810伸长超过其最优长度l_CE830(l_CE＞l_opt840)，并联弹性元件(PE)850参与起作用。相反地，如果SE820失效，缓冲弹性元件(BE)860防止起作用的CE810松弛(l_MTU870-l_CE830＜l_松弛880)。

见于图8，一个有效的Hill型收缩元件(CE)按照串联弹性(SE)产生力。尽管MTU安装于该骨架，这样独立的CE主要作用于它们的力-距离关系的上升的肢体，所述MTU模型包括并行弹性(PE)，如果CE伸长超过其最优长度l_opt则PE起作用。另外，缓冲弹性(BE)确保当腿几何模型缩短MTU的那么多以至于变得松弛时CE不失效。需要注意的是，BE仅仅是一个允许MTU描述松弛肌肉的数字工具，例如，当膝过度弯曲时松弛的GAS。然而，BE并不导致在MTU外部的力。

表3呈现了单个的MTU参数。所有的参数由Yamaguchi等估算[Yamaguchi，G.T.，Sawa，A.G.-U.，Moran，D.W.，Fessler，M.J.，Winters，J.M.，1990.A survey of human musculotendon actuatorparameters.In：Winters，J.，Woo，S.-Y.(Eds.)，Multiple Muscle Systems：Biomechanics and Movement Organization.Springer-Verlag，New York，pp.717-778].最大张力F_max由假定25N/cm²的力按照独立的或者成群的肌肉-生理截面区域估算。最大收缩速度v_max对慢速肌肉设置成6l_opts^-1对中等速度肌肉设置成12l_opts^-1。最优CE长度l_opt和SE松弛长度l_松弛反映了肌肉纤维和肌腱长度。

表3

CE和SE怎样建模的细节可见于Geyer等的文章中[Geyer，H.，Seyfarth，A.，Blickhan，R.，2003.Positive force feedback in bouncinggaits？Proc.R.Soc.Lond.B 270，2173-2183]。CE的力F_CE＝AF_maxf_l(l_CE)f_v(V_CE)，是肌肉活动A，CE力-长度关系f_l(l_CE)和CE力-速度关系f_v(v_CE)的乘积。基于这种乘积方法，MTU动力学通过积分CE速度V_CE来计算，其通过f_v(v_CE)的逆运算建立。给定F_SE＝F_CE+F_PE-F_BE，f_v(v_CE)＝(F_SE-F_PE+F_BE)/(AF_maxf_l(l_CE))。在肌肉伸长阶段当F_PE-F_BE接近0时，该函数具有数字临界点。为了加速激励，通过引入f_v(v_CE)到并联弹性力乘积F_PE～(l_CE-l_opt)²f_v(V_CE)来避免该临界点。注意在模型运行的通常的范围之外PE起作用，并且像BE，在通常运动中对肌肉动力学扮演次要角色。然而，使用这种方法，获得f_v(v_CE)＝(F_SE+F_BE)/(AF_maxf_l(l_CE)+FPE)，其可被近似地用数字时间逐步积分。尽管该方法对于加速模型激励是方便的，但是当肌肉动力学在PC电路板上以固定和有限的时间分辨率仿真时它也有极限。

MTU具有共用的和独立参数。共用的参数包括激励收缩联结时间常数，t_ecc＝0.01；CE力-长度关系宽度，w＝0.56l_opt；和残余力因子，c＝0.05；CE力-速度关系的增强偏心力，N＝1.5；形状因子，K＝5；以及SE参考应力，ε_ref＝0.04[详见于Geyer，H.，Seyfarth，A.，Blickhan，R.，2003.Positiveforce feedback in bouncing gaits？Proc.R.Soc.Lond.B 270，2173-2183]。共用参数也是PE参考应力ε_PE＝w，其中F_PE＝F_max(l_CE/l_opt-1)²/ε_PE ²f_v(v_CE)，以及BE无负载长度l_min＝l_opt-w，其参考压缩ε_BE＝w/2，其中F_BE＝F_max[(l_min-l_CE)/l_opt]²/ε_PE ²。独立的MTU附加参数容易由文献得到，用于区分每个肌肉或肌肉群。它们的数值列于表4中。

表4：MTU连接参数

肌肉与骨骼的连接和质量分布。所述MTU通过跨过一个或两个关节连接到骨骼。从肌肉力Fm到关节扭矩τm的传递被使用可变杠杆臂对膝和踝进行建模，其中

是关节角，

是r_m达到最大值时的角度，并且

对于髋，简单地假定

另一方面，对膝和踝，MTU长度Δl_m的改变建模成并且对髋为

参考角度是关节角度，其中l_m＝l_opt+l_slack。因子ρ代表肌肉肌纤维与肌腱角并确保MTU纤维长度保持在生理极限内关节全工作范围。用于每个肌肉和关节的特定参数列于表4中。这些数值或者由实验证据支持[Muraoka，T.，Kawakami，Y.，Tachi，M.，Fukunaga，T.，2001.Muscle fiber and tendon length changes in the human vastus lateralisduring slow pedaling.J.Appl.Physi01.91，2035-2040；Maganaris，C.，2001.Force.length characteristics of in vivo human skeletal muscle.ActaPhysi01.Scand.172，279-285；Maganaris，C.，2003.Force-lengthcharacteristics of the in vivo human gastrocnemius muscle.Clin.Anat.16，215-223；Oda，T.，Kanehisa，H.，Chino，K.，Kurihara，T.，Nagayoshi，T.，Kato，E.，Fukunaga，T.，Kawakami，Y.，2005.In vivo lenth-forcerelationships on muscle fiver and muscle tendon complex in the tibialis anteriormuscle.Int.J.Sport and Health Sciences 3，245-252]，或者通过大致的解剖学估计获得。

人体模型的七个分段是简单的刚性体，其参数列于表5中。这些数值与在其它模型研究中使用的相似，例如，Günther和Ruder[Günther，M.，Ruder，H.，2003.Synthesis of two-dimensional human walking：a test of then model.Biol.Cybem.89，89-106]。这些分段由向后卷的关节连接。正如人体中，这些关节具有自由操作范围(

和

)，在该范围之外由机构软极限起作用，其以与地面击打点同样的方式建模。该模型的分段具有不同的质量m_S和长度l_S以及它们局部质量中心的特征距离d_G，S，和关节位置d_J，S(从末端开始测量)，和惯量Θ_S。

表5

地面接触和关节极限。两足模型的每个足分段在其脚趾和脚后跟具有接触点。当敲击地面时，接触点(CP)被竖直反作用力F_y＝-F_reff_lf_v向后推，该力类似于肌肉力，是由力-长度关系f_l(Δy_CP)＝Δy_CP/Δy_ref和力-速度关系f_v(dy_CP/dt)＝1-dy_CP/dt/v_max的乘积(图9)。该乘积方法模拟竖直反作用力类似于描述垂直力为弹簧和非线性弹簧-减振器之和的已有方法[Scott，S.，Winter，D.，1993.Biomechanical model of the human foot：kinematics andkinetics during the stance phase of walking.J.Biomech.26(9)，1091-1104；Gerritsen，K.，van den Bogert，A.，Nigg，B.，1995.Direct dynamics simulationof the impact phase in heel-toe running.J.Biomech.28(6)，661-668；Giinther，M.，Ruder，H..2003.Synthesis of two-dimensional human walking：a testof the λ-model.Biol.Cybem.89，89-106]。然而，通过分离弹簧和减振器，接触模型的参数可被认为是两种基本物质属性：地面刚度k＝F_ref/Δy_ref和最大松弛速度v_max，其表征了地面变形之后能够多快恢复其形状。例如，v_max＝∞描述了完全弹性地面冲击，其中地面总是由CP推回，v_max＝0描述了完全非弹性冲击，其中地面像沙地，CP以下降的速度回推，而不能以向上的速度推回。注意，同样的冲击模型被用来描述具有软极限刚度0.3N m deg^-1和最大松弛速度1deg^-1的模型关节的机构软极限(参见前段)。

图9示出了根据本发明的一方面的接触模型。在图9中，接触910出现在如果接触点920下落到y₀以下。垂直的地面反作用力F_y是，类似于肌肉力，被建模为力-长度(f_i)和力-速度(f_v)关系的乘积，其中Δy_ref是当dy/dt＝0时F_y＝F_ref条件下的地面压缩量，dy_ref/dt是地面的松弛速度的最大值(小图)。最初，水平地面反作用力F_X被模拟为与使用滑动系数μ_sl的F_y成比例的滑动摩擦。如果一旦接触点920减速930到低于最小速度v_lim，水平模拟转变成静态阻力930。在静态阻力930阶段，F_X也作为力-长度和力-速度关系的乘积被模拟，其与那些早期为了允许关于静态参考点x₀在两个方向与地面交互作用些许有些不同。如果F_X超过静态极限力μ_stF_y，该模拟转回到滑动摩擦。参数：F_ref＝815N，Δy_ref＝0.01mm，dy_ref/dt＝0.03ms^-1，Δx_ref＝0.1m，dx_ref/dt＝0.3ms^-1，v_lim＝0.01ms^-1，μ_sl＝0.8，μ_st＝0.9。

在地面接触过程中，除了竖直反作用力之外，水平反作用力也被用于CP。最初，该力被模拟为动摩擦力，其与地面上的CP运动带有的力F_x＝μ_slF_y相反。当CP慢下来到速度v_lim以下时，水平反作用力被模拟为静态阻力，以类似于计算水平冲击力的方式计算(图9)。如果静态阻力超过极限力F_lim＝μ_stF_y，静态阻力改回动态摩擦。这样，依赖于瞬态过程，两种类型的水平反作用力相互交换直到CP离开地面。

该结果暗示，在人类运动中力学和运动肌控制不能被分离地审视。根据本发明的一个方面，人类运动的神经肌肉模型在初始推动之后自组织成步行步态，容许地面水平突然的改变，并适合无干涉地步行于楼梯。该模型容许度和适应性的关键在于依赖于肌肉反射，其整合腿肌肉活动中关于运动力学的传感信息。该模型没有CPG，由此显示出，对于生成步行运动原则上没有中心输入是需要的，暗示了在普通的人类运动控制中神经系统和机构环境之间连续调制的反射输入甚至可能取代中枢输入。

另外，该模型结果暗示，这些连续反射输入编码腿力学原理。在移动过程中关于脊髓反射的角色的当前试验和模型研究聚焦于其对于摆动和姿态阶段的时间选择以及产生负载支承伸肌肌肉的肌肉的力的贡献[Pang，M.Y.，Yang，J.F.，2000.The initiation of the swing phase in human infantstepping：importance of hip position and leg loading.J Physiol 528 Pt 2，389-404；Dietz，V.，2002.Proprioception and locomotor disorders.Nat RevNeurosci 3(10)，781-790；Ivashko，D.G.，Prilutski，B.I.，Markin，S.N.，Chapin，J.K.，Rybak，I.A.，2003.Modeling the spinal cord neuralcircuitry controlling cat hindlimb movement duringlocomotion.Neurocomputing 52-54，621-629；Yakovenko，S.，Gritsenko，V.，Prochazka，A.，2004.Contribution of stretch reflexes to locomotor control：a modeling study.Biol Cybem 90(2)，146-155；Ekeberg，O.，Pearson，K.，2005.Computer simulation of stepping in the hind legs of the cat：anexamination of mechanisms regulating the stance-to-swing transition.JNeurophysiol 94(6)，4256-4268；Maufroy，C.，Kimura，H.，Takase，K.，2008.Towards a general neural controller for quadrupedal locomotion.NeuralNetw 21(4)，667-681；Donelan，J.M.，Pearson，K.G.，2004.Contributionof sensory feedback to ongoing ankle extensor activity during the stance phaseof walking.Can J Physiol Pharmacol 82(8-9)，589-598；Frigon，A.，Rossignol，S.，2006.Experiments and models of sensorimotor interactions duringlocomotion.Biol Cybern 95(6)，607-627；Grey，M.J.，Nielsen，J.B.，Mazzaro，N.，Sinkjaer，T.，2007.Positive force feedback in human walking.JPhysiol 581(1)，99-105]。反射对于承重的贡献已经开始联系到力的正反馈到运动系统中内在的动力学[Prochazka，A.，Gillard，D.，Bennea，D.，1997.Positive force feedback control of muscles.J.of Neurophys.77，3226-3236；Geyer，H.，Seyfarth，A.，Blickhan，R.，2003.Positive forcefeedback in bouncing gaits？Proc.R.Soc.Lond.B 270，2173-2183]。这里看似没有进行系统地详述运动肌控制系统中腿动力学编码原理的想法的前提工作。然而，某些人体模型中实现的肌肉反射对于使得进入循环动作(躯干平衡，腿摆动开始)是简便有利的，主要地前述腿动力学和控制支撑阶段反射编码原理，包括顺应姿态腿行为[Blickhan，R.，1989.The spring-massmodel for running and hopping.J.of Biomech.22，1217-1227；McMahon，T.，Cheng，G.，1990.The mechanism of running：how does stiffness couplewith speed？J.of Biomech.23，65-78；Geyer，H.，Seyfarth，A.，Blickhan，R.，2006.Compliant leg behaviour explains the basic dynamics of walking andrunning.Proc.R.Soc.Lend.B 273，2861-2867]，分段链的稳定性[Seyfarth，A.，Giinther，M.，Blickhan，R.，2001.Stable operation of an elasticthree-segmented leg.Biol.Cybern.84，365-382；Günther，M.，Keppler，V.，Seyfarth，A.，Blickhan，R.，2004.Human leg design：optimal axialalignment under constraints.J.Math.Biol.48，623-646]，以及摆动腿回缩[Herr，H.，McMahon，T.，2000.A trotting horse model.Int.J.RoboticsRes.19，566-581；Herr，H.，McMahon，T.，2001.A galloping horsemodel.Int.J.Robotics Res.20，26-37；Herr，H.M.，Huang，G.T.，McMahon，T.A.，Apr 2002.A model of scale effects in mammalianquadrupedal running.J Exp Biol 205(Pt 7)，959-967；Seyfarth，A.，Geyer，H.，2002.Natural control of spring-like running-optimized self-stabilization.In：Proceedings of the 5th international conference on climbing and walkingrobots.Professional Engineering Publishing Limited，pp.81-85；Seyfarth，A.，Geyer，H.，Herr，H.M.，2003.Swing-leg retraction：a simple controlmodel for stable running.J.Exp.Biol.206，2547-2555]。基于这些功能性反射，该模型不仅集合了已知的人类步行的关节角度和力矩轨迹，还推算了一些步行试验中观察的个体肌肉活动模式。推算和观察的肌肉活动的匹配暗示了腿动力学在运动控制中比以前推测的能够扮演重要的角色，肌肉反射联系这些原理到负责运动的神经网络。

在一个优选实施例中，本发明的神经结构模型作为针对动力驱动的踝-足假体的肌肉反射控制器被实现。该实施例是一种适应性肌肉反射控制器，基于利用包括具有力的正反馈反射的Hill型肌肉踝足跖屈肌的仿真研究。该模型的参数合适地匹配人类踝的扭矩-角度分布图，该分布图获取于1m/sec重量和高度匹配的正常主体步行条件下水平地面步行测量。使用这样的单个参数设置，膝下截肢者步行于水平地面、上升的斜坡、下降的斜坡条件下的临床试验操作实施。在这些试验中，观察踝假体构件响应地面坡度变化的适应性，以与正常主体条件相比较的方式，没有明显的感知地形的困难。明显地，假体提供的能量与地面坡度角度直接相关。该研究强调了神经肌肉控制器在动力驱动假体装置穿过变化的地形表面时提高其适应性的重要性。

为了制成具有适应能力的控制器，带有力正反馈反射策略的神经肌肉模型作为本发明控制的基础被用作动力驱动的踝-足假体控制系统的一部分。此处提出的该控制器使用踝-足复合模型来确定物理力矩控制踝关节。在该模型中，踝关节具有两个虚拟致动器。对于足跖弯曲力矩，该致动器是带有正力反馈反射策略的Hill型肌肉。该策略模拟由于从肌梭和高尔基腱器官传入的某些复合信号的肌肉反射响应。对于背屈力矩，由虚拟旋转弹簧减振器提供阻抗。

该神经肌肉模型的参数通过优化过程拟合或优化合适，以提供正常人目标速度1.0m/sec步行条件下踝测量力矩和被给予测量得到的正常人情况下的运动输入的该模型的输出力矩之间的最佳匹配。基于神经肌肉模型的假体控制器被用来提供力矩来操控截肢者穿戴的动力踝-足假体。该控制策略使用两个标准评估。第一，控制器生成假体踝力矩和踝角度分布与比较对象，正常人在目标水平地面行走速度条件下这些指标的一致性匹配能力的测试。第二性能标准是控制器呈现的不改变控制器参数而随着步行坡度的增加而增加步态周期内净功的生物一致趋势的能力。使用典型传感器检测地面坡度变量是困难的，所以控制器固有的适应这些改变的能力是特别有价值的。

图10A-C示出了用于一个优选实施例的踝-足假体示例性实施例的物理系统(图10A)，驱动链的图(图10B)，以及力学模型(图10C)。用于该研究的所述踝-足假体是iWalk，LLC开发中的一个假体。该假体是麻省理工学院媒体实验室生物机电一体化研究组已经开发的一系列原型的后继者，其被描述于美国专利申请No.12/157,727，提交于2008年6月12日，其公开的全部内容整体纳入此处作为参考。该假体是一个完全独立的装置，具有正常生物踝-足复合体的重量(1.8kg)和尺寸。参见图10A，可看到马达、传动装置和电子设备的壳体1005，踝关节1010，足1015，单向并联板簧1020和串联板簧1025。图10B示出了同步带1030，关节接头主外壳1035，马达1040，滚珠丝杠1045，踝关节1010，丝杠螺母1050关节接头(串联弹簧)1055，以及足运动指示器1060。在图10C的力学模型中示出了基连杆1065，马达1040，传动装置1070，串联弹簧1025，单向并联弹簧1020，足1015，串联弹簧传动臂r_S1075，弹簧无负载长度1080以及SEA 1085。为清楚起见，在该物理结构中的旋转元件在模型图中被示出为线性等同物。

踝关节是滚动轴承(旋转支撑)设计，连接下部的脚部结构到上部腿连杆结构，其顶部具有假体棱锥固定物来连接到截肢者的连接部位。足包括被动薄断面的Flex-Foot^TM(Osur^TM)，以最小化对截肢者的地面接触冲击。一个单向板簧、并联弹簧作用于踝关节，当踝和足相互垂直时工作。其平行地作用于动力驱动链，提供跟腱的被动功能。动力驱动链为通过踝关节的机动链接，如图10B所示。从上部的腿连杆末端，其依次由在24V运行的无刷电机(Powermax EC-30，200Watt，48V，Maxon)、具有40/15减速比的带驱动传动装置、以及3mm节距的线性滚珠丝杠组成。在该运行电压，该电机通过该驱动链能够产生的最大理论力矩大约为340Nm。

在足处，串联弹簧、Kevlar复合板簧连接足到球螺母，具有与方向有关的力臂r_S。因此，该串联弹簧的有效旋转刚度通过锁定驱动链和对踝关节施加力矩来估算，大小是正力矩533Nm/rad，负力矩1200Nm/rad，其中正力矩(或足跖屈肌力矩)趋向于压缩串联弹簧，如图10C所示。驱动链和串联弹簧一起包括串联弹性制动器(SEA)[G.A.Prart andM.M.Williamson，“Series elastic actuators，”Proceedings on IEEE/RSJInternational Conference on Intelligent Robots and Systems，Pittsburgh，pp.399-406，1995]。这些元件的布置图示出于图10C。

传感器。踝关节处的霍尔效应角度传感器是初级控制输入，具有-0.19到0.19弧度的范围，其中0对应足垂直于胫骨。关节角度通过安装在主壳体上的线性霍尔效应传感器(Allegro A 1395)来推算。该传感器接近刚性连接到足结构上的磁铁，这样磁轴是磁铁运动弧度的切线。作为该布置的结果，随着磁铁旋转通过传感器，传感器位置磁场强度产生变化。应变仪位于假体锥部连接部，允许踝关节的力矩估算。应变仪位于串联弹簧上，允许感知机动化驱动链的力矩输出，因此，允许SEA的闭环力控制。电机本身包括霍尔效应整流传感器，并适应能够使用先进的无刷电机控制装置的光轴编码器。

微控制器。踝-足假体的总体控制和通讯由16位单片DSP微控制器，Microchip Technology Incorporated dsPIC33FJ128MC706提供。该微控制器每秒运算4千万条指令，具有128K字节程序闪存，16384RAM字节。它为支撑实时控制提供足够的计算能力。

电机控制。每秒16位dsPIC33FJ128MC706被用于专用电机控制器。现代无刷电机控制策略的大负载高速度计算需求，连同主微控制器实时指令的独立任务推动了该体系结构发展。主微控制器和电机微控制器之间的高速数字连接实际上由电机的实时指令提供。

无线接口。为了开发和收集数据，微控制器的高速串行端口专门提供给外部通讯使用。该端口可被用于直接通过电缆或可具有多种无线通讯设备连接。对当前研究，500Hz传感器和内部状态信息通过串行端口以460千波特速度遥测，并通过IEEE 802.11无线局域网装置(Lantronix Wiport)传送。

电池。假体的所有动力由0.22kg的锂聚合物电池提供，该电池具有165瓦特-小时/公斤能量密度。该电池能提供一天5000步动力行走所需的动力。

最佳力学元件选择。满足质量、尺寸、力矩、速度、能量效率、冲击耐受度以及接近于无声运行的要求不是普通的任务。其特别重要的是产生生物力矩和步行运动的结构和优化驱动链。电机选择、整体传动比、串联弹簧以及并联弹簧的某些效果描述于S.K.Au，H.Herr，“On the Designof a Powered Ankle-Foot Prosthesis：The Importance of Series and ParallelElasticity.“IEEE Robotics&Automation Magazine.pp.52-59，September2008。

控制结构体系。控制结构体系的目的是控制由假体踝状态的可变传感器信息确定的适合截肢者步态周期的踝力矩。使用人类踝-足复合体的神经肌肉模型，控制器确定合适的力矩。在该模型中，铰链关节，代表人类踝关节，由两个相互竞争的虚拟致动器致动：一个Hill肌肉模型的单向足跖屈肌，以及一个依赖于步态阶段或者用作双方向比例微分位置控制器或者用作单向虚拟旋转弹簧-减振器的踝关节内翻练习脊屈肌。有限态机保持截肢者的步态阶段估计。依赖于估计的步态阶段，虚拟制动器的一个或者另一个或者两个虚拟控制器在踝关节处产生力矩。随着踝力矩指令假体硬件，虚拟净力矩于是被使用。在踝关节的实际力矩由机动化驱动链和并联弹簧产生。踝角度传感器被用来确定由并联弹簧产生的力矩，并且剩余的期望力矩通过电机控制器控制。

顶级状态机控制。通过一个步态周期同步的有限态机，假体的顶级状态控制被实施。在步行过程中，需要识别两种状态：摆动阶段和支撑阶段。为了确定状态转变，假体传感器输入(由棱锥应变仪、踝角度以及电机速度估计的踝力矩)是连续观察的。这些状态转换的情况通过试验确定。图11示出了状态机的运行和转换条件。踝关节内翻练习脊屈肌和足跖屈肌虚拟致动器依赖于来自状态机估计的步态状态估计产生力矩。

在图11中，摆动阶段1110作为SW1120被图示，支撑阶段1130被分成受控足跖弯曲(CP)1140、受控背屈(CD)1150，以及动力足跖弯曲(PP)1160。状态转换1170、1180通过从锥体应变仪测量的假体踝力矩Tp和假体踝角度θ确定。

当脚部离开地面时，到摆动阶段的转换通过锥体应变仪测量到的踝总力矩下降到低于5Nm或者测量的踝角度θ下降到低于-0.19rad被检测到，以防止角度传感器饱和。趋向于足跖弯曲踝，正角度相应于背屈，正力矩被定义为致动器力矩。为了防止过早的状态转换，在支撑阶段提出了角度力矩必须超过20N·m这些转换才能开始。另外，200ms的缓冲时间提供了支撑阶段最小时间框架。基于脚后跟敲击的到支撑阶段的转换通过使用锥形应变仪测量得到力矩减少到低于-7Nm而被检测出来。

根据本发明的一方面踝-足假体的控制系统的示例性实施例的方框图示出于图12。在图12中示出了神经肌肉模型12010，并联弹簧模型1220，超前补偿器1230，摩擦补偿器1240，电机控制器1250以及假体1260(示出了根据图10C的力学模型)。

假体测量踝状态

被用于从神经肌肉模型生成力矩指令τ_d。该期望踝力矩输送通过力矩控制系统以获得对假体致动器的电流指令。该力矩控制系统的三个主要部分是前向反馈增益K_ff，超前补偿器以及摩擦补偿项。并联弹簧作用于假体踝力矩τ_p，从期望的踝力矩减去，以获得期望的致动器力矩τ_d，SEA。此时闭环力矩控制器通过使用测量得到的致动器力矩τ_SEA增强期望的致动器力矩。最后，摩擦补偿器产生附加力矩值τ_f，其被加到闭环力矩控制的输出上。

图13A-C是假体力矩在三种情况下一个完整步态周期(同一只脚的脚后跟冲击到脚后跟脚后跟冲击)内的曲线图：水平地面(图13A)、上升斜坡(图13B)、下降斜坡(图13C)。每个示出的是操控力矩平均值1305、1310、1315(细线)±标准差(短画线)、假体力矩，正如使用测量的SEA力矩作用和基于角度估计的并联弹簧力矩作用1320、1325、1330(粗线)估计的那样。竖直(点画)线1335、1340、1345指示支撑阶段的末段。

踝关节内翻练习脊屈肌模型。图14A-C示出了在假体控制器实施例实现中的肌骨骼模型，包括Hill型肌肉模型(图14B)和连接到双向连接踝关节模型(图14A)的弹簧缓冲器，骨架上附着的肌肉模型的几何结构(图14C)，包括肌肉模型的可变力臂的实现和角度坐标框架。图14A和14C中示出的是踝关节内翻练习脊屈肌(弹簧缓冲器)1405，平面屈肌(MTC)1410，足1415，躯干1420，以及脚后跟1425的力学表达。

图14A的踝关节内翻练习脊屈肌是踝关节内翻练习脊屈肌致动器。它代表胫骨前肌和其他生物踝关节内翻练习脊屈肌。该踝关节内翻练习脊屈肌作为虚拟旋转弹簧缓冲器实施，具有调整点

以及关系：

$T_{\mathrm{DORSI}}=K_P\mathrm{\θ}+K_V\stackrel{\·}{\mathrm{\θ}}---\left(1\right)$

此处，K_p是弹簧常数，K_v是阻尼系数，θ是踝角度，是踝角速度。对于支撑阶段，K_p的值是与其他肌肉模型参数一起优化过的，以达到与生物踝在普通水平地面上行走支撑阶段行为最佳匹配。阻尼项K_v对支撑阶段通过试验协调到5Nm-s/rad，以防止前脚在足放平时反弹离开地面。同样在支撑阶段，踝关节内翻练习脊屈肌仅仅用作提供踝关节内翻练习脊屈肌力矩，以为了模仿生物肌肉的单向特性。此外，作为足变得与躯体垂直的结果，在支撑阶段由踝关节内翻练习脊屈肌产生的力矩下降到零时，在支撑阶段的其他时间踝关节内翻练习脊屈肌不起作用。因此，踝关节内翻练习脊屈肌仅贡献于支撑阶段早期生成力矩，此时人类踝关节内翻练习脊屈肌扮演重要角色是已知的[J.Perry，Gait Analysis：Normal and PathologicalFunction，New Jersey：SLACK Inc.，1992，Chapter 4，pp.55-57]。在摆动阶段，踝关节内翻练习脊屈肌用作位置控制器，驱动足到调整点

为了该目的，增益K_p＝220Nm/rad和缓冲常数K_v＝7Nm/rad提供给摆动阶段早期足的快速离地距离。

足跖屈肌模型。图14A-C的虚拟足跖屈肌包括肌肉-腱复合体(MTC)，其代表人类足跖屈肌肌肉的复合体。MTC基于S.K.Au，J.Weber，and H.Herr，“Biomechanical design of a powered ankle-foot prosthesis，”Proc.IEEEInt.Conf.On Rehabilitation Robotics，Noordwijk，The Netherlands，pp.298-303，June 2007，其中，它被更详细地讨论。它由模拟肌肉纤维的伸缩元件(CE)和模拟腱的串联元件(SE)组成。收缩元件由三个单向元件组成：具有力正反馈反射策略的Hill型肌肉、最大限度并联弹性体和最小限度或缓冲器并联弹性体。与收缩元件串联的是串联元件，其是一个非线性的、单向弹簧，代表跟腱。踝关节模型上的肌肉-腱复合体的附加几何结构是非线性的，使由驱动力产生的力矩的计算变得复杂。

足跖屈肌串联弹性元件。该串联弹性元件(SE)作为与如[H.Geyer，A.Seyfarth，R.Blickhan，“Positive force feedback in bouncing gaits？，”Proc.RSociety.Lond.B 270，pp.2173-2183，2003]肌肉收缩元件串联的腱动作。以ε为腱应力，定义为：

其中l_SE是串联元件的长度，而l_松弛是其无负载长度，串联元件被指定为H.Geyer，A.Seyfarth，R.Blickhan，“Positive force feedback in bouncinggaits？，”Proc.R Society.Lond.B 270，pp.2173-2183，2003中描述的非线性弹簧：

$F_{\mathrm{SE}}=\left\{\begin{array}{cc}{F}_{\max }{\left(\frac{\mathrm{\ϵ}}{{\mathrm{\ϵ}}_{\mathrm{ref}}}\right)}^2,& \mathrm{\ϵ}>0\\ 0,& \mathrm{\ϵ}\≤0\end{array}\right.---\left(3\right)$

其中，F_max是肌肉可施加的最大张力。下述的H.Geyer，A.Seyfarth，R.Blickhan，“Positive force feedback in bouncing gaits′？，”Proc.RSociety.Lond.B 270，pp.2173-2183，2003，该二次型被用来逼近普通模型的分段指数--线性腱刚度曲线。这种逼近用来减少模型参数的数目。

足跖屈肌收缩元件。足跖屈肌虚拟致动器的收缩元件(CE)，图14B，是具有正力反馈反射策略的Hill型肌肉模型。它包括生成力的活动肌肉纤维，和两个并联的弹性元件，正如H.Geyer，H.Herr，“A muscle-reflex modelthat encodes principles of legged mechanics predicts human walking dynamicsand muscle activities，”(提交待出版)中所述.该Hill型肌肉纤维施加单向力。该力是肌肉纤维长度l_CE、速度v_CE和肌肉活动A的函数。合力F_MF是，正如H.Geyer，A.Seyfarth，R.Blickhan.“Positive force feedback in bouncinggaits？，”Proc.R Society.Lond.B 270，pp.2173-2183，2003中给出的：

F_MF(l_CE，v_CE，A)＝F_maxf_L(l_CE)f_V(v_CE)A                (4)

Hill型肌肉的该力-长度关系，f_L(l_CE)，是钟状曲线，由下式给出：

$f_L\left(l_{\mathrm{CE}}\right)=\exp \left(c{\left|\frac{l_{\mathrm{CE}}-l_{\mathrm{opt}}}{l_{\mathrm{opt}}w}\right|}^3\right)---\left(5\right)$

其中，l_opt是收缩元件长度l_CE在该长度时此时肌肉能提供最大的张力(等轴力)，F_max。参数w是钟状曲线的宽度，参数c描述了钟状曲线接近顶点的量级，其中：

f_L(l_CE＝(1+w)l_opt)＝exp(c)                           (6)

CE的该力-速度关系，fv(v_CE)是Hill方程：

$f_v\left(v_{\mathrm{CE}}\right)=\left\{\begin{array}{cc}\frac{v_{\max }-v_{\mathrm{CE}}}{v_{\max }+K{v}_{\mathrm{CE}}},& v_{\mathrm{CE}}<0\\ N+(N-1)\frac{v_{\max }+v_{\mathrm{CE}}}{7.56K{v}_{\mathrm{CE}}-v_{\max }},& v_{\mathrm{CE}}\&GreaterEqual;0\end{array}\right.,---\left(7\right)$

其中，V_max＜0是肌肉的最大收缩速度，V_CE是纤维收缩速度，K是弯曲常数，而N定义为无因次的肌肉力(被F_max归一化)这样，

N＝f_v(v_CE＝-v_max)                                    (8)

根据H.Geyer，H.Herr，“A muscle-reflex model that encodes principlesof legged mechanics predicts human walking dynamics and muscle activities，”(提交待出版)，所述用于最大限度并联弹性体(HPE)的力-长度关系，设置为与CE并联，由下式给出：

还包括低限缓冲并联弹性(LPE)，基于H.Geyer，H.Herr.“Amuscle.reflex model that encodes principles of legged mechanics predictshuman walking dynamics and muscle activities，”(提交待出版)。这被以非线性弹簧的形式给出：

所以，总足跖屈肌力被描述为：

F_CE＝F_MF(l_CE，v_CE，A)+F_HPE-F_PE                       (11)

其中F_CE是由收缩元件产生的力。由于CE和SE是串联的，下述方程保持：F_CE＝F_SE＝F_MTC。

反射策略。收缩元件活动，A，使用图15示出的，如[H.Geyer，H.Hellr.ccA muscle-reflex model that encodes principles of leggedmechanics predicts human walking dynamics and muscle activities，”(提交待出版)；H.Geyer.A.Seyfarth，R.Blickhan，“Positive force feedback inbouncing gaits？，”Proc.R Society.Lond.B 270，pp.2173-2183，2003]中所述的正反馈力反射策略生成。图15示出了对虚拟足跖屈肌应用反射策略的一示例性实施例，包括踝角度、肌肉力以及踝力矩的足跖屈肌部件之间的关系。

如图15所示，该反馈环包括支撑阶段开关，用于使在摆动阶段不产生足跖屈肌力。在支撑阶段，足跖屈肌力，F_MTC，被乘以反射增益Gain_RF，由Delay_RF延迟，并被加到偏移激励，PRESTIM以获得神经激励信号。该激励被限制在0-1的范围内，使有时间常数T低通滤波，用来模拟或仿真肌肉刺激--收缩耦合作用。得到的信号与初始值PreA一起被用作方程(4)中的致动。另外，抑制性增益Gain_SUPP，根据H.Geyer，H.Herr，“A muscle’reflexmodel that encodes principles of legged mechanics predicts human walkingdynamics and muscle activities，”(提交待出版)，被实现，以帮助防止两个致动器在支撑阶段相互打架。此处，由踝关节内翻练习脊屈肌产生的力矩通过Gain_SUPP·F_MTC减少或直到其值下降到零。

足跖屈肌结构和实现。在肌肉模型框架内，踝角度θ_foot，被定义为如图14C所示。使用该角度作为模型的输入，肌肉-腱复合体的长度被如H.Geyer，H.Herr，“A muscle.reflex model that encodes principles of legged mechanicspredicts human walking dynamics and muscle activities，”(提交待出版)中那样计算：

l_MTC＝r_足ρ(sin(φ_ref-φ_max)-sin(θ_足-φ_max))+l_松弛+l_opt    (12)

其中ρ是代表肌肉纤维的中肌纤维与肌腱所成的角度的比例因子，φ_ref是在无负载时l_CE＝l_opt条件下的踝角度。

纤维长度l_CE可被使用l_CE＝l_MTC-l_SE计算，其中l_SE从由肌肉动力学在给定的现有值F_CE＝F_SE＝F_MTC条件下通过(3)的逆运算获取。纤维收缩速度v_CE可通过微分获取。这样产生了由神经肌肉模型动力学操控的一阶微分方程。给定θ_足随时间变化的曲线和初始条件，该方程可求解得到F_MTC。然而，由于积分比微分计算更稳定，该实施方式的积分形式被用来求解F_MTC，正如H.Geyer，H.Herr，“A muscle.reflex model that encodes principles of leggedmechanics predicts human walking dynamics and muscle activities，”(提交待出版)中描述的那样。

给定连接半径r_足和角度φ_max，在该条件下，将实现最大肌肉-肌腱力臂，F_MTC和作为结果的影响踝力矩的足跖屈肌作用T_足跖之间的关系通过下式给出：

T_足跖＝F_MTCcos(θ_足-φ_max)r_足＝F_TMC·R(θ_足)         (13)

其中，R(θ_foot)是由连接到踝关节模型的肌肉得到的可变力臂。该关系由图6图示。因此，足跖屈肌模型最终被作为耦合单输入θ_foot和单输出T_足跖的动力学系统处理。

神经肌肉模型参数确定。足跖屈肌模型是所有生物学足跖屈肌的集总代表。同样地，踝关节内翻练习脊屈肌代表了所有的生物学踝关节内翻练习脊屈肌。在该工作中，仅仅在踝关节处进行关节和力矩测量。结果，多关节肌肉状态，如腓肠肌，不能被精确地估计。因此，足跖屈肌是基于人体起主要作用的单关节足跖屈肌，比目鱼肌。因此，多数足跖屈肌参数值是报道于H.Geyer，H.Herr，“A muscle-reflex model that encodes principlesof legged mechanics predicts human walking dynamics and muscle activities，”(提交待出版)中应用于比目鱼肌的那些。然而，某些足跖屈肌参数，踝关节内翻练习脊屈肌的那些参数也被期望或者已经显著地被集总模型影响，或者不是生物学公知的。这六个参数使用遗传算法和梯度下降算法的复合算法使之适用，使得神经肌肉模型与正常人条件下的步行数据最佳匹配。

未优化的参数值见于表6。

表6

lopt[m]	0.04	w	0.56
				l松弛[m]	0.26	c	ln(0.05)
Vmax[lopt/S]	6.0	N	1.5
				εref	0.04	K	5
PreA	0.01	ρ	0.5

T[s]	0.01	r足[m]	0.05
				PreSTIM	0.01	延迟RF[s]	0.02

未受截肢影响的人的数据收集。步行数据的运动学和动力学的数据在Gait Laboratory of Spaulding Rehabilitation Hospital，Harvard Medical School由Spaulding committee on the Use of Humans as Experimental Subjects批准的一项研究中被收集[H.Herr，M.Popovic，“Angular momentum in humanwalking，”The Journal of Experimental Biology，Vol.211，pp 487-481，2008]。被告知并获得同意之后，一健康的成年男性(81.9kg)被要求以较慢的速度步行穿过运动捕捉实验室里10m人行道。

使用带有八个红外摄像机的VICON 512运动捕捉系统进行运动捕捉。为了在实验中允许红外摄像机跟踪特定区域，反射标志被设置在主体身体的33特定区域。摄像机以120Hz拍摄，能够在大约1mm的范围内跟踪给定的标志。为了跟踪下身，所述标志被设置在下述骨性标志：双侧髂前上棘(bilateral anterior superior iliac spines)，髂后上棘(posterior superior iliacspines)，股外侧髁(lateral femoral condyles)，外踝尖(lateral malleoli)，前趾(forefeet)和脚后跟(heels)。识别笔被设置在胫骨和大腿骨之上，所述标记附属于识别笔在胫骨中部和大腿骨中部以上的轴中部。标记也被设置在上部躯体的下述点：胸骨、锁骨，C7和T10椎骨、头部以及双侧的肩、肘、桡椎关节。

地面反作用力使用2交错力板(model no.2222 or OR6-5-1，AdvancedMechanical Technology Inc.，Wateno、Ⅳn，MA，USA)测量，其被一体结合在人行道上。测量地面反作用力和压力中心的这些力板的精度大约分别是0.1N和2mm。力板数据以1080Hz被收集，与VICON运动捕捉数据一致。关节力矩由地面反作用力和关节运动学应用标准逆动力学模型的修正方案计算得来。Vicon Bodybuilder，Oxford Metrics，UK被用来完成逆运动学计算。

获取了在水平地面上慢速(平均1.0m/s)行走的六次试验，一次单独的试验被用来代表该步行状态下的目标踝和力矩轨迹。支撑阶段末段被定义为当关节力矩在达到步态周期内最大力矩后第一次下降到零时的时间点。对选定的试验，该事件发生在67％步态周期时间。

图16A和16B示出了实验中截肢者主体测量得到的假体的力矩和角度轨迹，并与重量和高度与肢体完整的主体匹配的生物踝的这些数据比较。图16A和16B示出的是在同一只脚的脚后跟敲击(0％周期)到脚后跟敲击(100％周期)的水平地面步行步态的周期踝力矩(图16A)和踝角度(图16B)。图16A和图16B的曲线是神经肌肉模型控制导致的测量到的假体力矩和角度图形的均值1610、1620(细线)±标准差(短画线)，重量和高度匹配的与肢体完整的主体以同样的步行速度(1m/sec)的步态周期情况下的踝生物力学1630、1640(粗线)。竖直线指示的是假体步态周期开始摆动阶段1650、1660(细点画线)和生物踝开始摆动阶段1670、1680(粗点画线)的平均时间。

通过优化使模型参数适应试验数据。下述参数被选择调整：F_max、Gain_FB、Gain_SUPP、φ_ref、以及φ_max。参数调整的目标是找出，对特定的步行条件下，给定的相应的生物踝轨迹作为模型输入，可以使得神经肌肉模型最佳匹配生物踝力矩轨迹的参数设置。优化的评价函数被定为在支撑阶段给定生物踝角度轨迹，生物和模型踝图形的方差，也就是：

$\mathrm{Cost}=\underset{t\&Element;\mathrm{STANCE}}{\mathrm{\&Sigma;}}{(T_m\left(t\right)-T_{\mathrm{bio}}\left(t\right))}^2---\left(14\right)$

其中，T_m是模型的力矩输出，而T_bio是生物踝力矩。

遗传优化算法被选择实施最优参数值的初始搜索，直接搜索也被引入来查找最优参数设置。Matlab遗传算法工具被用来实施这两种优化方法。以选择的1.0m/s步行速度的水平地面人类行走数据被用于提供优化的参考行为。对每个优化参数允许的范围示于表7。

表7：优化参数范围

参数(单位)	最小值	最大值
			Fmax(N)	3000	7000
增益FB	0.6	1.5
			KP(N·m/rad)	20	250
增益SUPP	0	5
			φref(rad)	0.52	2.09
φmax(rad)	1.40	2.44

原始数据群由优化器选择。参数优化过程得出的参数值示出于表8。

表8：拟合的神经肌肉模型参数值

Fmax(N)	3377
		增益FB	1.22
KP(N·m/rad)	72.9
		增益SUPP	0
φref(rad)	1.49
		φmax(rad)	1.95

参数优化结果。作为验证优化的效果，使用生物的踝角度分布作为伸神经肌肉模型的输入进行优化得到最终参数。得到的力矩分布图结果与生物力矩分布图的比较示出于图17。

如图17所示，完整的生物踝的踝力矩分布图与生物踝角度分布图作为输入的和优化过的参数值的神经肌肉模型的踝力矩分布图的比较，优化过的参数值分别是：生物踝力矩(灰色线)1710、被模拟的踝关节内翻练习脊屈肌成分(点画线)1720、被模拟的足跖屈肌成分(细线)1730、以及整体神经肌肉模型(足跖屈肌和踝关节内翻练习脊屈肌)力矩(虚线)1740。对绝大部分的步态周期，神经肌肉模型力矩和生物踝力矩几乎严格匹配。

初级力矩控制。在支撑阶段踝关节处产生的实际力矩来自并联弹簧和机动化驱动链的共同作用。旋转并联弹簧刚度在使用范围内是近似线性的，其弹簧刚度是500Nm/rad。应用该弹簧常数，并联弹簧的作用被预期为从期望的踝力矩中减去。剩余力矩必须由机动化驱动链产生。

机动化驱动链的性能通过使用超前补偿器、摩擦补偿器以及前向反馈技术得到改进，如图12所示。开环驱动链动力学试验研究被展开并被用于实施这些改进[M.Eilenberg，“A Neuromuscular.Model Based ControlStrategy for Powered Ankle-Foot Prostheses，”Master′s Thesis.MassachusettsInstitute of Technology，Cambridge，MA，2009]。水平地面、上升斜坡以及下降斜坡上步行时输出力矩与需求力矩的不同示出于图13A-C。假体输出力矩对SEA力矩的作用使用串联弹簧上的应变仪被估算，并且基于并联弹簧力矩的踝角度估算并联弹簧力矩的作用。

临床评估。假体被安装在健康、活跃、75kg的膝下截肢者的右腿上。该主体被允许有在假体上行走进行自然调整的时间。假体的无线连接被用来记录来自这些试验的步行数据。在水平地面步行试验中，该主体被要求步行10m长的路。设定目标步行速度为1.0m/s，以匹配完整主体的步行速度。该主体从距离路径起点大约5m的地方开始步行，走过路径终点大约3m停止步行。地面的标记被用来提示10米路径的起点和终点。使用秒表通过记录主体的质量中心通过每个标记的时间来确定每次试验的平均步行速度。总共进行了10次试验。步行速度在5％目标速度内的试验被用于处理，得到45个步态周期。该主体再被要求以自选速度步行11度、2m长的斜坡。该主体在水平地面上距离斜坡起点大约2m的地方开始，在大约经过斜坡后1m的平台上停止，进行了10次斜坡爬升试验。然后同样的路径被通过相反地进行了12次斜坡下降试验。

数据分析。水平地面试验的前三个和后三个步态周期被假定为使过渡过程，因此被忽略。其余的每个步态周期被重新采样生成1000个数据点。由这些得到的数据计算得出平均值和标准差轨迹。对斜坡上升和斜坡下降两种情况，斜坡上最后一步被用来代表步态周期。以与描述的水平地面试验相同的方式，每个被选择的步态周期被重采样并取平均值。

对每个独立的步态周期通过从后跟敲击到脚趾离地关于踝角度数字积分踝力矩计算净功。此处，对净功的计算，摆动阶段被忽略。然后由独立的步态周期净功值计算每种步行条件下的净功平均值。

结果。力矩跟踪。当前试验的前提是踝-足假体实际产生力矩能够被神经肌肉控制器操控的速度的能力。这种能力展示于图13A-C，图解说明了对水平地面步行、斜坡上升和斜坡下降，操控力矩与测量的输出力矩相反。

地面坡度的适应性。神经肌肉模型控制的假体对地面坡度适应性评价被图9a-9c的临床试验数据证明。这些试验的数字积分数据给出如下的净功值(工作环面积)：

水平地面    5.4±0.5    焦耳

上升斜坡    12.5±0.6   焦耳

下降斜坡    0.1±1.7    焦耳

与生物踝的比较。该神经肌肉模型的目的是以有益的方式再现人类踝-足复合体固有的动力学。因此，基于其模仿人类行为的能力，人们可以评价得到的假体控制器。在前讨论过的图16A和16B，示出了和重量和高度匹配且拥有完整肢体的主体一起的假体的水平地面步行力矩和角度分布图。

图18A-C是水平地面(图18A)、上升斜坡(图18B)、下降斜坡(图18C)这三种情况下测量得到的假体的假体力矩-角度轨迹曲线。图18A-C示出的是均值1810、1820、1830±一个标准差。箭头指示前向传播时间。随着地面坡度增加，平均假体净功增加。该结果与文献中人类踝数据一致[A.S.McIntosh，K.T.Beatty，L.N.Dwan，and D.R.Vickers，“Gaitdynamics on an inclined walkway，”Joumal of Biomechanics，Vol.39，pp 2491-2502，2006]。

测量得到的假体的踝力矩和踝角度分布较好地匹配作为比较的完整个体在水平地面的步行踝力矩和踝角度分布。观察到的不同是低位的，其可适当地归因于很多原因，包括由于临床主体由于截肢引起的腿肌肉萎缩和/或过度肥大、肢体长度差异，也许是两关节腓肠肌功能性不足。另外，假体角度传感器的有限范围阻止假体到达完整踝运动的全范围。

地面坡度适应性。此处提出的神经肌肉控制展示了无需明显地感知地形而对地面坡度的内在适应性。根据的数据来自[A.S.McIntosh，K.T.Beatty，L.N.Dwan，and D.R.Vickers，“Gait dynamics on an inclinedwalkway。”Journal of Biomechanics，Vol.39，pp 2491-2502，2006]在坡道上升过程中增加的踝净功和在下降坡道过程中减少的踝净功，比照水平地面步行的踝净功，与正常人类踝在相同条件下的行为一致。步行条件下支撑阶段正净功的这种变化显示出神经肌肉模型产生的斜坡适应性性能。神经肌肉模型产生这些仿生变化行为的能力暗示了模型具体表达了人类足跖屈肌的重要特征。另外，模型被预期具有速度适应性潜力。在快速移动的尝试中，穿戴者可能更用力推动假体。这附加的力能引起模型反射操控更多的虚拟肌肉力，导致更大的能量输出，因此提高步行速度。

尽管公开了优选的实施例，本领域技术人员容易想到许多不脱离本发明范围的其他实施方式。上述各种实施例的每一个可结合描述的其他实施例提供多样的特征。此外，尽管前面描述了本发明中大量的单独的实施例的装置和方法，此处描述的仅仅是本发明原理应用的示例。本领域普通技术人员因此想到的其他布置方式、方法、变型以及替换将落入本发明的范围，其不限于所附的权利要求。

Claims (9)

1.一种用于包括至少一个关节的机械肢体的基于模型的神经机械控制器，该控制器包括：

有限状态机，该有限状态机被配置成接收涉及机械肢体状态的反馈数据以及利用接收到的反馈数据确定机械肢体状态；

肌肉模型处理器，该肌肉模型处理器被配置成接收来自有限状态机的状态信息和来自至少一个数据库的肌肉几何结构和反射体系结构信息，并利用神经肌肉模型确定发送至机械肢体的至少一个期望的关节力矩或刚度指令；以及

关节指令处理器，该关节指令处理器被配置成操控机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度。

2.如权利要求1所述的控制器，其特征在于，反馈数据通过安装在机械肢体的每个关节处的至少一个传感器提供。

3.如权利要求1所述的控制器，其特征在于，机械肢体是腿，有限状态机同步于腿步态周期。

4.如权利要求3所述的控制器，其特征在于，腿包括动力踝-足假体。

5.如权利要求3所述的控制器，其特征在于，腿包括膝关节。

6.如权利要求4所述的控制器，其特征在于，腿还包括膝关节。

7.如权利要求6所述的控制器，其特征在于，腿还包括髋关节。

8.如权利要求2所述的控制器，其特征在于，至少一个传感器是角度关节位移和速度传感器、力矩传感器或惯性测量单元。

9.一种控制包括至少一个关节的机械肢体的方法，该方法包括以下步骤：

在有限状态机处接收涉及机械肢体状态的反馈数据；

利用有限状态机和接收到的反馈数据确定机械肢体状态；

利用神经肌肉模型、肌肉几何结构和反射结构体系信息以及来自有限状态机的状态信息确定发送至机械肢体的至少一个期望的关节力矩或刚度指令；以及

操控机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度。

Images