CN109662866A - 一种基于表现的自适应康复机器人控制方法 - Google Patents

Abstract

本发明公开了一种基于表现的自适应康复机器人控制方法，通过对预设轨迹角度以及实际关节角度的误差进行范围划分，使得使用者在不同情况下仍然能够获得最佳的康复锻炼效果，解决了现有控制过程中单纯根据误差作为表现因子不能够体现患者的表现水平的弊端。

Description

一种基于表现的自适应康复机器人控制方法

技术领域

本发明涉及康复机器人控制领域，特别涉及一种基于表现的自适应康复机器人控制方法。

背景技术

目前在关于康复机器人的控制算法很多，主要分为两大类：被动控制和主动控制。被动控制即轨迹追踪控制，这种控制算法由于未考虑患者的运动意图而具有局限性。因此主动控制是该领域的研究热点。

主动控制即人机协同控制，该方面较常用的控制算法是阻抗/导纳控制，它能够实现人机交互的柔顺性，但由于个体阻抗参数的差异性和运动中阻抗参数的变化性导致难以准确建立阻抗模型。此外，该算法会导致患者松弛，即患者不主动参与时仍能很好地完成运动任务。较多学者采用基于表现的需时助力（Assist-as-needed，ANN）控制算法，该算法采用轨迹跟踪误差提取患者的表现，并基于患者表现来调整机器助力，一定程度上促进患者的主动参与度。但该算法只选取轨迹跟踪误差作为表现因子，不能全面体现患者的运动表现水平。此外，该算法仍会导致患者的松弛性，影响康复效果。

发明内容

本发明要解决的问题是如何综合使用者的多种运动表现水平，对康复机器人的控制进行适应性调整，并解决患者松弛性问题，以达到提高康复锻炼效果的问题。

为了解决上述控制方法不能够根据实际情况进行自适应调整的问题，本发明提供了一种基于表现的自适应康复机器人控制方法，其特征在于，包括以下步骤：

S1：设定空间判断半径, 和，其中

S2：采集使用者的sEMG信号，根据sEMG信号获得使用者的关节力矩；

S3：获取预设期望轨迹，获取机器人关节角度，计算轨迹追踪误差；

S4：若，则转至S5；若,则转至S6；若，则转至S7；若， 跳转至S8；

S5：输出与反向的机器力矩；

S6：输出的机器力矩=0;

S7：输出与相同方向的机器力矩；

S8：输出机器力矩，其中为刚度系数。

利用轨迹追踪误差的误差大小进行判定，划定多个不同误差区间，误差区间的不 同实际上反应了受试者的运动表现，若误差越小，如误差在区间，则表示该关节能够 完美跟得上预设轨迹，即使用者完全胜任运动任务，因此康复机器人可以提供与使用者关 节力矩相反的机器力矩，以此提高运动的难度，达到增强锻炼效果的目的。

当误差在设定的区间内，则表示该关节能够勉强跟得上预设轨迹，可以 认定使用者恰好适应任务难度，因此不需要提供机器力矩，使用者仍然能够达到康复锻炼 效果，并且该康复锻炼效果是在最优的效果范围内。

当误差在区间时，误差较大，则表示该关节难以跟得上预设轨迹，可以 认定使用者难以适应任务难度，因此这种情况下需要康复机器人对其进行一定的助力，因 此提供与使用者关节力矩相同的机器力矩，使得使用者能够在较为舒适的情况下完成锻炼 康复任务，并且能够获得较好的锻炼康复效果。

当误差在该区间时，该情况下误差较大，表示该关节无法跟得上预设轨迹， 可以认定使用者无法适应任务难度，因此这种情况下需要康复机器人占主导权，机器助力 不再根据主动力矩，而是仅仅根据误差，使得使用者能够在较为舒适的情况下完成锻炼康 复任务，并且能够获得较好的锻炼康复效果。

通过以上对不同状态的区分，能够对使用者的运动表现进行自适应的判断，给出目前最适宜的机器力矩，提高使用者的锻炼效果。

可选的，S5中输出的机器力矩，其中为阻力系数。通过增加阻力系 数，可以根据实际的需求按照一定比例进行机器阻力的调整，使得使用者在使用过程中阻 力的大小能够按照实际运动表现进行调整。

可选的，所述的阻力系数由以下迭代方程得到：

其中，和分别是第次和次迭代时的阻力系数，是遗忘因子，代表第 次迭代的阻力系数对次迭代的阻力系数的贡献，是跟踪误差对阻力系数的贡献，是阻力系数的最大值。通过迭代方程进行阻力系数的计算，能够更准确地保证阻力的 施加能够根据使用者实际运动表现进行调整，以保证阻力施加的恰当，提高康复锻炼的效 果。

可选的，所述的S7中输出的机器力矩，其中为助力系数。

可选的，所述的助力系数由以下迭代方程得到：

其中和分别是第次和次迭代时的助力系数，是跟踪误差对助力系数 的贡献，是助力系数的最大值。

可选的，所述的S4中，还包括判断当，跳转至S8；还包括步骤S8：输出机器力 矩，其中为刚度系数。

可选的，所述的S1中还包括有建立关节力矩预测模型，能够根据sEMG信号获得及 其力矩。

本发明具有以下的有益效果：

1.能够实时根据使用者表现进行自适应调整助力。该方法结合两种运动表现，第一种表现是基于轨迹跟踪误差的表现切换成不同的控制模式，第二种表现是基于主动力矩的表现输出机器力矩。相比传统采用单一的误差表现方法，两种表现更能全面体现运动能力。

2.根据使用者不同的运动表现自适应调整机器阻力/助力。这种自适应体现在三方面：（1）是基于误差切换不同的控制模式，输出阻力，助力还是不干预。（2）是基于主动力矩调整机器力矩大小（3）是基于误差调整阻力/助力系数，进而调整阻力/助力大小。因此适用于不同受伤等级的使用者。不同受伤等级的使用者在使用时仍然可以通过本发明的自适应性调节至最适合的使用状态，因此应用的一般性好。

3.不同于传统采用单一的误差表现方法，该方法采用主动力矩表现之后有效避免了使用者松弛性问题，因为只有当使用者主动参与下才能够很好地完成运动任务。

附图说明

图1为本发明的实施例1的流程框图

图2为本发明的实施例1的实验示意图。

图3为本发明的实施例1的实验结果图，从上至下分别是轨迹跟踪图，跟踪误差图，阻力/助力系数图和机器阻力/助力图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。

实施例1

本实施例中，参考附图1，采用的控制方法为

S1：设定空间判断半径, 和 ，其中；建立关节力矩预测模型，

S2：采集使用者的sEMG信号，根据sEMG信号通过关节力矩预测模型获得使用者的关节 力矩；

S3：获取预设期望轨迹，获取机器人关节角度，计算轨迹追踪误差；

S4：若，则转至S5；若,则转至S6；若，则转至S7；若判断当，跳转至S8；

S5：输出与反向的机器力矩，其中具体为，为阻力系数，由以 下迭代方程得到：

其中，和分别是第次和次迭代时的阻力系数，是遗忘因子，代表第 次迭代的阻力系数对次迭代的阻力系数的贡献，是跟踪误差对阻力系数的贡献，是阻力系数的最大值。

S6：输出的机器力矩=0;

S7：输出与相同方向的机器力矩，其中具体为，为助力系数， 由以下迭代方程得到：

其中和分别是第次和次迭代时的助力系数，是跟踪误差对助力系数 的贡献，是助力系数的最大值。

S8：输出机器力矩，其中为刚度系数。

输出机器力矩后，返回S2进行循环。

具体实验参考附图2~3，实验针对踝关节康复机器人进行，实验示意图如图2所示。该受试者坐在椅子上，脚放置在踏板上并用绑带固定住。用电极片贴在受试者的胫骨前肌，腓肠肌和膝盖上。实验要求为让受试者尽最大努力跟踪显示器上的期望轨迹，设定的期望轨迹周期为10s，幅值为25°的正弦轨迹。在训练过程中，系统将实时测量受试者的轨迹跟踪误差和主动肌肉力矩，并根据误差切换对应的控制模式，结合受试者的主动肌肉力矩计算出电机输出力矩。当受试者表现较好时，误差较小，控制系统将增大阻力系数或减小助力系数，促进受试者施加更大的力量完成运动任务。反之，当受试者表现较差时，误差较大，控制系统将减小阻力系数或增大助力系数，协助受试者更好地完成运动任务。

图3为实验结果图。实验受试者为一名24岁健康男性，在测试过程中该受试者被要 求处于放松状态，不施加任何主动力。这样的实验设计是为了人为地控制跟踪误差从小到 大，再从大到小，从而观察各个参数的变化是否合理。结果图从上至下分别是轨迹跟踪图， 跟踪误差图，阻力/助力系数图和机器阻力/助力图。由于受试者处于放松状态，关节轨迹不 能很好跟踪标准正弦期望轨迹，误差较大，表明该算法下只有当受试者主动参与才能很好 完成运动任务，避免了患者松弛性问题。跟踪误差图中的三条虚线分别是，和，在0-时间段，满足，控制系统切换至机器阻力模式，且随着误差增大，阻力系数减小，阻 力减小；在-时间段，满足，控制系统切换至自由模式，机器输出力矩为0；在-时间段，满足，控制系统切换至机器助力模式，且随着误差增大，助力系数 增大，助力增大；在-时间段，满足，控制系统切换至机器主导，且随着误差增大， 助力增大，随着误差减小，助力减小。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (6)

1.一种基于表现的自适应康复机器人控制方法，其特征在于，包括以下步骤：

S1：设定空间判断半径, 和，其中

S2：采集使用者的sEMG信号，根据sEMG信号获得使用者的关节力矩；

S3：获取预设期望轨迹，获取机器人关节角度，计算轨迹追踪误差；

S4：若，则转至S5；若,则转至S6；若，则转至S7；若，跳转至S8；

S5：输出与反向的机器阻力矩；

S6：输出的机器力矩=0;

S7：输出与相同方向的机器助力矩；

S8：输出机器助力矩，其中为刚度系数。

2.根据权利要求1所述的基于使用者表现的关节康复机器人自适应控制方法，其特征在于，S5中输出的机器力矩，其中为阻力系数。

3.根据权利要求2所述的基于使用者表现的关节康复机器人自适应控制方法，其特征在于，所述的阻力系数由以下迭代方程得到：

其中，和分别是第次和次迭代时的阻力系数，是遗忘因子，代表第次迭代的阻力系数对次迭代的阻力系数的贡献，是跟踪误差对阻力系数的贡献，是阻力系数的最大值。

4.根据权利要求1所述的基于使用者表现的关节康复机器人自适应控制方法，其特征在于，所述的S7中输出的机器力矩，其中为助力系数。

5.根据权利要求4所述的基于使用者表现的关节康复机器人自适应控制方法，其特征在于，所述的助力系数由以下迭代方程得到：

其中和分别是第次和次迭代时的助力系数，是跟踪误差对助力系数的贡献，是助力系数的最大值。

6.根据权利要求1~5任一种基于表现的自适应康复机器人控制方法，其特征在于，所述的S1中还包括有建立关节力矩预测模型，能够根据sEMG信号获得机器力矩。