本实用新型专利技术提出一种手臂支撑平台的接触力、压力检测装置，包括滑轨、手臂支撑板、压力传感器、支撑架、控制手柄、微型称重传感器、微型传感器和拉力传感器。所述压力传感器通过螺孔安装在铝合金滑轨上，另一端固定在手臂支撑板上测量两个手臂施加的力。该装置可以对有平衡功能障碍的患者进行系统全面地包括定性、定量评价及障碍发生原因进行诊断性评价。
【技术实现步骤摘要】
本技术涉及一种手臂支撑平台的接触力、压力检测装置。
技术介绍
一种位于手臂支撑平台的压力检测装置用于康复机器人十分必要。目前我国由于中风、脊髓损伤、各种事故引起的肢体功能障碍患者的不断增加，老年人由于年龄增长不断出现的前庭功能减弱、肢体能力下降等症状，需要通过训练改善肢体功能。传统康复训练手段需要大量医疗和人力资源等人工辅助的方式，高强度的训练任务繁重致使医生没有更多的时间专注于临床数据的分析和治疗方案的改进。被动运动往往忽略被治疗者的自身运动意图，减弱了医生患者之间针对康复治疗过程的交互性。同时，目前康复机器人支架普遍选用铁管支架，不能实现很好的稳定性。平衡是指身体所处的一种姿态以及在运动或受到外力作用时能自动调整并维持姿势的一种能力。人体平衡功能是日常各种生活活动的一项重要保证，许多疾病或损伤可引起坐位或站立平衡功能障碍。平衡功能评定是指依照特定方法或程序对人体的平衡功能进行定量或定性的描述和分析，因此，有平衡功能障碍的患者需要进行系统全面地包括定性、定量评价及障碍发生原因的诊断性评价。现有的康复机器人基本均为主动式机器人，而且现有康复机器人控制器人机交互算法仅依靠用户操作，输入信息智能化程度不高，运动功能简单，不利于刺激患者主动运动，提高患者运动兴趣。
技术实现思路
技术目的：本技术提出一种位于手臂支撑平台的接触力、压力检测装置及数据分析方法，其目的是解决以往所存在的问题。技术方案：本技术提出一种位于手臂支撑平台的接触力、压力检测装置及数据分析方法，包括滑轨、手臂支撑板、压力传感器、支撑架、控制手柄、第一微型称重传感器、第二微型称重传感器和拉力传感器。所述压力传感器通过螺孔安装在铝合金滑轨上，另一端固定在手臂支撑板上测量两个手臂施加的力。所述的控制手柄与两个微型称重传感器的一端固定在一起，所述的第一微型称重传感器与第二微型称重传感器以同一中心轴固定放置，且第一微型称重传感器的表面I与第二微型称重传感器的表面I在同一平面，第一微型称重传感器的表面II与第二微型称重传感器的表面II位于同一平面。两个微型称重传感器的一端与控制手柄连接，另一端与拉力传感器连接，拉力传感器通过安装支架固定在支撑架上。用于检测手柄前向、后向、左向、右向四个方向承受的力。手柄穿过手臂支撑板并与手臂支撑板有一定间隙，以实现方向手柄各个方向的拉动。拉力传感器固定在支撑架上，通过向上或者向下拉动控制手柄提升或下降手臂支撑平台高度。用于控制平台高度的智能调节。以滑轨作为整个手臂支撑平台的支撑架，由于其轴承结构，直接关系到其承重能力，也确保了整个平台水平和垂直方向的稳定性。所述的滑轨固定在支撑架上，与手臂支撑板通过压力传感器固定连接。所述的手臂支撑平台通过压力检测装置和方向手柄协同控制机器人行走方向。识别用户期望的运动轨迹。所述压力传感器根据人手臂主要受力点分别放置在单侧测力平台上，可以设置三支点、四支点、六支点等测力平台。本文以三个传感器为例，既在理论和实践上解决了力学上的结构静不定问题，同时又减少了传感器数量，实现机电系统结构简单、可靠。所述手臂支撑平台能够在具有神经运动损伤的对象中，在自然行走行为中评估、赋能和训练运动模式进行压力及运动意图分析。本技术具有衡量用户行走平衡能力功能，实现对用户行走能力的分析，其中包括平衡能力和力量分析，并根据压力重心偏移方向控制康复机器人。通过用户两侧三个传感器的压力装置不仅在静止状态能够分析行走活动，辨识用户的行走意图而且可以在各种运动过程过那种持续观察用户平衡行走能力，这不仅是一种对运动功能有意义的诊断评价方法，并且对康复领域疾病诊断、运动功能评价等各方面均有重要的使用价值。本技术提出一种位于手臂支撑平台的压力检测装置，根据压力传感器的压力值，进行压力定量分析进行如下计算：A.根据三个压力传感器放置位置计算人体手臂平均压力重心坐标Xave、Yave：Xave=Σi=1nxnn,Yave=Σi=1nynn]]>式中，n为采样次数。B.根据压力传感器采集到的压力值f1，f2，f3，计算出三个压力,传感器的平均受力值f1ave、f2av、f3ave，用Fave表示支撑面平均受力值。Fave＝f1ave+f2ave+f3ave并根据Fl＝Flave＝f1ave+f2ave+f3ave，Fr＝Frave＝f′1ave+f′2ave+f′3ave计算出用户对左侧手臂支撑平台和右侧手臂支撑平台的压力Fl，Fr。C.根据人体手臂平均压力重心坐标差值，计算出平均重心半径和距离其最远的距离，表明患者训练时横向移动距离。在使用康复机器人的过程中，压力传感器重心坐标Xave、Yave的变化和支撑面平均受力值的变化趋势。根据手臂压力重心偏移，分析出用户的期望行走方向。Rave=Σi=1n(xi-xave)2+(yi-yave)2n,RmaxX=Σi=1m(xmaxi-xave)2+(xmini-xave)2n]]>所述的微型称重传感器，根据患者在手柄处施加的压力，进行人的意图辨识并生成机器人的期望轨迹。当支撑平台仅仅受方向手柄控制，我们忽略支撑平台上重心偏移，只对手臂支撑平台接触力装置数据分析，其数据分析方法如下步骤：以微型称重传感器(6)返回的压力值判断有无前后直行运动意图，以微型称重传感器(7)返回的压力值判断有无左右直行运动意图。测力平台上左侧和右侧手柄上微型称重传感器返回的信号压力值分别为FLS、FLT、FRS、FRT:Fi=F→LS+F→RSF→LT+F→RT=Eii·FixFiyθ]]>其中Fi为意图交互力向量，是力传感器的原始力信号向量通过左右侧传感器的距离长量转化的，包含了X方向上的合力Fix、Y方向的合力Fiy以及转向角度θ。因此，可以看出意图交互力Fi的各元素值是与对应方向上人体真实意图速度是成比例的。用户期望的运动速度向量为Vh：Vh=X·HY·Hθ·H]]>由于传感器安装存在不同的形变，得到的传感器信号在没有施加外力时，其初始值存在一定误差，因此为了区分干扰引起的变化还是正常受力状态，本文设定了阈值，在阈值范围内认为是干扰信号反之认为是作用力信号。计算出水平方向速度判断Fix是否左右直行意图Fxm内，若是则Vx＝0，否则判定其中Kax是比例修正常数；Fxm是设定的x方向阈值。同理计算出Y方向的速度。四个轮的线速度分别为：v1=-vxsinθ1+vycosθ1+θ·lv2=vxsinθ2-vycosθ2-θ·lv3=vxsinθ3-vycosθ3-θ·lv4=-vxsinθ4+vycosθ4+θ·l]]>其中，vi(i＝1,2,3,4)分别表示四个全向轮的线速度，θi(i＝1,2,3,4)分别表示从机器本文档来自技高网...
【技术保护点】
一种手臂支撑平台的接触力、压力检测装置,其特征在于：该装置包含滑轨(1)、手臂支撑板(2)、压力传感器(3)、支撑架(4)、控制手柄(5)、第一微型称重传感器(6)、第二微型称重传感器(7)和拉力传感器(8)；所述压力传感器(3)一端通过螺孔安装在铝合金滑轨(1)上，另一端固定在手臂支撑板(2)上用来测量两个手臂施加的力。
【技术特征摘要】
1.一种手臂支撑平台的接触力、压力检测装置,其特征在于：该装置包含滑轨(1)、手臂支撑板(2)、压力传感器(3)、支撑架(4)、控制手柄(5)、第一微型称重传感器(6)、第二微型称重传感器(7)和拉力传感器(8)；所述压力传感器(3)一端通过螺孔安装在铝合金滑轨(1)上，另一端固定在手臂支撑板(2)上用来测量两个手臂施加的力。2.根据权利要求1所述的手臂支撑平台的接触力、压力检测装置,其特征在于：所述的控制手柄(5)与两个微型称重传感器的一端固定在一起，所述的第一微型称重传感器(6)与第二微型称重传感器(7)以同一中心轴（S）固定放置，且第一微型称重传感器的表面(601)与第二微型称重传感器的表面(701)在同一平面，第一微型称重传感器的表面(602)与第二微型称重传感器的表面(702...
【专利技术属性】
技术研发人员：白殿春，苏笑滢，杨俊友，孙柏青，杨光，张守先，李佳晋，
申请(专利权)人：沈阳工业大学，
类型：新型
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。