基于镜像力场的上肢双臂康复机器人导纳控制方法及系统技术方案

本发明专利技术提供了一种基于镜像力场的上肢双臂康复机器人导纳控制方法及系统，包括如下步骤：步骤1:基于多传感信号融合的人机紧耦合健侧力场建模，获得受试者健侧的运动意图；步骤2：根据受试者健侧的运动意图进行基于状态空间的健患侧生理信号及力场映射，获得受试者患侧的运动轨迹和意图；步骤3：根据受试者患侧的运动轨迹和意图进行基于力场镜像的健患侧同步耦合控制，进而控制外骨骼的运动。本发明专利技术针对临床上神经移位术后上肢运动功能重建重大临床需求，将人机紧耦合的力场控制策略和镜像康复策略相结合，探索新的基于患者健侧力场信息对患侧动作引导的镜像力场康复策略，且更加自然，提升患者的参与感和主动康复能力。提升患者的参与感和主动康复能力。提升患者的参与感和主动康复能力。

【技术实现步骤摘要】
基于镜像力场的上肢双臂康复机器人导纳控制方法及系统


[0001]本专利技术涉及上肢双臂康复机器人导纳控制的
，具体地，涉及一种基于镜像力场的上肢双臂康复机器人导纳控制方法及系统。

技术介绍

[0002]当前周围神经损伤是临床多发疾病，每年新发创伤患者过千万，其中最严重的周围神经损伤，如臂丛神经损伤，可造成一侧上肢完全瘫痪，严重影响患者的生活质量，其治疗是一个世界性难题。目前临床上臂丛神经撕脱伤公认最佳的治疗方法是神经移位术。康复治疗是术后上肢功能恢复的关键，恢复过程中大脑皮层会发生广泛的重塑，而这一重塑的结果对临床预后至关重要。研究表明，在神经移位术后，大脑中患肢原有功能区通过重塑被重新激活并实现对患肢的有效控制。但临床康复中许多患者功能恢复存在肢体运动控制不佳，运动模式错误等问题，其根本原因在于神经移位术后患肢的周围神经支配及通路发生了巨大的改变。
[0003]研究证明相比于单独的单边康复训练，通过健侧引导患侧完成康复训练更符合人体上肢的自然运动模式，并且其有助于患侧半脑的神经可塑性，更有助于提高患者患肢运动功能的康复效果。镜像疗法是传统临床上最主要采用的健侧信息引导患侧运动的治疗手段。镜像疗法又称为镜像视觉反馈疗法，利用平面镜成像原理，将健侧运动画面复制到患侧，让患者想象患侧运动，通过视错觉、视觉反馈及虚拟现实相结合的一种康复训练治疗手段。在镜像治疗中，患者看到健侧运动的镜像后激活相应大脑皮层的镜像神经元，有助于恢复患侧的运动功能。但镜子作为镜像载体的方法沉浸感不强，直接影响镜像疗法临床研究结果的稳定和提升。另外，由于传统镜像疗法的康复训练大都只能实现上肢运动轨迹控制，而忽略患肢肌群受力状态，这将直接影响镜像疗法临床研究效果的提升。
[0004]公开号为CN109091818A的中国专利技术专利文献公开了一种基于导纳控制的绳牵引上肢康复机器人的训练方法及系统，在用户进行上肢关节康复训练运动时，实时采集用户上肢施加在绳牵引康复机器人的交互力信号和上肢的运动学信号；通过导纳模型将所述交互力信号转变为期望运动轨迹的运动参数，按照所述期望运动轨迹的运动参数和所述上肢的运动学信号确定目标运动轨迹的运动参数；将确定的运动参数作为控制量，转换成绳牵引康复机器人的电机控制量，控制相应的电机输出，实现用户自主控制康复训练动作，提高了用户的主动参与性。
[0005]针对上述中的相关技术，专利技术人认为上述方法为神经修复术后用镜子进行视觉反馈健侧运动辅助患侧康复，该方法患者参与感不强，康复效果一般。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术的目的是提供一种基于镜像力场的上肢双臂康复机器人方法及系统。
[0007]根据本专利技术提供的一种基于镜像力场的上肢双臂康复机器人导纳控制方法，包括
如下步骤：
[0008]步骤1：基于多传感信号融合的人机紧耦合健侧力场建模，获得受试者健侧的运动意图；
[0009]步骤2：根据受试者健侧的运动意图进行基于状态空间的健患侧生理信号及力场映射，获得受试者患侧的运动轨迹和意图；
[0010]步骤3：根据受试者患侧的运动轨迹和意图进行基于力场镜像的健患侧同步耦合控制，进而控制外骨骼的运动。
[0011]优选的，所述步骤1包括通过健侧肌电传感器实时预测受试者的运动意图，将交互过程中的作用力建模为阻抗模型，并通过阻抗模型预测受试者的关节状态，其中阻抗模型如公式(1)所示：
[0012][0013]其中，u
h
为上肢双臂康复机器人与受试者交互过程中的作用力；x为上肢双臂康复机器人末端的实际位置；x
r
为上肢双臂康复机器人末端的期望位置；上标符号
·
表示相应的状态量对时间的导数；L
h,1
为位置误差增益；L
h,2
为速度增益；
[0014]通过公式(1)估计受试者的运动意图，如公式(2)所示：
[0015][0016]其中，表示受试者健侧的运动意图的估计值，上标符号^表示对应量的估计值；表示在任意虚拟目标位置误差增益的初始值；表示在任意虚拟目标速度增益的初始值；上标v表示数值是基于虚拟目标给定的任意初始值。
[0017]优选的，所述步骤2包括如下步骤：
[0018]步骤2.1：根据所述步骤1建模受试者健侧力场与生理肌电信号，即获得受试者健侧的运动意图
[0019]步骤2.2：受试者健患侧双臂沿相同的轨迹做康复动作，通过镜像原理获得受试者患侧的运动轨迹和意图。
[0020]优选的，所述步骤3包括将患侧在交互过程中产生的交互力与已建立的患侧运动轨迹和意图结合，通过导纳控制来控制外骨骼的运动，其中患侧意图表示为：
[0021][0022]其中，为健侧模型预测的受试者意图；τ
r
为患侧模型的原始运动意图；λ为调节两者权重比例的超参数。
[0023]优选的，所述步骤3中的导纳控制包括：
[0024]上肢双臂康复机器人与受试者交互过程的动力学方程如公式(4)所示：
[0025][0026]其中，M和G分别表示笛卡尔空间坐标系下上肢外骨骼机器人与人交互系统的惯性矩阵和重力矩阵；C表示笛卡尔空间坐标系下上肢外骨骼机器人与人交互系统的科氏力和离心力矩阵；f
dis
为交互系统中的扰动；u为系统的控制输入；上标
··
表示康复机器人末端的实际位置对时间的二阶导数即加速度；
[0027]假设上肢双臂康复机器人末端的实际位置x和上肢双臂康复机器人末端的实际位置对时间的导数是测量得到；设x1＝[q1,q2,
…
,q
n
]T
,其中，q
i
和分别表示第i个关节的转动角度与角速度，1≤i≤n；x1表示由机器人各关节转动角度构成的位置矩阵；x2表示由各关节角速度构成的速度矩阵；上标T表示转置；则交互任务的动态性表示为如下形式：
[0028][0029]定义位置误差z1＝x1‑
x
r
，速度误差z2＝x2‑
α1，α1为对z1的虚拟控制，得：
[0030][0031]使用李雅普诺夫函数V1表示构建的李雅普诺夫函数形式的函数；符号*表示矩阵乘法；对时间求导得：
[0032][0033]令其中K1为增益矩阵，重置公式(7)得：
[0034][0035]由公式(8)得：
[0036][0037]定义李雅普诺夫函数V2表示构建的李雅普诺夫函数形式的函数；对时间求导得：
[0038][0039]当动力学的参数已知时，控制表示为以下形式：
[0040][0041]其中，K2表示增益矩阵；
[0042]使用径向基神经网络逼近机器人动力学的G、C和M项；外部扰动由扰动观测器进行补偿；自适应控制律为：
[0043][0044]其中，为径向基神经网络，W为权重系数，Y(Z)为动态回归量矩阵即样本点与各径向基中心的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于镜像力场的上肢双臂康复机器人导纳控制方法，其特征在于，包括如下步骤：步骤1：基于多传感信号融合的人机紧耦合健侧力场建模，获得受试者健侧的运动意图；步骤2：根据受试者健侧的运动意图进行基于状态空间的健患侧生理信号及力场映射，获得受试者患侧的运动轨迹和意图；步骤3：根据受试者患侧的运动轨迹和意图进行基于力场镜像的健患侧同步耦合控制，进而控制外骨骼的运动。2.根据权利要求1所述的基于镜像力场的上肢双臂康复机器人导纳控制方法，其特征在于，所述步骤1包括通过健侧肌电传感器实时预测受试者的运动意图，将交互过程中的作用力建模为阻抗模型，并通过阻抗模型预测受试者的关节状态，其中阻抗模型如公式(1)所示：其中，u
h
为上肢双臂康复机器人与受试者交互过程中的作用力；x为上肢双臂康复机器人末端的实际位置；x
r
为上肢双臂康复机器人末端的期望位置；上标符号
·
表示相应的状态量对时间的导数；L
h,1
为位置误差增益；L
h,2
为速度增益；通过公式(1)估计受试者的运动意图，如公式(2)所示：其中，表示受试者健侧的运动意图的估计值，上标符号^表示对应量的估计值；表示在任意虚拟目标位置误差增益的初始值；表示在任意虚拟目标速度增益的初始值；上标v表示数值是基于虚拟目标给定的任意初始值。3.根据权利要求2所述的基于镜像力场的上肢双臂康复机器人导纳控制方法，其特征在于，所述步骤2包括如下步骤：步骤2.1：根据所述步骤1建模受试者健侧力场与生理肌电信号，即获得受试者健侧的运动意图步骤2.2：受试者健患侧双臂沿相同的轨迹做康复动作，通过镜像原理获得受试者患侧的运动轨迹和意图。4.根据权利要求3所述的基于镜像力场的上肢双臂康复机器人导纳控制方法，其特征在于，所述步骤3包括将患侧在交互过程中产生的交互力与已建立的患侧运动轨迹和意图结合，通过导纳控制来控制外骨骼的运动，其中患侧意图表示为：其中，为健侧模型预测的受试者意图；τ
r
为患侧模型的原始运动意图；λ为调节两者权重比例的超参数。5.根据权利要求4所述的基于镜像力场的上肢双臂康复机器人导纳控制方法，其特征在于，所述步骤3中的导纳控制包括：上肢双臂康复机器人与受试者交互过程的动力学方程如公式(4)所示：
其中，M和G分别表示笛卡尔空间坐标系下上肢外骨骼机器人与人交互系统的惯性矩阵和重力矩阵；C表示笛卡尔空间坐标系下上肢外骨骼机器人与人交互系统的科氏力和离心力矩阵；f
dis
为交互系统中的扰动；u为系统的控制输入；上标
··
表示康复机器人末端的实际位置对时间的二阶导数即加速度；假设上肢双臂康复机器人末端的实际位置x和上肢双臂康复机器人末端的实际位置对时间的导数是测量得到；设x1＝[q1,q2,
…
,q
n
]
T
,其中，q
i
和分别表示第i个关节的转动角度与角速度，1≤i≤n；x1表示由机器人各关节转动角度构成的位置矩阵；x2表示由各关节角速度构成的速度矩阵；上标T表示转置；则交互任务的动态性表示为如下形式：定义位置误差z1＝x1‑
x
r
，速度误差z2＝x2‑
α1，α1为对z1的虚拟控制，得：使用李雅普诺夫函数V1表示构建的李雅普诺夫函数形式的函数；符号*表示矩阵乘法；对时间求导得：令其中K1为增益矩阵，重置公式(7)得：由公式(8)得：定义李雅普诺夫函数V2表示构建的李雅普诺夫函数形式的函数；对时间求导得：当动力学的参数已知时，控制表示为以下形式：其中，K2表示增益矩阵；使用径向基神经网络逼近机器人动力学的G、C和M项；外部扰动由扰动观测器进行补偿；自适应控制律为：其中，为径向基神经网络，W为权重系数，Y(Z)为动态回归量矩阵即样本点与各径向基中心的距离，Z表示径向函数网络输入；令为高阶扰动观测器，高阶扰动观测器形式如下：
其中，K
d
表示扰动观测过程中的增益矩阵；表示估计误差；Y
d
(Z
d
)表示动态回归量矩阵，Y
d
(Z
d
)表示动态回归量矩阵；Z
d
表示实际采样点；W
d
表示权重系数；表示权重系数；权重矩阵的更新如下：权重矩阵的更新如下：权重矩阵的更新如下：Y
d
(Z
d
)W
d
＝M
‑1(u+u
h
‑
C(x1,x2)x2‑
G(x1))
‑
∈
d
其中，Y
i
(Z)表示动态回归量矩阵的更新值；z
2i
表示速度误差的更新；W
i
表示估计值的更新；上标符号表示权重导数的期望值；W
di
表示物理参数的更新值；∈表示估计误差；∈
d
表示期望估计误差；Y(Z)W表示径向基函数的输出；Γ
i
和Γ
di
为更新率，θ
i
和θ
di
为权重。6.一种基于镜像力...

【专利技术属性】
技术研发人员：李智军，苏航，李国欣，康宇，刘碧珊，王昶茹，
申请(专利权)人：上海机器人产业技术研究院有限公司，
类型：发明
国别省市：