一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法技术

本发明专利技术公开了一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法，属于上肢康复模式及训练方法领域。包括：利用多自由度机械臂对人体上肢末端施加力干预，使用gForce手环采集实时的肌电信息，并采用人体肌电信号和力映射的计算方法，来进行刚度测量。通过大量实验，获取到了不同的刚度阈值区间，之后利用力矩控制将实时估计的刚度值传递给机器人，以此判断疲劳程度，划分不同的康复训练模式，之后将检测与计算得到的每个关节角度，角速度，角加速度输入到人机系统的动力学模型中，实现不同的康复训练模式。该方法将肌电信号融入到人机交互的过程中，有效的实现了机械臂的柔顺性控制，提高了应对复杂康复训练的适应性，增加了人机交互体验感。增加了人机交互体验感。增加了人机交互体验感。

【技术实现步骤摘要】
一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法


[0001]本专利技术属于上肢康复模式及训练方法领域，涉及一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法。

技术介绍

[0002]依靠控制机械臂的电机等技术实现康复训练需要考虑的因素有很多，现阶段的技术手段较为简易，上肢康复训练及机械臂在技术上多数都是依靠外骨骼似的机械臂，使用者通过对较简易的关节训练器等仅靠使用传感器来反馈关节位置，以此会造成诸多问题，如下：
[0003]仅靠使用传感器来反馈关节位置的这种方法柔顺性较差，无法满足复杂的康复训练需求，人机交互体验感较差；人体上肢刚度无法实时传递给康复机械臂，导致时效性较弱，会因此降低康复训练机械臂的性能，以此造成康复训练周期较长等问题。
[0004]综上所述，如何实现机械臂的柔顺性控制，提高人机交互过程中控制系统对肌电信号的处理、应用的能力，增强应对复杂康复训练问题时的性能，是目前该领域学者及科研人员急需解决的问题。为此，本专利技术提出了一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法。

技术实现思路

[0005]针对现有技术的缺陷，本专利技术的目的在于，提供一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法，该方法将肌电信号融入到人机交互的过程中，有效的实现了机械臂的柔顺性控制，提高了应对复杂康复训练的适应性与有效性，增加了人机交互体验感。
[0006]本专利技术的技术方案是：一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法，根据人体肌电信号和力信息的人体上肢刚度辨识方法实时估计人体上肢刚度，根据刚度的阈值不同分为高疲劳度、中疲劳度、低疲劳度的力矩控制模式训练。
[0007]高疲劳度的康复训练模式是基于柔性机械臂的牵引式逆阻抗控制模式，此时训练者上肢末端握住机械臂末端，人和机械臂以牵引式高疲劳度模式进行被动康复训练。
[0008]中疲劳度的康复训练模式是基于柔性机械臂的拖放式自适应阻抗模式，此时训练者上肢末端握住机械臂末端，人和机械臂以拖放式中疲劳度模式进行协作康复训练。
[0009]低疲劳度的康复训练模式是基于柔性机械臂的阻碍式正阻抗模式，此时训练者上肢末端握住机械臂末端，人和机械臂以阻碍式低疲劳度模式进行主动康复训练。
[0010]为实现上述目的，提供一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法，其包括依次执行的如下步骤：
[0011](1)通过人体肌电信号和力信息映射关系，通过人体上肢刚度辨识算法合理估计出对应高疲劳程度、中疲劳程度、低疲劳程度对应的刚度阈值范围。
[0012](2)针对于不同的刚度阈值范围，利用力矩控制将实时估计的刚度值传递给机械臂，之后将检测与计算得到的每个关节角度，角速度，角加速度输入到人机系统的动力学模型中确定不同的康复训练模式。
[0013]通过本专利技术所构思的以上技术方案，与现有技术相比，能够取得下列有益效果：
[0014]1、本专利技术充分的满足不同疲劳度的康复训练需求，贯穿训练者低疲劳期至高疲劳期的整个恢复训练过程，实现了从牵引式被动训练到阻碍式协作训练的多时期训练模式。
[0015]2、本专利技术较好的实现了机械臂的柔顺性控制，通过机械臂动力学模型，建立起接触力与机械臂关节输入力矩的联系，通过控制多自由度机械臂关节角、关节角速度、关节角加速度，进一步控制电机，解决了对较简易的关节训练器等仅靠使用传感器来反馈关节位置，以此造成的诸多问题。
[0016]3、本专利技术有效的提高了刚度传递的时效性，通过人体上肢刚度辨识算法合理估计人体上肢末端刚度，并将刚度信息实时传递给机械臂，实现具有时效性的机械臂柔顺控制。
[0017]4、本专利技术可广泛用于医疗、体育领域，作为中风、偏瘫或因术后上肢或下肢行动不便人士，以及因运动所造成的肌体疲劳或损伤的运动员的医疗康复和疲劳恢复训练方法。
附图说明
[0018]图1为本专利技术实施例中的人体上肢刚度估计流程图。
[0019]图2为本专利技术实施例中基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法示意图。
[0020]图3为本专利技术实施例中基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法原理图。
具体实施方式
[0021]为了使本专利技术的目的、技术方案及优点更加清楚的明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。
[0022]本专利技术提出了一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法，首先利用多自由度柔性机械臂对上肢末端施加力干预，利用上海傲意信息科技有限公司研发的gForce手环实时采集肌电信号数据，之后通过构建人体上肢末端刚度估计模型，采用最小二乘法实现了对人体上肢末端刚度的辨识及计算。通过以上方法得到不同疲劳值下的阈值，针对于不同的刚度阈值范围，利用力矩控制将实时估计的刚度值传递给机械臂，之后将检测与计算得到的每个关节角度，角速度，角加速度输入到人机系统的动力学模型中确定不同的康复训练模式。具体细节如下：
[0023]整体刚度辨识算法原理图如图1，图1为人体上肢刚度解算的原理图，由图可知，其主要的流程分为信息数据采集、刚度辨识实验、刚度解算三部分。
[0024](a)信息数据采集
[0025]受试者佩戴gForce手环的同时，手臂末端握住协作机械臂的工具端握手，建立力与机械臂运动控制之间的关系。为数据采集做准备，
[0026](b)刚度辨识实验
[0027]图2为基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法示意图，由图可知，受试者站在协作机械臂正前方，并保持上肢末端与机械臂工具端保持在同一水平面上，6自由度的协作型机械臂握把位于受试者正前方，受试者握住机械臂工具端所固定的握把。实验过程中，将协作机械臂各个关节电机设置为抱死状态，在佩戴好gForce手环的同时，采取以X轴正负方向施加固定大小的力，从一维数据获取，之后重复此步骤，以此获得三维数据。
[0028](c)刚度解算
[0029]人体上肢末端输出力为F
End
∈R3×1，K
End
∈R3×1—人体上肢末端刚度；F0∈R3×1—人体上肢末端初始力；K0∈R3×1—人体上肢末端刚度初始值；T
F
∈R3×8—sEMG信号向人体上肢末端输出力的映射；T
K
∈R3×8—sEMG信号向人体上肢末端刚度的映射；P∈R8×1—8路预处理后的sEMG信号；δ—外界环境扰动残差，定义如下：
[0030][0031]进一步的，(a)中的T
F
可以定义如下：
[0032][0033]式中：α
xi
、α
yi
、α
zi
表示第i块主动肌在X、Y、Z方向上力的映射系数；β
xi
、β
yi
、β
zi
表示第i块拮抗肌在X、Y、Z方向上力的映射系数。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于柔性机械臂及人体肌电信号的上肢康复模式及训练方法，其特征在于根据使用者上肢的疲劳程度实施不同的恢复训练方式，其中上肢疲劳程度由上肢刚度辨识算法合理估计得出：高疲劳程度(平均刚度值接近于K≈0N/m)、中疲劳程度(平均刚度值0N/m＜K≤400N/m)、低疲劳程度(平均刚度值K＞400N/m)；而上肢刚度则利用8通道肌电信号采集设备采集到的肌肉电信号，经过处理与计算后得出，针对三种的疲劳程度，训练机械臂采用与之对应的3种不同的阻抗控制模式，引导训练者上肢进行针对性的恢复训练。2.如权利要求1所述的上肢康复模式及训练方法，其特征在于：基于实时检测到的人体上肢末端刚度K，根据阈值K的范围选择相应的上肢康复及训练模式，机械臂根据选择的训练模式特征匹配到不同的阻抗控制模式，假设机器人的原始动力学模型为训练过程中，机械臂的运动轨迹方向与人体手臂施加力F
End
方向保持一致，尽量保证不要有其他维度增量的干扰，此时机器人动力学方程为τ
R
为输入力矩、τ
R,F
为接触力，通过对非线性项的补偿，机器人关节的加速度控制为：式中：为机械臂关节加速度，K
R,p
为机械臂关节位置刚度，K
R,d
为机械臂关节速度刚度，K
R,f
为机械臂接触力刚度；当人和机械臂处于瞬时平衡作用力时，此时几乎为0，则有：τ
R,F,eq
＝K
R,f
‑1K
R,p
(q
R,F,eq
‑
q
r,R
)
ꢀꢀꢀꢀ
(2)式中：τ
R,F,eq
为瞬时平衡接触力，K
R,f
‑1K
R,p
为机器人在阻抗控制下的等效刚度，q
R,r
为机械臂期望轨迹，q
R,F,eq
为达到平衡时的轨迹，；从式(2)可以看出，人机交互相互作用行为时，人体与机械臂交互之间的刚度和阻尼会影响相互作用力动力学：τ
R,F
＝K
HR
(q
H
+q
R
)
ꢀꢀꢀꢀꢀꢀꢀ
(3)式中：τ
R,F
为接触力，K
HR
为体...

【专利技术属性】
技术研发人员：李佳钰，赵新宇，尤波，陈晨，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：