CN101612043B - 穿戴型人体手臂震颤检测与抑制机器人及其震颤抑制方法 - Google Patents
穿戴型人体手臂震颤检测与抑制机器人及其震颤抑制方法 Download PDFInfo
- Publication number
- CN101612043B CN101612043B CN2009101443701A CN200910144370A CN101612043B CN 101612043 B CN101612043 B CN 101612043B CN 2009101443701 A CN2009101443701 A CN 2009101443701A CN 200910144370 A CN200910144370 A CN 200910144370A CN 101612043 B CN101612043 B CN 101612043B
- Authority
- CN
- China
- Prior art keywords
- elbow joint
- motion
- direct current
- tremor
- trembling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Prostheses (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开一种穿戴型人体手臂震颤检测与抑制机器人及其震颤抑制方法。该机器人包括穿戴型外骨骼***、震颤激励***、震颤运动检测***、信号处理与控制***。本发明提出一种综合利用基于生物力加载技术和功能性神经肌肉刺激技术的“三闭环”混合震颤抑制策略。震颤患者进行写字、抬臂等日常活动时，震颤运动检测***感知手臂运动信息，经过“两阶段”自适应预测滤波算法的处理，将震颤运动信号和正常运动信号分离开来；利用“三闭环”混合震颤运动抑制控制策略，分别控制功能性神经肌肉刺激装置和直流电机***产生幅度相同、相位“相反”的震颤运动，达到抑制患者手臂震颤的目的，提高震颤患者的生活质量。
Description
技术领域
本发明属于医疗机器人领域、外骨骼机器人领域，具体是指一种穿戴型人体手臂震颤检测与抑制机器人。
背景技术
震颤是一种不自主的、有节律性的、近似正弦往返摆动的肢体运动。40岁以上的中老年人有5％的人患有震颤疾病，特别是帕金森氏病，为近一二十年发病率呈上升趋势的常见病，患病率每10万人西方106-307人，亚洲为44-82人，非洲31-58人，60岁以上人群中PD的患病率约达1％。震颤常见与人的肢体特别是手臂，影响精细动作、书写和餐饮，严重时可对病人的日常生活、工作、社会交往等带来诸多不便。尽管目前国内外很多研究机构对震颤研究很多年，但总的来说，存在如下问题：1.由于目前震颤的机理和起源至今尚未明确，对于震颤的治疗大多采用探索性方式，无法从根本上治愈；2.各种治疗药物虽能使震颤患者的临床症状在一定时间内获得一定程度的好转，但均不能阻止本病的自然进展，且各种药物都有不同程度的副反应，因而限制了其自身在临床上的应用；3.目前，一些较为先进的疗法尚处于研究阶段，虽然实验证明能较明显的提高该病的临床缓解率，减少了副作用，但也存在价格昂贵、远期疗效尚难肯定等问题。
研究表明，除了常规药物治疗之外，生物力加载(biomechanical loading)、功能性神经肌肉刺激(Functional neuromuscular stimulations，FNS)技术以及康复训练等是抑制震颤运动的有效措施。基于生物力加载的震颤抑制措施是通过控制外部负载增加患者手臂阻尼和惯量，达到消除或者抑制震颤的目的。但是，由于震颤模型无法准确建立以及传感器无法实时准确检测震颤信号等不可避免因素的影响，该方法无法彻底消除震颤运动。基于功能性神经刺激技术的震颤抑制措施，其实质是模仿人体的神经肌肉***，重建或恢复人体肢体运动功能。该策略难度在于建立肢体运动与肌电特征之间的映射关系，控制器结构复杂、实用性稍差。
目前国内还未出现类似的可以对人体手臂震颤进行抑制的外骨骼机器人***。国外西班牙的研究小组E.Rocon等人在《IEEE TRANSACTIONS ON NEURAL SYSTEMS ANDREHABILITATION ENGINEERING》杂志的2007年9月第15卷第3期刊登的论文“Design and Validation of a Rehabilitation Robotic Exoskeleton for TremorAssessment and Suppression”公布的可穿戴型震颤抑制机器人(WOTAS)是目前该领域最先进的研究成果。该装置通过传感器***获取手臂的震颤运动信息，控制电机***改变人体手臂的机械阻抗特性，达到抑制震颤的目的。但是，该机器人外骨骼机构不够轻巧，“拟人化”程度不够，穿戴不方便；直流电机装置体积和质量均过大，无法满足“便携式”要求；另外，该机器人所安装的传感器种类有限，无法获取手臂俯仰、翻滚等倾角信息以及患者手部的震颤运动信息，不能为震颤运动抑制策略提供充分的信息；再者，该机器人采用基于生物力加载原理的震颤抑制策略，所建立的震颤模型的不准确以及传感器无法实时准确检测震颤信号等不可避免因素的影响，所提出的抑制震颤控制方法无法彻底消除震颤运动。
另外，新加坡南洋理工大学Wei Tech Ang等人在“An Extended Kalman Filteringof Accelerometer and Surface Electromyography Data for Attenuation of PathologicalTremor”(Proceeding of the 2nd Biennial IEEE/RAS-EMBS International Conference onBiomedical Robotics and Biomechatronics Scottsdale，AZ，USA，October 19-22，2008)公布的基于功能性神经肌肉刺激技术的震颤抑制措施，是采用基于功能性神经肌肉刺激技术的最新的研究成果；但是，由于所用的表面肌肉电传感器噪声干扰过大，信号处理过于复杂，导致整个控制器结构复杂、实用性较差。
现有技术中的人体手臂震颤抑制机器人及其震颤抑制措施存在着不足之处：1.穿戴型外骨骼机构“拟人化”程度不够，震颤激励装置体积和质量均过大，无法满足“便携式”要求；2.只安装加速度传感器和力传感器来检测震颤运动和手臂正常运动，安装的传感器种类比较少，获取的信息不足，无法提供能够反映手臂肘部和腕部肌肉活动的表面肌肉电信息和手臂俯仰、翻滚、偏移等倾角信息，不能为震颤运动抑制策略提供充分的信息；3.基于生物力加载的震颤抑制方法和基于EMG信号的功能性神经刺激技术震颤抑制方法各自都在可靠性和安全性方面存在着缺陷，集中于两种方法中的任何一种方法都无法彻底的“消除”震颤运动。
发明内容
针对上述现有技术中存在的问题，本发明公开一种穿戴型人体手臂震颤检测与抑制机器人，在不干扰患者的正常运动情况下，对患者的震颤运动进行抑制，解决震颤带给患者诸如精细动作、书写和餐饮等日常生活的不便问题；另外，本发明公开一种综合利用基于生物力加载技术和功能性神经肌肉刺激技术的“三闭环”混合震颤抑制控制策略，发挥两种方法的优点，将会较大提高震颤抑制的效果。
本发明的技术方案是：穿戴型人体手臂震颤检测与抑制机器人包括穿戴型外骨骼***、震颤激励***、震颤运动检测***、信号处理与控制***。穿戴型外骨骼***包括上臂臂杆、肘关节机构、前臂臂杆、腕关节机构、手部机构，通过柔性连接机构穿套在人体手臂；震颤激励***包括用于实现肘关节屈/伸运动的直流电机***，用于实现肘关节旋内/外运动的直流电机***，用于实现腕关节屈/伸运动的直流电机***；震颤运动检测***包括多种类型的传感器，分别安装在机器人的上臂、前臂、肘部、腕部与手部和患者的手部；信号处理与控制***通过柔性连接装置集中固定在人体前臂；震颤运动抑制方法包括用于震颤运动信号处理的“两阶段”自适应预测滤波算法和基于生物力加载技术和功能性神经刺激技术的“三闭环”震颤抑制策略。
所述穿戴型外骨骼***采用“二连杆”形式的串联机构，包括上臂臂杆、肘关节机构、前臂臂杆、腕关节机构、手部机构；臂杆机构采用拟人化设计，上臂臂杆尺寸较短，长度约为人体上臂的2/3；前臂臂杆模仿手臂的尺骨结构，采用可伸缩结构，以便于调节长度；上臂臂杆通过柔性连接机构与人体上臂进行连接；肘关节机构包括肘关节屈/伸运动直流电机***，刚性连接机构，肘关节旋内/外直流电机***，刚性连接机构；肘关节机构通过前臂臂杆、刚性连接机构与腕关节机构相连；腕关节机构包括腕关节屈/伸运动直流电机***和刚性连接机构，通过柔性连接机构与手臂腕关节相连；手部机构包括用于连接手掌的柔性连接机构，用于连接食指的柔性连接机构，用于连接中指的柔性连接机构。
所述震颤激励单元包括：用于实现肘关节屈/伸运动的直流电机驱动***，用于实现肘关节旋内/外运动的直流电机驱动***，用于实现腕关节屈/伸运动的直流电机驱动***。
所述震颤运动检测***包括：三个惯性传感器单元，主要由倾角仪、陀螺仪、加速度计组成，分别用于获取上臂、前臂和手部的俯仰角、翻滚角等倾角信息，肘关节和腕关节的三维角速度信息，以及肘关节和腕关节的三维角加速度等信息；三个三维力传感器，用于检测肘关节屈/伸运动电机、肘关节旋内/外电机以及腕关节屈/伸运动电机的三维输出力矩信息；肘关节屈/伸运动直流电机编码器、肘关节旋内/外运动直流电机编码器和腕关节屈/伸运动直流电机编码器，分别用于测量肘关节屈/伸运动电机***、肘关节旋内/外运动电机***和腕关节屈/伸运动电机***的实际转动位置；三个表面肌电传感器EMG传感器，分别用于患者手臂测量肘关节的表面肌肉电流，腕关节的表面肌肉电流；三个功能性神经肌肉刺激贴片，分别与sEMG传感器进行配对，位于患者手臂的肘关节和腕关节；另外，人体手部的食指、中指分别安装有三维加速度传感器，用于测量食指、中指的三维加速度值。
所述信号处理与控制***包括：信号处理***、信号控制***、执行***以及PC级计算机控制***；信号处理***是以TMS320VC5402为核心的16位DSP信号处理***，通过GPIO口实时采集肘关节、腕关节和手部运动信息；信号控制***是以Intel PXA270为核心的32位ARM10微处理器信号控制***；执行***用于执行信号控制***产生的电机控制命令和功能性神经肌肉刺激命令，电机控制利用SOFTING公司的CAN通信卡与MAXON EPOS电机驱动器进行通信，分别控制肘关节屈/伸运动直流电机、肘关节旋内/外运动直流电机、腕关节屈/伸运动直流电机；功能性神经肌肉刺激命令控制上臂神经肌肉刺激贴片、肘关节神经肌肉刺激贴片和腕关节神经肌肉刺激贴片；PC级计算机控制***，采用MATLAB/SIMULINK以及DSPACE公司的DSPACE1104在线仿真控制***，与信号控制***进行通信。
“两阶段”自适应预测滤波算法包括用于处理加速度、角加速度等机械加载信息的滤波算法和用于处理sEMG信号和功能性神经肌肉刺激信号等生物信息的滤波算法。用于处理加速度、角加速度等机械加载信息的滤波算法分为两个阶段，第一阶段，采用“Kalman滤波算法”，滤去高频的震颤运动信号，就是低频的主动运动信号；第二阶段，主动运动信号已经被滤除，剩余信号是震颤运动信号，利用“扩展加权傅立叶变换算法”估算震颤参数，如震颤幅度、时变频率等参数。用于处理sEMG信号和功能性神经肌肉刺激信号等生物信息的滤波算法分为两个阶段，第一个阶段采用“零相低通滤波算法”，对所采集的信息进行滤波处理，滤除干扰信号；第二个阶段采用“扩展Kalman滤波算法”，用于将震颤运动生物信号和主动运动生物信号进行分离。
“三闭环”混合震颤抑制策略包括三个闭环***，分别是基于生物力加载技术的震颤抑制闭环***，基于功能性神经肌肉刺激技术的震颤抑制闭环***和基于假想柔顺控制策略的闭环***。“基于生物力加载技术的震颤抑制闭环***”采用自适应阻抗控制方法，通过连续调节机器装置的阻尼和弹性系数，改变患者手臂的生物力学特性，达到减弱震颤运动的目的；“基于功能性神经肌肉刺激技术的震颤抑制闭环***”采用自适应噪声去除技术，对sEMG信号进行优化处理，通过“零相位滤波自学习算法”和“扩展Kalman滤波算法”获取震颤的诸如震颤频率、振幅等运动参数，利用功能性神经肌肉刺激技术刺激肌肉，实现抑制震颤的目的；“基于假想柔顺控制方法的闭环***”是一种基于力反馈的自适应机械阻抗方法，通过连续调节机器人的阻抗特性，控制外骨骼机器人***“柔顺”的跟随患者肢体的运动，避免对患者手臂的正常运动造成干扰。
本发明的有益效果是：
其一，结构简单、穿戴方便、拟人化程度高。本发明采用“穿套式”结构，穿戴方便；穿戴型外骨骼可以实现肘关节屈/伸运动、肘关节旋内/外运动、腕关节屈/伸运动的三自由度运动，机构“拟人化”程度高。
其二，震颤激励***采用体积小、质量轻、性能优良的MAXON公司的盘式直流电机EC45和新型减速装置CSD-14-100-2UH，整体***满足“便携式”要求。
其三，安装多种类型传感器，震颤运动检测功能强大。震颤运动检测***既能检测机器人手臂的俯仰角、翻滚角等倾角信息以及肘关节和腕关节的三维角速度等信息，也能检测人体手臂震颤运动的三维加速度信息，为震颤运动抑制提供充分的信息。
其四，操作简单、安全可靠。穿戴型人体手臂震颤抑制机器人操作简单，不需要操作柄、键盘等复杂的操作装置；另外，在机械设计方面严格限制外骨骼机构超过人体手臂活动的最大范围，在控制上设计“安全预警***”，确保震颤运动抑制的安全性和可靠性。
其五，功能丰富、应用前景广泛。穿戴型人体手臂震颤抑制机器人不仅能够抑制患者震颤运动，帮助患者解决诸如精细动作、书写和餐饮等日常生活的不便问题，而且能够帮助患者锻炼上肢肌肉，改善和促进上肢的血液循环，增强神经***对运动功能的控制能力；另外，在目前还没有彻底了解震颤机理的情况下，排除了主观用药的盲目性。
其六，本发明提出一种“三闭环”混合震颤运动抑制方法，综合利用基于生物力加载原理的震颤抑制策略和基于功能性神经肌肉刺激技术的震颤抑制策略的优点，克服单纯利用基于生物力加载原理的震颤抑制策略无法彻底抑制震颤的弊端，减少震颤抑制措施对于正常运动所造成的干扰，较大的提高震颤抑制的准确性、安全性和有效性。
其七，本发明针对患者的正常运动问题，提出一种“假想”柔顺控制策略，通过控制外骨骼机器人***“柔顺”的跟随患者肢体的运动，避免对患者手臂的正常运动造成干扰。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的总体结构示意图；
图2为本发明的穿戴型外骨骼示意图；
图3为本发明的震颤检测***示意图；
图4为本发明的信号处理与控制***示意图；
图5为本发明中的“两阶段”自适应预测滤波框图；
图6为本发明中的“三闭环”混合震颤运动抑制策略框图；
图7为本发明的***操作流程图；
其中，000为人体手臂，100为穿戴型外骨骼***，101为第一柔性连接装置，102为刚性连接装置，103为上臂机构，104为第一刚性连接装置，105为法兰，106为悬臂机构，107为刚性固定装置，108为刚性连接装置，109为前臂机构，110为刚性固定装置，111为第二刚性连接装置，112为第四柔性连接装置，113为第五柔性连接装置，114为第六柔性连接装置，115为第三柔性连接装置，116为第二柔性连接装置。200为震颤激励***，201为肘关节屈/伸运动电机，202为肘关节屈/伸运动电机减速***，203为肘关节旋内/外运动电机，204为肘关节旋内/外运动电机减速***，205为腕关节屈/伸运动电机，206为腕关节屈/伸运动电机减速***。300为震颤运动检测***，301为肘关节惯性传感器单元，302为手部惯性传感器单元，303为腕关节惯性传感器单元；311为肘关节屈/伸运动直流电机编码器，312为肘关节旋内/外运动直流电机编码器，313为腕关节屈/伸运动直流电机编码器；321为肘关节屈/伸运动力传感器，322为肘关节旋内/外运动力传感器，323为腕关节屈/伸运动力传感器；331为上臂表面肌电传感器sEMG传感器，332为肘关节表面肌电传感器sEMG传感器，333为腕部表面肌电传感器sEMG传感器；341为第一功能性神经肌肉刺激贴片，342为第二功能性神经肌肉刺激贴片，343为第三功能性神经肌肉刺激贴片；351为食指三维加速度传感器，352为中指三维加速度传感器。400为信号处理与控制***，401为信号处理***，402为信号控制***，403为执行***，404为PC级计算机控制***。500为“两阶段”自适应预测滤波算法，501为用于处理sEMG信号和功能性神经肌肉刺激信号生物信息的第一滤波算法，502为用于处理加速度、角加速度等机械加载信息的第二滤波算法。600为基于生物力加载技术和功能性神经肌肉刺激技术的“三闭环”混合震颤抑制策略，601为基于生物力加载技术的震颤抑制闭环***，602为基于假想柔顺控制策略的闭环***，603为基于功能性神经肌肉刺激技术的震颤抑制闭环***。800为便携式功能性神经肌肉刺激装置。
具体实施方式
如图1、图2所示，本发明中的穿戴型人体手臂震颤检测与抑制机器人包括穿戴型外骨骼***100、震颤激励***200、震颤运动检测***300、信号处理与控制***400。
穿戴型外骨骼100：包括上臂臂杆103、肘关节机构11、前臂臂杆109、腕关节机构12，手部机构13；所述上臂臂杆103通过刚性连接装置102和第一柔性连接装置101与人体上臂进行连接；所述肘关节机构11包括肘关节屈/伸运动直流电机***201，202，第一刚性连接机构104，法兰105，悬臂机构106，肘关节旋内/外直流电机***203，204，刚性固定装置107；肘关节屈/伸运动直流电机***201，202通过悬臂机构106和刚性固定装置107与肘关节旋内/外直流电机相连接；前臂臂杆109采用可伸缩结构，以便于调节长度；腕关节机构12包括腕关节屈/伸运动直流电机***205，206和第二刚性连接机构111，通过第三柔性连接机构115与手臂腕关节相连；手臂机构13包括用于连接手掌的第六柔性连接机构114，用于连接食指的第四柔性连接机构112，用于连接中指的第五柔性连接机构113。
震颤激励***200：肘关节屈/伸运动直流电机201，肘关节旋内/外运动直流电机203，和腕关节屈/伸运动直流电机205，均采用MAXON公司的EC-45盘式电机；所述的肘关节屈/伸运动直流电机减速***，肘关节旋内/外运动直流电机减速***，腕关节屈/伸运动直流电机减速***均采用Harmonic减速器CSD-14-100-2UH。
如图3所示，震颤运动检测***300：肘关节惯性传感器单元301，由倾角仪、陀螺仪、加速度传感器组成，通过第一柔性连接装置101固定在人体上臂，用来获取俯仰角、翻滚角、三维角速度、三维角加速度信息；腕关节惯性传感器单元303，由倾角仪、陀螺仪、加速度传感器组成，通过第二柔性连接装置(116)固定在人体前臂靠近腕关节处，用来获取俯仰角、翻滚角、三维角速度、三维角加速度信息；手部惯性传感器单元302，由倾角仪、陀螺仪、加速度传感器组成，通过第三柔性连接装置115固定在人体手部，用来获取俯仰角、翻滚角、三维角速度、三维角加速度信息；肘关节屈/伸运动直流电机编码器311、肘关节旋内/外运动直流电机编码器312和腕关节屈/伸运动直流电机编码器313，分别用于测量肘关节屈/伸运动电机201、肘关节旋内/外运动电机***203和腕关节屈/伸运动电机***205的实际转动位置；肘关节屈/伸运动力传感器321、肘关节旋内/外运动力传感器322和腕关节屈/伸运动力传感器323，分别用于测量肘关节屈/伸运动、肘关节旋内/外运动以及腕关节屈/伸运动的三维输出力矩；表面肌电传感器sEMG传感器331和表面肌电传感器sEMG传感器332用于测量肘关节的表面肌肉电流，表面肌电传感器sEMG传感器333用于测量腕关节的表面肌肉电流；第一功能性神经肌肉刺激贴片341、第二功能性神经肌肉刺激贴片342、第三功能性神经肌肉刺激贴片343，分别与上臂表面肌电传感器sEMG传感器331、肘关节表面肌电传感器sEMG传感器332、腕部表面肌电传感器sEMG传感器333进行配对，位于患者手臂的肘关节和腕关节；人体手部的食指三维加速度传感器351、中指三维加速度传感器352，分别用于测量食指、中指的三维加速度值。
图4为本发明中的信号处理与控制***400示意图。所述信号处理与控制***400包括信号处理***401、信号控制***402、执行***403以及PC级计算机控制***404；信号处理***401是以TMS320VC5402为核心的16位DSP信号处理***，通过GPIO口实时采集肘关节、腕关节和手部运动信息；“两阶段”震颤信号处理算法是数据处理与滤波算法；信号控制***402是以Intel PXA270为核心的32位ARM10微处理器信号控制***；执行***403用于执行信号控制***402产生的电机控制命令和功能性神经肌肉刺激命令，电机控制利用SOFTING公司的CAN通信卡与MAXON EPOS电机驱动器进行通信，分别控制肘关节屈/伸运动直流电机、肘关节旋内/外运动直流电机、腕关节屈/伸运动直流电机；功能性神经肌肉刺激命令控制上臂神经肌肉刺激贴片、肘关节神经肌肉刺激贴片和腕关节神经肌肉刺激贴片；PC级计算机控制***404，采用MATLAB/SIMULINK以及DSPACE公司的DSPACE1104在线仿真控制***，与信号控制***(402)进行通信。
图5为本发明中的“两阶段”自适应预测滤波框图500。“两阶段”自适应预测滤波算法500包括用于处理EMG信号和功能性神经肌肉刺激贴片等生物信息的滤波算法501，用于处理加速度、角加速度等机械加载信息的滤波算法502。用于处理EMG信号和功能性神经肌肉刺激贴片等生物信息的滤波算法501，分为两个阶段，第一阶段采用“零相低通滤波算法”，对所采集的信息进行滤波处理，滤除干扰信号；第二阶段采用“扩展Kalman滤波算法”，用于将震颤运动生物信号和主动运动生物信号进行分离。用于处理加速度、角加速度等机械加载信息的滤波算法502分两个阶段对震颤运动信息进行处理；第一阶段，采用“Kalman滤波算法”，滤去高频的震颤运动信号，就是低频的主动运动信号；第二阶段，主动运动信号已经被滤除，剩余信号是震颤运动信号，利用“扩展加权傅立叶变换算法”估算震颤参数，如震颤幅度、时变频率等参数。
图6是本发明中的“三闭环”混合震颤运动抑制策略框图600。“三闭环”混合震颤抑制策略600包括三个闭环***，分别是基于生物力加载技术的震颤抑制闭环***601，基于功能性神经肌肉刺激技术的震颤抑制闭环***603和基于假想柔顺控制方法的闭环***602。
基于生物力加载技术的震颤抑制闭环***601是一种自适应的机械阻抗方法抑制震颤运动，其核心在于，将人机混合***等价为二阶非线性生物力模型，利用阻抗控制方法KsS2+KfS+Kd，通过连续调节机器装置的阻尼和弹性系数，改变患者手臂的生物力学特性，达到减弱震颤运动的目的。该方法输入信号是肘关节和腕关节的加速度信号a、角加速度信号ω和倾角信号q，反馈通道采用肘关节和腕关节的输出力矩fe，fω。
基于功能性神经肌肉刺激技术的震颤抑制闭环***603是一种自适应的生物刺激技术抑制震颤运动，其核心在于，利用自适应噪声去除技术，对sEMG信号进行优化处理，通过“零相位滤波自学习算法”获取震颤的诸如震颤频率ωt、振幅At等运动参数，通过阻抗特性变换公式KEβS+KEγ产生控制命令，利用功能性神经肌肉刺激技术刺激肌肉，实现抑制震颤的目的。
基于假想柔顺控制方法的闭环***602是一种自适应的机械阻抗方法，输入信号是肘关节和腕关节的输出力矩fe，fω，通过连续调节机器人的阻抗特性KαS2+KβS+Kγ，控制外骨骼机器人***“柔顺”的跟随患者肢体的运动，避免对患者手臂的正常运动造成干扰。
实施例：
将本发明公开的穿戴型人体手臂震颤检测与抑制机器人通过第一、第二、第三和第六柔性连接装置101，115，116，114穿套在人体手臂的上臂、肘关节、前臂、腕关节和手部，信号处理与控制***400固定在人体前臂。如图7所示，在实际生活中，当患者穿套着本实用新型中的穿戴型人体手臂震颤检测与抑制机器人进行写字、抬臂等日常活动时，开启机器人***——步骤700；信号处理与控制***400启动——步骤701，***自检——步骤702；如果自检发现异常——步骤703？，则电机下电——步骤714，停止工作——步骤715；如果自检正常——步骤703？，则震颤运动检测***300启动——步骤704，同时震颤激励***200启动——步骤708，电机***初始化——步骤709；如果停止指令——步骤711，则电机下电——步骤714，工作结束——步骤715；如果不停止指令，根据控制指令，控制电机改变速度和方向和功能性神经肌肉刺激——步骤712，进而实现机器人肘关节的屈/伸运动、肘关节旋内/外运动以及腕关节的屈/伸运动以及人体肘关节和腕关节的肌肉刺激；机器人和患者手臂随着这些运动不断的改变自身的状态——步骤713，安装在手部、前臂和上臂的多种传感器***获取手臂运动信息——步骤704，步骤705；以TMS320VC5402为核心的16位DSP信号处理***401获取这些信息，经过“两阶段”自适应预测滤波算法处理，将高频的震颤运动信号和低频的正常运动信号分离开来，并分别将这两信号传递到以Intel PXA270为核心的32位ARM10微处理器信号控制***402中，实时存储和获取(步骤706)；“三闭环”混合震颤运动抑制策略是震颤运动抑制控制算法，产生功能性神经肌肉刺激控制命令和电机控制命令——步骤707；执行***403用于执行信号控制***402所产生的电机控制命令和功能性神经肌肉刺激命令——步骤710，通过SOFTING公司的CAN通信卡与MAXON EPOS电机驱动器进行通信，分别控制肘关节屈/伸运动直流电机、肘关节旋内/外运动直流电机、腕关节屈/伸运动直流电机，使机器人各个关节产生运动——步骤512，进而改变患者手臂的阻抗特性，达到抑制患者手臂震颤的目的；功能神经肌肉刺激命令控制上臂神经肌肉刺激贴片、肘关节神经肌肉刺激贴片和腕关节神经肌肉刺激贴片，是患者手臂肌肉产生“震颤”运动，抵消自身的主动震颤运动，达到抑制震颤的目的；这样一次震颤运动检测与抑制过程结束，准备进行下一次的震颤运动抑制。
Claims (6)
1.一种穿戴型人体手臂震颤检测与抑制机器人，其特征在于：包括穿戴型外骨骼***(100)、震颤激励***(200)、震颤运动检测***(300)、信号处理与控制***(400)；穿戴型外骨骼***(100)包括上臂臂杆(103)、肘关节机构(11)、前臂臂杆(109)、腕关节机构(12)、手部机构(13)；震颤激励***(200)包括用于实现肘关节屈/伸运动的直流电机***(201，202)，用于实现肘关节旋内/外运动的直流电机***(203，204)，用于实现腕关节屈/伸运动的直流电机***(205，206)；所述信号处理与控制***(400)通过第二性柔性连接装置(116)固定在人体前臂；所述上臂臂杆(103)通过刚性连接装置(102)和第一性柔性连接装置(101)与人体上臂进行连接；所述肘关节机构(11)包括肘关节屈/伸运动直流电机***(201，202)，第一刚性连接机构(104)，法兰(105)，悬臂机构(106)，肘关节旋内/外运动的直流电机***(203，204)，刚性固定装置(107)；肘关节屈/伸运动直流电机***(201，202)通过悬臂机构(106)和刚性固定装置(107)与肘关节旋内/外直流电机***(203，204)相连接；前臂臂杆(109)采用可伸缩结构，以便于调节长度；腕关节机构(12)包括腕关节屈/伸运动直流电机***(205，206)和第二刚性连接机构(111)，通过第三柔性连接装置(115)与手臂腕关节相连；手部机构(13)包括用于连接手掌的柔性连接机构(114)，用于连接食指的柔性连接机构(112)，用于连接中指的柔性连接机构(113)；所述震颤运动检测***(300)包括：
a、肘关节惯性传感器单元(301)，由倾角仪、陀螺仪、加速度传感器组成，通过第一柔性连接装置(101)固定在人体上臂，用来获取倾角、三维角速度、三维角加速度信息；
b、腕关节惯性传感器单元(303)，由倾角仪、陀螺仪、加速度传感器组成，通过第二柔性连接装置(116)固定在人体前臂靠近腕关节处，用来获取倾角、三维角速度、三维角加速度信息；
c、手部惯性传感器单元(302)，由倾角仪、陀螺仪、加速度传感器组成，通过第三柔性连接装置(115)固定在人体手部，用来获取倾角、三维角速度、三维角加速度信息；
d、肘关节屈/伸运动直流电机编码器(311)、肘关节旋内/外运动直流电机编码器(312)和腕关节屈/伸运动直流电机编码器(313)，分别用于测量肘关节屈/伸运动电机(201)、肘关节旋内/外运动电机(203)和腕关节屈/伸运动电机(205)的实际转动位 置；
e、肘关节屈/伸运动力传感器(321)、肘关节旋内/外运动力传感器(322)和腕关节屈/伸运动力传感器(323)，分别用于测量肘关节屈/伸运动、肘关节旋内/外运动以及腕关节屈/伸运动的三维输出力矩；
f、上臂表面肌电传感器sEMG传感器(331)和肘关节表面肌电传感器sEMG传感器(332)用于测量肘关节的表面肌肉电流，腕关节表面肌电传感器sEMG传感器(333)用于测量腕关节的表面肌肉电流；
g、第一功能性神经肌肉刺激贴片(341)、第二功能性神经肌肉刺激贴片(342)、第三功能性神经肌肉刺激贴片(343)，分别与上臂表面肌电传感器sEMG传感器(331)、肘关节表面肌电传感器sEMG传感器(332)、腕关节表面肌电传感器sEMG传感器(333)进行配对，位于患者手臂的肘关节和腕关节；
H、人体手部的食指三维加速度传感器(351)、中指三维加速度传感器(352)，分别用于测量食指、中指的三维加速度值。
2.根据权利要求1所述的穿戴型人体手臂震颤检测与抑制机器人，其特征在于：所述信号处理与控制***(400)包括信号处理***(401)、信号控制***(402)、执行***(403)以及PC级计算机控制***(404)；信号处理***(401)是以TMS320VC5402为核心的16位DSP信号处理***，通过GPIO口实时采集肘关节、腕关节和手部运动信息；信号控制***(402)是以Intel PXA270为核心的32位ARM10微处理器信号控制***；执行***(403)用于执行信号控制***(402)产生的电机控制命令和功能性神经肌肉刺激命令，电机控制利用SOFTING公司的CAN通信卡与MAXON EPOS电机驱动器进行通信，分别控制肘关节屈/伸运动直流电机、肘关节旋内/外运动直流电机、腕关节屈/伸运动直流电机；神经肌肉刺激命令控制上臂神经肌肉刺激贴片、肘关节神经肌肉刺激贴片和腕关节神经肌肉刺激贴片；PC级计算机控制***(404)，采用MATLAB/SIMULINK以及DSPACE公司的DSPACE1104在线仿真控制***，与信号控制***(402)进行通信。
3.根据权利要求1所述的穿戴型人体手臂震颤检测与抑制机器人，其特征在于：所述的肘关节屈/伸运动直流电机***(201)，肘关节旋内/外运动直流电机***(203)，和腕关节屈/伸运动直流电机***(205)，均采用MAXON公司的EC-45盘式电机；所述的肘关节屈/伸运动直流电机减速***(202)，肘关节旋内/外运动直流电机减速***(204)， 腕关节屈/伸运动直流电机减速***(206)均采用Harmonic减速器CSD-14-100-2UH。
4.根据权利要求1所述机器人的震颤抑制方法，其特征在于该方法包括用于震颤运动信号处理的“两阶段”自适应预测滤波算法(500)、基于生物力加载技术和功能性神经肌肉刺激技术的“三闭环”混合震颤抑制策略(600)；“两阶段”自适应预测滤波算法(500)包括用于处理加速度、角加速度机械加载信息的滤波算法(502)和用于处理EMG信号和功能性神经肌肉刺激信号生物信息的滤波算法(501)；“三闭环”混合震颤抑制策略包括三个闭环***，分别是基于生物力加载技术的震颤抑制闭环***(601)，基于功能性神经肌肉刺激技术的震颤抑制闭环***(603)和基于假想柔顺控制策略的闭环***(602)。
5.根据权利要求4所述的震颤抑制方法，其特征在于所述的“两阶段”自适应预测滤波算法(500)包括：
a、第二滤波算法(502)分为两个阶段，第一阶段，采用“Kalman滤波算法”，滤去高频的震颤运动信号，剩余信号就是低频的主动运动信号。第二阶段，主动运动信号已经被滤除，剩余信号是震颤运动信号，利用“扩展加权傅立叶变换算法”估算震颤参数；
b、第一滤波算法(501)分为两个阶段，第一阶段采用“零相低通滤波算法”，对所采集的信息进行滤波处理，滤除干扰信号；第二阶段采用“扩展Kalman滤波算法”，将震颤运动sEMG信号和主动运动sEMG信号进行分离。
6.根据权利要求4所述的震颤抑制方法，其特征在于所述的“三闭环”震颤运动抑制策略(600)包括：
a、基于生物力加载原理的震颤抑制闭环***(601)采用自适应阻抗控制方法，通过连续调节机器装置的阻尼和弹性系数，改变患者手臂的生物力学特性，达到减弱震颤运动的目的；
b、基于功能性神经肌肉刺激技术的震颤抑制闭环***(603)：对sEMG信号进行优化处理，通过“零相位滤波自学习算法”和“扩展Kalman滤波算法”获取震颤频率、振幅运动参数，控制功能性神经肌肉刺激装置刺激关节肌肉产生“震颤”，抑制手臂震颤；
c、基于假想柔顺控制方法的闭环***(602)是一种基于力反馈的自适应机械阻抗方法，通过连续调节机器人的阻抗特性，控制外骨骼机器人***“柔顺”的跟随患者肢体的运动，避免对患者手臂的正常运动造成干扰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009101443701A CN101612043B (zh) | 2009-08-04 | 2009-08-04 | 穿戴型人体手臂震颤检测与抑制机器人及其震颤抑制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009101443701A CN101612043B (zh) | 2009-08-04 | 2009-08-04 | 穿戴型人体手臂震颤检测与抑制机器人及其震颤抑制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101612043A CN101612043A (zh) | 2009-12-30 |
| CN101612043B true CN101612043B (zh) | 2011-03-02 |
Family
ID=41492066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2009101443701A Expired - Fee Related CN101612043B (zh) | 2009-08-04 | 2009-08-04 | 穿戴型人体手臂震颤检测与抑制机器人及其震颤抑制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101612043B (zh) |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102697589A (zh) * | 2012-05-08 | 2012-10-03 | 哈尔滨工业大学 | 一种面向病理性震颤的抑震装置 |
| CN102697506B (zh) * | 2012-05-29 | 2014-11-26 | 广州乾华生物科技有限公司 | 运动反应情况监测方法以及*** |
| CN103831832B (zh) * | 2012-11-26 | 2016-04-06 | 苏茂 | 双向力反馈从手手臂控制装置 |
| CN103902020B (zh) * | 2012-12-25 | 2017-04-12 | 苏茂 | 数据手套手腕关节检测装置 |
| CN104552316A (zh) * | 2013-10-21 | 2015-04-29 | 苏茂 | 人手前臂桡尺关节运动检测装置 |
| CN103654802B (zh) * | 2013-11-08 | 2016-09-07 | 上海交通大学 | 多自由度手腕力矩测量装置 |
| CN103728972B (zh) * | 2014-01-06 | 2014-10-15 | 中国石油大学(华东) | 多机械臂同步控制实验平台及实验方法 |
| CN103892839B (zh) * | 2014-04-17 | 2017-01-11 | 上海迈动医疗器械有限公司 | 基于蓝牙传输的便携式上肢功能评定测试仪 |
| CN104409004B (zh) * | 2014-10-23 | 2016-09-28 | 中国科学院合肥物质科学研究院 | 一种三自由度微型仿腕关节震颤运动仿真机器人 |
| CN104666049B (zh) * | 2015-02-02 | 2017-01-18 | 南京理工大学 | 一种便携式上肢康复机器人 |
| US10357210B2 (en) * | 2015-02-04 | 2019-07-23 | Proprius Technologies S.A.R.L. | Determining health change of a user with neuro and neuro-mechanical fingerprints |
| CN105287166B (zh) * | 2015-12-02 | 2018-09-04 | 厦门大学 | 穿戴式肘关节康复训练机器人 |
| TWI574800B (zh) * | 2016-07-19 | 2017-03-21 | Robot control system | |
| CN106178261A (zh) * | 2016-08-06 | 2016-12-07 | 深圳市前海安测信息技术有限公司 | 帕金森病患者手部震颤消除***及方法 |
| US10583061B2 (en) * | 2016-09-06 | 2020-03-10 | Verily Life Sciences Llc | Tilt compensation for tremor cancellation device |
| CN108652797B (zh) * | 2017-03-28 | 2023-10-31 | 上海交通大学 | 震颤抑制***及其组合装置 |
| DE102017126259B4 (de) * | 2017-11-09 | 2019-08-01 | Universität Stuttgart | Exoskelett-System, Steuereinrichtung und Verfahren |
| WO2019166841A1 (en) * | 2018-03-01 | 2019-09-06 | Braun Sandra Kamila | Wireless muscle stimulation apparatus |
| CN109199661B (zh) * | 2018-07-19 | 2021-02-02 | 同济大学 | 一种基于颗粒阻尼的手腕震颤抑制装置 |
| CN109459307B (zh) * | 2018-12-14 | 2020-04-07 | 大连理工大学 | 一种可模拟体重加载的踝足矫形器力学特性测量装置及方法 |
| CN109459308B (zh) * | 2018-12-14 | 2020-04-07 | 大连理工大学 | 一种基于压力传感器的踝足矫形器力学特性测量装置及方法 |
| CN109459309B (zh) * | 2018-12-14 | 2020-04-07 | 大连理工大学 | 一种踝足矫形器力学特性测量装置及方法 |
| GB2590507B (en) * | 2019-12-20 | 2022-08-31 | Gyrogear Ltd | Tremor stabilisation apparatus |
| CN111407416B (zh) * | 2020-04-03 | 2021-02-26 | 天津理工大学 | 一种针对血管介入手术机器人***的震颤消除方法及*** |
| CN112316304B (zh) * | 2020-12-04 | 2023-04-14 | 郑州大学 | 手腕震颤抑制的鲁棒h∞重复控制方法 |
| CN112426624B (zh) * | 2020-12-08 | 2023-04-07 | 郑州大学 | 基于功能性电刺激的多自由度手腕震颤抑制*** |
| WO2023244175A1 (en) * | 2022-06-14 | 2023-12-21 | Nanyang Technological University | Exoskeleton, method of controlling thereof, and tremor simulator device |
| CN118061200B (zh) * | 2024-04-19 | 2024-07-12 | 中国科学技术大学 | 基于振动诱导的用于遥操作***的力反馈方法及装置 |
-
2009
- 2009-08-04 CN CN2009101443701A patent/CN101612043B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN101612043A (zh) | 2009-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101612043B (zh) | 穿戴型人体手臂震颤检测与抑制机器人及其震颤抑制方法 | |
| CN201505138U (zh) | 穿戴型人体手臂震颤检测与抑制机器人 | |
| Liu et al. | Development of a multi-DOF prosthetic hand with intrinsic actuation, intuitive control and sensory feedback | |
| Kapsalyamov et al. | State-of-the-art assistive powered upper limb exoskeletons for elderly | |
| CN102309393A (zh) | 外骨骼式上肢康复机器人 | |
| CN208626133U (zh) | 轻量型多自由度仿生柔性外骨骼式上肢助力机器人 | |
| Aung et al. | sEMG based ANN for shoulder angle prediction | |
| CN107233190B (zh) | 一种用于偏瘫患者的多自由度拇指康复训练装置 | |
| Scott et al. | Tri-state myoelectric control of bilateral upper extremity neuroprostheses for tetraplegic individuals | |
| Gillard et al. | Tremor suppression using functional electrical stimulation: a comparison between digital and analog controllers | |
| CN107753242A (zh) | 一种缓解腕关节痉挛的镜像装置 | |
| CN108721059A (zh) | 一种圆盘式磁流变阻尼器下肢康复机器人 | |
| Martin et al. | Multi-finger interaction during involuntary and voluntary single finger force changes | |
| Wu et al. | Adaptive cooperative control of a soft elbow rehabilitation exoskeleton based on improved joint torque estimation | |
| Hwang et al. | Postural fluctuations during pointing from a unilateral or bilateral stance | |
| KSM Kader Ibrahim | Modelling and control of paraplegic’s knee joint (FES-swinging) | |
| CN104409004B (zh) | 一种三自由度微型仿腕关节震颤运动仿真机器人 | |
| Wang et al. | Improving walking economy with an ankle exoskeleton prior to human-in-the-loop optimization | |
| CN104440920B (zh) | 一种三自由度人体手臂震颤运动仿真机器人 | |
| Hu et al. | Stiffness optimal modulation of a variable stiffness energy storage hip exoskeleton and experiments on its assistance effect | |
| Jindrich et al. | Unconstrained three-dimensional reaching in Rhesus monkeys | |
| Li et al. | Reconfigurable muscle strength training robot with multi-mode training for 17 joint movements | |
| Meng et al. | Electromyogram-based motion compensation control for the upper limb rehabilitation robot in active training | |
| Tibold et al. | Three-dimensional model to predict muscle forces and their relation to motor variances in reaching arm movements | |
| Ahmad et al. | Knee joint impedance hybrid modeling and control of functional electrical stimulation (FES)-cyclingfor paraplegic: Free swinging trajectory |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110302 Termination date: 20160804 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |