CN107921631A - 用于在受损脚踝的运动阶段期间提供经济的、便携的进行欠缺调节的适应性辅助方法和设备 - Google Patents

Abstract

本发明描述了用于在受损脚踝的运动阶段期间提供欠缺调节的适应性辅助方法。该方法包括基于适于正常对象的参数轨迹和适于受损对象的参数轨迹之间的差值在处理器上确定适于复合脚踝功能的每个运动阶段的欠缺参数的值。该方法还包括基于所述适于欠缺参数的值在所述处理器上确定机器人所施加的转矩的适应性量值。该方法还包括基于适应性定时将仅适于当前运动阶段的第一平面中的适于由所述机器人所施加的转矩的所述适应性量值施加到机器人关节。本发明还描述了用于在受损脚踝的运动阶段期间提供欠缺调节的适应性辅助设备。

Description

用于在受损脚踝的运动阶段期间提供经济的、便携的进行欠 缺调节的适应性辅助方法和设备

相关申请的交叉引用

本申请根据35U.S.C.§119(e)要求于2015年6月22日提交的临时申请第62/182,779号的优先权，其全部内容通过引用结合于此，如同在本文进行充分阐述一样。

背景技术

当患者患有影响患者运动一个或多个关节的能力的医学状况(诸如中风)时，患者经常进行身体物理康复，努力恢复关节的活动性和控制性。在常规身体物理康复的一种形式中，临床医师通过运动周期的多个运动阶段推动或滑动患者的关节。为了减少这种身体物理治疗的乏味性和可变性，临床医师引进了外部骨骼机器人。这种物理康复的常规形式涉及使用附接到受损关节的外部骨骼机器人，以在多个运动阶段对受损关节施加健康关节的规定动力。

发明内容

在此认识到，对于具有受损关节的患者的身体物理康复的常规方法是不完善的，因为他们使用外部骨骼机器人，该外部骨骼机器人将健康关节处于正常速度和/或运动范围的规定动力施加到可能以降低的速度和/或运动范围运动的患者的受损关节上。健康关节对受损关节施加的动力学之间的这种不匹配导致机器人和患者之间不同步的动力学，其中受损关节的运动被抑制而不是由机器人协助，甚至可能导致患者不稳定。

在第一组实施例中，提供一种用于在受损脚踝的多个运动阶段期间提供欠缺调节的适应性辅助的设备。该设备包括可变转矩的马达，该马达被配置成连接到包括连接到枢轴的一对梁的外部骨骼脚踝机器人。该对梁被配置成连接到对象的由对象脚踝分开的第一和第二肢体。可变转矩马达配置成将仅在第一平面中围绕枢轴施加由机器人所施加的转矩。该设备还包括具有传感器输入的处理器，该传感器输入被配置成在复合脚踝功能的多个运动阶段期间从至少一个第一传感器接收第一数据。所述处理器包括具有序列指令的存储器，所述存储器被配置成与所述处理器一起使得所述设备基于由正常对象以及受损对象施加到所述外部骨骼脚踝机器人的相应机器人状态参数来确定每个运动阶段的欠缺参数。存储器和序列指令被进一步配置成使得设备基于当前运动阶段所基于的第一传感器的当前第一数据来确定机器人所施加的转矩的适应性定时。存储器和序列指令被进一步配置成使得设备基于当前运动阶段的机器人欠缺状态参数(例如，在从一个步态周期到另一个步态步态周期或者从一步到另一步的摆动阶段期间改变的机器人所施加的峰值转矩大小)。可变转矩马达与存储器通信以接收适应性量值和适应性定时，并且被配置成基于适应性定时在当前运动阶段期间将仅在第一平面中的适应性量值下的机器人所施加的转矩施加给枢轴。该设备是便携的，使得该设备被配置成由对象携载。

在第二组实施例中，提供一种用于在受损脚踝的多个运动阶段期间提供欠缺调节的适应性辅助的方法。该方法包括在处理器上基于在每个运动阶段下用于正常对象的外部骨骼脚踝机器人的机器人状态参数轨迹与用于受损对象的机器人状态参数轨迹之间的差值来确定针对复合脚踝功能的每个运动阶段的欠缺参数的值。该方法还包括在处理器上基于当前运动阶段所基于的来自当前传感器数据的当前传感器状态来确定适于机器人所施加的转矩的适应性定时。该方法进一步包括在处理器上基于当前运动阶段的欠缺机器人状态参数的值来确定适于机器人所施加的转矩的适应性量值。该方法进一步包括基于适应性定时仅将在适于当前运动阶段(例如，步态的摆动阶段)的第一平面中的适于机器人所施加的转矩的适应性量值施加到外部骨骼脚踝机器人。

根据以下详细描述，本发明的其它方面、特征和优点将仅通过示出许多具体实施例和实施方式(包括为实施本发明而预期的最佳方式)而显而易见。本发明还能够具有其它和不同的实施例，并且其多个细节可以在各种明显的方面进行修改，所有都不脱离本发明的精神和范围。因此，附图和描述在本质上被认为是说明性的而非限制性的。

附图说明

在附图的图中，通过实例而非限制性的方式来说明本发明，其中相似的附图标记指代相似的元件，并且其中：

图1A是示出根据一个实施例的用于在受损关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例***的框图；

图1B示出根据一个实施例的用于正常和受损对象的机器人状态参数轨迹和在多个运动阶段应用的机器人状态参数的实例。

图2是示出根据一个实施例的用于在受损关节的多个运动阶段期间提供欠缺调节的适应性辅助的方法的实例的流程图；

图3示出根据一个实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的实例***；

图4A是根据一个实施例的脚踝关节的步态周期的多个运动阶段的图；

图4B是根据一个实施例的图4A所示的步态周期的多个运动阶段的传感器状态输出的轨迹；

图5是示出根据一个实施例的用于基于脚踏开关输出来确定脚踝关节的多个运动阶段的方法的实例的流程图；

图6是示出佩戴脚踝机器人的身体和脚部的尺寸的图。

图7是示出根据一个实施例的用于确定步态周期的脚后跟着地运动阶段的运动模型的方法的实例的流程图；

图8是示出根据一个实施例的基于对象的体重和期望的峰值角速度的最小阻尼参数轨迹的实例的图表；

图9是示出根据一个实施例的用于确定步态周期的初始摆动运动阶段的运动模型的方法的实例的流程图。

图10A是示出根据一个实施例的基于对象的实际峰值摆动角度与期望的峰值摆动角度的比率的最小刚度参数轨迹的实例的图表；

图10B是示出根据一个实施例的佩戴脚踝机器人的身体和脚部的示例尺寸的图；

图11是示出根据一个实施例的在多个运动阶段期间的正常和受损对象的角度轨迹的实例的图表；

图12是示出根据一个实施例的用于确定步态周期的每个运动阶段的欠缺角度的方法的实例的流程图；

图13是示出根据一个实施例的基于最小刚度参数的参数化欠缺角度轨迹的实例的图；

图14是示出根据一个实施例的基于最小阻尼参数的参数化欠缺转矩轨迹的实例的图；

图15是示出根据一个实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例***的框图；

图16是示出用于预测每个运动阶段中所施加的转矩的适应性量值的变化的方法的实例的流程图；

图17是根据一个实施例的在多个物理治疗期间的最小刚度参数的轨迹的实例；

图18是示出根据一个实施例的在多个物理治疗期间的最小阻尼参数的轨迹的实例的图；

图19是示出可以在其上实施本发明实施例的计算机***的框图；

图20是示出可以在其上实施本发明的实施例的芯片组的框图；

图21A是示出根据一个实施例的使用一维脚踝机器人之前和之后的峰值摆动角度数据的实例的图表；

图21B是示出根据一个实施例的在使用一维脚踝机器人之前和之后的脚部的不同部分的初始接触的频率分布的一个实例的直方图；

图22A和图22B是示出根据一个实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例的轻量级便携式***的框图；

图22C是示出用于将线性致动器耦联到图22A-图22B所示***中的鞋的备用球窝接头连接器的实例的框图；

图23A和图23B是示出根据另一实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例的轻量级便携式***的框图；

图24是示出用于确定图2的方法中的适应性定时的方法的实例的流程图；

图25是一对匹配的图，其示出了图4A的步态周期的多个运动阶段期间的传感器状态输出和施加到脚部的转矩的轨迹；

图26是示出根据另一实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例的轻量级便携式***的框图；

图27是示出在图22A-图22B所示的***中由对象携载的电源的实例的框图；

图28A是在上楼梯过程中由对象使用的图3的示例***；

图28B是一对图，其示出在***的辅助和无辅助模式下在跖屈-背屈平面测得的图28A中对象的角度轨迹的实例；

图29A-29C是示出根据一个实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例的轻量级便携式***的框图；

图29D是示出用作将线性致动器联接到图29A-图29C***中的脚部的梁的远侧附件的实例的框图。；

图29E-29F是示出根据一个实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例轻量级便携式***的框图；

图29G是示出用作将线性致动器联接到29E-图29F***中的脚部的梁的远侧附件的实例的框图；

图29H是示出图29G的远侧附接件的箍圈的实例的框图；

图30A是示出根据一个实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例的轻量级便携式***的照片；

图30B是示出用于将线性致动器联接到图30A***中的脚部的远侧附件的实例的照片；

图30C-30D是用作将线性致动器耦联到示出图30A***中的腿部的梁的近侧附件的实例的照片；

图30E是示出用于将线性致动器联接到图30C-30D中的近侧附件中的腿部的安装块的实例的框图；

图30F是示出用于将线性致动器联接到图30C-30D的近侧附件中的腿部的安装块的实例的框图；

图31A-31B是示出用作将线性致动器联接到图30A的***中的脚部的梁的远侧附件的实例的框图；

图31C是示出用于将线性致动器联接到图31A-31B的远侧附件中的脚部的球窝接头的实例的框图；以及

图32是示出根据一个实施例的佩戴脚踝机器人的身体和脚部的示例尺寸的图。

具体实施方式

本发明描述了用于在受损关节的多个运动阶段期间提供欠缺调节的适应性辅助的方法和设备。出于以下描述的目的，受损关节被定义为由于患者所受的伤害或医学状况而经历受损运动的人体的任何关节。在以下描述中，出于解释的目的，阐述了许多具体细节以便提供对本发明的透彻理解。然而，对于本领域技术人员而言显而易见的是，可以在没有这些具体细节的情况下实践本发明。在其它情况下，以框图形式示出公知的结构和装置，以避免不必要地模糊本发明。

本发明的一些实施例在下文中在下述背景下进行描述，其中在训练诸如脚踝关节、髋关节或膝关节的受损关节期间在多个运动阶段期间提供欠缺调节的适应性辅助。但是，本发明不限于这种情况。在其它实施例中，在训练或加强健康关节期间，在多个运动阶段期间提供欠缺调节的适应性辅助。在其它实施例中，提供用于在不同神经病学群体中利用模块化机器人来修复受损关节以改善运动性功能的方法或设备。该实施例的应用包括不同的神经疾病和不同的关节，如在后面的章节中更详细描述的那样。

在截肢假肢的背景下利用一些实施例，截肢假肢被设计成替代患者丧失的肢体，以帮助患者恢复运动性和感觉功能。一些实施例在调节脚部压力和地面反作用力的情况下使用以治疗糖尿病性神经病。在运动学***衡功能的背景使用。一些实施例在多发性硬化症(MS)、帕金森病或神经病或周围神经病的背景下使用。

尽管阐述宽范围的数值范围和参数是近似值，但是在具体的非限制性实施例中列出的数值是尽可能精确地报导的。然而，任何数值固有地包含必然由它们相应的测试测量中发现的标准偏差所导致的某些误差。此外，本文公开的所有范围都应被理解为涵盖其中包含的任何和所有子范围。例如，“小于10”的范围可以包括最小值0和最大值10之间(并且包括最小值0和最大值10)的任何和所有子范围，也就是说，任何和所有子范围具有等于或大于零的最小值以及等于或小于10的最大值，例如1至4。如本文所使用的那样，约一定数值的值被理解为意指具有某一数目的二分之一的因子或暗示由某一数目的最低有效位数给出的精度。

1.概述

当患者受到影响其一个或多个关节的损伤或医疗状况时，患者运动和控制关节的能力将会受损。例如，患者可能无法以在损伤或医疗状况之前可达到的转矩来运动关节。此外，患者可能无法以在损伤或医疗状况之前可达到的速度或取向来运动关节使其通过一定运动的范围。根据各种实施例，提供传感器以测量受损关节的运动的这些参数，以便确定在治疗期间针对受损关节的辅助的适应性量值或定时，或者某种组合。

当关节运动通过一定运动范围时，该运动范围包括多个运动阶段。当患者受到影响一个或多个关节的运动性的损伤或医疗状况时，该受损的关节可能在这些运动阶段中的一个或多个阶段以及这些运动阶段的定时中受到影响。例如，具有受损关节的患者可能仅在关节的第一运动阶段期间经历关节的运动受损，并且在剩余的运动阶段期间能够正常地运动关节，但是这些运动阶段的定时会减慢。根据各种实施例，提供传感器来检测关节何时处于每个受损的运动阶段中，以便确定在治疗期间的适于受损关节辅助的适应性定时。在各种实施例中，在每个运动阶段期间确定欠缺的量值以便确定在每个运动阶段期间的辅助的适应性量值。

图1A是示出根据一个实施例的用于在训练受损关节192期间在多个运动阶段期间提供欠缺调节的适应性辅助的示例***100的框图。受损关节192可以是将肢体193连接到对象190的身体191的任何关节，其中对象190由于持续的损伤或医疗状况而具有受损关节192的受限运动性。在关节192的复合功能期间，受损关节192经过多个运动阶段运动。尽管为了说明的目的描绘了具有身体部位191、关节192和肢体193的对象190，但是对象190不是***100的一部分。***100包括外部骨骼关节110、对象传感器120和配置有欠缺调节的驱动模块150的控制器140。

外部骨骼关节110包括枢轴114，枢轴114连接分别固定到身体191和在对象关节192的任一侧上的肢体193的一对梁112a，112b。外部骨骼关节110还包括可变转矩马达116，其在枢轴114上(例如，通过传动链118)施加转矩。在一些实施例中，外部骨骼机器人关节110还包括一个或多个机器人传感器121以确定机器人110的非转矩状态，诸如用于量度梁112a和112b之间的角度的传感器。

对象传感器120(为了方便起见也称为呼叫传感器120)输出多个状态，其中至少一些输出状态指示受损关节192的相应运动阶段。在一个实施例中，当受损关节192处于第一运动阶段时传感器120输出第一状态以及当受损关节192处于第二运动阶段时输出第二状态。在一些实施例中，当不被驱动时，可变转矩马达116还会在对象连接到(例如，佩戴)外部骨骼机器人关节110的同时，将响应于由对象190施加的转矩的电流或电压输出到枢轴114。在一些实施例中，由马达116输出的电流或电压被用作转矩传感器以测量由外力施加的转矩，诸如在每个运动阶段期间由对象的关节192的运动所施加的转矩。在一些实施例中，从来自马达116的转矩测量值推断出位置数据。在一些实施例中，一个或多个附加机器人传感器121在每个运动阶段期间测量位置数据，诸如关节192的速度和/或角度。如在图1A中进一步所示的那样，控制器140驱动转矩马达116，并且接收机器人状态参数数据，所述数据基于由转矩马达116输出的电流或电压或者当梁112a，112b通过外力或某种组合运动时由附加机器人传感器121输出的位置或角度数据，并且控制器140沿着有线或无线传感器通信通道122连接到传感器120和121。在各种实施例中，控制器140包括如图14中所示的通用计算机***或如图15中所示的芯片组，以及使计算机或芯片组执行下面参考图2描述的方法的一个或多个步骤的指令。

图1B示出根据一个实施例的用于正常和受损对象的机器人状态参数轨迹166a，166b的示例性曲线图160。水平轴162以运动阶段序列内的相对单位表示的时间。左垂直轴164以相对单位表示机器人状态参数，诸如对象达到的角度或对象施加的转矩；以及右垂直轴168以整数单位表示一个或多个对象传感器120的总体状态。轨迹169描绘基于右垂直轴168的一系列五个不同运动阶段随时间变化的传感器状态变化。每个不同的阶段与来自传感器120的输出的不同状态相关联。例如，阶段A与没有来自任何传感器的输出相关联，以及阶段C与来自一个或多个传感器的最大输出相关联。

轨迹166a基于当正常对象运动关节192通过多个运动阶段时的机器人状态参数值，并且相对于左垂直轴164绘制。类似地，轨迹166b基于当受损对象运动关节192通过多个运动阶段时的机器人状态参数，并且相对于左垂直轴164绘制。两个轨迹的时间轴相对于彼此进行调节，使得针对每个轨迹的运动阶段被对准，如在水平轴162上所指示的那样。这说明受损患者以不同于正常对象的速率逐渐通过运动阶段。控制器140接收机器人状态参数轨迹166a，166b数据。控制器140还接收来自传感器120的传感器状态168，传感器状态168指示关节192的当前运动阶段。驱动模块150使控制器140基于相应机器人状态参数轨迹166a，166b之间的差值来确定适于每个运动阶段的欠缺轨迹167。驱动模块150还被配置成基于差值来驱动马达116。在一个实施例中，对于每个运动阶段，驱动模块150通过计算正常对象的机器人状态参数轨迹166a与受损对象的机器人状态参数轨迹166b之间的差值来确定适于每个运动阶段的平均欠缺167。由可变转矩马达116施加在关节192上的所施加的机器人状态参数取决于由驱动模块150确定的运动阶段和来自驱动模块150的适于每个运动阶段的适应性量值，适应性量值基于运动阶段和适于每个运动阶段所相关联的欠缺参数167。

在一些实施例中，使用运动模型来描述由轨迹169指示的一个或多个运动阶段。运动模型基于一组一个或多个模型参数在每个运动阶段期间将机器人状态参数参数化。正常对象将应示出这些模型的模型参数的一组值。受损对象将应示出与该组值有些偏差的值。在一些实施例中，使用运动模型，是否将转矩施加到外部骨骼机器人关节以辅助受损对象的决定以及施加的转矩量是基于适于受损患者的该组模型参数的该组值高于或低于代表一组正常值的一定百分比的一组阈值。

如果当前运动阶段中的机器人状态参数欠缺167小于机器人状态参数阈值，则调节当前运动阶段的适应性量值，使得控制器140不将所施加的转矩信号传送到可变转矩马达116。如果当前运动阶段中的机器人状态参数欠缺167大于机器人状态参数阈值，则调节当前运动阶段的适应性量值，使得控制器140在当前运动阶段期间将所施加的转矩信号传送到可变转矩马达116。

图2是示出根据一个实施例的用于在受损关节192的多个运动阶段期间提供欠缺调节的适应性辅助的方法200的实例的流程图。例如，方法200的步骤由控制器140的模块150应用。为了说明的目的，图2以特定顺序被描绘为整体步骤，但是在其它实施例中，一个或多个步骤或其部分以不同顺序执行，或者按时间重叠、按序或并行执行或省略，或者添加一个或多个附加步骤，或者以某种方式的组合来改变方法。

在开始之后，在步骤201中，在模块150上确定用于复合关节功能的多个运动阶段。在一些实施例中，通过分析在执行复合运动的一个或多个正常对象的视频中所观察到的运动来确定阶段。然后通过针对每个阶段针对正常对象记录传感器120的传感器状态来确定适于每个运动阶段的传感器120的状态。在一些实施例中，与每个运动阶段相关联的传感器状态被存储在与模块150相关联的存储器上。在一些实施例中，在步骤201中，还确定适于每个运动阶段的运动模型。例如，运动模型被编程为模块150上的指令组。在后面的章节中描述的示例性实施例中，在步行的各个阶段期间用于脚踝的数学运动模型被编程到模块150中。

在步骤203中，当马达116不被控制器140驱动时，机器人状态参数诸如在每个运动阶段期间在正常对象中的梁112的角度以例如基于来自传感器121的角度测量值的新的或历史记录来确定。在一些实施例中，在步骤203期间，外部骨骼机器人关节110附接到正常对象，其在机器人关节110不施加转矩的同时使梁112运动通过多个运动阶段。

在步骤205期间，外部骨骼机器人关节110附接到受损对象，其在机器人关节110不施加转矩的同时使梁112运动通过多个运动阶段。当受损对象使得梁112运动通过多个运动阶段时，传感器120沿着传感器通信通道122将传感器状态168传送到模块150，因此模块150可以确定对应于传感器状态168的运动阶段。此外，随着受损对象使得梁112运动通过多个运动阶段，传感器120测量机器人状态参数，诸如在每个运动阶段期间关节192在运动期间的角度，并将该机器人状态参数数据传送到控制器。如果使用运动模型，则模块150将在每个运动阶段期间测得的梁112的运动模型参数与适于每个运动阶段的运动的相应阈值参数进行比较。

在步骤207中，由模块150确定适于每个运动阶段的欠缺参数轨迹167。在步骤203,205中接收到机器人状态参数轨迹166a，166b之后，在步骤207中，模块150通过计算适于每个运动阶段的正常机器人状态参数轨迹166a和受损机器人状态参数轨迹166b之间的差值来确定欠缺参数轨迹167。在使用运动模型的实施例中，参数欠缺被参数化为一个或多个模型参数的值。

在步骤209中，基于当前传感器状态，由模块150确定适于当前运动阶段的机器人所施加的转矩的适应性定时。例如，如果当前传感器状态是图1B中的曲线169的最大值，则模块150确定当前运动阶段是阶段C。然后，模块150将当前运动阶段中的欠缺参数167与机器人状态参数阈值进行比较。如果模块150确定当前运动阶段中的参数欠缺167小于机器人状态参数阈值，则模块150在当前运动阶段期间不向可变转矩马达116传送所施加的转矩信号。如果模块150确定当前运动阶段中的欠缺参数167大于机器人状态参数阈值，则模块150在当前运动阶段期间向可变转矩马达116传送所施加的转矩信号

在步骤211中，由模块150为当前运动阶段确定机器人所施加的转矩的适应性量值。为了在当前运动阶段(例如，阶段C)期间确定所施加的转矩的适应性量值，模块150使用适于当前运动阶段的所计算出的欠缺参数167或运动模型的参数化值。在一个实施例中，虽然欠缺参数167可以在当前运动阶段内变化，但是模块150使用来自步骤201所确定的运动模型来确定在整个当前运动阶段(例如，阶段C)中适于所施加转矩的固定适应性量值或量值的模型曲线。

在步骤213中，基于适于当前运动阶段的适应性定时，机器人所施加的转矩的适应性量值由可变转矩马达116针对当前运动阶段施加到枢轴114上。在步骤213期间，模块150基于来自步骤209的当前运动阶段的适应性定时，将适于当前运动阶段的施加转矩的适应性量值数据传送到可变转矩马达116。在从模块150接收到适应性量值数据之后，可变转矩马达116在当前运动阶段期间将具有适应性量值的施加的转矩施加到枢轴114上。该施加的转矩辅助对象190相对于身体191运动肢体193，从而训练关节192。

在步骤215中，基于梁112是否已经到达运动周期的最后运动阶段，由模块150确定关节192是否已经到达运动周期末期。为了确定关节192是否已经到达运动周期末期，模块150确定由模块150从传感器120接收到的传感器状态168是否指示梁112处于最后的运动阶段(例如，阶段E)。在步骤201中，模块150确定适于每个运动阶段的传感器状态168，包括指示最后运动阶段的传感器状态168。因此，在步骤215中，模块150将适于最后运动阶段的传感器状态168与从适于当前运动阶段的传感器120接收的传感器状态168进行比较。如果模块150确定梁112尚未到达最后运动阶段，所述方法将返回到步骤209。如果模块150确定梁已经到达最后运动阶段，则所述方法继续到步骤217。

在步骤217中，由模块150确定物理治疗疗程是否已经结束。为了确定物理治疗疗程是否已经结束，模块150确定梁112已经完成多少次运动周期，并将该次数与适于物理治疗疗程的运动周期阈值次数进行比较。如果梁112已经完成阈值次数的运动周期，则模块150确定物理治疗疗程已经结束，并且该方法继续到步骤219。如果梁112尚未完成运动周期的阈值次数，则模块150确定物理治疗过程尚未结束，并且该方法转到上述步骤209。

在步骤219中，由模块150确定患者是否已经结束物理治疗。为了确定患者的物理治疗是否已经结束，模块150确定患者完成了多少次物理治疗疗程，并且将该次数与用于物理治疗的物理治疗疗程的阈值次数进行比较。如果患者已经完成了阈值次数的物理治疗疗程，则模块150确定针对患者的物理治疗已经结束，并且该方法结束。如果患者还没有完成物理治疗疗程的阈值次数，则模块150确定针对患者的物理治疗尚未结束，并且该方法转到步骤221。

在步骤221中，基于患者的进展，由模块150确定是否预测所施加转矩的适应性量值的变化。如果模块150确定不对所施加转矩的适应性量值的变化进行预测，而是重新测量所施加转矩的适应性量值的变化，则该方法转到步骤205。然后该方法测量所施加转矩的适应性量值的任何变化，上述测量通过在步骤205,207,209中针对每个运动阶段重新测量欠缺参数167、然后使用这个重新测得的欠缺参数167在步骤211中针对每个运动阶段的适应性量值的变化来进行测量。如果模块150确定预测施加转矩的适应性量值的变化，则该方法转到步骤223。

在步骤223中，由模块150对所施加转矩的适应性量值的变化进行预测。为了预测所施加转矩的适应性量值的变化，模块150使用运动学习模型，其基于一个或多个机器人状态参数(诸如完成的运动周期的次数)来估计欠缺参数167中的变化。在模块150使用运动学习模型来预测欠缺参数167的变化之后，该方法通过转到步骤205,207来确认该预测，而欠缺参数167则被重新测量。在一个实施例中，在模块150使用运动学习模型来预测欠缺参数167的变化之后，该方法不需要确认欠缺参数167中所预测的变化，并且可以直接返回到步骤209。

2.示例性实施例

A.脚踝

本发明的一个示例性实施例在患者经历中风之后通过增加瘫痪的(例如受影响的)脚踝的贡献来改善步行和平衡功能的情况下使用，因为脚踝在步态和平衡的生物力学中起到重要作用。在中风后，一些(或全部)步态的生态方面的被打乱。例如，“垂足”是一种常见的损伤，其是由于抬起脚部的背屈肌肉的弱化引起的。如下面所论述的那样，垂足的存在阻碍了当从迈脚阶段转换到步态周期的摆动阶段时受损脚充分抬离地面的能力，这对于安全和有效的步行是必需的。因此，垂足在步行中经常会导致一个或多个并发症，包括“脚趾阻力”(即，在步态周期的摆动阶段拖动受损的脚)；在步态周期的迈脚阶段(脚朝向其中线向内扭转的转换过程)的“脚踏”(即，脚与地面的不受控初始接触)和/或侧向不稳定性。

根据一个示例性实施例，外部骨骼机器人关节110是脚踝机器人。图3是示出根据一个实施例的用于在受损的脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例***的照片。该***包括脚踝机器人300，脚踝机器人300固定到身体和在对象脚踝关节两侧的脚上。如图3中所示，脚踝机器人300包括鞋302(对应于用于连接到肢体193的梁112b)和膝盖支架304，膝盖支架304由对象穿戴并用快速连接器306固定到对象。带308附接到对象的脚桥。然后使用一对快速锁310将脚踝机器人300的其余部分安装到膝盖支架304上。

脚踝机器人300包括马达314(对应于马达116)，其通过一对线性致动器316(对应于梁112a和驱动链118)连接到鞋302，并通过一对线性致动器316选择性地将转矩围绕脚踝关节施加到鞋302上。在一个示例性实施例中，马达314是一对无刷直流马达，每个能够产生0.25牛顿米(N-m)的连续失速转矩和0.8Nm的瞬时峰值转矩。牵引驱动器316使用快速锁310和球窝接头320(对应于枢轴114)连接到鞋302的任一侧，并且在球窝接头322处连接到马达314。第一位置传感器312(对应于一个机器人传感器121)测量鞋302的位置或角度，并将该位置或角度信息传送到马达314，以使马达314换向。在示例性实施例中，第一位置传感器312是旋转编码器。第二位置传感器313(对应于另一个机器人传感器121)容纳在线性致动器316的驱动轴附近的黑色外壳内。第二位置传感器313测量鞋302的位置或角度并将该位置或角度信息传送到控制器140(未示出)。在示例性实施例中，第二位置传感器313是线性增量式光学编码器。膝盖电位计315还被提供成用于测量膝盖的角度并且将该角度信息传送到控制器140。马达314可以被用作转矩传感器并且将电流或电压信息通信到控制器140，其可以用于测量由对象围绕脚踝关节施加的转矩。如图3中所示，脚踝机器人300还包括肩带318，以在使用脚踝机器人300期间任选地支撑对象的体重。

在一个示例性实施例中，脚踝机器人300是具有3个自由度(DOF)的可穿戴式机器人，其可以小于3.6kg重量的低内在机械阻力进行反向驱动。它允许在地上、在跑步机上步行期间或坐着时在脚部的所有3个自由度上相对于胫骨的正常运动范围(ROM)。在一个示例性实施例中，脚踝机器人300通过并行安装的两个线性致动器316在两个脚踝的3DOF中提供致动，即跖屈-背屈和反转-外翻。在一个示例性实施例中，脚踝处的内部-外部旋转受到限制，其中脚部在横向平面中的取向主要由腿部的旋转来控制。如果两个致动器316在相同的方向上推动或拉动，则产生DP(背屈-跖屈)转矩。类似地，如果两个致动器316在相反的方向上推动或拉动，则导致反转-外翻转矩。在一个示例性实施例中，脚踝机器人300允许背屈25°，跖屈45°，反转25°，外翻20°以及内旋或外旋15°。这些限制接近正常对象的舒适运动的最大范围，并超出典型步态所需的范围。在一个示例性实施例中，脚踝机器人300可以提供在DP转矩中23Nm和在外翻-反转(IE)转矩中15Nm的连续净转矩。在一个示例性实施例中，脚踝机器人300具有低摩擦(0.744Nm)和惯性(每个致动器0.8kg，脚部总共1.6kg)以最大化反向驱动性。

为了执行方法200的步骤201，最初确定适于受损脚踝关节的步态周期400的多个运动阶段。图4A是根据一个实施例的脚踝关节的步态周期400的多个运动阶段的图。步态周期400以包括脚后跟着地运动阶段408和中期迈脚运动阶段410的早期迈脚402开始。步态周期400然后进行到包括脚后跟抬离运动阶段412和脚趾抬离运动阶段414的后期迈脚404。步态周期400然后进行到包括初始摆动运动阶段416和终端摆动运动阶段418的摆动406。

为了确定对象何时处于每一个这些运动阶段中，图4B示出位于脚踝机器人300的鞋302的脚后跟区域、脚趾区域、中间区域和侧向区域中的脚踏开关425(对应于对象传感器120)。脚踏开关425通过脚踝机器人300的控制器140连接到驱动模块150并且在步态周期400的每个运动阶段期间将脚踏开关425的集合输出通信到驱动模块150。每个脚踏开关425是压力传感器，其切换到“打开”位置并当在鞋的相应区域中检测到阈值压力时输出相应的电压信号。如果在鞋的相应区域中未检测到阈值压力，则每个脚踏开关425保持在“关闭”位置并且不输出相应的电压信号。

如图4B中所示，其示出脚踏开关425的总电压输出的轨迹424，相对于包括步态周期400的多个运动阶段的时间水平轴422对垂直轴420绘制。由於没有鞋的区域与地面接触，因此当对象进入终端摆动运动阶段418并且每个脚踏开关425处於“关闭”时，轨迹424开始于脚踏开关425的最小总电压输出的位置。由于只有鞋的脚后跟区域接触地面，因此当脚后跟区域的脚踏开关425“打开”而其它脚踏开关425“关闭”时，对象进入脚后跟着地运动阶段408便会使轨迹424增加。当对象进入脚后跟着地运动阶段408和中间迈脚运动阶段410之间的早期迈脚运动阶段409时，而脚后跟区域的脚踏开关425、内侧区域的脚踏开关425和外侧区域的脚踏开关425每个都是“打开”而脚趾区域的脚踏开关425“关闭”时，轨迹424继续增加。由於鞋的所有区域都与地面接触，因此当对象进入中期迈脚运动阶段410并且每个脚踏开关425“打开”时，轨迹424增加到脚踏开关425的最大总电压输出的位置。当对象进入脚后跟抬离运动阶段412时，当脚后跟区域的脚踏开关425“关闭”而其余脚踏开关425“打开”时由于鞋的脚趾区域、内侧区域和外侧区域与地面接触，轨迹424减少。由於没有鞋的区域与地面接触，当对象进入脚趾抬离运动阶段414并且每个脚踏开关425“关闭”时，轨迹424然后减小到脚踏开关425的最小总电压输出。当步态周期400被对象重复时，轨迹424继续重复。

为了执行示例性实施例中的方法200的步骤201，图5是示出根据一个实施例的用于基于脚踏开关425输出来确定脚踝关节功能的多个运动阶段的方法500的实例的流程图。在开始之后，在步骤501中，脚踏开关425被定位在脚踝机器人300的鞋302的每个区域中，包括脚趾区域、脚后跟区域、中间区域和外侧区域。然后，脚踝机器人300被附接到对象，诸如没有受损脚踝关节的正常对象。正常对象然后在一段预定的时间内(例如1分钟)无辅助地行走。在步骤503中，当对象走过多个步态周期400时，控制器140的驱动模块150接收从脚踏开关425输出的总脚踏开关425输出。在步骤505中，模块150随时间的推移分析总脚踏开关425输出，并将脚踏开关425输出与针对每个运动阶段存储在模块150的存储器中的预定电压阈值进行比较。基于该分析，在步骤505中，模块150基于总脚踏开关425输出来确定适于脚踝关节的步态周期300的运动阶段。

另外，为了执行示例性实施例中的方法的步骤201，确定适于每个运动阶段的运动模型并将其编程到控制器140的模块150中。图6示出根据一个实施例的模型的组件。适于在脚后跟着地运动阶段408和中期迈脚运动阶段410(也称为“脚踏”)之间运动欠缺的运动模型通过由下面的方程式1定义的最小阻尼参数b_min来参数化。给定具有身高H和质量M的人，并且假设零能量转矩，b_min是用于限制峰值脚踝角速度V_HS小于某个期望(例如，规范)值V_m以减小着陆时的冲击力的最小阻尼参数。

其中α是k/H；k是身体重心与脚踝之间的距离(以米为单位，m)；H是身体的高度(以米为单位，m)；M是身体的质量(以千克为单位，kg)；g是重力加速度(9.81ms-2)；φ是对象的身体部分(例如191)和垂直方向(弧度，rad)之间的角度；V_m是在脚后跟着地运动阶段408期间脚部的期望的最大角速度(每秒的度数，°/秒)，以及VHS是在脚后跟着地运动阶段408期间测得的脚部的最大角速度(每秒的度数，°/秒)。最小阻尼参数b_min与峰值角速度V_m的期望上限成反比，即，阻尼越高，峰值角速度(因此冲击力)越小，以及反之亦然。

图7是示出根据一个实施例的用于确定脚踝关节功能的步态周期400的脚后跟着地运动阶段408和中期迈脚运动阶段410之间的运动模型的方法700的实例的流程图。在步骤701中，模块150提示对象输入方程式1的身体参数，包括距离k，高度H，质量M和角度φ。在步骤703中，如下所述，模块150在受损对象的无辅助步行周期期间测量在运动阶段408，410之间的对象的脚部的峰值角速度。在步骤705中，模块150确定在运动阶段408，410之间的脚部的期望的峰值角速度。在示例性实施例中，期望的峰值角速度可以针对所有对象固定在年龄匹配的非受损对象的典型标准值。在一个实例中，期望的峰值角速度是每秒200度。在一个示例性实施例中，基于在受损对象的无辅助步行周期期间测量非瘫痪脚部的峰值角速度来确定期望的峰值角速度。

在步骤707中，模块150使用方程式1计算最小阻尼参数b_min。方法700的步骤被编程到模块150中，并且在确定受损对象遭受脚后跟着地运动阶段408和中间迈脚运动阶段410之间的“脚踏”欠缺时，模块150开始方法700的步骤来确定最小阻尼参数，该最小阻尼参数被用来参数化适于在脚后跟着地运动阶段408和中期迈脚运动阶段410之间运动的转矩。

图8示出基于对象的体重M和期望的峰值角速度V_m确定的最小阻尼参数表面800的实例。表面800值由最小阻尼参数b_min的值的垂直轴802给出。期望的峰值角速度V_m值由相对于第一水平轴线(或水平轴)804的位置给出，而体重M值由相对于第二水平轴线806的位置给出。代替使用方程式1来计算最小阻尼参数b_min，图8的数字版本提供了可选的“快速查找”表面800，以基于已知质量M和期望角速度V_m来确定最小阻尼参数b_min。方程式1或者图8的表面800提供了用于在脚后跟着地运动阶段(v_HS)处测得的最大角速度等于或低于脚后跟着地运动阶段(V_m)处的期望最大角速度的最小阻尼参数b_min。

另外，为了执行示例性实施例中的方法的步骤201，用于初始摆动运动阶段416和终端摆动运动阶段418(也称为“脚垂”)之间运动的运动模型由最小值刚度参数K_min由下面的方程式2提供。最小刚度参数K_min用于确保摆动运动阶段416期间的峰值脚踝角度达到期望值。

其中γ是θ_max/θ_d(在0和1之间)；θ_max是在初始和终端摆动运动阶段416,418期间测得的实际峰值角度(度，°)；θ_d是在初始和终端摆动运动阶段416,418期间测得的期望的峰值角度(度，°)，以及K_h是脚踝的固有刚度(以每弧度牛顿米为单位，Nm/rad)。图6示出在初始和终端摆动运动阶段416,418期间在地面和对象的脚之间测得的角度θ。图9是示出根据一个实施例的用于确定步态周期400的初始摆动运动阶段416和终端摆动运动阶段418之间运动的运动模型的方法900的实例的流程图。

在步骤901中，模块150确定脚踝的固有刚度K_h。在示例性实施例中，在对象处于就坐位置的同时，模块150向马达314传送信号以使脚部以恒定的角速度(诸如每秒5度)倾斜。在一个示例性实施例中，每个倾斜开始和结束于中性位置并且以5度的增量(例如，从中性±5度，从中性±10度等)运动。对于脚部的每个角位移，使用从马达314发送到控制器140的电流或电压数据来测量响应转矩。测得的转矩(单位为Nm)与从中性位置的角位移(以弧度表示)之比产生内在脚踝刚度(Nm/rad)的估计值。在一个示例性实施例中，通过使用最小二乘线性回归来拟合成对的稳态转矩和角度数据，因此在DOF内的每个运动方向上获得固有的脚踝刚度估计值。

在步骤903中，如下所述，模块150在对象的无辅助步行周期期间测量在初始和终端摆动阶段416,418期间对象的脚部的峰值摆动角度。

在步骤905中，模块150确定在初始和终端摆动阶段416,418中的脚部的期望峰值角度。在示例性实施例中，期望峰值角度对于所有对象都固定在年龄匹配的非受损对象的典型标准值。在一个实例中，期望的峰值角度在10-12度的范围内。在一个示例性实施例中，基于在受损对象的无辅助步行周期期间测量非瘫痪脚部的峰值角度来确定期望的峰值角度。

在步骤907中，模块150使用方程式2来计算最小刚度参数K_min。方法900的步骤被编程到模块150中，并且在确定受损对象遭受初始和终端摇摆阶段416,418之间的“垂脚”欠缺时，模块150开始方法900的步骤，以便确定用于参数化初始和终端摆动阶段416,418之间运动的转矩的最小刚度参数。

图10A是根据一个实施例示出基于对象的实际峰值摆动角度θ_max与期望的峰值摆动角度θ_d之比的最小刚度参数轨迹1000的实例的图。轨迹1000具有基于最小刚度参数K_min的值相对于垂直轴1002的位置的值。比值γ由水平轴线1004表示。轨迹1000使用方程式2基于30Nm/rad的固有刚度K_h形成。不使用方程式2来计算最小刚度参数K_min，而是图10A中的轨迹1000的数字表提供可选的“快速查找”表，以基于对象的实际峰值摆动角度θ_max与期望的峰值摆动角度θ_d的已知比值γ来确定最小刚度参数K_min。方程式2和图10A的轨迹1000均提供实际峰值角度θmax所需的最小刚度参数K_min为期望的峰值摆动角度θ_d的期望比值γ。图10A示出多个垂直截距线1006,1008,1010，其以K_min的相应值与垂直轴1002相交，该K_min值实现了对象的实际峰值摆动角度θ_max与期望的峰值摆动角度θ_d的特定比值。例如，垂直截取线1008以125Nm/rad的K_min值与垂直轴1002相交，表示达到0.8的比值γ所需的K_min值。

此外，为了执行示例性实施例中的方法的步骤201，用于在脚后跟抬离运动阶段412和脚趾抬离运动阶段414(也被称为“推出”)之间运动的运动模型使用不同的最小刚度参数，该最小刚度参数与适于初始和终端摆动运动阶段416,418之间的运动模型的方程式2的最小刚度参数不同。图10B是示出佩戴脚踝机器人的身体和脚部的尺寸的图。在示例性实施例中，描绘具有长度L和重心m_b的身体，其与垂直方向形成角度φ。脚部具有长度l_f和重心m_f，其相对于身体形成角度θ。τ_PF是机器人在初始和终端摆动运动阶段416,418之间围绕脚踝施加的转矩。F_x和F_y是在当脚部的脚后跟区域抬离地面的时刻t_HO和脚部的脚趾区域抬离地面的t_TO之间施加在脚踝上的相应的前后(AP)和地面反作用力(GRF)。在示例性实施例中，当来自脚后跟区域中的脚踏开关425的输出从高到低(或从打开到关闭)变化时，确定t_HO。在另一个示例性实施例中，当来自脚趾区域中的脚踏开关425的输出从高到低(或从打开到关闭)变化时，确定t_TO。脚后跟抬离运动阶段412和脚趾抬离运动阶段414之间的运动模型的最小刚度参数K_min2由下式确定：

其中θ*_PF是以度(deg)为单位的在t_HO和t_TO之间脚相对于身体的峰值摆动角度；ΔT_LS是以秒(sec)为单位的在t_HO和t_TO之间的持续时间；I_θ是在t_HO和t_TO之间的θ(t)下的面积，单位为度-秒；I_a是脚部围绕脚踝的惯性矩(单位为公斤2)；Δθ是在t_HO和t_TO之间的脚踝角速度差，单位是度/秒(deg/sec)；Δφ是以每秒度(度/秒)为单位的在t_HO和t_TO之间的身体角速度差；b是以Nms/rad为单位的机器人阻尼参数；Δθ_LS是以度(deg)为单位的在t_HO和t_TO之间的脚踝角位移；m_f是以千克(kg)为单位的脚部质量；g是重力加速度；ca是相对于脚踝的以米(m)为单位的质量水平位置的脚中心；l_f是以米(m)为单位的脚部长度；P_d是基于以牛顿*秒为单位的F_x在t_HO和t_TO之间在x方向上在脚踝上所需的脉冲；F_y是在t_HO和t_TO之间脚踝上的GRF。与初始摆动运动阶段416和终端摆动运动阶段418之间的运动模型的方程式2的最小刚度参数Kmin相比，基于方程式3的最小刚度参数K_min2对应于获得前后(AP)脉冲的所需(即，规范)值所需的最小刚度(即力的定义时间积分，其中积分时间极限是下限的脚后跟抬离运动阶段412和上限的脚趾抬离运动阶段414)。因此，使用最小刚度参数K_min2来计算在晚期迈脚404期间获得期望AP推进脉冲所需的补充跖屈辅助(即，转矩)，因为许多中风存活者具有弱的推出推力，其原因在于由脚踝肌肉组织产生的机械动力减弱(在这种情况下，跖屈-两个主跖屈是腓肠肌和比目鱼肌)。

为了执行方法200的步骤203，脚踝机器人300由步行预定时间量(诸如1分钟)的正常对象佩戴，并且使得脚踝关节运动通过多个运动阶段，而脚踝机器人300不施加转矩。当正常的对象使得脚踝运动通过多个运动阶段时，脚踏开关425将电压420信号传送给模块150，因此模块150可以确定对应于电压420信号的运动阶段。此外，当正常对象使得脚踝关节运动通过多个运动阶段时，传感器313基于每个运动阶段期间的脚踝的运动来测量脚部的位置或角度，并且将该位置或脚踝数据传送到驱动模块150。在一些实施例中，转矩传感器(例如，马达314)测量在每个运动阶段期间由脚踝的运动施加的转矩，并且通过控制器140将该转矩数据传送给模块150。

作为由模块150接收到的角度数据或位置数据的结果，图11示出根据一个实施例的用于多个运动阶段期间的正常和受损对象的角度轨迹1102，1104的实例。水平轴1120以运动阶段序列内的相对单位表示时间。左侧垂直轴1110表示脚部相对于地面的测得角度。当正常对象使得脚踝关节运动通过多个运动阶段并且相对于垂直轴1110绘制时，角度轨迹1102由传感器313(或通过使用转矩数据的马达314)测量。模块150使用接收到的脚踏开关425数据与时间的关系来确定在步态周期400的每个运动阶段内的角度轨迹1102。如图11中所示，当正常对象进入脚后跟抬离运动阶段412时，角度轨迹1102近似为零，因为脚部在地面上是大致平坦的。随着对象从脚后跟抬离运动阶段412运动，角度轨迹1102随着脚部的角度负增长而减小并且在初始摆动运动阶段416处达到负峰值角度θ_p。随着对象从初始摆动运动阶段416运动，角度轨迹1102增加并且在对象到达终端摆动运动阶段418之前达到最大峰值角度θ_d(也称为期望的峰值角度)。角度轨迹1102被存储在模块150的存储器中。在实施例中，代替角度轨迹1102，在步骤203中，基于在正常对象的无辅助步行期间从转矩传感器(例如，马达314)提供给模块150的转矩数据形成转矩轨迹，并且将转矩轨迹存储在模块150的存储器中。

为了执行方法200的步骤205，受损对象佩戴脚踝机器人300步行预定时间量(诸如1分钟)，并且使得脚踝关节运动通过多个运动阶段，而脚踝机器人300不施加转矩。当受损对象使得脚踝运动通过多个运动阶段时，脚踏开关425将电压420信号传送到模块150，因此模块150可以确定对应于电压420信号的运动阶段。另外，当受损对象使得脚踝关节运动通过多个运动阶段时，传感器313基于每个运动阶段期间的脚踝运动来测量脚部的位置或角度，并且将该位置或脚踝数据传送到控制器140。在一些实施例中，转矩传感器(例如马达314)测量在每个运动阶段期间由脚踝的运动施加的转矩，并且将该转矩数据传送到控制器140。另外，在一个实施例中，在步骤205期间，在脚后跟着地运动阶段408期间测量速度(例如方法700的步骤703)，并且在初始摆动运动阶段416期间测量峰值摆动角度θ_max(例如方法900的步骤903)。作为由模块150接收到的角度数据或位置数据的结果，图11示出当受损对象使得脚踝关节运动通过多个运动阶段并且相对于垂直轴1110绘制时由传感器313(或通过使用转矩数据的马达314)测得的角度轨迹1104。在实施例中，在步骤205中，代替角度轨迹1104，基于在受损对象的无辅助步行期间从转矩传感器(例如，马达314)提供给模块150的转矩数据形成转矩轨迹，并且转矩轨迹被存储在模块150的存储器中。

在一个实施例中，脚踝机器人300包括定位在由对象佩戴的两只鞋302中的脚踏开关425，并且模块150从每个鞋302接收来自每组脚踏开关425的总电压420信号。在步骤205期间，受损对象的欠缺是很大的，所以模块150可能不能确定与从受损脚部的鞋302中的脚踏开关425接收到的电压信号420相对应的运动阶段。然后，模块150被配置成基于从未受损脚部的鞋302中的脚踏开关425接收到的电压信号420来确定受损脚部的运动阶段。模块150首先基于从未受损脚部的鞋302中的脚踏开关425接收到的电压信号420来确定未受损脚部的运动阶段，然后将未受损脚部的运动阶段转换为受损脚部的运动阶段。模块150的存储器存储在步态周期400期间的未受损脚部的运动阶段和受损脚部的运动阶段之间的转换关系。例如，当非受损脚部处于中间迈脚运动阶段410时，受损脚部处于脚后跟抬离运动阶段412中。在该实施例中，在使用脚踝机器人300期间，模块150使用来自未受损脚部的脚踏开关425信号来确定当前运动阶段和定时以及施加于脚部的转矩量值。

为了执行方法200的步骤207，图12是示出根据一个实施例的用于确定步态周期400的每个运动阶段的欠缺角度1106的方法1200的实例的流程图。在步骤1201中，模块150基于相应的角度轨迹1102,1104来确定适于每个运动阶段的欠缺角度1106。在一个实施例中，模块150通过计算适于每个运动阶段的适于正常对象的角度轨迹1102和适于受损对象的角度轨迹1104之间的差值来确定适于每个运动阶段的欠欠缺角度度1106。

在步骤1203中，模块150针对每个运动阶段确定角度轨迹1102,1104之间的欠缺角度1106的量值和极性。然后模块150基于欠缺角度1106的量值和极性识别每个欠缺角度1106的运动阶段。在示例性实施例中，模块150基于欠缺角度1106的极性为正以及欠缺角度1106的量值大于第一最小阈值来识别脚后跟抬离运动阶段412和脚趾抬离运动阶段414之间的欠缺角度1106。在一个示例性实施例中，模块150基于欠缺角度1106的极性为正并且欠缺角度1106的量值大于小于第一最小阈值的第二最小阈值来识别初始摆动运动阶段416与终端摆动运动阶段418之间的欠缺角度1106。在示例性实施例中，第一最小阈值在5-10°的范围内，以及第二最小阈值在0-5°的范围内。在一个示例性实施例中，模块150基于负值欠缺1106的极性为负以及最大角速度(v_HS)的量值大于阈值速度来识别脚后跟着地运动阶段408和中期迈脚运动阶段410之间的欠缺角度1106。在示例性实施例中，阈值速度在45-55度/秒的范围内。在示例性实施例中，模块150在欠缺角度1106的量值为零或小于最小阈值的运动阶段期间不识别欠缺角度1106。

如图11中所示，模块150确定欠缺角度1106的极性是正的(例如，角度轨迹1102大于角度轨迹1104)，并且欠缺角度1106的量值大于第二最小阈值。因此，模块150识别在初始和终端摆动运动阶段416,418之间的欠缺角度1106。另外，如图11中所示，模块150确定在脚后跟抬离运动阶段412和初始摆动运动阶段416之间的欠缺角度1106的量值为零，并且因此模块150不识别脚后跟抬离运动阶段412和初始摆动运动阶段416之间的欠缺角度。

在步骤1205中，模块150确定在步骤1203中被识别具有最大量级的欠缺角度1106的主欠缺角度1106的运动阶段。在示例性实施例中，在步骤1203中，模块150确定在相应的运动阶段A，B和C期间角度欠缺1106为5度，6度和7度。在步骤1205中，模块150确定运动阶段C是具有7度的最大量级的主欠缺角度1106。在一个实施例中，模块150被配置成仅使得控制器在步骤1205中识别的主欠缺角度1106的运动阶段期间将转矩信号传送到马达314，直到在主欠缺角度的运动阶段中的欠缺角度1106的量值降低预定量。

在步骤1207中，基于适于每个运动阶段的运动模型，模块150在步骤1203中识别的每个运动阶段期间参数化欠缺角度1106。在一个示例性实施例中，对于初始和终端摆动阶段416,418之间的欠缺角度1106，在步骤1207中，模块150使用方法900中的步骤907中使用方程式2计算出的或者使用图10A的“查找”轨迹1000来确定的最小刚度参数K_min来用于将欠缺角度1106参数化。可以将方程式2重写为方程式4：

其中Δ是基于最小刚度参数K_min的参数化的欠缺角度906。在初始和终端摆动阶段416,418之间的运动模型的方程式4明确地将参数化的欠缺角度Δ与最小刚度参数K_min相关联。对于选择的γ值，参数化的欠缺角度Δ与最小刚度参数K_min成反比。图13是示出根据一个实施例的基于最小刚度参数K_min的参数化的欠缺角度角轨迹1300的实例的图。相对于参数化的欠缺角度Δ的值的垂直轴1302来测量欠缺角度轨迹1300，并相对于最小刚度参数K_min的值的水平轴1304作图。如图13中所示，针对比值γ的各种值，诸如0.7,0.8和0.9，提供相应的轨迹1300。因此，初始和终端摆动阶段416,418之间的运动阶段的步骤1207涉及确定最小刚度参数K_min，然后使用方程式4或者使用基于轨迹1300的数字数据的“查找”表来确定参数化的欠缺角度Δ。在步骤1207中确定的参数化的欠缺角度被用于基于实际性能和历史恢复时间来初始化脚踝机器人300，刚度值K从脚踝机器人300随时间变化。

为了执行1207在脚后跟着地运动阶段408和中期迈脚运动阶段410之间的运动模型，在识别运动阶段408,410之间的欠缺角度1106之后，控制器140确定欠缺转矩Δτ，其是期望的转矩τ_d和脚后跟着地运动阶段408与中期运动阶段410之间的测得的转矩τ之间的差值。在一个实施例中，在脚后跟着地运动阶段408和中期迈脚运动阶段410之间正常对象的期望转矩τ_d和受损对象的测得转矩τ在步骤203,205期间由转矩传感器(例如马达314)测量并存储在模块150的存储器中。在步骤1207期间，模块150使用在方法700中的步骤707中使用方程式1计算出的或使用图8的“查找”轨迹800来确定的最小阻尼参数b_min，以将运动阶段408,410之间的欠缺转矩Δτ参数化。可以将方程式1重写为方程式5。

Δτ≤b_min(V_m-v_HS)+τ_d-C (5)

其中Δτ是运动阶段408,410之间的参数化的欠缺转矩，τ_d是运动阶段408，410之间的期望转矩，以及C是来自方程式1的αgMHφ。运动阶段408，410之间的运动模型明确地将欠缺转矩Δτ与最小阻尼参数b_min相关联。对于V_m的选定值，欠缺转矩Δτ与最小阻尼参数b_min成正比。

图14是示出根据一个实施例的基于最小阻尼参数b_min的参数化的欠缺转矩轨迹1400的实例的曲线图。欠缺转矩轨迹1400相对于参数化的转矩欠缺值Δτ的垂直轴1402进行测量，并相对于最小阻尼参数b_min值的水平轴1404来绘制。如图14中所示，针对最大角速度(v_HS)的各种值，诸如100度/sec，200度/sec和300度/sec，提供相应的轨迹1400。因此，适于脚后跟着地运动阶段408和中期迈脚运动阶段410之间的运动阶段的步骤1207涉及确定最小阻尼参数b_min，然后使用方程式5或使用基于轨迹1400的数字“查找”表来确定参数化的转矩欠缺Δτ。在步骤1207中确定的参数化转矩欠缺被用于基于实际性能和历史恢复时间来初始化脚踝机器人300，从其到衰减值b随时间的推移而变化的。

图15是示出根据一个实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例性驱动模块1500的框图。驱动模块1500是模块150的特定实施例，但不包括人脚踝1510。在模块1500的操作期间，受损对象佩戴脚踝机器人300并且使得对象的脚踝1510运动通过多个运动阶段。人脚踝1510对一个或多个脚踏开关425施加压力，脚踏开关425将总电压420输出传送给模块1500。基于图5的方法500，模块1500预先确定步态周期300的与每个总脚踏开关输出相对应的运动阶段，并且该预定关系在表1502中示出。基于脚踏开关425的总电压420输出，模块1500确定步态周期300的当前运动阶段。如上所述，模块1500将正常对象的脚踝轨迹1102和受损对象的角度轨迹1104存储在存储器中，模块1500被描绘为图15中的参考模块1506。当对象步行通过每个运动阶段时，模块1500从参考模块1506检索对应于当前运动阶段的存储角度轨迹1102值、角度轨迹1104值和欠缺角度1106。

在一个示例性实施例中，代替角度轨迹值1102,1104和欠缺角度1106，模块1500可以检索存储在模块1500的存储器中的正常对象和受损对象的转矩轨迹值以及当前运动阶段的欠缺转矩。

为了执行方法200的步骤209，由模块150基于脚踏开关425的当前电压420输出来确定适于当前运动阶段的适于脚踝机器人施加转矩1514的适应性定时。在图15的示例性实施例中，模块1500确定脚踏开关425的当前电压420输出指示当前运动阶段是脚后跟抬离运动阶段412。模块1500使用参考模块1506来确定当前运动阶段中的欠缺角度1106的量值是否为零(或小于最小阈值)。如果模块1500在当前运动阶段中确定欠缺角度906的量值为零(或小于最小阈值)，则模块1500在当前运动阶段期间不向马达314传送施加的转矩信号。如果模块1500确定当前运动阶段中的欠缺角度1106的量值大于零(或最小阈值)，则模块1500在当前运动阶段期间将所施加的转矩信号传送到例如马达314的脚踝机器人300。

为了执行步骤211，由模块1500为当前运动阶段确定适于脚踝机器人施加的转矩1514的适应性量值。脚踝机器人施加的转矩1514的适应性量值由方程式6提供：

其中τ_R是脚踝机器人施加的转矩1514；K是控制器140的刚度设置；Δ是适于当前运动阶段的欠缺角度1106，以及B是控制器140的阻尼设置。控制器140的刚度设置K和阻尼设置B初始设置为从方程式1和2所确定的相应最小刚度设置K_min和最小阻尼设置b_min。如在步骤1207中所论述的那样，欠缺角度1106的极性和量值对于每个运动阶段是预定的，并存储在模块1500(例如参考模块1506)的存储器中。由于在初始和终端摆动阶段416,418之间以及在脚后跟抬离运动阶段412和脚趾抬离运动阶段414之间的欠缺角度1106的极性是正的，因此从方程式6所得到的脚踝机器人施加的转矩1514在这些运动阶段期间是辅助的。由于欠缺角度1106的极性在脚后跟着地运动阶段408和中期迈脚运动阶段410之间是负的，因此从方程式6所得到的脚踝机器人施加的转矩1514在这些运动阶段期间是恢复性的。

在示例性实施例中，模块1500使用图9的方法900和方程式2来确定最小刚度参数K_min，该最小刚度参数K_min随后用于将在初始和终端摆动阶段416,418之间在当前运动阶段期间施加的转矩1514的适应性量值参数化。通过将角度欠缺Δ＝θ_d-θ代入方程式6，获得以下方程式7：

其中θ_d是期望的角度，以及θ是初始和终端摆动阶段416,418之间测得的角度。由于θ_d是初始和终端摆动阶段416,418之间的期望的峰值角度(参见图11)，因此θ_d的时间导数是零。初始和终端摆动阶段416,418之间的测得角度θ的时间导数是V_θ，测得的脚踝角速度。另外，为了达到期望的峰值角度θ_d的期望比值γ，将K从方程式2设置为最小刚度参数Kmin的值。基于这些假设，方程式7变为：

τ_R＝K_minΔ+Bν_θ＝θ_dK_hγ+Bv_θ (8)

其中B是在当前运动阶段在初始和终端摆动阶段416,418之间时保持恒定的阻尼(在0.5-1.0Nms/rad的范围内)，并且控制器140在当前运动阶段期间识别欠缺角度(即步骤1203)，模块1500基于方程式8来参数化脚踝机器人施加的转矩1514。

在示例性实施例中，模块1500使用图7的方法700和方程式1来确定最小阻尼参数b_min，该最小阻尼参数b_min随后用于在脚后跟着地运动阶段408和中期迈脚运动阶段410之间的当前运动阶段期间对所施加转矩1514的适应性量值进行参数化。与在摆动阶段416，418之间的运动模型相比，由模型在脚踝关节着地运动阶段408和中期迈脚运动阶段410之间预测的转矩本质上是“有弹性的”恢复体(用于缓冲由于垂足欠缺造成的“脚踏”导致的异常高的冲击力)。运动阶段408,410之间的模型的应用模式最初将控制器140的刚度K设置为0Nm/rad，因此从方程式6得出由方程式9给出的转矩。

在方程式8中，模块1500的阻尼设置B被设置为b_min并且使用方程式1，因此获得方程式10：

在当前运动阶段在脚后跟着地运动阶段408和中期迈脚运动阶段410之间，并且模块1500在该当前运动阶段(例如，在步骤1203)中识别出欠缺角度时(例如，在步骤1203中)，模块基于方程式10将脚踝机器人施加的转矩1514参数化。

为了执行步骤213，由方程式6至10中的一个或多个确定的脚踝机器人施加的转矩1514的适应性量值由马达314基于适于当前运动阶段的适应性定时施加到适于当前运动阶段的鞋302上。在步骤213期间，基于来自步骤209的当前运动阶段的适应性定时，模块1500将用于当前运动阶段的所施加转矩1514的适应性量值数据传送到马达314。在从模块接收到适应性量值数据1500之后，马达314在当前运动阶段期间将具有适应性量值的所施加的转矩施加到鞋302上。步骤215,217,219,221以与上面论述的方法200类似的方式在脚踝机器人的示例性实施例中执行。

在步骤223中，对于每个运动阶段，通过模块150对所施加转矩1114的适应性量值的变化进行预测。图16是示出用于在每个运动阶段中预测施加转矩1514的适应性量值的变化的方法1600的实例的流程图。

在步骤1601中，模块150基于完成疗程的次数确定适于每个运动阶段的运动模型参数的预测范围。在一个示例性实施例中，最小刚度参数K_min的预测范围对于前三个疗程为125-150Nm/rad，对于接下来的六个疗程为150-200Nm/rad，此后为75-125Nm/rad。在一个示例性实施例中，最小阻尼参数b_min的预测范围对于前3个疗程为3-4Nms/rad，对于接下来的六个疗程为2-3Nms/rad，此后为1.1.5Nms/rad。

在步骤1603中，受损对象在无辅助步行期间佩戴脚踝机器人300，并且模块150接收来自马达314的转矩数据，来自传感器313的位置或角度数据以及来自脚踏开关425的电压420输出数据。基于方法700,900，模块150使用测得的位置数据重新计算适于每个运动阶段的运动模型参数。

在步骤1605中，模块150将来自步骤1603的重新计算出的运动模型参数与来自步骤1601的运动模型参数的预测范围进行比较。在示例性实施例中，如果模块150在步骤1603中重新计算出的最小刚度参数K_min为145Nm/rad，并且在步骤1601中确定125-150Nm/rad的预测范围，则模块150确定重新计算出的运动模型参数在预测的范围内并且进行到步骤1607。如果模块150确定重新计算出的运动模型参数不在预测的范围内，则方法1600进行到步骤1609。

在步骤1607中，如在步骤211中那样，模块150在步骤1603中使用重新计算出的运动模型参数来确定所施加的转矩1514的适应性量值的变化。

在步骤1609中，模块150将预测范围的接近值用于运动模型参数，以确定所施加转矩1514的适应性量值的变化。在示例性实施例中，如果模块150在步骤1603中计算出的最小刚度参数K_min为170Nm/rad，并且在步骤1601中确定为125-150Nm/rad的预测范围，则在步骤1609中，模块150确定为150Nm/rad的最大范围值是最接近重新计算出的为170Nm/rad的最小刚度参数的值，并且如在步骤211中那样因此模块150使用为150Nm/rad参数的接近值来确定所施加转矩1514的适应性量值的变化。

图17是图示根据一个实施例的在多个物理治疗疗程期间的最小刚度参数K_min的轨迹1700的实例的图。在图17的实施例中，在包括1-3次疗程的物理治疗的第一时间段ΔT0期间，将最小刚度参数Kmin调节为在125-150Nm/rad范围内的值K0。在包括6-9次疗程的物理治疗的第二时间段ΔT_max期间，将最小刚度参数Kmin调节为在150-200Nm/rad范围内的值Kmax。在超过ΔT_max的物理治疗第三时间段期间，将最小刚度参数调节为在75-125Nm/rad范围内的值K∞。方法200的步骤223可以通过选择在运动模型参数范围内的值，并且随后使用方程式6到10中的一个或多个基于运动模型参数的变化来确定在每个运动阶段中所施加转矩的适应性量值的变化。

图18是示出根据一个实施例的在多个物理治疗疗程期间的最小阻尼参数b_min的轨迹1800的实例的图。在图18的实施例中，在包括1-3次疗程的物理治疗的第一时间段ΔT_max期间，最小阻尼参数b_min被调节到在3-4Nms/rad范围内的最大值b_max。在包括6-9次疗程的物理治疗的第二时间段ΔT_med期间，将最小阻尼参数b_min调节到在2-3Nms/rad范围内的值b_med。在超过ΔT_low的物理治疗的第三时间段期间，将最小阻尼参数调节到在1-1.5Nms/rad范围内的值。方法200的步骤223可以通过选择在运动模型参数范围内的值，并且随后使用方程式6至10中的一个或多个基于运动模型参数的变化来确定每个运动阶段中所施加转矩的适应性量值的变化。

B.截肢假肢

在一个实施例中，本发明被用于设计成用于代替患者中丧失的肢体的截肢假肢以及帮助患者的远端下肢的部分截肢：a)恢复涉及脚踝关节和多节段运动控制(全身)的运动性能能力；和b)不仅在佩戴时改善步态和平衡的感觉运动功能，而且在适当的情况下进行训练，产生当装置未被佩戴时被携载的益处，以增加日常生活的运动活动量和安全性。具体地，腿部假肢提供机械支撑、缓冲、平衡和向前推进。本发明的一个示例性实施例提供关于腿部假肢的运动阶段期间的辅助和阻力的功能，包括在着陆之前的摆动阶段(在空中)以增强适当的取向，并且在迈脚阶段期间以与用户合作和更健康协作的方式控制地面力。在一个示例性实施例中，利用用于适应性辅助的适应性定时和适应性量值的电池驱动的机动化截肢假肢可用于推进主动截肢假肢的领域，这对于现在主要利用静态装置的部分远侧脚部截肢者尤其如此，静态装置提供用于控制运动的质量和安全性的动态(力)和运动(方向)力的有限的或没有动态的控制。

在一个示例性实施例中，对下肢截肢假肢的阻力的适应性计时有助于管理脚与地面之间的碰撞，从而可以改进地面反作用力的模式的方式进行运动性活动，以减少受影响的下肢处的破坏性影响，破坏性影响可直接损伤组织，并在运动链上产生疼痛、矫形和运动异常(从胫骨到膝盖、臀部和整个身体的力)。在示例性实施例中，由着陆模型通知的阻力的适应性量值还可以用于腿部假肢中，以抑制和控制着陆力的方向和量值，控制着陆的定时以改善脚部着地的平衡和持续时间以便增强稳定性和对称性，同时减少组织损伤力并改善全身(多节段)功能。

C.培训健康的关节

脚踝从一侧到另一侧的运动(反转-翻转或从此被称为IE平面的前面)在机械上独立于脚踝上下(矢状平面或PD平面)的运动，并分别在PD和IE平面中测量被动硬度(即外部位置扰动下的类似弹簧的特性)，并在IE平面中首次测量。此外，当被动地运动向内转动时，脚踝是最弱的(即机械上最顺从的)，而当从一侧向另一侧倾斜时(即，机械上较不顺从或较硬)脚踝是较强的，并且当简单地上下运动(即机械上最不顺从或最硬)时脚踝是最强的，表现出高度各向异性(即取决于方向)的多平面被动机械阻力。

用于测量脚踝关节的多平面、被动机械阻力的方法同样可概括为估计适于其它下肢关节(诸如更近侧的膝关节和髋关节)的机械阻力。在本发明的一个示例性实施例中，可以将这些教导应用于训练健康的人以特定的方式锻炼他们的脚踝，以加强他们(在人类性能增强的情况下)并帮助减少未来的受伤。在该示例性实施例中，本发明用于包括但不限于脚踝的下肢关节的人体性能增强。该示例性实施例还可以导致“智能”机械鞋，其可以提供横向(例如从一侧到另一侧的)脚部运动中的缩放和定时阻力以便机械稳定性，同时提供适于上下运动的定时辅助；或者不提供任何辅助而是使用在不同平面(即，PD平面对IE面)中具有可变阻力的智能材料(例如智能材料合金或SMA)设计并且在平面内的不同方向上(诸如背屈相对于跖屈)导致脚踝关节(或其它近侧下肢关节，其机械阻力使用上述引用中的方法来估计)接合期间的高度人体工程学和高效的被动特性。

D.在糖尿病性神经病变中调节脚部压力和地面反作用力

在一些实施例中，上述方法的一个或多个步骤用于调节糖尿病性神经病变中的脚部压力和地面反作用力。美国大约有9.3％的人和全球可能有5％的人患有2型糖尿病(T2DM)，其中65岁以上的人在26％以上；这种情况在全球老龄化和肥胖趋势的基础上预测将出现大幅上升。这些人中很大一部分会发展成周围神经病变，最终在整个疾病过程中导致100％发展成周围神经病变，其导致感觉减少，特别是在脚趾和脚部中。其次是内在脚部肌肉萎缩和由锤头形脚趾、Charcot关节、侧趾偏差和跖骨垫变薄组成的继发性骨科问题。所有这些状，加上不敏感的脚部，导致脚部溃疡，导致产生50％的五年生存率，因为他们只能用“静态矫形器”来治疗来更好地分散脚部压力。

在一个示例性实施例中，在步行周期400的脚后跟着地运动阶段408和中期迈脚运动阶段410之间采用的本发明的运动模型(即，“脚踏”)可以被用来在对象的鞋上施加恢复性转矩，因此能够精确地脉冲定时或由脚趾和脚所感知的地面反作用力，从而实现动态的实时控制以降低已知导致脚部溃疡、加重溃疡、相关的感染包括骨髓炎以及最终截肢的压力。此外，由本发明提供的在运动阶段408,410之间的运动模型的进展元件在走动条件下产生运动学习，其进入用于治疗糖尿病性神经病以及其它神经病诸如周边动脉闭塞性疾病、慢性炎症性脱髓鞘性神经病变、轴索神经病变、重金属、血管炎、免疫介导的、创伤性的、化疗后和涉及感觉、运动或感觉运动参与的其它神经病的脚病和矫形术的领域中，产生新的治疗以改善脚部着地的量和质量，减少脚部和关节损伤，预防溃疡，改善功能，并最终预防残疾和截肢。

E.运动学习以改善脚病、骨科和假肢的结果

在运动学***衡模式；尤其是后期重复性的不适应使用模式导致组织和功能随时间的推移而下降，这些问题无法通过被动装置来充分解决，而这些装置缺乏适应性控制和逐步实时调节所涉及的脚部和腿部力量。这些实施例为控制***提供欠缺调节和逐步调节能力以便动态调节步态和平衡。在一个实施例中，内置传感器还提供同步记录能力和信息，以便以定量报告通知客户端、护理人员和治疗医生，以避免失误，并且修改促进健康的身体活动行为。在假肢领域，地面反作用力(脉冲)通过假肢或残肢胫骨进行，并且多年来重复使用和冲击会造成疼痛、破坏血管有限的残端组织造成损伤和/或感染，以及残端上方的继发性关节损伤。

在步态周期400的脚后跟着地运动阶段408和中期迈脚运动阶段410之间采用的实施例的运动模型(即，“脚踏”)可用于利用适应性控制器以欠缺严重程度调节的方式产生生物启发式步行模式，通过机器学***朝向更安全的模式调节运动性个人能力以保持健康和功能独立性的能力。这将使得能够进行精确的数学建模，以便优化进展，其将用作用于辅助和通知恢复未来类似的多发性损伤和骨科或混合神经矫形病例的累积储存库。后一个实施例包括将***控制升级以便以正在进行的方式通过根据所治疗病症的性质和复杂性的重新编程、在线细化、或咨询来优化恢复和功能的能力。

F.机器人辅助的日常生活中的运动性活动

在一些实施例中，上述方法的一个或多个步骤被用于提供机器人辅助以便于安全地进行使用下肢运动性的日常生活活动(ADL)的背景下。虽然步行是优先考虑的ADL并且是恢复功能性运动性的基础，但还有其它的家庭社区ADL(诸如爬楼梯，上/下踩踏路障，跨越障碍物等)，其参与并依靠适当的时间和适当的脚部控制以便为了成功和安全。在不同的现实环境中，运动ADL的一个基本方面是，它们由一组有限的按键运动组成，以便为任务定制多节段的运动控制，并避免安全障碍。因此，完整的子任务可以被认为是“初期”运动(诸如在爬楼任务期间的抬起阶梯高度)，其包括以在快速的、过程中的动态调节为特征的方式导航通过不断变化的环境进行。因此，任何运动性ADL的成功(安全)和有效的执行都以能成功和有效地执行任务所固有的每个子任务或初期为特征。由于中风或其它神经***疾病或衰老导致的下肢包括脚踝欠缺的个体在执行一种或多种特定运动性ADL所固有的一种或多种运动性原始运动方面经常受到挑战。

在一个示例性实施例中，图3的脚踝机器人300可用于在执行ADL时协助具有脚踝关节欠缺的对象。图28A是在爬楼2810期间由对象2890所使用的图3的脚踝机器人300，其中对象2890在摆动阶段416,418之间具有“垂足”欠缺(参见图4A)。楼梯2810包括多个台阶2812,2814,2816，在台阶2812,2814,2816之间具有台阶高度2818。在步态周期400的当对象2890从台阶2812迈到台阶2814时的摆动阶段416,418期间(参见图4A)，脚踝机器人300基于在步骤211中确定的适应性量值施加机器人施加的转矩，其在PD平面中提供足够量的转矩，使得对象2890可以抬离在台阶2812,2814之间的台阶高度2818。当对象2890从台阶2814迈到台阶2816时，脚踝机器人300施加相同的机器人所施加的转矩，以在PD平面中提供足够量的转矩，使得对象2890可以抬起在台阶2814,2816之间的台阶高度2818。

图28B是示出图28中的对象2890的在脚踝机器人300的辅助和无辅助模式期间在跖屈-背屈平面中测得的角度轨迹2850,2852的实例的一对图。轨迹2850,2852包括在跖屈-背屈平面中的测得角度的水平时间轴2856和垂直轴2854。在脚踝机器人300的辅助模式期间的角度轨迹2850示出测得的角度达到正峰值摆动角度2851(大约+15度)，使得对象2890在台阶2812和台阶2814之间抬起高度2818并且使得对象能够抬起台阶2814和台阶2816之间的高度2818。在脚踝机器人300的无辅助模式期间的角度轨迹2852示出测得角度达到负峰值摆动角度2853(大约-15度)，导致对象2890不能够抬起在台阶2812和台阶2814之间的高度2818，并且导致对象2890中不能抬起在台阶2814和台阶2816之间的高度2818。

虽然图28A-28B论述了在爬楼期间用于辅助对象2890的脚踝机器人300，但是在任何ADL期间脚踝机器人300可用于辅助对象，包括踏上路缘或踏越障碍物，所有这些都是普通的运动ADL，其以安全和成功的足够和适当时间的脚底表面间隙为特征。在治疗上或功能上针对共同的运动初期(足底表面间隙)为目标的这样的以及其它类似的实施例将扩展用于使用包括机器人技术的致动辅助技术的生态设置，以针对由于中风和其它神经***，以及由于老化那些在(诸如脚踝)或更多(诸如脚踝关节和膝盖)下肢关节处行动障碍的人安全且有效地重新训练/重新设计基本运动性ADL。在前述的示例性实施例中，这将包括在摆动408阶段期间的背屈辅助，以成功执行爬楼、踏越和踏上路缘以及跨越障碍等。由于欠缺调节方法通过在一个或多个运动阶段期间通过控制子任务来工作，通过在与这些子任务相对应的事件上提供精确定时的机器人应用的转矩(每个具有其独特的功能需求)，其通用控制***和多功能性使其自身有助于扩展和适用于控制各种各样的运动性初期运动，这些初期运动又被广泛范围的运动性ADL所利用。

G.一维外部骨骼脚踝关节

本发明的一个示例性实施例被用于提供上文所论述的脚踝机器人300形式的背景下，其仅在一个平面(诸如跖屈/背屈平面(PD平面))上施加(辅助或电阻性)转矩。然而，示例性实施例不限于仅在PD平面中施加转矩，并且在一个示例性实施例中，仅在IE平面中施加转矩。在该脚踝机器人的设计中，使用这种仅在PD平面中施加转矩的一维脚踝机器人来收集四个慢性中风对象的样本数据。图21A示出根据一个实施例的在使用脚踝机器人之前和之后的对象的峰值摆动角度数据的实例的图表2100。水平轴2102表示反转-外翻或者前面(IE平面)中的脚部的峰值摆动角度。垂直轴2104表示PD平面中的脚部的峰值摆动角度，类似于上面在方程式2中所论述的θmax。在该数据收集期间，对象佩戴仅在PD平面中并且不在IE平面施加转矩的脚踝机器人，允许在IE平面中进行无约束的运动。

数据点2105描绘了在使用一维脚踝机器人之前在每个对象的IE平面和PD平面中的峰值摆动角度。如前所述，数据点2105指示PD平面中的负峰值摆动角度，其指示“落脚”欠缺。数据点2105还指示IE平面中的正峰值摆动角度，其指示反转欠缺(例如，脚部在图4A的摆动阶段406期间向内倾斜)。数据点2106描绘了在六星期阶段期间的三星期疗程期间的每个对象的IE平面和PD平面中的峰值摆动角度。数据点2106指示PD平面中的摆动角度已经从数据点2105中的负摆动角度增加到正摆动角度，这表示“垂足”欠缺的实质性改善。另外，数据点2106还指示在IE平面中解剖学上更为中性的摆动角度，其指示消除反转欠缺。这个结果是令人吃惊的，因为脚踝机器人仅在PD平面上施加转矩，并且在IE平面上不施加转矩。数据点2108描绘了在第二个六星期阶段期间每个对象的IE平面和PD平面中的峰值摆动角度。数据点2108指示PD平面中的摆动角度已经从数据点2106中的摆动角度进一步增加，这指示“垂足”欠缺的进一步改善。另外，数据点2108继续指示IE平面中的中性摆动角度，这指示反转欠缺的持续消除，这是协同且非常重要的发现。如同数据点2106一样，考虑到脚踝机器人仅在PD平面中施加转矩并且不在IE平面中施加转矩，该结果是令人吃惊的。

图21B是根据一个实施例的直方图2150，其示出在使用一维脚踝机器人之前和之后，脚部的不同部分与地面的初始接触的分布的实例。在一个示例性实施例中，直方图2150中的初始接触的分布是频率分布，表示为在安装有脚踝机器人的跑步机上进行一分钟无辅助步行试验期间的脚步总数的百分比，但不提供任何辅助并且只记录数据。直方图2150基于使用嵌入到对象鞋内的双侧脚踏开关从示例性对象捕获的无辅助(仅记录模式中的脚踝机器人)步态数据，所述示例性对象是以上关于图21A论述的相同对象样本中的参与者，并且示出在6星期之前和之后以及在完成之后(保留)的6星期期间，在初始接触地面期间的仅侧向、侧向加上脚后跟和仅脚后跟的脚部着地的分布。每个对象佩戴的是只在PD平面上施加转矩并且在IE平面上不施加转矩的一维脚踝机器人。

直方图2150示出在用脚踝机器人训练之前从对象捕获的预先数据2170。预先数据2170示出脚部的侧面区域的初始接触率2172大约是总脚步的70％，脚部的脚后跟区域的初始接触率2174大约是总脚步的20％，以及脚部的组合的侧面区域加上脚后跟区域的初始接触率2176大约是脚步的10％。可以理解的是，当从摆动到步态迈脚阶段过渡时，非残疾成年人以脚后跟作为与地面接触的第一区域(换言之，脚后跟第一接触是最生态的或规范的着陆模式)。因此，如图21A中所示，在针对PD平面的脚踝机器人训练之前，中风患者以导致每隔五(5)次脚步只有一次脚后跟着地的方式走路(20％)，这提示步态模式异常。直方图2150还示出在跑步机上一分钟无辅助步行试验期间在对象佩戴脚踝机器人的六星期阶段之后所捕获的后数据2180。后数据2180示出脚部的侧面区域的初始接触率2182大约是总脚步的25％，脚部的脚后跟区域的初始接触率2184大约是总脚步的50％，并且脚部的组合的侧面加上脚后跟区域的初始接触率2186大约是总脚步的25％。这示出脚部的脚后跟首先与地面的接触显著较高(50％，或者每两脚步下有一个脚后跟首先着地)，而在脚踝机器人训练之前的脚后跟首先着地比例为20％，这明显证明在着陆阶段期间由于落脚缓解而对脚部具有更具意志性的控制。

直方图2150还示出了在对象仅以只记录模式佩戴脚踝机器人的同时在跑步机上行走1分钟时的“无训练”六星期阶段之后捕获的6星期完成后(保留)数据2190。保留数据2190示出脚部的侧面区域的初始接触率大约为总脚步的0％，脚后跟区域的初始接触率2194大约为总脚步的95％，脚部的组合的侧面/脚后跟区域的初始接触率2196大约是总脚部的5％，参考非残疾步行中的100％脚后跟先着地，这是几乎正常的步态。直方图2150数据显示，在对象以一维致动模式使用脚踝机器人的十二星期的阶段期间，脚后跟区域的初始接触率从总脚步的约20％上升到总脚步的95％，并且脚部的侧面区域的初始接触率从大约总脚步的70％降至总脚步的0％。这导致在迈脚阶段期间对象的侧面稳定性的显著改善，这是令人吃惊但是有效的结果，因为脚踝机器人仅在PD平面中施加转矩并且不在IE平面中施加转矩。

鉴于上面收集的样本数据，得出的结论是，仅在PD平面中施加转矩的一维脚踝机器人将在PD平面和IE平面中为对象提供治疗益处，即使后者即对象没有被主动地驱动(但是脚部不受约束或自由地在侧面平面中运动)。结果，下面给出仅在PD平面中施加转矩的一维脚踝机器人的各种实施例。当提到“一维”时，暗示外部骨骼仅在一个平面(在这种情况下是PD平面)中被致动，而没有力被传送到另一个平面(在这种情况下，为IE平面)，但脚部没有约束或自由地在未被致动的平面中运动。

图22A和图22B是示出根据一个实施例的用于在受损的脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例轻量级便携式***2200的框图。***2200以与上面论述的***300类似的方式构造和操作，除了本文论述的和在图22A-22B中描绘的特定结构特征之外。***2200包括与先前论述的控制器140类似的控制器(未示出)。***2200包括鞋2202(对应于用于连接到肢体193的梁112b)以接收对象的脚。***2200还包括通过线性致动器2216(对应于梁112a和驱动链118)连接到鞋2202的单个马达2214(对应于马达116)。

单个马达2214和单个线性致动器2216通过固定在小腿周围的带2204沿着腿部的前侧连接。在另一个实施例中，单个马达2214和单个线性致动器2216沿着腿的前侧通过围绕诸如像膝盖的腿部的另一部分的带连接。单个马达2214和单个线性致动器2216连接到腿部的前侧，使得它们平行于胫骨取向。单个马达2214和单个线性致动器2216在球窝接头连接器2206(对应于枢轴114)处连接到鞋2202以选择性地仅在PD平面2220中在鞋2202上施加转矩并且不在IE平面2221中在鞋2202上施加转矩，使得脚部在IE平面2221中不受约束。在示例性实施例中，球窝接头连接器2206固定到鞋2202的表面。当马达2214使得线性致动器2216向上或向下运动时，鞋2202围绕对象的脚踝枢转对象的脚部。在示例性实施例中，***2200仅包括一个马达2214。除了步骤213之外，图2的***2200以与***300类似的方式被执行，其中针对当前运动阶段，基于当前运动阶段的适应性定时单个马达2214仅在PD平面2220中在鞋2202上施加脚踝机器人所施加的转矩的适应性量值。

图22C是示出用于将线性致动器2216联接到图22A-22B的***2200中的鞋2202的替代球窝接头连接器2206'的实例的框图。如图22C中所示，线性致动器2216连接到球窝接头连接器2206'，球窝接头连接器2206'随后连接到缠绕在鞋2202周围的带2260，以将来自马达2214和线性致动器2214的力均匀地分布在鞋2202的周边。

图23A和图23B是示出根据另一实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例轻量级便携式***2300的框图。***2300类似于上面论述的***2200，不同之处在于，单个马达2214和线性致动器2216使用围绕小腿固定的带2204安装到腿部的第一侧，例如腿部的侧面侧或外侧。另外，如图23A和图23B中所示，第二线性致动器2318安装到腿部的第二侧，诸如腿部的侧面侧或内侧。如图23A和图23B中所示，第一线性致动器2316通过连接器2319连接到第二线性致动器2318，使得单个马达2214被配置成致动第一和第二线性致动器2316,2318。在示例性实施例中，连接器2319是一个被动的连接件。另外，如图23A和图23B中所示，一对球窝接头连接器2306(对应于枢轴114)设置在鞋2202的任一侧上。单个马达2214通过第一和第二线性致动器2316连接到一对球窝接头连接器2306，2318，以仅在PD平面2220中将机器人施加的转矩施加在一对球窝接头连接器2306周围。除了步骤213之外，图2的***2300以与***300类似的方式被执行，其中单个马达2214针对当前运动阶段基于当前运动阶段的适应性定时仅在PD平面2220中在鞋2202上施加脚踝机器人施加转矩的适应性量值。

如在图23A和图23B中进一步所示，***2300包括用户控制的拨动开关2314，用于对象选择期望的运动阶段，以在多个运动阶段(例如图4A中描绘的阶段402,404,406)中以容易切换的方式接收机器人辅助(转矩)。虽然图23A描绘了拨动开关2314位于马达2214外壳附近，但是拨动开关2314的位置可以在***2300中或患者个人上的任何地方，诸如蓝牙手表或皮带或袋子或口袋中，只要用户能够容易和快速地接近拨动开关2314即可。用户控制的拨动开关使得能够在多个可能运动阶段中的一个(诸如，步态的摆动阶段)或更多(诸如，步态的摆动和迈脚阶段)运动阶段期间递送适应性定时的机器人施加的转矩，以及针对任何运动阶段选项的“无辅助”。二进制运动阶段切换选择(即，迈脚阶段或摆动阶段，但不是两者)使得对象一次在少于所有运动阶段(例如，仅一个运动阶段)欠缺下工作。

在示例性实施例中，拨动开关2314还可以用于选择无辅助模式，其中在任何运动阶段期间，马达2214经由线性致动器不在鞋2202上施加任何转矩，从而允许对象以无辅助模式练习步行，同时机器人记录脚踝运动学动态以便临床医生或治疗医师回顾。基于使用拨动开关2314选择的期望运动阶段，基于当前运动阶段是否对应于期望运动阶段来确定步骤209的适应性定时。

图24是示出用于在图2的方法200的步骤209中确定适应性定时的方法2400的实例的流程图。在步骤2401中，如前所述，基于当前传感器状态168确定当前运动阶段。在步骤2403中，如前所述，将当前运动阶段的欠缺参数167与当前运动阶段的机器人状态参数阈值进行比较。在步骤2405中，如果欠缺参数167小于机器人状态参数阈值，则方法2400在当前运动阶段期间没有电压被发送到马达2214时被终止。在步骤2405中，如果欠缺参数167大于机器人状态参数阈值，则方法2400进行到步骤2407。

在步骤2407中，如果当前运动阶段与由拨动开关2314选择的期望运动阶段不相同，则方法2400终止，并且在当前运动阶段期间没有电压被发送到马达2214。在步骤2407中，如果当前运动阶段与期望的运动阶段相同，则方法2400进行到步骤2409，其中在当前运动阶段期间将合适的电压发送到马达2214。一旦接收到电压，基于在步骤211中确定的适应性量值，马达2214仅在PD平面2220中围绕球窝接头连接器2306在鞋2202上施加转矩。虽然拨动开关2314在图23A-23B针对***200中描绘，但是拨动开关2314可以省略或包含在本文公开的任何实施例中。在示例性实施例中，可以省略拨动开关2314用于以不施加任何用户控制的方式进行预先编程的运动阶段适应性定时辅助。在另一个示例性实施例中，拨动开关2314可以被包括以施加用户控制以改变期望的运动阶段，所述期望的运动阶段可以与根据临床诊断的显著欠缺而编程的默认运动阶段相同或可以不相同，即，用于迈脚阶段的较弱推进或摆动阶段的垂足。

在使用拨动开关2314的示例性实施例中，如果对象在早期迈脚402阶段期间经受“脚踏”欠缺并且在摆动406阶段经受“垂足”欠缺，则对象可以使用拨动开关2314以便选择性地选择只在“垂足”欠缺上工作，然后才在“脚踏”欠缺上工作(或反之亦然)。对象使用拨动开关2314来选择摆动406阶段作为期望的运动阶段。在多次训练疗程之后和/或达到一定程度的“垂足”欠缺改善之后，对象然后可以使用拨动开关2314来选择早期迈脚402阶段作为期望的运动阶段，以仅在“脚踏”欠缺上工作。

该示例性实施例在图25中示出，图25是示出在图4A的步态周期的多个运动阶段期间传感器状态输出的轨迹2502,2552以及施加到脚部的施加转矩的一对图。传感器状态轨迹2502类似于图4B的传感器状态轨迹424，其具有从脚踏开关425输出的总电压输出的水平时间轴2516和垂直轴2512。所施加的转矩轨迹2552还具有由马达2214仅在PD平面2220中施加到鞋2202的施加转矩的水平时间轴2516和垂直轴2554。如图25中所示，由于对象使用拨动开关2314来选择摆动406阶段作为期望的运动阶段，所以当对象处于摆动406阶段时(参见图4A)在脚后跟抬离414运动阶段之后施加的转矩立即达到峰值2550，以在摆动阶段期间辅助对象。由于选择摆动406阶段作为期望的运动阶段，施加的转矩在任何其它运动阶段期间不会施加欠缺转矩。在该示例性实施例中，根据欠缺调节后的阶段方法(诸如在摆动406阶段期间的落脚)，在除了摆动406阶段之外的所有运动阶段期间施加的转矩为零。

图26是示出根据实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例轻量级便携式***2600的框图。***2600类似于上面论述的***2300，除了一对连接器2632(对应于枢轴114)设置在定位在鞋2202的底部之下的板2630的任一侧上。单个马达2214通过第一线性致动器2316和第二线性致动器2318连接到一对连接器2632，以仅在PD平面2220中围绕一对连接器2632施加机器人施加的转矩。除了步骤213之外，图2的***2600以与***300类似的方式被执行，其中单个马达2214针对当前运动阶段基于当前运动阶段的适应性定时仅在PD平面2220中在鞋2202上施加脚踝机器人施加转矩的适应性量值。该实施例允许对象在从脚踝机器人获得辅助的同时使用正常的鞋。

图27是示出由图22A-22B的***2200中的对象2790携载的马达2214的电源的实例的框图。在示例性实施例中，电源是携载在由对象2790所背的背包2780中的电池2709。在示例性实施例中，电源是高电容(长寿命)电池。电缆2711将电池2709连接到马达2214，使得***2200是便携的(移动的)，并且对象可以使用***2200，而不用任何外部电源。在示例性实施例中，电池2709是可再充电电池，诸如可再充电的200瓦电池。尽管图27示出对象2790将电池2709携载在背包2780中，但是对象2790可以将电池2709携载在他们人身上的任何地方，诸如像在袋子或口袋中或者皮带上。

图29A-29C是示出根据实施例的用于在受损脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例轻量级便携式***2900的框图。除了在此论述的特征之外，***2900与上面论述的***2200类似。***2900包括作为梁112a的近侧附件2940，其将马达2214和线性致动器2216(对应于马达116和梁112a)附接到对象的脚踝关节(对应于关节192)上方的腿部(对应于身体191)。在示例性实施例中，近侧附件2940将马达2214和线性致动器2216附接到膝盖下方的腿部。在另一个示例性实施例中，近侧附件2940将马达2214和线性致动器2216附接到膝盖上方和下方的腿部。在该示例性实施例中，近侧附件2940包括将马达2214和线性致动器2216固定在小腿周围的带2204和固定到带2204的块2942，其被成形为将马达2214和线性致动器2216可移除地附接到带2204。在示例性实施例中，块2942形成为槽，在使用***2900期间，马达2214可滑动地容纳并固定在槽内。

图29D是示出用作梁112b的以将线性致动器2216联接到图29A-29C的***中的脚部的远侧附件2950的实例的框图。远侧附件2950将线性致动器2216附接到对象的脚踝下方的脚部(对应于肢体193)。在示例性实施例中，远侧附件2950包括围绕对象的脚部固定的箍圈2952，其中箍圈2952包括在接合部2956(对应于枢轴114)处可旋转地联接到线性致动器2216的侧板2954a，2954b。在一个示例性实施例中，接合部2956对应于侧板2954a，2954b的顶端。在示例性实施例中，远侧附件2950进一步包括具有鞋底2959的鞋2958，其中侧板2954a，2954b的底端与鞋底2959形成一体。提供各种尺寸的鞋2958以容纳具有不同尺寸的脚部。在示例性实施例中，侧板2954a，2954b与邻近鞋底2959的足弓区域的鞋底2959成一体。在示例性实施例中，侧板2954a，2954b具有大约110毫米(mm)或在从100mm至120mm的范围内，并且相对于鞋底2959形成18度(18deg)的角度或在从10度至25度的范围内。在一些实施例中，侧板2954a，2954b的长度是可调节的，以考虑到不同的鞋尺寸，特别是鞋底2959的高度。在一些实施例中，侧板2954a，2954b所成的角度是可调节的，以针对性别特定的脚部分测量学(例如鞋尺寸和鞋形状)产生可变的期望的有效力矩臂。在示例性实施例中，远侧附件2950还包括在接合部2956处固定到相应侧板2954a，2954b的一个或多个第一杆2960a，2960b，以及连接第一杆2960a，2960b并且还连接到线性致动器2216的第二杆2962。第二杆2962配置成将一个线性致动器2216的运动例如通过相应的杆2960a，2960b传递到多个侧板2954a，2954b。这提供了使用单个线性致动器2216仅在PD平面2220中产生运动的优点，这降低了便携式脚踝机器人的成本和重量。在一个示例性实施例中，第二杆大致垂直于第一杆2960a，2960b取向。

当单个马达2214使得单个线性致动器2216向上或向下运动时，第一杆2960a，2960b和第二杆2962同时在接合部2956处施加向上或向下的力，从而围绕接合部2956仅在PD平面2220中选择性地将力矩施加到鞋2958上，并且不在IE平面2221中将转矩施加到鞋2958上，使得脚部分在IE平面2221中不受约束。在示例性实施例中，基于线性致动器2216的向上运动，背屈转矩在PD平面2220中被施加到鞋2958上，并且基于线性致动器2216的向下运动将跖屈转矩在PD平面2220中施加到鞋2958上。

图29E-29F是根据一个实施例的示出用于在受损的脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例轻量级便携式***2900'框图。图29G是示出用作将线性致动器2216联接到图29E-29F的***2900'中的脚部的梁的远侧附件2950”'的实例的框图。除了本文论述的特征之外，***2900'类似于上面论述并且在图29A-29D中所描绘的***2900。不同于***2900的远侧附件2950，远侧附件2950的特征在于平面侧板2954a，2954b通过第一杆2960a，2960b和第二杆2962连接到线性致动器2216，而***2900'的远侧附件2950”'的特征在于弧形侧板2954a'，2954b'通过块2953和以环形件2963为特征的连接件2965连接到线性致动器2216。在一个示例性实施例中，弧形侧板2954a'，2954b'连接到块2953的相对侧。在另一个示例性实施例中，弧形侧板2954a'，2954b'与块2953是一体的。在一些实施例中，弧形侧板2954a'，2954b'各自呈现出一个或多个曲率半径，其选择成具有在穿过对象的鞋或脚部的宽度的至少一半的水平距离时从枢轴到鞋底的垂直距离。在示例性实施例中，侧板2954a'，2954b'的曲率半径为43mm或在从35mm至50mm的范围内。

在所示的实施例中，块2953的特征在于槽2957，其尺寸被定制为接收连接件2965的第一端(未示出)并且将第一端固定在槽2957内以形成枢轴2964。在一些实施例中，枢轴2964沿着槽2957滑动，在侧板2954a'，2954b'的角度被调节以适应不同尺寸的鞋的情况下，这有利地允许连接件2965保持静止(例如在脚部的参考框架内)。在一个示例性实施例中，枢轴2964在槽2957内的这种结构布置考虑到适于较小尺寸的鞋的侧板2954a'，2954b'的较小倾斜角度以及适于较大尺寸的鞋的侧板2954a'，2954b'的较大倾斜角度。连接件2965的与第一端相对的第二端具有环形件2963，该环形件2963的尺寸被定制为接收线性致动器2216的端头2961并且将端头2961固定在环形件2963内。在一些实施例中，连接件2965的第二端和环形件2963之间为摩擦配合。在示例性实施例中，摩擦配合由刚性摩擦配合橡胶材料设计。在另一个示例性实施例中，端头2961通过翼形螺母(未示出)固定到环形件2963上。在一个示例性实施例中，连接件2965的第二端不限于环形件，并且可以包括具有开口的任何设计，其尺寸被定制成接收线性致动器2216的端头2961。在示例性实施例中，枢轴2964诸如球窝接头连接器设置在环形件2963与连接件2965的第一端之间。

当单个马达2214使得单个线性致动器2216向上或向下运动时，端头2961、环形件2963和块2953同时在对应于接合部2956'的枢轴2964处施加向上或向下的力，其选择性地仅在PD平面2220中围绕接合点2956'在鞋2958上施加转矩，并且不在鞋2958上施加在IE平面2221中的转矩，使得脚在IE平面2221中不受约束。

图30A是示出根据实施例的用于在受损的脚踝关节的多个运动阶段期间提供欠缺调节的适应性辅助的示例轻量级便携式***3000的照片。除了本文所论述的特征之外，***3000与上面论述的***2200类似。图30B是示出用于将线性致动器2216联接到图30A的***3000中的脚部的远侧附件2950'的实例的照片。远侧附件2950'类似于远侧附件2950，除了箍圈2952'不与鞋2202形成一体之外。替代地，远侧附件2950'包括围绕鞋2202缠绕的带3064，以围绕鞋2202的周边固定箍圈2952'，并且因此仅在PD平面2220中将所施加的转矩围绕接合部2956均匀地分布在鞋2202上。在示例性实施例中，远侧附件2950'被配置成适应一定范围的鞋尺寸，范围从美国女子6号(如22.5厘米脚部长度)到美国男子12号(如28.6厘米脚部长度)。在该示例性实施例中，鞋2202不是***3000的一部分，因此***3000有利地允许使用任何类型的鞋。

图30C-30D是示出用作梁以将马达2214和线性致动器2216联接到图30A的***3000中的腿部的近侧附件3040的实例的照片。在各种示例性实施例中，近侧附件3040将马达2214和线性致动器2216附接到膝盖处和/或膝盖上方的腿部。如本领域技术人员所理解的那样，近侧附件3040包括固定到膝盖上的膝盖支架3042。在示例性实施例中，近侧附件3040还包括安装块3044，该安装块3044在一侧固定到膝盖支架3042并且在第二侧上包括一个或多个开口3046以安装单个马达2214和单个线性致动器2216。

图30E是示出用于将马达2214和线性致动器2216联接到图30C-30D的近侧附件3040中的腿部的安装块3044的实例的框图。安装块3044包括使用紧固件3049固定到膝盖支架3042的固定块3047(参见图30C)。然后通过将一对弧形延伸部3049滑动到固定块3047中的对应的弧形槽中，可移除块3045可移除地附接到固定块3047。在示例性实施例中，可移除的块3045包括开口3046以安装单个马达2214和单个线性致动器2216。安装块3044有利地允许单个马达2214和单个线性致动器2216容易地移除并重新附接到膝盖支架3042。在示例性实施例中，可移除块3045还包括铣出部分3048以减少安装块3044的重量并因此减轻***3000的重量。在所示实施例中，安装块3044的尺寸包括大约60毫米(mm)的长度，30毫米的宽度和15毫米的高度。然而，在其它实施例中，安装块3044的尺寸不限于任何具体的数值尺寸。在一些实施例中，安装块3044由3D打印制成，安装块3044由丙烯腈丁二烯苯乙烯制成。在一些实施例中，在安装块3044被机加工的情况下，安装块3044由铝6061-T6材料制成。在一些实施例中，每个铣出部分3048的尺寸包括大约15mm的长度和10mm的宽度。

图30F是示出用于将马达2214和线性致动器2216联接到图30C-30D的近侧附件3040中的腿部的安装块3044'的实例的框图。不同于安装块3044，其中开口3046和铣出部分3048形成在可移除块3045中，而安装块3044'不具有可移除块，替代地固定到膝盖支架3042的固定块3047'具有开口3046'和铣出部分3048'。

图31A-31B是示出用作梁112b以将线性致动器2216联接到图30A的***3000中的脚部的远侧附件2950”的实例的框图。远侧附件2950”是可调节的鞍座3152以围绕配置成接收脚部的鞋2202的长度固定。鞍座3152包括成形为接收鞋2202的脚后跟部分的第一杯形部3154和成形为接收鞋2202的脚趾部分的第二杯行部3156。具有槽子3160的杆3158具有定到第一杯形部3154的第一端部和具有可滑动地接收在第二杯形部3156的凹槽3161中的第二端部。然而，远侧附件2950”不限于该结构布置，并且杆3158的第一端部可以固定到第二杯形部3156，以及杆3158的第二端部分可以可滑动地接收在第一杯形部3154的凹槽中。在示例性实施例中，杆3158以选择的量滑入到凹槽3161中，使得第一杯形部3154和第二杯形部3154,3156的间隔对应于鞋2202的尺寸。然后将第二杯形部3156中的紧固件3163紧固在槽3160内，以确保第一杯形部3154和第二杯形部3156的间隔。

在示例性实施例中，第二杯形部3156包括具有接合部3173(对应于枢轴114)的侧板3165a，3165b。在示例性实施例中，缸3166在侧板3165a，3165b之间的接合部3173处连接。图31C是示出用于将线性致动器2216联接到图31A-31B的远侧附件2250”中的脚部的球窝接头3168的实例的框图。在示例性实施例中，第二杆3171最初定位在缸3166的通道3175内，之后，第一杆3169和球窝接头3168连接到通道3175内的第二杆3171。缸3166随后连接在侧板3165a，3165b之间的接合部3173处。球窝接头3168然后连接到线性致动器2216。当单个马达2214使得单个线性致动器2216向上或向下运动时，球窝接头3168和第一杆3169同时在接合处3173处施加向上或向下的力，其又选择性地仅在PD平面2220中在接合部3173处将转矩施加到鞍座3152(和鞋2202)上，并且不会在IE平面2221中将转矩施加到鞍座3152(和鞋2202)上，使得脚部不在IE平面2221中受到约束。在示例性实施例中，基于线性致动器2216的向上运动将在PD平面2220中的背屈转矩施加到鞋2202上，并且基于线性致动器2216的向下运动将在PD平面2220中的跖屈转矩施加到鞋2202上。

在示例性实施例中，***2200,2300,2600,2900,3000不需要包括上面论述的传感器120,121，线性致动器，鞋，近侧附件和/或远侧附件。在该示例性实施例中，***2200,2300,2600,2900,3000仅包括单个马达2214和控制器140，其中模块150被配置成至少执行方法200的步骤207,209,211,213。在一个示例性实施例中，控制器140的模块150基于对象传感器状态(步骤201)，正常对象的机器人参数轨迹(步骤203)和/或受损对象的机器人参数轨迹(步骤205)从外部来源获得多个运动阶段。在另一个示例性实施例中，控制器140包括传感器输入端，以与传感器通信信道122连接并接收来自对象传感器120和/或机器人传感器121的输入。

在示例性实施例中，在步骤209期间，控制器140从一个或多个对象传感器120沿传感器通信信道122接收数据以确定当前运动阶段。在一个示例性实施例中，对象传感器120是鞋的脚后跟和脚趾区域中的脚踏开关425(图4B)，以产生适于PD平面2220致动的控制器输入，并且因此不需要在鞋的内侧或侧面区域包括脚踏开关425。在一个示例性实施例中，对象传感器120包括在鞋的脚后跟区域、脚趾区域、内侧区域和侧面区域中的脚踏开关425。

在示例性实施例中，在步骤203,205期间，控制器140从一个或多个机器人传感器121沿传感器通信信道122接收数据。在示例性实施例中，传感器121仅是一个传感器313，其测量线性致动器2216的线性运动。在示例性实施例中，传感器313是线性增量式光学编码器。在示例性实施例中，传感器121不需要包括测量PD平面2220外部的内部/外部旋转的传感器312。在示例性实施例中，传感器312是旋转编码器。在一些实施例中，***2200,2300,2600,2900,3000不包括任何传感器121，诸如其中步骤203,205不是由***执行而是由外部***执行并且正常和受损对象的机器人参数轨迹被上传到模块150。

在示例性实施例中，在步骤203,205期间，传感器121是任一个传感器312,313。在另一个示例性实施例中，在步骤203,205期间，传感器121都是两个传感器312,313，其中传感器313测量线性致动器2216的线性运动数据来估计包括PD平面2220中的脚踝角度数据的机器人参数数据，并且传感器312用于使得马达2214换向。在示例性实施例中，传感器313检测线性致动器2216的线性运动。在一个示例性实施例中，传感器313沿着传感器通信通道122向模块150传送指示线性运动的线性运动数据，并且模块150随后将线性运动数据转换为机器人状态参数数据，诸如鞋在PD平面2220中的位置数据。在另一示例性实施例中，传感器313将线性运动数据转换为机器人状态参数数据，并且随后将机器人状态参数数据沿着传感器通信信道122传送到模块150。在示例性实施例中，鞋在PD平面2220中的位置数据包括鞋的角度(相对于固定轴)或鞋在PD平面2220中的速度。图32是示出根据一个实施例的佩戴脚踝机器人的身体和脚部的示例性尺寸的图。鞋在PD平面2220中的角度θdp通过以下获得：

θ_dp＝sin^-1(x)+θ_dpoffset (11)

其中x是沿着在致动器力的作用线与在脚踝和脚踝机器人之间沿着地面轴线(例如x轴，参见图32)的附接点之间的距离的地面坐标***(x-y)的投影的尺寸；θ_dpoffset是在PD平面2220中由旋转的肢体坐标轴(x'-y')和地面坐标轴(x-y)的相对方位为特征的脚踝的偏移角。x的值通过以下获得：

其中x_tr，len是传输长度，其被定义为从安装在马达314顶部上的旋转编码器312的点到脚部上的线性致动器2216的附接点的长度；_Lshank是对象腿部的长度(例如从脚踝到膝盖测量)；X_link，disp是线性致动器2216的位移长度；以及x_length是线性致动器2216的力作用线与PD平面2220中的脚踝和脚踝机器人之间的附接点之间的距离。位移长度x_link，disp使用由传感器313测得的线性致动器2216的净线性位移x_right获得：

其中x_avact是平均致动器2216长度，其被定义为最大致动器延伸与最大致动器压缩之间的差值的一半。在示例性实施例中，模块150从传感器313接收包括线性致动器2216的净位移x的线性运动数据，并使用方程式13来计算线性致动器2216的位移长度x_link，disp。然后，模块150使用计算出的位移长度x_link，disp，与适于L_shank，x_tr，len和x_length的已知值一起以使用方程式12计算x。参数xtr，len由从安装在马达上的旋转编码器的顶部到执行器的当前线性位移的线性测量值来确定。模块150然后使用所计算出的x值连同适于θ_dpoffset的已知值一起使用方程式11来计算角度θ_dp。在一些实施例中，偏移角度θ_dpoffset值随脚部质量、内在脚部机械阻力(诸如脚踝部硬度)以及诸如脚踝痉挛的任何病理因素而变化。在示例性实施例中，PD平面2220中的偏移角度θ_dpoffsett的典型已知值是几度的量级。

在示例性实施例中，在步骤211期间，模块150确定线性致动器2216的线性运动数据，其对应于适于当前运动阶段的机器人施加转矩的适应性量值。在步骤213期间，基于来自步骤209的当前运动阶段的适应性定时，模块150将适于当前运动阶段的线性运动数据传发送到马达2214。一旦从模块150接收到线性运动数据，马达2214根据线性运动数据将线性运动施加到线性致动器2216，使得具有在步骤211中确定的适应性量值的所施加的转矩仅在PD平面2220上被施加枢轴114。在示例性实施例中，在迈脚运动阶段404期间，模块150将线性运动数据传送到马达2214，使得马达2214在线性致动器2216上施加向下运动，使得跖屈转矩以适应性量值仅在PD平面2220上施加(例如，以校正“推动”欠缺)到枢轴114。在示例性实施例中，在摆动运动阶段406期间，模块150将线性运动数据传送到马达2214，使得马达2214将向上运动施加到线性致动器2216，使得背屈转矩以适应性量值仅在PD平面2220上施加到枢轴114(例如，以校正“垂足”欠缺)。在这些示例性实施例中，枢轴114定位在脚部的脚踝和脚趾区域之间。

在示例性实施例中，对于包括两个线性致动器2216,2318的***2300,2600而言，在该腿部的每一侧上具有一个线性致动器，步骤213包括使两个线性致动器2216,2318沿相同方向运动，使得在枢轴114处的机器人施加转矩仅在PD平面2220中。在示例性实施例中，步骤213包括在相同方向上将相同量值的力施加到两个线性致动器2216,2318。在示例性实施例中，连接器2319有助于使得两个线性致动器2216,2318沿相同的方向运动，使得机器人在枢轴114处施加的转矩仅在PD平面2220中。

在一个示例性实施例中，***2200,2300,2600,2900,3000是便携式的并且是独立的，使得***可以各自被承载在对象2790上。在示例性实施例中，***是便携式的并且是独立的，使得不使用在由对象2790佩戴的***外部的外部控制装置来监视或控制***的操作。在一个示例性实施例中，控制器140和模块150是微芯片，诸如具有微处理器ATmega32U4或AR9331 Linux，Arduino，Somerville，MA的Arduino

在示例性实施例中，在步骤201,209期间，在鞋中的一个或多个脚踏开关425发生故障的情况下，则控制器140和模块150可能接收不到来自脚踏开关425的指示当前运动阶段的传感器状态。在示例性实施例中，***有利地包括可用于向模块150提供数据的其它备用传感器，其可用于确定受损脚部的当前运动阶段。在一个示例性实施例中，如前所述，脚踏开关425定位在未受损脚部的鞋或远侧附件2950'中，并且这些脚部开关425将总输出传送到模块150，模块150可以使用该输出来确定受损脚部的当前运动阶段。在另一个示例性实施例中，一个或多个传感器被定位在脚部和/或膝盖上以向模块150提供数据，该数据可用于确定受损脚部的当前运动阶段。在一个示例性实施例中，提供膝关节传感器(例如，315)，其是可用于确定受损膝盖的当前运动阶段数据的单圈或多圈模拟电位计。在该示例性实施例中，使用该数据来将膝关节的角度位置映射到脚踝关节的角度位置以向受损的脚部提供辅助。在另一个示例性实施例中，如前所论述的那样，基于由对象在关节114上施加的转矩，来自马达2214的电压信号被传送到控制器140和模块150，并且模块150使用电压信号来确定当前运动阶段。

在示例性实施例中，在步骤205之前，方法200包括确定受损对象是否具有一个或多个健康状况的步骤。在示例性实施例中，基于所确定的健康状况来调节步骤207中的欠缺参数，步骤209中的适应性定时和/或步骤211中的适应性量值。在另一个示例性实施例中，基于一个或多个确定的健康状况，调节步骤217中适于治疗疗程的运动周期的次数和/或步骤219中适于物理治疗的物理治疗疗程的此时。在另一个示例性实施例中，基于一个或多个确定的健康状况来调节步骤221中的预测适应性量值。

在示例性实施例中，健康状况包括截肢假肢以替代患者中丧失的肢体，其中方法200用于帮助患者恢复运动性和感觉功能。在另一个示例性实施例中，健康状况包括糖尿病性神经病，其中方法200用于调节足底压力和地面反作用力。在另一个示例性实施例中，健康状况包括运动学***衡功能。在另一个示例性实施方案中，健康状况包括多发性硬化(MS)、帕金森病或神经病或周围神经病。在示例性实施例中，方法200被用作破坏患有帕金森病的患者的步态僵硬的破坏性技术。在示例性实施例中，方法200用于在转动、改变方向或步态期间在患有帕金森病的对象中发生僵硬期间提供一个或多个转矩脉冲串，以提供感觉提示和辅助转矩，以便破坏僵硬发作使其朝向连续性的运动性任务发展并降低摔倒风险。

在另一个示例性实施例中，这些健康状况包括但不限于下肢矫形外科病症和外伤，包括对腓神经、坐骨神经或腰4和5椎间盘压迫或其它神经根、脊髓损伤、马尾或圆锥损伤，其改了脚踝关节功能从而危及步行和平衡。在另一个示例性实施例中，这些健康状况包括神经肌肉和矫形外科病症，包括胫骨创伤造成前房综合征伴有损害脚踝感觉运动控制的肌肉和/或神经损伤以及改变脚踝关节神经支配的髋臼骨折。

在示例性实施例中，***2200,2300,2600,2900,3000的单个马达2214基于参数来选择，所述参数包括下述中的一个或多个，即反向驱动能力、在0.4-0.5牛顿米(N*m)范围内的最小连续失速转矩，为1.6N*m的最小峰值转矩，为0.639N*m/千克(kg)的最小转矩质量比，为0.78kg的最大重量，以及为6600美元的最高成本。在一个示例性实施例中，单个马达2214具有所有以上列出的参数。

如前所述，***2200,2300,2600,2900,3000类似于***300，其中一个区别在于一对马达314被单个马达2214代替。在示例性实施例中，为了使单个马达2214施加与一对马达314相同的转矩，选择单个马达2214，使得单个马达2214的参数等同于一对马达314的参数。在示例性实施例中，下面的表1示出用于Kollmorgen RBE(H)系列马达候选的参数：RBE(H)00714马达(在适于马达314的示例性实施例中使用)以及Kollmorgen RBE(H)01213和Kollmorgen RBE(H)01214马达(适于单个马达2214的示例侯选)。Kollmorgen RBE(H)马达作为适于***2200,2300,2600,2900,3000的单个马达2214的候选的选择部分地是由于高连续失速和峰值转矩、低静摩擦转矩、低质量、高转矩质量比和低成本，所有都相对于市场上的其它马达。

表1

用一个对比马达来替代两个马达

根据表1，Kollmorgen 00714马达具有0.25Nm的连续失速转矩，0.802Nm的峰值转矩，0.391kg的重量，0.639Nm/kg的转矩质量比和3300美元的成本。由于单个马达2214替代一对Kollmorgen 00714马达，所以单个马达2214的最小参数包括0.50Nm的连续失速转矩，1.60Nm的峰值转矩，小于0.780kg的重量(以减少该***的总重量)，转矩质量比大于0.639Nm/kg，成本低于6600美元(以降低***总成本)。在该示例性实施例中，基于单个马达2214和表1数据的这些标准，在一些实施例中，针对单个马达2214选择Kollmorgen 01214马达。然而，***2200,2300,2600不限于任何特定的马达，马达2214的选择也不限于上面列出的特定数字参数阈值，并且包括在不断变化的市场中得到的与表1中列出的数值参数阈值相同或更好的数值参数阈值。***2200,2300,2600,2900,3000的单个马达2214可以针对当前运动阶段，基于当前运动阶段的适应性定时并且基于应用E至F，基于确保马达2214在步骤213中仅将PD平面2220中的脚踝机器人施加转矩的适应性量值应用于鞋2202上的任何参数来进行选择。

如前所述，***2200,2900,3000类似于***300，其中另一个区别在于一对线性致动器316被单个线性致动器2216替代。另外，如上所述，一对马达314被单个马达2214替代。结果，***2200,2900,3000通过一对马达314和单个马达2214之间的差值以及导致一个线性致动器314(及其外壳)的重量导致***300的重量减轻。另外，***2200,2900,3000通过一对马达314和单个马达2214之间的成本差值以及一个线性致动器314(及其外壳)的成本导致***300的成本降低。另外，在示例性实施例中，***2200,2900,3000不需要包括内侧和外侧脚踏开关425，也不需要包括传感器312,313(对应于机器人传感器121)。在一个示例性实施例中，下面的表2示出与***300相比，***2200,2900,3000的成本节省和重量减轻。***2200,2300,2600,2900,3000不受***300的线性致动器314选择的限制。在一个示例性实施例中，Roh'Lix致动器被选择用于***300的线性致动器314，因为它们是无螺纹的线性螺杆致动器，其提供高的反向驱动能力，并且在示例性实施例中，反向驱动能力是在***300,2200,2300,2600,2900,3000中使用的线性致动器的参数。然而，***300,2200,2300,2600,2900,3000不限于任何特定的线性致动器，并且在具有与Roh'Lix相同或更好特性的致动器在不断发展的市场中变得可用的情况下可以保留选择相同类型(无螺纹，衬套螺钉)或其它类型的其它致动器的灵活性。

表2

如表2中所示，在一个示例性实施例中，***2200,2900,3000具有约2.47kg的重量以及用于致动器-壳体-马达组合件的$3275的实惠成本。由此产生的重量减轻和***成本的节省将转化为对象可以带回家的一个轻量级的、负担得起的脚踝机器人。然后，与在医疗机构预定的训练期间脚踝机器人将可能进行的步态周期相比，对象可使得脚踝机器人进行更多的步态周期。结果，对象可经历在每个运动阶段的欠缺参数上的更迅速和持续地改善。

3.计算机硬件概述

图19是示出可以在其上实施本发明的实施例的计算机***1900的框图。计算机***1900包括诸如总线1910之类的通信机构，用于在计算机***1900的其它内部和外部组件之间传递信息。信息被表示为可测量现象的物理信号，典型地为电压，但在其它实施例中包括诸如磁场，电磁，压力，化学，分子，原子和量子相互作用等现象。例如，南北磁场，或零和非零电压表示二进制数字(位)的两个状态(0,1)。其它现象可以代表更高基数的数字。测量之前的多个同步量子状态的叠加表示量子位(qubit)。一个或多个数字的序列构成用于表示适于字符的数字或代码的数字数据。在一些实施例中，称为模拟数据的信息由特定范围内的可测量值的近似连续值表示。计算机***1900或其一部分构成用于执行本文描述的一个或多个方法的一个或多个步骤的手段。

二进制数字序列构成用于表示适于字符的数字或代码的数字数据。总线1910包括许多并行的信息导体，使得信息在耦合到总线1910的设备之间快速传输。用于处理信息的一个或多个处理器1902与总线1910耦合。处理器1902对信息执行一组操作。该组操作包括从总线1910带入信息并将信息放置在总线1910上。该组操作还典型地包括比较两个或更多个信息单元，信息单元的偏移位置以及组合两个或更多个信息单元，诸如通过加法或乘法。由处理器1902执行的一系列操作构成计算机指令。

计算机***1900还包括耦合到总线1910的存储器1904。存储器1904(诸如随机存取存储器(RAM)或其它动态存储设备)存储包括计算机指令的信息。动态存储器允许存储在其中的信息由计算机***1900改变。RAM允许存储在被称为存储器地址的位置处的信息单元独立于相邻地址处的信息被存储和检索。存储器1904也由处理器1902用来在执行计算机指令期间存储临时值。计算机***1900还包括耦合到总线1910的只读存储器(ROM)1906或其它静态存储设备，用于存储不由计算机***1900改变的包括指令的静态信息。还耦合到总线1910的是非(永久性)存储设备1908(例如磁盘或光盘)，用于存储即使在计算机***1900关闭或以其它方式失去电力时仍然存在的包括指令的信息。

包括指令的信息被提供给总线1910以供处理器从诸如包含由人类用户操作的字母数字键的键盘或传感器的外部输入设备1912使用。传感器检测其附近的状况并将这些检测转换为与用于表示计算机***1900中的信息的信号兼容的信号。耦合到总线1910的其它外部设备主要用于与人交互，包括显示设备1914，诸如用于显示图像的阴极射线管(CRT)或液晶显示器(LCD)，以及用于控制呈现在显示器1914上的小光标图像的位置的诸如鼠标或轨迹球或光标方向键之类的指示设备1916并且发布与呈现在显示器1914上的图形元素相关联的命令。

在所示的实施例中，诸如专用集成电路(IC)1920之类的专用硬件被耦合到总线1910。专用硬件被配置成为了特殊目的足够快地执行不由处理器1902执行的操作。专用IC的实例包括用于生成用于显示器1914的图像的图形加速器卡，用于对通过网络发送的消息进行加密和解密的密码板，语音识别以及到特殊外部设备(例如机器人手臂和医疗扫描设备)的接口，特殊外部设备(例如机器人手臂和医疗扫描设备)重复地执行在硬件中更高效地执行的稍微复杂的操作序列。

计算机***1900还包括耦合到总线1910的通信接口1970的一个或多个实例。通信接口1970提供耦合到与其自身的处理器一起操作的各种外部设备诸如打印机、扫描仪和外部磁盘的双向通信。通常而言，耦合是与连接到本地网络1980的网络链路1978连接的，各种外部设备连接有自身的处理器。例如，通信接口1970可以是个人计算机上的并行端口或串行端口或通用串行总线(USB)端口。在一些实施例中，通信接口1970是向对应类型的电话线提供信息通信连接的综合业务数字网(ISDN)卡或数字用户线(DSL)卡或电话调制解调器。在一些实施例中，通信接口1970是电缆调制解调器，其将总线1910上的信号转换为用于通过同轴电缆的通信连接的信号或转换成用于通过光纤电缆的通信连接的光信号。作为另一个实例，通信接口1970可以是局域网(LAN)卡，以提供到诸如以太网的兼容LAN的数据通信连接。无线链路也可以被实现。包括无线电、光学和红外波在内的诸如声波和电磁波之类的载波在没有电线或电缆的情况下通过空间传播。信号包括载波量值，频率，阶段，极化或其它物理属性的人为变化。对于无线链路，通信接口1970发送和接收电信号，声信号或电磁信号，包括携载诸如数字数据的信息流的红外和光信号。

术语计算机可读介质在本文中用于指代参与向处理器1902提供信息的任何介质，包括用于执行的指令。这样的介质可以采取多种形式，包括但不限于非易失性介质，易失性介质和传输介质。非易失性介质例如包括光盘或磁盘，诸如存储设备1908。易失性介质例如包括动态存储器1904。传输介质包括例如同轴电缆，铜线，光纤电缆和在没有电线或电缆的情况下穿越空间的波，诸如声波和电磁波，包括无线电、光学和红外波。术语计算机可读存储介质在本文中用于指代除了传输介质之外参与向处理器1902提供信息的任何介质。

计算机可读介质的常见形式包括例如软盘，软盘，硬盘，磁带或任何其它磁介质，光盘ROM(CD-ROM)，数字视频磁盘(DVD)或任何其它光学介质，穿孔卡，纸带或具有孔图案的任何其它物理介质，RAM，可编程ROM(PROM)，可擦除PROM(EPROM)，FLASH-EPROM或任何其它存储器芯片或盒式磁带，载波或计算机可读取的任何其它介质。术语非暂时性计算机可读存储介质在本文中用于指代除了载波和其它信号之外参与向处理器1902提供信息的任何介质。

编码在一个或多个有形介质中的逻辑包括计算机可读存储介质上的处理器指令和专用硬件(诸如ASIC*1920)中的一个或两个。

网络链路1978通常通过一个或多个网络向使用或处理该信息的其它设备提供信息通信。例如，网络链接1978可以通过本地网络1980提供到主计算机1982的连接或提供到互联网服务提供商(ISP)运行的设备1984的连接。ISP设备1984反过来通过现在通常被称为因特网1990的网络的公共全球分组交换通信网络提供数据通信服务。被称为服务器1992的计算机连接到因特网提供服务以通过互联网进行响应。例如，服务器1992提供表示用于在显示器1914呈现的视频数据的信息。

本发明涉及使用计算机***1900来实现本文描述的技术。根据本发明的一个实施例，响应于处理器1902执行包含在存储器1904中的一个或多个指令的一个或多个序列，计算机***1900执行那些技术。也可以将这样的指令(也称为软件和程序代码)从诸如存储设备1908之类的另一个计算机可读介质读入存储器1904。存储器1904中包含的指令序列的执行使得处理器1902执行在此描述的方法步骤。在替代实施例中，诸如专用集成电路1920之类的硬件可以代替软件或者与软件结合来实现本发明。因此，本发明的实施例不限于硬件和软件的任何特定组合。

通过通信接口1970在网络链路1978和其它网络上传输的信号携载信息到计算机***1900和从计算机***1900携载信息。计算机***1900可以通过网络1980,1990等发送和接收信息，包括程序代码网络链接1978和通信接口1970。在使用因特网1990的实例中，服务器1992通过因特网1990，ISP设备1984，本地网络1980和通信接口1970发送由计算机1900发送的消息所请求的特定应用的程序代码。所接收的代码可以由处理器1902在接收时执行，或者可以被存储在存储设备1908或其它非易失性存储器中用于以后执行，或者两者。以这种方式，计算机***1900可以以载波上的信号的形式获得应用程序代码。

计算机可读介质的各种形式可以涉及将一个或多个指令序列或数据或两者携载到处理器1902以供执行。例如，指令和数据最初可以在诸如主机1982之类的远程计算机的磁盘上携载。远程计算机将指令和数据加载到其动态存储器中，并使用调制解调器通过电话线发送指令和数据。计算机***1900本地的调制解调器接收电话线上的指令和数据，并使用红外发射器将指令和数据转换成用作网络链路1978的红外载波上的信号。作为通信接口1970的红外检测器接收红外信号中携载的指令和数据，并将表示指令和数据的信息放置在总线1910上。总线1910将该信息携载到存储器1904，处理器1902从该存储器1904检索并使用与指令一起发送的一些数据执行指令。在存储器1904中接收的指令和数据可以任选地在处理器1902执行之前或之后存储在存储设备1908上。

图20示出可以在其上实施本发明实施例的芯片组2000。芯片组2000被编程为执行本文描述的方法的一个或多个步骤，并且包括例如关于图20描述的处理器和存储器组件并入一个或多个物理封装(例如芯片)中。通过实例的方式，物理封装包括一种或多种材料、部件和/或导线在结构组合件(例如，基板)上的布置，以提供一个或多个特性，诸如物理强度，尺寸的保存和/或电气相互作用的限制。预期在某些实施例中，芯片组可以在单个芯片中实现。芯片组2000或其一部分构成用于执行本文描述的方法的一个或多个步骤的手段。

在一个实施例中，芯片组2000包括诸如总线2001的通信机构，用于在芯片组2000的组件之间传递信息。处理器2003具有到总线2001的连接性，以执行指令并处理存储在例如存储器2005中的信息。处理器2003可以包括一个或多个处理核心，每个核心被配置成独立执行。多核处理器可在一个物理封装内实现多次处理。多核处理器的实例包括两个，四个，八个或更多数量的处理核心。任选地或另外地，处理器2003可以包括经由总线2001串联配置的一个或多个微处理器，以实现指令、流水线和多线程的独立执行。处理器2003还可以附带有一个或多个专用组件以执行诸如一个或多个数字信号处理器(DSP)2007或者一个或多个专用集成电路(ASIC)2009的某些处理功能和任务。DSP 2007通常被配置成独立于处理器2003实时处理真实世界的信号(例如，声音)。类似地，ASIC2009可以被配置成执行通用处理器不容易执行的专用功能。本文描述的辅助执行本发明功能的其它专用组件包括一个或多个现场可编程门阵列(FPGA)(未示出)，一个或多个控制器(未示出)或一个或多个其它专用计算机芯片。

处理器2003和附属组件经由总线2001与存储器2005连接。存储器2005包括动态存储器(例如，RAM，磁盘，可写光盘等)和静态存储器(例如ROM，CD-ROM等)，用于存储当被执行时执行本文所描述的方法的一个或多个步骤的可执行指令。存储器2005还存储与执行本文描述的方法的一个或多个步骤相关联或由其执行的数据。

在前面的说明书中，已经参照其具体实施例描述了本发明。然而，显而易见的是，在不脱离本发明的更广泛的精神和范围的情况下，可以对其进行各种修改和变化。因此，说明书和附图被认为是说明性的而非限制性的。在整个说明书和权利要求书中，除非上下文另有要求，否则词语“包括(comprise)”及其变型例如“包括comprises)”和“包括(comprising)”将被理解为暗示包括所陈述的项目、要素或步骤或项目，元素或步骤，但不排除任何其它项目、元素或步骤，或项目、元素或步骤的组。此外，不定冠词“一”或“一个”旨在表示由该冠词修饰的一个或多个项目、元素或步骤。

Claims (27)

1.一种设备，其包括：

可变转矩马达，其被配置成连接到外部骨骼脚踝机器人，所述外部骨骼脚踝机器人包括连接到枢轴的一对梁，该对梁被配置成分别联接到由对象的脚踝所隔开的第一肢体和第二肢体，并且其中所述可变转矩马达被构造成仅在第一平面中围绕所述枢轴施加由机器人所施加的转矩；

具有传感器输入的至少一个处理器，其被配置成在复合脚踝功能的多个运动阶段期间从至少一个第一传感器接收第一数据；

至少一个存储器，其包括一个或多个指令序列；

所述至少一个存储器以及所述一个或多个指令序列被配置成与所述至少一个处理器一起使得所述设备执行至少以下步骤：

基于正常对象和受损对象的所述外部骨骼脚踝机器人的相应机器人的状态参数来确定适于每个运动阶段的欠缺参数；

基于当前运动阶段所基于的所述至少一个第一传感器的当前第一数据来确定适于所述由机器人所施加的转矩的适应性定时；和

基于所述当前运动阶段的所述欠缺参数来确定适于由机器人所施加的转矩的适应性量值；

其中：

所述可变转矩马达与所述存储器通信以接收所述适应性量值和所述适应性定时，并且所述可变转矩马达被配置成基于所述适应性定时在所述当前运动阶段期间将以仅在所述第一平面中的所述适应性量值施加由所述机器人所施加的转矩；以及

所述设备是便携式的，使得所述设备被配置成由对象携载。

2.根据权利要求1所述的设备，其特征在于还包括：

至少一个第一传感器；

至少一个第二传感器，其中所述传感器输入还被配置成在每个运动阶段期间从所述外部骨骼脚踝机器人的所述相应机器人状态参数的所述至少一个第二传感器接收第二数据；以及

所述外骨脚踝机器人包括近侧附件和远侧附件，所述近侧附件配置成附接到所述对象脚踝上方的所述对象的所述第一肢体，所述远侧附件配置成附接到所述对象脚踝下方的所述对象的所述第二肢体；

其中所述第一平面是跖屈-背屈(PD)平面。

3.根据权利要求2所述的设备，其特征在于所述梁中的一个是线性致动器，其中所述第一肢体是腿部，并且其中所述近侧附件被配置成将所述线性致动器附接到膝盖上方的所述腿部。

4.根据权利要求3所述的设备，其特征在于所述近侧附件包括膝盖支架和固定到所述膝盖支架的安装块，其中所述安装块包括以将所述线性致动器安装到所述膝盖支架的至少一个开口和该开口之外的以减小安装块重量的铣出部分。

5.根据权利要求2所述的设备，其特征在于所述梁中的一个是线性致动器，其中所述第一肢体是腿部，并且其中所述近侧附件被配置成将所述线性致动器附接到膝盖下方的所述腿部。

6.根据权利要求5所述的设备，其特征在于所述近侧附件包括围绕所述膝盖下方的所述腿部固定的带和所述带上的块，所述块配置成将所述线性致动器可移除地附接到所述带。

7.根据权利要求2所述的设备，其特征在于所述梁中的一个是线性致动器，其中所述第二肢体是脚部，并且所述远侧附件包括被配置成围绕所述脚部固定的箍圈，所述箍圈包括在所述枢轴处可旋转地联接到所述线性执行器的侧板。

8.根据权利要求7所述的设备，其特征在于所述远侧附件进一步包括配置成接收所述脚部的鞋，并且其中所述箍圈与所述鞋的鞋底是一体的。

9.根据权利要求7所述的设备，其特征在于所述远侧附件进一步包括带以将所述箍圈围绕被配置成以接收所述脚部的鞋固定。

10.根据权利要求7所述的设备，其特征在于所述梁仅包括一个线性致动器，并且其中所述远侧附件还包括在所述枢轴处固定到所述侧板的至少一个第一杆和连接所述至少一个第一杆的第二杆，其中所述线性致动器连接到所述第二杆，使得所述至少一个第一杆和所述第二杆被配置成基于所述线性致动器的线性运动仅在所述PD平面中围绕所述枢轴施加由机器人所施加的转矩。

11.根据权利要求7所述的设备，其特征在于所述梁仅包括一个线性致动器，并且其中所述远侧附件进一步包括在所述枢轴处固定到所述侧板的块和将所述块连接到所述线性致动器的连接件，其中所述线性致动器是连接至所述连接件，使得所述块和所述连接件被配置成基于所述线性致动器的线性运动仅在所述PD平面中围绕所述枢轴施加由所述机器人所施加的转矩。

12.根据权利要求2所述的设备，其特征在于所述梁中的一个是线性致动器，其中所述第二肢体是脚部，并且所述远侧附件包括可调鞍座，所述鞍座配置成围绕被配置成接收所述脚部的鞋的长度固定，并且其中所述枢轴是将所述鞍座连接到所述线性致动器的球窝接头连接器。

13.根据权利要求2所述的设备，其特征在于所述第二肢体是脚部，并且其中所述至少一个第一传感器包括压力传感器，所述压力传感器定位在被配置成接收所述脚部的鞋的脚后跟区域和脚趾区域中，并且其中所述当前第一数据是来自所述压力传感器的总输出。

14.根据权利要求2所述的设备，其特征在于所述梁中的其中一个仅为线性致动器，其中所述至少一个第二传感器仅包括一个被配置成在每个运动阶段期间测量所述线性致动器的线性运动的传感器，并且其中所述第二数据为所述线性致动器的线性运动数据或基于所述线性运动数据的机器人状态参数数据。

15.根据权利要求1所述的设备，其特征在于所述第一肢体是腿部，并且所述第二肢体是脚部，其中联接到所述脚部的所述梁是用于接收所述脚部的鞋，其中连接到所述腿部的所述梁是线性致动器，并且其中所述可变转矩马达和所述线性致动器安装到腿部的前侧。

16.根据权利要求1所述的设备，其特征在于还包括拨动开关，以便在所述多个运动阶段中选择期望的运动阶段，使得基于当前运动阶段是否是所述期望的运动阶段来确定所述适应性定时。

17.一种方法，其包括：

(a)基于适于正常对象的外部骨骼脚踝机器人的参数轨迹和适于受损对象的在每个运动阶段的参数轨迹之间的差值，在处理器上确定适于复合脚踝功能的所述每个运动阶段的欠缺参数的值；

(b)基于当前运动阶段所基于的来自传感器数据的当前传感器状态在所述处理器上来确定机器人所施加的转矩的适应性定时；

(c)基于所述当前运动阶段的所述欠缺参数的所述值在所述处理器上确定适于由所述机器人所施加的转矩的适应性量值；和

(d)基于所述适应性定时，仅将在适于所述当前运动阶段的第一平面中的适于述机器人所施加的转矩的适应性量值施加到所述外部骨骼脚踝机器人。

18.根据权利要求17所述的方法，其特征在于还包括：

在所述处理器上接收机器人状态参数数据，所述机器人状态参数数据指示所述外部骨骼脚踝机器人的机器人状态参数随用于基于所述传感器数据的脚踝的所述复合脚踝功能的多个运动阶段的每个运动阶段的时间变化；

并且其中所述第一平面是跖屈-背屈(PD)平面。

19.根据权利要求18所述的方法，其特征在于还包括：

基于所述机器人状态参数数据和来自所述正常对象的所述传感器数据在所述处理器上来确定所述正常对象中的适于每个运动阶段的机器人状态参数轨迹。

20.根据权利要求18所述的方法，其特征在于还包括：

基于机器人状态参数数据和来自受损对象的传感器数据在处理器上来确定受损对象中的适于每个运动阶段的机器人状态参数轨迹。

21.根据权利要求18所述的方法，其特征在于在所述处理器上接收包括仅接收在所述PD平面中指示所述机器人状态参数变化的传感器数据。

22.根据权利要求18所述的方法，其特征在于所述机器人状态参数数据包括指示所述外部骨骼脚踝机器人位置的位置数据，所述位置数据仅在所述PD平面中随时间变化。

23.根据权利要求22所述的方法，其特征在于所述位置数据包括指示所述外部骨骼脚踝机器人相对于所述PD平面中的固定轴线的角度的角度数据和指示所述外部骨骼脚踝机器人在PD平面中的速度的速度数据。

24.根据权利要求22所述的方法，其特征在于在所述处理器上接收位置数据包括在所述处理器上接收指示所述外部骨骼脚踝机器人的致动器的线性运动的线性运动数据或基于所述线性运动数据的位置数据。

25.根据权利要求17所述的方法，其特征在于步骤(d)包括使得位于所述外部骨骼脚踝机器人的对侧上的至少两个线性致动器沿相同方向运动，使得由所述机器人所施加的转矩只在PD平面中被施加到所述外部骨骼脚踝机器人。

26.根据权利要求17所述的方法，其特征在于所述确定所述适应性定时包括：

基于所述当前传感器状态在所述处理器上确定所述当前运动阶段；

将适于所述当前运动阶段的所述欠缺参数的值与机器人状态参数阈值进行比较；

将所述当前运动阶段与由拨动开关确定的期望的运动阶段进行比较；和

如果所述欠缺参数的值大于所述机器人状态参数阈值并且如果所述当前运动阶段是所述期望的运动阶段，将施加的转矩信号传送到可变转矩马达以便在所述当前运动阶段期间施加由所述机器人所施加的转矩。

27.根据权利要求17所述的方法，其特征在于还包括：

在步骤(a)之前确定所述受损对象是否具有一个或多个健康状况；和

基于所述受损对象其已确定的健康状况来调节所述适应性定时或所述适应性量值中的至少一个。