CN111956452B - 一种上肢康复机器人控制方法及装置 - Google Patents
一种上肢康复机器人控制方法及装置 Download PDFInfo
- Publication number
- CN111956452B CN111956452B CN202010890864.0A CN202010890864A CN111956452B CN 111956452 B CN111956452 B CN 111956452B CN 202010890864 A CN202010890864 A CN 202010890864A CN 111956452 B CN111956452 B CN 111956452B
- Authority
- CN
- China
- Prior art keywords
- upper limb
- joint
- rehabilitation robot
- limb rehabilitation
- patient
- 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.)
- Active
Links
- 210000001364 upper extremity Anatomy 0.000 title claims abstract description 581
- 238000000034 method Methods 0.000 title abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 36
- 230000003044 adaptive effect Effects 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 90
- 210000003205 muscle Anatomy 0.000 claims description 68
- 239000011159 matrix material Substances 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 20
- 230000008035 nerve activity Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 210000003041 ligament Anatomy 0.000 claims description 10
- 230000004118 muscle contraction Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 25
- 230000009133 cooperative interaction Effects 0.000 abstract description 18
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 210000001503 joint Anatomy 0.000 description 48
- 238000010586 diagram Methods 0.000 description 14
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 208000006011 Stroke Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003183 myoelectrical effect Effects 0.000 description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000004243 E-number Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000002346 musculoskeletal system Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/12—Driving means
- A61H2201/1207—Driving means with electric or magnetic drive
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2205/00—Devices for specific parts of the body
- A61H2205/06—Arms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2230/00—Measuring physical parameters of the user
- A61H2230/08—Other bio-electrical signals
Landscapes
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Rehabilitation Tools (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种上肢康复机器人控制方法及装置，包括获取患者的运动意图，对患者的运动意图进行识别，确定出患者的上肢各关节的表面肌电信号，并对上肢各关节的表面肌电信号进行转换处理，得到患者的上肢各关节的驱动力矩和上肢各关节的期望运动轨迹，依据预设的自适应控制算法对患者的上肢各关节的驱动力矩和上肢各关节的期望运动轨迹进行处理，得到上肢康复机器人各关节的驱动力矩，并根据上肢康复机器人各关节的驱动力矩生成上肢康复机器人各关节的运动控制指令，将上肢康复机器人各关节的运动控制指令发送给上肢康复机器人，可以提高康复机器人与患者协同交互力控制的柔顺性，并增加患者康复训练过程中的舒适度。
Description
技术领域
本发明涉及康复机器人控制技术领域，尤其涉及一种上肢康复机器人控制方法及装置。
背景技术
随着人口老龄化程度的不断加剧，脑卒中的发病率也在逐年上升，即使得到及时的救治，大约75％患者依然会在脑卒中在发病后留下许多不同程度的后遗症，这些后遗症会极大降低患者的生活自理能力，严重影响患者及其家人的生活质量。通过对偏瘫患者进行及时的重复康复运动训练可以修复患者在脑卒中发病过程中受损的神经***，并对肌肉骨骼等运动***进行强化，有助于患者上肢的复健。
康复机器人由于其康复模式完善、主动性、趣味性好等优点，正在逐步取代传统医师主导的康复训练。目前为了实现对患者运动意图、运动驱动力矩的识别和获取，康复机器人大多采用多传感器融合的技术，然而这大大提高了机器人硬件***的复杂度，对大数据的实时处理也提升了机器人控制***性能的要求，造成机器人***鲁棒性差，故障发生率高。此外，外设传感器对人体肢体运动驱动力矩的测量难度大、精度低，难以实现康复机器人与患者的协同交互力柔顺控制。
综上，目前亟需一种上肢康复机器人控制方法及装置，用以提高上肢康复机器人与患者协同交互力控制的柔顺性，并增加患者康复训练过程中的舒适度。
发明内容
本发明提供了一种上肢康复机器人控制方法及装置，用以提高康复机器人与患者协同交互力控制的柔顺性，并增加患者康复训练过程中的舒适度。
第一方面，本发明提供了一种上肢康复机器人控制方法，包括下述步骤：
S1：获取患者的运动意图；
S2：对所述患者的运动意图进行识别，确定出所述患者的上肢各关节的表面肌电信号，并对所述上肢各关节的表面肌电信号进行转换处理，得到患者的上肢各关节的驱动力矩和上肢各关节的期望运动轨迹；
S3：依据预设的自适应控制算法对所述患者的上肢各关节的驱动力矩和所述上肢各关节的期望运动轨迹进行处理，得到上肢康复机器人各关节的驱动力矩；
S4：根据所述上肢康复机器人各关节的驱动力矩生成上肢康复机器人各关节的运动控制指令；
S5：将所述上肢康复机器人各关节的运动控制指令发送给上肢康复机器人，以使所述上肢康复机器人对所述患者进行康复训练。
上述技术方案中，通过引入患者的上肢各关节的表面肌电信号，可以有效准确地识别出患者的运动意图。再对上肢各关节的表面肌电信号进行转换处理，可以快速准确地得到上肢各关节的驱动力矩和上肢各关节的期望运动轨迹，从而对康复机器人的运动控制进行补偿，进而可以实现康复机器人对上肢各关节的期望运动轨迹的灵活跟踪。之后依据预设的自适应控制算法对上肢各关节的驱动力矩和上肢各关节的期望运动轨迹进行处理，得到上肢康复机器人各关节的驱动力矩，而无需对复杂的人机协同交互动力学***进行精确建模，减少了工作量，可以降低上肢康复机器人的复杂性，并提高上肢康复机器人的跟随性和稳定性，从而可以提高上肢康复机器人与患者协同交互力控制的柔顺性，并增加患者康复训练过程中的舒适度，进而可以改善患者对康复训练的满意度，提高康复效果，并可以解决现有技术中存在康复机器人与患者的协同交互力控制的柔顺性差的问题。
可选地，所述步骤S2包括下述步骤：
S21：对所述上肢各关节的表面肌电信号进行统计处理，得到患者的上肢各关节的肌肉产生力；
S22：对所述患者的上肢各关节的肌肉产生力、上肢各关节的肌肉韧带长度进行统计，确定出所述患者的上肢各关节的驱动力矩；
S23：根据所述上肢各关节的表面肌电信号以及预设的期望运动轨迹生成算法，确定出所述患者的上肢各关节的期望运动轨迹。
上述技术方案中，通过对上肢各关节的表面肌电信号进行统计处理，得到患者的上肢各关节的肌肉产生力，并对患者的上肢各关节的肌肉产生力、上肢各关节的肌肉韧带长度进行统计，确定出患者的上肢各关节的驱动力矩，再根据上肢各关节的表面肌电信号以及预设的期望运动轨迹生成算法，确定出患者的上肢各关节的期望运动轨迹，可以为上肢康复机器人的运动控制提供补偿，从而可以实现上肢康复机器人对上肢各关节的期望运动轨迹的灵活跟踪，进而为解决现有技术中存在康复机器人与患者的协同交互力控制的柔顺性差的问题提供支持。
可选地，所述步骤S21包括下述步骤：
S211：对所述上肢各关节的表面肌电信号进行预处理，得到上肢各关节的表面肌电信号的特征信号；
S212：对所述上肢各关节的表面肌电信号的特征信号进行统计，确定出患者的上肢各关节的神经活动度；
S213：对所述患者的上肢各关节的神经活动度进行统计，确定出患者的上肢各关节的肌肉活动度；
S214：对所述患者的上肢各关节的肌肉活动度、上肢各关节的肌肉长度、上肢各关节的肌肉收缩速度以及上肢各关节的肌肉被动弹性长度进行统计，确定出所述患者的上肢各关节的肌肉产生力。
上述技术方案中，通过对上肢各关节的表面肌电信号进行预处理，得到上肢各关节的表面肌电信号的特征信号，并基于上肢各关节的表面肌电信号的特征信号，确定出上肢各关节的肌肉活动度，再对上肢各关节的肌肉活动度、上肢各关节的肌肉长度、上肢各关节的肌肉收缩速度以及上肢各关节的肌肉被动弹性长度进行统计，确定出患者的上肢各关节的肌肉产生力，可以有助于为快速准确地确定出上肢各关节的驱动力矩提供数据支持。
可选地，所述上肢各关节的期望运动轨迹包括上肢各关节的期望角度位置和上肢各关节的期望角速度；
所述步骤S3包括下述步骤：
S31：获取上肢康复机器人各关节的当前角度位置、当前角速度；所述上肢康复机器人各关节与所述患者的上肢各关节一一对应；
S32：将所述上肢康复机器人各关节的当前角度位置与所述上肢各关节的期望角度位置的差值确定为上肢康复机器人各关节的角度位置误差，并将所述上肢康复机器人各关节的当前角速度与所述上肢各关节的期望角速度的差值确定为上肢康复机器人各关节的角速度误差；
S33：利用高斯径向基函数对所述上肢康复机器人各关节的角度位置误差、所述上肢康复机器人各关节的角速度误差进行非线性映射，确定出上肢康复机器人各关节的高斯径向基函数值；
S34：基于所述上肢康复机器人各关节的角度位置误差和所述上肢康复机器人各关节的角速度误差，确定出上肢康复机器人各关节的滑模变量；
S35：根据所述上肢各关节的驱动力矩、所述上肢康复机器人各关节的高斯径向基函数值、上肢康复机器人各关节的高斯径向基函数值的权重、所述上肢康复机器人各关节的滑模变量以及所述上肢康复机器人各关节的角度位置误差，确定出所述上肢康复机器人各关节的驱动力矩。
上述技术方案中，通过利用高斯径向基函数对上肢康复机器人各关节的角度位置误差、上肢康复机器人各关节的角速度误差进行非线性映射，确定出上肢康复机器人各关节的高斯径向基函数值，并根据上肢各关节的驱动力矩、上肢康复机器人各关节的高斯径向基函数值、上肢康复机器人各关节的高斯径向基函数值的权重、上肢康复机器人各关节的滑模变量以及上肢康复机器人各关节的角度位置误差，可以快速准确地确定出上肢康复机器人各关节的驱动力矩，而无需对复杂的人机协同交互动力学***进行精确建模，减少了工作量，也减少了编码器、力矩传感器的使用，可以降低上肢康复机器人的复杂性，并提高上肢康复机器人的跟随性和稳定性，从而可以提高上肢康复机器人与患者协同交互力控制的柔顺性，并增加患者康复训练过程中的舒适度，进而可以解决现有技术中存在康复机器人机械臂由于调节及柔性零部件导致的动力学参数辨识困难的问题。
可选地，根据下述步骤确定所述上肢康复机器人各关节的高斯径向基函数值的权重：
S61：对所述上肢康复机器人各关节的高斯径向基函数值和所述上肢康复机器人各关节的滑模变量进行统计，确定出上肢康复机器人各关节的自适应律；
S62：基于所述上肢康复机器人各关节的自适应律，对上肢康复机器人各关节的高斯径向基函数值的初始权重进行更新，确定出所述上肢康复机器人各关节的高斯径向基函数值的权重。
上述技术方案中，通过基于上肢康复机器人各关节的自适应律，对上肢康复机器人各关节的高斯径向基函数值的初始权重进行更新，确定出上肢康复机器人各关节的高斯径向基函数值的权重，可以有助于为准确地确定出上肢康复机器人各关节的驱动力矩提供支持。
可选地，根据公式(9)计算出所述上肢康复机器人各关节的驱动力矩；
所述公式(9)为：
其中，τ为所述上肢康复机器人各关节的驱动力矩，τm为所述上肢各关节的驱动力矩，
为所述上肢康复机器人各关节的高斯径向基函数值的权重，h为所述上肢康复机器人各关节的高斯径向基函数值，Ks为上肢康复机器人各关节的角速度跟踪误差增益矩阵，s为所述上肢康复机器人各关节的滑模变量，KD为上肢康复机器人各关节的角度位置跟踪误差增益矩阵，
为所述上肢康复机器人各关节的角度位置误差。
上述技术方案中，通过引入患者的上肢各关节的驱动力矩、上肢康复机器人各关节的滑模变量、上肢康复机器人各关节的角度位置误差、上肢康复机器人各关节的角速度跟踪误差增益矩阵以及上肢康复机器人各关节的角度位置跟踪误差增益矩阵，可以有助于准确地确定出上肢康复机器人各关节的驱动力矩，并可以进一步提高上肢康复机器人在运动控制过程中对患者的期望运动轨迹的追踪性能，从而可以提高上肢康复机器人的跟随性和稳定性。
可选地，根据公式(11)计算出所述上肢康复机器人各关节的自适应律；
所述公式(11)为：
其中，
为所述上肢康复机器人各关节的自适应律，Γ为正定矩阵，h为所述上肢康复机器人各关节的高斯径向基函数值，sT为所述上肢康复机器人各关节的滑模变量，σ为常数，
为所述上肢康复机器人各关节的高斯径向基函数值的权重。
上述技术方案中，通过在上肢康复机器人各关节的自适应律中引入负相关的上肢康复机器人各关节的高斯径向基函数值的权重，可以有助于提高高斯径向基函数的收敛速度，从而可以减少对患者的期望运动轨迹的跟踪误差。
第二方面，本发明还提供了一种上肢康复机器人控制装置，包括：获取单元和处理单元，所述获取单元和所述处理单元进行通信连接；
获取单元，用于获取患者的运动意图；
处理单元，用于对所述患者的运动意图进行识别，确定出所述患者的上肢各关节的表面肌电信号，并对所述上肢各关节的表面肌电信号进行转换处理，得到患者的上肢各关节的驱动力矩和上肢各关节的期望运动轨迹；依据预设的自适应控制算法对所述患者的上肢各关节的驱动力矩和所述上肢各关节的期望运动轨迹进行处理，得到上肢康复机器人各关节的驱动力矩，并根据所述上肢康复机器人各关节的驱动力矩生成上肢康复机器人各关节的运动控制指令；将所述上肢康复机器人各关节的运动控制指令发送给所述上肢康复机器人，以使所述上肢康复机器人对所述患者进行康复训练。
可选地，所述处理单元具体用于：
对所述上肢各关节的表面肌电信号进行统计处理，得到患者的上肢各关节的肌肉产生力；
对所述患者的上肢各关节的肌肉产生力、上肢各关节的肌肉韧带长度进行统计，确定出所述患者的上肢各关节的驱动力矩；
根据所述上肢各关节的表面肌电信号以及预设的期望运动轨迹生成算法，确定出所述患者的上肢各关节的期望运动轨迹。
可选地，所述处理单元具体用于：
对所述上肢各关节的表面肌电信号进行预处理，得到上肢各关节的表面肌电信号的特征信号；
对所述上肢各关节的表面肌电信号的特征信号进行统计，确定出患者的上肢各关节的神经活动度；
对所述患者的上肢各关节的神经活动度进行统计，确定出患者的上肢各关节的肌肉活动度；
对所述患者的上肢各关节的肌肉活动度、上肢各关节的肌肉长度、上肢各关节的肌肉收缩速度以及上肢各关节的肌肉被动弹性长度进行统计，确定出所述患者的上肢各关节的肌肉产生力。
可选地，所述上肢各关节的期望运动轨迹包括上肢各关节的期望角度位置和上肢各关节的期望角速度；
所述处理单元具体用于：
获取上肢康复机器人各关节的当前角度位置、当前角速度；所述上肢康复机器人各关节与所述患者的上肢各关节一一对应；
将所述上肢康复机器人各关节的当前角度位置与所述上肢各关节的期望角度位置的差值确定为上肢康复机器人各关节的角度位置误差，并将所述上肢康复机器人各关节的当前角速度与所述上肢各关节的期望角速度的差值确定为上肢康复机器人各关节的角速度误差；
利用高斯径向基函数对所述上肢康复机器人各关节的角度位置误差、所述上肢康复机器人各关节的角速度误差进行非线性映射，确定出上肢康复机器人各关节的高斯径向基函数值；
基于所述上肢康复机器人各关节的角度位置误差和所述上肢康复机器人各关节的角速度误差，确定出上肢康复机器人各关节的滑模变量；
根据所述上肢各关节的驱动力矩、所述上肢康复机器人各关节的高斯径向基函数值、上肢康复机器人各关节的高斯径向基函数值的权重、所述上肢康复机器人各关节的滑模变量以及所述上肢康复机器人各关节的角度位置误差，确定出所述上肢康复机器人各关节的驱动力矩。
可选地，所述处理单元具体用于：
对所述上肢康复机器人各关节的高斯径向基函数值和所述上肢康复机器人各关节的滑模变量进行统计，确定出上肢康复机器人各关节的自适应律；
基于所述上肢康复机器人各关节的自适应律，对上肢康复机器人各关节的高斯径向基函数值的初始权重进行更新，确定出所述上肢康复机器人各关节的高斯径向基函数值的权重。
可选地，所述处理单元具体用于：
根据公式(9)计算出所述上肢康复机器人各关节的驱动力矩；
所述公式(9)为：
其中，τ为所述上肢康复机器人各关节的驱动力矩，τm为所述上肢各关节的驱动力矩，
为所述上肢康复机器人各关节的高斯径向基函数值的权重，h为所述上肢康复机器人各关节的高斯径向基函数值，Ks为上肢康复机器人各关节的角速度跟踪误差增益矩阵，s为所述上肢康复机器人各关节的滑模变量，KD为上肢康复机器人各关节的角度位置跟踪误差增益矩阵，
为所述上肢康复机器人各关节的角度位置误差。
可选地，所述处理单元具体用于：
根据公式(11)计算出所述上肢康复机器人各关节的自适应律；
所述公式(11)为：
其中，
为所述上肢康复机器人各关节的自适应律，Γ为正定矩阵，h为所述上肢康复机器人各关节的高斯径向基函数值，sT为所述上肢康复机器人各关节的滑模变量，σ为常数，
为所述上肢康复机器人各关节的高斯径向基函数值的权重。
第三方面，本发明提供一种计算设备，包括：
存储器，用于存储计算机程序；
处理器，用于调用所述存储器中存储的计算机程序，按照获得的程序执行上肢康复机器人控制方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行程序，所述计算机可执行程序用于使计算机执行上肢康复机器人控制方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种***架构的示意图；
图2为本发明实施例提供的一种上肢康复机器人控制方法的流程示意图；
图3为本发明实施例提供的一种对表面肌电信号进行处理的示意图；
图4为本发明实施例提供的一种人体肌肉韧带模型的示意图；
图5为本发明实施例提供的一种上肢康复机器人的机械臂简化模型、电机安装位置的示意图；
图6为本发明实施例提供的一种上肢康复机器人与患者协同交互的自适应控制过程的示意图；
图7为本发明实施例提供的一种上肢康复机器人与患者协同交互自适应控制的流程示意图；
图8为本发明实施例提供的一种上肢康复机器人控制装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种***架构的示意图。如图1所示，该***架构可以为服务器100，包括处理器110、通信接口120和存储器130。
其中，通信接口120用于与终端设备进行通信，收发该终端设备传输的信息，实现通信。
处理器110是服务器100的控制中心，利用各种接口和线路连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。
基于上述描述，图2示例性的示出了本发明实施例提供的一种上肢康复机器人控制方法的流程，该流程可以由上肢康复机器人控制装置执行。
如图2所示，该流程具体包括：
步骤S1，获取患者的运动意图。
本发明实施例中，理疗师将上肢康复机器人调节至与康复病人匹配的位置，然后通过机器人上的绑缚结构将病人与康复机械臂固定，将上肢康复机器人切换至“主动/助力控制”模式，开启人机协同交互自适应控制周期循环。然后在康复训练***的界面中会出现与康复相关的提示、游戏等康复训练运动项目，患者可以根据自己的需求在康复训练***的界面中进行选择相应的康复训练运动项目，选择出的康复训练运动项目中的运动场景即为该患者的运动意图。
步骤S2，对所述患者的运动意图进行识别，确定出所述患者的上肢各关节的表面肌电信号，并对所述上肢各关节的表面肌电信号进行转换处理，得到患者的上肢各关节的驱动力矩和上肢各关节的期望运动轨迹。
本发明实施例中，患者选择出的运动意图可以通过患者的大脑神经***传递至患者的手臂肌肉，就可以产生上肢各关节的表面肌电信号，通过表面肌电信号传感器采集该上肢各关节的表面肌电信号，并对上肢各关节的表面肌电信号进行预处理，得到上肢各关节的表面肌电信号的特征信号。再对上肢各关节的表面肌电信号的特征信号进行统计，确定出患者的上肢各关节的神经活动度，并对患者的上肢各关节的神经活动度进行统计，确定出患者的上肢各关节的肌肉活动度。再对患者的上肢各关节的肌肉活动度、上肢各关节的肌肉长度、上肢各关节的肌肉收缩速度以及上肢各关节的肌肉被动弹性长度进行统计，确定出患者的上肢各关节的肌肉产生力。之后对患者的上肢各关节的肌肉产生力、上肢各关节的肌肉韧带长度进行统计，确定出患者的上肢各关节的驱动力矩，并根据上肢各关节的表面肌电信号以及预设的期望运动轨迹生成算法，确定出患者的上肢各关节的期望运动轨迹。
具体地，对表面肌电信号进行处理的过程可以如图3所示。由表面肌电信号传感器获取的表面肌电信号(surface electromyogram signal，sEMG)经过带通滤波器、全波整形并经归一化处理后，再经过低通滤波器就可以得到表面肌电信号的特征信号e(t)。通过下述公式(1)对表面肌电信号的特征信号进行计算可以得到患者的上肢各关节的神经活动度：
u(t)＝α*e(t-te)-β1*u(t-1)-β2*u(t-2)………………………(1)
其中，u(t)为患者的上肢各关节的神经活动度，t为患者的上肢各关节的肌肉收缩当前时间，te为患者的上肢各关节的肌肉收缩起始时间，e(t-te)为表面肌电信号的特征信号，α＝0.9486，β1＝-0.052，β2＝0.000627。
在计算出患者的上肢各关节的神经活动度后，基于患者的上肢各关节的神经活动度对患者的上肢各关节的肌肉活动度进行计算，计算公式(2)为：
其中，a(t)为患者的上肢各关节的肌肉活动度，u(t)为患者的上肢各关节的神经活动度，为一个属于区间(-3,0)内的规整因子。
根据患者的上肢各关节的肌肉活动度以及如图4所示的人体肌肉韧带模型，可以对患者的上肢各关节的肌肉产生力进行计算，计算公式(3)为：
其中，
为患者的上肢各关节的肌肉产生力，
为患者的上肢各关节的最大肌肉产生力，
为患者的上肢各关节的肌肉羽状角，fi(li)为力与归一化肌肉长度的对应函数，fi(vi)为力与归一化收缩速度的对应函数，fi(vi)＝15，fpi(li)为力与被动弹性长度的关系函数。
此外，力与归一化肌肉长度的对应函数fi(li)可以用公式(4)表示，力与被动弹性长度的关系函数fpi(li)可以用公式(5)表示。公式(4)和公式(5)分别为：
其中，fi(li)为力与归一化肌肉长度的对应函数，fpi(li)为力与被动弹性长度的关系函数，li为患者的上肢各关节的归一化肌肉长度，q0＝-2.06，q1＝6.16，q2＝-3.13。
在计算出患者的上肢各关节的肌肉产生力后，基于患者的上肢各关节的肌肉产生力以及归一化肌肉韧带长度对患者的上肢各关节的驱动力矩进行计算，计算公式(6)为：
其中，τm(t)为患者的上肢各关节的驱动力矩，
为患者的上肢各关节的收缩的肌肉产生力，
为患者的上肢各关节的舒张的肌肉产生力，Ne表示患者的上肢各关节的收缩的肌肉数量，Nf表示患者的上肢各关节的舒张的肌肉数量，
为患者的上肢各关节的归一化肌肉韧带长度。
基于患者上肢各关节的表面肌电信号以及预设的期望运动轨迹生成算法，可以确定出患者的上肢各关节的期望运动轨迹。具体地，根据图5所示的上肢康复机器人的机械臂简化模型、电机安装位置可知，由于上肢各关节的表面肌电信号与上肢各关节在矢状面上的各个关节角度(比如肩关节、肘关节)相关性很好，因此在具体实施过程中，通过离线情况下，即在患者非康复训练模式下，采集多个患者及健康人上肢各关节的表面肌电信号与其上肢各关节的运动数据，通过非线性回归(Nonlinear Regression)的方法，建立人体上肢各关节的表面肌电信号与上肢各关节的运动参数的函数关系，然后在患者进行康复训练运动时通过采集该患者的上肢各关节的表面肌电信号代入到上述函数关系中，就可以得到患者的上肢各关节在运动过程中的期望运动轨迹。至此，通过患者的上肢各关节的表面肌电信号就可以获得对应的上肢各关节的运动意图、期望运动轨迹以及驱动患者上肢各关节运动所需的扭矩。之后便是通过这些信号获取康复机器人的控制指令。
步骤S3，依据预设的自适应控制算法对所述患者的上肢各关节的驱动力矩和所述上肢各关节的期望运动轨迹进行处理，得到上肢康复机器人各关节的驱动力矩。
步骤S4，根据所述上肢康复机器人各关节的驱动力矩生成上肢康复机器人各关节的运动控制指令。
本发明实施例中，患者的上肢各关节的期望运动轨迹可以包括上肢各关节的期望角度位置和上肢各关节的期望角速度。在确定出患者的上肢各关节的驱动力矩和上肢各关节的期望运动轨迹后，开始获取上肢康复机器人各关节的当前角度位置、当前角速度，上肢康复机器人各关节与患者的上肢各关节一一对应，将上肢康复机器人各关节的当前角度位置与上肢各关节的期望角度位置的差值确定为上肢康复机器人各关节的角度位置误差，并将上肢康复机器人各关节的当前角速度与上肢各关节的期望角速度的差值确定为上肢康复机器人各关节的角速度误差。再利用高斯径向基函数对上肢康复机器人各关节的角度位置误差、上肢康复机器人各关节的角速度误差进行非线性映射，确定出上肢康复机器人各关节的高斯径向基函数值，并基于上肢康复机器人各关节的角度位置误差和上肢康复机器人各关节的角速度误差，确定出上肢康复机器人各关节的滑模变量。之后根据上肢各关节的驱动力矩、上肢康复机器人各关节的高斯径向基函数值、上肢康复机器人各关节的高斯径向基函数值的权重、上肢康复机器人各关节的滑模变量以及上肢康复机器人各关节的角度位置误差，确定出上肢康复机器人各关节的驱动力矩，之后根据上肢康复机器人各关节的驱动力矩生成上肢康复机器人各关节的运动控制指令。
其中，根据以下方式确定上肢康复机器人各关节的高斯径向基函数值的权重：对上肢康复机器人各关节的高斯径向基函数值和上肢康复机器人各关节的滑模变量进行统计，确定出上肢康复机器人各关节的自适应律，并基于上肢康复机器人各关节的自适应律，对上肢康复机器人各关节的高斯径向基函数值的初始权重进行更新，确定出上肢康复机器人各关节的高斯径向基函数值的权重。
具体地，传统控制策略第一步总是建立基于欧拉-拉格朗日方法机器人的动力学模型：
其中，M(q)为惯性矩阵，q＝[q1,q2]为关节角度位置向量，
为关节角加速度向量，
为关节角速度向量，
为科氏力和离心力矩阵，G(q)为重力向量，B为粘性摩擦项，D为动摩擦项，τ＝[τ1,τ2]为关节合力矩向量。
需要说明的是，要通过上述建立的动力学模型采用逆运动学的方法计算出康复机器人各个关节的驱动力矩的前提是，动力学模型各个参数的辨识完全符合机器人的实际物理模型。然而在实际使用过程中，由于机器人的杆件长度需要根据不同的患者进行调节，而且机器人的部分元器件(如绑缚结构、电缆等)是柔性的，在机器人运动过程中其动力学参数也是变化的，也就是说上肢康复机器人是一个非线性的时变***，因此，采取传统机器人控制算法中的建模手段并不能够完全满足康复机器人的使用环境，有可能使机器人在康复训练中失稳，甚至造成患者受伤。
基于上述采取传统机器人控制算法出现的问题，本发明在具体实施过程中采用了一种基于高斯径向基函数RBF(Radial Basis Function)的自适应控制算法来避免出现上述问题，并且该自适应控制算法无需对被控机器人***建立精确的动力学模型，具体的上肢康复机器人与患者协同交互的自适应控制过程可以如图6所示。
由于高斯径向基函数对非线性***具有良好的拟合能力，因此基于高斯径向基函数，上述建立的基于欧拉-拉格朗日方法机器人的动力学模型可以改写为：
其中，上肢康复机器人的驱动力矩τ可以由项w*T*h+ε来拟合，w*为径向基函数的加权量，h为高斯径向基函数值，ε为误差项，
为惯性矩阵，q为关节角度位置向量，
为关节角加速度向量，
为关节角速度向量，
为科氏力和离心力矩阵，
为重力向量。
在本发明具体实施过程中，上肢康复机器人的驱动力矩可以被设计为：
其中，τ为上肢康复机器人各关节的驱动力矩，τm为患者的上肢各关节的驱动力矩，
为上肢康复机器人各关节的高斯径向基函数值的权重，h为上肢康复机器人各关节的高斯径向基函数值，Ks为上肢康复机器人各关节的角速度跟踪误差增益矩阵，s为上肢康复机器人各关节的滑模变量，KD为上肢康复机器人各关节的角度位置跟踪误差增益矩阵，
为上肢康复机器人各关节的角度位置误差。
上述公式(9)中的
可以定义为：
s可以定义为：
Λ为正定矩阵。需要说明的是，τ、
s、KD以及Ks共同构成了本发明实施例的自适应控制器中的***的一个自适应阻抗控制器，通过引入该自适应阻抗控制器可以进一步提高上肢康复机器人在运动控制过程中对患者的期望运动轨迹的追踪性能，并可以提高自适应控制器的稳定性。
上述公式(9)中的
表示的是通过高斯径向基函数拟合的上肢康复机器人动力学特征的无偏估计。
可以分为两个部分，其中，
表示的是每个高斯径向基函数的加权量w的无偏估计。hi(Z)是高斯径向基函数，利用其对非线性***强大的拟合能力可以对上肢康复机器人***的非线性动力学特征进行近似拟合，具体的公式为：
其中，Z为上肢康复机器人的追踪误差信号
和
μi为第i个高斯径向基函数的核，ρi为第i个高斯径向基函数的方差。
此外，根据下述公式确定上肢康复机器人各关节的自适应律，具体的公式为：
其中，
为所述上肢康复机器人各关节的自适应律，Γ为正定矩阵，h为所述上肢康复机器人各关节的高斯径向基函数值，sT为所述上肢康复机器人各关节的滑模变量，σ为常数，
为所述上肢康复机器人各关节的高斯径向基函数值的权重。
上述公式(11)中在引入与追踪误差相关的滑模变量
的同时，还引入高斯径向基核函数的加权w*的负相关比例量，如此可以提高高斯径向基函数的收敛速度，并可以减小上肢康复机器人的轨迹及速度追踪误差。
在上述自适应控制算法中，上肢康复机器人的非线性时变特性可以被刻画，如此在对患者进行上肢康复训练时，上肢康复机器人的机械臂可以准确、柔顺的追踪患者的上肢运动，并对患者实行助力。此外，根据本发明的具体实施过程可知，上肢康复机器人运动的期望运动轨迹直接来源于上肢康复机器人的操作人(比如患者)，且该期望运动轨迹是实时规划而产生的，如此可以减少训练过程中患者的不适度，提高训练效果。另外，通过引入患者的上肢表面肌电信号可以补全人体上肢动力学模型建立上的缺失，并通过自适应控制算法来对上肢康复机器人的动力学模型进行拟合，可以提高上肢康复机器人对患者上肢运动的跟随性和运动控制的柔顺性，从而可以实现患者与上肢康复机器人的机械臂之间的良好运动协同交互控制。
步骤S5，将所述上肢康复机器人各关节的运动控制指令发送给所述上肢康复机器人。
本发明实施例中，将上肢康复机器人各关节的运动控制指令发送给康复机器人，以使康复机器人根据上肢康复机器人各关节的运动控制指令对上肢患者的上肢进行康复训练。
为了更好的解释本发明上肢康复机器人与患者协同交互自适应控制的实施例，下面通过具体的实施场景描述本发明实施例提供的一种上肢康复机器人与患者协同交互自适应控制的流程。图7示例性的示出了本发明实施例提供的一种上肢康复机器人与患者协同交互自适应控制的流程示意图，其中包括上肢康复机器人、上肢功能障碍患者、协同交互自适应控制方法三部分。
如图7所示，该流程包括以下步骤：
步骤701，获取患者的上肢各关节的表面肌电信号。
理疗师将上肢康复机器人调节至与康复病人匹配的位置，然后通过机器人上的绑缚结构将病人与康复机械臂固定，将上肢康复机器人切换至“主动/助力控制”模式，开启人机协同交互自适应控制周期循环。然后在康复训练***的界面中会出现与康复相关的提示、游戏等康复训练运动项目，患者可以根据自己的需求在康复训练***的界面中出现的运动意图。患者选择出的运动意图可以通过患者的大脑神经***传递至患者的手臂肌肉，就可以产生上肢各关节的表面肌电信号，通过表面肌电信号传感器采集该上肢各关节的表面肌电信号。
步骤702，辨识出患者的上肢各关节的运动意图。
根据该上肢各关节的表面肌电信号就可以辨识出患者的上肢各关节的运动意图。
步骤703，计算出患者的上肢各关节的驱动力矩。
对上肢各关节的表面肌电信号进行转换处理，可以得到患者的上肢各关节的驱动力矩。
步骤704，生成患者的上肢各关节的期望运动轨迹。
将上肢各关节的表面肌电信号代入到人体上肢各关节的表面肌电信号与上肢各关节的运动参数的函数关系，就可以生成患者的上肢各关节在运动过程中的期望运动轨迹。
步骤705，自适应控制器。
将患者的上肢各关节的驱动力矩和患者的上肢各关节的期望运动轨迹输入到自适应控制器中，就可以得到上肢康复机器人的驱动力矩。
步骤706，生成上肢康复机器人各关节的运动控制指令。
将康复机器人的驱动力矩生成上肢康复机器人各关节的运动控制指令，并将上肢康复机器人各关节的运动控制指令作为康复机器人电机的控制输入，实时通过编码器获取上肢康复机器人各关节的运动信息。之后将该上肢康复机器人各关节的运动信息与患者的上肢各关节的期望运动轨迹进行作差处理后作为反馈输入到自适应控制器，以便减少上肢康复机器人的运动轨迹偏差。然后上肢康复机器人的机械臂运动，实现对患者的柔顺控制，并追踪患者的上肢各关节的期望运动轨迹以便完成对患者康复训练的助力。
需要说明的是，在本发明的具体实施过程中，上肢康复机器人控制***会重复从患者选择出的运动意图传递至手臂肌肉产生表面肌电信号到上肢康复机器人的机械臂运动并追踪患者的上肢各关节的期望运动轨迹以便完成对患者康复训练的助力的康复训练步骤，直至设定的康复训练时间结束，或者患者可以根据自己的需求自行点击上肢康复机器人控制***中的界面上的按钮“结束”就可以结束康复训练。
上述实施例表明，通过引入患者的上肢各关节的表面肌电信号，可以有效准确地识别出患者的运动意图。再对上肢各关节的表面肌电信号进行转换处理，可以快速准确地得到上肢各关节的驱动力矩和上肢各关节的期望运动轨迹，从而对上肢康复机器人的运动控制进行补偿，进而可以实现上肢康复机器人对上肢各关节的期望运动轨迹的灵活跟踪。之后依据预设的自适应控制算法对上肢各关节的驱动力矩和上肢各关节的期望运动轨迹进行处理，得到上肢康复机器人各关节的驱动力矩，而无需对复杂的人机协同交互动力学***进行精确建模，减少了工作量，可以降低上肢康复机器人的复杂性，并提高上肢康复机器人的跟随性和稳定性，从而可以提高上肢康复机器人与患者协同交互力控制的柔顺性，并增加患者康复训练过程中的舒适度，进而可以改善患者对康复训练的满意度，提高康复效果，并可以解决现有技术中存在康复机器人与患者的协同交互力控制的柔顺性差的问题。
基于相同的技术构思，图8示例性的示出了本发明实施例提供的一种上肢康复机器人控制装置，该装置可以执行上肢康复机器人控制方法的流程。
如图8所示，该装置包括：获取单元801和处理单元802，所述获取单元801和所述处理单元802进行通信连接；
获取单元801，用于获取患者的运动意图；
处理单元802，用于对所述患者的运动意图进行识别，确定出所述患者的上肢各关节的表面肌电信号，并对所述上肢各关节的表面肌电信号进行转换处理，得到患者的上肢各关节的驱动力矩和上肢各关节的期望运动轨迹；依据预设的自适应控制算法对所述患者的上肢各关节的驱动力矩和所述上肢各关节的期望运动轨迹进行处理，得到上肢康复机器人各关节的驱动力矩，并根据所述上肢康复机器人各关节的驱动力矩生成上肢康复机器人各关节的运动控制指令；将所述上肢康复机器人各关节的运动控制指令发送给所述上肢康复机器人，以使所述上肢康复机器人对所述患者进行康复训练。
可选地，所述处理单元802具体用于：
对所述上肢各关节的表面肌电信号进行统计处理，得到患者的上肢各关节的肌肉产生力；
对所述患者的上肢各关节的肌肉产生力、上肢各关节的肌肉韧带长度进行统计，确定出所述患者的上肢各关节的驱动力矩；
根据所述上肢各关节的表面肌电信号以及预设的期望运动轨迹生成算法，确定出所述患者的上肢各关节的期望运动轨迹。
可选地，所述处理单元802具体用于：
对所述上肢各关节的表面肌电信号进行预处理，得到上肢各关节的表面肌电信号的特征信号；
对所述上肢各关节的表面肌电信号的特征信号进行统计，确定出患者的上肢各关节的神经活动度；
对所述患者的上肢各关节的神经活动度进行统计，确定出患者的上肢各关节的肌肉活动度；
对所述患者的上肢各关节的肌肉活动度、上肢各关节的肌肉长度、上肢各关节的肌肉收缩速度以及上肢各关节的肌肉被动弹性长度进行统计，确定出所述患者的上肢各关节的肌肉产生力。
可选地，所述上肢各关节的期望运动轨迹包括上肢各关节的期望角度位置和上肢各关节的期望角速度；
所述处理单元802具体用于：
获取上肢康复机器人各关节的当前角度位置、当前角速度；所述上肢康复机器人各关节与所述患者的上肢各关节一一对应；
将所述上肢康复机器人各关节的当前角度位置与所述上肢各关节的期望角度位置的差值确定为上肢康复机器人各关节的角度位置误差，并将所述上肢康复机器人各关节的当前角速度与所述上肢各关节的期望角速度的差值确定为上肢康复机器人各关节的角速度误差；
利用高斯径向基函数对所述上肢康复机器人各关节的角度位置误差、所述上肢康复机器人各关节的角速度误差进行非线性映射，确定出上肢康复机器人各关节的高斯径向基函数值；
基于所述上肢康复机器人各关节的角度位置误差和所述上肢康复机器人各关节的角速度误差，确定出上肢康复机器人各关节的滑模变量；
根据所述上肢各关节的驱动力矩、所述上肢康复机器人各关节的高斯径向基函数值、上肢康复机器人各关节的高斯径向基函数值的权重、所述上肢康复机器人各关节的滑模变量以及所述上肢康复机器人各关节的角度位置误差，确定出所述上肢康复机器人各关节的驱动力矩。
可选地，所述处理单元802具体用于：
对所述上肢康复机器人各关节的高斯径向基函数值和所述上肢康复机器人各关节的滑模变量进行统计，确定出上肢康复机器人各关节的自适应律；
基于所述上肢康复机器人各关节的自适应律，对上肢康复机器人各关节的高斯径向基函数值的初始权重进行更新，确定出所述上肢康复机器人各关节的高斯径向基函数值的权重。
可选地，所述处理单元802具体用于：
根据公式(9)计算出所述上肢康复机器人各关节的驱动力矩；
所述公式(9)为：
其中，τ为所述上肢康复机器人各关节的驱动力矩，τm为所述上肢各关节的驱动力矩，
为所述上肢康复机器人各关节的高斯径向基函数值的权重，h为所述上肢康复机器人各关节的高斯径向基函数值，Ks为上肢康复机器人各关节的角速度跟踪误差增益矩阵，s为所述上肢康复机器人各关节的滑模变量，KD为上肢康复机器人各关节的角度位置跟踪误差增益矩阵，
为所述上肢康复机器人各关节的角度位置误差。
可选地，所述处理单元802具体用于：
根据公式(11)计算出所述上肢康复机器人各关节的自适应律；
所述公式(11)为：
其中，
为所述上肢康复机器人各关节的自适应律，Γ为正定矩阵，h为所述上肢康复机器人各关节的高斯径向基函数值，sT为所述上肢康复机器人各关节的滑模变量，σ为常数，
为所述上肢康复机器人各关节的高斯径向基函数值的权重。
基于相同的技术构思，本发明实施例提供一种计算设备，包括：
存储器，用于存储计算机程序；
处理器，用于调用所述存储器中存储的计算机程序，按照获得的程序执行上肢康复机器人控制方法。
基于相同的技术构思，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行程序，所述计算机可执行程序用于使计算机执行上肢康复机器人控制方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种上肢康复机器人控制装置，其特征在于，包括：获取单元和处理单元，所述获取单元和所述处理单元进行通信连接；
获取单元，用于执行步骤S1：获取患者的运动意图；所述运动意图用于表征所述患者根据自己的需求在康复训练***的界面中选择出的康复训练运动项目中的运动场景；
处理单元，用于执行步骤S2：对所述患者的运动意图进行识别，确定出所述患者的上肢各关节的表面肌电信号，并对所述上肢各关节的表面肌电信号进行转换处理，得到患者的上肢各关节的驱动力矩和上肢各关节的期望运动轨迹；用于执行步骤S3：依据预设的自适应控制算法对所述患者的上肢各关节的驱动力矩和所述上肢各关节的期望运动轨迹进行处理，得到上肢康复机器人各关节的驱动力矩；用于执行步骤S4：根据所述上肢康复机器人各关节的驱动力矩生成上肢康复机器人各关节的运动控制指令；用于执行步骤S5：将所述上肢康复机器人各关节的运动控制指令发送给所述上肢康复机器人，以使所述上肢康复机器人对所述患者进行康复训练；
所述上肢各关节的期望运动轨迹包括上肢各关节的期望角度位置和上肢各关节的期望角速度；
所述处理单元具体用于：
执行步骤S31：获取上肢康复机器人各关节的当前角度位置、当前角速度；所述上肢康复机器人各关节与所述患者的上肢各关节一一对应；
执行步骤S32：将所述上肢康复机器人各关节的当前角度位置与所述上肢各关节的期望角度位置的差值确定为上肢康复机器人各关节的角度位置误差，并将所述上肢康复机器人各关节的当前角速度与所述上肢各关节的期望角速度的差值确定为上肢康复机器人各关节的角速度误差；
执行步骤S33：利用高斯径向基函数对所述上肢康复机器人各关节的角度位置误差、所述上肢康复机器人各关节的角速度误差进行非线性映射，确定出上肢康复机器人各关节的高斯径向基函数值；
执行步骤S34：基于所述上肢康复机器人各关节的角度位置误差和所述上肢康复机器人各关节的角速度误差，确定出上肢康复机器人各关节的滑模变量；
执行步骤S35：根据所述上肢各关节的驱动力矩、所述上肢康复机器人各关节的高斯径向基函数值、上肢康复机器人各关节的高斯径向基函数值的权重、所述上肢康复机器人各关节的滑模变量以及所述上肢康复机器人各关节的角度位置误差，确定出所述上肢康复机器人各关节的驱动力矩。
2.如权利要求1所述的装置，其特征在于，所述步骤S2包括下述步骤：
S21：对所述上肢各关节的表面肌电信号进行统计处理，得到患者的上肢各关节的肌肉产生力；
S22：对所述患者的上肢各关节的肌肉产生力、上肢各关节的肌肉韧带长度进行统计，确定出所述患者的上肢各关节的驱动力矩；
S23:根据所述上肢各关节的表面肌电信号以及预设的期望运动轨迹生成算法，确定出所述患者的上肢各关节的期望运动轨迹。
3.如权利要求2所述的装置，其特征在于，所述步骤S21包括下述步骤：
S211：对所述上肢各关节的表面肌电信号进行预处理，得到上肢各关节的表面肌电信号的特征信号；
S212：对所述上肢各关节的表面肌电信号的特征信号进行统计，确定出患者的上肢各关节的神经活动度；
S213：对所述患者的上肢各关节的神经活动度进行统计，确定出患者的上肢各关节的肌肉活动度；
S214：对所述患者的上肢各关节的肌肉活动度、上肢各关节的肌肉长度、上肢各关节的肌肉收缩速度以及上肢各关节的肌肉被动弹性长度进行统计，确定出所述患者的上肢各关节的肌肉产生力。
4.如权利要求1所述的装置，其特征在于，根据下述步骤确定所述上肢康复机器人各关节的高斯径向基函数值的权重：
S61：对所述上肢康复机器人各关节的高斯径向基函数值和所述上肢康复机器人各关节的滑模变量进行统计，确定出上肢康复机器人各关节的自适应律；
S62：基于所述上肢康复机器人各关节的自适应律，对上肢康复机器人各关节的高斯径向基函数值的初始权重进行更新，确定出所述上肢康复机器人各关节的高斯径向基函数值的权重。
5.如权利要求1所述的装置，其特征在于，根据公式(9)计算出所述上肢康复机器人各关节的驱动力矩；
所述公式(9)为：
其中，τ为所述上肢康复机器人各关节的驱动力矩，τm为所述上肢各关节的驱动力矩，
为所述上肢康复机器人各关节的高斯径向基函数值的权重，h为所述上肢康复机器人各关节的高斯径向基函数值，Ks为上肢康复机器人各关节的角速度跟踪误差增益矩阵，s为所述上肢康复机器人各关节的滑模变量，KD为上肢康复机器人各关节的角度位置跟踪误差增益矩阵，
为所述上肢康复机器人各关节的角度位置误差。
6.如权利要求4所述的装置，其特征在于，根据公式(11)计算出所述上肢康复机器人各关节的自适应律；
所述公式(11)为：
其中，
为所述上肢康复机器人各关节的自适应律，Γ为正定矩阵，h为所述上肢康复机器人各关节的高斯径向基函数值，sT为所述上肢康复机器人各关节的滑模变量，σ为常数，
为所述上肢康复机器人各关节的高斯径向基函数值的权重。
7.一种计算设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于调用所述存储器中存储的计算机程序，按照获得的程序执行权利要求1至6任一项权利要求所述的装置中的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行程序，所述计算机可执行程序用于使计算机执行权利要求1至6任一项权利要求所述的装置中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010890864.0A CN111956452B (zh) | 2020-08-29 | 2020-08-29 | 一种上肢康复机器人控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010890864.0A CN111956452B (zh) | 2020-08-29 | 2020-08-29 | 一种上肢康复机器人控制方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111956452A CN111956452A (zh) | 2020-11-20 |
| CN111956452B true CN111956452B (zh) | 2022-08-02 |
Family
ID=73400734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010890864.0A Active CN111956452B (zh) | 2020-08-29 | 2020-08-29 | 一种上肢康复机器人控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111956452B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112515915B (zh) * | 2020-11-30 | 2023-01-17 | 重庆电子工程职业学院 | 可穿戴式手指康复机器人 |
| CN112891127B (zh) * | 2021-01-14 | 2022-07-26 | 东南大学 | 一种基于自适应阻抗控制的镜像康复训练方法 |
| CN113189865B (zh) * | 2021-01-27 | 2024-03-26 | 上海际知医疗科技有限公司 | 基于动力学参数辨识的康复机器人控制*** |
| CN113558608A (zh) * | 2021-06-30 | 2021-10-29 | 杭州程天科技发展有限公司 | 基于坐卧式下肢康复设备的康复训练数据处理方法和设备 |
| CN113633521B (zh) * | 2021-09-15 | 2024-05-03 | 山东建筑大学 | 一种上肢外骨骼康复机器人控制***及控制方法 |
| CN114344077A (zh) * | 2021-12-07 | 2022-04-15 | 华南理工大学 | 基于semg运动意图识别的柔顺上肢康复机器人*** |
| CN114366552B (zh) * | 2021-12-23 | 2023-10-24 | 威海经济技术开发区天智创新技术研究院 | 一种上肢康复训练外骨骼控制方法及*** |
| CN114469642B (zh) * | 2022-01-20 | 2024-05-10 | 深圳华鹊景医疗科技有限公司 | 康复机器人控制方法、装置及康复机器人 |
| CN117116459B (zh) * | 2023-10-20 | 2024-01-16 | 中国科学院自动化研究所 | 康复机器人主动康复训练控制方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102058464A (zh) * | 2010-11-27 | 2011-05-18 | 上海大学 | 下肢康复机器人运动控制方法 |
| CN102698411A (zh) * | 2012-06-29 | 2012-10-03 | 中国科学院自动化研究所 | 坐卧式下肢康复机器人及相应的主动训练控制方法 |
| CN106109167A (zh) * | 2016-06-22 | 2016-11-16 | 上海电气集团股份有限公司 | 一种便携式可穿戴上肢外骨骼康复训练器 |
| CN106669125A (zh) * | 2016-12-31 | 2017-05-17 | 安徽工业大学 | 基于肌电信号的陪练乒乓球机器人回球方式的预测***及方法 |
| WO2017139375A1 (en) * | 2016-02-10 | 2017-08-17 | Clearside Biomedical, Inc. | Ocular injection kit, packaging, and methods of use |
| CN108324503A (zh) * | 2018-03-16 | 2018-07-27 | 燕山大学 | 基于肌骨模型和阻抗控制的康复机器人自适应控制方法 |
| CN109223444A (zh) * | 2018-10-23 | 2019-01-18 | 上海电气集团股份有限公司 | 康复机器人及其人机协同交互力控制方法 |
| CN110279986A (zh) * | 2019-03-29 | 2019-09-27 | 中山大学 | 一种基于肌电信号的康复机器人控制方法 |
| CN110653817A (zh) * | 2019-08-20 | 2020-01-07 | 南京航空航天大学 | 一种基于神经网络的外骨骼机器人助力控制***与方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10231851B2 (en) * | 2014-08-29 | 2019-03-19 | Conor J. MADDRY | Pneumatic electromyographic exoskeleton |
| CN105963100B (zh) * | 2016-04-19 | 2018-07-17 | 西安交通大学 | 按患者运动所需辅助的下肢康复机器人自适应控制方法 |
| US20190175045A1 (en) * | 2017-12-08 | 2019-06-13 | Frank Edward Joutras | Neuromuscular Training Apparatus and Technique |
| CN108785997B (zh) * | 2018-05-30 | 2021-01-08 | 燕山大学 | 一种基于变导纳的下肢康复机器人柔顺控制方法 |
| CN111496792B (zh) * | 2020-04-27 | 2021-06-01 | 北京科技大学 | 一种机械臂输入饱和固定时间轨迹跟踪控制方法及*** |
-
2020
- 2020-08-29 CN CN202010890864.0A patent/CN111956452B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102058464A (zh) * | 2010-11-27 | 2011-05-18 | 上海大学 | 下肢康复机器人运动控制方法 |
| CN102698411A (zh) * | 2012-06-29 | 2012-10-03 | 中国科学院自动化研究所 | 坐卧式下肢康复机器人及相应的主动训练控制方法 |
| WO2017139375A1 (en) * | 2016-02-10 | 2017-08-17 | Clearside Biomedical, Inc. | Ocular injection kit, packaging, and methods of use |
| CN106109167A (zh) * | 2016-06-22 | 2016-11-16 | 上海电气集团股份有限公司 | 一种便携式可穿戴上肢外骨骼康复训练器 |
| CN106669125A (zh) * | 2016-12-31 | 2017-05-17 | 安徽工业大学 | 基于肌电信号的陪练乒乓球机器人回球方式的预测***及方法 |
| CN108324503A (zh) * | 2018-03-16 | 2018-07-27 | 燕山大学 | 基于肌骨模型和阻抗控制的康复机器人自适应控制方法 |
| CN109223444A (zh) * | 2018-10-23 | 2019-01-18 | 上海电气集团股份有限公司 | 康复机器人及其人机协同交互力控制方法 |
| CN110279986A (zh) * | 2019-03-29 | 2019-09-27 | 中山大学 | 一种基于肌电信号的康复机器人控制方法 |
| CN110653817A (zh) * | 2019-08-20 | 2020-01-07 | 南京航空航天大学 | 一种基于神经网络的外骨骼机器人助力控制***与方法 |
Non-Patent Citations (1)
| Title |
|---|
| 综合电机特性的柔性关节空间机器人全阶滑模控制;朱 安;《福州大学学报( 自然科学版)》;20191122;第47卷(第6期);779-786 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111956452A (zh) | 2020-11-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111956452B (zh) | 一种上肢康复机器人控制方法及装置 | |
| CN109394476B (zh) | 脑肌信息自动意图识别与上肢智能控制方法及*** | |
| Gui et al. | A practical and adaptive method to achieve EMG-based torque estimation for a robotic exoskeleton | |
| CN111631923A (zh) | 基于意图识别的外骨骼机器人的神经网络控制*** | |
| Fong et al. | A therapist-taught robotic system for assistance during gait therapy targeting foot drop | |
| Yin et al. | Personalised control of robotic ankle exoskeleton through experience-based adaptive fuzzy inference | |
| CN113633521A (zh) | 一种上肢外骨骼康复机器人控制***及控制方法 | |
| Liu et al. | Gait trajectory prediction for lower-limb exoskeleton based on Deep Spatial-Temporal Model (DSTM) | |
| CN112932897A (zh) | 一种康复机器人运动的方法、装置及其康复机器人 | |
| Li et al. | A temporally smoothed MLP regression scheme for continuous knee/ankle angles estimation by using multi-channel sEMG | |
| Goffredo et al. | A neural tracking and motor control approach to improve rehabilitation of upper limb movements | |
| CN114366552B (zh) | 一种上肢康复训练外骨骼控制方法及*** | |
| CN116671941A (zh) | 一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法 | |
| CN114851171B (zh) | 下肢外骨骼康复机器人步态轨迹跟踪控制方法 | |
| CN115755592A (zh) | 调整三自由度外骨骼运动状态的多模态控制方法及外骨骼 | |
| CN115762708A (zh) | 利用多源信息和案例推理的下肢康复方案设计方法和装置 | |
| Pau et al. | An EMG-driven neuromuscular interface for human elbow joint | |
| CN115416003A (zh) | 一种面向老人的下肢外骨骼的按需辅助控制方法 | |
| Ahmadian et al. | ℒ 1–ℬℒ Adaptive Controller Design for Wrist Rehabilitation Robot | |
| Rahman et al. | Mathematical modeling and trajectory planning of hand finger movements | |
| CN113995629A (zh) | 基于镜像力场的上肢双臂康复机器人导纳控制方法及*** | |
| Zhang et al. | Design on subsection based mix position controller for lower limb rehabilitation robot | |
| CN111452022A (zh) | 基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法 | |
| WO2023240748A1 (zh) | 基于博弈论和sEMG的上肢康复机器人自适应控制方法及*** | |
| CN114434452B (zh) | 一种基于势能场的镜像机械臂控制方法及镜像机械臂设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201120 Assignee: SHANGHAI ELECTRIC INTELLIGENT REHABILITATION MEDICAL TECHNOLOGY Co.,Ltd. Assignor: Shanghai Electric Group Co.,Ltd. Contract record no.: X2023310000146 Denomination of invention: A Control Method and Device for Upper Limb Rehabilitation Robot Granted publication date: 20220802 License type: Exclusive License Record date: 20230919 |