CN114869306A - 基于博弈论和sEMG的上肢康复机器人自适应控制方法及*** - Google Patents

基于博弈论和sEMG的上肢康复机器人自适应控制方法及*** Download PDF

Info

Publication number
CN114869306A
CN114869306A CN202210665652.1A CN202210665652A CN114869306A CN 114869306 A CN114869306 A CN 114869306A CN 202210665652 A CN202210665652 A CN 202210665652A CN 114869306 A CN114869306 A CN 114869306A
Authority
CN
China
Prior art keywords
robot
training
semg
game theory
force
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.)
Pending
Application number
CN202210665652.1A
Other languages
English (en)
Inventor
曾洪
陈晴晴
李潇
段银鑫
张建喜
宋爱国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202210665652.1A priority Critical patent/CN114869306A/zh
Priority to US18/031,152 priority patent/US20240096483A1/en
Priority to PCT/CN2022/107558 priority patent/WO2023240748A1/zh
Publication of CN114869306A publication Critical patent/CN114869306A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A61B5/397—Analysis of electromyograms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • 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
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B23/00—Exercising apparatus specially adapted for particular parts of the body
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • 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
    • A61H2201/16—Physical interface with patient
    • A61H2201/1657—Movement of interface, i.e. force application means
    • A61H2201/1659—Free spatial automatic movement of interface within a working area, e.g. Robot
    • 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
    • A61H2201/50—Control means thereof
    • A61H2201/5007—Control means thereof computer controlled
    • 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
    • A61H2230/60—Muscle strain, i.e. measured on the user, e.g. Electromyography [EMG]
    • A61H2230/605—Muscle strain, i.e. measured on the user, e.g. Electromyography [EMG] used as a control parameter for the apparatus

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Therapy (AREA)
  • Pain & Pain Management (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Power Engineering (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明公开了基于博弈论和sEMG的上肢康复机器人自适应控制方法及***，首先设计被试操作过程中，控制机器人在训练时间内进行的运动轨迹；基于sEMG的反向传播神经网络肌力估计模型，通过构建三层神经网络建立表面肌电信号和末端力之间的非线性动态关系；利用博弈论原理对人机交互***进行分析，推导出机器人的角色，采用纳什平衡来更新两者之间的控制率，确定机器人和被试者的自适应权重因子，最终使得机器人根据被试者在操作过程中的运动意图，按照博弈论原理得到的权重系数自适应调整自身的训练模式，实现康复机器人的训练模式能够自适应人体上肢运动意图。本方法充分考虑被试者的训练进程变化实时提供相应的训练任务，提高了康复机器人的训练效率。

Description

基于博弈论和sEMG的上肢康复机器人自适应控制方法及***
技术领域
本发明属于机器学习技术领域，尤其涉及康复机器人及康复训练的机器学习技术领域，主要涉及了基于博弈论和sEMG的上肢康复机器人自适应控制方法及***。
背景技术
根据世界卫生组织(WHO)以及现有的官方人口统计数据，世界老龄化问题日趋严重，导致与年龄相关的疾病发生率持续增加，如中风、帕金森等。中风又称为脑卒中，在中国每年新增脑卒中患者超过200万，每年有超过150万人死于脑卒中，且随着生活方式等外界因素影响，脑卒中的发病率及死亡率近年来呈上升趋势。由于脑损伤具有不可逆性，缺失的功能不能完全恢复，运动功能障碍是其最常见的后遗症。上肢作为机体运动、维持姿势、平衡等方面起着重要作用的肢体，其功能的下降或缺失不仅严重影响着患者的生活质量，给患者和家庭带来了痛苦和沉重的经济负担，许多中风患者会经历长期的运动残疾，需要尽早并长期进行劳动密集型运动治疗，这给医疗体系带来了沉重的负担。
随着人工智能领域的发展突飞猛进，机器人技术已逐渐运用于康复医学领域当中，融合了虚拟现实、智能力反馈、智能评估等技术的康复机器人在国内外陆续被研发，该类设备可通过计算机屏幕、交互性虚拟现实设备、触觉感应***来增加感觉输入，计算机***向患者展示虚拟场景和导向性任务，患者通过肢体附着的机械部件进行抗阻、非抗阻等运动训练，从而恢复其运动功能。该类技术的主要优点在于可为患者提供高剂量、高强度、高重复性、有针对性的训练，且训练模式相较于传统康复训练更具有趣味性，可调动患者训练的积极性；可通过传感器记录患者的运动轨迹、运动时间等信息并进行智能评估分析，治疗师或医师通过这些信息可及时调整治疗计划，有利于加快患者的康复进程。
康复训练方式是康复机器人***的重要研究内容之一，分为被动式和主动式，分别适用于患者的不同康复阶段。被动式康复训练是指康复机器人带动人体手臂进行康复训练的方式；主动训练指的是人体手臂发力，康复机器人提供辅助或阻力的训练方式。研究表明，即使患者不具备完成运动的能力，但积极主动运动的意愿对于康复训练是必需的。所以人机交互控制在康复训练中及其重要，期望的控制方案是通过估计人体关节力矩来识别人体的运动意图以自适应选择机器人训练模式。人体皮肤表面肌电信号(sEMG)是一种由生物产生的信号，能够准确、快速地反映使用者的运动意图，肌肉收缩产生的肌电信号比关节力矩提前20～150ms，并且比力传感器有更小的时延和更高的信噪比,表面肌电信号可能是估计主动关节力矩的理想来源。但是在现有的机器人辅助治疗中，大多数都是基于力传感器进行力的测量，极少用到表面肌电信号进行运动过程中力的估计；另一方面，随着患者的康复进程的推进，抗阻力训练对于增强肌肉是至关重要的，因此在患者进行康复训练过程中，模式的自适应切换和末端力大小输出的灵活性控制是非常重要的，目前人机交互控制方法大多数对协作任务的灵活性不够，一般只能单一的进行辅助训练或者是抗阻训练，或者是多个控制器之间的硬切换，这会导致整体的控制输入不连续，进而导致机器人在模式切换过程中剧烈抖动，甚至危及人的安全。
发明内容
本发明正是针对现有技术中机器人在多模式切换过程中存在的问题，提供一种基于博弈论和sEMG的上肢康复机器人自适应控制方法，首先设计轨迹跟随任务，设计被试操作过程中，控制机器人在训练时间内进行的运动轨迹，再设计基于sEMG的反向传播神经网络(BPNN)的肌力估计模型，通过构建三层神经网络来建立表面肌电信号和末端力之间的非线性动态关系；利用博弈论原理对人机交互***进行分析，推导出机器人的角色，采用纳什平衡来更新两者之间的控制率，确定机器人和被试者的自适应权重因子，当机器人的权重因子Q为正时，机器人提供辅助力；当机器人的权重因子Q为负值时，机器人提供阻抗力，最终使得机器人根据被试者在操作过程中的运动意图，按照博弈论原理得到的权重系数自适应调整自身的训练模式，实现康复机器人的训练模式能够自适应人体上肢运动意图。本案控制方法能够根据人体的运动意图自适应改变康复机器人的工作模式，能够充分考虑被试者的训练进程变化实时提供相应的训练任务，从而保证被试者训练过程中的投入度，并且有效刺激神经引发神经功能重组，提高了康复机器人的训练效率。
为了实现上述目的，本发明采取的技术方案是：一种基于博弈论和sEMG的上肢康复机器人自适应控制方法，包括如下步骤：
S1，设计轨迹跟随任务：所述轨迹跟随任务为被试操作过程中，控制机器人在训练时间内进行运动，所述任务至少包括被试者运动的参考轨迹和训练时间；
S2，被试者运动意图的识别：设计基于sEMG的反向传播神经网络的肌力估计模型，通过构建三层神经网络来建立表面肌电信号和末端力之间的非线性动态关系；所述基于反向传播神经网络的肌力估计模型分为三层，分别为输入层、隐藏层和输出层；其中，输入数据是滤波归一化后平滑的表面肌电信号；输出是估计力F；
S3，训练模式的自适应切换：利用博弈论原理对人机交互***进行分析，推导出机器人的角色，采用纳什平衡来更新两者之间的控制率，确定机器人和被试者的自适应权重因子，
Q+Qh≡C
其中，Q为机器人的权重因子；Qh为被试者的权重因子；C为常量；
当机器人的权重因子Q为正时，机器人提供辅助力；当机器人的权重因子Q为负值时，机器人提供阻抗力；
S4，自适应控制策略：在训练过程中，机器人根据被试者在操作过程中的运动意图，按照博弈论原理得到的权重系数自适应调整自身的训练模式。
为了实现上述目的，本发明还采取的技术方案是：基于博弈论和sEMG的上肢康复机器人自适应控制***，包括轨迹设计模块、运动意图识别模块和自适应控制模块，
所述轨迹设计模块用于设计轨迹跟随任务，即被试操作过程中，控制机器人在训练时间内的运动轨迹设计；
所述运动意图识别模块用于设计基于sEMG的反向传播神经网络的肌力估计模型，通过构建三层神经网络来建立表面肌电信号和末端力之间的非线性动态关系；
所述自适应控制模块根据轨迹设计模块及运动意图识别模块获得的信息，利用博弈论原理对人机交互***进行分析，推导出机器人的角色，采用纳什平衡来更新机器人和被试者之间的控制率，确定两者之间的自适应权重因子，当机器人的权重因子为正时，机器人提供辅助力；当机器人的权重因子为负值时，机器人提供阻抗力；当机器人权重因子为零时，机器人不提供力为自由训练模式。
与现有技术相比，本发明具有的有益效果：
(1)该方法基于表面肌电信号(sEMG)利用反向传播神经网络(BPNN)的方法建立力估计模型，预估人体运动意图，能够根据康复训练过程中人体运动意图自适应提供最佳训练模式，并根据训练过程中人体的康复程度提供最佳的训练力度，从而保持被试者积极训练的状态，使训练效率最大化。
(2)采用博弈论控制原理进行自适应模式切换，该方法切换稳定，不会产生剧烈抖动，且能够提供适应人体运动意图的训练方式，激发被试对于力和运动控制的神经感知，始终保持在最佳的训练状态，尽可能避免无用的训练过程。该控制策略保证了自适应切换的稳定性和实时性，为智能化、高效化的神经康复提供了解决方案。
附图说明
图1为本发明控制方法的整体自适应闭环控制框架示意图；
图2为本发明控制方法步骤S1中设计的轨迹跟随任务示意图；
图3为本发明控制方法步骤S2中生成滤波归一化后平滑的表面肌电信号流程图；
图4为本发明控制方法中基于sEMG的力估计模型示意图；
图5为本发明测试例自适应控制过程的简要示例图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
实施例1
基于博弈论和sEMG的上肢康复机器人自适应控制方法，如图1所示，包括如下步骤：
S1，设计轨迹跟随任务：所述轨迹跟随任务为被试操作过程中，控制机器人在训练时间内进行运动，所述任务至少包括被试者运动的参考轨迹和训练时间；
如图2所示，本实施例中目标轨迹设计为标准圆的1/4曲线，在轨迹上均匀显示三个参考点A、B、C作为引导点，被试操作过程中控制机器人末端依据参考点在规定时间内进行轨迹跟随，被试者在一次实验中进行从水平起始点到竖直终止点再返回水平起始点，是一个周期，即运动轨迹为A-B-C-B-A,每次实验进行5-8个周期。
S2，基于sEMG的反向传播神经网络(BPNN)肌力估计模型设计：
通过构建三层神经网络来建立表面肌电信号和末端力之间的非线性动态关系，BPNN模型分为三层，分别为输入层、隐藏层和输出层。输入数据是滤波归一化后平滑的表面肌电信号(RSEMG),为了表示方便，文中都使用RSEMG来表示经过滤波及归一化处理之后平滑的表面肌电信号；估计力F为BPNN的输出。
康复训练中，运动状态一般由人体皮肤表面肌电信号(sEMG)进行监测及表征。因为原始的肌电信号会受到许多干扰，所以使用进行滤波和归一化之后平滑的表面肌电信号(RSEMG)，如图3所示，即：首先采集的原始表面肌电信号依次经过高通滤波、全波整流及低通滤波后，进行归一化处理，得到滤波归一化后的平滑表面肌电信号(RSEMG)。本实施例中的原始肌电信号可选择上肢主要负责运动功能的肱二头肌、肱三头肌长头、肱三头肌短头以及肱桡肌作为待分析肌肉群，因为上述肌肉群主要负责上肢的运动功能，更加的准确高效。
此外，针对被试者之间的差异性，以及实现后续过程中对每个被试者都能提供个性化的训练方式的目的，在实验之前对每个被试者都进行三分钟的预实验，以采集肌电数据，进行力估计模型的建立。短时间内采集的肌电传感器和力传感器数据，就能够训练模型，该建模过程可以避免被试者预实验的疲劳。
本步骤中基于sEMG的反向传播神经网络(BPNN)肌力估计模型，如图4所示，其中RSEMG作为神经网络的输入，预估的力force(F)作为输出，通过构建三层神经网络来建立表面肌电信号和末端力之间的非线性动态关系。
S3，训练模式的自适应切换：
利用博弈论原理对人机交互***进行分析，根据机器人和被试者的输入状态，建立成本函数，采用纳什平衡来更新两者之间的控制率，估计成本函数的权重，确定机器人和被试者的自适应权重因子，根据输出权重因子，确定机器人的角色。
成本函数：
Figure BDA0003692843670000061
Figure BDA0003692843670000062
纳什平衡：
u＝-Lξ,L≡BTP
Figure BDA0003692843670000063
uh＝-Lhξ,Lh≡BTPh
Figure BDA0003692843670000064
自适应权重因子：Q+Qh≡C
其中：ξ表示运动状态(轨迹误差和速度)，Q Qh表示机器人和被试者的权重系数，C为常量；u uh表示机器人和被试者的电机指令，L Lh表示机器人和被试者的反馈增益，A B表示状态和输入矩阵，P Ph表示机器人和被试者的Riccati矩阵；Ar Ah表示被试者和机器人的状态矩阵；(.)T表示转置。
S4，自适应控制策略：
根据人体运动意图自适应调整控制训练模式的控制策略如下：在训练过程中，首先通过被试者在操作过程中的手臂表面肌电信号，预估被试者的运动意图，即估计手臂末端力。
进一步，根据被试者的运动意图及机器人的辅助状态，利用博弈论原理得到相应的权重系数反馈到机器人的电机，进而自适应调整机器人的训练模式。
当机器人权重为正值时，人的神经意图和肌肉能力不能充分引导机器人，机器人为辅助模式；反之，被试者的运动意图增强，机器人权重为零时，机器人不提供力为自由训练模式；机器人权重为负值时，提供阻力为抗阻训练模式。即人体的运动意图能够自动控制康复机器人的工作模式，自适应康复训练能够通过被试者自身的运动意图来完成。
测试例：
假设被试者在训练过程中采集的部分表面肌电信号如图5(a)所示，经过上述步骤S2所示的滤波及归一化将得到平滑的表面肌电信号RSEMG，以及步骤S2所述的肌力估计模型将得到估计的肌力Force，如图5(b)所示，然后经过步骤S3所述的自适应模式切换方法，将得到被试者和机器人的各自的角色分配，进而提供相应的辅助或者抗阻训练模式，如图5(c)所示，在0秒的时候被试者的自适应权重因子Qh值为0，机器人的自适应权重因子Q值也为0，即不施加任何力的作用；在0-20s之间，根据Qh值的变化，机器人将自适应更新自身的Q值，当被试者的Qh值较大即运动能力增强时，机器人Q值将减小即减小辅助力或提供相应的阻抗力；当被试者的Qh值减小即运动能力降低时，机器人Q值将增大即减小阻抗力或者提供相应的辅助力。20s之后被试者Qh值稳定即运动能力基本不变，则机器人的Q值也保持稳定，人机交互达到平衡状态。
本案控制方法以桌面式力反馈机器人为载体和研究对象，以健康被试非利手臂为实验对象，研究基于sEMG得到手臂末端力进而预估人体运动意图实现机器人训练模式的自适应切换，保证被试者在训练过程中的任何阶段都提供最佳的辅助或者抗阻强度，始终是个性化、智能化的最佳训练模式，以及训练过程中保证被试者的投入度，有效提高机器人技术辅助康复的训练效率，为康复机器人更快的进入临床应用提供了技术支撑。
需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。

Claims (7)

1.基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于，包括如下步骤：
S1，设计轨迹跟随任务：所述轨迹跟随任务为被试操作过程中，控制机器人在训练时间内进行运动，所述任务至少包括被试者运动的参考轨迹和训练时间；
S2，被试者运动意图的识别：设计基于sEMG的反向传播神经网络的肌力估计模型，通过构建三层神经网络来建立表面肌电信号和末端力之间的非线性动态关系；所述基于反向传播神经网络的肌力估计模型分为三层，分别为输入层、隐藏层和输出层；其中，输入数据是滤波归一化后平滑的表面肌电信号；输出是估计力F；
S3，训练模式的自适应切换：利用博弈论原理对人机交互***进行分析，推导出机器人的角色，采用纳什平衡来更新两者之间的控制率，确定机器人和被试者的自适应权重因子，
Q+Qh≡C
其中，Q为机器人的权重因子；Qh为被试者的权重因子；C为常量；
当机器人的权重因子Q为正时，机器人提供辅助力；当机器人的权重因子Q为负值时，机器人提供阻抗力；
S4，自适应控制策略：在训练过程中，机器人根据被试者在操作过程中的运动意图，按照博弈论原理得到的权重系数自适应调整自身的训练模式。
2.如权利要求1所述的基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于：所述步骤S2基于反向传播神经网络的肌力估计模型的输入数据为滤波归一化后平滑的表面肌电信号，所述滤波归一化后平滑的表面肌电信号是由采集的原始表面肌电信号依次经过高通滤波、全波整流及低通滤波、归一化处理后得到。
3.如权利要求2所述的基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于：所述原始肌电信号取自于肱二头肌、肱三头肌长头、肱三头肌短头或肱桡肌作为待分析肌肉群的肌电信号。
4.如权利要求1或3所述基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于：所述步骤S3利用博弈论原理对人机交互***进行分析的过程中，根据机器人和被试者的输入状态，建立成本函数，所述成本函数为：
Figure FDA0003692843660000021
Figure FDA0003692843660000022
其中，U和Uh分别表示机器人和被试者的成本函数；t表示时间；ξ表示运动状态；u和uh分别表示机器人和被试者的电机指令；Q为机器人的权重因子；Qh为被试者的权重因子；(.)T表示转置；t0表示开始时间。
5.如权利要求4所述基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于：所述步骤S3中采用纳什平衡来更新机器人和被试者之间的控制率，所述纳什平衡具体为：
u＝-Lξ,L≡BTP
Figure FDA0003692843660000023
Ar≡A-BLh
uh＝-Lhξ,Lh≡BTPh
Figure FDA0003692843660000024
Ah≡A-BL
其中：L和Lh表示机器人和被试者的反馈增益，A B表示状态和输入矩阵，P Ph表示机器人和被试者的Riccati矩阵；Ar Ah表示被试者和机器人的状态矩阵；(.)T表示转置。
6.如权利要求5所述基于博弈论和sEMG的上肢康复机器人自适应控制方法，其特征在于：所述步骤S4中，当机器人权重为零时，机器人不提供力为自由训练模式。
7.使用如权利要求1所述方法的基于博弈论和sEMG的上肢康复机器人自适应控制***，其特征在于：包括轨迹设计模块、运动意图识别模块和自适应控制模块，
所述轨迹设计模块用于设计轨迹跟随任务，即被试操作过程中，控制机器人在训练时间内的运动轨迹设计；
所述运动意图识别模块用于设计基于sEMG的反向传播神经网络的肌力估计模型，通过构建三层神经网络来建立表面肌电信号和末端力之间的非线性动态关系；
所述自适应控制模块根据轨迹设计模块及运动意图识别模块获得的信息，利用博弈论原理对人机交互***进行分析，推导出机器人的角色，采用纳什平衡来更新机器人和被试者之间的控制率，确定两者之间的自适应权重因子，当机器人的权重因子为正时，机器人提供辅助力；当机器人的权重因子为负值时，机器人提供阻抗力；当机器人权重因子为零时，机器人不提供力为自由训练模式。
CN202210665652.1A 2022-06-14 2022-06-14 基于博弈论和sEMG的上肢康复机器人自适应控制方法及*** Pending CN114869306A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210665652.1A CN114869306A (zh) 2022-06-14 2022-06-14 基于博弈论和sEMG的上肢康复机器人自适应控制方法及***
US18/031,152 US20240096483A1 (en) 2022-06-14 2022-07-25 ADAPTIVE CONTROL METHOD AND SYSTEM FOR UPPER LIMB REHABILITATION ROBOT BASED ON GAME THEORY AND SURFACE ELECTROMYOGRAPHY (sEMG)
PCT/CN2022/107558 WO2023240748A1 (zh) 2022-06-14 2022-07-25 基于博弈论和sEMG的上肢康复机器人自适应控制方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210665652.1A CN114869306A (zh) 2022-06-14 2022-06-14 基于博弈论和sEMG的上肢康复机器人自适应控制方法及***

Publications (1)

Publication Number Publication Date
CN114869306A true CN114869306A (zh) 2022-08-09

Family

ID=82682457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210665652.1A Pending CN114869306A (zh) 2022-06-14 2022-06-14 基于博弈论和sEMG的上肢康复机器人自适应控制方法及***

Country Status (3)

Country Link
US (1) US20240096483A1 (zh)
CN (1) CN114869306A (zh)
WO (1) WO2023240748A1 (zh)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4864725B2 (ja) * 2004-02-05 2012-02-01 モトリカ リミテッド リハビリテーションシステム及びリハビリテーション装置
US20080009771A1 (en) * 2006-03-29 2008-01-10 Joel Perry Exoskeleton
CN101061984B (zh) * 2006-04-29 2012-02-08 香港理工大学 利用肌电信号提供机械帮助的康复机器人***
CN101301250A (zh) * 2008-07-08 2008-11-12 哈尔滨工业大学 五自由度外骨骼式上肢康复机器人交互康复训练控制策略
US10921886B2 (en) * 2012-06-14 2021-02-16 Medibotics Llc Circumferential array of electromyographic (EMG) sensors
ES2870671T3 (es) * 2016-06-29 2021-10-27 Fundacion Tecnalia Res & Innovation Dispositivo portátil para la rehabilitación de los miembros superiores
JP7054130B2 (ja) * 2017-08-01 2022-04-13 株式会社国際電気通信基礎技術研究所 運動学習支援装置および運動学習支援方法
CN108187310B (zh) * 2017-12-21 2019-05-31 东南大学 基于力觉信息和姿态信息的肢体运动意图理解与上肢康复训练机器人及其控制方法
CN109394476B (zh) * 2018-12-06 2021-01-19 上海神添实业有限公司 脑肌信息自动意图识别与上肢智能控制方法及***
CN111696645A (zh) * 2020-06-07 2020-09-22 长春理工大学 一种基于表面肌电信号的手部外骨骼康复训练装置及方法
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
CN114159080B (zh) * 2021-12-07 2022-06-24 东莞理工学院 上肢康复机器人运动意图识别模型训练、识别方法及装置

Also Published As

Publication number Publication date
US20240096483A1 (en) 2024-03-21
WO2023240748A1 (zh) 2023-12-21

Similar Documents

Publication Publication Date Title
CN109394476B (zh) 脑肌信息自动意图识别与上肢智能控制方法及***
CN107928980B (zh) 一种偏瘫患者的手部自主康复训练***及训练方法
CN109549821B (zh) 基于肌电和惯导信号融合的外骨骼机器人助力控制***及方法
CN101961527B (zh) 一种结合功能性电刺激和机器人的康复训练***和训练方法
CN111938991A (zh) 一种双主动控制模式的手部康复训练装置及训练方法
CN107440887B (zh) 全仿生类脑智能手部电子机械外骨骼及其综合控制***
CN113940856B (zh) 一种基于肌电-惯性信息的手部康复训练装置及方法
CN106236503A (zh) 肌电驱动的上肢可穿戴外骨骼***及控制方法
Gao et al. Intelligent wearable rehabilitation robot control system based on mobile communication network
CN110931104A (zh) 基于机器学习的上肢康复机器人智能训练***及方法
CN110908506B (zh) 仿生智能算法驱动的主被动一体化康复方法、装置、存储介质和设备
CN114021604A (zh) 一种基于3d虚拟现实技术实时反馈的运动想象训练***
Zhou et al. sEMG-driven functional electrical stimulation tuning via muscle force
CN209253488U (zh) 一种全仿生类脑智能手部电子机械外骨骼及其控制***
Wang et al. Research progress of rehabilitation exoskeletal robot and evaluation methodologies based on bioelectrical signals
CN114869306A (zh) 基于博弈论和sEMG的上肢康复机器人自适应控制方法及***
Koyas et al. Detection of intention level in response to task difficulty from EEG signals
Tong et al. BP-AR-based human joint angle estimation using multi-channel sEMG
CN115177864A (zh) 基于肌肉激活度与lstm的功能性电刺激闭环调控方法
CN113476799B (zh) 基于肌电和惯性信息的手部训练及评估方法
CN113426007B (zh) 一种用于上肢功能恢复的闭环硬脊膜外电刺激***
CN114617745A (zh) 下肢康复机器人训练控制方法及***
CN117563135B (zh) 一种多模态信息可视化功能性电刺激闭环调控***及方法
CN113081671A (zh) 一种基于贝叶斯优化提高按需辅助康复训练参与度的方法
Wan et al. Design of joint structure for upper limb exoskeleton robot system

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