CN103431976B - 基于肌电信号反馈的下肢康复机器人系统及其控制方法 - Google Patents

Abstract

一种基于肌电信号反馈的下肢康复机器人系统及其控制方法，所述机器人系统包括机械部分和电气部分；所述方法主要应用对象为处于早、中期阶段的康复患者，当患者用此方法进行康复训练时，实时采集患者运动肌肉的肌电信号，辨识出患者的运动意图及运动速度并生成机器人的期望轨迹，通过运动学逆解得到驱动部件的期望轨迹，通过设计的模糊PID控制器驱动电机的输出。在每个运动周期后分析采集的肌电信号判断患者是否处于疲劳状态，当大于或等于设定的疲劳阈值时，修正原有输出，对患者进行提示，待疲劳缓解后恢复康复训练。本发明利用肌电信号辨识患者意图及肌肉状态并引入到控制中，可以很好的提高患者参与意识及训练安全性，有效改善康复效果。

Description

基于肌电信号反馈的下肢康复机器人系统及其控制方法

技术领域

本发明涉及康复医疗设备和技术领域，尤其涉及一种基于肌电信号反馈的下肢康复机器人系统及其控制方法。

背景技术

脑卒中即人们所熟知的中风，它是以猝然昏倒、不省人事、伴有口角歪斜同时出现半身不遂为主要症状的一类疾病。由于其发病率高、死亡率高、致残率高、复发率高以及并发症多的特点，所以医学界把它同冠心病、癌症并列为威胁人类健康的三大疾病之一。实践表明，通过及时、积极的康复训练，大部分中风患者可以恢复简单肢体运动能力、甚至痊愈。目前，临床应用的康复治疗方法主要是由医师协助患者进行康复训练，导致患者康复效果完全取决于医师水平，同时康复医师数量严重不足。因此，引入康复机器人用于辅助患者进行康复训练，可以显著提高患者康复效率，减轻康复医师的工作强度。

当前，国内外科研机构研制了各种类型的康复机器人，但大多采用较为简单的控制方法，只能辅助患者完成相对简单的康复训练，难以调动患者的主动参与意识和自信心。同时由于欠缺患者生理状态的评价策略，患者康复过程中产生疲劳，易于出现意外导致二次受伤，进而限制了康复机器人的推广应用。

表面肌电信号与肌肉活动有着天然的联系，随着生物电信号处理技术的发展，通过肌电信号辨识患者的运动意图，并作为参考控制康复机器人已成为研究热点之一。同时肌电信号能够实时反映肌肉状态，通过分析肌电信号获取人体生理状态，并作为反馈自适应控制康复机器人，能够提高患者康复训练的主动性和自信心，同时保证康复机器人的安全性，进而推动康复机器人的临床实用化进程，缓解康复医师短缺的现状，具有重要的经济和社会价值。

发明内容

本发明的目的是提供一种利用肌电信号判断患者患处训练情况并辅助患者自主锻炼的下肢康复锻炼设备和控制方法，特别是一种基于肌电信号反馈的下肢康复机器人系统及其控制方法。

本发明的第一目的是提供一种基于肌电信号反馈的下肢康复机器人系统，所述机器人系统包括机械部分和电气部分；

机械部分，包括滑轨、基座、下肢机械腿、滚珠丝杠、驱动电机；所述下肢机械腿由上、下两段组成，上段机械腿包括大腿支撑杆和大腿支撑套；下段机械腿包括小腿支撑杆和小腿支撑套，中间以旋转副连接；大腿支撑杆的上端与基座通过旋转副相连，小腿支撑杆的下段与滑轨通过滑动副相连；驱动电机通过滚珠丝杠与下肢机械腿的末端相连，下肢机械腿末端置于滑轨内；

电气部分，包括肌电电极片、肌电放大器、角度编码器、数据采集卡、上位机、电机驱动器、电机编码器和蜂鸣器；

肌电电极片一端连接在患者患处肌肉表层，另一端与肌电放大器连接，肌电放大器与数据采集卡输入端连接，数据采集卡输入端另与角度编码器和限位开关连接，数据采集卡的输出端与上位机接通；上位机控制电机驱动器，电机驱动器控制机械部分；角度编码器安装在机械部分上，测量机械部分的角度和角速度信息，角度编码器将信息输入数据采集卡。

本发明的另一个目的是提供基于肌电信号反馈的下肢康复机器人系统控制方法，所述控制方法如下：

针对处于早、中期的康复患者，由于不具有完备的行为能力，应对其实施被动、助力康复训练策略，根据肌肉活动与肌电信号的对应关系，将肌电电极片贴在患者患侧腿部股四头肌与胫骨前肌的相应位置上，肌电放大器通过肌电电极片实时采集患者患部肌肉的肌电信号，将肌电信号输入数据采集卡；角度编码器实时测量机构的角度及角速度信息，将所测量的信息输入数据采集卡；数据采集卡实时采集、传输肌电信号和机构反馈的角度信息至上位机；上位机通过信号处理与分析后，辨识出患者的运动意图，再进行运动学逆解得到相应的期望轨迹，通过电机驱动器控制驱动电机带动机械部分运动，带动小腿支撑杆的下段沿滑轨运动，使得机械腿带动患者患肢进行康复训练运动，同时膝关节处的角度传感器测量运动过程中的角度及角速度信息，并反馈给上位机，利用设计的模糊PID控制器实时跟踪期望轨迹，完成患者的康复训练动作。

利用肌电放大器与数据采集卡实时采集肌肉的肌电信号，利用公式（1）、（2）计算出患者运动意图的特征向量iEMG、RMS；

$\mathrm{iEMG}=\underset{t}{\overset{t+T}{\∫}}\left|\mathrm{EMG}\left(t\right)\right|\mathrm{dt}---\left(1\right)$

$\mathrm{RMS}=\sqrt{\frac{\underset{t}{\overset{t+T}{\∫}}{\mathrm{EMG}}^2\left(t\right)\mathrm{dt}}{T}}---\left(2\right)$

式中，iEMG为积分肌电值，反映了肌肉动作时运动单元的数量及每个运动单元的放电大小；t为采集肌电信号的时间；T为分析该采集到的肌电信号的周期；EMG(t)为t时刻采集到的相应肌肉运动的肌电信号；RMS为均方根值，描述肌肉放电的有效值，其大小由肌电的幅值变化决定，与运动单元募集和兴奋节律的同步有关。由于iEMG和RMS均能在一定程度上反映出肌肉运动时肌力的大小及运动速度趋势，采用iEMG和RMS特征向量用于识别患者的运动意图。

将得到的特征向量iEMG、RMS输入到上位机中经过训练的BP神经网络，通过BP神经网络估计出患者下肢膝关节的运动意图，即关节是屈曲还是伸展，同时得到膝关节的角速度，作为下肢康复机器人的期望轨迹，控制康复机器人系统带动患者进行下肢伸展与屈曲训练，重建患者的下肢运动功能和自信心。

在每个运动周期结束后，分析采集的肌电信号能够反映患者当前的疲劳状态；利用公式（3）、（4）计算患者肌肉疲劳程度的特征向量MPF、FI_nsm5；

$\mathrm{MPF}=\underset{0}{\overset{\∞}{\∫}}f\·P\left(f\right)\mathrm{df}/\underset{0}{\overset{\∞}{\∫}}P\left(f\right)\mathrm{df}---\left(3\right)$

${\mathrm{FI}}_{\mathrm{nsm}5}=\frac{{\∫}_{f_1}^{f_2}{f}^{-1}\·P\left(f\right)\·\mathrm{df}}{{\∫}_{f_1}^{f_2}{f}^5\·P\left(f\right)\·\mathrm{df}}---\left(4\right)$

式中，MPF为平均功率频率，是功率谱曲线重心位置的频率，对低负荷运动的频谱变化有较高敏感性；f为肌电信号的频率；P(f)为功率谱函数；f₁、f₂分别为肌电放大器带宽的最小值与最大值；FI_nsm5为季米特洛夫指数，它的表达式为肌电的负一阶谱矩与第5阶谱矩的比值，可反映疲劳状态的变化；

将得到的特征向量MPF、FI_nsm5输入到上位机中经过训练的BP神经网络，通过BP神经网络得到表征肌肉疲劳状态的特征值，该特征值与设定的阈值进行比对，当大于或等于阈值时，表明患者已经处于疲劳状态，通过蜂鸣响音进行报警提示，同时修正期望轨迹，保持此时的输出角度一段时间，使患者肌肉的疲劳状态得以缓解后再恢复训练，保证患者康复训练的安全性，避免出现二次受伤；也可直接关闭电源终止训练，防止患者因疲劳而造成肌肉痉挛或拉伤。

与已有技术相比，本发明的有益效果为：

本发明可以很好的反映患者的主观意图，充分调动患者进行康复训练的积极性，增强其康复的信心，同时提高了康复机器人的安全性，减轻了康复医师的工作强度。可分析患者康复运动过程中的疲劳状态和运动意图，自适应调整康复机器人系统的运动轨迹，避免二次受伤风险。

附图说明

图1为本发明的基于肌电信号反馈的下肢康复机器人系统的机械部分结构简图。

图2为本发明的基于肌电信号反馈的下肢康复机器人系统的结构框图。

图3为本发明的基于肌电信号反馈的下肢康复机器人系统控制方法的工作原理框图。

附图标号：1为滑轨、2为基座、3为滚珠丝杠、4-1为大腿支撑杆、4-2为小腿支撑杆、5-1为大腿支撑套、5-2为小腿支撑套、6为旋转副、7为转动副。

具体实施方式

在图1所示的本发明的机械部分结构简图中，所述机器人系统的机械部分，包括滑轨1、基座2、下肢机械腿、滚珠丝杠3、驱动电机；所述下肢机械腿由上、下两段组成，上段机械腿包括大腿支撑杆4-1和大腿支撑套5-1；下段机械腿包括小腿支撑杆4-2和小腿支撑套5-2，中间以旋转副6连接，其中大腿支撑套与小腿支撑套用于固定患者下肢；大腿支撑杆的上端与基座也通过旋转副相连，小腿支撑杆的下段在滑轨中与滚珠丝杠以转动副7相连；驱动电机安置在基座中并通过滚珠丝杠与机械腿的末端相连，带动机械腿末端在滑轨内滑动；同时机械腿的上下两端均可以通过调节螺母改变长度以适应不同身高的患者进行康复训练。

实施例1：

结合图2和图3作如下描述；

在对患者进行康复训练时，首先需要用酒精对股四头肌与胫骨前肌的皮肤表面进行擦拭，去除死皮防止影响肌电信号的采集效果。待风干后，采用差分方式将肌电电极片帖在擦拭过酒精的皮肤表面。打开系统电源，康复机器人辅助患者进行康复训练，通过肌电电极片和肌电放大器实时采集表面肌电信号，对肌电信号进行50Hz陷波，去除工频干扰并放大1000倍，经NI数据采集卡传输到上位机；上位机对采集得到的肌电信号进行如下计算，得到iEMG、RMS

$\mathrm{iEMG}=\underset{t}{\overset{t+T}{\∫}}\left|\mathrm{EMG}\left(t\right)\right|\mathrm{dt}---\left(1\right)$

$\mathrm{RMS}=\sqrt{\frac{\underset{t}{\overset{t+T}{\∫}}{\mathrm{EMG}}^2\left(t\right)\mathrm{dt}}{T}}---\left(2\right)$

式中，iEMG为积分肌电值，反映肌肉动作时运动单元的数量及每个运动单元的放电大小；t为采集肌电信号的时间；T为分析该采集到的肌电信号的周期；EMG(t)为t时刻采集到的相应肌肉运动的肌电信号；RMS为均方根值，描述肌肉放电的有效值，其大小由肌电的幅值变化决定，与运动单元募集和兴奋节律的同步有关；

将得到的特征向量iEMG、RMS输入到经过训练的BP神经网络，估计出膝关节运动意图，运用设计的模糊PID控制器得到所需的驱动力矩，并由上位机送给电机驱动器，驱动电机通过滚珠丝杠带动机械腿沿滑轨移动，同时安装在膝关节处的角度编码器实时测量膝关节角度信息，经数据采集卡上传至上位机，上位机同时将膝关节角度、限位开关等信息作为模糊PID控制器的反馈信息，实现康复机器人辅助患者进行下肢康复训练。

同时，每个运动周期结束后，上位机对采集得到的表面肌电信号进行如下计算，得到MPF、FI_nsm5，

$\mathrm{MPF}=\underset{0}{\overset{\∞}{\∫}}f\·P\left(f\right)\mathrm{df}/\underset{0}{\overset{\∞}{\∫}}P\left(f\right)\mathrm{df}---\left(3\right)$

${\mathrm{FI}}_{\mathrm{nsm}5}=\frac{{\∫}_{f_1}^{f_2}{f}^{-1}\·P\left(f\right)\·\mathrm{df}}{{\∫}_{f_1}^{f_2}{f}^5\·P\left(f\right)\·\mathrm{df}}---\left(4\right)$

式中，MPF为平均功率频率，是功率谱曲线重心位置的频率，对低负荷运动的频谱变化有较高敏感性；f为肌电信号的频率；P(f)为功率谱函数；f₁、f₂分别为肌电放大器带宽的最小值与最大值；FI_nsm5为季米特洛夫指数，它的表达式为肌电的负一阶谱矩与第5阶谱矩的比值，可反映疲劳状态的变化；

将计算得到的特征向量MPF、FI_nsm5输入到经过训练的BP神经网络，得到表征肌肉疲劳状态的特征值，并与设定的阈值比对，当大于或等于阈值时，表明患者已经处于疲劳状态，上位机驱动蜂鸣器对患者进行提示，同时修正期望轨迹，保持此时的输出角度一段时间，使患者肌肉的疲劳状态得以缓解后再恢复训练，患者也可以选择直接关闭电源来终止训练，防止患者因疲劳而造成肌肉痉挛或拉伤。

Claims (2)

1.一种基于肌电信号反馈的下肢康复机器人系统，其特征在于：包括机械部分和电气部分；

机械部分，包括滑轨、基座、下肢机械腿、滚珠丝杠、电机；所述机械腿由上下两段组成，上段机械腿包括大腿支撑杆和大腿支撑套；下段机械腿包括小腿支撑杆和小腿支撑套，中间以旋转副连接；大腿支撑杆的上端与基座通过旋转副相连，小腿支撑杆的下段与滑轨通过滑动副相连；驱动电机通过滚珠丝杠与机械腿的末端相连，机械腿末端置于滑轨内；

电气部分，包括肌电电极片、肌电放大器、角度编码器、数据采集卡、上位机、电机驱动器、电机编码器和蜂鸣器；

肌电电极片一端连接在患者患处肌肉表层，另一端与肌电放大器连接，肌电放大器与数据采集卡输入端连接，数据采集卡输入端另与角度编码器和限位开关连接，数据采集卡的输出端与上位机接通；上位机控制电机驱动器，电机驱动器控制机械部分；角度编码器安装在机械部分上，测量机械部分的角度和角速度信息，角度编码器将信息输入数据采集卡；

其控制方法如下：

将肌电电极片贴在患者患侧腿部肌肉的相应位置上，肌电放大器通过肌电电极片实时采集患者患部肌肉的肌电信号，将肌电信号输入数据采集卡；角度编码器实时测量机构的角度及角速度信息，将所测量的信息输入数据采集卡；数据采集卡实时采集、传输肌电信号和机构反馈的角度信息至上位机；上位机通过信号处理与分析后，辨识出患者的运动意图，生成相应的期望轨迹，通过电机驱动器控制驱动电机带动机械部分运动，通过机械部分辅助带动患者进行下肢伸展与屈曲训练；

利用肌电放大器与数据采集卡实时采集肌肉的肌电信号，利用公式(1)、(2)计算出患者运动意图的特征向量iEMG、RMS；

$iEMG=\underset{t}{\overset{t+T}{\∫}}\left|EMG\left(t\right)\right|dt---\left(1\right)$

$RMS=\sqrt{\frac{\underset{t}{\overset{t+T}{\∫}}{\mathrm{EMG}}^2\left(t\right)dt}{T}}---\left(2\right)$

式中，iEMG为积分肌电值，反映肌肉动作时运动单元的数量及每个运动单元的放电大小；t为采集肌电信号的时间；T为分析该采集到的肌电信号的周期；EMG(t)为t时刻采集到的相应肌肉运动的肌电信号；RMS为均方根值，描述肌肉放电的有效值，其大小由肌电的幅值变化决定，与运动单元募集和兴奋节律的同步有关；

将得到的特征向量iEMG、RMS输入到上位机中经过训练的BP神经网络，通过BP神经网络辨识出患者下肢运动意图，同时得到膝关节的角速度，作为下肢康复机器人的期望轨迹，驱动电机带动机器人完成康复训练。

2.根据权利要求1所述的基于肌电信号反馈的下肢康复机器人系统，其特征在于：在每个运动周期结束后，分析采集的肌电信号能够反映患者当前的疲劳状态；利用公式(3)、(4)计算患者肌肉疲劳程度的特征向量MPF、FI_nsm5；

$MPF=\underset{0}{\overset{\mathrm{\∞}}{\∫}}f\·P\left(f\right)df/\underset{0}{\overset{\mathrm{\∞}}{\∫}}P\left(f\right)df---\left(3\right)$

$FIn5m5=\frac{{\∫}_{f_1}^{f_2}{f}^{-1}\·P\left(f\right)\·df}{{\∫}_{f_1}^{f_2}{f}^5\·P\left(f\right)\·df}---\left(4\right)$

式中，MPF为平均功率频率，是功率谱曲线重心位置的频率，对低负荷运动的频谱变化有较高敏感性；f为肌电信号的频率；P(f)为功率谱函数；f₁、f₂分别为肌电放大器带宽的最小值与最大值；FI_nsm5为季米特洛夫指数，它的表达式为肌电的负一阶谱矩与第5阶谱矩的比值，可反映疲劳状态的变化；

将得到的特征向量MPF、FI_nsm5输入到上位机中经过训练的BP神经网络，通过BP神经网络得到表征肌肉疲劳状态的特征值，该特征值与设定的阈值进行比对，当大于或等于阈值时，表明患者已经处于疲劳状态，通过蜂鸣响音进行报警提示，同时修正期望轨迹，保持此时的输出角度一段时间，使患者肌肉的疲劳状态得以缓解后再恢复训练；也可直接关闭电源终止训练。