具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式,下述具体实施方式以及附图,仅为更好地理解本发明,并不对本发明做任何限制。
如图1所示,康复机器人机械结构部分主要由以下部件组成:背部支撑部件1,背部吊带2,同步齿轮3、6,驱动电机4,大腿固定部件5,小腿固定部件9,下肢机器人骨架7,电机编码器8,脚10。
如图2所示,康复机器人的硬件系统组成包括外界环境传感器11,运动意图感知传感器12,主控系统13,驱动器以及电机14;其中外界环境传感器11、运动意图感知传感器12以及驱动器以及电机14分别与主控系统13相连。连接方式可以是通过CAN总线相连。
外界环境传感器11可以包括超声波传感器、视觉传感器、激光测距仪中的一种或几种。超声波传感器可以感知是否存在障碍物,并且判断范围较大;视觉传感器可以对障碍物进行具体定位和判断地形的判断;激光测距仪则具有测量精度高和效率高等优点。
运动意图传感器12可以包括脚底压力传感器、编码器、陀螺仪和肌电仪。脚底压力传感器、编码器和陀螺仪分别通过采集卡把采集到的信息传到CAN总线上,并传送到主控系统13上,CAN总线可以使康复机器人的硬件系统的各部件得到其它部件的信息。肌电仪采集到的信息也可以通过LAN传送到主控系统13上,并与运动意图传感器12中其他各传感器采集到的信息进行融合。
脚底压力传感器优选使用薄膜式压力传感器。陀螺仪主要用于对康复机器人整体状态进行监测,包括各个方向的速度、加速度等信息,以便对其进行调整。陀螺仪优选使用三轴陀螺仪。肌电仪主要通过肌电仪的电极对患者肌电信号的采集,然后对采集的肌电信号进行滤波、放大和抗干扰处理。
如图1、2所示,陀螺仪可以设置在背部支撑部件1上;电机编码器8用于驱动两个驱动电机和计算康复机器人的关节处角度、角加速度;康复机器人每个关节由两个驱动电机4过同步齿轮3和6驱动;两个脚10的底部分布设置3个脚底压力传感器(分布在脚跟、脚掌、脚尖处),用于采集患者脚部受力状况。
如图3所示,本发明优选实施例提供一种康复机器人感知系统,所述康复机器人感知系统包括以下模块:
初始化模块100,用于对所述康复机器人感知系统进行初始化并启动康复训练模式;
在本发明实施例中,通过初始化模块100对所述康复机器人感知系统进行初始化,可以在启动康复训练模式之前彻底排查所述康复机器人感知系统所可能存在的问题,使得康复训练模式启动时康复机器人感知系统处于良好的状态。
环境感知模块200,用于对康复机器人所处的环境进行分析判断并选择合适的行走模式;
在本发明实施例中,通过环境感知模块200对康复机器人,包括最地形信息和障碍物的判断。具体地,在硬件方面可以通过图2中外界环境传感器11和主控系统13来实施,外界环境传感器11可以是超声波传感器、视觉传感器、激光测距仪中的一种或几种。
运动意图感知模块300,用于在确定合适的行走模式之后通过传感器采集传感数据,并根据所述传感数据生成患者的运动意图指令;
在本发明实施例中,在硬件方面可以通过图2中所示的运动意图传感器12和主控系统13来实施,运动意图传感器12可以包括脚底压力传感器、编码器、陀螺仪和肌电仪中的一种或几种。例如,通过图2中的运动意图传感器12中的陀螺仪判断康复机器人是否有位移,如果没有位移,则康复机器人处于静止状态,如果存在位移,继续判断康复机器人存在垂直位移还是水平位移,如果是垂直位移,则康复机器人在进行蹲起动作,如果是水平位移,则康复机器人处于正常步态;在确定康复机器人处于正常步态后,通过图2中的运动意图传感器12中的脚底压力传感器判断是康复机器人的双脚存在压力还是左(右)脚存在压力,如果康复机器人的双脚存在压力,则康复机器人处于双支撑期,如果康复机器人的左脚或右脚存在压力,则判断康复机器人处于左支撑期(右摇摆期)或者处于右支撑期(左摇摆期);进一步地,通过分布在脚跟、脚掌、脚尖处的脚底压力传感器判断,如果脚跟有压力,则康复机器人处于左支撑前期(右摇摆前期)或者右支撑前期(左摇摆前期),如果脚掌有压力,则康复机器人处于左支撑中期(右摇摆中期)或者右支撑中期(左摇摆中期),如果脚尖有压力,则康复机器人处于左支撑末期(右摇摆末期)或者右支撑末期(左摇摆末期)。
动作执行模块400,用于根据所述运动意图指令控制所述康复机器人执行康复训练动作。在硬件方面可以通过图2中所示的主控系统13驱动康复机器人机械结构部分来实施。
实施本发明实施例提供的康复机器人感知系统,通过环境感知模块200对康复机器人所处的环境进行分析判断并选择合适的行走模式之后再通过运动意图感知模块300对患者的运动意图进行判断,使得患者对康复机器人的控制和使用能够兼顾环境适应性好、运动意图感知精确度高的优点。
优选地,如图4所示,所述初始化模块100a包括以下单元:
初始化单元110,用于对所述康复机器人感知系统进行初始化;
状态判断单元120,用于判断初始化以后的所述康复机器人感知系统的状态是否正确;当所述状态错误时,重新启动所述初始化单元的功能;当所述状态正确时,启动康复训练模式启动单元的功能;
康复训练模式启动单元130,用于启动所述康复机器人感知系统的康复训练模式。
在本发明实施例中,通过状态判断单元120判断初始化以后的所述康复机器人感知系统的状态是否正确,选择是否重新启动初始化单元110的功能,可以将所述康复机器人感知系统的状态调整到最佳。
优选地,如图5所示,所述环境感知模块200a包括以下单元:
环境感知单元210,用于采集所述康复机器人所处环境的地面信息,并生成行走模式选择指令;
行走模式选择单元220,用于根据行走模式选择指令选择上坡行走模式、正常行走模式、下坡行走模式中的一种。
在本发明实施例中,通过采集所述康复机器人所处环境的地面信息,选择合适的行走模式,可以使得康复机器人的行走更为稳定。
优选地,如图6所示,所述环境感知单元210包括以下子单元:
障碍物判断子单元211,用于判断所述康复机器人所处环境的周围是否存在障碍物;当存在障碍物时,启动路径规划子单元的功能;当不存在障碍物时,启动地形判断子单元的功能;
所述路径规划子单元212,用于确定障碍物的位置,并根据障碍物的位置信息规划所述康复机器人的路径;
所述地形判断子单元213,用于采集所述康复机器人所处环境的地形信息,并根据所述地形信息生成行走模式选择指令。
在本发明实施例中,可以判断所述康复机器人所处环境的周围是否存在障碍物,当存在障碍物时,可以通过所述路径规划子单元212规划所述康复机器人的路径,使得康复机器人能够自动的避开障碍物,智能化程度高。
优选地,如图7所示,所述运动意图感知模块300a包括以下单元:
信息采集单元310,用于在确定合适的行走模式之后通过传感器采集所述康复机器人的状态数据以及所述患者的肌电信号数据;
信息分析单元320,用于对采集到的所述康复机器人的状态数据以及所述患者的肌电信号数据进行融合处理;对所述患者的肌电信号数据进行融合处理包括数据预处理、数据关联、数据决策和数据融合等,做出正确的判断与决策,同时大大提高患者运动意图判断的准确度。
数据预处理方面,可以使用最小二乘时间对准算法并进行仿真和比较。数据关联方面,可以使用灰色关联数据关联算法,在灰色关联数据关联算法的基础上,提出了基于熵权的灰色关联数据关联算法,该算法能够自适应的根据特征信息给出特征的权重,使关联结果更加合理可靠。
在数据决策方面,可以根据DS证据合成理论方法对传感器报告进行融合判决,能够去除冗余信息,降低不确定度,使判决结果可靠度高。
运动意图指令生成单元330,用于根据所述康复机器人的状态数据以及所述患者的肌电信号数据融合处理的结果确定用户的运动意图,并根据所述用户的运动意图生成运动意图指令。
在本发明实施例中,可以通过图2中的运动意图传感器12中的多种传感器来采集所述康复机器人的状态数据和患者的肌电信号数据,提高了人体运动意图判断的范围和准确性。
如图8所示,本发明实施例还提供一种康复机器人感知方法,所述康复机器人感知方法包括以下步骤:
S1、对康复机器人感知系统进行初始化并启动康复训练模式;
在本发明实施例中,通过对所述康复机器人感知系统进行初始化,可以在启动康复训练模式之前彻底排查所述康复机器人感知系统所可能存在的问题,使得康复训练模式启动时康复机器人感知系统处于良好的状态。
S2、对康复机器人所处的环境进行分析判断并选择合适的行走模式;
在本发明实施例中,通过对康复机器人,包括最地形信息和障碍物的判断,可以选择最优的行走模式。具体地,在硬件方面可以通过图2中外界环境传感器11和主控系统13来实施,外界环境传感器11可以是超声波传感器、视觉传感器、激光测距仪中的一种或几种。
S3、在确定合适的行走模式之后通过传感器采集传感数据,并根据所述传感数据生成患者的运动意图指令;在本发明实施例中,在硬件方面可以通过图2中所示的运动意图传感器12和主控系统13来实施,运动意图传感器12可以包括脚底压力传感器、编码器、陀螺仪和肌电仪中的一种或几种。
例如,通过图2中的运动意图传感器12中的陀螺仪判断康复机器人是否有位移,如果没有位移,则康复机器人处于静止状态,如果存在位移,继续判断康复机器人存在垂直位移还是水平位移,如果是垂直位移,则康复机器人在进行蹲起动作,如果是水平位移,则康复机器人处于正常步态;在确定康复机器人处于正常步态后,通过图2中的运动意图传感器12中的脚底压力传感器判断是康复机器人的双脚存在压力还是左(右)脚存在压力,如果康复机器人的双脚存在压力,则康复机器人处于双支撑期,如果康复机器人的左脚或右脚存在压力,则判断康复机器人处于左支撑期(右摇摆期)或者处于右支撑期(左摇摆期);进一步地,通过分布在脚跟、脚掌、脚尖处的脚底压力传感器判断,如果脚跟有压力,则康复机器人处于左支撑前期(右摇摆前期)或者右支撑前期(左摇摆前期),如果脚掌有压力,则康复机器人处于左支撑中期(右摇摆中期)或者右支撑中期(左摇摆中期),如果脚尖有压力,则康复机器人处于左支撑末期(右摇摆末期)或者右支撑末期(左摇摆末期)。
S4、根据所述运动意图指令控制所述康复机器人执行康复训练动作。
在硬件方面可以通过图2中所示的主控系统13驱动康复机器人机械结构部分来实施。
实施本发明实施例提供的康复机器人感知系统,通过环境感知模块200对康复机器人所处的环境进行分析判断并选择合适的行走模式之后再通过运动意图感知模块300对患者的运动意图进行判断,使得患者对康复机器人的控制和使用能够兼顾环境适应性好、运动意图感知精确度高的优点。
优选地,如图9所示,所述步骤S1包括以下子步骤:
S11、对所述康复机器人感知系统进行初始化;
S12、判断初始化以后的所述康复机器人感知系统的状态是否正确;当所述状态错误时,跳转并执行步骤S11;当所述状态正确时,执行步骤S13;
S13、启动所述康复机器人感知系统的康复训练模式。
在本发明实施例中,通过状态判断单元120判断初始化以后的所述康复机器人感知系统的状态是否正确,选择是否重新启动初始化单元110的功能,可以将所述康复机器人感知系统的状态调整到最佳。
优选地,如图10所示,所述步骤S2包括以下步骤:
S21、采集所述康复机器人所处环境的地面信息,并生成行走模式选择指令;
S22、根据行走模式选择指令选择上坡行走模式、正常行走模式、下坡行走模式中的一种。
在本发明实施例中,通过采集所述康复机器人所处环境的地面信息,选择合适的行走模式,可以使得康复机器人的行走更为稳定。
优选地,如图11所示,所述步骤S21包括以下子步骤:
S211、判断所述康复机器人所处环境的周围是否存在障碍物;当存在障碍物时,跳转并执行步骤S212;当不存在障碍物时,跳转并执行步骤S213;
S212、确定障碍物的位置,并根据障碍物的位置信息规划所述康复机器人的路径;
S213、采集所述康复机器人所处环境的地形信息,并根据所述地形信息生成行走模式选择指令。
在本发明实施例中,可以判断所述康复机器人所处环境的周围是否存在障碍物,当存在障碍物时,可以通过所述路径规划子单元212规划所述康复机器人的路径,使得康复机器人能够自动的避开障碍物,智能化程度高。
优选地,如图12所示,所述步骤S3包括以下子步骤:
S31、在确定合适的行走模式之后通过传感器采集所述康复机器人的状态数据以及所述患者的肌电信号数据;
S32、对采集到的所述康复机器人的状态数据以及所述患者的肌电信号数据进行融合处理;对所述患者的肌电信号数据进行融合处理包括数据预处理、数据关联、数据决策和数据融合等,做出正确的判断与决策,同时大大提高患者运动意图判断的准确度。
数据预处理方面,可以使用最小二乘时间对准算法并进行仿真和比较。数据关联方面,可以使用灰色关联数据关联算法,在灰色关联数据关联算法的基础上,提出了基于熵权的灰色关联数据关联算法,该算法能够自适应的根据特征信息给出特征的权重,使关联结果更加合理可靠。
在数据决策方面,可以根据DS证据合成理论方法对传感器报告进行融合判决,能够去除冗余信息,降低不确定度,使判决结果可靠度高。
S33、根据所述康复机器人的状态数据以及所述患者的肌电信号数据融合处理的结果确定用户的运动意图,并根据所述用户的运动意图生成运动意图指令。
在本发明实施例中,可以通过图2中的运动意图传感器12中的多种传感器来采集所述康复机器人的状态数据和患者的肌电信号数据,提高了人体运动意图判断的范围和准确性。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。