CN106990832A - 脑损伤手腕动作智能康复训练装置 - Google Patents
脑损伤手腕动作智能康复训练装置 Download PDFInfo
- Publication number
- CN106990832A CN106990832A CN201610489913.3A CN201610489913A CN106990832A CN 106990832 A CN106990832 A CN 106990832A CN 201610489913 A CN201610489913 A CN 201610489913A CN 106990832 A CN106990832 A CN 106990832A
- Authority
- CN
- China
- Prior art keywords
- action
- feedback
- force
- computing
- fmax
- 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
Links
- 230000009471 action Effects 0.000 title claims abstract description 89
- 230000006931 brain damage Effects 0.000 title claims abstract description 17
- 231100000874 brain damage Toxicity 0.000 title claims abstract description 17
- 208000029028 brain injury Diseases 0.000 title claims abstract description 17
- 210000000707 wrist Anatomy 0.000 claims abstract description 46
- 230000000007 visual effect Effects 0.000 claims abstract description 12
- 238000009877 rendering Methods 0.000 claims abstract description 4
- 238000013461 design Methods 0.000 claims description 30
- 210000000245 forearm Anatomy 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 238000013139 quantization Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 15
- 208000006358 Hand Deformities Diseases 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 230000002567 autonomic effect Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Dermatology (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了脑损伤手腕动作智能康复训练装置，包括机电单元、计算单元以及显示单元，机电单元捕捉手腕的动作并将动作输入计算单元进行运算，运算的图像结果输出至显示单元，运算的力量结果输出至机电单元以产生力反馈，计算单元运算的步骤包括动作感知与计算、3D图像的运算以及渲染、运算反馈力的大小与方向。本发明通过人机介面，实现手腕动作、力反馈和视觉反馈的实时交互，通过不同力反馈模式以及难易度的交叉设置，针对不同功能高低的病人，提供个人化的精准医疗康复方案，也为医生提供量化且客观的评定依据。
Description
技术领域
本发明涉及虚拟现实技术以及人机交互技术，更具体地说，涉及一种基于虚拟现实力反馈的脑损伤手腕动作智能康复训练装置。
背景技术
因脑损造成的各式上肢运动障碍，包括肩、臂、肘、腕、掌、指等不同动作功能，必须针对各个的动作实施不同的康复任务训练，达到康复的目的。对于手腕动作功能，包括手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后，传统临床康复通常仅要求病患重复进行上述动作，一方面枯燥单调，另一方面缺乏量化的标准，同时也缺乏力反馈。
随着科技的进步，各式的人机交互技术结合虚拟现实，逐渐地被应用于手腕动作功能的训练，这些人机交互技术包括数据手套以及机器手臂等，但是这些技术在实用上，都存在着不同的问题与缺点。(1)数据手套：虽然通过传感器可以量化动作，但是缺乏力反馈，同时，手套无法适合各式大小形状的手型，一旦手套大小与手型不一致，将产生数据采集的偏差，因此不易实用于临床。(2)机器手臂：虽然可以提供力反馈，但是通常过于昂贵且笨重，也不易普遍使用于临床，而且未能将上述所有手腕动作功能集成于单一设备。
雕刻机为可编程的力反馈设备，例如：NovintFalcon，具有三个自由度的力量输出，可以进行精细的触觉模型的模拟，已经大量地应用于3D模型的雕刻制作，同时也应用于数字游戏，虽然也逐渐被应用于康复训练系统，但是由于只能对于单点进行力量输出，加上端点的机构设计，只能以手掌握住进行手臂功能康复训练，无法适应于各式手腕功能的动作姿态。
发明内容
为了克服现有的技术的不足，本发明提供一种脑损伤手腕动作智能康复训练装置，能同时覆盖手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后等手腕动作功能，也能根据临床评定的功能高低提供不同的智能力反馈模式。
本发明技术方案如下所述：
脑损伤手腕动作智能康复训练装置，其特征在于，包括机电单元、计算单元以及显示单元，
所述机电单元捕捉手腕的动作并将动作输入所述计算单元进行运算，运算的图像结果输出至所述显示单元，运算的力量结果输出至所述机电单元以产生力反馈，完成一个周期；
所述计算单元运算的步骤包括：
(a)动作感知与计算，包括旋转量、偏移量的计算；
(b)进行3D图像的运算以及渲染；
(c)根据智能力反馈模式运算反馈力的大小与方向。
进一步的，每秒完成的周期数量为60-100次。
进一步的，所述机电单元包括手腕动作人机介面和两台雕刻机，两台所述雕刻机以并联的方式连接所述手腕动作人机介面；
所述手腕动作人机介面包括手柄、连杆、连臂、卡座轴以及触指座，所述触指座内嵌入有触发雕刻机运作的电路，所述卡座轴的一端为与所述雕刻机相容的接头，其另一端和所述连臂通过第一单自由度旋转接头连接，所述连臂和连杆之间通过第二单自由度旋转接头连接，并且所述手柄和所述连杆可拆卸连接。
更进一步的，所述手柄和所述连杆以螺旋接口连接。
更进一步的，所述雕刻机为Novint Falcon雕刻机。
进一步的，所述显示单元为虚拟现实功能性任务，其包括视觉反馈设计单元、任务模式设计单元、难易度设计单元以及运动动力输出分析单元，所述虚拟现实功能性任务为通过不同的手腕动作控制虚拟环境中的物体，并使其顺利穿越一个接一个的长方形框架，
所述视觉反馈设计单元通过虚拟环境中可视化物体的姿态与位置，提供视觉反馈，让使用者得以感知动作的姿态与位置，
所述任务模式设计单元通过不同的模式适应于手腕屈伸、尺挠侧偏移、前臂旋前旋后等不同手腕运动模式，
所述难易度设计单元通过虚拟环境中物体的速度以及长方形框架的大小、位置、旋转姿态，提供不同的任务难易度，
所述运动动力输出分析单元通过使用者任务过程记录关于动作的位置、旋转姿态以及反馈力，计算分析运动与动力指标。
更进一步的，所述任务模式设计单元包括第一任务模式、第二任务模式以及第三任务模式，
所述第一任务模式为以手腕屈伸动作控制物体上下位置以穿越长方形框架，所述第二任务模式为以手腕尺侧或挠侧偏移动作控制物体左右位置以穿越长方形框架，所述第三任务模式为以前臂旋前或旋后动作控制物体旋转姿态以穿越长方形框架。
更进一步的，所述计算单元包括动作感知计算和智能力反馈模式设计，所述动作感知计算通过两台雕刻机端点的空间位置，计算手腕的旋转角度、水平偏移量以及垂直偏移量，所述智能力反馈模式设计包括包括助动模式、主动模式、阻动模式三种力反馈模式，
根据所述力反馈模式决定反馈力的方向，同时，依据手部动作与目标动作之间的差距决定反馈力的大小，在助动模式下，差距愈大反馈力愈大，反馈力方向为朝向目标动作方向；在主动模式下，没有反馈力；在阻动模式下，差距愈小反馈力愈大，反馈力方向为朝向目标动作的反方向，具体的，
定义反馈力为F，手部动作与目标动作之间的差距为D，K为反馈力F和差距D的关系系数，Fmax为最大限定输出力量，反馈力F＝0时的差距D为S，框架的高度为L、宽度为R，
根据三种不同的任务模式，三种智能力反馈模式分别如下：
(a)助动模式：三种任务模式均为F＝KD；
(b)主动模式：三种任务模式均为F＝0；
(c)阻动模式：
手腕屈伸和尺、挠侧偏移：D＞0＝＞F＝(-Fmax/S)*D+Fmax
D＜0＝＞F＝(-Fmax/S)*D-Fmax
前臂旋前、旋后：D＞0＝＞F＝(-Fmax/180)*D+Fmax
D＜0＝＞F＝(-Fmax/180)*D-Fmax。
更进一步的，手部动作与目标动作之间的差距包括距离差距或角度差距。
更进一步的，不同任务模式下，三种智能力反馈模式的最佳模型为：
(a)助动模式：K＝0.675；
(b)主动模式：K＝0；
(c)阻动模式：
手腕屈伸：S＝1.5L，Fmax＝18NT
手腕尺、挠侧偏移：S＝1.25R，Fmax＝18NT
前臂旋前、旋后：Fmax＝18NT。
根据上述方案的本发明，其有益效果在于：
本发明可以同时感知使用者不同的手腕动作，包括手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后等。
本发明设计的虚拟现实手腕动作功能性任务，可以适应于不同的康复目标与需求，通过完成虚拟现实任务，诱发不同的手腕动作功能，包括手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后等。
本发明的多种智能力反馈模式，对于不具自主活动能力的病患，可以引导病患完成虚拟现实任务；对于自主活动能力的病患，可以提供阻抗力以提高完成虚拟现实任务的难度，并借此增进肌耐力。
本发明实现了手腕动作、力反馈和视觉反馈的实时交互。
附图说明
图1为本发明的结构组成框图；
图2为本发明中手腕动作人机介面的结构示意图；
图3为本发明中手腕动作人机介面运作模式的示意图；
图4为本发明的虚拟现实任务模式示意图；
图5为本发明的运动感知计算示意图；
图6为本发明的手腕屈伸任务的智能力反馈模式示意图；
图7为本发明的手腕尺侧或挠侧偏移任务的智能力反馈模式示意图；
图8为本发明的前臂旋前或旋后任务任务的智能力反馈模式示意图。
在图中，10、手腕动作人机介面；11、手柄；12、连杆；13、连臂；14、卡座轴；15、触指座；16、第一单自由度旋转接头；17、第二单自由度旋转接头；20、双雕刻机；21、第一雕刻机端点；22、第二雕刻机端点。
具体实施方式
下面结合附图以及实施方式对本发明进行进一步的描述：
如图1所示，脑损伤手腕动作智能康复训练装置，包括机电单元、计算单元以及显示单元，机电单元包括双雕刻机20以及手腕动作人机介面10，计算单元以电脑来实现，显示单元则通过虚拟现实功能性任务软件的运行结果将图像显示于显示器，虚拟现实功能性任务包括视觉反馈设计、任务模式设计、难易度设计以及运动动力数据分析。
在本实施例中，通过机电单元捕捉手腕的动作(手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后)，将动作数据输入计算单元并进行运算，运算流程首先同步来自两台雕刻机的动作数据，然后进行动作感知计算，接着进行3D图像的运算以及渲染，最后根据智能力反馈模型运算力反馈的大小，运算的图像结果输出至显示单元，运算的力量结果输出至机电单元以产生力反馈，以上过程周而复始的运作(每秒约60-100次)达到实时交互。
如图2所示，机电单元包括手腕动作人机介面10和两台Novint Falcon雕刻机，两台雕刻机以并联的方式连接人机介面，人机介面包括手柄11、连杆12、连臂13、卡座轴14、触指座15，触指座15嵌入可以触发雕刻机运作的电路，卡座轴14的一端为与雕刻机相容的接头，另一端和连臂13以第一单自由度旋转接头16连接，连臂13和连杆12以第二单自由度旋转接头17连接，手柄11和连杆12以螺旋接口连接，手柄11和连杆12依动作需要可以便利拆卸，使用者得以通过单一一种人机介面进行多种手腕动作，包括手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后等。
如图3所示，为了诱发手腕动作的不同功能(包括手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后等)，人机介面具有两种工作模式，一种是具有一垂直向上的握把(手柄11)，可以支持前臂旋前、旋后等动作功能；另一种是仅具有一横杆(连杆12)，可以支持腕屈伸、尺侧偏移、挠侧偏移等动作功能，两种模式通过可拆卸的手柄11可以轻易地进行切换。
如图4所示，在显示单元的部分，以游戏开发软件Unity 3D开发了虚拟现实手腕动作任务，任务内容与目标为通过不同的手腕动作控制虚拟环境中的一台飞机，以顺利穿越一个接一个的长方形框架。虚拟现实功能性任务包括视觉反馈设计、任务模式设计、难易度设计、运动动力输出分析。通过虚拟环境中可视化飞机的姿态与位置，提供视觉反馈，让使用者得以感知动作的姿态与位置；为了适应不同的手腕运动模式，设计了三种任务模式，模式1为以手腕屈伸动作控制飞机上下位置以穿越长方形框架，模式2为以手腕尺侧或挠侧偏移动作控制飞机左右位置以穿越长方形框架，模式3为以前臂旋前或旋后动作控制飞机旋转姿态以穿越长方形框架；同时，为了适应不同功能高低的临床需求，也设计了一系列物理参数以调控任务的难度，包括飞机的速度、长方形框架的大小、位置、旋转姿态，提供不同的任务难易度；通过使用者任务过程记录关于动作的位置、旋转姿态以及反馈力，计算分析运动与动力指标。
如图5所示，在计算单元部分，包括动作感知计算和智能力反馈模式设计。动作感知计算通过第一雕刻机端点21和第二雕刻机端点22的空间位置，计算手腕的旋转角度、水平偏移量和垂直偏移量。智能力反馈模式设计，包括助动、主动、阻动三种力反馈模式，助动模式通过力量的牵引，带动使用者达到目标动作，完成虚拟现实任务；阻动模式通过反向力量的阻抗，诱发使用者以较强的肌耐力，完成虚拟现实任务；主动模式则不施加任何力量，使用者以自主的动作与力量完成虚拟现实任务。以下针对虚拟现实任务的三种任务模式，分别就智能力反馈模型的三种模式进行说明：
1、如图6所示，手腕屈伸任务：
本任务通过手腕的屈伸控制飞机的上下，手腕的屈或伸分别带动双雕刻机20的下或上，反之，双雕刻机20的下或上也分别带动手腕的屈或伸，为了进一步描述智能反馈模型，定义飞机中心点与长方形框架中心点的距离为D，框架的高度为L。
(1)助动模式：反馈力的大小随着D的增加而增加，反馈力的大小与D的关系由系数K控制，反馈力的方向则是一直朝向长方形框架的中心点，本模式采用K＝0.675以达到最佳的反馈力设计。
(2)阻动模式：反馈力的大小随着D的增加而减小，反馈力的方向则是朝向长方形框架中心点的反方向，即：
D＞0＝＞F＝(-Fmax/S)*D+Fmax
D＜0＝＞F＝(-Fmax/S)*D-Fmax
同时也定义了边界条件：D＝0时的最大反馈力Fmax，以及F＝0时的D为S。本模式采用Fmax＝18NT以及S＝1.5L以达到最佳的反馈力设计。
(3)主动模式：不施加任何的力反馈。
2、如图7所示，手腕尺侧或挠侧偏移任务：
本任务通过手腕的尺侧或挠侧偏移控制飞机的左右，手腕的尺侧偏移或挠侧偏移分别带动双雕刻机的左或右，反之，双雕刻机的左或右也分别带动手腕的尺侧偏移或挠侧偏移，为了进一步描述智能反馈模型，定义飞机中心点与长方形框架中心点的距离为D，框架的宽度为R。
(1)助动模式：反馈力的大小随着D的增加而增加，反馈力的大小与D的关系由系数K控制，反馈力的方向则是一直朝向长方形框架的中心点，本模式采用K＝0.675以达到最佳的反馈力设计。
(2)阻动模式：反馈力的大小随着D的增加而减小，反馈力的方向则是朝向长方形框架中心点的反方向，即：
D＞0＝＞F＝(-Fmax/S)*D+Fmax
D＜0＝＞F＝(-Fmax/S)*D-Fmax
同时也定义了边界条件：D＝0时的最大反馈力Fmax，以及F＝0时的D为S。本模式采用Fmax＝18NT以及S＝1.25R以达到最佳的反馈力设计。
(3)主动模式：不施加任何的力反馈。
3、如图8所示，前臂旋前或旋后任务：
本任务通过前臂的旋前或旋后控制飞机的旋转，为了进一步描述智能反馈模型，定义飞机姿态与长方形框架姿态的夹角为θ。
(1)助动模式：反馈力的大小随着θ的增加而增加，反馈力的大小与θ的关系由系数K控制，反馈力的方向则是一直朝向减少θ的旋转方向，本模式采用K＝0.675以达到最佳的反馈力设计。
(2)阻动模式：反馈力的大小随着θ的增加而减小，反馈力的方向则是朝向增加θ的旋转方向，即：
θ＞0＝＞F＝(-Fmax/180)*θ+Fmax
θ＜0＝＞F＝(-Fmax/180)*θ-Fmax
同时也定义了边界条件：θ＝0时的最大反馈力Fmax，以及F＝0时的θ为180度以及-180度。本模式采用Fmax＝18NT以达到最佳的反馈力设计。
(3)主动模式：不施加任何的力反馈。
本发明运用双雕刻机Novint Falcon可以实现以下功能：
(1)人机介面连接双雕刻机和手，提供手腕动作的物理条件，以覆盖包括手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后等手腕动作功能。
(2)虚拟现实手腕动作功能性任务，根据康复的目标与需求，诱发不同的手腕动作功能，包括手腕屈伸、尺侧偏移、挠侧偏移、前臂旋前、前臂旋后等。
(3)三种智能力反馈模式，包括引导模式、阻抗模式和中性模式，以面向不同高低程度的手腕动作功能的临床需求。
(4)视觉反馈的机制，依据手腕的动作提供实时的视觉反馈。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
上面结合附图对本发明专利进行了示例性的描述，显然本发明专利的实现并不受上述方式的限制，只要采用了本发明专利的方法构思和技术方案进行的各种改进，或未经改进将本发明专利的构思和技术方案直接应用于其它场合的，均在本发明的保护范围内。
Claims (10)
1.脑损伤手腕动作智能康复训练装置，其特征在于，包括机电单元、计算单元以及显示单元，
所述机电单元捕捉手腕的动作并将动作输入所述计算单元进行运算，运算的图像结果输出至所述显示单元，运算的力量结果输出至所述机电单元以产生力反馈，完成一个周期；
所述计算单元运算的步骤包括：
(a)动作感知与计算，包括旋转量、偏移量的计算；
(b)进行3D图像的运算以及渲染；
(c)根据智能力反馈模式运算反馈力的大小与方向。
2.根据权利要求1所述的脑损伤手腕动作智能康复训练装置，其特征在于，每秒完成的周期数量为60-100次。
3.根据权利要求1所述的脑损伤手腕动作智能康复训练装置，其特征在于，
所述机电单元包括手腕动作人机介面和两台雕刻机，两台所述雕刻机以并联的方式连接所述手腕动作人机介面；
所述手腕动作人机介面包括手柄(11)、连杆(12)、连臂(13)、卡座轴(14)以及触指座(15)，所述触指座(15)内嵌入有触发雕刻机运作的电路，所述卡座轴(14)的一端为与所述雕刻机相容的接头，其另一端和所述连臂(13)通过第一单自由度旋转接头(16)连接，所述连臂(13)和连杆(12)之间通过第二单自由度旋转接头(17)连接，并且所述手柄(11)和所述连杆(12)可拆卸连接。
4.根据权利要求3所述的脑损伤手腕动作智能康复训练装置，其特征在于，所述手柄(11)和所述连杆(12)通过螺旋接口连接。
5.根据权利要求3所述的脑损伤手腕动作智能康复训练装置，其特征在于，所述雕刻机为Novint Falcon雕刻机。
6.根据权利要求1所述的脑损伤手腕动作智能康复训练装置，其特征在于，
所述显示单元为虚拟现实功能性任务，其包括视觉反馈设计单元、任务模式设计单元、难易度设计单元以及运动动力输出分析单元，所述虚拟现实功能性任务为通过不同的手腕动作控制虚拟环境中的物体，并使其顺利穿越一个接一个的长方形框架，
所述视觉反馈设计单元通过虚拟环境中可视化物体的姿态与位置，提供视觉反馈，让使用者得以感知动作的姿态与位置，
所述任务模式设计单元通过不同的模式适应于手腕屈伸、尺挠侧偏移、前臂旋前旋后等不同手腕运动模式，
所述难易度设计单元通过虚拟环境中物体的速度以及长方形框架的大小、位置、旋转姿态，提供不同的任务难易度，
所述运动动力输出分析单元通过使用者任务过程记录关于动作的位置、旋转姿态以及反馈力，计算分析运动与动力指标。
7.根据权利要求6所述的脑损伤手腕动作智能康复训练装置，其特征在于，所述任务模式设计单元包括第一任务模式、第二任务模式以及第三任务模式，
所述第一任务模式为以手腕屈伸动作控制物体上下位置以穿越长方形框架，所述第二任务模式为以手腕尺侧或挠侧偏移动作控制物体左右位置以穿越长方形框架，所述第三任务模式为以前臂旋前或旋后动作控制物体旋转姿态以穿越长方形框架。
8.根据权利要求7所述的脑损伤手腕动作智能康复训练装置，其特征在于，所述计算单元包括动作感知计算和智能力反馈模式设计，所述动作感知计算通过两台雕刻机端点的空间位置，计算手腕的旋转角度、水平偏移量以及垂直偏移量，所述智能力反馈模式设计包括包括助动模式、主动模式、阻动模式三种力反馈模式，
根据所述力反馈模式决定反馈力的方向，同时，依据手部动作与目标动作之间的差距决定反馈力的大小，在助动模式下，差距愈大反馈力愈大，反馈力方向为朝向目标动作方向；在主动模式下，没有反馈力；在阻动模式下，差距愈小反馈力愈大，反馈力方向为朝向目标动作的反方向，具体的，
定义反馈力为F，手部动作与目标动作之间的差距为D，K为反馈力F和差距D的关系系数，Fmax为最大限定输出力量，反馈力F＝0时的差距D为S，框架的高度为L、宽度为R，根据三种不同的任务模式，三种智能力反馈模式分别如下：
(a)助动模式：三种任务模式均为F＝KD；
(b)主动模式：三种任务模式均为F＝0；
(c)阻动模式：
手腕屈伸和尺、挠侧偏移：D＞0＝＞F＝(-Fmax/S)*D+Fmax
D＜0＝＞F＝(-Fmax/S)*D-Fmax
前臂旋前、旋后：D＞0＝＞F＝(-Fmax/180)*D+Fmax
D＜0＝＞F＝(-Fmax/180)*D-Fmax。
9.根据权利要求8所述的脑损伤手腕动作智能康复训练装置，其特征在于，手部动作与目标动作之间的差距包括距离差距或角度差距。
10.根据权利要求8所述的脑损伤手腕动作智能康复训练装置，其特征在于，不同任务模式下，三种智能力反馈模式的最佳模型为：
(a)助动模式：K＝0.675；
(b)主动模式：K＝0；
(c)阻动模式：
手腕屈伸：S＝1.5L，Fmax＝18NT
手腕尺、挠侧偏移：S＝1.25R，Fmax＝18NT
前臂旋前、旋后：Fmax＝18NT。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610489913.3A CN106990832A (zh) | 2016-06-20 | 2016-06-20 | 脑损伤手腕动作智能康复训练装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610489913.3A CN106990832A (zh) | 2016-06-20 | 2016-06-20 | 脑损伤手腕动作智能康复训练装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106990832A true CN106990832A (zh) | 2017-07-28 |
Family
ID=59414540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610489913.3A Pending CN106990832A (zh) | 2016-06-20 | 2016-06-20 | 脑损伤手腕动作智能康复训练装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106990832A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108538359A (zh) * | 2018-03-20 | 2018-09-14 | 孙傲然 | 基于虚拟现实技术的腕关节运动能力评估训练系统 |
| CN108550385A (zh) * | 2018-04-13 | 2018-09-18 | 北京健康有益科技有限公司 | 一种运动方案推荐方法、装置和存储介质 |
| CN108939511A (zh) * | 2018-07-18 | 2018-12-07 | 广州市三甲医疗信息产业有限公司 | 基于虚拟现实的四肢康复训练方法与系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060106326A1 (en) * | 2004-10-27 | 2006-05-18 | Massachusetts Institute Of Technology | Wrist and upper extremity motion |
| CN104706499A (zh) * | 2013-12-12 | 2015-06-17 | 中国科学院宁波材料技术与工程研究所 | 上肢脑神经康复训练系统及训练方法 |
| US20150290071A1 (en) * | 2012-11-30 | 2015-10-15 | Northeastern University | Multiple Degree of Freedom Portable Rehabilitation System Having DC Motor-Based, Multi-Mode Actuator |
-
2016
- 2016-06-20 CN CN201610489913.3A patent/CN106990832A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060106326A1 (en) * | 2004-10-27 | 2006-05-18 | Massachusetts Institute Of Technology | Wrist and upper extremity motion |
| US20150290071A1 (en) * | 2012-11-30 | 2015-10-15 | Northeastern University | Multiple Degree of Freedom Portable Rehabilitation System Having DC Motor-Based, Multi-Mode Actuator |
| CN104706499A (zh) * | 2013-12-12 | 2015-06-17 | 中国科学院宁波材料技术与工程研究所 | 上肢脑神经康复训练系统及训练方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108538359A (zh) * | 2018-03-20 | 2018-09-14 | 孙傲然 | 基于虚拟现实技术的腕关节运动能力评估训练系统 |
| CN108538359B (zh) * | 2018-03-20 | 2019-01-25 | 孙傲然 | 基于虚拟现实技术的腕关节运动能力评估训练系统 |
| CN108550385A (zh) * | 2018-04-13 | 2018-09-18 | 北京健康有益科技有限公司 | 一种运动方案推荐方法、装置和存储介质 |
| CN108550385B (zh) * | 2018-04-13 | 2021-03-09 | 北京健康有益科技有限公司 | 一种运动方案推荐方法、装置和存储介质 |
| CN108939511A (zh) * | 2018-07-18 | 2018-12-07 | 广州市三甲医疗信息产业有限公司 | 基于虚拟现实的四肢康复训练方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103158162B (zh) | 外构架式双向力反馈数据手套 | |
| US10817056B2 (en) | Hand exoskeleton force feedback system | |
| Dipietro et al. | A survey of glove-based systems and their applications | |
| US11331565B2 (en) | Digital anatomical virtual extremities for pre-training physical movement | |
| CN109350923A (zh) | 一种基于vr及多体位传感器的上肢康复训练系统 | |
| CN107349570A (zh) | 基于Kinect的上肢康复训练与评估方法 | |
| CN106389072A (zh) | 五自由度上肢康复机器人的虚拟现实交互系统及方法 | |
| CN106990832A (zh) | 脑损伤手腕动作智能康复训练装置 | |
| CN108687744A (zh) | 一种基于触觉反馈的外骨骼 | |
| Borja et al. | Haptic stimulation glove for fine motor rehabilitation in virtual reality environments | |
| CN105999652B (zh) | 脑损伤双指指腹夹捏康复训练装置 | |
| CN111081386A (zh) | 一种基于虚拟现实技术的医疗交互系统 | |
| Shen et al. | A novel approach in rehabilitation of hand-eye coordination and finger dexterity | |
| Sato et al. | Space interface device for artificial reality—SPIDAR | |
| CN108687743A (zh) | 基于振动和气动结合的触觉反馈外骨骼装置 | |
| Van Damme et al. | Towards unsupervised rehabilitation: development of a portable compliant device for sensorimotor hand rehabilitation | |
| CN114602138B (zh) | 基于人体运动模型的上肢个性化康复训练方法和系统 | |
| Kolsanov et al. | Augmented Reality application for hand motor skills rehabilitation | |
| Sharma et al. | Technology based on touch: Haptics technology | |
| CN103071278B (zh) | 武术招式练习系统 | |
| CN203355241U (zh) | 武术招式练习系统 | |
| Tatzgern et al. | Exploring input approximations for control panels in virtual reality | |
| CN114452640B (zh) | 一种用于感知虚拟物品物理属性的vr力反馈装置 | |
| CN105892622A (zh) | 数据手套拇指近端关节检测装置 | |
| Tutak et al. | Properties of mechatronic system for hand rehabilitation |
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 | ||
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: ZHUHAI BOEN ELECTRONIC TECHNOLOGY Co.,Ltd. Person in charge of patents Document name: Deemed withdrawal notice |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170728 |