CN108743223B - 一种基于健侧生物电控的智能外骨骼康复机械手及方法 - Google Patents

Abstract

本发明公开了一种基于健侧生物电控的智能外骨骼康复机械手及其方法，利用驱动机构设置于掌背平台上，单独驱动外骨骼机械手本体的每个机械单元的运动，控制系统接收驱动机构反馈出来的位置信号，控制其运动和/或停止；表面肌电系统的表面肌电传感器设置在患者的健侧上肢的手、前臂相关肌肉的肌腹处，采集相应肌肉的表面肌电信号，进行特征提取，信号识别模块接收表面肌电特征参数，将特征参数发送到训练好的分类器中识别出不同的动作类型，生物电评估系统接收表面肌电特征参数，对患者个体特征和实时状态进行评估，得出评估结果，再把识别结果和评估结果发给控制系统控制驱动机构的运动，从而带动患侧手的运动。

Description

一种基于健侧生物电控的智能外骨骼康复机械手及方法

技术领域

本发明涉及一种基于健侧生物电控的智能外骨骼康复机械手及方法。

背景技术

健康手功能在生产生活中发挥着重要作用。而在多种疾病或外伤情况下，手功能极易受损且康复难度极大，严重影响患者的日常生活能力。

目前手功能康复训练是通过康复治疗师进行的，通过对患者的手指进行引导运动，让患者恢复指力和关节运动范围。这种方法虽有一定疗效，但由于是一对一的治疗方式，治疗效率极低，治疗成本很高，效果也难以定量评价。康复机械手是一种针对手部康复训练而设计的特种机器人，能够有效地替代医师的手工操作，训练强度高、训练稳定性强、治疗效果显著。但目前的康复机械手的工作模式固定，多采用主动、被动或半被动方式，无法根据患者个体特征和实时状态进行智能化调整控制，严重制约了康复机械手的临床应用。

发明内容

本发明为了解决上述问题，提出了一种基于健侧生物电控的智能外骨骼康复机械手及方法，通过检测患者健侧表面肌电信号，实时判断患者状态，并精准控制机械手，使之带动患侧手完成多种预定动作，包括五指弯曲、五指伸展、四指弯曲、四指伸展、拇指对掌、食指单独弯曲、拇指食指对捏的康复训练。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一目的是提供一种基于健侧生物电控的智能外骨骼康复机械手，具体方案为:

一种基于健侧生物电控的智能外骨骼康复机械手,包括外骨骼机械手本体、控制系统、驱动机构、表面肌电系统、信号识别模块和生物电评估系统，其中：

所述外骨骼机械手本体包括掌背平台，所述掌背平台上的对应位置处依次布设有外骨骼拇指、外骨骼食指、外骨骼中指、外骨骼无名指和外骨骼小指的机械单元，所述驱动机构设置于掌背平台上，单独驱动每个机械单元的运动，控制系统接收驱动机构反馈出来的位置信号，控制其运动和/或停止；

所述表面肌电系统含有表面肌电传感器，设置在患者的健侧上肢的手、前臂相关肌肉的肌腹处，采集相应肌肉的表面肌电信号，进行特征提取，提取特征参数；

所述信号识别模块接收表面肌电特征参数，将特征参数发送到训练好的分类器中识别出不同的动作类型；

所述生物电评估系统接收表面肌电特征参数，对患者个体特征和实时状态进行评估，得出评估结果，将识别结果和评估结果发给控制系统控制驱动机构的运动，从而带动患侧手的运动，实现基于患者状态的实时智能康复训练。

进一步的，所述驱动机构为直线电机，每个机械单元都配置有一个直线电机，所述直线电机固定在掌背平台上侧面，掌背平台上侧面设置用于固定的绑带。

进一步的，所述表面肌电系统的表面肌电传感器设置处，具体包括肱桡肌、尺侧腕屈肌、桡侧腕屈肌、指总伸肌、指浅屈肌、拇短展肌、第一背侧骨间肌和小指展肌。

进一步的，所述外骨骼拇指、外骨骼食指、外骨骼中指、外骨骼无名指和外骨骼小指的机械单元均包括近端指套、中间指套、远端指套、近端连杆、旋转轴、第一指节旋转构件、第二指节旋转构件和远端连杆，近端指套、中间指套和远端指套依次同轴相连，且近端指套与掌背平台上五指近端连接突出轴相接，所述近端连杆的一端和驱动机构的推杆顶端相连，另一端与旋转轴的一端、第一指节旋转构件同轴相连；旋转轴另一端的孔与掌背平台上五指突出支撑轴相连，同轴旋转；第一指节旋转构件下端与近端指套上端相连，同时与第二指节旋转构件相连；第二指节旋转构件的中段位置孔与中间指套上端相连，同时与远端连杆相连；远端连杆与远端指套上端相连。

进一步的，当驱动机构向前运动时，带动近端连杆向前运动，与同轴的旋转轴向前旋转，限制了第一指节旋转构件、近端指套的下降范围；驱动机构向前运动时，整体外骨骼手指向内弯曲，驱动机构向后运动时，整体外骨骼手指向外伸展，从而通过驱动机构的运动实现五指独立屈曲伸展康复训练任务。

进一步的，所述表面肌电系统采集表面肌电信号，计算表面肌电幅度均方根值、平均功率频率、连续小波分解的四个分量每个分量的最大值与复杂度作为特征参数；将提取到的特征参数组成数据集，输入深度神经网络和生物电评估系统，训练权重参数构建深度神经网络，构建生物电评估系统，输入新采集的特征参数到信号识别模块和生物电评估系统，由最后深度神经网络层的输出结果判断手的运动意图，由生物电评估系统得出评估结果。

进一步的，所述控制器根据识别的手部运动，将其划分为7个动作类型，具体为：五指弯曲、五指伸展、四指弯曲、四指伸展、拇指对掌、食指单独弯曲和拇指食指对捏。

进一步的，所述控制系统接收信号识别模块的识别结果、生物电评估系统的评估结果与各个直线电机的位置数据，控制直线电机的运动；每个动作类型对应不同的直线电机运动方案，控制系统控制直线电机运动到相应位置。

本发明的第二目的是提供一种基于上述外骨骼康复机械手的工作方法，具体方案为:

基于上述机械手的工作方法，包括以下步骤：

提前训练好分类器以及建立生物电评估系统，在健侧手、前臂相关肌肉的肌腹位置安装表面肌电电极，患侧手佩戴外骨骼机械手；

输入患者基本信息，控制系统初始化，设置训练时间；

健侧手做一个康复训练动作，采集到的表面肌电信号经过信号识别模块识别后输入到控制系统；

判断训练时间是否已到，如果没有，则生物电评估系统根据表面肌电特征参数评估患者个体特征和实时状态，选择相应康复方案，直线电机按相应方案运行指定路程，并且继续进行康复动作，采集表面肌电信号；如果是，则提示是否进行新的训练；

判断是否进行新的训练，如果是，则设置训练时间，并且继续进行康复动作，采集表面肌电信号；如果不是，则训练结束。

与现有技术相比，本发明的有益效果为：

1)本发明能根据患者的生物电信号准确捕捉到患者的个体特征和实时状态，进行有针对性的治疗；

2)本发明将传统的固定训练模式改为实时智能化训练模式，增强了人机互动，治疗效果显著提升；

3)本发明以健侧生物电实时控制患侧康复机械手，实现了信号来源的稳定性，提高了训练的准确性；

4)本发明能帮助患者进行多种手功能康复训练，包括：五指弯曲、五指伸展、四指弯曲、四指伸展、拇指对掌、食指单独弯曲、拇指食指对捏；

5)本发明通过设置外骨骼拇指、外骨骼食指、外骨骼中指、外骨骼无名指和外骨骼小指的机械单元，且每个机械单元对应单独的驱动机构，实现各手指独立训练，有助于提升康复效果；

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为外骨骼康复机械手的系统框图；

图2为表面肌电系统、信号识别模块与生物电评估系统流程图；

图3为外骨骼康复机械手的整体结构；

图4为外骨骼拇指、外骨骼食指、外骨骼中指、外骨骼无名指、外骨骼小指的机械单元结构；

图5为深度神经网络结构；

图6为训练方法流程图；

其中，1为掌背平台、2为直线电机、3为直线电机固定底座、4为外骨骼拇指、5为外骨骼食指、6为外骨骼中指、7为外骨骼无名指、8为外骨骼小指、 9为近端指套、10为中间指套、11为远端指套、12为近端连杆、13为螺丝、14 为旋转轴、15为第一指节旋转构件、16为第二指节旋转构件、17为远端连杆、 18为五指近端连接突出轴、19为五指突出支撑轴。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。

本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。

作为一种典型实施例，参照图1，设计的基于健侧生物电控的智能外骨骼康复机械手，包括控制系统、直线电机、外骨骼机械手、表面肌电系统、信号识别模块、生物电评估系统。

参照图2，表面肌电系统包含表面肌电传感器与特征提取，提取出的特征参数输入到信号识别模块与生物电评估系统分别构建分类器与生物电评估系统，输入新的特征参数，输出识别结果与评估结果到控制系统，。

表面肌电传感器贴在健侧上肢的手、前臂相关肌肉肌腹处，采集相应肌肉的表面肌电信号。前臂肌肉包括肱桡肌、尺侧腕屈肌、桡侧腕屈肌、指总伸肌、指浅屈肌；手部肌肉包括拇短展肌、第一背侧骨间肌、小指展肌。

表面肌电系统的特征提取，通过时域分析(均方根(Root Mean Square,RMS))、频域分析(平均功率频率(Mean Power Frequency,MPF))、时频域分析(连续小波变换(Continuous Wavelet Transform，CWT))、非线性分析(复杂度(Lempel-Ziv Complexity，LZC))等分析方法提取出特征参数，即特征提取。

信号识别模块为接收特征参数，构建分类器，再将特征参数发送到训练好的分类器中进行动作识别，把识别结果发给控制系统。

生物电评估系统为接收特征参数，构建生物电评估系统，再输入新的特征参数输出评估结果到控制系统。具体为根据特征参数评估患者个体特征和实时状态，智能化选择相应康复方案以及康复训练强度。个体特征具体为患者肌肉以及手功能损伤情况：根据患者肌肉损伤情况选择康复倾向性，同时对于手功能损伤较重的患者，康复训练动作以五指弯曲等手功能性动作为主，对于手功能损伤较轻的患者，所有七个动作都纳入康复方案；实时状态具体为患者在整个康复过程中的康复程度、肌肉疲劳程度：根据康复程度选择不同阶段的康复任务；实时识别肌肉疲劳程度，在肌肉过于疲劳时停止康复训练或者给予适当的休息时间。

控制系统接收信号识别模块的识别结果和生物电评估系统的评估结果，实现直线电机的运动控制。

以下列举提到的特征参数公式：

均方根RMS计算公式如下：

其中N为表面肌电信号采样点数，x₁,x₂...,x_N为表面肌电信号；

平均功率频率MPF计算公式如下：

其中f为采样频率，PSD(f)为功率谱密度函数；

连续小波变换CWT公式如下：

其中，

为基波函数的共轭，a为扩展因子，b为转移因子。

所用的基波函数为Morlet小波，公式如下：

其中，f₀为Morlet小波的中心频率。

使用三阶连续小波变换分解表面肌电信号，得到近似分量、三阶细节分量、二阶细节分量、一阶细节分量，取上述四个分量每个分量的最大值作为三阶连续小波变换的特征参数。

复杂度LZC计算方法为先将表面肌电信号二值化处理，先求取表面肌电信号中值，大于等于中值为1，小于中值为0，即如下公式：

其中，字符串A(A₁,A₂,…,A_j)为所需的字符串信号，x_j为表面肌电信号，x_median为表面肌电信号中值。

构造另一个字符串B_k(x₁,x₂,…,x_k),k∈[2,j/2]。令AB_k为A与B_k的级联，即 AB_k(A₁,A₂,…,A_j,x₁,x₂,…,x_k)。令C_k是AB_k减去最后一个字符所得字符串。判断B_k是否是C_k的一个子串，如果B_k是C_k的一个子串，说明B_k中的字符是可从A复制的，这时把待求序列的下一个字符级联到B_k。如果B_k不是C_k的一个子串，则表示B_k是插入字符。这时把B_k级联到A，重新构造B_k，重复以上过程直到B_k取序列的最后一位结束。每次B_k级联到A，表明出现一种新模式，用D表示一个字符串中新模式的数量。

复杂度LZC计算公式如下:

上一步提取到的特征参数组成数据集X＝[x₁,x₂,...,x_N]^T，N为训练样本数，其中x_i也可以表示为x_i＝[x_i1,x_i2,...,x_iD]，其中D为特征参数个数，即D＝7。

参照图3，外骨骼机械手包括掌背平台1、直线电机2、直线电机固定底座 3、外骨骼拇指4、外骨骼食指5、外骨骼中指6、外骨骼无名指7、外骨骼小指 8。

5个直线电机2通过直线电机固定底座3固定在掌背平台1上侧面，下侧面通过绑带固定在手上。直线电机采用的是位置控制，控制系统接收直线电机反馈出来的位置信号，控制直线电机的运动和停止。

参照图4，外骨骼食指、外骨骼中指、外骨骼无名指、外骨骼小指结构都是一致的，都包含近端指套9、中间指套10、远端指套11、近端连杆12、螺丝13、旋转轴14、第一指节旋转构件15、第二指节旋转构件16、远端连杆17。掌背平台上包含：18为五指近端连接突出轴、19为五指突出支撑轴。

外骨骼拇指、外骨骼食指、外骨骼中指、外骨骼无名指、外骨骼小指的近端连杆12和直线电机2的推杆顶端通过螺丝相连；近端指套9、中间指套10、远端指套11依次通过相应的孔用螺丝同轴相连，且近端指套9与掌背平台上五指近端连接突出轴18相接；近端连杆12另一端与旋转轴14、两个第一指节旋转构件15右端通过孔用螺丝13同轴相连；旋转轴14另一端的孔与掌背平台1 上五指突出支撑轴19上圆孔通过螺丝相连，同轴旋转；第一指节旋转构件15 下端通过孔用螺丝与近端指套9上端相连，左端通过孔用螺丝与第二指节旋转构件16相连；第二指节旋转构件16的中段位置孔与中间指套10上端用螺丝相连，右端孔用螺丝与远端连杆17孔相连；远端连杆17另一端的孔与远端指套 11上端通过螺丝相连；当直线电机2向前运动时，带动近端连杆12向前运动，与螺丝13同轴的旋转轴14向前旋转，限制了第一指节旋转构件15、近端指套 9的下降范围；直线电机2向前运动时，整体外骨骼手指向内弯曲，直线电机向后运动时，整体外骨骼手指向外伸展，从而通过直线电机的运动实现五指独立屈曲伸展康复训练任务。

控制系统接收信号识别模块、生物电评估系统和5个直线电机的位置数据，控制直线电机的运动。

直线电机上内置有电位器位置反馈的装置，运行过程中同步输出位置反馈信号。

参照图5，分类器选择深度神经网络，设H为隐藏神经元个数，O为输出参数维数。

输出层输出F为：

F＝σ(σ(XW^T)V^T) (7)

其中σ(·)为sigmoid函数，V为[O×H]维的上层网络权重矩阵，W为[H×D]维的下层网络权重矩阵。

权重矩阵W和V的计算方法如下所述。设N个训练样本的目标矩阵 T＝[t₁,t₂,...,t_N]^T,其中，t_N也可以表示为t_N＝[t_N1,t_N2,...,t_NO]。

代价函数公式如下：

其中，Q是正则项，t_ij和f_ij是目标矩阵T和输出F的第i行第j列参数计算公式如下：

其中λ为正则化参数，ω_ij和v_ij是权重矩阵W和V的第i行第j列参数。

通过反馈传播算法来实现代价函数的梯度计算，如下公式所示。对于下层网络权重，有以下公式：

其中，

σ'(XW^T)＝σ(XW^T)⊙(1-σ(XW^T)) (11)

同理，可以计算上层网络权重：

通过训练数据集计算权重网络，构建深度神经网络，用测试数据集测试深度神经网络的正确率，在正确率在85％以上的情况下则采用训练好的深度神经网络，否则改变隐藏神经元个数重新进行训练；输入新的特征参数由最后网络层的输出结果识别手部运动意图。

控制系统接收信号识别模块的识别结果、生物电评估系统的评估结果与5 个直线电机的位置数据，控制直线电机的运动。每个动作对应不同的直线电机运动方案，控制系统控制直线电机运动到相应位置。

参照图6，基于上述装置的工作方法，包括以下步骤：

(1)提前训练好分类器以及建立生物电评估系统，在健侧的手、前臂相关肌肉的肌腹位置安装表面肌电电极，患侧手佩戴外骨骼机械手；

(2)输入患者基本信息，控制系统初始化，设置训练时间；

(3)健侧手做一个康复训练动作(采集到的表面肌电信号经过信号识别模块识别后输入到控制系统)；

(4)判断训练时间是否已到。如果没有，则生物电评估系统根据表面肌电特征参数评估患者个体特征和实时状态，选择相应康复方案，直线电机按相应方案运行指定路程，并且返回到步骤(3)；如果是，则提示是否进行新的训练；

(5)判断是否进行新的训练。如果是，则设置训练时间，并且返回到步骤(3)；如果不是，则结束。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种基于健侧生物电控的智能外骨骼康复机械手,其特征是：包括外骨骼机械手本体、控制系统、驱动机构、表面肌电系统、信号识别模块和生物电评估系统，其中：

所述外骨骼机械手本体包括掌背平台，所述掌背平台上的对应位置处依次布设有外骨骼拇指、外骨骼食指、外骨骼中指、外骨骼无名指和外骨骼小指的机械单元，所述驱动机构设置于掌背平台上，单独驱动每个机械单元的运动，控制系统接收驱动机构反馈出来的位置信号，控制其运动和/或停止；所述外骨骼拇指、外骨骼食指、外骨骼中指、外骨骼无名指和外骨骼小指的机械单元均包括近端指套、中间指套、远端指套、近端连杆、旋转轴、第一指节旋转构件、第二指节旋转构件和远端连杆，近端指套、中间指套和远端指套依次同轴相连，且近端指套与掌背平台相接，所述近端连杆的一端和驱动机构的推杆顶端相连，另一端与旋转轴的一端、第一指节旋转构件同轴相连；旋转轴另一端的孔与掌背平台上突出设置的支撑轴相连，同轴旋转；第一指节旋转构件下端与近端指套上端相连，同时与第二指节旋转构件相连；第二指节旋转构件的中段位置孔与中间指套上端相连，同时与远端连杆相连；远端连杆与远端指套上端相连；

所述表面肌电系统含有表面肌电传感器，设置在使用者的健侧上肢的手、前臂相关肌肉的肌腹处，采集相应肌肉的表面肌电信号，进行特征提取，提取特征参数；

所述信号识别模块接收表面肌电特征参数，将特征参数发送到训练好的分类器中识别出不同的动作类型；

所述生物电评估系统接收表面肌电特征参数，对使用者个体特征和实时状态进行评估，得出评估结果，将识别结果和评估结果发给控制系统控制驱动机构的运动，从而带动患侧手的运动，实现双侧基于使用者状态的实时智能康复训练。

2.如权利要求1所述的一种基于健侧生物电控的智能外骨骼康复机械手,其特征是：所述驱动机构为直线电机，每个机械单元都配置有一个直线电机，所述直线电机固定在掌背平台上侧面，掌背平台上侧面设置用于固定的绑带。

3.如权利要求1所述的一种基于健侧生物电控的智能外骨骼康复机械手,其特征是：所述表面肌电系统的表面肌电传感器设置处，具体包括肱桡肌、尺侧腕屈肌、桡侧腕屈肌、指总伸肌、指浅屈肌、拇短展肌、第一背侧骨间肌和小指展肌。

4.如权利要求1所述的一种基于健侧生物电控的智能外骨骼康复机械手,其特征是：当驱动机构向前运动时，带动近端连杆向前运动，与同轴的旋转轴向前旋转，限制了第一指节旋转构件、近端指套的下降范围；驱动机构向前运动时，整体外骨骼手指向内弯曲，驱动机构向后运动时，整体外骨骼手指向外伸展，从而通过驱动机构的运动实现五指独立屈曲伸展康复训练任务。

5.如权利要求1所述的一种基于健侧生物电控的智能外骨骼康复机械手,其特征是：所述表面肌电系统采集表面肌电信号，计算表面肌电幅度均方根、平均功率频率、连续小波分解的四个分量每个分量的最大值和复杂度作为特征参数；将提取到的特征参数组成数据集，划分为训练集以及测试集，输入到深度神经网络和生物电评估系统，训练权重参数构建深度神经网络和构建生物电评估系统，测试深度神经网络的正确率，在正确率在设定范围以上的情况下则采用训练好的深度神经网络，否则改变隐藏神经元个数重新进行训练；输入新采集的特征参数，由最后深度神经网络层的输出结果识别手部运动意图，由生物电评估系统得出评估结果。

6.如权利要求1所述的一种基于健侧生物电控的智能外骨骼康复机械手,其特征是：所述控制系统根据识别的手部运动，将其划分为7个动作类型，具体为：五指弯曲、五指伸展、四指弯曲、四指伸展、拇指对掌、食指单独弯曲和拇指食指对捏。

7.如权利要求1所述的一种基于健侧生物电控的智能外骨骼康复机械手,其特征是：所述控制系统接收信号识别模块的识别结果、生物电评估系统的评估结果与各个直线电机的位置数据，控制直线电机的运动；每个动作对应不同的直线电机运动方案，控制系统控制直线电机运动到相应位置。

Images