CN109662866B - 一种基于表现的自适应康复机器人控制方法 - Google Patents

一种基于表现的自适应康复机器人控制方法 Download PDF

Info

Publication number
CN109662866B
CN109662866B CN201910101510.0A CN201910101510A CN109662866B CN 109662866 B CN109662866 B CN 109662866B CN 201910101510 A CN201910101510 A CN 201910101510A CN 109662866 B CN109662866 B CN 109662866B
Authority
CN
China
Prior art keywords
coefficient
machine
resistance
output
rob
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.)
Active
Application number
CN201910101510.0A
Other languages
English (en)
Other versions
CN109662866A (zh
Inventor
宋嵘
申志航
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen 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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN201910101510.0A priority Critical patent/CN109662866B/zh
Publication of CN109662866A publication Critical patent/CN109662866A/zh
Application granted granted Critical
Publication of CN109662866B publication Critical patent/CN109662866B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
    • A61H1/0266—Foot
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0087—Electric or electronic controls for exercising apparatus of groups A63B21/00 - A63B23/00, e.g. controlling load
    • 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
    • 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
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/12—Feet

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Epidemiology (AREA)
  • Pain & Pain Management (AREA)
  • Rehabilitation Therapy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Manipulator (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明公开了一种基于表现的自适应康复机器人控制方法，通过对预设轨迹角度以及实际关节角度的误差进行范围划分，使得使用者在不同情况下仍然能够获得最佳的康复锻炼效果，解决了现有控制过程中单纯根据误差作为表现因子不能够体现患者的表现水平的弊端。

Description

一种基于表现的自适应康复机器人控制方法
技术领域
本发明涉及康复机器人控制领域，特别涉及一种基于表现的自适应康复机器人控制方法。
背景技术
目前在关于康复机器人的控制算法很多，主要分为两大类：被动控制和主动控制。被动控制即轨迹追踪控制，这种控制算法由于未考虑患者的运动意图而具有局限性。因此主动控制是该领域的研究热点。
主动控制即人机协同控制，该方面较常用的控制算法是阻抗/导纳控制，它能够实现人机交互的柔顺性，但由于个体阻抗参数的差异性和运动中阻抗参数的变化性导致难以准确建立阻抗模型。此外，该算法会导致患者松弛，即患者不主动参与时仍能很好地完成运动任务。较多学者采用基于表现的需时助力（Assist-as-needed，ANN）控制算法，该算法采用轨迹跟踪误差提取患者的表现，并基于患者表现来调整机器助力，一定程度上促进患者的主动参与度。但该算法只选取轨迹跟踪误差作为表现因子，不能全面体现患者的运动表现水平。此外，该算法仍会导致患者的松弛性，影响康复效果。
发明内容
本发明要解决的问题是如何综合使用者的多种运动表现水平，对康复机器人的控制进行适应性调整，并解决患者松弛性问题，以达到提高康复锻炼效果的问题。
为了解决上述控制方法不能够根据实际情况进行自适应调整的问题，本发明提供了一种基于表现的自适应康复机器人控制方法，其特征在于，包括以下步骤：
S1：设定空间判断半径
Figure DEST_PATH_IMAGE001
,
Figure 917665DEST_PATH_IMAGE002
和
Figure DEST_PATH_IMAGE003
，其中
Figure 266562DEST_PATH_IMAGE004
S2：采集使用者的sEMG信号，根据sEMG信号获得使用者的关节力矩
Figure DEST_PATH_IMAGE005
；
S3：获取预设期望轨迹
Figure 327797DEST_PATH_IMAGE006
，获取机器人关节角度
Figure DEST_PATH_IMAGE007
，计算轨迹追踪误差
Figure 200550DEST_PATH_IMAGE008
；
S4：若
Figure DEST_PATH_IMAGE009
，则转至S5；若
Figure 684753DEST_PATH_IMAGE010
,则转至S6；若
Figure DEST_PATH_IMAGE011
，则转至S7；若
Figure 560042DEST_PATH_IMAGE012
，跳转至S8；
S5：输出与
Figure 283370DEST_PATH_IMAGE005
反向的机器力矩
Figure DEST_PATH_IMAGE013
；
S6：输出的机器力矩
Figure 798796DEST_PATH_IMAGE013
=0;
S7：输出与
Figure 111573DEST_PATH_IMAGE005
相同方向的机器力矩
Figure 714854DEST_PATH_IMAGE013
；
S8：输出机器力矩
Figure 327845DEST_PATH_IMAGE014
，其中
Figure DEST_PATH_IMAGE015
为刚度系数。
利用轨迹追踪误差的误差大小进行判定，划定多个不同误差区间，误差区间的不 同实际上反应了受试者的运动表现，若误差越小，如误差在
Figure 810910DEST_PATH_IMAGE009
区间，则表示该关节能够 完美跟得上预设轨迹，即使用者完全胜任运动任务，因此康复机器人可以提供与使用者关 节力矩相反的机器力矩，以此提高运动的难度，达到增强锻炼效果的目的。
当误差在设定的
Figure 548666DEST_PATH_IMAGE010
区间内，则表示该关节能够勉强跟得上预设轨迹，可以 认定使用者恰好适应任务难度，因此不需要提供机器力矩，使用者仍然能够达到康复锻炼 效果，并且该康复锻炼效果是在最优的效果范围内。
当误差在
Figure 283535DEST_PATH_IMAGE016
区间时，误差较大，则表示该关节难以跟得上预设轨迹，可以 认定使用者难以适应任务难度，因此这种情况下需要康复机器人对其进行一定的助力，因 此提供与使用者关节力矩相同的机器力矩，使得使用者能够在较为舒适的情况下完成锻炼 康复任务，并且能够获得较好的锻炼康复效果。
当误差
Figure DEST_PATH_IMAGE017
在该区间时，该情况下误差较大，表示该关节无法跟得上预设轨迹， 可以认定使用者无法适应任务难度，因此这种情况下需要康复机器人占主导权，机器助力 不再根据主动力矩，而是仅仅根据误差，使得使用者能够在较为舒适的情况下完成锻炼康 复任务，并且能够获得较好的锻炼康复效果。
通过以上对不同状态的区分，能够对使用者的运动表现进行自适应的判断，给出目前最适宜的机器力矩，提高使用者的锻炼效果。
可选的，S5中输出的机器力矩
Figure 152963DEST_PATH_IMAGE018
，其中
Figure DEST_PATH_IMAGE019
为阻力系数。通过增加阻力系 数，可以根据实际的需求按照一定比例进行机器阻力的调整，使得使用者在使用过程中阻 力的大小能够按照实际运动表现进行调整。
可选的，所述的阻力系数
Figure 39886DEST_PATH_IMAGE020
由以下迭代方程得到：
Figure DEST_PATH_IMAGE021
Figure 985976DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE023
和
Figure 52765DEST_PATH_IMAGE024
分别是第
Figure DEST_PATH_IMAGE025
次和
Figure 328763DEST_PATH_IMAGE026
次迭代时的阻力系数，
Figure DEST_PATH_IMAGE027
是遗忘因子，代表第
Figure 419210DEST_PATH_IMAGE026
次迭代的阻力系数对
Figure 408855DEST_PATH_IMAGE025
次迭代的阻力系数的贡献，
Figure 423210DEST_PATH_IMAGE028
是跟踪误差对阻力系数的贡献，
Figure DEST_PATH_IMAGE029
是阻力系数的最大值。通过迭代方程进行阻力系数的计算，能够更准确地保证阻力的 施加能够根据使用者实际运动表现进行调整，以保证阻力施加的恰当，提高康复锻炼的效 果。
可选的，所述的S7中输出的机器力矩
Figure 193196DEST_PATH_IMAGE030
，其中
Figure 2014DEST_PATH_IMAGE031
为助力系数。
可选的，所述的助力系数
Figure 703122DEST_PATH_IMAGE032
由以下迭代方程得到：
Figure DEST_PATH_IMAGE033
Figure 737812DEST_PATH_IMAGE034
其中
Figure DEST_PATH_IMAGE035
和
Figure 893463DEST_PATH_IMAGE036
分别是第
Figure 138761DEST_PATH_IMAGE025
次和
Figure 571841DEST_PATH_IMAGE026
次迭代时的助力系数，
Figure DEST_PATH_IMAGE037
是跟踪误差对助力 系数的贡献，
Figure 646107DEST_PATH_IMAGE038
是助力系数的最大值。
可选的，所述的S4中，还包括判断当
Figure 531630DEST_PATH_IMAGE012
，跳转至S8；还包括步骤S8：输出机器力 矩
Figure 947830DEST_PATH_IMAGE014
，其中
Figure 92373DEST_PATH_IMAGE015
为刚度系数。
可选的，所述的S1中还包括有建立关节力矩预测模型，能够根据sEMG信号获得及 其力矩
Figure 452554DEST_PATH_IMAGE005
。
本发明具有以下的有益效果：
1.能够实时根据使用者表现进行自适应调整助力。该方法结合两种运动表现，第一种表现是基于轨迹跟踪误差的表现切换成不同的控制模式，第二种表现是基于主动力矩的表现输出机器力矩。相比传统采用单一的误差表现方法，两种表现更能全面体现运动能力。
2.根据使用者不同的运动表现自适应调整机器阻力/助力。这种自适应体现在三方面：（1）是基于误差切换不同的控制模式，输出阻力，助力还是不干预。（2）是基于主动力矩调整机器力矩大小（3）是基于误差调整阻力/助力系数，进而调整阻力/助力大小。因此适用于不同受伤等级的使用者。不同受伤等级的使用者在使用时仍然可以通过本发明的自适应性调节至最适合的使用状态，因此应用的一般性好。
3.不同于传统采用单一的误差表现方法，该方法采用主动力矩表现之后有效避免了使用者松弛性问题，因为只有当使用者主动参与下才能够很好地完成运动任务。
附图说明
图1为本发明的实施例1的流程框图
图2为本发明的实施例1的实验示意图。
图3为本发明的实施例1的实验结果图，从上至下分别是轨迹跟踪图，跟踪误差图，阻力/助力系数图和机器阻力/助力图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。
实施例1
本实施例中，参考附图1，采用的控制方法为
S1：设定空间判断半径
Figure DEST_PATH_IMAGE039
,
Figure 851305DEST_PATH_IMAGE040
和
Figure DEST_PATH_IMAGE041
，其中
Figure 655051DEST_PATH_IMAGE042
；建立关节力矩预测模 型，
S2：采集使用者的sEMG信号，根据sEMG信号通过关节力矩预测模型获得使用者的 关节力矩
Figure 552468DEST_PATH_IMAGE005
；
S3：获取预设期望轨迹
Figure DEST_PATH_IMAGE043
，获取机器人关节角度
Figure 994508DEST_PATH_IMAGE007
，计算轨迹追踪误差
Figure 762613DEST_PATH_IMAGE044
；
S4：若
Figure 580002DEST_PATH_IMAGE009
，则转至S5；若
Figure 669443DEST_PATH_IMAGE010
,则转至S6；若
Figure 669629DEST_PATH_IMAGE011
，则转至S7；若判断 当
Figure 118672DEST_PATH_IMAGE012
，跳转至S8；
S5：输出与
Figure 313155DEST_PATH_IMAGE005
反向的机器力矩
Figure 185165DEST_PATH_IMAGE013
，其中具体为
Figure 221998DEST_PATH_IMAGE018
，
Figure 997318DEST_PATH_IMAGE019
为阻力系数，
Figure 330079DEST_PATH_IMAGE020
由以下迭代方程得到：
Figure 996377DEST_PATH_IMAGE021
Figure 636568DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE045
和
Figure 184836DEST_PATH_IMAGE046
分别是第
Figure 924384DEST_PATH_IMAGE025
次和
Figure 800680DEST_PATH_IMAGE026
次迭代时的阻力系数，
Figure DEST_PATH_IMAGE047
是遗忘因子，代表第
Figure 306879DEST_PATH_IMAGE026
次迭代的阻力系数对
Figure 788283DEST_PATH_IMAGE025
次迭代的阻力系数的贡献，
Figure 56322DEST_PATH_IMAGE028
是跟踪误差对阻力系数的贡献，
Figure 360526DEST_PATH_IMAGE029
是阻力系数的最大值。
S6：输出的机器力矩
Figure 85730DEST_PATH_IMAGE013
=0;
S7：输出与
Figure 923105DEST_PATH_IMAGE005
相同方向的机器力矩
Figure 270035DEST_PATH_IMAGE013
，其中具体为
Figure 855343DEST_PATH_IMAGE030
，
Figure 77246DEST_PATH_IMAGE031
为助力系数，
Figure 270592DEST_PATH_IMAGE031
由以下迭代方程得到：
Figure 910128DEST_PATH_IMAGE033
Figure 188925DEST_PATH_IMAGE034
其中
Figure 683360DEST_PATH_IMAGE048
和
Figure DEST_PATH_IMAGE049
分别是第
Figure 947857DEST_PATH_IMAGE025
次和
Figure 724007DEST_PATH_IMAGE026
次迭代时的助力系数，
Figure 785373DEST_PATH_IMAGE037
是跟踪误差对助力 系数的贡献，
Figure 909930DEST_PATH_IMAGE038
是助力系数的最大值。
S8：输出机器力矩
Figure 77869DEST_PATH_IMAGE050
，其中
Figure DEST_PATH_IMAGE051
为刚度系数。
输出机器力矩后，返回S2进行循环。
具体实验参考附图2~3，实验针对踝关节康复机器人进行，实验示意图如图2所示。该受试者坐在椅子上，脚放置在踏板上并用绑带固定住。用电极片贴在受试者的胫骨前肌，腓肠肌和膝盖上。实验要求为让受试者尽最大努力跟踪显示器上的期望轨迹，设定的期望轨迹周期为10s，幅值为25°的正弦轨迹。在训练过程中，系统将实时测量受试者的轨迹跟踪误差和主动肌肉力矩，并根据误差切换对应的控制模式，结合受试者的主动肌肉力矩计算出电机输出力矩。当受试者表现较好时，误差较小，控制系统将增大阻力系数或减小助力系数，促进受试者施加更大的力量完成运动任务。反之，当受试者表现较差时，误差较大，控制系统将减小阻力系数或增大助力系数，协助受试者更好地完成运动任务。
图3为实验结果图。实验受试者为一名24岁健康男性，在测试过程中该受试者被要 求处于放松状态，不施加任何主动力。这样的实验设计是为了人为地控制跟踪误差从小到 大，再从大到小，从而观察各个参数的变化是否合理。结果图从上至下分别是轨迹跟踪图， 跟踪误差图，阻力/助力系数图和机器阻力/助力图。由于受试者处于放松状态，关节轨迹不 能很好跟踪标准正弦期望轨迹，误差较大，表明该算法下只有当受试者主动参与才能很好 完成运动任务，避免了患者松弛性问题。跟踪误差图中的三条虚线分别是
Figure 590365DEST_PATH_IMAGE052
，
Figure 843754DEST_PATH_IMAGE002
和
Figure DEST_PATH_IMAGE053
，在0-
Figure 896636DEST_PATH_IMAGE054
时间段，满足
Figure 981398DEST_PATH_IMAGE009
，控制系统切换至机器阻力模式，且随着误差增大，阻力系数减小，阻 力减小；在
Figure 776048DEST_PATH_IMAGE054
-
Figure DEST_PATH_IMAGE055
时间段，满足
Figure 901483DEST_PATH_IMAGE010
，控制系统切换至自由模式，机器输出力矩为0；在
Figure 806991DEST_PATH_IMAGE055
-
Figure 8909DEST_PATH_IMAGE056
时间段，满足
Figure 944766DEST_PATH_IMAGE016
，控制系统切换至机器助力模式，且随着误差增大，助力系数 增大，助力增大；在
Figure 405703DEST_PATH_IMAGE056
-
Figure DEST_PATH_IMAGE057
时间段，满足
Figure 98591DEST_PATH_IMAGE012
，控制系统切换至机器主导，且随着误差增大， 助力增大，随着误差减小，助力减小。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (1)

1.一种基于表现的自适应康复机器人控制方法，其特征在于，包括以下步骤：
S1：设定空间判断半径rR，rF和rA，其中0<rR<rF<rA；
S2：采集使用者的sEMG信号，根据sEMG信号获得使用者的关节力矩τha；
S3：获取预设期望轨迹qd，获取机器人关节角度q，计算轨迹追踪误差e＝qd-q；
S4：若|e|<rR，则转至S5；若rR<|e|≤rF，则转至S6；若rF<|e|≤rA，则转至S7；若|e|>rA，跳转至S8；
S5：输出与τha反向的机器阻力矩τrob；
S6：输出的机器力矩τrob＝0；
S7：输出与τha相同方向的机器助力矩τrob；
S8：输出机器助力矩τrob＝Kp(|e|-rA)，其中Kp为刚度系数；
S5中输出的机器力矩τrob＝-Krτha，其中Kr为阻力系数；
所述的阻力系数Kr由以下迭代方程得到：
Figure FDA0003056937970000011
Figure FDA0003056937970000021
其中，
Figure FDA0003056937970000022
和
Figure FDA0003056937970000023
分别是第i次和i-1次迭代时的阻力系数，fg是遗忘因子，代表第i-1次迭代的阻力系数对i次迭代的阻力系数的贡献，Kr,e是跟踪误差对阻力系数的贡献，Kr,max是阻力系数的最大值；
所述的S7中输出的机器力矩τrob＝Kaτha，其中Ka为助力系数；
所述的S1中还包括有建立关节力矩预测模型，能够根据sEMG信号获得机器力矩τha。
CN201910101510.0A 2019-02-01 2019-02-01 一种基于表现的自适应康复机器人控制方法 Active CN109662866B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910101510.0A CN109662866B (zh) 2019-02-01 2019-02-01 一种基于表现的自适应康复机器人控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910101510.0A CN109662866B (zh) 2019-02-01 2019-02-01 一种基于表现的自适应康复机器人控制方法

Publications (2)

Publication Number Publication Date
CN109662866A CN109662866A (zh) 2019-04-23
CN109662866B true CN109662866B (zh) 2021-10-22

Family

ID=66150108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910101510.0A Active CN109662866B (zh) 2019-02-01 2019-02-01 一种基于表现的自适应康复机器人控制方法

Country Status (1)

Country Link
CN (1) CN109662866B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000071026A1 (en) * 1999-05-26 2000-11-30 Rutgers, The State University Of New Jersey Ankle rehabilitation system
JP2003070855A (ja) * 2001-09-03 2003-03-11 Yaskawa Electric Corp 下肢駆動装置
JP3870410B2 (ja) * 2000-10-16 2007-01-17 株式会社安川電機 治療者用訓練装置
CN101111211A (zh) * 2005-01-26 2008-01-23 山海嘉之 穿戴式动作辅助装置以及控制用程序
CN102551986A (zh) * 2011-12-08 2012-07-11 东南大学 上下肢康复训练机器人的主被动自适应控制方法
CN103431976A (zh) * 2013-07-19 2013-12-11 燕山大学 基于肌电信号反馈的下肢康复机器人系统及其控制方法
CN103830884A (zh) * 2012-11-26 2014-06-04 鸿略企业股份有限公司 一种具主动增强的半被动阻力控制系统
CN106726341A (zh) * 2016-12-06 2017-05-31 西安交通大学 基于人机阻抗匹配模型的变刚度肘关节康复机器人及其控制方法
CN108113849A (zh) * 2018-01-31 2018-06-05 广东省智能制造研究所 踝关节康复系统及其控制方法
CN108309689A (zh) * 2018-02-02 2018-07-24 哈尔滨工业大学 一种基于外骨骼机器人的渐进式康复训练方法
CN108785997A (zh) * 2018-05-30 2018-11-13 燕山大学 一种基于变导纳的下肢康复机器人柔顺控制方法
CN108970014A (zh) * 2018-09-10 2018-12-11 武汉理工大学 一种适用于多个关节的进阶式康复机器人及其康复训练方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107397649B (zh) * 2017-08-10 2020-08-14 燕山大学 一种基于径向基神经网络上肢外骨骼运动意图识别方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000071026A1 (en) * 1999-05-26 2000-11-30 Rutgers, The State University Of New Jersey Ankle rehabilitation system
JP3870410B2 (ja) * 2000-10-16 2007-01-17 株式会社安川電機 治療者用訓練装置
JP2003070855A (ja) * 2001-09-03 2003-03-11 Yaskawa Electric Corp 下肢駆動装置
CN101111211A (zh) * 2005-01-26 2008-01-23 山海嘉之 穿戴式动作辅助装置以及控制用程序
CN102551986A (zh) * 2011-12-08 2012-07-11 东南大学 上下肢康复训练机器人的主被动自适应控制方法
CN103830884A (zh) * 2012-11-26 2014-06-04 鸿略企业股份有限公司 一种具主动增强的半被动阻力控制系统
CN103431976A (zh) * 2013-07-19 2013-12-11 燕山大学 基于肌电信号反馈的下肢康复机器人系统及其控制方法
CN106726341A (zh) * 2016-12-06 2017-05-31 西安交通大学 基于人机阻抗匹配模型的变刚度肘关节康复机器人及其控制方法
CN108113849A (zh) * 2018-01-31 2018-06-05 广东省智能制造研究所 踝关节康复系统及其控制方法
CN108309689A (zh) * 2018-02-02 2018-07-24 哈尔滨工业大学 一种基于外骨骼机器人的渐进式康复训练方法
CN108785997A (zh) * 2018-05-30 2018-11-13 燕山大学 一种基于变导纳的下肢康复机器人柔顺控制方法
CN108970014A (zh) * 2018-09-10 2018-12-11 武汉理工大学 一种适用于多个关节的进阶式康复机器人及其康复训练方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
下肢康复机器人及其交互控制方法;胡进,侯增广,陈翼雄,张峰,王卫群;《下肢康复机器人及其交互控制方法》;20141115;全文 *

Also Published As

Publication number Publication date
CN109662866A (zh) 2019-04-23

Similar Documents

Publication Publication Date Title
CN110215648B (zh) 基于人体步态运动协调特性的外骨骼协调步态控制方法
Song et al. Optimizing exoskeleton assistance for faster self-selected walking
Del-Ama et al. Hybrid FES-robot cooperative control of ambulatory gait rehabilitation exoskeleton
Koller et al. Biomechanics and energetics of walking in powered ankle exoskeletons using myoelectric control versus mechanically intrinsic control
Gordon et al. Human-in-the-loop optimization of exoskeleton assistance via online simulation of metabolic cost
JP4695605B2 (ja) 神経筋刺激
Liu et al. Deep spatial-temporal model for rehabilitation gait: Optimal trajectory generation for knee joint of lower-limb exoskeleton
CN113101134A (zh) 一种基于动力外骨骼的儿童下肢运动辅助康复系统
TWI444213B (zh) 虛擬實境踩踏運動復健裝置及其控制方法
US20200030176A1 (en) Gait activity learning assistance system and the application method thereof
Fricke et al. Automatic versus manual tuning of robot-assisted gait training in people with neurological disorders
Zhang et al. Adaptive assist-as-needed control based on actor-critic reinforcement learning
Abdulla et al. Functional electrical stimulation-based cycling assisted by flywheel and electrical clutch mechanism: A feasibility simulation study
Figueiredo et al. Biophysical characterization of a swimmer with a unilateral arm amputation: a case study
CN109662866B (zh) 一种基于表现的自适应康复机器人控制方法
Sanders Kinematics, coordination, variability, and biological noise in the prone flutter kick at different levels of a “learn-to-swim” programme
Möhler et al. Changes in spatiotemporal parameters, joint and CoM kinematics and leg stiffness in novice runners during a high-intensity fatigue protocol
Chen et al. Electromyography-controlled lower extremity exoskeleton to provide wearers flexibility in walking
Isableu et al. On the nature of motor planning variables during arm pointing movement: Compositeness and speed dependence
Li et al. Engagement enhancement based on Bayesian optimization for adaptive assist-as-needed controller
Sakoda et al. Ski exergame for squat training to change load based on predicted Locomotive risk level
Jović et al. Upper and lower body coordination in FES-assisted sit-to-stand transfers in paraplegic subjects—A case study
Proietti et al. Comparison of different error signals driving the adaptation in assist-as-needed controllers for neurorehabilitation with an upper-limb robotic exoskeleton
CN114903747A (zh) 踝关节康复训练装置
Sartori et al. A stiff tendon neuromusculoskeletal model of the knee

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
GR01 Patent grant
GR01 Patent grant