CN111659010B - 一种肢体功能性电刺激控制方法及肢体康复机器人 - Google Patents

Abstract

本发明涉及一种肢体功能性电刺激控制方法及肢体康复机器人，属于功能性电刺激技术领域，该方法包括：对受试者的肢体肌肉进行一定强度范围的电刺激，检测受试者肢体肌肉在该强度范围的电刺激下的输出力；根据受试者的电刺激强度数据和肌肉输出力数据，确定受试者肌肉缩张的数学模型，设置电刺激强度的初始值，作为设定自抗扰控制器的输入，将构建的受试者肌肉缩张的数学模型作为目标控制对象，利用自抗扰控制器对进行电刺激强度调整，输出受试者肌肉的最佳电刺激强度值，实现受试者肌肉的输出力的高精度控制，有效提高了训练效果，提高了受试者在家使用肢体康复机器人的安全性，具有较高的市场应用价值。

Description

一种肢体功能性电刺激控制方法及肢体康复机器人

技术领域

本发明属于功能性电刺激技术领域，具体涉及一种肢体功能性电刺激控制方法及肢体康复机器人。

背景技术

脑卒中是中老年群体中常见的一种脑血管疾病，其具有高发病率、高致残率、高死亡率的特点，是导致长期瘫痪和不同程度运动功能障碍的主要原因，对人类健康造成了巨大威胁。功能性电刺激作为一种神经肌肉刺激治疗方法，能够激活神经和肌肉，将其用于脑卒中患者的治疗，能够有效的实现病人肌力和运动功能的康复。

对于中风患者而言，由于中枢神经损伤而导致运动神经信号中断或神经调制出现了问题，肢体肌肉收到异常神经信号或没有收到运动信号，从而丧失了被激活收缩的功能，导致肢体无法由大脑控制而实现自主运动。因此，对中风患者的肢体肌肉收缩康复训练，也可以通过功能性电刺激利用表面电极传导刺激电流，电流通过皮肤流向瘫痪肌肉的运动神经，使瘫痪或衰退的肌肉重建或恢复功能，达到治疗和功能康复的目的。

目前，国内外对于中风病人康复手段已经逐渐成熟，电刺激方式主要有内置电极和表面电刺激两种，内置电极的刺激方式的缺点是有创口容易感染，需要医生监护使用；表面电刺激的方式的缺点在于：

一.由于现有肢体康复机器人的康复系统采用的都是开环控制，在上位机界面输入一个理想的肌肉输出力控制值后，根据该值计算出一个刺激强度对受试者的肌肉进行电刺激，受试者只是被动的接受电刺激训练，训练效果较差。

二.如果受试者在家自行训练，由于欠缺设备的使用经验，一旦设备的电刺激强度控制过高，容易引发人身安全问题。

现有技术中，申请公布号为CN105031812A的中国发明专利申请，提出了一种肌电信号反馈的功能性电刺激闭环控制方法，该方法通过采集电刺激肌肉时产生的原始肌电信号，并建立肌肉缩张模型，由该模型的预测控制器输出电脉冲控制量，并经过功能性电刺激器输出脉冲电流。该方法的缺点是，采集的肌电信号中存在干扰信号，并且通过模型预测控制器的预测控制不准确，导致闭环输出的电刺激控制效果不佳。

发明内容

本发明的目的是提供一种肢体功能性电刺激控制方法，用于解决现有电刺激控制方法效果差的问题；同时，本发明提出一种采用上述控制方法的肢体康复机器人，以解决现有电刺激控制方法效果差的问题，以及受试者在家自行使用肢体康复机器人容易出现的安全问题。

基于上述目的，一种肢体功能性电刺激控制方法的技术方案如下：

1)获取受试者肌肉缩张的数学模型，该数学模型的确定步骤如下：

对受试者的肢体肌肉进行一定强度范围的电刺激，检测受试者肢体肌肉在该强度范围的电刺激下的输出力；根据受试者的电刺激强度数据和肌肉输出力数据，确定受试者肌肉缩张的数学模型；

2)设置电刺激强度的初始值，作为设定自抗扰控制器的输入，将构建的受试者肌肉缩张的数学模型作为目标控制对象，利用所述自抗扰控制器对进行电刺激强度调整，输出受试者肌肉的最佳电刺激强度值；所述自抗扰控制器包括跟踪微分器、非线性状态误差反馈和扩张状态控制器。

基于上述目的，一种肢体康复机器人的技术方案如下：

包括机器人本体和功能性电刺激控制装置，所述功能性电刺激控制装置包括控制器、多通道刺激器和三维力传感器；其中，控制器采集连接三维力传感器，三维力传感器用于检测受试者肌肉的输出力，并将该输出力反馈给控制器；控制器控制连接多通道刺激器，用于采用上述的肢体功能性电刺激控制方法，向所述多通道刺激器输出受试者肌肉的最佳电刺激强度值，所述多通道刺激器用于根据受试者肌肉的最佳电刺激强度值，输出电刺激脉冲。

上述两个技术方案的有益效果是：

本发明的电刺激控制方法，及采用该方法的肢体康复机器人，通过将受试者肌肉缩张的数学模型作为目标控制对象，利用构建的自抗扰控制器，对电刺激强度的初始值进行调整，输出受试者肌肉的最佳电刺激强度值，实现受试者肌肉的输出力的高精度控制，有效提高了训练效果，提高了受试者在家使用肢体康复机器人的安全性，具有较高的市场应用价值。

进一步的，所述扩张状态控制器的数学表达式如下：

式中，e为误差，x₁为肌肉输出力的状态变量，z₁、z₂为状态变量的估计值，z₃为总扰动，k代表当前时刻，h为控制周期，u为输出受试者肌肉的最佳电刺激强度值，β₀₁、β₀₂、β₀₃为增益系数；g(e)为所选误差函数，

为肌肉力输出；令g(e)为fal函数：

式中，fal是非线性结构函数，α为0～1之间的设定常数，δ为误差区间设定值。

进一步的，为了确定一个合理的初始电刺激强度，保证安全性，确定所述电刺激强度的初始值步骤如下：

确定受试者肌肉输出力的理想值，将该值代入所述肌肉缩张的数学模型，进行求逆运算，得到所述电刺激强度的初始值。

进一步的，为了得到跟踪微分器，所述跟踪微分器的数学表达式如下：

式中，v₁为所述电刺激强度的初始值的过渡值，v₂为一阶微分信号，fhan为最速跟踪函数，fh为最速跟踪函数值，h为控制周期，r₀为跟踪增益系数。

进一步的，为了得到非线性状态误差反馈，所述非线性状态误差反馈的数学表达式如下：

式中，e₁(k)、e₂(k)均为状态误差，u₀为所述非线性状态误差反馈输出的控制信号，u为经过校正后的控制信号，α_p、α_D为0～1之间的常数，k_p、k_d为待调整参数，δ₀为误差区间设定值，b₀为补偿因子。

进一步的，为了得到受试者肌肉缩张的数学模型，所述受试者肌肉缩张的数学模型采用Hammerstein模型，包括线性部分和非线性部分，表达式如下：

f(u)＝c₀+c₁u+c₂u²+c₃u³+...+c_mu^m+...

式中，f(u)为非线性部分的静态函数，实际中代表肌肉的募集曲线，u为输入量，即受试者的肌肉刺激强度；c₀、c₁...c_m为设定参数，通过实际测得输入、输出数据进行拟合得到，在本系统中m＝3；G(s)为线性部分的动态函数，代表肌肉的动态响应过程，s为极点，n为阶数，a₁...a_n-1,b₀为系统参数。

附图说明

图1是本发明方法实施例中的肢体功能性电刺激控制方法的示意图；

图2是本发明方法实施例中的受试者肌肉缩张数学模型的示意图；

图3是本发明方法实施例中的自抗扰控制器示意图；

图4是本发明机器人实施例中的功能性电刺激控制装置示意图；

图5是本发明方法实施例中的肢体康复机器人控制流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的说明。

方法实施例：

本实施例提出一种肢体功能性电刺激控制方法，其主要思路为：对受试者的肢体肌肉进行一定强度的电刺激，测量受试者肢体肌肉在该强度的电刺激下的输出力，根据受试者的电刺激强度数据和肌肉输出力数据，建立受试者肌肉缩张的数学模型；然后将受试者肌肉缩张的数学模型作为目标控制对象，建立自抗扰控制器，设置一个电刺激强度的初始值，作为自抗扰控制器的输入，利用自抗扰控制器对进行电刺激强度调整，输出受试者肌肉的最佳电刺激强度值。

下面，以该方法应用至上肢康复机器人为例，将上肢康复机器人为控制对象，具体介绍该方法的实现步骤，整体流程如图1所示：

步骤一，确定受试者肌肉缩张的数学模型及其参数：

首先，考虑到肌肉缩张的数学模型难以精确建立，从机理建模出发过于复杂，而且由于个人之间差异性较大，适用性较差，因此要建立一个统一的数学模型是不太可能的事情，因此，考虑到肌肉的募集特性，本实施例采用Hammerstein模型，实现对于肌肉缩张数学模型进行拟合，该模型分为两部分，分别是线性部分和非线性部分，非线性部分为静态函数，如式公式(1)所示，而线性部分为动态函数，如公式(2)所示。

f(u)＝c₀+c₁u+c₂u²+c₃u³+...+c_mu^m+... (1)

式中，f(u)为静态函数，实际中代表肌肉的募集曲线，u为输入量，即受试者的肌肉刺激强度；c₀、c₁...c_m为待求参数，通过实际测得输入、输出数据(肌肉刺激强度，肌肉输出力)进行拟合得到，另m＝3，根据最小二乘法定义求解得到待求参数。

式中，G(s)为动态函数，代表肌肉的动态响应过程，s为极点，n为阶数，a₁...a_n-1,b₀为系统参数，系统参数根据参数辨识得到，在本系统中采用n＝2。

上述模型中，非线性部分的输出作为线型部分的输入，如图2所示，图中的StaticNonlinearity表示静态函数，Linear Dynamics表示动态函数。

步骤二，确定电刺激强度的最优值，用于作为自抗扰控制器的输入初始值：

在确定出受试者的肌肉缩张数学模型后，确定受试者肌肉输出力的理想值(即根据不同受试者的肌肉状态人为设定的期望值)，将该值代入肌肉缩张数学模型，进行求逆运算，计算得到一个电刺激强度值，将该值作为自抗扰控制器的输入初始值。

步骤三，根据自抗扰控制器，确定受试者肌肉的最佳电刺激强度值：

建立如图3所示的自抗扰控制器(ADRC)，包含跟踪微分器(TD)、非线性状态误差反馈(NLSEF)、扩张状态观测器(ESO)。本实施例中，以二阶状态观测器为例，扩张状态观测器的定义为：

式中，e为误差，x₁为状态变量，在本系统中实际肌肉输出力的状态，z₁、z₂为状态变量的估计值，z₃为总扰动，k代表当前时刻，h为控制周期，u为刺激器输出受试者肌肉的最佳电刺激强度值，β₀₁、β₀₂、β₀₃为增益系数；g(e)为所选误差函数，

为肌肉力输出；在ADRC中；令g(e)为fal函数：

式中，fal是一种特殊的非线性结构函数，α为0～1之间的常数，α越小跟踪越快，但是滤波效果变差，δ为误差区间设定值，一般取5h＜δ＜10h，增加δ可以使滤波效果变好，但是会影响跟踪效果。因此需要取值时需要平衡δ和α。fal函数具有小误差大增益的特性，因此在小于设定的误差值时切换到较大的增益误差，使系统快速到达设定值。

由于现实生活中，大部分的系统得不到精确的数学模型，常规控制方法往往不具有实际应用性，而上述的扩张状态观测器不依赖于精确的模型，可以将未建模动态和外部干扰扩张成一个新的状态，对干扰和建模误差实时估计并补偿。

以设定值v₀为参考输入(即电刺激强度的初始值)，跟踪微分器定义为：

其中，v₁为v₀(电刺激强度的初始值)经过TD的过渡值，v₂为一阶微分信号，fhan为最速跟踪函数，fh为最速跟踪函数值，h为控制周期，r₀为跟踪增益系数，一般值在10000左右。

在ADRC中，非线性状态误差反馈(NLSEF)的表达式为：

其中，e₁(k)、e₂(k)均为状态误差，u₀为NLSEF输出的控制信号，u为经过校正后的控制信号(即肌肉刺激强度)，为α_p，α_D为0～1之间的常数，k_p、k_d为待调整参数，δ₀为误差区间设定值，b₀表示补偿因子，为常数；这些参数一般可以根据量表和工程经验进行整定。

上述的自抗扰控制器确定之后，获取步骤二中确定的电刺激强度的最优值，作为自抗扰控制器的输入，利用该自抗扰控制器对进行电刺激强度调整，输出受试者肌肉的最佳电刺激强度值，利用该值控制上肢康复机器人，输出对应大小的刺激电压，对受试者进行康复训练，实现受试者肌肉的输出力的高精度控制。

由于肌肉的复杂性和个人之间的差异性，导致肌肉缩张数学建模不可能非常精确，因此在整个控制过程中控制器的选择十分重要，自抗扰控制器具有很强的鲁棒性，而且不需要精确的被控对象模型，特别适用于肌肉电刺激控制，本发明的电刺激控制方法，创造性的将自抗扰控制器应用于肌肉表面的电刺激控制中，能够起到更好的控制效果。

本实施例中，肌肉刺激强度大小是根据肌肉刺激电压确定的，例如，根据人体肌肉可承受的电压范围，设置40档强度，其中1档强度至40档的刺激强度值依次增大，对应肌肉刺激电压依次增大。

在按照本实施例中的电刺激控制方法对受试者在进行实际的电刺激训练时，肌肉缩张数学模型和自抗扰控制器均是之前已经一次性构建好的，用户只需设置电刺激强度的初始值，即可开始对受试者的肌肉刺激训练。也就是说，在肌肉缩张数学模型既定的情况，本发明的控制方法是从步骤二开始的，本实施例中仅是原理性给出步骤一、步骤二和步骤三，在实际进行电刺激控制时步骤的先后顺序可以进行适应性改变，因此，本实施例并不严格限定步骤执行的先后顺序。

本实施例中，以控制上肢康复机器人为例，介绍了本发明的肢体功能性电刺激控制方法，作为其他实施方式，还可以采用上述方法，对受试者的下肢肌肉进行电刺激，以达到下肢康复训练的目的。

机器人实施例：

本实施例提出一种肢体康复机器人，包括机器人本体，以及功能性电刺激控制装置，如图4所示，该控制装置包括控制器、多通道刺激器和三维力传感器，其中控制器采集连接三维力传感器，三维力传感器用于检测受试者肌肉的输出力，并将该输出力反馈给控制器。

本实施例中，三维力传感器将压力或者拉力信号转换为电信号，通过传感器变送器扩大至0V-2.5V-5V范围中，当传感器未受力时，三维力传感器三个方向的电压输出值皆为2.5V。当传感器受力为压力时，受力方向的电压数值减小；当传感器受力为拉力时，受力方向的电压数值增加。

图4中，控制器控制连接多通道刺激器，用于根据获取受试者肌肉的输出力，采用方法实施例中的功能性电刺激控制方法，输出受试者肌肉的最佳电刺激强度值，本实施例中，采用PWM波信号的占空比大小来衡量刺激信号的强弱，多通道刺激器用于接收来自控制器I/O端口的PWM波信号，对PWM波信号进行放大，放大到90V-120V的电压范围内，从而产生合适的电刺激脉冲，输出给与其连接的电极片，通过电极片与受试者的肌肉接触，例如作用在受试者的肱二头肌上，输出电刺激脉冲，从而实现在人身体上安全的电压刺激。

本实施例中，电极片可根据需要放置多个，构成刺激阵列，粘贴到肌肉表面，对肌肉固定位置进行刺激。

本实施例中，控制器采用NI myRIO(一种嵌入式开发平台)的控制器，作为功能性电刺激控制方法的承载平台，NI myRIO控制器和上位机通过无线网进行连接，在上位机的LabVIEW上编写实现该控制方法的计算机程序，编写完成后通过无线网部署到NI myRIO控制器中。由于该控制方法在方法实例中的记载已经足够清楚、完整，本实施例不再赘述。

本实施例中，多通道刺激器优选为电压型电刺激器，含有12路通道，作为其他实施方式，上述刺激器的通道数可根据需要进行扩展。该刺激器由电源模块进行供电，电源模块与刺激器集成到同一个电路板上，且该电源模块采用升压模块，将12V电压升至90V-120V可调，采用12V锂电池对电源模块进行供电。

本发明的肢体康复机器人的具体操作流程如图5所示，调整机器人本体的机械臂，至合适位置，将受试者电极片粘贴位置(一般为肱二头肌位置)擦拭酒精，减小皮肤电阻，将电极片粘贴至肌肉合适位置。首先在上位机输入受试者的个人信息；然后在上位机界面选择开环采集模式，采用开环刺激，具体的，在界面上打开三维力传感器采集开关，调整刺激强度，直至受试者可以接受的刺激强度，确定受试者可以忍受的刺激强度之后，采用指定波形对受试者进行第一次开环刺激，以获取受试者的肌肉缩张数学模型信息，具体的，采用Hammerstein模型对肌肉的输入、输出数据(通过三维力传感器测得)进行拟合，由控制器确定出受试者的肌肉缩张数学模型，NI myRIO中的控制器根据肌肉缩张的数学模型建立自抗扰控制器。

然后，在上位机界面初始化自抗扰控制器(为NI myRIO控制器中的软件模块)参数，打开数据保存按钮。之后在上位机界面打开三维力传感器采集开关，由自抗扰控制器、被刺激手臂、三维力传感器数据采集，构成一个闭环系统。当肌肉处于放松状态时，三维力传感器输出为0，上位机设定期望值，将指令下发至NI myRIO控制器，NI myRIO输出PWM波，经多通道电刺激器放大PWM波电压，经电极片作用于上肢肌肉，经过电刺激，肌肉输出力，三维力传感器将力的数据发送至NI myRIO控制器，完成整个系统的功能。

在用户输入设定一个肌肉输出力的理想值(即设定期望值)后，自抗扰控制器以肌肉缩张数学模型为控制对象，根据肌肉缩张数学模型的反馈优化输出刺激强度，因此，根据三维力传感器能够检测到受试者的肌肉输出力跟随这个肌肉输出力的理想值稳定变化，直到达到期望水平(即这个肌肉输出力的理想值)，并记录数据。

本实施例中，设定多种波形信号，以表征受试者肌肉被刺激的输出值，例如设定包含阶跃信号、正弦波信号、三角波信号，其中，阶跃信号模拟人突然收到外界刺激时的肌肉反应，正弦波信号模拟人在推拉门过程中肱二头肌肌肉施加力的状态，三角波模拟人胳膊在提拉重物时的肱二头肌力的状态。

由于在实际进行功能性电刺激时，易出现肌肉疲劳状态，因此，应当刺激十分钟后休息半小时后再进行电刺激锻炼，以达到较好的训练效果。在训练结束后，关闭电源，使用者摘掉固定装置，离开机械臂，并揭下电极片，将所有设备放置在安全位置，最终完成刺激过程。

本发明的肢体康复机器人所采用的电刺激控制方法，创造性的将自抗扰控制器应用于肌肉表面的电刺激控制中，能够起到更好的控制效果。并且，采用这种电刺激控制方法的肢体康复机器人，更适合受训者在家进行安全且有效的训练，可靠性高，满足了中风病人在家进行训练的需求。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (6)

1.一种肢体功能性电刺激控制装置，其特征在于，所述功能性电刺激控制装置能够用于：

1)获取受试者肌肉缩张的数学模型，该数学模型的确定步骤如下：

对受试者的肢体肌肉进行一定强度范围的电刺激，检测受试者肢体肌肉在该强度范围的电刺激下的输出力；根据受试者的电刺激强度数据和肌肉输出力数据，确定受试者肌肉缩张的数学模型；

2)设置电刺激强度的初始值，作为设定自抗扰控制器的输入，将构建的受试者肌肉缩张的数学模型作为目标控制对象，利用所述自抗扰控制器对进行电刺激强度调整，输出受试者肌肉的最佳电刺激强度值；所述自抗扰控制器包括跟踪微分器、非线性状态误差反馈和扩张状态控制器；

所述扩张状态控制器的数学表达式如下：

式中，e为误差，x₁为肌肉输出力的状态变量，z₁、z₂为状态变量的估计值，z₃为总扰动，k代表当前时刻，h为控制周期，u为输出受试者肌肉的最佳电刺激强度值，β₀₁、β₀₂、β₀₃为增益系数；g(e)为所选误差函数，

为肌肉力输出；令g(e)为fal函数：

式中，fal是非线性结构函数，α为0～1之间的设定常数，δ为误差区间设定值；

所述跟踪微分器的数学表达式如下：

式中，v₁为所述电刺激强度的初始值的过渡值，v₂为一阶微分信号，fhan为最速跟踪函数，fh为最速跟踪函数值，h为控制周期，r₀为跟踪增益系数；

所述非线性状态误差反馈的数学表达式如下：

式中，e₁(k)、e₂(k)均为状态误差，u₀为所述非线性状态误差反馈输出的控制信号，u为经过校正后的控制信号，α_p、α_D为0～1之间的常数，k_p、k_d为待调整参数，δ₀为误差区间设定值，b₀为补偿因子。

2.根据权利要求1所述的肢体功能性电刺激控制装置，其特征在于，确定所述电刺激强度的初始值步骤如下：

确定受试者肌肉输出力的理想值，将该值代入所述肌肉缩张的数学模型，进行求逆运算，得到所述电刺激强度的初始值。

3.根据权利要求1所述的肢体功能性电刺激控制装置，其特征在于，所述受试者肌肉缩张的数学模型采用Hammerstein模型，包括线性部分和非线性部分，表达式如下：

式中，f(u)为非线性部分的静态函数，实际中代表肌肉的募集曲线，u为输入量，即受试者的肌肉刺激强度；c₀、c₁...c_m为设定参数，通过实际测得输入、输出数据进行拟合得到，在本系统中m＝3；G(s)为线性部分的动态函数，代表肌肉的动态响应过程，s为极点，n为阶数，a₁...a_n-1,b₀为系统参数。

4.一种肢体康复机器人，包括机器人本体和功能性电刺激控制装置，其特征在于，所述功能性电刺激控制装置包括控制器、多通道刺激器和三维力传感器；其中，控制器采集连接三维力传感器，三维力传感器用于检测受试者肌肉的输出力，并将该输出力反馈给控制器；控制器控制连接多通道刺激器，用于采用肢体功能性电刺激控制方法，向所述多通道刺激器输出受试者肌肉的最佳电刺激强度值，所述多通道刺激器用于根据受试者肌肉的最佳电刺激强度值，输出电刺激脉冲；所述肢体功能性电刺激控制方法包括以下步骤：

1)获取受试者肌肉缩张的数学模型，该数学模型的确定步骤如下：

对受试者的肢体肌肉进行一定强度范围的电刺激，检测受试者肢体肌肉在该强度范围的电刺激下的输出力；根据受试者的电刺激强度数据和肌肉输出力数据，确定受试者肌肉缩张的数学模型；

2)设置电刺激强度的初始值，作为设定自抗扰控制器的输入，将构建的受试者肌肉缩张的数学模型作为目标控制对象，利用所述自抗扰控制器对进行电刺激强度调整，输出受试者肌肉的最佳电刺激强度值；所述自抗扰控制器包括跟踪微分器、非线性状态误差反馈和扩张状态控制器；

所述扩张状态控制器的数学表达式如下：

式中，e为误差，x₁为肌肉输出力的状态变量，z₁、z₂为状态变量的估计值，z₃为总扰动，k代表当前时刻，h为控制周期，u为输出受试者肌肉的最佳电刺激强度值，β₀₁、β₀₂、β₀₃为增益系数；g(e)为所选误差函数，

为肌肉力输出；令g(e)为fal函数：

式中，fal是非线性结构函数，α为0～1之间的设定常数，δ为误差区间设定值；

所述跟踪微分器的数学表达式如下：

式中，v₁为所述电刺激强度的初始值的过渡值，v₂为一阶微分信号，fhan为最速跟踪函数，fh为最速跟踪函数值，h为控制周期，r₀为跟踪增益系数；

所述非线性状态误差反馈的数学表达式如下：

式中，e₁(k)、e₂(k)均为状态误差，u₀为所述非线性状态误差反馈输出的控制信号，u为经过校正后的控制信号，α_p、α_D为0～1之间的常数，k_p、k_d为待调整参数，δ₀为误差区间设定值，b₀为补偿因子。

5.根据权利要求4所述的肢体康复机器人，其特征在于，确定所述电刺激强度的初始值步骤如下：

确定受试者肌肉输出力的理想值，将该值代入所述肌肉缩张的数学模型，进行求逆运算，得到所述电刺激强度的初始值。

6.根据权利要求4所述的肢体康复机器人，其特征在于，所述受试者肌肉缩张的数学模型采用Hammerstein模型，包括线性部分和非线性部分，表达式如下：

式中，f(u)为非线性部分的静态函数，实际中代表肌肉的募集曲线，u为输入量，即受试者的肌肉刺激强度；c₀、c₁...c_m为设定参数，通过实际测得输入、输出数据进行拟合得到，在本系统中m＝3；G(s)为线性部分的动态函数，代表肌肉的动态响应过程，s为极点，n为阶数，a₁...a_n-1,b₀为系统参数。

Images