CN112932897A - 一种康复机器人运动的方法、装置及其康复机器人 - Google Patents

一种康复机器人运动的方法、装置及其康复机器人 Download PDF

Info

Publication number
CN112932897A
CN112932897A CN202110115221.3A CN202110115221A CN112932897A CN 112932897 A CN112932897 A CN 112932897A CN 202110115221 A CN202110115221 A CN 202110115221A CN 112932897 A CN112932897 A CN 112932897A
Authority
CN
China
Prior art keywords
moment
human
motion state
previous
previous moment
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.)
Granted
Application number
CN202110115221.3A
Other languages
English (en)
Other versions
CN112932897B (zh
Inventor
夏林清
李福生
范渊杰
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.)
Shanghai Electric Group Corp
Original Assignee
Shanghai Electric Group Corp
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 Shanghai Electric Group Corp filed Critical Shanghai Electric Group Corp
Priority to CN202110115221.3A priority Critical patent/CN112932897B/zh
Publication of CN112932897A publication Critical patent/CN112932897A/zh
Application granted granted Critical
Publication of CN112932897B publication Critical patent/CN112932897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H1/00Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02Stretching or bending or torsioning apparatus for exercising
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/12Driving means
    • A61H2201/1207Driving means with electric or magnetic drive
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5007Control means thereof computer controlled
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5058Sensors or detectors
    • A61H2201/5069Angle sensors
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5058Sensors or detectors
    • A61H2201/5079Velocity sensors
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61HPHYSICAL 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
    • A61H2201/00Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50Control means thereof
    • A61H2201/5058Sensors or detectors
    • A61H2201/5084Acceleration sensors

Landscapes

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

Abstract

本发明公开了一种康复机器人运动的方法、装置及其康复机器人,用于实现高精度的示教轨迹跟踪控制。该方法包括:获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。

Description

一种康复机器人运动的方法、装置及其康复机器人
技术领域
本发明涉及机器人控制技术领域,特别涉及一种康复机器人运动的方法、装置及其康复机器人。
背景技术
目前市面上现存的康复机器人大多针对单一患肢进行复健,脑卒中患者大多会有身体一侧肢体需要同时进行康复训练,等速肌力训练系统能够实现不同患病部位的康复训练,例如可以实现多关节的多模态康复训练,可以针对肩、肘、腕、髋、膝、踝等六大关节进行等速、等长、等张、离心、向心、持续被动、本体感觉、弹性阻力、示教训练等相关项目的康复训练。其中等速肌力训练系统的示教训练模式可以针对不同康复阶段的病人采取定制化的训练轨迹,是目前康复训练过程中应用最广泛也最受欢迎的训练模式。
康复机器人的示教训练模式的本质是机器人沿着预先给定的期望轨迹(示教轨迹)辅助康复病人患侧肢进行康复训练,对期望轨迹、速度的跟踪精度会直接影响病人的康复体验度和训练效果。目前对于期望轨迹、速度的跟踪大多采用位置或速度跟踪方式,而位置或速度跟踪方式会累计位置误差影响轨迹跟踪的精度,因此如何实现高精度的示教轨迹跟踪控制是目前康复机器人领域亟待解决的重要问题。
发明内容
本发明提供一种康复机器人运动的方法、装置及其康复机器人,用于将人机交互力作为参考因素来调整康复机器人的力矩向量,从而实现高精度的示教轨迹跟踪控制。
第一方面,本发明实施例提供的一种康复机器人运动的方法,包括:
获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
本发明实施例提供了一种康复机器人运动的方法,能够将人机交互力作为一个参考因素来调整机器人的力矩向量,以使机器人按照期望轨迹(示教轨迹)进行精准运动。并且本发明实施例中的人机交互力不需要通过传感器来获取,而是通过对前一时刻的运动状态进行估计得到的,能够有效提高康复机器人运动的柔顺性和跟随性。
作为一种可选的实施方式,通过如下方式确定所述后一时刻的力矩向量:
根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并对所述前一时刻的运动状态进行滤除噪声的处理,其中初始时刻的力矩向量是预先设定的;
根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量,包括:
确定所述处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值对应的自适应律,其中所述自适应律用于在预设迭代次数下使得所述差值向零收敛;
根据所述差值、所述自适应律以及所述前一时刻的人机交互力,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,通过如下方式估计所述前一时刻的人机交互力:
基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
作为一种可选的实施方式,所述基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力,包括:
根据人机交互动力学算法,确定所述康复机器人与所述患者之间的动力学交互关系;
基于所述交互力观测器,将所述动力学交互关系转换为所述康复机器人的运动状态与所述人机交互力之间的关系;
基于所述运动状态与所述人机交互力之间的关系,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
第二方面,本发明实施例提供的一种康复机器人运动的装置,包括:
获取单元,用于获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
运动单元,用于在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
作为一种可选的实施方式,所述运动单元用于通过如下方式确定所述后一时刻的力矩向量:
根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并对所述前一时刻的运动状态进行滤除噪声的处理,其中初始时刻的力矩向量是预先设定的;
根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述运动单元具体用于:
确定所述处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值对应的自适应律,其中所述自适应律用于在预设迭代次数下使得所述差值向零收敛;
根据所述差值、所述自适应律以及所述前一时刻的人机交互力,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述运动单元用于通过如下方式估计所述前一时刻的人机交互力:
基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
作为一种可选的实施方式,所述运动单元用于基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力:
根据人机交互动力学算法,确定所述康复机器人与所述患者之间的动力学交互关系;
基于所述交互力观测器,将所述动力学交互关系转换为所述康复机器人的运动状态与所述人机交互力之间的关系;
基于所述运动状态与所述人机交互力之间的关系,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
第三方面,本发明实施例还提供一种康复机器人运动的设备,该设备包括处理器和存储器,所述存储器用于存储所述处理器可执行的程序,所述处理器用于读取所述存储器中的程序并执行如下步骤:
获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
作为一种可选的实施方式,所述处理器具体被配置为执行通过如下方式确定所述后一时刻的力矩向量:
根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并对所述前一时刻的运动状态进行滤除噪声的处理,其中初始时刻的力矩向量是预先设定的;
根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述处理器具体被配置为执行:
确定所述处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值对应的自适应律,其中所述自适应律用于在预设迭代次数下使得所述差值向零收敛;
根据所述差值、所述自适应律以及所述前一时刻的人机交互力,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述处理器具体被配置为执行通过如下方式估计所述前一时刻的人机交互力:
基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
作为一种可选的实施方式,所述处理器具体被配置为执行:
根据人机交互动力学算法,确定所述康复机器人与所述患者之间的动力学交互关系;
基于所述交互力观测器,将所述动力学交互关系转换为所述康复机器人的运动状态与所述人机交互力之间的关系;
基于所述运动状态与所述人机交互力之间的关系,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
第四方面,本发明实施例还提供计算机存储介质,其上存储有计算机程序,该程序被处理器执行时用于实现上述第一方面所述方法的步骤。
本申请的这些方面或其他方面在以下的实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种康复机器人运动的方法的具体实施流程图;
图2为本发明实施例提供的一种康复机器人实际运动的轨迹和期望轨迹之间误差示意图;
图3为本发明实施例提供的一种康复机器人实际运动的角速度和期望角速度之间的误差示意图;
图4为本发明实施例提供的一种康复机器人运动的角度和期望角度之间的误差示意图;
图5为本发明实施例提供的一种基于迭代学习的期望轨迹跟踪方法示意图;
图6为本发明实施例提供的一种康复机器人运动的具体实施流程图;
图7为本发明实施例提供的一种康复机器人运动的装置示意图;
图8为本发明实施例提供的一种康复机器人运动的设备示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
世界范围内,人口老龄化正逐渐成为一个不可忽略的重大课题,随着人口老龄化程度的加剧,伴随发生的高龄人口疾病发生率也日益增加,以其中最为严重的脑卒中为例,根据国家统计局数据显示,到2019年我国因脑卒中发病死亡的认数已经达到140.3/10万,即使得到及时的救治,大约75%患者依然会在脑卒中在发病后留下许多不同程度的后遗症,这些后遗症会极大降低患者的生活自理能力,严重影响患者及其家人的生活质量。在如此众多的后遗症中,患者发生偏瘫概率最高,临床表明,科学的运动康复训练配合手术治疗和药物治疗,能够显著提高脑卒中偏瘫患者肢体功能恢复的概率,进行及时的重复康复运动训练可以修复患者在脑卒中发病过程中受损的神经系统,并对肌肉骨骼等运动系统进行强化,有助于患者患侧肢运动机能的恢复。
随着芯片技术的发展,协作机器人在小型化、智能化上也取得了长足的发展,康复机器人由于其灵活并且完善的康复模式,交互性、趣味性高等特点正在逐步取代传统以康复治疗师主导的康复训练。目前市面上现存的康复机器人大多针对单一患肢进行复健,脑卒中患者大多会有身体一侧肢体需要同时进行康复训练,为了实现不同患病部位的康复训练,等速肌力训练系统面世了,等速肌力训练系统可以实现多关节的多模态康复训练,可以针对肩、肘、腕、髋、膝、踝等六大关节进行等速、等长、等张、离心、向心、持续被动、本体感觉、弹性阻力、示教训练等相关项目的康复训练。其中的示教训练可以针对不同康复阶段的病人采取定制化的训练轨迹,是目前康复训练过程中应用最广泛也最受欢迎的训练模式。
目前的康复机器人在示教轨迹跟踪上主要存在以下问题:
一方面,目前的示教轨迹跟踪方法主要偏向于示教轨迹的获取,并通过插补算法确定出示教轨迹中的各个位置信息或速度信息,而位置和速度的跟踪方式属于被动训练模式,病人按所述示教轨迹进行康复训练的过程中体验度较差;
另一方面,现有的示教模式引入了力矩传感器或惯性传感器来识别人体运动的意图,但是引入力矩传感器或惯性传感器会提高康复机器人的控制系统自身的复杂度以及成本,并且力矩传感器或惯性传感器在识别人体运动的意图时存在相对于运动滞后的问题,例如力矩传感器的测量原理是弹性体的变形引起的弹性体电阻值变化,所以相对于人的运动意图来说,是先产生了相对运动才能识别到人的运动意图,这就导致了滞后问题,而针对这种滞后问题在对许多肌力过低的上肢运动障碍患者进行康复训练时,会导致康复机器人运动的柔顺性和跟随性降低。
实施例1、本发明实施例提供了一种康复机器人运动的方法,能够将人机交互力作为一个参考因素来调整机器人的力矩向量,以使机器人按照期望轨迹(示教轨迹)进行精准运动。并且本发明实施例中的人机交互力不需要通过传感器来获取,而是通过对前一时刻的运动状态进行估计得到的,能够有效提高康复机器人运动的柔顺性和跟随性。
如图1所述,本发明实施例提供的一种康复机器人运动的方法的具体实施流程如下所示:
步骤100、获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
本实施例中的期望轨迹是预先规划好的一种康复机器人的示教轨迹,实施中可以通过确定将康复机器人切换至“示教训练”模式时,理疗师根据病人实际情况为病人规划康复机器人的示教轨迹。康复机器人接收到示教轨迹之后,不仅仅存储示教轨迹,还可以存储该示教轨迹包含的各个位置在对应时刻的期望运动状态信息。
可选的,本实施例中的期望运动状态信息包括但不限于:角度、角速度、角加速度、速度、加速度。在患者进行康复训练的过程中,康复机器人会带动患者的患病部位按规划的期望轨迹进行运动。
步骤101、在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
需要说明的是,本发明实施例中各个位置的对应时刻,可以理解为期望轨迹与康复机器人实际运动所产生的实际轨迹在对应位置的对应时刻,实施中,使用该对应时刻的力矩向量控制所述康复机器人沿所述期望轨迹进行运动,即康复机器人实际运动的轨迹与期望轨迹一致,本实施例能够保证康复机器人在对应时刻的位置与所述期望轨迹在对应时刻的位置无限接近,可视为是同一位置。
实施中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的;
容易理解的是,本发明实施例在利用力矩向量控制所述康复机器人运动的过程中,所述力矩向量是实时调整的,即根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整,从而得到后一时刻的力矩向量,康复机器人根据后一时刻的力矩向量进行运动,从而得到后一时刻康复机器人的运动状态。
实施中,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,其中,所述前一时刻的运动状态是根据所述康复机器人的编码器测得的。所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
作为一种可选的实施方式,本发明实施例通过如下方式估计所述前一时刻的人机交互力:
基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
需要说明的是,本发明实施例中的交互力观测器Observer是一种基于卡尔曼滤波器的无传感器的Observer,即本实施不需要使用力矩传感器或惯性传感器等其他传感器来识别患者的运动意图,测量人机交互力,而是使用一种Observer来估计人机交互力,并且本实施例还可以利用该交互力观测器将一些不能建模的系统参数(即在实际运动中产生的一些噪声)基于交互力观测器进行噪声过滤的处理,从而可以在不使用传感器的情况下估计人机交互力(即估计的人机交互力是去除噪声影响的人机交互力),并利用人机交互力和期望运动状态调整力矩向量,从而使得调整后的力矩向量控制康复机器人运动的实际轨迹能够无限接近期望轨迹,实现对期望轨迹的精准跟踪。
作为一种可选的实施方式,本实施例通过如下步骤基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力:
步骤11、根据人机交互动力学算法,确定所述康复机器人与所述患者之间的动力学交互关系;
实施中,根据拉格朗日人机交互动力学算法,所述康复机器人与所述患者之间的动力学交互关系如下公式:
Figure BDA0002920346840000101
τd=τIm (2);
其中,公式(1)中的各项分别表示:
q,
Figure BDA0002920346840000102
分别代表康复机器人运动的角度向量、角速度向量以及角加速度向量;
M(q)是系统惯性矩阵;
Figure BDA0002920346840000111
是科里奥利力和离心力矩阵;
B是粘性摩擦项;
D是动摩擦项;
G(q)是重力向量;
τr是康复机器人的力矩向量;
τd是运动过程中患者患病部位与康复机器人之间的扰动,可理解为康复机器人控制过程中的扰动变量。
上述公式(2)用于表示估计的扰动变量τd包括两部分因素,一是人机交互力τI,二是未建模的扰动τm,即包含噪声影响的一些扰动因素。
步骤12、基于所述交互力观测器,将所述动力学交互关系转换为所述康复机器人的运动状态与所述人机交互力之间的关系;
实施中,上述公式(1)表示的康复机器人与所述患者之间的动力学交互关系可以基于所述交互力观测器进行转换,转换为所述康复机器人的运动状态与所述人机交互力之间的关系,具体如下公式:
Figure BDA0002920346840000112
Figure BDA0002920346840000113
其中,公式(3)中各项分别表示:
A、G、H表示人机交互动力学系统的矩阵;
Figure BDA0002920346840000114
是人机交互动力学系统状态向量,可以理解为康复机器人的运动状态;
y是人机交互动力学系统测量向量;
w和v分别是人机交互动力学系统噪声和测量噪声;
其中,公式(4)中各项分别表示:
Figure BDA0002920346840000121
Figure BDA0002920346840000122
分别为人机交互动力学系统状态向量和人机交互动力学系统测量向量的估计量;
P为正定的协方差矩阵;
w和∑v分别表示w和v的协方差矩阵;
K=PGTv -1为人机交互动力学系统的卡尔曼增益。
其余变量的描述参照公式(1)~(3),此处不再赘述。
根据公式(3)和公式(4),人机交互动力学系统的估计误差满足如下公式:
Figure BDA0002920346840000123
其中,定义
Figure BDA0002920346840000124
为x的估计误差,定义
Figure BDA0002920346840000125
为τd的估计误差;
Figure BDA0002920346840000126
Figure BDA0002920346840000127
分别表示e和ed估计平均值。
步骤13、基于所述运动状态与所述人机交互力之间的关系,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
根据上述公式(5)中表示的康复机器人的运动状态与所述人机交互力之间的关系,根据所述康复机器人的运动状态估计所述人机交互力。
需要说明的是,本实施例中的人机交互力观测器能够保证人机交互系统的稳定性,基于人机交互动力学系统的估计误差来证明人机交互系统是一个能够逐渐收敛并达到稳定的一个系统,从而说明本实施例利用人机交互力调节得到的力矩向量驱动康复机器人运动,能够使得康复机器人运动轨迹与期望轨迹无限接近并稳定的趋于一致,具体证明过程如下所示:
首先,定义一个李雅普诺夫方程
Figure BDA0002920346840000128
其中,ψ和γ是可以预设的加权正定矩阵,用于调节人机交互动力学系统的收敛速度和稳定性;
通过对上述构造的李雅普诺夫方程进行微分后代入公式(5)得到如下公式:
Figure BDA0002920346840000131
Figure BDA0002920346840000132
根据选择合适的协方差矩阵∑v=((HT)-1P-1(A+αI)H-1)-1以及
Figure BDA0002920346840000133
的自适应律
Figure BDA0002920346840000134
其中α为一个大于零的常数,将公式(6)转换为公式(7),由于公式(7)是一个典型负定矩阵,因此通过引入这个基于卡尔曼滤波器的无传感器的交互力观测器可以保证人机交互动力学系统的稳定性。
由于证明了上述人机交互动力学系统是稳定的,并且本实施例中的人机交互动力学系统能在有限周期内是收敛的,具体实施过程如下所示:
首先,引入迭代次数k,可以将公式(1)扩展为如下公式:
Figure BDA0002920346840000135
其中,qk,
Figure BDA0002920346840000136
是通过康复机器人的编码器获取的康复机器人的运动状态,如角度和角速度,并且将该运动状态作为反馈信号通过公式(8)产生一个有界的输入信号τr,k即力矩向量,用以驱动康复机器人运动,康复机器人的实际轨迹qk会在每一个轨迹周期t∈[0,T]内逐渐收敛趋近于期望轨迹qd,随着k的增大,二者的差值会向0收敛。由于本实施例中的期望轨迹qd及它的一二阶导数
Figure BDA0002920346840000137
和输入扰动τd,k均在周期t∈[0,T]内是有界的,因此本实施例中的人机交互动力学系统在一个轨迹周期内是能够收敛的。其中所述轨迹周期用于表示期望轨迹对应的康复机器人的运动时间周期。
通过上述方式根据运动状态估计出人机交互力之后,基于人机交互力对力矩向量进行调整,在预设迭代次数之后,输出的力矩向量能够控制康复机器人按所述期望轨迹运动,实现对期望轨迹的精准跟踪,实施中,通过如下步骤确定所述后一时刻的力矩向量:
步骤21、根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并对所述前一时刻的运动状态进行滤除噪声的处理,其中初始时刻的力矩向量是预先设定的;
作为一种可选的实施方式,本发明实施例还可以通过交互力观测器Observer,对所述前一时刻的运动状态进行滤除噪声的处理。即由于本实施例中的交互力观测器是基于卡尔曼滤波器的无传感器观测器,因此可以利用交互力观测器对运动状态进行处理。
实施中,基于上述公式(4)根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并根据上述公式(4)对所述前一时刻的运动状态进行滤除噪声的处理。
步骤22、根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量。
可选的,根据所述前一时刻的人机交互力以及所述前一时刻的期望运动状态与处理后的前一时刻的运动状态之间的差值,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量,包括:
确定所述处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值对应的自适应律,其中所述自适应律用于在预设迭代次数下使得所述差值向零收敛;
根据所述差值、所述自适应律以及所述前一时刻的人机交互力,确定所述后一时刻的力矩向量。
实施中,可以根据如下公式确定力矩向量:
Figure BDA0002920346840000141
Figure BDA0002920346840000142
Figure BDA0002920346840000151
Figure BDA0002920346840000152
其中,KP和KD分别为PD控制器比例和微分环节正定增益矩阵;
t是时间,k是迭代次数;
Figure BDA0002920346840000153
为自适应律;
Figure BDA0002920346840000154
Figure BDA0002920346840000155
定义,其中
Figure BDA0002920346840000156
是向量
Figure BDA0002920346840000157
的符号函数值向量。
按照上述公式选择合适的参数,可以使康复机器人在示教训练模式下沿着示教轨迹精确运动,并且随着迭代次数的增加(即训练次数的增加)误差会逐渐收敛至0。
如图2所示,通过本实施例提供的一种康复机器人运动的方法,能够控制康复机器人在第20次进行训练时,康复机器人实际运动的轨迹和期望轨迹的误差为零。如图3所示,康复机器人在第20次进行训练时,康复机器人实际运动的角速度和期望角速度的误差为零。如图4所示,康复机器人在迭代次数为20时,康复机器人运动的角度和期望角度之间的误差为零。也就是说,本发明实施例能够在有限次迭代之后,康复机器人实际运动的轨迹和期望轨迹之间的误差为零。
如图5所示,本发明实施例提供一种基于迭代学习的期望轨迹跟踪方法,其中,对图5中的各个模块进行详细说明:
期望轨迹生成器,用于获取康复机器人进行康复训练的期望运动信息,输出期望轨迹包含的各个位置在对应时刻的期望运动状态,其中,qd
Figure BDA0002920346840000158
表示期望运动状态(即角度和角速度);
无传感器交互力观测器,根据康复机器人的运动状态估计人机交互力,其中,qk,
Figure BDA0002920346840000159
表示通过编码器获得康复机器人的运动状态(即角度和角速度),
Figure BDA00029203468400001510
用于表示估计的人机交互力;
PD控制器用于控制康复机器人根据公式(9)得到力矩向量
Figure BDA0002920346840000161
并进行迭代计算,最终实现在一个轨迹周期内逐渐收敛。
如图6所示,本发明实施例还提供一种康复机器人运动的具体实施方式,具体实施步骤如下所示:
步骤600、获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
步骤601、控制康复机器人对所述期望轨迹进行20次循环跟随运动;
该步骤能够使得康复机器人在20次迭代计算下,实际运动产生的轨迹与期望轨迹之间的误差几乎为零;
步骤602、确定患者的患病侧肢待康复关节与康复机器人通过绑缚机构固定后,开始进行训练;
步骤603、通过康复机器人的编码器获取康复机器人的运动状态;
步骤604、通过人机交互力观测器根据康复机器人的运动状态估计人机交互力;
步骤605、根据期望运动状态、所述康复机器人的运动状态以及所述人机交互力,确定控制康复机器人运动的力矩向量;
实施中,可以根据运动状态和期望运动状态之间的差值对应的自适应率,在预设迭代次数下保证所述差值向零收敛,从而确保当前康复机器人的运动轨迹与期望轨迹误差趋近零。
步骤606、康复机器人根据所述力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动,并在运动后返回执行步骤603;
步骤607、确定当前康复机器人完成预设次数的期望轨迹的跟随训练后,结束训练。
实施例2、基于相同的发明构思,本发明实施例还提供了一种康复机器人运动的装置,由于该装置即是本发明实施例中的方法中的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
如图7所示,该装置包括:
获取单元700,用于获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
运动单元701,用于在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
作为一种可选的实施方式,所述运动单元用于通过如下方式确定所述后一时刻的力矩向量:
根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并对所述前一时刻的运动状态进行滤除噪声的处理,其中初始时刻的力矩向量是预先设定的;
根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述运动单元具体用于:
确定所述处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值对应的自适应律,其中所述自适应律用于在预设迭代次数下使得所述差值向零收敛;
根据所述差值、所述自适应律以及所述前一时刻的人机交互力,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述运动单元用于通过如下方式估计所述前一时刻的人机交互力:
基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
作为一种可选的实施方式,所述运动单元用于基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力:
根据人机交互动力学算法,确定所述康复机器人与所述患者之间的动力学交互关系;
基于所述交互力观测器,将所述动力学交互关系转换为所述康复机器人的运动状态与所述人机交互力之间的关系;
基于所述运动状态与所述人机交互力之间的关系,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
实施例3、基于相同的发明构思,本发明实施例还提供了一种康复机器人,由于该机器人即是本发明实施例中的方法中的机器人,并且该机器人解决问题的原理与该方法相似,因此该机器人的实施可以参见方法的实施,重复之处不再赘述。
如图8所示,该机器人包括处理器800和存储器801,所述存储器用于存储所述处理器可执行的程序,所述处理器用于读取所述存储器中的程序并执行如下方法的步骤:
获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
作为一种可选的实施方式,所述处理器具体被配置为执行通过如下方式确定所述后一时刻的力矩向量:
根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并对所述前一时刻的运动状态进行滤除噪声的处理,其中初始时刻的力矩向量是预先设定的;
根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述处理器具体被配置为执行:
确定所述处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值对应的自适应律,其中所述自适应律用于在预设迭代次数下使得所述差值向零收敛;
根据所述差值、所述自适应律以及所述前一时刻的人机交互力,确定所述后一时刻的力矩向量。
作为一种可选的实施方式,所述处理器具体被配置为执行通过如下方式估计所述前一时刻的人机交互力:
基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
作为一种可选的实施方式,所述处理器具体被配置为执行:
根据人机交互动力学算法,确定所述康复机器人与所述患者之间的动力学交互关系;
基于所述交互力观测器,将所述动力学交互关系转换为所述康复机器人的运动状态与所述人机交互力之间的关系;
基于所述运动状态与所述人机交互力之间的关系,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
基于相同的发明构思,本发明实施例还提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品,该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种康复机器人运动的方法,其特征在于,该方法包括:
获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
2.根据权利要求1所述的方法,其特征在于,通过如下方式确定所述后一时刻的力矩向量:
根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并对所述前一时刻的运动状态进行滤除噪声的处理,其中初始时刻的力矩向量是预先设定的;
根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量。
3.根据权利要求2所述的方法,其特征在于,所述根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量,包括:
确定所述处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值对应的自适应律,其中所述自适应律用于在预设迭代次数下使得所述差值向零收敛;
根据所述差值、所述自适应律以及所述前一时刻的人机交互力,确定所述后一时刻的力矩向量。
4.根据权利要求1所述的方法,其特征在于,通过如下方式估计所述前一时刻的人机交互力:
基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
5.根据权利要求4所述的方法,其特征在于,所述基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力,包括:
根据人机交互动力学算法,确定所述康复机器人与所述患者之间的动力学交互关系;
基于所述交互力观测器,将所述动力学交互关系转换为所述康复机器人的运动状态与所述人机交互力之间的关系;
基于所述运动状态与所述人机交互力之间的关系,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
6.一种康复机器人运动的装置,其特征在于,该装置包括:
获取单元,用于获取康复机器人进行康复训练的期望运动信息,其中所述期望运动信息包括期望轨迹以及所述期望轨迹包含的各个位置在对应时刻的期望运动状态;
运动单元,用于在所述各个位置的对应时刻,使用所述时刻的力矩向量控制所述康复机器人带动患者沿所述期望轨迹进行运动;
其中,后一时刻的力矩向量是根据前一时刻的期望运动状态和前一时刻的人机交互力对前一时刻的力矩向量进行调整得到的,所述前一时刻的人机交互力是对前一时刻的运动状态进行估计得到的,所述人机交互力用于表征所述患者与所述康复机器人之间的相互作用力。
7.根据权利要求6所述的装置,其特征在于,所述运动单元用于通过如下方式确定所述后一时刻的力矩向量:
根据所述前一时刻的力矩向量确定所述前一时刻的运动状态,并对所述前一时刻的运动状态进行滤除噪声的处理,其中初始时刻的力矩向量是预先设定的;
根据所述前一时刻的人机交互力以及处理后的前一时刻的运动状态与所述前一时刻的期望运动状态之间的差值,确定所述后一时刻的力矩向量。
8.根据权利要求6所述的装置,其特征在于,所述运动单元用于通过如下方式估计所述前一时刻的人机交互力:
基于交互力观测器Observer,根据所述前一时刻的运动状态估计所述前一时刻的人机交互力。
9.一种康复机器人,其特征在于,该机器人包括处理器和存储器,所述存储器用于存储所述处理器可执行的程序,所述处理器用于读取所述存储器中的程序并执行权利要求1~5任一所述方法的步骤。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~5任一所述方法的步骤。
CN202110115221.3A 2021-01-28 2021-01-28 一种康复机器人运动的方法、装置及其康复机器人 Active CN112932897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110115221.3A CN112932897B (zh) 2021-01-28 2021-01-28 一种康复机器人运动的方法、装置及其康复机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110115221.3A CN112932897B (zh) 2021-01-28 2021-01-28 一种康复机器人运动的方法、装置及其康复机器人

Publications (2)

Publication Number Publication Date
CN112932897A true CN112932897A (zh) 2021-06-11
CN112932897B CN112932897B (zh) 2023-11-28

Family

ID=76238368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110115221.3A Active CN112932897B (zh) 2021-01-28 2021-01-28 一种康复机器人运动的方法、装置及其康复机器人

Country Status (1)

Country Link
CN (1) CN112932897B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115635485A (zh) * 2022-11-09 2023-01-24 苏州智康机器人有限公司 一种移动康复机器人的实时人机交互力控制方法
WO2023051108A1 (zh) * 2021-09-30 2023-04-06 上海傅利叶智能科技有限公司 基于物理引擎的机器人控制方法、装置和康复机器人
CN116672222A (zh) * 2023-08-03 2023-09-01 北京交通大学 一种轻量化运动训练姿势矫正外骨骼机器人系统

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020022907A1 (en) * 1996-12-19 2002-02-21 Toru Takenaka Attitude controller of legend moving robot
US20060046910A1 (en) * 2004-08-11 2006-03-02 Rastegar Jahangir S Methods and devices for reducing stance energy for rehabilitation and to enhance physical performance
CN101791255A (zh) * 2010-03-08 2010-08-04 上海交通大学 助行外骨骼机器人系统及控制方法
CN102058464A (zh) * 2010-11-27 2011-05-18 上海大学 下肢康复机器人运动控制方法
US20110264015A1 (en) * 2010-04-23 2011-10-27 Honda Motor Co., Ltd. Walking motion assisting device
CN103040586A (zh) * 2012-12-20 2013-04-17 上海大学 用于下肢运动训练的外骨骼机器人及其运动控制方法
US20140221894A1 (en) * 2011-09-26 2014-08-07 Sony Corporation Motion assist device and motion assist method, computer program, and program recording medium
KR101472264B1 (ko) * 2013-07-05 2014-12-24 한국기계연구원 재활운동궤도 최적화 시스템 및 이를 이용한 재활운동궤도 최적화 방법
CN104688486A (zh) * 2015-02-10 2015-06-10 三峡大学 一种下肢康复机器人运动控制系统
CN105213153A (zh) * 2015-09-14 2016-01-06 西安交通大学 基于脑肌信息变阻抗的下肢康复机器人控制方法
CN105288933A (zh) * 2015-11-20 2016-02-03 武汉理工大学 并联下肢康复机器人自适应训练控制方法及康复机器人
CN106109174A (zh) * 2016-07-14 2016-11-16 燕山大学 一种基于肌电反馈式阻抗自适应的康复机器人控制方法
US20180133029A1 (en) * 2015-04-24 2018-05-17 Otto Bock Healthcare Products Gmbh Method for controlling an artificial knee joint
CN109223444A (zh) * 2018-10-23 2019-01-18 上海电气集团股份有限公司 康复机器人及其人机协同交互力控制方法
CN109998855A (zh) * 2019-04-09 2019-07-12 上海电气集团股份有限公司 基于康复机器人的康复运动控制方法及系统
CN110787026A (zh) * 2019-11-11 2020-02-14 上海电气集团股份有限公司 一种基于多传感器信息的运动异常保护方法及康复设备
CN110967972A (zh) * 2019-12-13 2020-04-07 中国科学院自动化研究所 基于径向基函数神经网络的康复机器人自适应控制方法
CN111345971A (zh) * 2020-03-14 2020-06-30 北京工业大学 一种基于导纳模型的踝康复机器人多模式柔顺训练方法
CN111671615A (zh) * 2020-06-01 2020-09-18 上海电气集团股份有限公司 一种康复机器人的训练方法、系统及存储介质
CN111888194A (zh) * 2020-08-06 2020-11-06 广州一康医疗设备实业有限公司 一种上肢康复训练方法、系统、装置及存储介质
CN112155940A (zh) * 2020-10-12 2021-01-01 上海电气集团股份有限公司 基于康复机器人的康复运动控制方法、系统、设备及介质

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020022907A1 (en) * 1996-12-19 2002-02-21 Toru Takenaka Attitude controller of legend moving robot
US20060046910A1 (en) * 2004-08-11 2006-03-02 Rastegar Jahangir S Methods and devices for reducing stance energy for rehabilitation and to enhance physical performance
CN101791255A (zh) * 2010-03-08 2010-08-04 上海交通大学 助行外骨骼机器人系统及控制方法
US20110264015A1 (en) * 2010-04-23 2011-10-27 Honda Motor Co., Ltd. Walking motion assisting device
CN102058464A (zh) * 2010-11-27 2011-05-18 上海大学 下肢康复机器人运动控制方法
US20140221894A1 (en) * 2011-09-26 2014-08-07 Sony Corporation Motion assist device and motion assist method, computer program, and program recording medium
CN103040586A (zh) * 2012-12-20 2013-04-17 上海大学 用于下肢运动训练的外骨骼机器人及其运动控制方法
KR101472264B1 (ko) * 2013-07-05 2014-12-24 한국기계연구원 재활운동궤도 최적화 시스템 및 이를 이용한 재활운동궤도 최적화 방법
CN104688486A (zh) * 2015-02-10 2015-06-10 三峡大学 一种下肢康复机器人运动控制系统
US20180133029A1 (en) * 2015-04-24 2018-05-17 Otto Bock Healthcare Products Gmbh Method for controlling an artificial knee joint
CN105213153A (zh) * 2015-09-14 2016-01-06 西安交通大学 基于脑肌信息变阻抗的下肢康复机器人控制方法
CN105288933A (zh) * 2015-11-20 2016-02-03 武汉理工大学 并联下肢康复机器人自适应训练控制方法及康复机器人
CN106109174A (zh) * 2016-07-14 2016-11-16 燕山大学 一种基于肌电反馈式阻抗自适应的康复机器人控制方法
CN109223444A (zh) * 2018-10-23 2019-01-18 上海电气集团股份有限公司 康复机器人及其人机协同交互力控制方法
CN109998855A (zh) * 2019-04-09 2019-07-12 上海电气集团股份有限公司 基于康复机器人的康复运动控制方法及系统
CN110787026A (zh) * 2019-11-11 2020-02-14 上海电气集团股份有限公司 一种基于多传感器信息的运动异常保护方法及康复设备
CN110967972A (zh) * 2019-12-13 2020-04-07 中国科学院自动化研究所 基于径向基函数神经网络的康复机器人自适应控制方法
CN111345971A (zh) * 2020-03-14 2020-06-30 北京工业大学 一种基于导纳模型的踝康复机器人多模式柔顺训练方法
CN111671615A (zh) * 2020-06-01 2020-09-18 上海电气集团股份有限公司 一种康复机器人的训练方法、系统及存储介质
CN111888194A (zh) * 2020-08-06 2020-11-06 广州一康医疗设备实业有限公司 一种上肢康复训练方法、系统、装置及存储介质
CN112155940A (zh) * 2020-10-12 2021-01-01 上海电气集团股份有限公司 基于康复机器人的康复运动控制方法、系统、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
范渊杰: "基于sEMG与交互力等多源信号融合的下肢外骨骼康复机器人及其临床实验研究" *
陈靓等: "基于阻抗模型的下肢康复机器人交互控制系统设计" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023051108A1 (zh) * 2021-09-30 2023-04-06 上海傅利叶智能科技有限公司 基于物理引擎的机器人控制方法、装置和康复机器人
CN115635485A (zh) * 2022-11-09 2023-01-24 苏州智康机器人有限公司 一种移动康复机器人的实时人机交互力控制方法
CN115635485B (zh) * 2022-11-09 2024-03-15 嘉兴智康机器人有限公司 一种移动康复机器人的实时人机交互力控制方法
CN116672222A (zh) * 2023-08-03 2023-09-01 北京交通大学 一种轻量化运动训练姿势矫正外骨骼机器人系统

Also Published As

Publication number Publication date
CN112932897B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN112932897A (zh) 一种康复机器人运动的方法、装置及其康复机器人
Kang et al. Real-time neural network-based gait phase estimation using a robotic hip exoskeleton
CN111281743B (zh) 一种上肢康复外骨骼机器人自适应柔顺控制方法
CN111956452A (zh) 一种上肢康复机器人控制方法及装置
CN108309689B (zh) 一种基于外骨骼机器人的渐进式康复训练方法
Asl et al. Field-based assist-as-needed control schemes for rehabilitation robots
Pehlivan et al. A subject-adaptive controller for wrist robotic rehabilitation
CN111522243A (zh) 一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略
CN104698848A (zh) 一种下肢外骨骼康复机器人康复训练的控制方法
CN113858201B (zh) 用于柔性驱动机器人的自适应变阻抗控制方法、系统与设备
CN109806106A (zh) 一种基于鲁棒控制与导纳控制结合的下肢康复机器人的控制方法
Balasubramanian et al. Adaptive control of a wearable exoskeleton for upper-extremity neurorehabilitation
CN110412866A (zh) 基于自适应迭代学习的外骨骼单腿协同控制方法
Nomm et al. Monitoring of the human motor functions rehabilitation by neural networks based system with kinect sensor
CN113189865A (zh) 基于动力学参数辨识的康复机器人控制方法、系统、设备及介质
Asl et al. Satisfying task completion and assist-as-needed performance in robotic exoskeletons
CN112171670B (zh) 一种康复机器人等张运动控制方法及系统
JP6297951B2 (ja) 運動推定装置
CN115157247B (zh) 一种具有平衡辅助功能的下肢外骨骼康复机器人控制方法
CN114366552B (zh) 一种上肢康复训练外骨骼控制方法及系统
CN114851171A (zh) 下肢外骨骼康复机器人步态轨迹跟踪控制方法
Faraj et al. Modeling and robust computed torque control for lower limb exoskeleton contacting with ground
Fellag et al. Robust continuous third-order finite time sliding mode controllers for exoskeleton robot
Zheng et al. An online sEMG motion classification framework for tele-operating the robotic hand
Wang et al. Control and implementation of a fluidic elastomer actuator for active suppression of hand tremor

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210611

Assignee: SHANGHAI ELECTRIC INTELLIGENT REHABILITATION MEDICAL TECHNOLOGY Co.,Ltd.

Assignor: Shanghai Electric Group Co.,Ltd.

Contract record no.: X2023310000146

Denomination of invention: A method, device, and rehabilitation robot for rehabilitation robot movement

License type: Exclusive License

Record date: 20230919

EE01 Entry into force of recordation of patent licensing contract
GR01 Patent grant
GR01 Patent grant