CN113262088A - 一种具有力反馈的多自由度混合控制假肢手及控制方法 - Google Patents

Abstract

本发明提供了一种具有力反馈的多自由度混合控制假肢手及控制方法，包括假肢手本体、肌电采集模块、混合共享控制模块、压力传感模块、驱动模块和电机，假肢手本体每个手指结构内侧位置，分别设置有压力传感模块，用以测量假肢手与物体交互时力的空间分布；肌电采集模块，用于采集假肢手本体佩戴者的肌电数据；混合共享控制模块，接收肌电数据和力信号，被配置为根据当前肌电与力反馈状态判定混合控制与肌电幅值直接控制在最终的运动输出中所占的比重，形成最终控制指令，以控制各电机的动作。本发明实时收集分析使用者的运动意图信号，并进行快速分析，完成对假肢手多自由度的灵巧运动控制。

Description

一种具有力反馈的多自由度混合控制假肢手及控制方法

技术领域

本发明属于康复机器人技术领域，具体涉及一种具有力反馈的多自由度混合控制假肢手及控制方法。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

手是人们与环境交互完成各种复杂灵巧操作任务的重要执行器官，而天生的生理性残疾、工伤、车祸、灾害等意外创伤、以及疾病造成的损伤等，都会导致手臂截肢，使患者失去了抓握物体等最基本的行为能力，严重影响患者的生活能力和生存质量。

对于手部截肢患者，佩戴假肢手是手功能代偿最直接有效的方法。假肢手是一种模仿人手完成日常操作任务的装置，其优点是可以方便地固定在患者的残肢，外观与功能都近似健康手，可以辅助患者完成抓取物体等简单操作。但是目前的假肢手价格仍非常昂贵，且装置笨重，缺乏运动过程中的力反馈，无法对多个手指进行灵活控制。

发明内容

本发明为了解决上述问题，提出了一种具有力反馈的多自由度混合控制假肢手及控制方法，本发明实时收集分析使用者的运动意图信号，并进行快速分析，完成对假肢手多自由度的灵巧运动控制。

根据一些实施例，本发明采用如下技术方案：

一种具有力反馈的多自由度混合控制假肢手，包括假肢手本体、肌电采集模块、混合共享控制模块、压力传感模块、驱动模块和电机，其中：

所述假肢手本体包括手掌平台，手掌平台上设置有若干手指结构，每个手指结构具有多个关节，每个关节由单独的电机驱动，所述电机由驱动模块进行运动控制；

每个手指结构内侧位置，分别设置有压力传感模块，用以测量假肢手与物体交互时力的空间分布；

所述肌电采集模块，用于采集假肢手本体佩戴者的肌电数据；

所述混合共享控制模块，接收肌电数据和力信号，被配置为根据当前肌电与力反馈状态判定混合控制与肌电幅值直接控制在最终的运动输出中所占的比重，形成最终控制指令，以控制各电机的动作。

作为可选择的实施方式，所述薄膜式压力传感器共有五个，成条带状，分别固定在假肢手五指的内侧指腹，由手指指尖位置延伸至到掌指关节位置。

作为可选择的实施方式，所述混合共享控制模块，被配置为接收各个手指与物体的接触力，将接触力大小与假肢手输出力量进行比较，根据力量的反馈调节控制相应电机的运动状态以及输出力量的大小，使假肢手与物体之间的交互力水平达到预设的平衡位置。

作为可选择的实施方式，所述混合共享控制模块，被配置为根据预先设定的肌电模式的阈值，控制电机完成相应的抓握动作，并实时监测并显示假肢手与抓握物体的交互力水平，当假肢手与物体的接触力到达阈值水平或运动到关节的极限位置时，调整电机的运动使假肢手保持相应的姿势和力量水平。

作为可选择的实施方式，所述驱动模块，接收控制指令，得到脉冲宽度调制信号，改变输出电压信号的占空比，从而调节相应电机的功率输出，所述驱动模块连接有电流反馈电路，用于反馈电机的电流负载。

作为可选择的实施方式，所述假肢手本体包括手掌平台，在手掌平台上的五指对应位置依次设置连接拇指掌指关节与指间关节、食指掌指关节与指间关节、中指掌指关节与指间关节、无名指掌指关节与指间关节与小指掌指关节与指间关节；假肢手拇指对应两个直流电机，分别来控制拇指掌指关节及一个指间关节，其余四指均对应三个直流电机，分别来控制掌指关节，近端指间关节和远端指间关节的运动。

作为可选择的实施方式，所述假肢手手掌平台通过掌指关节结构连接假肢手五指，掌指关节结构的主动轴配合活动的锥齿轮与固定在手掌平台上的直流电机相啮合，从动轴配合与其固定的传动直齿轮与近端指尖关节紧密配合在一起。

作为可选择的实施方式，所述假肢手的食指、中指、无名指和小指的机械结构均包括带轴近端指关节、凹槽近端指关节、传动齿轮、掌指关节传动轴，掌指关节从动轴、带轴中间指关节、凹槽中间指关节、近端指尖关节从动轴、带轴远端指尖关节、凹槽远端指尖关节、远端指间关节从动轴和两个直流电机，拇指的机械结构包括带轴近端指关节、凹槽近端指关节、传动齿轮、掌指关节从动轴、带轴远端指尖关节、凹槽远端指尖关节、指间关节从动轴和一个直流电机；同一关节的带轴结构与凹槽结构相配合，传动齿轮与关节轴面配合旋转；传动锥齿轮一侧与直流电机锥齿轮啮合，另一侧与关节从动轴啮合；关节从动轴与整个关节在结构上锁死，从而接收来自传动锥齿轮的力矩并驱动整个指节运动。

作为可选择的实施方式，当任意一个电机运动时，电机上的锥齿轮带动被驱动相应关节传动轴上的传动齿轮，传动齿轮在关节轴面上转动带动从动齿轮转动，从而使指关节转动。

当电机向前运动时，其对应指关节向内弯曲，电机向后运动时，其对应指关节向外伸展，从而通过电机运动实现指关节的独立屈曲与伸展，完成目标动作。

基于上述假肢手的控制方法，包括以下步骤：

设置力量阈值和肌电阈值参数；

根据假肢手佩戴者产生的肌电数据，逐一映射到假肢手的动作模式中，确定不同肌电激活模式的控制程度来预设运动的种类与数量；

在运动过程中，将采集到的肌电信号作为运动控制的主要信号来源，同时接收压力传感模块的力量反馈，将信号输入与已生成的预测模型进行匹配后，得到控制指令；

根据结合肌电信号的参与度，将控制指令与直接的肌电控制相结合，得到混合控制模型的结果，作为驱动假肢手的信号输出。

作为可选择的实施方式，将信号输入与已生成的预测模型进行匹配后，得到控制指令的具体过程包括：

依据历史运动任务，利用基于使用者原始意图的分割算法，基于肌电信号，获取假肢手佩戴者的操作意图，利用时序贝叶斯非参数聚类方法对操作意图进行聚类；

获取实时肌电信号，识别运动意图，利用经验随机转移矩阵编码运动过程的经验知识和动态力差异指数，确定识别的运动意图与之前聚类结果的差值，确定差值最小的动作为下一步执行动作的运动。

作为进一步的限定，对预测结果进行归一化处理，使其成为概率，该概率p作为假肢手自动控制所占的权重，而佩戴者仅凭借肌电激活水平控制假肢手的动作的权重为1-p；

当反馈力与预测结果的相差超过设定阈值时，将假肢手的控制完全地赋予仅凭借肌电激活水平控制假肢手。

作为可选择的实施方式，在运动控制过程中，获取驱动模块中的电流反馈信号，根据电流反馈信号进行电机打嗝控制，以防止电机烧毁。

与现有技术相比，本发明的有益效果为：

本发明能为手部截肢患者提供在日常生活的灵活手功能代偿，假肢手十四个关节均可进行独立控制或是协调运动；

本发明通过设置假肢手拇指、食指、中指、无名指、小指的机械单元，且拇指机械单元配备两个电机，其余四指机械单元均配置了三个电机，实现各手指关节能独立进行运动；

本发明设置压力传感器辅助假肢手控制，采集各手指内侧受力情况，提高抓握时动作的灵活性与协调性，提高假肢手的性能；

本发明根据采集到的肌电信号作为运动控制的主要信号来源，同时检测薄膜式压力传感器的力量反馈，将信号输入与已生成的预测模型进行匹配后，得到自动控制的命令，即根据结合肌电信号的参与度，再将自动控制的命令与直接的肌电控制相结合，得到混合控制模型的结果，作为驱动假肢手的信号输出，这种方式能够根据假肢手的状态和使用者意图，综合控制假肢手，保证控制指令的正确性。

本发明在运动过程中由于抓握物体的阻碍或是运动到关节极限角度造成的电机堵转，将通过电机驱动模块中的电流反馈进行检测，并使用打嗝控制防止电机烧毁。本发明当反馈力与预测结果的相差过大时，将假肢手的控制完全地赋予使用者，保证假肢手的安全性。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

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

图1为本实施例的假肢手的系统框图；

图2为本实施例的假肢手的整体结构；

图3为本实施例的假肢手指关节结构示意图；

图4为本实施例的压力反馈与混合控制的关系流程图；

图5为本实施例的子运动向下一个子运动传递的马尔可夫链图；

图6为本实施例的混合共享控制逻辑控制器框图；

其中，1为手掌平台，2为假肢手拇指，3为假肢手食指，4为假肢手中指，5为假肢手无名指，6为假肢手小指，7为直流电机，8为主动齿轮，9为传动齿轮，10为关节从动轴，11为带轴指间关节，12为凹槽指间关节，13为掌指关节传动轴，14为带轴指尖关节，15为凹槽指尖关节。

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，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明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发明的示例性实施方式。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，也可以是一体地连接或可拆卸连接；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。

参照图1，本发明所设计假肢手，包括肌电采集设备，混合控制系统，电机驱动模块，直流电机，机械假肢手本体和薄膜式压力传感器。

肌电采集设备选用现有的表面肌电电极即可。由于假肢手佩戴者多为手部截肢患者，因此需要根据患者的残肢肌肉水平选择电极安装的位置。在本实施例中，可以选择使用独立的表面肌电电极安装在特定浅表肌肉的位置或是使用肌电采集臂环。

假肢手训练与分类模型训练任务为通过佩戴者所能产生的肌电激活模式驱动假肢手完成所有预设的动作。对运动过程中不同阶段动作的肌电的力反馈信号进行聚类，形成一个子运动的类，在实际操作时将实时的信号输入与类中存储的子运动进行匹配，实现自动控制。再根据输入信号与其对应类的误差来动态平衡自动控制与肌电直接控制的权重，实现混合共享控制。

在运动开始阶段，由于使用者动作刚刚激活，也缺乏本次运动的历史姿态信息，匹配的模板误差较大。因此相应的混合控制模型会将权重更多地甚至是完全分配给肌电直接控制通道。当运动结束时，肌电激活信号基本消失，不需要执行下一个子运动，无论是从自动控制匹配的角度，还是完全肌电控制的角度，假肢手都会马上停止运动。

参照图2，假肢手包括手掌平台1，假肢手拇指2，假肢手食指3，假肢手中指4，假肢手无名指5，假肢手小指6，直流电机7及其传动轴与齿轮组。

假肢手手掌平台通过掌指关节结构连接假肢手五指。其中主动轴配合活动的锥齿轮与固定在手掌平台上的直流电机相啮合，从动轴配合与其固定的传动直齿轮与近端指尖关节紧密配合在一起。

假肢手食指3，假肢手中指4、假肢手无名指5和假肢手小指6的机械结构包括带轴近端指关节、凹槽近端指关节、传动齿轮、掌指关节传动轴，掌指关节从动轴、带轴中间指关节、凹槽中间指关节、近端指尖关节从动轴、带轴远端指尖关节、凹槽远端指尖关节、远端指间关节从动轴和两个直流电机，拇指的机械结构包括带轴近端指关节、凹槽近端指关节、传动齿轮、掌指关节从动轴、带轴远端指尖关节、凹槽远端指尖关节、指间关节从动轴和一个直流电机。

同一关节的带轴结构与凹槽结构相配合，传动齿轮与关节轴面配合旋转；传动锥齿轮一侧与直流电机锥齿轮啮合，另一侧与关节从动轴啮合；关节从动轴与整个关节在结构上锁死，从而接收来自传动锥齿轮的力矩并驱动整个指节运动。

被驱动的指节内所固定的直流电机传动系统驱动更远端的一级指节，即手掌平台内直流电机驱动近端指关节，近端指关节内直流电机驱动中间指关节，中间指关节内直流电机驱动远端指关节，远端指关节内不安装电机。

当任意一个直流电机向前运动时，电机上的锥齿轮带动被驱动关节传动轴上的传动齿轮，传动齿轮在关节轴面上转动带动从动齿轮转动，从动齿轮与其所在轴为一体打印并与整个关节在结构上锁死，从而使指关节转动。由此当直流电机向前运动时，其对应指关节向内弯曲，直流电机向后运动时，其对应指关节向外伸展，从而通过直流电机运动实现指关节的独立屈曲与伸展，完成目标动作。

本实施例中，直流电机采用双线直流电机，电机引出的两根线只是接在电机驱动模块的正负极上。电机的运动控制完全交由电机驱动模块以及上位机来完成。

如图2所示，掌指关节的5个直流电机通过手掌平台1中的固定结构固定在手掌的内侧，其余9个指尖关节的直流电机固定在指尖关节内的相似结构中。

5个薄膜式压力传感器为条带状，分别固定在五指的内侧由指尖到掌指关节，以测量抓握时手与物体之间的力的交互。

参照图3，手掌平台1，假肢手拇指2，直流电机7，主动齿轮8，传动齿轮9，关节从动轴10，带轴指间关节11，凹槽指间关节12，掌指关节传动轴13，带轴指尖关节14，凹槽指尖关节15。假肢手食指3，假肢手中指4，假肢手无名指5，假肢手小指6结构完全一致，拇指的指间关节与指尖关节与其余四指结构完全一致。

假肢手指间关节均由带轴指间关节11和凹槽指间关节12组合而成，关节内置有一个直流电机用以驱动下一级关节运动。指尖关节由带轴指尖关节14和凹槽指尖关节15组合而成。以图中假肢手食指为例，指间关节通过关节从动轴10与手掌平台1嵌合，同时指间关节与关节从动轴锁死。其余关节的设计也是如此。当直流电机7工作时，主动齿轮8带动传动齿轮9运动，再将力矩传递到关节从动轴10上，从动轴与指间关节锁死，最终由关节从动轴10驱动整个指间关节，实现关节的旋转运动。

在控制方面，实时采集各个手指与物体的接触力，将传感器测得的力量数据与假肢手输出力量进行比较，根据力量的反馈调节控制每个独立直流电机的运动状态以及输出力量的大小，最终实现假肢手与物体之间的交互力水平达到预设的平衡位置。

根据预先设定的肌电的阈值，启动直流电机完成特定的抓握动作，并实时监测并显示假肢手与抓握物体的交互力水平。当假肢手与物体的接触力到达阈值水平或运动到关节的极限位置时，调整直流电机的运动使假肢手保持这种姿势和力量水平。

利用混合共享控制模型，采集肌电数据以及假肢手力反馈信号输入混合控制器，模型给出相应的动作预测。结合当前肌电与力反馈状态判定混合控制与肌电幅值直接控制在最终的运动输出中所占的比重，在特殊情况下将控制权完全交由使用者，输出控制值给直流电机的脉冲宽度调制。

具体的，参照图4，由力反馈和肌电信号输入相结合的混合共享控制输出如公式(1)所示。

其中p*代表对混合控制所得的预测结果进行归一化后的有效概率，即假肢手自动控制U_a所占的权重。因此，使用者手动控制模式U_h所占权重则为1-p^*。当动态力偏移ΔF_i,k高于我们的阈值水平ΔF_s时，我们将假肢手的控制权限完全交予使用者，即U_h下使用者仅凭借肌电激活水平控制假肢手的动作，最终输出的融合控制指令为U_b，如公式(13)。

图5为子运动之间转换关系的马尔可夫链图。通过对早期训练数据的聚类得到的聚类结果为Z，Z中的元素数量为n，即训练数据聚类得到了n个子运动。并且本发明使用的时序贝叶斯非参数聚类将子运动按时间序列进行排列。由于运动任务的实现依赖于子运动在时间序列中的依次实现，因此将每一个子运动传递到下一个子运动的概率初始化为q，传递到其余子运动(包括自身)的概率我们简单初始化为(1-q)/(n-1)。

对于直流电机，本发明采用自动控制与使用者主动控制结合的混合共享控制。图6为混合共享控制逻辑控制器框图。自动控制在控制各类机器的应用可以达到极高的控制精度以及效率，但是由于安全可靠方面的顾虑，机械假肢手的控制中很少引入自动控制的理念。本发明使用自动控制与使用者主动控制结合的混合共享控制(Blended SharedControl，BSC)，来提供动作执行过程中的智能辅助以提高操作性能。

本发明中采用了两种算法来进行任务学习，即基于使用者原始意图的分割算法(Operator Primitive-based Segmentation，OPbS)和时序贝叶斯非参数聚类(BayesianNonparametric Clustering With Temporal Ordering，BNPC/TO)。

OPbS用来捕捉使用者操作意图。当使用者将一个完整的运动动作逐步完成时，OPbS对使用者每一小步的操作意图进行分割，并且识别每一个小步骤的运动意图。然后，我们使用BNPC/TO方法对运动意图进行聚类。由于不同使用者的操作习惯不尽相同，BNPC/TO在聚类时不对类别的数量进行限制。聚类完成后的结果，就可以认为是不同的运动分量，即一个完整运动动作的拆分。不同于传统的贝叶斯聚类方式，在加入了时序之后可以更好的还原出动态的运动模型，因为一个完整的运动是其子运动在时间序列的组合。换言之，只有使用BNPC/TO才可以实现在正确的时间点访问其对应的子运动。

通过对历史运动任务的执行经验结合使用者的实时控制输入，来动态地预测使用者的运动意图识别。本发明引入了经验随机转移矩阵(Empirical Stochastic TransitionMatrix，ESTM)来编码运动过程的经验知识和动态力差异指数(Dynamic Force DifferenceExponential，DFDE)来编码使用者的运动输入与之前聚类得到的每一个子动作之间的比较。

此外，为了能够合理分配自动控制与主动控制的权重，本发明还采用了具有竞争的混合共享控制(BSC)。根据使用者需求特定子动作的信心来动态调整自动控制与手动控制的在最终融合结果中的所占比重。使用者的运动信心越强，控制信号越稳定，则它在混合共享控制的方案中所占权重越大。反之，若使用者的运动信号越微弱，则自动化控制在混合共享控制的方案中所占权重越大。同时考虑到安全性，当使用者的输入偏离所有的子运动的阈值范围时，运动控制的权限则全部交由假肢手使用者。当自动控制出现未知安全问题时，价值佩戴者可以通过命令假肢手不采取任何子运动来避免危险。

使用肌电传感器采集肌电水平，并以此作为使用者输入指令的判据。我们将肌电激活水平设置为高、中、低三种情况，分别对应不同的运动意图，即肌电控制的分辨率N＝3。使用者佩戴假肢手时可根据残肢中剩余功能肌肉的数目以及激活情况灵活地选择肌电传感器数量以及肌电控制的分辨率，在保证准确率的情况下实现尽可能多的运动自由度。

本发明中设计的灵巧假肢手具有14个相互独立的关节，可以独立驱动任意一个关节，可以满足所有的使用者对于假肢手自由度的要求且有足够冗余。我们将使用者对于关节j(j∈{1，2,…,14})的真实意图定义为I_j。I_j的取值范围取决于我们之前预设的肌电分辨率N与肌电电极的数量，在这里我们指定N＝3，并使用K-means的聚类方法将肌电激活水平归于三类(高，中，低)。对于每一个关节j的每一种肌电激活模式N的聚类算法C_j,w，w∈{1，2，3}，如公式(2)所示

其中x_j(t)为关节运动状态关于时间t的函数。对关节运动状态进行初始化之后，我们需要使用Lloyd算法对聚类进行重复的迭代，如公式(3)

聚类迭代完成后，我们通过聚类的结果分配更新肌电激活模式的范围，计算方式如公式(4)

其中1(ω)为指示函数，作为门控将x_j分配到不同的类中，而η则代表该类中的元素个数。重复以上步骤进行聚类的迭代，直至聚类结果的均值逐渐收敛。从中我们找到使用者运动意图I改变的数据点，这些数据点编码了运动下一步的目标走向。

传统的BNPC只是用于将不同种类的标签数据进行聚类，而不需要考虑其时间属性。但是在假肢手的抓握过程中，只有将动作有序地组合起来才能够完成一次完整地动作，因此我们需要在BNPC中同时编码时间信息。在聚类的时候，我们将类中地元素按照时序进行排列，也就是从该类中时间戳最早的一点向后顺序排列。我们数据点x_i将经过BNPC时序聚类后的结果记作Z_i，则对于任意的x_i存在标签z_i＝l的概率表示为P(z_i＝l|z_-i,φl)，关系式如(5)所示，其中l代表x_i实际对应的类的标签。

P(z_i＝l|z_-i,φl)∝P(z_i|z_-i)P(x_i|φl) (5)

其中z_-i是除去x_i之外所有数据点的分类结果，φl是关于基础分布的参数。根据Chinese Restaurant Process(CPR)算法对有限的数据进行不限类数的聚类，我们可以得到P(z_i|z_-i)如公式(6)所示。

其中n是聚类结果l这个类中个体的数量，而α则代表集中度，也就是在最终的结果中类体的数目。当个体来自于现有的类时，应用第一行的概率分布，当个体需要创建一个新的类时，应用第二行的概率分布。通过假设该基础分布符合均值为零以及单位方差高斯分布的模型，则P(x_i|φl)可由公式(7)得出。

其中

是l类别中所有数据点的均值。同样的，当个体来自于现有的类时，应用第一行的概率分布，当个体需要创建一个新的类时，应用第二行的概率分布。

为了预测使用者的运动意图，本发明结合了运动的经验性知识以及使用者的实时操作输入来综合判断。最终的预测结果是动态权衡二者所作出的决策，如图(4)所示。

H代表历史访问的聚类结果，也就是上一个被执行的子运动；F代表当前假肢手的接触力反馈，V代表当前关节运动速度，T代表融合控制模型的预测结果。我们将当前的位置与速度信息都纳入了决策的考量范围是为了让运动过程更加的平稳。P(T|H)代表当上一个执行的子运动是H时，下一个运动是G的条件概率，而P(T|S,V)则代表在当前的速度与位置情况下，下一个子运动是T的条件概率。也就是说在给定条件H，S，V的情况下，我们预测下一个子运动是T的概率可以由公式(8)来表示。

P(T|H,S,V)∝P(T|H)P(T|S,V) (8)

为了编码运动分量之间转换的经验知识，本发明采用了构造马尔可夫链的形式表示子动作之间的转换关系，如图(5)。因此具有n个动作分量的任务可以由n状态的马尔可夫链进行建模。图(5)显示了子运动之间的可能过渡关系，我们将第i个子运动向第i+1个子运动传递的概率记为q(0≤q≤1)，为了减少计算的复杂度，其余n-1个(包括自身)子运动传递的概率均为(1-q)/(n-1)。因为子运动顺序标签是按照时间顺序聚类的结果，因此q也表示了该时序排列的可信度。所以我们得到了以下的基于经验的随机转移矩阵ESTM(9)。

我们定义E_ij为随机转移矩阵E第i行第j列的元素，也就意味着代表当历史运动状态为子运动i时，下一个子动作为j的概率，即P(T|H)。

为了将预测，动态力监控以及使用者操作信号实时输入到预测模板中，本发明引入了动态力偏移ΔF的概念。我们对抓握物体时的力量水平做出一个预先的设定，使假肢手稳定抓握时接触力维持在一定范围内。不同的抓握子动作在进行训练时所记录的抓握力大小与分布各异，位置分布主要与关节的运动姿态有关，而力量水平则是关节与物体交互所带来的。因此假肢手在当前动作下，最有可能执行的下一个子动作即是动态力偏移最小的子动作，即到达下一个子动作的概率与ΔF成反比，如公式(10)。

但是当动态力偏移接近为零时，1/ΔF就会接近于奇点，使得自动控制在决策中的影响趋近于无穷。因此我们引入了动态力差异指数DFDE,对其做一个指数变化，如公式(11)。

P(T|F,S)＝e^-ΔFΔF_j,l＝|F_j,l-Ref_j,l| (11)

其中F_j,l与Ref_j,l分别代表第j个关节在聚类结果为l时的反馈力与参考力，ΔF即为二者差的绝对值。

由此，结合历史运动状态，当前操作指令以及反馈力水平的动作预测结果如公式(12)所示。这是对假肢手下一步动作所有可能性的预测，通过这个定性的关系，我们可以找到在已知子运动中最有可能成为下一步执行动作的子运动，从而做出预测，如公式(13)

公式(13)给出的预测时挑选出当下最有可能的一个子目标来作为下一步最有可能被执行的动作。然而存在一种情况，即前期的训练并没有归类出所有使用者可能采用的子动作，因而使用者在运动过程中不想采纳自动控制中的任何一个子动作。这对于假肢手使用过程中的安全性能至关重要，在遇到特殊情况或者紧急避险时，假肢使用者需要完全控制假肢手的运动。

为解决上述问题，本发明先对混合控制所得的预测结果进行归一化，使其成为有效的概率，如公式(14)。

虽然p^*中包含了对使用者意图的信号输入，但其结果必然落入聚类结果的某个类中，因此我们不能将其作为最终的融合控制结果。我们将归一化的预测概率p^*作为假肢手自动控制U_a所占的权重，则使用者手动控制模式U_h所占权重则为1-p^*。当动态力偏移高于我们的阈值水平时，我们将假肢手的控制权限完全交予使用者，即U_h下使用者仅凭借肌电激活水平控制假肢手的动作，最终输出的融合控制指令为U_b，如公式(1)。

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

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 (10)

1.一种具有力反馈的多自由度混合控制假肢手，其特征是：包括假肢手本体、肌电采集模块、混合共享控制模块、压力传感模块、驱动模块和电机，其中：

所述假肢手本体包括手掌平台，手掌平台上设置有若干手指结构，每个手指结构具有多个关节，每个关节由单独的电机驱动，所述电机由驱动模块进行运动控制；

每个手指结构内侧位置，分别设置有压力传感模块，用以测量假肢手与物体交互时力的空间分布；

所述肌电采集模块，用于采集假肢手本体佩戴者的肌电数据；

所述混合共享控制模块，接收肌电数据和力信号，被配置为根据当前肌电与力反馈状态判定混合控制与肌电幅值直接控制在最终的运动输出中所占的比重，形成最终控制指令，以控制各电机的动作。

2.如权利要求1所述的一种具有力反馈的多自由度混合控制假肢手，其特征是：所述薄膜式压力传感器共有五个，成条带状，分别固定在假肢手五指的内侧指腹，由手指指尖位置延伸至到掌指关节位置。

3.如权利要求1所述的一种具有力反馈的多自由度混合控制假肢手，其特征是：所述混合共享控制模块，被配置为接收各个手指与物体的接触力，将接触力大小与假肢手输出力量进行比较，根据力量的反馈调节控制相应电机的运动状态以及输出力量的大小，使假肢手与物体之间的交互力水平达到预设的平衡位置；

或，所述混合共享控制模块，被配置为根据预先设定的肌电模式的阈值，控制电机完成相应的抓握动作，并实时监测并显示假肢手与抓握物体的交互力水平，当假肢手与物体的接触力到达阈值水平或运动到关节的极限位置时，调整电机的运动使假肢手保持相应的姿势和力量水平。

4.如权利要求1所述的一种具有力反馈的多自由度混合控制假肢手，其特征是：所述驱动模块，接收控制指令，得到脉冲宽度调制信号，改变输出电压信号的占空比，从而调节相应电机的功率输出，所述驱动模块连接有电流反馈电路，用于反馈电机的电流负载。

5.如权利要求1所述的一种具有力反馈的多自由度混合控制假肢手，其特征是：所述假肢手本体包括手掌平台，在手掌平台上的五指对应位置依次设置连接拇指掌指关节与指间关节、食指掌指关节与指间关节、中指掌指关节与指间关节、无名指掌指关节与指间关节与小指掌指关节与指间关节；假肢手拇指对应两个直流电机，分别来控制拇指掌指关节及一个指间关节，其余四指均对应三个直流电机，分别来控制掌指关节，近端指间关节和远端指间关节的运动。

6.如权利要求1所述的一种具有力反馈的多自由度混合控制假肢手，其特征是：所述假肢手手掌平台通过掌指关节结构连接假肢手五指，掌指关节结构的主动轴配合活动的锥齿轮与固定在手掌平台上的直流电机相啮合，从动轴配合与其固定的传动直齿轮与近端指尖关节紧密配合在一起。

7.如权利要求6所述的一种具有力反馈的多自由度混合控制假肢手，其特征是：所述假肢手的食指、中指、无名指和小指的机械结构均包括带轴近端指关节、凹槽近端指关节、传动齿轮、掌指关节传动轴，掌指关节从动轴、带轴中间指关节、凹槽中间指关节、近端指尖关节从动轴、带轴远端指尖关节、凹槽远端指尖关节、远端指间关节从动轴和两个直流电机，拇指的机械结构包括带轴近端指关节、凹槽近端指关节、传动齿轮、掌指关节从动轴、带轴远端指尖关节、凹槽远端指尖关节、指间关节从动轴和一个直流电机；同一关节的带轴结构与凹槽结构相配合，传动齿轮与关节轴面配合旋转；传动锥齿轮一侧与直流电机锥齿轮啮合，另一侧与关节从动轴啮合；关节从动轴与整个关节在结构上锁死，从而接收来自传动锥齿轮的力矩并驱动整个指节运动。

8.基于权利要求1-7中任一项所述的假肢手的控制方法，其特征是：包括以下步骤：

设置力量阈值和肌电阈值参数；

根据假肢手佩戴者产生的肌电数据，逐一映射到假肢手的动作模式中，确定不同肌电激活模式的控制程度来预设运动的种类与数量；

在运动过程中，将采集到的肌电信号作为运动控制的主要信号来源，同时接收压力传感模块的力量反馈，将信号输入与已生成的预测模型进行匹配后，得到控制指令；

根据结合肌电信号的参与度，将控制指令与直接的肌电控制相结合，得到混合控制模型的结果，作为驱动假肢手的信号输出。

9.如权利要求8所述的控制方法，其特征是：将信号输入与已生成的预测模型进行匹配后，得到控制指令的具体过程包括：

依据历史运动任务，利用基于使用者原始意图的分割算法，基于肌电信号，获取假肢手佩戴者的操作意图，利用时序贝叶斯非参数聚类方法对操作意图进行聚类；

获取实时肌电信号，识别运动意图，利用经验随机转移矩阵编码运动过程的经验知识和动态力差异指数，确定识别的运动意图与之前聚类结果的差值，确定差值最小的动作为下一步执行动作的运动；

或进一步的，对预测结果进行归一化处理，使其成为概率，该概率p作为假肢手自动控制所占的权重，而佩戴者仅凭借肌电激活水平控制假肢手的动作的权重为1-p；

当反馈力与预测结果的相差超过设定阈值时，将假肢手的控制完全地赋予仅凭借肌电激活水平控制假肢手。

10.如权利要求8或9所述的控制方法，其特征是：在运动控制过程中，获取驱动模块中的电流反馈信号，根据电流反馈信号进行电机打嗝控制，以防止电机烧毁。

Images