CN114569410A - 康复机器人训练模式的控制方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种康复机器人训练模式的控制方法、装置及存储介质，涉及智能设备领域，其中，该方法包括：获取在机器人上预设的初始运动参数和预设力参数，并控制机器人按初始运动参数和预设力参数进行运动；通过信号采集模块获取当前使用机器人进行运动的用户的状态数据，根据状态数据确定机器人当前的运动变化量；根据初始运动参数以及运动变化量，确定机器人的当前运动参数；控制机器人按当前运动参数和预设力参数进行运动。通过本发明，解决了相关技术中机器人无法自适应性地调整训练模式的问题，进而达到了提高康复机器人康复训练的适应性和用户参与的积极性。

Description

康复机器人训练模式的控制方法、装置及存储介质

技术领域

本发明实施例涉及智能设备领域，具体而言，涉及一种康复机器人训练模式的控制方法、装置及存储介质。

背景技术

相关领域中，随着智能设备的普及，人们将智能设备应用到越来越多的领域，比如可以通过智能穿戴设备采集用户的状态数据，并根据采集到的用户状态数据对智能设备的参数进行调整，例如，在康复器械领域中的康复机器人，可以通过康复机器人带动用户进行被动训练和主动训练。

被动训练模式一般是指具有动力输出的康复机器人通过穿戴配件带动用户进行具有固定规律的运动，且此过程中用户的运动所需动力主要由机器人提供，此模式主要针对无法抵抗自身重力（包含肢体重力）进行主动运动的用户。主动训练模式可大致分为为助力训练和抗阻训练，助力训练可描述为针对可抵抗部分自重进行主动运动的用户，在用户无法完成一定目标的康复训练时，由康复机器人提供助力辅助用户进行运动完成训练，抗阻训练是在用户可抵抗重力进行随意运动需要进一步抵抗外界阻力进行运动功能恢复的情况下使用的训练模式。

现有的机器人，需要用户的治疗者或者看护者实时监测用户运动情况，并人工调整训练模式，但是治疗者无法实时对用户的运动功能进行评估和监测，而看护者则不具备监测并调整训练参数的能力。因此，会导致机器人无法实时的根据用户的状态准确的调整训练参数，以控制机器人切换不同的训练模式。

针对相关技术中存在的上述问题，目前尚未提出实际有效的解决方案。

发明内容

本发明实施例提供了一种康复机器人训练模式的控制方法、装置及存储介质，以至少解决相关技术中康复训练机器人无法准确的调整训练模式的问题。

根据本发明的一个实施例，提供了一种康复机器人训练模式的控制方法，包括：获取在机器人上预设的初始运动参数和预设力参数，并控制所述机器人按所述初始运动参数和所述预设力参数进行运动；通过信号采集模块获取当前使用所述机器人进行运动的用户的状态数据，根据所述状态数据确定所述机器人当前的运动变化量；根据所述初始运动参数以及所述运动变化量，确定所述机器人的当前运动参数；控制所述机器人按所述当前运动参数和所述预设力参数进行运动。

可选地，所述根据所述初始运动参数以及所述运动变化量，得到所述机器人的当前运动参数，包括：将所述运动变化量与所述初始运动参数叠加，得到所述当前运动参数。

可选地，所述控制所述机器人按所述当前运动参数和所述预设力参数进行运动，包括：在所述当前运动参数，等于所述初始运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第一模式，其中，在所述第一模式下，所述机器人通过所述预设力参数所指示的第一力矩带动所述用户运动；在所述当前运动参数，大于所述状态数据中用户运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第二模式，其中，在所述第二模式下，所述机器人通过所述预设力参数所指示的第二力矩辅助所述用户运动；在所述当前运动参数，小于所述状态数据中用户运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第三模式，其中，在所述第三模式下，所述机器人通过所述预设力参数所指示的第三力矩阻碍所述用户运动。

可选地，所述获取在机器人上预设的初始运动参数，包括：获取所述机器人预设的起始位置和当前位置；根据预设的加速度，预设的最小速度和预设的最大速度，确定加速段距离，减速段距离和匀速段距离；根据所述当前位置，与所述起始位置，所述加速段距离，所述减速段距离和所述匀速段距离之间的大小关系，确定所述机器人的预设运动速度，其中，所述初始运动参数包括所述预设运动速度。

可选地，所述根据所述当前位置，与所述起始位置，所述加速段距离，所述减速段距离和所述匀速段距离之间的大小关系，确定所述机器人的预设运动速度，包括：在所述当前位置小于所述起始位置的情况下，确定所述预设运动速度为所述最小速度；在所述当前位置大于所述起始位置，且小于起始位置与所述加速段距离之和的情况下，确定所述预设运动速度为第一速度；在所述当前位置大于所述起始位置与所述加速段距离之和，且小于所述起始位置与所述加速段距离、所述匀速段距离之和的情况下，确定所述预设运动速度为最大速度；在所述当前位置大于所述起始位置与所述加速段距离、所述匀速段距离之和，且小于所述起始位置与所述加速段距离、所述匀速段距离、所述减速段距离之和的情况下，确定所述预设运动速度为第二速度；在所述当前位置大于所述起始位置与所述加速段距离、所述匀速段距离、所述减速段距离之和的情况下，确定所述预设运动速度为第三速度。

可选地，所述根据所述状态数据确定所述机器人当前的运动变化量，包括：在前一次对所述机器人的训练模式调整周期中，获取所述状态数据中所述用户产生的目标力矩；根据所述目标力矩，确定前一次对所述机器人的训练模式调整周期中所述机器人的第一加速度；根据所述第一加速度，确定所述运动变化量。

可选地，所述根据所述目标力矩，确定前一次对所述机器人的训练模式调整周期中所述机器人的第一加速度，包括：获取在前一次对所述机器人的所述训练模式调整周期中，所述机器人的第一速度和目标位置；根据所述目标力矩，所述第一速度、所述目标位置和预设的初始位置，确定在前一训练模式调整周期中所述机器人的所述第一加速度。

可选地，所述根据所述第一加速度，确定所述运动变化量，包括：将所述第一加速度与预设时长相乘得到的乘积值，确定为所述运动变化量，其中，所述预设时长为所述训练模式调整周期的时长。

可选地，所述获取在机器人上预设的初始运动参数，包括：获取预设的训练目标参数；将所述训练目标参数转化为所述机器人可执行的所述初始运动参数。

根据本发明的另一个实施例，提供了一种康复机器人训练模式的控制装置，包括：获取模块，用于获取在机器人上预设的初始运动参数和预设力参数，并控制所述机器人按所述初始运动参数和所述预设力参数进行运动；确定模块，用于通过信号采集模块获取当前使用所述机器人进行运动的用户的状态数据，根据所述状态数据确定所述机器人当前的运动变化量；评估模块，用于根据所述初始运动参数以及所述运动变化量，确定所述机器人的当前运动参数；控制模块，用于控制所述机器人按所述当前运动参数和所述预设力参数进行运动。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，由于通过获取机器人上的预设初始运动参数和预设力参数，并控制所述机器人按初始运动参数和预设力参数进行运动，同时，通过信号采集模块获取当前使用机器人进行运动的用户的状态数据，可以根据用户的状态数据确定机器人当前的运动变化量，根据当前的运动变化量和初始运动参数确定机器人当前的运动参数。通过预设的初始运动参数和预设力参数控制机器人运动，结合用户当前的状态数据确定的运动变化量确定机器人的当前运动参数，并控制机器人使用当前运动参数进行运动。可以解决机器人无法实时的根据用户的状态自适应地调整训练参数的问题，提高了机器人康复训练的适应性和用户参与的积极性。

附图说明

图1是根据本发明实施例的一种康复机器人训练模式的控制方法的移动终端硬件结构框图；

图2是根据本发明实施例的康复机器人训练模式的控制方法流程图；

图3是根据本发明实施例的一种可选的实现自适应训练模式的整体框图；

图4是根据本发明实施例的一种可选的自适应训练模式的流程图；

图5是根据本发明实施例的一种可选的上肢康复机器人的自适应训练模式的整体框图；

图6是根据本发明实施例的康复机器人训练模式的控制装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明的实施例。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种康复机器人训练模式的控制方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的康复机器人训练模式的控制方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种运行于上述移动终端或网络架构的康复机器人训练模式的控制方法，图2是根据本发明实施例的康复机器人训练模式的控制方法的流程图，如图2所示，该流程包括如下步骤：

步骤S202，获取在机器人上预设的初始运动参数和预设力参数，并控制所述机器人按所述初始运动参数和所述预设力参数进行运动；

其中，机器人可以是用于上肢康复训练的机器人设备，或者是用于其他部位的智能康复训练机器人，预设的初始运动参数可以是预设的康复训练目标参数，比如可以是预设的位置参数，也可以是机器人可执行的固定的速度参数、加速度参数等等，此处对预设的初始运动参数不做限制，可以根据运动的类型和模式确定，预设力参数可以是预设的康复训练机器人作用于用户的力矩参数，比如，可以控制康复训练机器人按预设的力矩参数和初始的速度参数进行运动。

步骤S204，通过信号采集模块获取当前使用所述机器人进行运动的用户的状态数据，根据所述状态数据确定所述机器人当前的运动变化量；

其中，信号采集模块用于采集用户的状态数据，例如输入力/力矩，位置、角度等，或者是生理信息（例如肌电信号、脑电信号、人体运动图像、眼动信息），并传递给信号识别模块进行初步处理。状态数据可以是可量化计算的传感器数据，可以根据可量化计算的传感器数据和初始运动参数，识别用户当前的运动意图，并通过模型，比如力学模型、机器学习模型、骨骼行为模型、眼动模型等，将当前用户运动意图解释为相对应的运动变化量（改变目标力、目标速度、目标位置或目标轨迹），传递给运动评估模块进行执行模块的统一控制。根据状态数据确定机器人当前的运动变化量，运动变化量可以是机器人的速度变化量，也可以是位置变化量、力变化量，或者是轨迹变化量等等，此处对运动变化量不做限制，可以根据实际情况确定具体的运动变化量。

步骤S206，根据所述初始运动参数以及所述运动变化量，确定所述机器人的当前运动参数；

其中，初始运动参数可以是初始的速度参数，初始的位置参数等等，假设初始运动参数是初始速度参数，运动变化量可以是根据用户的状态数据确定的速度变化量，当前运动参数可以是当前的速度参数，可以通过初始的速度参数和速度变化量，确定机器人当前的速度参数；

步骤S208，控制所述机器人按所述当前运动参数和所述预设力参数进行运动。

其中，当前运动参数可以是当前速度参数，当前位置参数，当前轨迹参数等等，假设当前运动参数是当前速度参数，预设力参数可以是力矩参数，可以控制机器人按当前速度参数和力矩参数进行运动。

可选地，上述步骤的执行主体可以是后台处理器，或者其他的具备类似处理能力的设备，还可以是至少集成有图像获取设备以及数据处理设备的机器，其中，图像获取设备可以包括摄像头等图形采集模块，数据处理设备可以包括计算机、手机等终端，但不限于此。

通过上述步骤，通过获取机器人上的预设初始运动参数和预设力参数，并控制所述机器人按初始运动参数和预设力参数进行运动，同时，通过信号采集模块获取当前使用机器人进行运动的用户的状态数据，可以根据用户的状态数据确定机器人当前的运动变化量，根据当前的运动变化量和初始运动参数确定机器人当前的运动参数。通过预设的初始运动参数和预设力参数控制机器人运动，结合用户当前的状态数据确定的运动变化量确定机器人的当前运动参数，并控制机器人使用当前运动参数和所述预设力参数进行运动。可以解决机器人无法实时的根据用户的状态自适应地调整训练参数的问题，提高了机器人康复训练的适应性和用户参与的积极性。

可选地，所述根据所述初始运动参数以及所述运动变化量，得到所述机器人的当前运动参数，包括：将所述运动变化量与所述初始运动参数叠加，得到所述当前运动参数。

作为一个可选的实施方式，假设运动变化量为角速度变化量，初始运动参数为机器人的初始角速度参数，在上肢康复训练时，当用户具备主动运动意图，表现为用户克服肢体自重逐渐跟上机器人的运动速度，且通过力矩传感器可感知用户向目标角度方向的施力，此时可以确定机器人的角速度运动变化量为

，假设机器人的角速度初始运动参数为

，则将角速度运动变化量与初始运动参数叠加，可以得到当前运动参数为

，需要说明的是，运动变化量包括用户与机器人的运动方向相同的运动的运动变化量，以及用户与机器人的运动方向相反的运动的运动变化量，在用户存在与机器人的运动方向相反的情况下，运动变化量为负值，在用户存在与机器人的运动方向相同的情况下，运动变化量为正值。

可选地，所述控制所述机器人按所述当前运动参数和所述预设力参数进行运动，包括：在所述当前运动参数，等于所述初始运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第一模式，其中，在所述第一模式下，所述机器人通过所述预设力参数所指示的第一力矩带动所述用户运动；在所述当前运动参数，大于所述状态数据中用户运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第二模式，其中，在所述第二模式下，所述机器人通过所述预设力参数所指示的第二力矩辅助所述用户运动；在所述当前运动参数，小于所述状态数据中用户运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第三模式，其中，在所述第三模式下，所述机器人通过所述预设力参数所指示的第三力矩阻碍所述用户运动。

作为一个可选的实施方式，假设当前运动参数为

，则在当前运动参数等于初始运动参数

的情况下，将初始运动参数中包括的运动模式调整为第一模式，机器人在第一模式下，可以通过第一预设力矩辅助用户运动，实现被动训练模式；假设状态数据中当前的用户运动参数为角速度

，在当前运动参数大于用户运动参数的情况下，即

，将初始运动参数中包括的运动模式调整为第二模式，机器人在第二模式下，可以通过第二力矩辅助用户运动，实现助力训练模式的切换。在当前运动参数小于用户运动参数的情况下，即

，将初始运动参数中包括的运动模式调整为第三模式，机器人在第三模式下，可以通过第三力矩阻碍用户运动，由此变为抗阻训练模式。

可选地，所述获取在机器人上预设的运动参数，所述方法包括：获取所述机器人预设的起始位置和当前位置；根据预设的加速度，预设的最小速度和预设的最大速度，确定加速段距离，减速段距离和匀速段距离；根据所述当前位置，与所述起始位置，所述加速段距离，所述减速段距离和所述匀速段距离之间的大小关系，确定所述机器人的预设运动速度，其中，所述初始运动参数包括所述预设运动速度。

作为一个可选的实施方式，预设的运动参数中包括机器人的预设的起始位置和当前位置，假设起始位置为

，当前位置为

，目标位置为

，且

，假定运动过程中加速度为

、最小速度

，最大速度

，则机器人在运动过程中的加速段总时间

，减速段总时间

，由此，可得到加速段距离

，减速段距离

和匀速段距离

，可以根据当前位置和加速段距离

，减速段距离

和匀速段距离

之间的大小关系，确定机器人当前的预设运动速度，初始运动参数中包括上述预设运动参数。

可选地，所述根据所述当前位置，与所述起始位置，所述加速段距离，所述减速段距离和所述匀速段距离之间的大小关系，确定所述机器人的预设运动速度，包括：在所述当前位置小于所述起始位置的情况下，确定所述预设运动速度为所述最小速度；在所述当前位置大于所述起始位置，且小于起始位置与所述加速段距离之和的情况下，确定所述预设运动速度为第一速度；在所述当前位置大于所述起始位置与所述加速段距离之和，且小于所述起始位置与所述加速段距离、所述匀速段距离之和的情况下，确定所述预设运动速度为最大速度；在所述当前位置大于所述起始位置与所述加速段距离、所述匀速段距离之和，且小于所述起始位置与所述加速段距离、所述匀速段距离、所述减速段距离之和的情况下，确定所述预设运动速度为第二速度；在所述当前位置大于所述起始位置与所述加速段距离、所述匀速段距离、所述减速段距离之和的情况下，确定所述预设运动速度为第三速度。

作为一个可选的实施方式，假设起始位置为

，当前位置为

，目标位置为

，且

，假定运动过程中加速度为

、最小速度

，最大速度

，则机器人在运动过程中的加速段总时间

，减速段总时间

，由此，可得到加速段距离

，减速段距离

和匀速段距离

，则当前的预设运动速度

应满足如下运动规律：

若当前位置

，则

；若

，则

，若

，则；若

，则

；若

，则

；其中，

表示加速段速度规划函数，

表示减速段速度规划函数。

可选地，根据所述状态数据确定所述机器人当前的运动变化量，包括：在前一次对所述机器人的训练模式调整周期中，获取所述状态数据中所述用户产生的目标力矩；根据所述目标力矩，确定前一次对所述机器人的训练模式调整周期中所述机器人的第一加速度；根据所述第一加速度，确定所述运动变化量。

作为一个可选的实施方式，假设机器人是上肢康复训练机器人，当用户具备主动运动意图，表现为用户克服肢体自重逐渐跟上机器人的预设运动速度，且通过力矩传感器可感知用户向目标角度方向的施力为目标力矩M，假设康复机器人在每一个时长为的训练模式调整周期内完成一次初始运动参数的调整，在机器人的第n个训练模式调整周期内，可以根据第n个训练模式调整周期内的力矩M，计算得到角速度为

，接着，在第n+1个训练模式调整周期内，可以根据

确定在第n+1个调整周期内的角速度运动变化量。

可选地，所述根据所述目标力矩，确定前一次对所述机器人的训练模式调整周期中所述机器人的第一加速度，包括：获取在前一次对所述机器人的所述训练模式调整周期中，所述机器人的第一速度和目标位置；根据所述目标力矩，所述第一速度、所述目标位置和预设的初始位置，确定在前一训练模式调整周期中所述机器人的所述第一加速度。

作为一个可选的实施方式，假设机器人是上肢康复训练机器人，当用户具备主动运动意图，表现为用户克服肢体自重逐渐跟上机器人的预设运动速度

，且通过力矩传感器可感知用户向目标角度方向的施力为M（目标力矩），则可以根据导纳控制模型确定第一加速度，其中，导纳控制模型可以是：

其中，m表示虚拟质量参数，d表示虚拟阻尼参数，k表示虚拟弹性系数，

、

、

、

分别表示机器人当前角加速度（第一加速度）、角速度（第一速度）、角度（目标位置）、起始角度（预设的初始位置）。假设康复机器人在每一个时长为

的训练模式调整周期内完成一次初始运动参数的调整，假设在机器人的第n个训练模式调整周期内，通过计算得到第一加速度为：

可选地，所述根据所述第一加速度，确定所述运动变化量，包括：将所述第一加速度与预设时长相乘得到的乘积值，确定为所述运动变化量，其中，所述预设时长为所述训练模式调整周期的时长。

作为一个可选的实施方式，假设机器人是上肢康复训练机器人，根据导纳模型计算得到的第n个训练模式调整周期内中的第一加速度为

，假设运动变化量为

，则在第n+1个训练模式调整周期中的运动变化量

。

可选地，所述获取在机器人上预设的初始运动参数，包括：获取预设的训练目标参数；将所述训练目标参数转化为所述机器人可执行的所述初始运动参数。

作为一个可选的实施方式，预设的训练目标参数可以是康复机器人通过预存的训练方案和可调整的设置参数得到的训练目标参数，运动康复训练中训练目标参数可包含目标力参数、目标速度/角速度参数、目标位置参数/角度参数，或目标轨迹参数等目标量参数，可以根据训练目标参数进行机器人的运动、力规划，将单一或抽象的训练目标参数转化为康复机器人可执行的、固定的运动、力的初始运动参数。

可选地，在所述获取预设的训练目标参数之后，包括：将所述训练目标参数转换为目标信号；通过所述目标信号指示所述用户按照所述初始运动参数进行运动。

作为一个可选的实施方式，预设的训练目标参数可包含目标力参数、目标速度/角速度参数、目标位置参数/角度参数，或目标轨迹参数等目标量参数，在机器人获取到预设的训练参数之后，可以通过目标传达模块将训练目标转化为视觉信号、听觉信号或触觉信号指示用户进行训练。

作为一个可选的实施方式，本发明提出一种自适应训练模式，将被动训练模式，助力训练模式和抗阻训练模式进行了结合，并给出了清晰的训练条件界定和训练目标的定义：

1）首先，康复机器人将操作者设定的康复训练目标解释为可执行的运动、力目标，在训练目标的引导下，若用户无法主动达到或无法按目标引导达到由训练目标解释的运动、力目标（例如；达到某一特定速度或抵抗某一特定阻力），机器人将进入被动训练模式，机器人将按固定的运动、力辅助用户达到训练目标；

2）此过程中，康复机器人将实时感知用户的运动意图，例如，若用户逐渐跟上并超过运动、力目标或有能被监测到的其它运动意图（例如，用户的肌电、脑电或眼动信息）时，机器人将根据用户运动意图的强、弱、对、错进行计算转化为当前康复机器人运动、力的变化量；

3）接着，根据用户运动意图得到的运动、力的变化量和原始的运动、力目标量进行融合产生新的运动、力目标；此时，若用户无法达到新的运动、力目标，则机器人将根据新的运动、力目标按一定的运动、力辅助用户进行运动由此切换为助力训练模式；若用户能达到并超过新的运动、力目标，则机器人将根据按一定的运动、力阻碍用户超过新的运动、力目标，从而切换为抗阻训练模式。

作为一个可选的实施方式，如图3所示为康复机器人实现自适应训练模式的具体功能模块和各模块间关系，

（1）训练目标设计模块：由康复机器人操作者通过预存的训练方案和可调整的设置参数进行训练目标的设计，运动康复训练中训练目标可包含目标力、目标速度/角速度、目标位置/角度或目标轨迹等目标量；

（2）目标传达模块：将训练目标转化为视觉信号、听觉信号或触觉信号引导用户进行训练；

（3）运动、力规划模块：根据训练目标进行机器人的运动、力规划，将单一或抽象的训练目标转化为康复机器人可执行的、固定的运动、力的目标量；

（4）运动意图评估模块：根据可量化计算的传感器数据和通过运动、力规划模块得到的运动、力目标，识别用户当前的运动意图，并通过模型（力学模型、机器学习模型、骨骼行为模型、眼动模型等）将当前用户运动意图解释为相对应的运动变化量（改变目标力、目标速度、目标位置或目标轨迹），传递给运动评估模块进行执行模块的统一控制；

（5）运动、力评估模块：结合原始的运动、力目标量和通过运动意图评估模块得到的运动变化量进行融合产生新的运动、力目标，再根据当前用户的运动、力状态进行评估：若用户未达到新的运动、力目标则按一定的运动、力辅助用户运动；若用户达到并超过新的运动、力目标则按一定的运动、力阻碍用户运动；根据评估出的运动、力给运动执行模块传达的运动、力控制信号；

（6）运动执行模块：根据运动控制信号，通过包含运动控制器（例如PID控制器）和电流采集、控制模块的电机驱动器控制电机（例如直流电机或交流电机）对用户进行动力输出；

（7）信号识别模块：主要作用是将传感器得到的数据根据信号处理方式（例如降噪、滤波）和信号量化方法（例如力传感器的标定）进行初步计算得到可直接输入相关运动意图识别模型进行计算的标准输入参数；

（8）运动及生理信号采集模块：通过传感器采集用户的运动（例如输入力/力矩，位置、角度等）或生理信息（例如肌电信号、脑电信号、人体运动图像、眼动信息）传递给信号识别模块进行初步处理。

以上内容详述了康复机器人实现自适应训练模式的主要功能模块和具体模块的可能技术方案。图3主要说明了被动训练模式和助力训练模式的结合，为了更好的说明助力训练模式和抗阻训练模式的结合，可以通过图4中的流程图进行说明，如图3中的运动、力评估模块需要三个输入信息：运动规划的原始运动、力目标，评估用户运动意图后产生的运动、力变化量，以及当前用户的运动、力状态。其中，运动意图评估的输入的量化信号信息和当前用户的运动、力状态信息都是从信号采集之后输入信号识别模块后得到的，信号采集后在图3中信号识别模块中输出的结果中的量化信号作为运动意图评估模块的输入，用于计算运动变化量，如图4中左侧部分，可以通过信号采集得到的数据，识别到用户具有主动运动的意图，并将识别结果如运动变化量作为运动评估模块的输入。而图3中信号识别模块中输出的结果中的用户当前的运动、力状态数据，会直接输入到运动、力评估模块，如图4中的右侧部分，通过信号采集得到的用户当前的运动、力状态数据会直接输入到运动评估模块中，以实现对康复机器人的运动参数的控制。

作为一个可选的实施方式，在本实例中对上肢康复训练机器人实现自适应训练模式的过程和技术方案进行详细说明，如图5所示，为上肢康复训练机器人自适应训练模式的控制方法的整体框图：

（1）通过显示器将训练目标角度的信息传递给用户，引导用户向目标角度运动；

（2）为保证用户进行被动运动时不感到速度突变，对康复机器人从当前角度到目标角度的运动过程进行运动规划，本专利设计了一种基于位置而非时间的速度规划方法，本实例中运用工业中常用的梯形速度规划进行说明：

1.假定运动过程中加速度为

、最小速度

，最大速度

，则机器人在运动过程中的加速段总时间

，减速段总时间

，由此，可得到加速段距离

，减速段

和匀速段

；

2.假设起始位置

，目标位置为

且

，则目标速度

应满足如下运动规律：

若当前位置

，则

，

若

，则

，

若

，则

，

若

，则

，

若

，则

，

其中，

表示加速段速度规划函数，

表示减速段速度规划函数；

3.机器人将根据上述速度规划通过电机驱动器驱动电机带动用户朝目标角度进行被动训练；

4.当用户具备主动运动意图，表现为用户克服肢体自重逐渐跟上机器人运动速度

且通过力矩传感器可感知用户向目标角度方向的施力为，则根据导纳控制模型：

其中，m表示虚拟质量参数，d表示虚拟阻尼参数，k表示虚拟弹性系数，

、

、

、

分别表示机器人当前角加速度、角速度、角度、起始角度。

假设康复机器人的运动规划计算和运动控制都在一个时长为的调整周期内完成，假设在机器人的第n个调整周期内，通过计算得到当前角加速度

；接着，在第n+1个调整周期内，计算得到当前导纳模型的目标速度为

；

5.通过得到运动规划得到目标速度

和导纳控制模型得到的目标速度

求和得到机器人当前的目标速度

，将其作为运动控制目标传递给电机驱动器控制电机按设定目标进行目标；

6.若当前用户运动速度

，则机器人将按用户设定力矩

辅助用户进行运动，实现从被动训练模式到助力训练模式的切换；若当前用户运动速度

，则机器人将按设定力矩

阻碍用户进行运动，由此变为抗阻训练模式。

本发明提出了一种上肢康复机器人实现自适应训练模式的控制方法，设计了一种基于位置的速度规划方法，并将其和导纳控制模型进行了结合，实现了机器人被动训练和助力训练的实时切换，利用电机驱动器对电机的力矩限制特性实现了机器人助力训练和抗阻训练的实时切换。

自适应训练模式可实时监测用户的主动运动意图，在被动训练模式的基础上增加助力训练方案且通过运动识别增加抗阻训练，适应性地调整运动康复训练强度，达到更好地训练效果；合适地训练强度将有效地增加用户参与训练地积极性和训练地参与程度。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

在本实施例中还提供了一种康复机器人训练模式的控制装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6是根据本发明实施例的康复机器人训练模式的控制装置的结构框图，如图6所示，该装置包括：获取模块62（对应于图3中的训练目标设计模块和运动、力规划模块），用于获取在机器人上预设的初始运动参数和预设力参数，并控制所述机器人按所述初始运动参数和所述预设力参数进行运动；确定模块64（对应于图3中的运动、力及生理信号采集模块和运动意图评估模块），用于通过信号采集模块获取当前使用所述机器人进行运动的用户的状态数据，根据所述状态数据确定所述机器人当前的运动变化量；评估模块66（对应于图3中的运动、力评估模块），用于根据所述初始运动参数以及所述运动变化量，确定所述机器人的当前运动参数；控制模块68（对应于图3中的运动执行模块），用于控制所述机器人按所述当前运动参数和所述预设力参数进行运动。

可选地，上述评估模块66，还包括：获取单元（对应于图3中的运动意图评估模块），用于将所述运动变化量与所述初始运动参数叠加，得到所述当前运动参数。

可选地，上述控制模块68，还包括：第一控制子单元，用于在所述当前运动参数，等于所述初始运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第一模式，其中，在所述第一模式下，所述机器人通过所述预设力参数所指示的第一力矩带动所述用户运动；第二控制子单元，用于在所述当前运动参数，大于所述状态数据中所述用户运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第二模式，其中，在所述第二模式下，所述机器人通过所述预设力参数所指示的第二力矩辅助所述用户运动；第三控制子单元，用于在所述当前运动参数，小于所述状态数据中用户运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第三模式，其中，在所述第三模式下，所述机器人通过所述预设力参数所指示的第三力矩阻碍所述用户运动。

可选地，上述获取模块62，还包括：获取单元（对应于图3中的训练目标设计模块），用于获取所述机器人预设的起始位置和当前位置；第一确定单元（对应于图3中的运动、力规划模块），用于根据预设的加速度，预设的最小速度和预设的最大速度，确定加速段距离，减速段距离和匀速段距离；第二确定单元（对应于图3中的运动、力规划模块），用于根据所述当前位置，与所述起始位置，所述加速段距离，所述减速段距离和所述匀速段距离之间的大小关系，确定所述机器人的预设运动速度，其中，所述初始运动参数包括所述预设运动速度。

可选地，上述第二确定单元，包括：第一比较子单元，用于在所述当前位置小于所述起始位置的情况下，确定所述预设运动速度为所述最小速度；第二比较子单元，用于在所述当前位置大于所述起始位置，且小于起始位置与所述加速段距离之和的情况下，确定所述预设运动速度为第一速度；第三比较子单元，用于在所述当前位置大于所述起始位置与所述加速段距离之和，且小于所述起始位置与所述加速段距离、所述匀速段距离之和的情况下，确定所述预设运动速度为最大速度；第四比较子单元，用于在所述当前位置大于所述起始位置与所述加速段距离、所述匀速段距离之和，且小于所述起始位置与所述加速段距离、所述匀速段距离、所述减速段距离之和的情况下，确定所述预设运动速度为第二速度；第五比较子单元，用于在所述当前位置大于所述起始位置与所述加速段距离、所述匀速段距离、所述减速段距离之和的情况下，确定所述预设运动速度为第三速度。

可选地，上述确定模块64，包括：第一获取单元，用于在前一次对所述机器人的训练模式调整周期中，获取所述状态数据中所述用户产生的目标力矩；第二获取单元，用于根据所述目标力矩，确定前一次对所述机器人的训练模式调整周期中所述机器人的第一加速度；确定单元，用于根据所述第一加速度，确定所述运动变化量。

可选地，上述确定模块64中的第一获取单元，包括：获取子单元，用于获取在前一次对所述机器人的所述训练模式调整周期中，所述机器人的第一速度和目标位置；确定子单元，用于根据所述目标力矩，所述第一速度、所述目标位置和预设的初始位置，确定在前一训练模式调整周期中所述机器人的所述第一加速度。

可选地，上述确定模块64中的确定单元，包括：计算子单元，用于将所述第一加速度与预设时长相乘得到的乘积值，确定为所述运动变化量，其中，所述预设时长为所述训练模式调整周期的时长。

可选地，上述获取模块62，还包括：第一获取子单元（对应于图3中训练目标设计模块），用于获取预设的训练目标参数；转化子单元（对应于图3中的运动、力规划模块），用于将所述训练目标参数转化为所述机器人可执行的所述初始运动参数。

可选地，上述装置还用于，在所述获取预设的训练目标参数之后，将所述训练目标参数转换为目标信号；通过所述目标信号指示所述用户按照所述初始运动参数进行运动。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，获取在机器人上预设的初始运动参数和预设力参数，并控制所述机器人按所述初始运动参数和所述预设力参数进行运动；

S2，通过信号采集模块获取当前使用所述机器人进行运动的用户的状态数据，根据所述状态数据确定所述机器人当前的运动变化量；

S3，根据所述初始运动参数以及所述运动变化量，确定所述机器人的当前运动参数；

S4，控制所述机器人按所述当前运动参数和所述预设力参数进行运动。

在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器（Read-Only Memory，简称为ROM）、随机存取存储器（Random Access Memory，简称为RAM）、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取在机器人上预设的初始运动参数和预设力参数，并控制所述机器人按所述初始运动参数和所述预设力参数进行运动；

S2，通过信号采集模块获取当前使用所述机器人进行运动的用户的状态数据，根据所述状态数据确定所述机器人当前的运动变化量；

S3，根据所述初始运动参数以及所述运动变化量，确定所述机器人的当前运动参数；

S4，控制所述机器人按所述当前运动参数和所述预设力参数进行运动。

本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

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。

Claims (13)

1.一种康复机器人训练模式的控制方法，其特征在于，包括：

获取在机器人上预设的初始运动参数和预设力参数，并控制所述机器人按所述初始运动参数和所述预设力参数进行运动；

通过信号采集模块获取当前使用所述机器人进行运动的用户的状态数据，根据所述状态数据确定所述机器人当前的运动变化量；

根据所述初始运动参数以及所述运动变化量，确定所述机器人的当前运动参数；

控制所述机器人按所述当前运动参数和所述预设力参数进行运动。

2.根据权利要求1所述的方法，其特征在于，所述根据所述初始运动参数以及所述运动变化量，得到所述机器人的当前运动参数，包括：

将所述运动变化量与所述初始运动参数叠加，得到所述当前运动参数。

3.根据权利要求1所述的方法，其特征在于，所述控制所述机器人按所述当前运动参数和所述预设力参数进行运动，包括：

在所述当前运动参数，等于所述初始运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第一模式，其中，在所述第一模式下，所述机器人通过所述预设力参数所指示的第一力矩带动所述用户运动；

在所述当前运动参数，大于所述状态数据中用户运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第二模式，其中，在所述第二模式下，所述机器人通过所述预设力参数所指示的第二力矩辅助所述用户运动；

在所述当前运动参数，小于所述状态数据中所述用户运动参数的情况下，将所述初始运动参数中包括的运动模式调整为第三模式，其中，在所述第三模式下，所述机器人通过所述预设力参数所指示的第三力矩阻碍所述用户运动。

4.根据权利要求1所述的方法，其特征在于，所述获取在机器人上预设的初始运动参数，包括：

获取所述机器人预设的起始位置和当前位置；

根据预设的加速度，预设的最小速度和预设的最大速度，确定加速段距离，减速段距离和匀速段距离；

根据所述当前位置，与所述起始位置，所述加速段距离，所述减速段距离和所述匀速段距离之间的大小关系，确定所述机器人的预设运动速度，其中，所述初始运动参数包括所述预设运动速度。

5.根据权利要求4所述的方法，其特征在于，所述根据所述当前位置，与所述起始位置，所述加速段距离，所述减速段距离和所述匀速段距离之间的大小关系，确定所述机器人的预设运动速度，包括：

在所述当前位置小于所述起始位置的情况下，确定所述预设运动速度为所述最小速度；

在所述当前位置大于所述起始位置，且小于起始位置与所述加速段距离之和的情况下，确定所述预设运动速度为第一速度；

在所述当前位置大于所述起始位置与所述加速段距离之和，且小于所述起始位置与所述加速段距离、所述匀速段距离之和的情况下，确定所述预设运动速度为最大速度；

在所述当前位置大于所述起始位置与所述加速段距离、所述匀速段距离之和，且小于所述起始位置与所述加速段距离、所述匀速段距离、所述减速段距离之和的情况下，确定所述预设运动速度为第二速度；

在所述当前位置大于所述起始位置与所述加速段距离、所述匀速段距离、所述减速段距离之和的情况下，确定所述预设运动速度为第三速度。

6.根据权利要求2所述的方法，其特征在于，所述根据所述状态数据确定所述机器人当前的运动变化量，包括：

在前一次对所述机器人的训练模式调整周期中，获取所述状态数据中所述用户产生的目标力矩；

根据所述目标力矩，确定前一次对所述机器人的训练模式调整周期中所述机器人的第一加速度；

根据所述第一加速度，确定所述运动变化量。

7.根据权利要求6所述的方法，其特征在于，所述根据所述目标力矩，确定前一次对所述机器人的训练模式调整周期中所述机器人的第一加速度，包括：

获取在前一次对所述机器人的所述训练模式调整周期中，所述机器人的第一速度和目标位置；

根据所述目标力矩，所述第一速度、所述目标位置和预设的初始位置，确定在前一训练模式调整周期中所述机器人的所述第一加速度。

8.根据权利要求6所述的方法，其特征在于，所述根据所述第一加速度，确定所述运动变化量，包括：

将所述第一加速度与预设时长相乘得到的乘积值，确定为所述运动变化量，其中，所述预设时长为所述训练模式调整周期的时长。

9.根据权利要求1所述的方法，其特征在于，所述获取在机器人上预设的初始运动参数，包括：

获取预设的训练目标参数；

将所述训练目标参数转化为所述机器人可执行的所述初始运动参数。

10.根据权利要求9所述的方法，其特征在于，在所述获取预设的训练目标参数之后，包括：

将所述训练目标参数转换为目标信号；

通过所述目标信号指示所述用户按照所述初始运动参数进行运动。

11.一种康复机器人训练模式的控制装置，其特征在于，包括：

获取模块，用于获取在机器人上预设的初始运动参数和预设力参数，并控制所述机器人按所述初始运动参数和所述预设力参数进行运动；

确定模块，用于通过信号采集模块获取当前使用所述机器人进行运动的用户的状态数据，根据所述状态数据确定所述机器人当前的运动变化量；

评估模块，用于根据所述初始运动参数以及所述运动变化量，确定所述机器人的当前运动参数；

控制模块，用于控制所述机器人按所述当前运动参数和所述预设力参数进行运动。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1-10任一项中所述的方法。

13.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至10任一项中所述的方法。

Images