CN114948591A - 一种下肢康复机器人的控制方法、装置及机器人 - Google Patents

一种下肢康复机器人的控制方法、装置及机器人 Download PDF

Info

Publication number
CN114948591A
CN114948591A CN202210518420.3A CN202210518420A CN114948591A CN 114948591 A CN114948591 A CN 114948591A CN 202210518420 A CN202210518420 A CN 202210518420A CN 114948591 A CN114948591 A CN 114948591A
Authority
CN
China
Prior art keywords
ankle joint
muscle
stiffness
estimated value
tendon
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
CN202210518420.3A
Other languages
English (en)
Other versions
CN114948591B (zh
Inventor
宋嵘
林裕达
吕月玲
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 CN202210518420.3A priority Critical patent/CN114948591B/zh
Publication of CN114948591A publication Critical patent/CN114948591A/zh
Application granted granted Critical
Publication of CN114948591B publication Critical patent/CN114948591B/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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • 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
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/08—Other bio-electrical signals
    • A61H2230/085—Other bio-electrical signals used as a control parameter for the apparatus
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Therapy (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明属于机器人控制技术领域，公开了一种下肢康复机器人的控制方法、装置及机器人，包括：将踝关节角度信号和踝关节相关肌肉表面肌电信号输入到踝关节刚度估计模型，得到踝关节刚度估计值；将踝关节刚度估计值输入到阻抗控制器中，以使阻抗控制器根据输入的踝关节刚度估计值实时调整电机所提供的辅助力矩。有益效果：充分考虑患者自身活动所引起的参数变化，尤其是踝关节因为肌肉活动和关节角度变化所引起的踝关节刚度变化，使机器人的控制更加仿生，实现更好的康复训练效果。

Description

一种下肢康复机器人的控制方法、装置及机器人
技术领域
本发明涉及机器人控制技术领域，特别是涉及一种下肢康复机器 人的控制方法、装置及机器人。
背景技术
阻抗控制被广泛应用于康复机器人的控制策略上。然而由于在控 制过程中同一患者或者不同患者之间人体刚度的差异性，使用固定的 参数会导致控制系统不稳定。因此，实际选取的参数应根据实际情况 进行自适应调整。
但是现有技术中的控制方法往往没有考虑患者自身活动所引起的 参数变化，尤其是在下肢康复机器人的控制时没有考虑踝关节因为肌 肉活动和关节角度变化所引起的踝关节刚度变化。
发明内容
本发明的目的是：提供一种新的下肢康复机器人的控制方法，充 分考虑患者自身活动所引起的参数变化，尤其是踝关节因为肌肉活动 和关节角度变化所引起的踝关节刚度变化，使机器人的控制更加仿生， 实现更好的康复训练效果。
为了实现上述目的，本发明提供了一种下肢康复机器人的控制方 法，包括：
将踝关节角度信号和踝关节相关肌肉表面肌电信号输入到踝关节 刚度估计模型，得到踝关节刚度估计值；
将踝关节刚度估计值输入到阻抗控制器中，以使阻抗控制器根据 输入的踝关节刚度估计值实时调整电机所提供的辅助力矩。
进一步的，踝关节相关肌肉包括胫骨前肌和腓肠肌。
进一步的，所述将踝关节角度信号和踝关节相关肌肉表面肌电信 号输入到踝关节刚度估计模型，得到踝关节刚度估计值，具体为：
对原始踝关节相关肌肉表面肌电信号进行带通滤波、整流和低通 滤波，得到处理后的踝关节相关肌肉表面肌电信号；
将处理后的踝关节相关肌肉表面肌电信号归一化到无机器人辅助 情况下在整个步态周期中各肌肉处理后的最大值，并将最大值记为肌 肉兴奋程度；
通过递归滤波器和非线性传递函数对肌肉兴奋程度进行处理得到 肌肉激活程度；
根据关节角度信号从Opensim的人体模型获取肌肉肌腱单元的长 度和踝关节的力矩臂；
将肌肉肌腱单元的长度和肌肉激活程度输入到希尔肌肉模型得到 肌纤维力、肌腱力、肌肉肌腱单元的力和肌肉肌腱单元的长度；
根据肌纤维力和肌纤维长度得到肌纤维刚度、根据肌腱力－长度曲 线得到肌腱刚度；
根据肌纤维刚度和肌腱刚度得到肌肉肌腱单元刚度；
根据肌肉肌腱单元刚度得到踝关节刚度估计值。
进一步的，所述将踝关节刚度估计值输入到阻抗控制器中，以使 阻抗控制器根据输入的踝关节刚度估计值实时调整电机所提供的辅助 力矩，具体为：
根据输入的踝关节刚度估计值对阻抗控制器中的内环控制器参数 进行调整，所述调整公式为：
Figure BDA0003640331590000021
其中，Kankle为踝关节刚度估计值，
Figure BDA0003640331590000031
和
Figure BDA0003640331590000032
分别表示无 机器人辅助情况下在整个步态周期中踝关节刚度估计值的最小值和最 大值，Kmin和Kmax分别表示内环控制器参数K可以调整的最小 值和最大值；
根据调整后的关节刚度内环位置控制器参数得到辅助力矩，具体 为：
Figure BDA0003640331590000033
其中，Δq表示期望角度与实际角度之差，
Figure BDA0003640331590000034
表示期望角速度与 实际角速度之差，B表示整个控制系统的固有阻尼。
进一步的，所述控制方法还包括：
将获取得到的踝关节刚度估计值，实际交互力矩以及踝关节角度 输入到阻尼估计模型中，得到阻尼系数：
Figure BDA0003640331590000035
其中，B(t)为估计阻尼系数，K为踝关节刚度估计值，M为质量项， Δq(t)为角度误差，
Figure BDA0003640331590000036
为角速度误差，
Figure BDA0003640331590000037
为角加速度误差；
将得到的阻尼系数分配为电机与阻尼器两部分，分别进行提供， 如下式：
B(t)＝B1(t)+B2(t)
其中，B1(t)，B2(t)分别为电机和阻尼器提供的阻尼系数；
根据得到的阻尼系数B2(t)可以得知阻尼器所提供的扭矩分别为：
Figure BDA0003640331590000038
根据阻尼器扭矩和电流的关系曲线可以得到阻尼器的控制电流；
由电机提供的阻尼系数B1(t)则为阻抗控制中的B。
本发明还公开了一种下肢康复机器人的控制装置，包括：踝关节 刚度估计值模块和辅助力矩调整模块；
所述踝关节刚度估计值模块，用于将踝关节角度信号和踝关节相 关肌肉表面肌电信号输入到踝关节刚度估计模型，得到踝关节刚度估 计值；
所述辅助力矩调整模块，用于将踝关节刚度估计值输入到阻抗控 制器中，以使阻抗控制器根据输入的踝关节刚度估计值实时调整电机 所提供的辅助力矩。
进一步的，踝关节相关肌肉包括胫骨前肌和腓肠肌。
进一步的，所述将踝关节角度信号和踝关节相关肌肉表面肌电信 号输入到踝关节刚度估计模型，得到踝关节刚度估计值，具体为：
对原始踝关节相关肌肉表面肌电信号进行带通滤波、整流和低通 滤波，得到处理后的踝关节相关肌肉表面肌电信号；
将处理后的踝关节相关肌肉表面肌电信号归一化到无机器人辅助 情况下在整个步态周期中各肌肉处理后的最大值，并将最大值记为肌 肉兴奋程度；
通过递归滤波器和非线性传递函数对肌肉兴奋程度进行处理得到 肌肉激活程度；
根据关节角度信号从Opensim的人体模型获取肌肉肌腱单元的长 度和踝关节的力矩臂；
将肌肉肌腱单元的长度和肌肉激活程度输入到希尔肌肉模型得到 肌纤维力、肌腱力、肌肉肌腱单元的力和肌肉肌腱单元的长度；
根据肌纤维力和肌纤维长度得到肌纤维刚度、根据肌腱力－长度曲 线得到肌腱刚度；
根据肌纤维刚度和肌腱刚度得到肌肉肌腱单元刚度；
根据肌肉肌腱单元刚度得到踝关节刚度估计值。
进一步的，所述将踝关节刚度估计值输入到阻抗控制器中，以使 阻抗控制器根据输入的踝关节刚度估计值实时调整电机所提供的辅助 力矩，具体为：
根据输入的踝关节刚度估计值对阻抗控制器中的内环控制器参数 进行调整，所述调整公式为：
Figure BDA0003640331590000051
其中，Kankle为踝关节刚度估计值，
Figure BDA0003640331590000052
和
Figure BDA0003640331590000053
分别表示无 机器人辅助情况下在整个步态周期中踝关节刚度估计值的最小值和最 大值，Kmin和Kmax分别表示内环控制器参数K可以调整的最小 值和最大值；
根据调整后的关节刚度内环位置控制器参数得到辅助力矩，具体 为：
Figure BDA0003640331590000054
其中，Δq表示期望角度与实际角度之差，
Figure BDA0003640331590000055
表示期望角速度与 实际角速度之差，B表示整个控制系统的固有阻尼。
本发明还公开了一种机器人，应用上述的控制装置。
本发明实施例一种下肢康复机器人的控制方法、装置及机器人与 现有技术相比，其有益效果在于：充分考虑患者自身活动所引起的参 数变化，尤其是踝关节因为肌肉活动和关节角度变化所引起的踝关节 刚度变化，使机器人的控制更加仿生，实现更好的康复训练效果。
附图说明
图1是本发明一种下肢康复机器人的控制方法的第一流程示意图；
图2是本发明一种下肢康复机器人的控制方法中获取踝关节刚度 估计值的流程示意图；
图3是本发明一种下肢康复机器人的控制方法中获取阻尼器电流 的流程示意图：
图4是本发明一种下肢康复机器人的控制方法的第二流程示意图；
图5是本发明一种下肢康复机器人的控制装置的结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细 描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1：
如图1所示，一种下肢康复机器人的控制方法，包括：
步骤S1，将踝关节角度信号和踝关节相关肌肉表面肌电信号输入 到踝关节刚度估计模型，得到踝关节刚度估计值；
步骤S2，将踝关节刚度估计值输入到阻抗控制器中，以使阻抗控 制器根据输入的踝关节刚度估计值实时调整电机所提供的辅助力矩。
在本实施例中，踝关节相关肌肉包括胫骨前肌和腓肠肌。
本领域技术人员知晓人体踝关节进行活动时需要那些肌肉和肌腱 参与到活动中，其中，胫骨前肌和腓肠肌在此活动中承担了重要作用， 因此选取这两处肌肉的表面肌电信号作为踝关节刚度估计的输入。本 领域技术人员可以更加本发明所公开的技术方案，进一步的增加新的 肌肉、肌腱等身体组织的活动数据作为踝关节刚度估计的输入。
参照图2，在本实施例的步骤S1中，所述将踝关节角度信号和踝 关节相关肌肉表面肌电信号输入到踝关节刚度估计模型，得到踝关节 刚度估计值，具体为：
步骤S11，对原始踝关节相关肌肉表面肌电信号进行带通滤波、整 流和低通滤波，得到处理后的踝关节相关肌肉表面肌电信号；
步骤S12，将处理后的踝关节相关肌肉表面肌电信号归一化到无机 器人辅助情况下在整个步态周期中各肌肉处理后的最大值，并将最大 值记为肌肉兴奋程度。
一种可选的实施方式为：对原始踝关节相关肌肉表面肌电信号(原 始EMG信号)进行带通滤波(30－450Hz)、整流和低通滤波(6Hz)，然 后归一化到无机器人辅助情况下在整个步态周期中各肌肉处理后最大 值，称为肌肉兴奋程度e(t)；
步骤S13，通过递归滤波器和非线性传递函数对肌肉兴奋程度进行 处理得到肌肉激活程度。
一种可选的实施方式为：使用递归滤波器对肌肉兴奋程度进行处 理，再进一步用非线性传递函数处理，以解释非线性的肌肉兴奋程度 与力的关系，并得到由此产生的肌肉激活程度a(t)；
u(t)＝αe(t-d)-β1u(t-1)-β2(t-2)；
Figure BDA0003640331590000071
其中，u(t)为神经激活程度，α＝0.9486，β1＝-0.052，β2＝ 0.000627，A＝-1，d为肌电-力之间的延时，设置为80ms。
步骤S14，根据关节角度信号从Opensim的人体模型获取肌肉肌腱 单元的长度和踝关节的力矩臂。
在本实施例中，肌肉肌腱单元(MTU)的长度和其关于踝关节的力矩 臂从Opensim中的人体模型导出。这些数据被用来创建多项式拟合函 数来表示MTU长度和力矩臂关于关节角度的变化情况。
步骤S15，将肌肉肌腱单元的长度和肌肉激活程度输入到希尔肌肉 模型得到肌纤维力、肌腱力、肌肉肌腱单元的力和肌肉肌腱单元的长 度。
在本实施例中，将肌肉激活程度和多项式拟合函数得到的MTU长 度输入到希尔肌肉模型中，估算每个MTU对应的瞬时肌纤维长度和力， 以及弹性肌腱长度和力；
Fm＝Fmax[f(lm)f(vm)a+fP(lm)]；
Figure RE-GDA0003717933340000072
Figure RE-GDA0003717933340000081
Fmt＝Ft＝FmcosΦ；
lmt＝lt+lmcosΦ；
其中Fmax为最大肌肉力；Fm为肌纤维力；f(lm)和f(vm)分别为主 动力-长度关系和力-速度关系；lm为肌纤维长度；vm为当前肌纤维速 度与最大收缩速度之比；a是肌肉激活程度；fP(lm)为被动弹性力-长 度关系；Ft为肌腱力；lt是肌腱的当前长度；lst是肌腱的松弛长度；Fmt是 MTU力；φ为羽状角；lmt为MTU长度。
步骤S16，根据肌纤维力和肌纤维长度得到肌纤维刚度、根据肌腱 力-长度曲线得到肌腱刚度；
在本实施例中，肌纤维刚度Km计算为纤维力Fm对纤维长度lm的 偏导数：
Figure BDA0003640331590000081
在本实施例中，肌腱刚度Kt由肌腱力-长度曲线的斜率计算：
Figure BDA0003640331590000082
步骤S17，根据肌纤维刚度和肌腱刚度得到肌肉肌腱单元刚度；
在本实施例中，MTU刚度可建模为肌纤维刚度Km与肌腱刚度Kt的 串联：
Figure BDA0003640331590000083
步骤S18，根据肌肉肌腱单元刚度得到踝关节刚度估计值。
在本实施例中，利用估计的肌肉力和MTU刚度，我们计算相应的 踝关节刚度Kankle：
Figure BDA0003640331590000084
在本实施例的步骤S2中，所述将踝关节刚度估计值输入到阻抗控 制器中，以使阻抗控制器根据输入的踝关节刚度估计值实时调整电机 所提供的辅助力矩，具体为：
根据输入的踝关节刚度估计值对阻抗控制器中的内环控制器参数 进行调整，所述调整公式为：
Figure BDA0003640331590000091
其中，Kankle为踝关节刚度估计值，
Figure BDA0003640331590000092
和
Figure BDA0003640331590000093
分别表示无机器人辅助情况下在整个步态周期中踝关 节刚度估计值的最小值和最大值，Kmin和Kmax分别表示 内环控制器参数K可以调整的最小值和最大值；
根据调整后的关节刚度内环位置控制器参数得到辅助力矩，具体 为：
Figure BDA0003640331590000094
其中，Δq表示期望角度与实际角度之差，
Figure BDA0003640331590000095
表示期望角 速度与实际角速度之差，B表示整个控制系统的固有阻尼。
在本发明中，控制方法针对步态下肢外骨骼康复机器人设计，穿 上外骨骼康复机器人前需先进行无机器人辅助的步态实验，以获取
Figure BDA0003640331590000096
和
Figure BDA0003640331590000097
以及抖动阈值ε等数值。实验中实时 采集关节角度和肌电信号，计算得到步态踝关节刚度估计值加入控制 方法中，提高人机交互性。
在本实施例中，所述控制方法还包括：
将获取得到的踝关节刚度估计值，实际交互力矩以及踝关节角度 输入到阻尼估计模型中，得到阻尼系数：
Figure BDA0003640331590000098
其中，B(t)为估计阻尼系数，K为踝关节刚度估计值，M为质量项， Δq(t)为角度误差，
Figure BDA0003640331590000101
为角速度误差，
Figure BDA0003640331590000102
为角加速度误差；
将得到的阻尼系数分配为电机与阻尼器两部分，分别进行提供， 如下式：
B(t)＝B1(t)+B2(t)
其中，B1(t)，B2(t)分别为电机和阻尼器提供的阻尼系数；
根据得到的阻尼系数B2(t)可以得知阻尼器所提供的扭矩分别为：
Figure BDA0003640331590000103
根据阻尼器扭矩和电流的关系曲线可以得到阻尼器的控制电流；
由电机提供的阻尼系数B1(t)则为阻抗控制中的B。
在本实施例中，阻尼器扭矩和电流的关系曲线的关系为：
F(t)＝aI2+bI+c。
在本实施例中，同时利用阻尼估计模型所得到的阻尼估计值对磁 流变液阻尼力的控制进行实时修改，使得该控制在体现人踝关节刚度 变化的同时，在干扰抖动情况下能够产生有效的防抖效果，提高人机 交互性与稳定性。
实施例2：
参照图5，本发明还公开了一种下肢康复机器人的控制装置，包括： 踝关节刚度估计值模块101和辅助力矩调整模块102；
所述踝关节刚度估计值模块101，用于将踝关节角度信号和踝关节 相关肌肉表面肌电信号输入到踝关节刚度估计模型，得到踝关节刚度 估计值；
所述辅助力矩调整模块102，用于将踝关节刚度估计值输入到阻抗 控制器中，以使阻抗控制器根据输入的踝关节刚度估计值实时调整电 机所提供的辅助力矩。
在本实施例中，踝关节相关肌肉包括胫骨前肌和腓肠肌。
在本实施例中，所述将踝关节角度信号和踝关节相关肌肉表面肌 电信号输入到踝关节刚度估计模型，得到踝关节刚度估计值，具体为：
对原始踝关节相关肌肉表面肌电信号进行带通滤波、整流和低通 滤波，得到处理后的踝关节相关肌肉表面肌电信号；
将处理后的踝关节相关肌肉表面肌电信号归一化到无机器人辅助 情况下在整个步态周期中各肌肉处理后的最大值，并将最大值记为肌 肉兴奋程度；
通过递归滤波器和非线性传递函数对肌肉兴奋程度进行处理得到 肌肉激活程度；
根据关节角度信号从Opensim的人体模型获取肌肉肌腱单元的长 度和踝关节的力矩臂；
将肌肉肌腱单元的长度和肌肉激活程度输入到希尔肌肉模型得到 肌纤维力、肌腱力、肌肉肌腱单元的力和肌肉肌腱单元的长度；
根据肌纤维力和肌纤维长度得到肌纤维刚度、根据肌腱力-长度曲 线得到肌腱刚度；
根据肌纤维刚度和肌腱刚度得到肌肉肌腱单元刚度；
根据肌肉肌腱单元刚度得到踝关节刚度估计值。
在本实施例中，所述将踝关节刚度估计值输入到阻抗控制器中， 以使阻抗控制器根据输入的踝关节刚度估计值实时调整电机所提供的 辅助力矩，具体为：
根据输入的踝关节刚度估计值对阻抗控制器中的内环控制器参数 进行调整，所述调整公式为：
Figure BDA0003640331590000111
其中，Kankle为踝关节刚度估计值，
Figure BDA0003640331590000112
和
Figure BDA0003640331590000113
分别表示无 机器人辅助情况下在整个步态周期中踝关节刚度估计值的最小值和最 大值，Kmin和Kmax分别表示内环控制器参数K可以调整的最小 值和最大值；
根据调整后的关节刚度内环位置控制器参数得到辅助力矩，具体 为：
Figure BDA0003640331590000121
其中，Δq表示期望角度与实际角度之差，
Figure BDA0003640331590000122
表示期望角 速度与实际角速度之差，B表示整个控制系统的固有阻尼。
在本实施例中，所述控制装置还包括：阻尼系数模块、分配模块、 扭矩模块、电流模块和电机模块；
所述阻尼系数模块，用于将获取得到的踝关节刚度估计值，实际 交互力矩以及踝关节角度输入到阻尼估计模型中，得到阻尼系数：
Figure BDA0003640331590000123
其中，B(t)为估计阻尼系数，K为踝关节刚度估计值，M为质量项， Δq(t)为角度误差，
Figure BDA0003640331590000124
为角速度误差，
Figure BDA0003640331590000125
为角加速度误差；
所述分配模块，用于将得到的阻尼系数分配为电机与阻尼器两部 分，分别进行提供，如下式：
B(t)＝B1(t)+B2(t)
其中，B1(t)，B2(t)分别为电机和阻尼器提供的阻尼系数；
所述扭矩模块，用于根据得到的阻尼系数B2(t)可以得知阻尼器所 提供的扭矩分别为：
Figure BDA0003640331590000126
所述电流模块，用于根据阻尼器扭矩和电流的关系曲线可以得到 阻尼器的控制电流；
所述电机模块，用于使电机提供的阻尼系数B1(t)为阻抗控制中的 B。
在本实施例中，阻尼器扭矩和电流的关系曲线的关系为：
F(t)＝aI2+bI+c。
实施例2是在实施例1的基础上进行撰写的，本领域技术人员可 以根据实施例1所公开的控制方法实施实施例2的控制装置，且实施 例1中的说明和限定同样可以用于实施例2，因此不再赘述。
实施例3：
本发明还公开了一种机器人，应用实施例2所述的控制装置。
综上，本发明实施例提供一种下肢康复机器人的控制方法、装置 及机器人，有益效果在于：
(1)充分考虑患者自身活动所引起的参数变化，尤其是踝关节因 为肌肉活动和关节角度变化所引起的踝关节刚度变化，使机器人的控 制更加仿生，实现更好的康复训练效果。
(2)同时利用阻尼估计模型所得到的阻尼估计值对磁流变液阻尼 力的控制进行实时修改，使得该控制在体现人踝关节刚度变化的同时， 在干扰抖动情况下能够产生有效的防抖效果，提高人机交互性与稳定 性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领 域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以 做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (10)

1.一种下肢康复机器人的控制方法，其特征在于，包括：
将踝关节角度信号和踝关节相关肌肉表面肌电信号输入到踝关节刚度估计模型，得到踝关节刚度估计值；
将踝关节刚度估计值输入到阻抗控制器中，以使阻抗控制器根据输入的踝关节刚度估计值实时调整电机所提供的辅助力矩。
2.根据权利要求1所述的一种下肢康复机器人的控制方法，其特征在于，踝关节相关肌肉包括胫骨前肌和腓肠肌。
3.根据权利要求1所述的一种下肢康复机器人的控制方法，其特征在于，所述将踝关节角度信号和踝关节相关肌肉表面肌电信号输入到踝关节刚度估计模型，得到踝关节刚度估计值，具体为：
对原始踝关节相关肌肉表面肌电信号进行带通滤波、整流和低通滤波，得到处理后的踝关节相关肌肉表面肌电信号；
将处理后的踝关节相关肌肉表面肌电信号归一化到无机器人辅助情况下在整个步态周期中各肌肉处理后的最大值，并将最大值记为肌肉兴奋程度；
通过递归滤波器和非线性传递函数对肌肉兴奋程度进行处理得到肌肉激活程度；
根据关节角度信号从Opensim的人体模型获取肌肉肌腱单元的长度和踝关节的力矩臂；
将肌肉肌腱单元的长度和肌肉激活程度输入到希尔肌肉模型得到肌纤维力、肌腱力、肌肉肌腱单元的力和肌肉肌腱单元的长度；
根据肌纤维力和肌纤维长度得到肌纤维刚度、根据肌腱力-长度曲线得到肌腱刚度；
根据肌纤维刚度和肌腱刚度得到肌肉肌腱单元刚度；
根据肌肉肌腱单元刚度得到踝关节刚度估计值。
4.根据权利要求1所述的一种下肢康复机器人的控制方法，其特征在于，所述将踝关节刚度估计值输入到阻抗控制器中，以使阻抗控制器根据输入的踝关节刚度估计值实时调整电机所提供的辅助力矩，具体为：
根据输入的踝关节刚度估计值对阻抗控制器中的内环控制器参数进行调整，所述调整公式为：
Figure FDA0003640331580000021
其中，Kankle为踝关节刚度估计值，
Figure FDA0003640331580000022
和
Figure FDA0003640331580000023
分别表示无机器人辅助情况下在整个步态周期中踝关节刚度估计值的最小值和最大值，Kmin和Kmax分别表示内环控制器参数K可以调整的最小值和最大值；
根据调整后的关节刚度内环位置控制器参数得到辅助力矩，具体为：
Figure FDA0003640331580000024
其中，Δq表示期望角度与实际角度之差，
Figure FDA0003640331580000025
表示期望角速度与实际角速度之差，B表示阻尼系数。
5.根据权利要求1所述的一种下肢康复机器人的控制方法，其特征在于，所述控制方法还包括：
将获取得到的踝关节刚度估计值，实际交互力矩以及踝关节角度输入到阻尼估计模型中，得到阻尼系数：
Figure FDA0003640331580000026
其中，B(t)为估计阻尼系数，K为踝关节刚度估计值，M为质量项，Δq(t)为角度误差，
Figure FDA0003640331580000027
为角速度误差，
Figure FDA0003640331580000028
为角加速度误差；
将得到的阻尼系数分配为电机与阻尼器两部分，分别进行提供，如下式：
B(t)＝B1(t)+B2(t)
其中，B1(t)，B2(t)分别为电机和阻尼器提供的阻尼系数；
根据得到的阻尼系数B2(t)可以得知阻尼器所提供的扭矩分别为：
Figure FDA0003640331580000031
根据阻尼器扭矩和电流的关系曲线可以得到阻尼器的控制电流；
由电机提供的阻尼系数B1(t)则为阻抗控制中的B。
6.一种下肢康复机器人的控制装置，其特征在于，包括：踝关节刚度估计值模块和辅助力矩调整模块；
所述踝关节刚度估计值模块，用于将踝关节角度信号和踝关节相关肌肉表面肌电信号输入到踝关节刚度估计模型，得到踝关节刚度估计值；
所述辅助力矩调整模块，用于将踝关节刚度估计值输入到阻抗控制器中，以使阻抗控制器根据输入的踝关节刚度估计值实时调整电机所提供的辅助力矩。
7.根据权利要求6所述的一种下肢康复机器人的控制装置，其特征在于，踝关节相关肌肉包括胫骨前肌和腓肠肌。
8.根据权利要求6所述的一种下肢康复机器人的控制装置，其特征在于，所述将踝关节角度信号和踝关节相关肌肉表面肌电信号输入到踝关节刚度估计模型，得到踝关节刚度估计值，具体为：
对原始踝关节相关肌肉表面肌电信号进行带通滤波、整流和低通滤波，得到处理后的踝关节相关肌肉表面肌电信号；
将处理后的踝关节相关肌肉表面肌电信号归一化到无机器人辅助情况下在整个步态周期中各肌肉处理后的最大值，并将最大值记为肌肉兴奋程度；
通过递归滤波器和非线性传递函数对肌肉兴奋程度进行处理得到肌肉激活程度；
根据关节角度信号从Opensim的人体模型获取肌肉肌腱单元的长度和踝关节的力矩臂；
将肌肉肌腱单元的长度和肌肉激活程度输入到希尔肌肉模型得到肌纤维力、肌腱力、肌肉肌腱单元的力和肌肉肌腱单元的长度；
根据肌纤维力和肌纤维长度得到肌纤维刚度、根据肌腱力-长度曲线得到肌腱刚度；
根据肌纤维刚度和肌腱刚度得到肌肉肌腱单元刚度；
根据肌肉肌腱单元刚度得到踝关节刚度估计值。
9.根据权利要求6所述的一种下肢康复机器人的控制装置，其特征在于，所述将踝关节刚度估计值输入到阻抗控制器中，以使阻抗控制器根据输入的踝关节刚度估计值实时调整电机所提供的辅助力矩，具体为：
根据输入的踝关节刚度估计值对阻抗控制器中的内环控制器参数进行调整，所述调整公式为：
Figure FDA0003640331580000041
其中，Kankle为踝关节刚度估计值，
Figure FDA0003640331580000042
和
Figure FDA0003640331580000043
分别表示无机器人辅助情况下在整个步态周期中踝关节刚度估计值的最小值和最大值，Kmin和Kmax分别表示内环控制器参数K可以调整的最小值和最大值；
根据调整后的关节刚度内环位置控制器参数得到辅助力矩，具体为：
Figure FDA0003640331580000044
其中，Δq表示期望角度与实际角度之差，
Figure FDA0003640331580000045
表示期望角速度与实际角速度之差，B表示整个控制系统的固有阻尼。
10.一种机器人，其特征在于，应用权利要求5-8任意一项所述的控制装置。
CN202210518420.3A 2022-05-12 2022-05-12 一种下肢康复机器人的控制方法、装置及机器人 Active CN114948591B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210518420.3A CN114948591B (zh) 2022-05-12 2022-05-12 一种下肢康复机器人的控制方法、装置及机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210518420.3A CN114948591B (zh) 2022-05-12 2022-05-12 一种下肢康复机器人的控制方法、装置及机器人

Publications (2)

Publication Number Publication Date
CN114948591A true CN114948591A (zh) 2022-08-30
CN114948591B CN114948591B (zh) 2023-08-01

Family

ID=82983268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210518420.3A Active CN114948591B (zh) 2022-05-12 2022-05-12 一种下肢康复机器人的控制方法、装置及机器人

Country Status (1)

Country Link
CN (1) CN114948591B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109199783A (zh) * 2017-07-04 2019-01-15 中国科学院沈阳自动化研究所 一种利用sEMG来控制踝关节康复设备刚度的控制方法
KR20190114627A (ko) * 2018-03-30 2019-10-10 경북대학교 산학협력단 외골격 시스템의 가변 탄성 액추에이터를 이용한 반력 조절 장치 및 방법
CN110355761A (zh) * 2019-07-15 2019-10-22 武汉理工大学 一种基于关节刚度和肌肉疲劳的康复机器人控制方法
TR202020038A2 (tr) * 2020-12-08 2021-06-21 Univ Yildiz Teknik Bi̇r gi̇yi̇lebi̇li̇r ayak bi̇leği̇ rehabi̇li̇tasyon robotu si̇stemi̇ ve buna i̇li̇şki̇n bi̇r yöntem
CN113181550A (zh) * 2021-03-18 2021-07-30 中山大学 一种调控关节力矩和刚度的功能性电刺激系统和方法
CN113633521A (zh) * 2021-09-15 2021-11-12 山东建筑大学 一种上肢外骨骼康复机器人控制系统及控制方法
CN114043480A (zh) * 2021-11-25 2022-02-15 上海智能制造功能平台有限公司 一种基于模糊控制的自适应阻抗控制算法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109199783A (zh) * 2017-07-04 2019-01-15 中国科学院沈阳自动化研究所 一种利用sEMG来控制踝关节康复设备刚度的控制方法
KR20190114627A (ko) * 2018-03-30 2019-10-10 경북대학교 산학협력단 외골격 시스템의 가변 탄성 액추에이터를 이용한 반력 조절 장치 및 방법
CN110355761A (zh) * 2019-07-15 2019-10-22 武汉理工大学 一种基于关节刚度和肌肉疲劳的康复机器人控制方法
TR202020038A2 (tr) * 2020-12-08 2021-06-21 Univ Yildiz Teknik Bi̇r gi̇yi̇lebi̇li̇r ayak bi̇leği̇ rehabi̇li̇tasyon robotu si̇stemi̇ ve buna i̇li̇şki̇n bi̇r yöntem
CN113181550A (zh) * 2021-03-18 2021-07-30 中山大学 一种调控关节力矩和刚度的功能性电刺激系统和方法
CN113633521A (zh) * 2021-09-15 2021-11-12 山东建筑大学 一种上肢外骨骼康复机器人控制系统及控制方法
CN114043480A (zh) * 2021-11-25 2022-02-15 上海智能制造功能平台有限公司 一种基于模糊控制的自适应阻抗控制算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔超然: "基于动力学参数辨识的阻抗控制研究", 中国硕士学位论文全文数据库, pages 55 - 57 *

Also Published As

Publication number Publication date
CN114948591B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
Aguirre-Ollinger et al. Active-impedance control of a lower-limb assistive exoskeleton
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
Zhang et al. Admittance shaping-based assistive control of SEA-driven robotic hip exoskeleton
Lenzi et al. Intention-based EMG control for powered exoskeletons
Lenzi et al. Proportional EMG control for upper-limb powered exoskeletons
CN111956452B (zh) 一种上肢康复机器人控制方法及装置
Kobravi et al. Decentralized adaptive robust control based on sliding mode and nonlinear compensator for the control of ankle movement using functional electrical stimulation of agonist–antagonist muscles
Villa-Parra et al. Control of a robotic knee exoskeleton for assistance and rehabilitation based on motion intention from sEMG
Brahmi et al. Passive and active rehabilitation control of human upper-limb exoskeleton robot with dynamic uncertainties
Herrnstadt et al. Admittance-based voluntary-driven motion with speed-controlled tremor rejection
Noda et al. An electromyogram based force control coordinated in assistive interaction
Kiguchi et al. An upper-limb power-assist robot with tremor suppression control
US10213324B2 (en) Minimum jerk swing control for assistive device
Figueiredo et al. Feedback‐Error Learning for time‐effective gait trajectory tracking in wearable exoskeletons
Taherifar et al. Assistive-compliant control of wearable robots for partially disabled individuals
CN114948591A (zh) 一种下肢康复机器人的控制方法、装置及机器人
CN116671941A (zh) 一种用于柔性下肢外骨骼的镜像自适应阻抗控制方法
Watanabe et al. Extension motion assistance for upper limb using proxy-based sliding mode control
Meattini et al. Experimental evaluation of a sEMG-based control for elbow wearable assistive devices during load lifting tasks
Kong et al. Mechanical design and impedance compensation of SUBAR (Sogang University’s Biomedical Assist Robot)
Aguirre-Ollinger et al. A one-degree-of-freedom assistive exoskeleton with inertia compensation: the effects on the agility of leg swing motion
EP2672931A1 (en) Method for determining an artificial periodic patterned signal
Wang et al. A Cable-Driven Parallel Hip Exoskeleton for High-Performance Walking Assistance
Fernandes et al. Feedback-error learning control for powered assistive devices
CN114750152B (zh) 一种用于变刚度外骨骼的志愿柔顺辅助控制方法

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