CN116270150A - 一种适用于变刚度膝关节康复外骨骼的控制方法 - Google Patents

一种适用于变刚度膝关节康复外骨骼的控制方法 Download PDF

Info

Publication number
CN116270150A
CN116270150A CN202310295549.7A CN202310295549A CN116270150A CN 116270150 A CN116270150 A CN 116270150A CN 202310295549 A CN202310295549 A CN 202310295549A CN 116270150 A CN116270150 A CN 116270150A
Authority
CN
China
Prior art keywords
knee joint
rigidity
data
moment
exoskeleton
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.)
Pending
Application number
CN202310295549.7A
Other languages
English (en)
Inventor
陈兵
周雷
王瑞进
吴亚东
周斌
訾斌
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202310295549.7A priority Critical patent/CN116270150A/zh
Publication of CN116270150A publication Critical patent/CN116270150A/zh
Pending legal-status Critical Current

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
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A61B5/1038—Measuring plantar pressure during gait
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • 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
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • 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
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A61H2003/005—Appliances for aiding patients or disabled persons to walk about with knee, leg or stump rests
    • 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
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A61H2003/007—Appliances for aiding patients or disabled persons to walk about secured to the patient, e.g. with belts
    • 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
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/01—Constructive details
    • A61H2201/0157—Constructive details portable
    • 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
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/12—Driving means
    • A61H2201/1207—Driving means with electric or magnetic drive
    • 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
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/10—Leg
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

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)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Epidemiology (AREA)
  • Rehabilitation Therapy (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明公开了一种适用于变刚度膝关节康复外骨骼的控制方法，通过建立人体下肢逆运动学模型、基于表面肌电传感器、角度传感器和足底压力传感器等多传感器采集系统，通过构建长短期记忆神经网络(LSTM)模型，构建训练集和测试集数据训练神经网络模型，可以快速、准确的估计膝关节扭矩和刚度，识别穿戴者运动意图，并通过估计的膝关节扭矩值和刚度值，对外骨骼位置电机进行导纳控制实现外骨骼的柔顺控制；对刚度电机进行闭环PID控制，实时调整膝关节刚度。本发明提出的控制策略，能够输出连续的控制信号，在完成模型训练后可以识别出穿戴者运动意图，外骨骼控制柔顺性好，适用于老年人辅助行走和膝关节损伤患者的术后康复训练。

Description

一种适用于变刚度膝关节康复外骨骼的控制方法
技术领域
本发明涉及膝关节康复外骨骼机器人技术领域，特别是涉及一种变刚度膝关节康复外骨骼以及适用于变刚度膝关节康复外骨骼的控制方法和康复训练方法。
背景技术
膝关节康复外骨骼是可穿戴的人机协作系统，能够在穿戴者的膝关节处产生可控的辅助力矩。相较于传统的人工康复治疗，膝关节康复外骨骼具有康复效率高和康复周期短的特点，具有与人体下肢类似的运动学结构，通常设计有驱动器、传感器、控制器以及电源等，可以为患者膝关节提供可控的辅助力/力矩，帮助患者重获肌肉力量和运动控制功能，膝关节损伤病人在穿上外骨骼后，在外骨骼的支撑及其动力驱动作用下，可以实现和正常人一样的站起/坐下、行走、上下楼梯等动作，能大大提高他们生活的质量和乐趣。膝关节康复外骨骼最重要的目标是协助膝关节运动功能障碍患者站立行走，重新恢复患者的身心健康并建立起他们对生活的信心。
一直以来，由神经疾病、年龄增长和外科伤病等引起的膝关节损伤会造成患者的肌肉无力、步态紊乱甚至长期的运动失能，严重影响患者的生活质量和对生活的信心。膝关节康复外骨骼可以提供更科学有效、更简便快捷的康复训练。针对膝关节损伤患者，很多外骨骼控制只单纯满足了位置控制，而没有考虑患者运动意图和外界环境影响，缺少了安全性和舒适性。
发明内容
本发明所要解决的技术问题是：针对以上问题，本发明的一种变刚度膝关节康复外骨骼及其控制方法，不仅考虑了患者的运动意图，而且考虑了膝关节的刚度变化，从人体膝关节角度信号和下肢肌电信号估计膝关节力矩和刚度，快速、实时的获取患者运动意图，并分别提供外骨骼刚度控制和柔顺性位置控制，使康复过程更稳定、舒适和安全。
为解决上述技术问题，本发明采用的一个技术方案是：
提供一种变刚度膝关节康复外骨骼，包括变刚度膝关节康复外骨骼本体、动力模块、控制系统、传感器采集模块和基于运动意图识别的控制策略模块；
所述变刚度膝关节康复外骨骼本体包括大腿杆件与大腿杆件底端的小腿杆件铰接而成的膝关节、小腿杆件与小腿杆件底端的鞋底支座铰接而成的踝关节，所述大腿杆件的侧面固定安装有由刚度调节电机驱动的丝杠螺母机构，丝杠螺母机构的动力输出端固定连接有滑块，所述动力模块包括固定连接于小腿杆件侧面上的安装架、固定安装于安装架上的位置控制电机、转动安装于安装架上的盘式扭簧，所述位置控制电机的输出轴端通过齿轮副与盘式扭簧的扭簧扭矩传动轴传动连接，所述盘式扭簧的外圆面上固定设置有沟槽杆，所述滑块滑动设置于沟槽杆内；
所述传感器采集模块包括表面肌电信号采集仪、电位计、足底压力传感器和三维运动捕捉系统，所述表面肌电信号采集仪用于采集下肢肌电信号，所述电位计安装于大腿杆件和小腿杆件的铰接处，用于采集膝关节转动角度，所述足底压力传感器设置于鞋底支座的底面上，用于采集地面反力，所述三维运动捕捉系统用于采集人体下肢各标记点的位置和运动信息；
所述控制系统包括上位机PC电脑和下位机单片机，所述上位机PC电脑内置数据处理软件并与下位机单片机采用串口通信，负责数据的接收与处理，下位机单片机分别与刚度调节电机、位置控制电机、传感器采集模块连接；
所述运动意图识别是指基于表面肌电信号估计膝关节扭矩和刚度，通过构建长短期记忆神经网络模型，将下肢四块肌肉表面肌电信号和膝关节角度信号作为神经网络输入，将逆运动学计算所得的膝关节扭矩和刚度作为模型输出，构建训练集和测试集进行模型训练；
所述控制策略是指通过运动意图识别实时得到的膝关节扭矩值和刚度值后，根据输出的扭矩值对位置控制电机导纳控制实现外骨骼柔顺控制，辅助穿戴者完成康复训练，根据输出的刚度值控制刚度调节电机实时调整外骨骼的膝关节刚度。
还提供一种适用于所述的变刚度膝关节康复外骨骼的控制方法，包括以下步骤：
S10、通过表面肌电信号采集仪、电位计和足底压力传感器采集穿戴者在跑步机行走时的运动学数据，包括表面肌电信号采集仪采集的腿部表面肌电信号、电位计采集的膝关节转动角度，以及脚底压力传感器采集的压力数据。
S11、分别对采集到的膝关节转动角度数据和表面肌电信号数据进行滤波预处理；
S12、通过逆运动学计算膝关节扭矩和踝关节扭矩：通过大腿、小腿和足部建立人体下肢三连杆模型，对每个连杆部件建立牛顿欧拉方程，得到人体动力学模型；通过足底压力传感器采集计算足底压力；通过三维运动捕捉系统贴在人体下肢的标记点获取各个标记点的位置和运动状态信息，通过配套软件解算各个标记点的速度以及加速度信息，进而得到各个标记点的质量转动惯量，最终求解得到人体膝关节力矩；
S13、构建长短期记忆神经网络模型来估计膝关节扭矩和刚度，受试者在穿戴变刚度膝关节康复外骨骼和张贴表面肌电信号采集仪后在跑步机上行走以采集数据，并将采集并处理后的膝关节角度和四块肌肉的肌电信号数据信息的前80％数据量作为神经网络模型的训练集输入数据，将计算后的膝关节力矩和刚度值作为训练集输出数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据信息的后20％的数据量分别作为测试集输入数据，将计算后的膝关节力矩和刚度值作为测试集输出数据；
S14、利用均方根误差来评估人体膝关节力矩和刚度预测模型的优劣，并衡量神经网络模型预测值和真实值的误差程度；
S15、由长短期记忆神经网络估计得出膝关节刚度值后，通过控制刚度调节电机的转动来驱动丝杠螺母机构的传动，从而调节沟槽杆的有效长度，实现关节刚度的实时调节，实现变刚度功能，采用PID闭环控制、电机工作在速度模式实现关节刚度的动态变化；在上位机PC电脑内置的数据处理软件中设计基于估计力矩的具有轨迹跟踪的导纳控制方法，以基于不同穿戴者行走的膝关节角度曲线和由长短期记忆神经网络模型得到的估计力矩作为输入，以膝关节实际角度为输出，通过控制位置控制电机的转动来驱动齿轮副的转动，从而通过盘式扭簧辅助穿戴者完成康复训练。
进一步的，步骤S11中，表面肌电信号数据采集和滤波预处理的具体方式为：
将表面肌电信号采集仪贴头贴在右腿股外侧肌、半腱肌、股二头肌长头、腓肠肌内侧头处，利用表面肌电信号采集仪其中四通道以2000Hz的速率采集受试者2m/s的速度行走1分钟时的四块肌肉的肌电信号，并利用50Hz陷波滤波器和具有20Hz-500Hz带宽的巴特沃斯带通滤波器去除噪声；
之后进行特征提取，为了保证特征的连续性，将预处理后的肌电信号以30个采样点为窗口，选择时域特征的均方根RMS进行分析，RMS的计算公式如下：
Figure BDA0004142980050000031
其中，Data[i]为表面肌电信号；N为窗口大小。
进一步的，步骤S12中，在人体下肢三连杆模型中通过人体动力学模型计算得到踝关节力矩和膝关节力矩的采用的公式如下：
Figure BDA0004142980050000032
Figure BDA0004142980050000041
其中，M3为踝关节力矩，M2为膝关节力矩，θ3为足部质心与踝关节连线与水平面的夹角，θ2为小腿质心与膝关节连线与水平面的夹角，m3为足部的质量，m2为小腿杆件的质量，l3为踝关节距地面高度，l2a为小腿的质心到膝关节中心点的距离，l2为小腿长度，Fx为地面对足部水平分力，Fy为地面对足部的垂直分力，c2x为小腿质心的水平位置，c2y为小腿质心的竖直位置，c3x为足部质心的水平位置，c3y为足部质心的竖直位置，J3为足部转动惯量，J2为小腿转动惯量。
进一步的，所述长短期记忆神经网络的隐藏层输入包括当前输入Xt、上一个时刻隐藏层输出向量ht-1，以及隐藏层状态Ct-1，隐藏层结构还包括遗忘门ft、更新门it和输出门ot，遗忘门ft的作用是决定状态Ct中哪些信息需要丢弃，更新门it的作用是判断是否能够用于状态Ct的更新，经过遗忘门ft和更新门it，完成状态Ct的更新，输出门ot用于决定状态Ct中如何作用到隐藏层状态ht的输出，遗忘门ft、更新门it和输出门ot以及隐藏层状态ht和更新后的状态Ct的计算表达式如下：
ft＝σ(Wxfxt+Whfht-1+bf)
it＝σ(Wxixt+Whiht-1+bi)
ot＝σ(Wxoxt+Whoht-1+bo)
Figure BDA0004142980050000042
ht＝ot⊙tanh(Ct)
其中，σ为sigmod函数，tanh为双曲正切函数，Wxf、Wxi、Wxo和bf、bi、bo分别为遗忘门、更新门和输出门中需要训练的权重参数和偏置参数。
进一步的，步骤S14中，均方根误差的公式为：
Figure BDA0004142980050000051
其中，Yact是通过逆运动学计算的膝关节计算力矩值或刚度计算公式计算的刚度值，Ypre是神经网络模型估计的膝关节力矩值或刚度值，N是测试样本序列的数据长度。
进一步的，步骤S15中，基于估计力矩的具有轨迹跟踪的导纳控制方法采用的导纳控制公式为：
Figure BDA0004142980050000052
其中，qd和qk表示外骨骼要跟踪的目标角度和实际角度，τh为估计力矩，Md、Cd和Kd分别是导纳控制对象的质量、阻尼和刚度参数。
进一步的，步骤S15中，刚度控制方法的控制输入为：
Figure BDA0004142980050000053
其中，e(t)为参考刚度和神经网络估计刚度的误差，Kp、Ki、Kd是PID控制器的参数。
还提供了一种基于变刚度膝关节康复外骨骼的康复训练方法，包括以下步骤：
S20：受试者在放松活动后张贴表面肌电信号采集仪的采集贴片，穿戴变刚度膝关节康复外骨骼后，启动三维运动捕捉系统、上位机PC电脑运行程序和下位机开关，进行初始化；
S21：表面肌电信号采集仪获取受试者股外侧肌、半腱肌、股二头肌长头、腓肠肌内侧头的表面肌电信号并进行滤波处理，电位计获取膝关节角度数据，足底压力传感器获取足底压力数据，三维运动捕捉系统获取运动学数据，由上位机PC电脑内预置的MATLAB软件计算受试者的膝关节扭矩和刚度；
S22：受试者在在跑步机连续行走，系统连续采集数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据的前80％的数据量作为神经网络模型的训练集输入数据，将计算后的膝关节力矩和刚度值作为训练集输出数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据的后20％的数据量分别作为测试集输入和输出数据，在MATLAB上运行程序训练模型，在模型训练好后导出训练好的模型；
S23：在MATLAB软件simulink模块中设定外骨骼膝关节参考轨迹，根据步骤S22实时估计的膝关节扭矩值和刚度值，下位机单片机运行导纳控制算法控制位置控制电机执行相应动作，实现膝关节康复外骨骼的关节转动的柔顺控制和轨迹跟踪，采用闭环PID控制刚度调节电机执行相应动作，实现膝关节康复外骨骼的刚度跟踪和控制；
S24：受试者按照步骤S21穿戴外骨骼和佩戴传感器以进行相关数据的采集，下位机单片机将采集到的数据通过通讯串口传送到上位机PC电脑，上位机PC电脑处理数据并将处理后的数据导入训练好的神经网络模型中；神经网络模型根据输入数据实时估计出膝关节扭矩和刚度值，并由上位机PC电脑将输出数据实时发送到下位机单片机，单片机执行程序进行康复训练；
S25：重复执行S23和S24步骤，直至受试者完成康复训练；
S26：关闭上位机PC电脑，受试者脱下变刚度膝关节康复外骨骼，去除下肢表面肌电信号采集仪贴片。
与现有技术相比较，本发明的有益效果如下：
1.本发明的变刚度膝关节康复外骨骼控制方法，可以根据受试者运动意图实时控制膝关节刚度，进一步增加膝关节康复外骨骼的安全性，提高膝关节损伤患者的行走能力。另外基于样机刚度可调的特性，可以促进外骨骼样机与受试者人体交互的安全性、舒适性和通用性。
2.本发明的变刚度膝关节康复外骨骼控制系统，基于长短期记忆神经网络模型和逆运动学计算膝关节扭矩，在模型训练完成之后，不需要计算关节力矩和刚度，减少传感器的使用，通过模型可以实时估计关节力矩和刚度，采用机器学习算法实时性较好。
3.本发明变刚度膝关节康复外骨骼控制系统，在刚度控制采用闭环PID控制实时调整刚度，基于受试者运动意图估计刚度，适应环境和康复任务的变刚度行为，更满足人体运动规律。在康复训练过程中，外骨骼采用柔顺控制方法，提高外骨骼控制的稳定性和舒适性，更利于患者进行康复训练。
附图说明
图1是本发明的变刚度膝关节康复外骨骼机器人立体结构图。
图2是本发明的变刚度膝关节康复外骨骼机器人大腿局部图。
图3是本发明变刚度膝关节康复外骨骼机器人的变刚度原理图。
图4是下肢三连杆动力学模型图。
图5是LSTM神经网络隐藏层节点示意图。
图6是测试试验中逆运动学计算力矩数据图。
图7是LSTM神经网络预测集估计力矩和计算力矩对比图。
图8是测试试验中逆计算刚度数据图。
图9是LSTM神经网络预测集估计刚度和计算刚度对比图。
图10是MATLAB软件simulink模块设计导纳控制算法模型图。
图11是导纳控制轨迹跟踪仿真图。
图12是本发明变刚度膝关节康复外骨骼机器人运动控制方法流程图。
图中：1刚度调节电机编码器；2刚度调节电机；3联轴器；4滑台；5丝杠螺母机构；6滑块；7盘式扭黄；8齿轮副；9位置控制电机；10位置控制电机编码器；11小腿杆件；12踝关节转轴；13踝关节组件；14鞋底支座；15足底压力鞋垫；16大腿杆件；17电位计。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1和图2，一种变刚度膝关节康复外骨骼，包括变刚度膝关节康复外骨骼本体、动力模块、控制系统、传感器采集模块和基于运动意图识别的控制策略模块。
其中，变刚度膝关节康复外骨骼本体包括大腿杆件16与大腿杆件16底端的小腿杆件11通过膝关节转轴铰接而成的膝关节、小腿杆件11与小腿杆件11底端的鞋底支座14通过踝关节转轴12铰接而成的踝关节。大腿杆件16的内侧固定设置有大腿固定框，通过大腿固定框可将大腿杆件16佩戴于康复训练者的大腿上，并通过魔术贴束带紧固；小腿杆件11的内侧固定设置有小腿固定框，通过固定框可将小腿杆件11佩戴于康复训练者的小腿上，并通过魔术贴束带紧固；踝关节转轴12的内侧端固定连接有踝关节组件13，鞋底支座14固定安装在踝关节组件13的侧面，使得鞋底支座14位于大腿固定框和小腿固定框的正下方；鞋底支座14的表面固定设置有足底压力鞋垫15，大腿杆件16和小腿杆件11固定后，足底压力鞋垫15正好处于康复训练者的足底。
大腿杆件16的侧面固定安装有由刚度调节电机2驱动的丝杠螺母机构5，丝杠螺母机构5的动力输出端(螺母座上)固定连接有滑块6。具体的，刚度调节电机2采用直流电机，其末端设置有刚度调节电机编码器1，用于检测刚度调节电机2的转动角度。大腿杆件16的外侧面上固定安装有滑台4，丝杠螺母机构5转动安装于滑台4上，刚度调节电机2的输出轴通过联轴器3与丝杠螺母机构5的动力输入端(丝杠的轴端)传动连接。滑台4上还设置有位于丝杠螺母机构5一侧的导向杆，导向杆上滑动套设有与螺母座固定连接的导向块。通过刚度调节电机2的转动和丝杠螺母机构的传动，可实现滑块6的上下位移，从而调整滑块6的位置。
动力模块包括固定连接于小腿杆件11侧面上的安装架、固定安装于安装架上的位置控制电机9、转动安装于安装架上的盘式扭簧7，位置控制电机9的输出轴端通过齿轮副8与盘式扭簧7的扭簧扭矩传动轴传动连接，盘式扭簧7的外圆面上固定设置有沟槽杆，滑块6滑动设置于沟槽杆内；位置控制电机9采用直流电机，其末端设置有位置控制电机编码器10，用于检测位置控制电机9的转动角度。齿轮副8采用锥齿轮传动副，主动小齿轮固定安装在位置控制电机9的输出轴端，与主动小齿轮啮合传动的从动大齿轮固定安装在盘式扭簧7的扭簧扭矩传动轴轴端。通过位置控制电机9的转动和齿轮副8的传动，可将扭力通过盘式扭簧7柔性地传递至滑块6上，从而对大腿杆件16产生一个侧向作用力，由于滑动模块固定在大腿杆16上，滑动模块施加的反作用力将推动小腿杆件11绕膝关节转动。
如图3所示，本发明的变刚度膝关节康复外骨骼机器人的变刚度原理如下：
当盘式扭簧外圈相对于内圈的转角为
Figure BDA0004142980050000081
时，线性压缩弹簧会产生相应的线性位移Δx，那么：
Figure BDA0004142980050000082
公式中R为盘式扭簧的外径半径。
由线性压缩弹簧产生的力Fs将产生一个与盘式扭簧在中心点O产生的力矩To2相当的力矩To1，可得力矩To1和To2如下：
To＝FsR＝ksΔxR
Figure BDA0004142980050000083
式中，To为盘式扭簧的中心力矩，k为盘式扭簧的刚度系数，ks为等效线性压缩弹簧的刚度系数。
因此可以推导出盘式扭簧刚度系数与线性压缩弹簧刚度系数的关系：
ksR2＝k
将小腿杆件11固定为垂直状态，将滑块6视为枢纽点A，将沟槽杆和大腿杆件16视为绕滑块6转动的连杆，AB段代表大腿杆件，点O对应于膝关节转轴，那么AB段连杆绕枢纽点A的转动角度θ即为大腿杆件16固定时小腿杆件11的转动角度。当位置控制电机9产生一个角度变量
Figure BDA0004142980050000091
时，由盘式扭簧7的等效线性压缩弹簧对枢纽点A产生的力Fs引起的转矩T可以由以下公式计算得到：
Figure BDA0004142980050000092
其中，R为盘式扭簧的等效线性压缩弹簧中心轴线与膝关节转轴中心线的垂直距离，k为盘式扭簧的刚度系数，ks为盘式扭簧的等效线性压缩弹簧的刚度系数，L为盘式扭簧的等效线性压缩弹簧中心轴线到枢纽点A的距离。
此处设定B点到A点的垂向距离为(L+R)，因此，在B点的连轴线位置产生一个力F，可以如下公式表示：
Figure BDA0004142980050000093
则膝关节刚度的计算公式：
Figure BDA0004142980050000094
其中，θ为大腿杆件偏转角，T为枢纽点A处的扭矩，L为由刚度调节电机2调节的沟槽杆的有效长度。从公式中可以看出膝关节刚度与沟槽杆的有效长度L成线性正比，当L长度变化时，刚度也会相应变化。所以当关节刚度由神经网络估计得出后，可以通过控制刚度调节电机2驱动丝杠螺母机构5来调节沟槽杆长度，从而实现实时调节关节刚度，实现外骨骼的变刚度功能。当刚度调节电机2以αrad的角度旋转时，滑块6在螺杆上的位移可以通过如下公式计算：
Figure BDA0004142980050000095
其中，s是滑块的位移，p是螺杆的螺纹螺距。
传感器采集模块包括表面肌电信号采集仪、电位计17、足底压力传感器15和三维运动捕捉系统(均为现有设备)。表面肌电信号采集仪用于采集下肢肌电信号，具体为将股外侧肌、半腱肌、股二头肌长头、腓肠肌内侧头的表面肌电信号。电位计安装于大腿杆件和小腿杆件的铰接处，即外骨骼机器人的膝关节处，用于采集膝关节转动角度。足底压力传感器设置于鞋底支座的底面上，用于采集地面反力，三维运动捕捉系统用于采集穿戴者在跑步机行走时的运动学数据，即人体下肢各标记点的位置和运动信息。通过上述采集的信号数据作为输入数据，通过逆运动学计算膝关节的扭矩，进而通过关节扭矩和角度可以通过公式计算出关节刚度，以此作为神经网络模型输出结果。
控制系统包括上位机PC电脑和下位机单片机，上位机PC电脑内置数据处理软件(MATLAB软件)并与下位机单片机采用串口通信，负责数据的接收与处理，在上位机PC电脑所运行程序的通讯初始化模块中设置串口号、波特率和输入输出缓冲区大小等，使用USB线将上位机PC电脑与单片机连接后运行程序并完成自动连接。下位机单片机分别与刚度调节电机、位置控制电机、传感器采集模块连接，负责数据采集、数据发送和电机控制等。数据处理软件负责电位计、足底压力传感器等传感器的数据接收，并将处理后的数据发送至下位机单片机，从而下位单片机对刚度调节电机、位置控制电机的控制器发送控制指令，以控制刚度调节电机、位置控制电机执行相应的动作。
运动意图识别是指基于表面肌电信号估计膝关节扭矩和刚度，通过构建长短期记忆神经网络(LSTM)模型(以下简称LSTM模型)，将下肢四块肌肉表面肌电信号和膝关节角度信号作为神经网络输入，将逆运动学计算所得的膝关节扭矩和刚度作为模型输出，构建训练集和测试集进行模型训练。
控制策略是指通过运动意图识别实时得到的膝关节扭矩值和刚度值后，采用前述的柔顺导纳控制远离和变刚度原理，根据输出的扭矩值对位置控制电机导纳控制实现外骨骼柔顺控制，辅助穿戴者完成康复训练，提高外骨骼控制的稳定性和舒适性，更利于患者进行康复训练。根据输出的刚度值控制刚度调节电机实时调整外骨骼的膝关节刚度，采用闭环PID控制实时调整刚度，基于受试者运动意图估计刚度，适应环境和康复任务的变刚度行为，更满足人体运动规律。
请参阅图4至图11，一种适用于变刚度膝关节康复外骨骼的控制方法，包括以下步骤：
S10、通过表面肌电信号采集仪、电位计和足底压力传感器构成的三维运动捕捉系统采集穿戴者在跑步机行走时的运动学数据，包括表面肌电信号采集仪采集的腿部表面肌电信号、电位计采集的膝关节转动角度，以及脚底压力传感器采集的压力数据。
S11、分别对采集到的膝关节转动角度数据和表面肌电信号数据进行滤波预处理；
(1)膝关节角度数据预处理：
膝关节角度通过外骨骼机器人结构膝关节处的电位计测得，在膝关节角度采集之前，由于电位计的量程两端，实际测得角度与电刷的转动角度往往不相同，需要对电位计量程进行标定，选取电位计中间一部分作为新的量程。在标定之后，对采集的角度数据进行滤波处理。
(2)表面肌电信号数据预处理：
以采集穿戴者右腿肌肉的肌电信号为例，在采集信号前，为降低表面肌电电极与受试者皮肤之间的阻抗，刮除受试者相关皮肤表面的毛发，然后用酒精棉擦拭皮肤。在测试前受试者做适当放松活动，将表面肌电信号采集仪贴片贴在右腿股外侧肌、半腱肌、股二头肌长头、腓肠肌内侧头处，利用表面肌电信号采集仪的其中四通道以2000Hz的速率采集受试者1.5m/s的速度行走1分钟时的四块肌肉的肌电信号，并利用50Hz陷波滤波器和具有20Hz-500Hz带宽的巴特沃斯带通滤波器去除噪声。
之后进行特征提取，为了保证特征的连续性，将预处理后的肌电信号以30个采样点为窗口，选择时域特征的均方根(RMS)进行分析，RMS的计算公式如下：
Figure BDA0004142980050000111
其中，Data[i]为表面肌电信号，N为窗口大小。
S12、通过逆运动学计算膝关节扭矩和踝关节扭矩：通过大腿、小腿和足部建立人体下肢三连杆模型，如图4所示，对每个连杆部件建立牛顿欧拉方程，得到人体动力学模型。通过足底压力传感器采集计算足底压力；通过三维运动捕捉系统贴在人体下肢的标记点获取各个标记点的位置和运动状态信息，通过配套软件解算各个标记点的速度以及加速度信息，进而得到各个标记点的质量转动惯量，最终求解得到人体膝关节力矩；
计算踝关节力矩和膝关节力矩的采用的公式如下：
Figure BDA0004142980050000112
其中，M3为踝关节力矩，M2为膝关节力矩，θ3为足部质心与踝关节连线与水平面的夹角，θ2为小腿质心与膝关节连线与水平面的夹角，m3为足部的质量，m2为小腿杆件的质量，l3为踝关节距地面高度，l2a为小腿的质心到膝关节中心点的距离，l2为小腿长度，Fx为地面对足部水平分力，Fy为地面对足部的垂直分力，c2x为小腿质心的水平位置，c2y为小腿质心的竖直位置，c3x为足部质心的水平位置，c3y为足部质心的竖直位置，J3为足部转动惯量，J2为小腿转动惯量。
S13、构建长短期记忆神经网络(LSTM)模型来估计膝关节扭矩和刚度：
受试者在穿戴变刚度膝关节康复外骨骼和张贴表面肌电信号采集仪后在跑步机上行走以采集数据，并将采集并处理后的膝关节角度和四块肌肉的肌电信号数据信息的前80％数据量作为神经网络模型的训练集输入数据，将计算后的膝关节力矩和刚度值作为训练集输出数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据信息的后20％的数据量分别作为测试集输入数据，将计算后的膝关节力矩和刚度值作为测试集输出数据。
本实施例中，LSTM神经网络隐藏层节点示意图如图5所示。LSTM神经网络隐藏层的输入包括当前输入Xt、上一个时刻隐藏层输出向量ht-1，以及隐藏层状态Ct-1，隐藏层结构还包括遗忘门ft、更新门it和输出门ot，遗忘门ft的作用是决定状态Ct中哪些信息需要丢弃，更新门it的作用是判断是否能够用于状态Ct的更新，经过遗忘门ft和更新门it，完成状态Ct的更新，输出门ot用于决定状态Ct中如何作用到隐藏层状态ht的输出，遗忘门ft、更新门it和输出门ot以及隐藏层状态ht和更新后的状态Ct的计算表达式如下：
ft＝σ(Wxfxt+Whfht-1+bf)
it＝σ(Wxixt+Whiht-1+bi)
ot＝σ(Wxoxt+Whoht-1+bo)
Figure BDA0004142980050000121
ht＝ot⊙tanh(Ct)
其中，σ为sigmod函数，tanh为双曲正切函数，Wxf、Wxi、Wxo和bf、bi、bo分别为遗忘门、更新门和输出门中需要训练的权重参数和偏置参数。
S14、利用均方根误差(RMSE)来评估人体膝关节力矩和刚度预测模型的优劣，并通过RMSE来衡量神经网络模型预测值和真实值的误差程度。
均方根误差RMSE的公式为：
Figure BDA0004142980050000131
其中，Yact是通过逆运动学计算的膝关节计算力矩值或刚度计算公式计算的刚度值，Ypre是神经网络模型估计的膝关节力矩值或刚度值，N是测试样本序列的数据长度。
S15、由长短期记忆神经网络估计得出膝关节刚度值后，如前所述，通过控制刚度调节电机的转动来驱动丝杠螺母机构的传动，从而调节沟槽杆的有效长度，实现关节刚度的实时调节，实现变刚度功能，采用PID闭环控制、电机工作在速度模式实现关节刚度的动态变化；在上位机PC电脑内置的MATLAB软件simulink模块中设计基于估计力矩的具有轨迹跟踪的导纳控制方法，以基于不同穿戴者行走的膝关节角度数据和由长短期记忆神经网络模型得到的估计力矩作为输入，以膝关节实际角度为输出，通过控制位置控制电机的转动来驱动齿轮副的转动，从而通过盘式扭簧辅助穿戴者完成康复训练。
采用的导纳控制公式为：
Figure BDA0004142980050000132
其中，qd和qk表示外骨骼要跟踪的目标角度和实际角度，τh为估计力矩，Md、Cd和Kd分别是导纳控制对象的质量、阻尼和刚度参数。
图10是在MATLAB软件simulink模块中设计导纳控制算法，图中expect_input代表参考轨迹，即膝关节参考角度；Imported_Signal 1代表输入估计膝关节扭矩；admittance_ctrl代表导纳控制模块；position_control代表膝关节康复外骨骼位置跟踪模块；out.Q代表膝关节实际角度。
采用上述导纳控制方法，设置参考轨迹为幅值为5度的正弦信号，进行验证测试，整体效果如图11所示，其中，实线表示要跟踪的参考轨迹曲线，虚线表示实际跟踪轨迹曲线。可以直观看出，通过该导纳控制算法进行柔顺控制，实际跟踪轨迹曲线与要跟踪的参考轨迹曲线基本吻合，误差较小，且稳定在较小的合理范围内。
外骨骼刚度控制方法采用PID闭环控制，电机工作在速度模式，控制输入为：
Figure BDA0004142980050000141
其中，e(t)为参考刚度和神经网络估计刚度的误差，Kp、Ki、Kd是PID控制器的参数。
请参阅图12，一种基于变刚度膝关节康复外骨骼的康复训练方法，包括以下步骤：
S20：受试者在放松活动后张贴表面肌电信号采集仪的采集贴片，穿戴变刚度膝关节康复外骨骼后，启动三维运动捕捉系统、上位机PC电脑运行程序和下位机开关，进行初始化；
S21：表面肌电信号采集仪获取受试者股外侧肌、半腱肌、股二头肌长头、腓肠肌内侧头的表面肌电信号并进行滤波处理，电位计获取膝关节角度数据，足底压力传感器获取足底压力数据，三维运动捕捉系统获取运动学数据，由上位机PC电脑内预置的MATLAB软件计算受试者的膝关节扭矩和刚度；
S22：受试者在在跑步机连续行走，系统连续采集数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据的前80％的数据量作为神经网络模型的训练集输入数据，将计算后的膝关节力矩和刚度值作为训练集输出数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据的后20％的数据量分别作为测试集输入和输出数据，在MATLAB上运行程序训练模型，在模型训练好后导出训练好的模型；
图6和图7是LSTM神经网络估计力矩和逆动力学计算力矩对比图。本实施例中，选取1名健康男性作为受试者，要求受试者佩戴下肢表面肌电信号采集仪并穿戴变刚度膝关节康复外骨骼进行行走实验。数据采集完成之后导入LSTM神经网络模型进行训练。膝关节力矩整体数据集如图6所示，前80％是训练集，只显示计算扭矩，后20％是测试集。测试集预测效果如图7所示，横坐标表示测试集数据量，纵坐标表示各个数据点的力矩数据，实线表示逆动力学计算力矩，虚线表示神经网络预测力矩。通过直观比较可知，神经网络预测力矩与逆动力学计算力矩基本吻合，误差值较小，在合理的误差范围内。
图8和图9是LSTM神经网络估计刚度和计算刚度对比图。膝关节力矩整体数据集如图8所示，前80％是训练集，只显示计算刚度，后20％是测试集。测试集预测效果如图9所示，横坐标表示测试集数据量，纵坐标表示各个数据点的刚度数据，实线表示计算刚度，虚线表示神经网络预测刚度。同样可以通过直观比较获知，神经网络预测刚度与逆动力学计算力矩基本吻合，误差值较小，在合理的误差范围内。
S23：在MATLAB软件simulink模块中设定外骨骼膝关节参考轨迹，根据步骤S22实时估计的膝关节扭矩值和刚度值，下位机单片机运行导纳控制算法控制位置控制电机(图中所示的M1电机)执行相应动作，实现膝关节康复外骨骼的关节转动的柔顺控制和轨迹跟踪，采用闭环PID控制刚度调节电机(图中所示的M2电机)执行相应动作，实现膝关节康复外骨骼的刚度跟踪和控制；
S24：受试者按照步骤S21穿戴外骨骼和佩戴传感器以进行相关数据的采集，下位机单片机将采集到的数据通过通讯串口传送到上位机PC电脑，上位机PC电脑处理数据并将处理后的数据导入训练好的神经网络模型中；神经网络模型根据输入数据实时估计出膝关节扭矩和刚度值，并由上位机PC电脑将输出数据实时发送到下位机单片机，单片机执行程序进行康复训练；
S25：重复执行S23和S24步骤，直至受试者完成康复训练；
S26：关闭上位机PC电脑，受试者脱下变刚度膝关节康复外骨骼，去除下肢表面肌电信号采集仪贴片。
除此之外，变刚度膝关节康复外骨骼还设置了急停开关，防止在进行康复训练过程中出现意外情况(如程序跑飞或机械部件损坏等)，当出现意外时，可以及时按下急停开关，断开整个康复训练系统，保证穿戴者的安全。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种变刚度膝关节康复外骨骼，其特征在于：包括变刚度膝关节康复外骨骼本体、动力模块、控制系统、传感器采集模块和基于运动意图识别的控制策略模块；
所述变刚度膝关节康复外骨骼本体包括大腿杆件与大腿杆件底端的小腿杆件铰接而成的膝关节、小腿杆件与小腿杆件底端的鞋底支座铰接而成的踝关节，所述大腿杆件的侧面固定安装有由刚度调节电机驱动的丝杠螺母机构，丝杠螺母机构的动力输出端固定连接有滑块，所述动力模块包括固定连接于小腿杆件侧面上的安装架、固定安装于安装架上的位置控制电机、转动安装于安装架上的盘式扭簧，所述位置控制电机的输出轴端通过齿轮副与盘式扭簧的扭簧扭矩传动轴传动连接，所述盘式扭簧的外圆面上固定设置有沟槽杆，所述滑块滑动设置于沟槽杆内；
所述传感器采集模块包括表面肌电信号采集仪、电位计、足底压力传感器和三维运动捕捉系统，所述表面肌电信号采集仪用于采集下肢肌电信号，所述电位计安装于大腿杆件和小腿杆件的铰接处，用于采集膝关节转动角度，所述足底压力传感器设置于鞋底支座的底面上，用于采集地面反力，所述三维运动捕捉系统用于采集人体下肢各标记点的位置和运动信息；
所述控制系统包括上位机PC电脑和下位机单片机，所述上位机PC电脑内置数据处理软件并与下位机单片机采用串口通信，负责数据的接收与处理，下位机单片机分别与刚度调节电机、位置控制电机、传感器采集模块连接；
所述运动意图识别是指基于表面肌电信号估计膝关节扭矩和刚度，通过构建长短期记忆神经网络模型，将下肢四块肌肉表面肌电信号和膝关节角度信号作为神经网络输入，将逆运动学计算所得的膝关节扭矩和刚度作为模型输出，构建训练集和测试集进行模型训练；
所述控制策略是指通过运动意图识别实时得到的膝关节扭矩值和刚度值后，根据输出的扭矩值对位置控制电机导纳控制实现外骨骼柔顺控制，辅助穿戴者完成康复训练，根据输出的刚度值控制刚度调节电机实时调整外骨骼的膝关节刚度。
2.一种基于权利要求1所述的变刚度膝关节康复外骨骼的控制方法，其特征在于，包括以下步骤：
S10、通过表面肌电信号采集仪、电位计和足底压力传感器采集穿戴者在跑步机行走时的运动学数据，包括表面肌电信号采集仪采集的腿部表面肌电信号、电位计采集的膝关节转动角度，以及脚底压力传感器采集的压力数据。
S11、分别对采集到的膝关节转动角度数据和表面肌电信号数据进行滤波预处理；
S12、通过逆运动学计算膝关节扭矩和踝关节扭矩：通过大腿、小腿和足部建立人体下肢三连杆模型，对每个连杆部件建立牛顿欧拉方程，得到人体动力学模型；通过足底压力传感器采集计算足底压力；通过三维运动捕捉系统贴在人体下肢的标记点获取各个标记点的位置和运动状态信息，通过配套软件解算各个标记点的速度以及加速度信息，进而得到各个标记点的质量转动惯量，最终求解得到人体膝关节力矩；
S13、构建长短期记忆神经网络模型来估计膝关节扭矩和刚度，受试者在穿戴变刚度膝关节康复外骨骼和张贴表面肌电信号采集仪后在跑步机上行走以采集数据，并将采集并处理后的膝关节角度和四块肌肉的肌电信号数据信息的前80％数据量作为神经网络模型的训练集输入数据，将计算后的膝关节力矩和刚度值作为训练集输出数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据信息的后20％的数据量分别作为测试集输入数据，将计算后的膝关节力矩和刚度值作为测试集输出数据；
S14、利用均方根误差来评估人体膝关节力矩和刚度预测模型的优劣，并衡量神经网络模型预测值和真实值的误差程度；
S15、由长短期记忆神经网络估计得出膝关节刚度值后，通过控制刚度调节电机的转动来驱动丝杠螺母机构的传动，从而调节沟槽杆的有效长度，实现关节刚度的实时调节，实现变刚度功能，采用PID闭环控制、电机工作在速度模式实现关节刚度的动态变化；在上位机PC电脑内置的数据处理软件中设计基于估计力矩的具有轨迹跟踪的导纳控制方法，以基于不同穿戴者行走的膝关节角度曲线和由长短期记忆神经网络模型得到的估计力矩作为输入，以膝关节实际角度为输出，通过控制位置控制电机的转动来驱动齿轮副的转动，从而通过盘式扭簧辅助穿戴者完成康复训练。
3.根据权利要求2所述的一种基于变刚度膝关节康复外骨骼的控制方法，其特征在于：步骤S11中，表面肌电信号数据采集和滤波预处理的具体方式为：
将表面肌电信号采集仪贴头贴在右腿股外侧肌、半腱肌、股二头肌长头、腓肠肌内侧头处，利用表面肌电信号采集仪其中四通道以2000Hz的速率采集受试者2m/s的速度行走1分钟时的四块肌肉的肌电信号，并利用50Hz陷波滤波器和具有20Hz-500Hz带宽的巴特沃斯带通滤波器去除噪声；
之后进行特征提取，为了保证特征的连续性，将预处理后的肌电信号以30个采样点为窗口，选择时域特征的均方根RMS进行提取，RMS的计算公式如下：
Figure FDA0004142980040000031
其中，Data[i]为表面肌电信号；N为窗口大小。
4.根据权利要求2所述的一种基于变刚度膝关节康复外骨骼的控制方法，其特征在于：步骤S12中，在人体下肢三连杆模型中通过人体动力学模型计算得到踝关节力矩和膝关节力矩的采用的公式如下：
Figure FDA0004142980040000032
Figure FDA0004142980040000033
其中，M3为踝关节力矩，M2为膝关节力矩，θ3为足部质心与踝关节连线与水平面的夹角，θ2为小腿质心与膝关节连线与水平面的夹角，m3为足部的质量，m2为小腿杆件的质量，l3为踝关节距地面高度，l2a为小腿的质心到膝关节中心点的距离，l2为小腿长度，Fx为地面对足部水平分力，Fy为地面对足部的垂直分力，c2x为小腿质心的水平位置，c2y为小腿质心的竖直位置，c3x为足部质心的水平位置，c3y为足部质心的竖直位置，J3为足部转动惯量，J2为小腿转动惯量。
5.根据权利要求2所述的一种基于变刚度膝关节康复外骨骼的控制方法，其特征在于：所述长短期记忆神经网络的隐藏层输入包括当前输入Xt、上一个时刻隐藏层输出向量ht-1，以及隐藏层状态Ct-1，隐藏层结构还包括遗忘门ft、更新门it和输出门ot，遗忘门ft的作用是决定状态Ct中哪些信息需要丢弃，更新门it的作用是判断是否能够用于状态Ct的更新，经过遗忘门ft和更新门it，完成状态Ct的更新，输出门ot用于决定状态Ct中如何作用到隐藏层状态ht的输出，遗忘门ft、更新门it和输出门ot以及隐藏层状态ht和更新后的状态Ct的计算表达式如下：
ft＝σ(Wxfxt+Whfht-1+bf)
it＝σ(Wxixt+Whiht-1+bi)
ot＝σ(Wxoxt+Whoht-1+bo)
Figure FDA0004142980040000041
ht＝ot⊙tanh(Ct)
其中，σ为sigmod函数，tanh为双曲正切函数，Wxf、Wxi、Wxo和bf、bi、bo分别为遗忘门、更新门和输出门中需要训练的权重参数和偏置参数。
6.根据权利要求2所述的一种基于变刚度膝关节康复外骨骼的控制方法，其特征在于：步骤S14中，均方根误差的公式为：
Figure FDA0004142980040000042
其中，Yact是通过逆运动学计算的膝关节计算力矩值或刚度计算公式计算的刚度值，Ypre是神经网络模型估计的膝关节力矩值或刚度值，N是测试样本序列的数据长度。
7.根据权利要求2所述的一种基于变刚度膝关节康复外骨骼的控制方法，其特征在于：步骤S15中，基于估计力矩的具有轨迹跟踪的导纳控制方法采用的导纳控制公式为：
Figure FDA0004142980040000043
Figure FDA0004142980040000044
其中，qd和qk表示外骨骼要跟踪的目标角度和实际角度，τh为估计力矩，Md、Cd和Kd分别是导纳控制对象的质量、阻尼和刚度参数。
8.进一步的，步骤S15中，刚度控制方法的控制输入为：
Figure FDA0004142980040000045
其中，e(t)为参考刚度和神经网络估计刚度的误差，Kp、Ki、Kd是PID控制器的参数。
9.一种基于变刚度膝关节康复外骨骼的康复训练方法，其特征在于，包括以下步骤：
S20：受试者在放松活动后张贴表面肌电信号采集仪的采集贴片，穿戴变刚度膝关节康复外骨骼后，启动三维运动捕捉系统、上位机PC电脑运行程序和下位机开关，进行初始化；
S21：表面肌电信号采集仪获取受试者股外侧肌、半腱肌、股二头肌长头、腓肠肌内侧头的表面肌电信号并进行滤波处理，电位计获取膝关节角度数据，足底压力传感器获取足底压力数据，三维运动捕捉系统获取运动学数据，由上位机PC电脑内预置的MATLAB软件计算受试者的膝关节扭矩和刚度；
S22：受试者在在跑步机连续行走，系统连续采集数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据的前80％的数据量作为神经网络模型的训练集输入数据，将计算后的膝关节力矩和刚度值作为训练集输出数据，将采集并处理后的膝关节角度和四块肌肉的肌电信号数据的后20％的数据量分别作为测试集输入和输出数据，在MATLAB上运行程序训练模型，在模型训练好后导出训练好的模型；
S23：在MATLAB软件simulink模块中设定外骨骼膝关节参考轨迹，根据步骤S22实时估计的膝关节扭矩值和刚度值，下位机单片机运行导纳控制算法控制位置控制电机执行相应动作，实现膝关节康复外骨骼的关节转动的柔顺控制和轨迹跟踪，采用闭环PID控制刚度调节电机执行相应动作，实现膝关节康复外骨骼的刚度跟踪和控制；
S24：受试者按照步骤S21穿戴外骨骼和佩戴传感器以进行相关数据的采集，下位机单片机将采集到的数据通过通讯串口传送到上位机PC电脑，上位机PC电脑处理数据并将处理后的数据导入训练好的神经网络模型中；神经网络模型根据输入数据实时估计出膝关节扭矩和刚度值，并由上位机PC电脑将输出数据实时发送到下位机单片机，单片机执行程序进行康复训练；
S25：重复执行S23和S24步骤，直至受试者完成康复训练；
S26：关闭上位机PC电脑，受试者脱下变刚度膝关节康复外骨骼，去除下肢表面肌电信号采集仪贴片。
CN202310295549.7A 2023-03-24 2023-03-24 一种适用于变刚度膝关节康复外骨骼的控制方法 Pending CN116270150A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310295549.7A CN116270150A (zh) 2023-03-24 2023-03-24 一种适用于变刚度膝关节康复外骨骼的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310295549.7A CN116270150A (zh) 2023-03-24 2023-03-24 一种适用于变刚度膝关节康复外骨骼的控制方法

Publications (1)

Publication Number Publication Date
CN116270150A true CN116270150A (zh) 2023-06-23

Family

ID=86834053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310295549.7A Pending CN116270150A (zh) 2023-03-24 2023-03-24 一种适用于变刚度膝关节康复外骨骼的控制方法

Country Status (1)

Country Link
CN (1) CN116270150A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116968084A (zh) * 2023-09-22 2023-10-31 常熟理工学院 一种外骨骼绑缚装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116968084A (zh) * 2023-09-22 2023-10-31 常熟理工学院 一种外骨骼绑缚装置
CN116968084B (zh) * 2023-09-22 2023-12-15 常熟理工学院 一种外骨骼绑缚装置

Similar Documents

Publication Publication Date Title
CN109549821B (zh) 基于肌电和惯导信号融合的外骨骼机器人助力控制系统及方法
Sun et al. From sensing to control of lower limb exoskeleton: A systematic review
CN111557828B (zh) 基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法
Huo et al. Lower limb wearable robots for assistance and rehabilitation: A state of the art
CN111604890B (zh) 一种适用于外骨骼机器人的运动控制方法
EP2825135B1 (en) Coordinating operation of multiple lower limb devices
CN110279557A (zh) 一种下肢康复机器人控制系统及控制方法
Loconsole et al. An EMG-based approach for on-line predicted torque control in robotic-assisted rehabilitation
CN106074089B (zh) 一种双手跟踪式手指康复机器人系统
CN113101134B (zh) 一种基于动力外骨骼的儿童下肢运动辅助康复系统
CN113043248B (zh) 基于多源传感器的搬运装配全身外骨骼系统及控制方法
Zhu et al. Design and voluntary control of variable stiffness exoskeleton based on sEMG driven model
US20140100494A1 (en) Smart gait rehabilitation system for automated diagnosis and therapy of neurologic impairment
CN116270150A (zh) 一种适用于变刚度膝关节康复外骨骼的控制方法
CN107468486A (zh) 下肢类脑智能机械电子外骨骼及其综合控制系统
Wu et al. Adaptive cooperative control of a soft elbow rehabilitation exoskeleton based on improved joint torque estimation
CN112842824A (zh) 一种用于下肢康复恢复的训练方法
Park et al. Performance estimation of the lower limb exoskeleton for plantarflexion using surface electromyography (sEMG) signals
Lalitharatne et al. Evaluation of fuzzy-neuro modifiers for compensation of the effects of muscle fatigue on EMG-based control to be used in upper-limb power-assist exoskeletons
CN112472531A (zh) 面向医疗复健和助力行走的下肢外骨骼机器人步态平稳算法
Hu et al. Stiffness optimal modulation of a variable stiffness energy storage hip exoskeleton and experiments on its assistance effect
Lopes et al. Biomechanical assessment of adapting trajectory and human-robot interaction stiffness in impedance-controlled ankle orthosis
Li et al. BEAR-H: An intelligent bilateral exoskeletal assistive robot for smart rehabilitation
Sheng et al. Musculoskeletal joint angle estimation based on isokinetic motor coordination
Ubeda et al. Single joint movement decoding from EEG in healthy and incomplete spinal cord injured subjects

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