CN117140514A - 肘腕康复机器人及其控制方法 - Google Patents

Abstract

本发明提供一种肘腕康复机器人及其控制方法，其包括机器人控制系统、控制肘关节屈曲/伸展的肘部执行机构、控制前臂内/外旋和腕关节掌屈/背伸、内收/外展的腕部并联机构，通过机器人控制系统控制肘部执行机构进行主动调节和被动调节，控制腕部并联机构进行被动调节，机器人控制系统通过力传感器检测康复训练中的人机交互力，调节肘关节电机力矩，通过姿态传感器检测康复训练中腕部袖环相对于前臂袖环的相对位置，并通过驱动绳索控制腕部袖环相对于前臂袖环运动。本发明肘腕康复机器人根据用户的康复阶段自主调节康复控制策略，通过力传感器和姿态传感器实时获取用户运动时信息，实时调整人机交互力。

Description

肘腕康复机器人及其控制方法

技术领域

本发明涉及康复机器人技术领域，具体涉及一种肘腕康复机器人及其控制方法。

背景技术

随着医工融合技术的发展与临床康复医学的进步，用于关节运动的康复机器人成为现代康复领域的研究热点。康复机器人弥补了人工康复训练的不足，通过带动患肢进行重复性和渐进式的康复训练，康复机器人还能为用户提供准确、适量和安全的康复。我国的康复医学仍处于起步阶段，但用户数量多、缺乏康复治疗师，发展康复机器人更具实际意义。

目前上肢康复机器人的控制技术主要以被动控制为主，被动控制方法是预先建立一套固定的运动模式，无法实现个性化。研究表明，用户在康复治疗过程中主观参与程度越高，治疗效果越好，而单纯的被动康复不仅治疗效果不佳，并且枯燥的训练容易引起用户的抵触情绪。部分采用主动控制方法的上肢康复机器人，为体现用户的主动参与程度，主要是结合肌电、脑电等生理信号实时控制机器人的运动，由于信号易出现误判，在训练时可能导致康复机器人执行错误的运动动作，不仅无法保证训练效果，还会给用户造成损伤；另一方面，用户需要穿戴相应的传感设备，舒适性欠佳。因此有必要提出一种肘腕康复机器人及其控制方法。

发明内容

针对现有技术存在的问题，本发明提供一种肘腕康复机器人及其控制方法，通过机器人控制系统控制肘部执行机构进行主动调节和被动调节，控制腕部并联机构进行被动调节，机器人控制系统通过力传感器检测康复训练中的人机交互力，调节肘关节电机力矩，通过姿态传感器检测康复训练中腕部袖环相对于前臂袖环的相对位置，并通过驱动绳索控制腕部袖环相对于前臂袖环运动；本发明根据用户的康复阶段自主调节康复控制策略，通过力传感器和姿态传感器实时获取用户运动时信息，实时调整人机交互力。

本发明提供了一种肘腕康复机器人控制系统，其包括机器人控制系统、控制肘关节屈曲/伸展的肘部执行机构及控制前臂内/外旋和腕关节掌屈/背伸、内收/外展的腕部并联机构，所述机器人控制系统控制所述肘部执行机构进行主动调节和被动调节，以及控制所述腕部并联机构进行被动调节；所述机器人控制系统，其包括数据采集处理模块和训练规划及控制策略模块；所述数据采集处理模块通过肌电传感器采集用户运动时的实时肌电信号，并对采集到的肌电信号进行滤波处理，通过姿态传感器采集用户穿戴的肘腕康复机器人各关节的实时角度信息，通过力传感器采集用户与肘腕康复机器人交互产生的交互力；所述训练规划及控制策略模块通过康复训练模式制定相应的控制策略，调节所述肘部执行机构和腕部并联机构的控制器参数，控制运动并反馈数据信息；所述机器人控制系统通过力传感器检测训练中的人机交互力，实时调节肘关节电机力矩，通过姿态传感器检测所述腕部并联机构中腕部袖环相对于前臂袖环的位置，并通过各驱动绳索位移控制腕部袖环相对于前臂袖环的运动；

通过所述腕部并联机构的逆运动学方程求解各驱动绳索长度l_i，首先，腕部袖环坐标系oxyz相对于前臂袖环坐标系OXYZ的姿态矩阵^OR_o为：

其中，R(X,α)为绕X轴转α角的旋转矩阵；R(Y,β)为绕Y轴转β角的旋转矩阵；R(Z,γ)为绕Z轴转γ角的旋转矩阵；

然后，通过所述腕部袖环绕x轴的转角α、绕y轴的转角β、绕z轴的转角γ得到所述前臂袖环、腕部袖环上铰接点A_i和B_i的坐标，各驱动绳索与腕部袖环连接的铰接点B_i在前臂袖环坐标系OXYZ中的坐标为：

^OB_i＝^OR_ob_i+P(i＝1,2,3,4,5,6)

其中，P为腕部袖环中心点o相对于前臂袖环8中心点O的坐标；

最后，所述腕部并联机构中腕部袖环在任意位姿下，各驱动绳索与前臂袖环连接点A_i、腕部袖环连接点B_i建立的封闭矢量环关系式为：

L_i＝P+^OR_ob_i-a_i(i＝1,2,3,4,5,6)

腕关节转角θ与各驱动绳索长度l_i关系为：

l_i＝||L_i||＝||A_iB_i||＝(i＝1,2,3,4,5,6)

其中，L_i为各驱动绳索矢量，l_ix，l_iy，l_iz分别为各驱动绳索长度在X、Y、Z轴上的投影值。

可优选的是，所述腕部并联机构中腕部末端坐标系相对于肩部基座坐标系的位姿矩阵为：

式中：^i-1 _iT为相邻杆件坐标系的齐次变换矩阵，

n_x＝c₄(c₁c₂c₃+s₁s₂)+c₁c₂s₄,n_y＝c₄(s₁c₂c₃-c₁s₃)+s₁s₂s₄,n_z＝s₄(c₁c₂c₃+s₁s₃)-c₁c₂c₄

o_x＝c₁c₂c₃-s₁c₂,o_y＝s₁c₂s₃+c₁c₃,o_z＝s₁s₃

a_x＝s₄(c₁c₂c₃+s₁s₃)-c₁c₂c₄,a_y＝s₄(s₁c₂s₃-c₁s₃)-s₁s₂c₄,a_z＝s₂c₃s₄+c₂c₄-c₁c₂c₄

p_x＝a₂c₁c₃,p_y＝a₂s₁c₂,p_z＝a₂c₂+d₁

其中，s_i表示为sinθ_i，c_i表示为cosθ_i，a_i为从z_i-1轴与x_i轴的交点到第i坐标系原点O_i沿x_i轴的偏置距离，α_i为绕x_i轴由z_i-1轴转向z_i轴的转角；d_i为从第i-1坐标系的原点到z_i-1轴和x_i轴的交点沿z_i-1轴的距离，θ_i为绕z_i-1轴由x_i-1轴转向x_i轴的关节角。

可优选的是，通过所述腕部并联机构的逆运动学与静力学结合，获得压缩弹簧刚度，给定期望腕部袖环的姿态x＝[θ_s θ_p t₀]^T，得到各驱动绳索长度l_i，x＝[θ_s θ_p t₀]^T∈R¹，y＝[l₁ l₂ l₃ l₄ l₅ l₆]^T∈R²，通过逆运动学得到y和x之间关系为：

y＝f(x),f:R¹→R²

从x中得到s₀，确定^OT_o，从l_i＝||^OT^ob_i-^Oa_i||(i＝1,2,3,4,5,6)得到驱动绳索长度，s₀是压缩弹簧侧向弯曲时的伴随位移，由施加在压缩弹簧上的力产生的，压缩弹簧上的力是由6根绳索的拉力和腕部袖环的重力引起的，对于压缩弹簧的任何截面，压缩弹簧在腕部袖环中心点处相互垂直F₁、F₂和力偶M的联合作用下发生弯曲，具体为：

F₁＝D₁s₀+E₁

M＝D₂s₀+E₂

式中：

其中，E是弹性模量，G是剪切模量，I是弹簧丝横截面相对于其直径的惯性矩。

可优选的是，可优选的是，所述腕部并联机构中压缩弹簧变形关系式为：

各驱动绳索的拉力转化为Ost弯曲平面内的两个垂直力F₁和F₂以及垂直于压缩弹簧顶部中心平面的力矩M，腕部并联机构的力和力矩平衡方程为：

其中，K为弹簧常数，l₀为压缩弹簧未压缩的垂直长度，t₀为压缩弹簧压缩后的垂直长度，mg为腕部袖环的重力，n为线圈数，r为半径。

可优选的是，所述肘部执行机构的控制器参数为上肢运动所需的肘关节扭矩，肘关节屈曲/伸展时的肘关节力矩通过以下公式确定：

S_Ee＝(264.153-0.575α_E-0.425α_S)G₂

其中，α_S、α_E分别为肩、肘关节的活动角度，G为性别调整因子，α_E＝0°～49.7°，α_S＝-10.5°～59.5°，肘关节屈曲的调整因子G₁＝0.1005，肘关节伸展的调整因子G₂＝0.1153。

可优选的是，所述机器人控制系统还包括关节意图判断与动作识别模块、安全检测模块和人机交互界面模块，所述关节意图判断与动作识别模块，基于BP神经网络模型，将信息采集与预处理得到的肌电信号按关节不同运动状态进行特征提取，进行神经网络分类训练，建立神经网络分类模型，将采集到的肌电信号进行特征提取，并输入神经网络分类模型中，得到关节动作结果，从而判断肘腕关节运动意图；训练模式规划及控制策略实现模块，针对用户恢复阶段选择合适的康复训练模式，根据康复训练模式制定相应的控制策略，即基于模糊PID控制的被动调节训练和基于阻抗控制的主动调节训练，结合轨迹规划与实际轨迹的误差，调节控制器参数并控制执行器运动；所述安全检测模块，通过异常检测算法检测各传感器传回信号是否异常，若异常，发出报警指令使康复机器人停止运动；所述人机交互界面模块，录入用户训练信息，建立数据库，实时反馈各传感器的数据信息，且通过人机交互力实时控制机器人的位置输出和作用强度。

本发明的第二方面，提供一种用于前述肘腕康复机器人的控制方法，包括以下步骤：

S1、采集肘腕关节损伤用户初始肘腕的初始肌电信号，建立用于判断用户患肢运动意图的神经网络分类模型；

S2、用户患肢穿戴于肘腕康复机器人中，采集用户患肢的实时肌电信号，将实时肌电信号输入至神经网络分类模型，进而判断用户患肢运动意图，结合患肢运动意图和康复机器人所处姿态信息，通过求解运动学或动力学，得到用户运动信息；

S3、根据用户恢复阶段选取合适的康复训练模式后，采取相应的控制策略，并采集机器人的位置、速度、力/力矩信息作为反馈；

S3.1、被动调节训练模式下，采用基于模糊PID控制的被动调节策略，模糊PID控制器根据位置误差和误差变化来实时调整控制参数，优化时变控制参数；

S3.2、主动调节训练模式下，采用基于阻抗控制的主动调节策略，将阻抗数学模型对力转化为修正位置放置在外环。通过调节阻抗控制器的惯性系数、阻尼系数、刚度系数来调节机器人末端和环境间交互力/位置的关系，实现机器人与用户柔顺交互。

可优选的是，肘腕康复机器人与人体交互的阻抗数学模型：

其中，x为位移，m为质量，b为阻尼，k为刚度，f为作用力，力与期望位置不变时，改变刚度系数和阻尼系数即能改变机器人的实际轨迹；

阻抗控制模型具体表达式为：

其中，为期望轨迹，/>为肘腕康复机器人末端位置、速度和加速度向量；M_d、B_d、K_d为目标惯性矩阵、目标阻尼矩阵和目标刚度矩阵；F为肘腕康复机器人末端与环境接触时环境给机器人末端的力向量。

可优选的是，所述腕部并联机构的驱动绳索始终处于张紧下，计算求解得到腕部袖环中心点的集合，以运动学逆解为基础，设定驱动角范围，以反解存在为约束条件，使用数值搜索法求解腕部袖环中心点的工作空间，包括以下步骤：

S1、首先确定约束条件，在给定位姿后，通过位置逆解可得到各转动副的角度参数，将各参数代入约束方程进行检验；

S2、若满足条件，则代入对应欧拉角计算并记录参考点坐标，若任何一个约束不能满足，则此时超出腕部并联机构的工作空间；

S3、当所有角度搜索完毕，记录所有满足限制条件的参考点坐标值，并绘制出腕部袖环中心点在空间中所能够达到的所有位置点，即为腕部并联机构中腕部袖环中心点的工作空间。

本发明与现有技术相比，具有如下优点：

1.本发明肘腕康复机器人及其控制方法，使用户在产生主观运动意图的前提下，在肘腕康复机器人的辅助下进行目标物的跟踪和抓取训练，提高了用户的主观参与程度，将用户的主观运动意识与客观获取的感觉信息融合，更好地实现用户和机器人互动。同时，控制方法具有训练目标的多样性，还可以提高用户的训练兴趣和积极性。

2.本发明肘腕康复机器人及其控制方法，能提高训练的趣味性并消除用户的抵触心理，从而提高康复效率，加快用户的康复进程。所设计的模糊PID控制器能够很好地满足在虚拟现实康复训练过程中，根据用户运动训练状态实时调整虚拟训练场景的控制参数，以此改变康复训练任务的难度，让用户能够得到个性化适度训练。

附图说明

图1为本发明的肘腕康复机器人控制系统总体控制策略示意图；

图2为本发明肘腕康复机器人中肘部执行机构和腕部并联机构的结构示意图；

图3为本发明中腕部并联机构的结构示意图；

图4为本发明中腕部并联机构的原理示意图；

图5a和5b为本发明中腕部袖环和前臂袖环铰接点示意图；

图6为本发明的腕部并联机构的封闭矢量图；

图7为本发明的腕部并联机构中压缩弹簧的侧向弯曲受力图；

图8为本发明的腕部并联机构力和力矩平衡示意图；

图9为本发明的肘腕姿态角度示意图；

图10为本发明的肘腕康复机器人控制系统框架各层示意图；

图11为肘腕康复机器人基于模糊PID控制的被动操作原理示意图；

图12为本发明的肘腕康复机器人阻抗控制分析的原理示意图；

图13a-图13d为本发明的肘腕关节轨迹跟踪误差仿真图；

图14为本发明的人机交互界面模块示意图；

图15为本发明中腕部并联机构工作空间求解流程图。

主要附图标记：

肘关节电机1，力传感器2，肘部执行机构3、腕部并联机构4，姿态传感器5，腕部袖环6，压缩弹簧7，前臂袖环8，驱动绳索9。

具体实施方式

为详尽本发明之技术内容、结构特征、所达成目的及功效，以下将结合说明书附图进行详细说明。

本发明肘腕康复机器人及其控制方法，如图1和图2所示，其包括机器人控制系统、控制肘关节屈曲/伸展的肘部执行机构3及控制前臂内/外旋和腕关节掌屈/背伸、内收/外展的腕部并联机构4，机器人控制系统控制肘部执行机构3进行主动调节和被动调节，以及控制腕部并联机构4进行被动调节；机器人控制系统包括数据采集处理模块和训练规划及控制策略模块；数据采集处理模块，通过肌电传感器采集用户运动时的实时肌电信号，并对采集到的肌电信号进行滤波处理，通过姿态传感器5采集用户穿戴的肘腕康复机器人各关节的实时角度信息，通过力传感器2采集用户与肘腕康复机器人交互产生的交互力；训练规划及控制策略模块，通过康复训练模式制定相应的控制策略，调节肘部执行机构3和腕部并联机构4的控制器参数，控制运动并反馈数据信息；机器人控制系统通过力传感器2检测训练中的人机交互力，实时调节肘关节电机1力矩，通过姿态传感器5检测腕部并联机构4中腕部袖环6相对于前臂袖环8的位置，并通过各驱动绳索9位移控制腕部袖环6相对于前臂袖环8的运动。

如图3～图6所示，通过腕部并联机构4的逆运动学方程求解各驱动绳索9长度l_i，首先，腕部袖环6坐标系oxyz相对于前臂袖环8坐标系OXYZ的姿态矩阵^OR_o为：

其中，R(X,α)为绕X轴转α角的旋转矩阵；R(Y,β)为绕Y轴转β角的旋转矩阵；R(Z,γ)为绕Z轴转γ角的旋转矩阵；

然后，通过腕部袖环6绕x轴的转角α、绕y轴的转角β、绕z轴的转角γ得到前臂袖环8、腕部袖环6上铰接点A_i和B_i的坐标，各驱动绳索9与腕部袖环6连接的铰接点B_i在前臂袖环8坐标系OXYZ中的坐标为：

^OB_i＝^OR_ob_i+P(i＝1,2,3,4,5,6)

其中，P为腕部袖环6中心点o相对于前臂袖环8中心点O的坐标；

最后，腕部并联机构4中腕部袖环6在任意位姿下，各驱动绳索9与前臂袖环8连接点A_i、腕部袖环6连接点B_i建立的封闭矢量环关系式为：

L_i＝P+^OR_ob_i-a_i(i＝1,2,3,4,5,6)

腕关节转角θ与各驱动绳索9长度l_i关系为：

l_i＝||L_i||＝||A_iB_i||＝(i＝1,2,3,4,5,6)

其中，L_i为各驱动绳索矢量，l_ix，l_iy，l_iz分别为各驱动绳索长度在X、Y、Z轴上的投影值。

腕部并联机构4中腕部末端坐标系相对于肩部基座坐标系的位姿矩阵为：

式中：^i-1 _iT为相邻杆件坐标系的齐次变换矩阵，

n_x＝c₄(c₁c₂c₃+s₁s₂)+c₁c₂s₄,n_y＝c₄(s₁c₂c₃-c₁s₃)+s₁s₂s₄,n_z＝s₄(c₁c₂c₃+s₁s₃)-c₁c₂c₄

o_x＝c₁c₂c₃-s₁c₂,o_y＝s₁c₂s₃+c₁c₃,o_z＝s₁s₃

a_x＝s₄(c₁c₂c₃+s₁s₃)-c₁c₂c₄,a_y＝s₄(s₁c₂s₃-c₁s₃)-s₁s₂c₄,a_z＝s₂c₃s₄+c₂c₄-c₁c₂c₄

p_x＝a₂c₁c₃,p_y＝a₂s₁c₂,p_z＝a₂c₂+d₁

其中，s_i表示为sinθ_i，c_i表示为cosθ_i，a_i为从z_i-1轴与x_i轴的交点到第i坐标系原点O_i沿x_i轴的偏置距离，α_i为绕x_i轴由z_i-1轴转向z_i轴的转角；d_i为从第i-1坐标系的原点到z_i-1轴和x_i轴的交点沿z_i-1轴的距离，θ_i为绕z_i-1轴由x_i-1轴转向x_i轴的关节角。

如图7和图8所示，通过腕部并联机构4的逆运动学与静力学结合，获得压缩弹簧7刚度，给定期望腕部袖环6的姿态x＝[θ_s θ_p t₀]^T，得到各驱动绳索9长度l_i，x＝[θ_s θ_p t₀]^T∈R¹，y＝[l₁ l₂ l₃ l₄ l₅ l₆]^T∈R²，通过逆运动学得到y和x之间关系为：

y＝f(x),f:R¹→R²

从x中得到s₀，确定^OT_o，从l_i＝||^OT^ob_i-^Oa_i||(i＝1,2,3,4,5,6)得到驱动绳索长度，s₀是压缩弹簧7侧向弯曲时的伴随位移，由施加在压缩弹簧7上的力产生的，压缩弹簧7上的力是由6根绳索的拉力和腕部袖环6的重力引起的，对于压缩弹簧7的任何截面，压缩弹簧7在腕部袖环6中心点处相互垂直F₁、F₂和力偶M的联合作用下发生弯曲，具体为：

F₁＝D₁s₀+E₁

M＝D₂s₀+E₂

式中：

其中，E是弹性模量，G是剪切模量，I是弹簧丝横截面相对于其直径的惯性矩。

腕部并联机构4中压缩弹簧7变形关系式为：

各驱动绳索9的拉力转化为Ost弯曲平面内的两个垂直力F₁和F₂以及垂直于压缩弹簧7顶部中心平面的力矩M，腕部并联机构4的力和力矩平衡方程为：

其中，K为弹簧常数，l₀为压缩弹簧未压缩的垂直长度，t₀为压缩弹簧压缩后的垂直长度，mg为腕部袖环的重力，n为线圈数，r为半径。

如图9所示，肘部执行机构3的控制器参数为上肢运动所需的肘关节扭矩，肘关节屈曲/伸展时的肘关节力矩通过以下公式确定：

S_Ee＝(264.153-0.575α_E-0.425α_S)G₂

其中，α_S、α_E分别为肩、肘关节的活动角度，G为性别调整因子，α_E＝0°～49.7°，α_S＝-10.5°～59.5°，肘关节屈曲的调整因子G₁＝0.1005，肘关节伸展的调整因子G₂＝0.1153。

如图10所示，机器人控制系统还包括关节意图判断与动作识别模块、安全检测模块和人机交互界面模块，关节意图判断与动作识别模块，基于BP神经网络模型，将信息采集与预处理得到的肌电信号按关节不同运动状态进行特征提取，进行神经网络分类训练，建立神经网络分类模型，将采集到的肌电信号进行特征提取，并输入神经网络分类模型中，得到关节动作结果，从而判断肘腕关节运动意图；训练模式规划及控制策略实现模块，针对用户恢复阶段选择合适的康复训练模式，根据康复训练模式制定相应的控制策略，即基于模糊PID控制的被动调节训练和基于阻抗控制的主动调节训练，结合轨迹规划与实际轨迹的误差，调节控制器参数并控制执行器运动；安全检测模块，通过异常检测算法检测各传感器传回信号是否异常，若异常，发出报警指令使康复机器人停止运动；人机交互界面模块，录入用户训练信息，建立数据库，实时反馈各传感器的数据信息，且通过人机交互力实时控制机器人的位置输出和作用强度。

如图11所示，肘腕康复机器人的控制方法包括以下步骤：

S1、采集肘腕关节损伤用户初始肘腕的初始肌电信号，建立用于判断用户患肢运动意图的神经网络分类模型；

S2、用户患肢穿戴于肘腕康复机器人中，采集用户患肢的实时肌电信号，将实时肌电信号输入至神经网络分类模型，进而判断用户患肢运动意图，结合患肢运动意图和康复机器人所处姿态信息，通过求解运动学或动力学，得到用户运动信息；

S3、根据用户恢复阶段选取合适的康复训练模式后，采取相应的控制策略，并采集机器人的位置、速度、力/力矩信息作为反馈；

S3.1、被动调节训练模式下，采用基于模糊PID控制的被动调节策略，模糊PID控制器根据位置误差和误差变化来实时调整控制参数，优化时变控制参数；

S3.2、主动调节训练模式下，采用基于阻抗控制的主动调节策略，将阻抗数学模型对力转化为修正位置放置在外环。通过调节阻抗控制器的惯性系数、阻尼系数、刚度系数来调节机器人末端和环境间交互力/位置的关系，实现机器人与用户柔顺交互。

如图12和图14所示，肘腕康复机器人与人体交互的阻抗数学模型：

其中，x为位移，m为质量，b为阻尼，k为刚度，f为作用力，力与期望位置不变时，改变刚度系数和阻尼系数即能改变机器人的实际轨迹；

阻抗控制模型具体表达式为：

其中，为期望轨迹，/>为肘腕康复机器人末端位置、速度和加速度向量；M_d、B_d、K_d为目标惯性矩阵、目标阻尼矩阵和目标刚度矩阵；F为肘腕康复机器人末端与环境接触时环境给机器人末端的力向量。

以下结合实施例对本发明肘腕康复机器人及其控制方法做进一步描述：

如图13a～13d所示，在肘腕康复机器人的控制模型中输入正弦信号，分析肘腕康复机器人中肘腕关节的响应特性和跟随特性，从正弦信号下系统相应的仿真分析结果得出，肘腕康复机器人在康复训练中，模糊PID控制器能使系统保持稳定，且具有良好的动态特性，在肘腕康复机器人仿真过程中，当肘腕康复机器人的肘腕关节在换向时，关节的角速度和角加速度瞬间增大从而产生尖峰，通过仿真验证了所设计控制系统的稳定性、可靠性和优良的控制性能。

如图15所示，腕部并联机构4的驱动绳索9始终处于张紧下，通过MATLAB求解得到腕部袖环6中心点的集合，以运动学逆解为基础，设定驱动角范围，以反解存在为约束条件，使用数值搜索法求解腕部袖环6中心点的工作空间，包括以下步骤：

S1、首先确定约束条件，在给定位姿后，通过位置逆解可得到各转动副的角度参数，将各参数代入约束方程进行检验；

S2、若满足条件，则代入对应欧拉角计算并记录参考点坐标，若任何一个约束不能满足，则此时超出腕部并联机构的工作空间；

S3、当所有角度搜索完毕，记录所有满足限制条件的参考点坐标值，并使用MATLAB绘制出腕部袖环6中心点在空间中所能够达到的所有位置点，即为腕部并联机构4中腕部袖环6中心点的工作空间，通过腕部并联机构4的理论工作空间求解可知，腕部末端能达到用户腕关节的活动范围，且在康复训练中对腕部末端进行限位，提高安全性。

本发明肘腕康复机器人针对现有康复机器人因人机兼容差导致用户二次损伤的问题，根据关节康复机理和人机工程学，提出了一种用于肘腕关节骨折术后用户的康复机器人，较为深入地分析肘腕康复机器人的运动学和动力学，通过联合仿真验证了该机器人结构设计的合理性和控制策略的有效性。

以上所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (9)

1.一种肘腕康复机器人，其特征在于，其包括机器人控制系统、控制肘关节屈曲/伸展的肘部执行机构及控制前臂内/外旋和腕关节掌屈/背伸、内收/外展的腕部并联机构，所述机器人控制系统控制所述肘部执行机构进行主动调节和被动调节，以及控制所述腕部并联机构进行被动调节；

所述机器人控制系统，其包括数据采集处理模块和训练规划及控制策略模块；所述数据采集处理模块通过肌电传感器采集用户运动时的实时肌电信号，并对采集到的肌电信号进行滤波处理，通过姿态传感器采集用户穿戴的肘腕康复机器人各关节的实时角度信息，通过力传感器采集用户与肘腕康复机器人交互产生的交互力；所述训练规划及控制策略模块通过康复训练模式制定相应的控制策略，调节所述肘部执行机构和腕部并联机构的控制器参数，控制运动并反馈数据信息；

所述机器人控制系统通过力传感器检测训练中的人机交互力，实时调节肘关节电机力矩，通过姿态传感器检测所述腕部并联机构中腕部袖环相对于前臂袖环的位置，并通过各驱动绳索位移控制腕部袖环相对于前臂袖环的运动；

通过所述腕部并联机构的逆运动学方程求解各驱动绳索长度l_i，

首先，腕部袖环坐标系oxyz相对于前臂袖环坐标系OXYZ的姿态矩阵^OR_o为：

其中，R(X,α)为绕X轴转α角的旋转矩阵，R(Y,β)为绕Y轴转β角的旋转矩阵，R(Z,γ)为绕Z轴转γ角的旋转矩阵；

然后，通过所述腕部袖环绕x轴的转角α、绕y轴的转角β、绕z轴的转角γ得到所述前臂袖环、腕部袖环上铰接点A_i和B_i的坐标，各驱动绳索与腕部袖环连接的铰接点B_i在前臂袖环坐标系OXYZ中的坐标为：

^OB_i＝^OR_ob_i+P(i＝1,2,3,4,5,6)

其中，P为腕部袖环中心点o相对于前臂袖环8中心点O的坐标；

最后，所述腕部并联机构中腕部袖环在任意位姿下，各驱动绳索与前臂袖环连接点A_i、腕部袖环连接点B_i建立的封闭矢量环关系式为：

L_i＝P+^OR_ob_i-a_i(i＝1,2,3,4,5,6)

腕关节转角θ与各驱动绳索长度l_i关系为：

l_i＝||L_i||＝||A_iB_i||＝(i＝1,2,3,4,5,6)

其中，L_i为各驱动绳索矢量，l_ix，l_iy，l_iz分别为各驱动绳索长度在X、Y、Z轴上的投影值。

2.根据权利要求1所述的肘腕康复机器人，其特征在于，所述腕部并联机构中腕部末端坐标系相对于肩部基座坐标系的位姿矩阵为：

式中：^i-1 _iT为相邻杆件坐标系的齐次变换矩阵，

n_x＝c₄(c₁c₂c₃+s₁s₂)+c₁c₂s₄,n_y＝c₄(s₁c₂c₃-c₁s₃)+s₁s₂s₄,n_z＝s₄(c₁c₂c₃+s₁s₃)-c₁c₂c₄

o_x＝c₁c₂c₃-s₁c₂,o_y＝s₁c₂s₃+c₁c₃,o_z＝s₁s₃

a_x＝s₄(c₁c₂c₃+s₁s₃)-c₁c₂c₄,a_y＝s₄(s₁c₂s₃-c₁s₃)-s₁s₂c₄,a_z＝s₂c₃s₄+c₂c₄-c₁c₂c₄

p_x＝a₂c₁c₃,p_y＝a₂s₁c_2,pz＝a₂c₂+d₁

其中，s_i表示为sinθ_i，c_i表示为cosθ_i，a_i为从z_i-1轴与x_i轴的交点到第i坐标系原点O_i沿x_i轴的偏置距离，α_i为绕x_i轴由z_i-1轴转向z_i轴的转角；d_i为从第i-1坐标系的原点到z_i-1轴和x_i轴的交点沿z_i-1轴的距离，θ_i为绕z_i-1轴由x_i-1轴转向x_i轴的关节角。

3.根据权利要求1所述的肘腕康复机器人控制系统，其特征在于，通过所述腕部并联机构的逆运动学与静力学结合，获得压缩弹簧刚度，给定期望腕部袖环的姿态x＝[θ_s θ_p t₀]^T，得到各驱动绳索长度l_i，x＝[θ_s θ_p t₀]^T∈R¹，y＝[l₁ l₂ l₃ l₄ l₅ l₆]^T∈R²，通过逆运动学得到y和x之间关系为：

y＝f(x),f:R¹→R²

从x中得到s₀，确定^OT_o，从l_i＝||^OT^ob_i-^Oa_i||(i＝1,2,3,4,5,6)得到驱动绳索长度，s₀是压缩弹簧侧向弯曲时的伴随位移，由施加在压缩弹簧上的力产生的，压缩弹簧上的力是由6根绳索的拉力和腕部袖环的重力引起的，对于压缩弹簧的任何截面，压缩弹簧在腕部袖环中心点处相互垂直F₁、F₂和力偶M的联合作用下发生弯曲，具体为：

F₁＝D₁s₀+E₁

M＝D₂s₀+E₂

式中：

d₂＝-F₂tanδ_p

其中，E是弹性模量，G是剪切模量，I是弹簧丝横截面相对于其直径的惯性矩。

4.根据权利要求3所述的肘腕康复机器人，其特征在于，所述腕部并联机构中压缩弹簧变形关系式为：

各驱动绳索的拉力转化为Ost弯曲平面内的两个垂直力F₁和F₂以及垂直于压缩弹簧顶部中心平面的力矩M，所述腕部并联机构的力和力矩平衡方程为：

其中，^Ou_i＝(^Oa_i-^OT_o ^ob_i)/||^Oa_i-^OT_o ^ob_i||,K为弹簧常数，l₀为压缩弹簧未压缩的垂直长度，t₀为压缩弹簧压缩后的垂直长度，mg为腕部袖环的重力，n为线圈数，r为半径。

5.根据权利要求1所述的肘腕康复机器人，其特征在于，所述肘部执行机构的控制器参数为上肢运动所需的肘关节扭矩，肘关节屈曲/伸展时的肘关节力矩通过以下公式确定：

S_Ee＝(264.153-0.575α_E-0.425α_S)G₂

其中，α_S、α_E分别为肩、肘关节的活动角度，G为性别调整因子，α_E＝0°～49.7°，α_S＝-10.5°～59.5°，肘关节屈曲的调整因子G₁＝0.1005，肘关节伸展的调整因子G₂＝0.1153。

6.根据权利要求1所述的肘腕康复机器人，其特征在于，所述机器人控制系统还包括关节意图判断与动作识别模块、安全检测模块和人机交互界面模块，

所述关节意图判断与动作识别模块，基于BP神经网络模型，将信息采集与预处理得到的肌电信号按关节不同运动状态进行特征提取，进行神经网络分类训练，建立神经网络分类模型，将采集到的肌电信号进行特征提取，并输入神经网络分类模型中，得到关节动作结果，从而判断肘腕关节运动意图；训练模式规划及控制策略实现模块，针对用户恢复阶段选择合适的康复训练模式，根据康复训练模式制定相应的控制策略，即基于模糊PID控制的被动调节训练和基于阻抗控制的主动调节训练，结合轨迹规划与实际轨迹的误差，调节控制器参数并控制执行器运动；所述安全检测模块，通过异常检测算法检测各传感器传回信号是否异常，若异常，发出报警指令使康复机器人停止运动；所述人机交互界面模块，录入用户训练信息，建立数据库，实时反馈各传感器的数据信息，且通过人机交互力实时控制机器人的位置输出和作用强度。

7.一种根据权利要求1～6之一所述的肘腕康复机器人的控制方法，其特征在于，包括以下步骤：

S1、采集肘腕关节损伤用户初始肘腕的初始肌电信号，建立用于判断用户患肢运动意图的神经网络分类模型；

S2、用户患肢穿戴于肘腕康复机器人中，采集用户患肢的实时肌电信号，将实时肌电信号输入至神经网络分类模型，进而判断用户患肢运动意图，结合患肢运动意图和康复机器人所处姿态信息，通过求解运动学或动力学，得到用户运动信息；

S3、根据用户恢复阶段选取合适的康复训练模式后，采取相应的控制策略，并采集机器人的位置、速度、力/力矩信息作为反馈；

S3.1、被动调节训练模式下，采用基于模糊PID控制的被动调节策略，模糊PID控制器根据位置误差和误差变化来实时调整控制参数，优化时变控制参数；

S3.2、主动调节训练模式下，采用基于阻抗控制的主动调节策略，将阻抗数学模型对力转化为修正位置放置在外环；通过调节阻抗控制器的惯性系数、阻尼系数、刚度系数来调节机器人末端和环境间交互力/位置的关系，实现机器人与用户柔顺交互。

8.根据权利要求7所述的肘腕康复机器人的控制方法，其特征在于，肘腕康复机器人与人体交互的阻抗数学模型：

其中，x为位移，m为质量，b为阻尼，k为刚度，f为作用力，力与期望位置不变时，改变刚度系数和阻尼系数即能改变机器人的实际轨迹；

阻抗控制模型具体表达式为：

其中，为期望轨迹，/>为肘腕康复机器人末端位置、速度和加速度向量；M_d、B_d、K_d为目标惯性矩阵、目标阻尼矩阵和目标刚度矩阵；F为肘腕康复机器人末端与环境接触时环境给机器人末端的力向量。

9.根据权利要求7所述的肘腕康复机器人的控制方法，其特征在于，所述腕部并联机构的驱动绳索始终处于张紧下，计算求解得到腕部袖环中心点的集合，以运动学逆解为基础，设定驱动角范围，以反解存在为约束条件，使用数值搜索法求解腕部袖环中心点的工作空间，包括以下步骤：

S1、首先确定约束条件，在给定位姿后，通过位置逆解可得到各转动副的角度参数，将各参数代入约束方程进行检验；

S2、若满足条件，则代入对应欧拉角计算并记录参考点坐标，若任何一个约束不能满足，则此时超出腕部并联机构的工作空间；

S3、当所有角度搜索完毕，记录所有满足限制条件的参考点坐标值，并绘制出腕部袖环中心点在空间中所能够达到的所有位置点，作为腕部并联机构中腕部袖环中心点的工作空间。