论文部分内容阅读
老年人、身体机能损伤病人的肢体功能相对较弱,他们可并称为体弱人群(Weak persons)。对于体弱人群,康复训练可有效地增强其运动能力,改善生活品质,同时也有助于其身体机能恢复。由于日常生活中绝大部分人体运动都与上肢有关,因此上肢运动机能恢复及辅助对于体弱人群而言显得尤为重要。上肢外骨骼机器人可用于体弱人群,实现上肢康复训练、动作辅助及功能拓展。然而目前还存在着重量重、穿戴舒适性差、易移位以及主动意向运动识别难等问题。因此本课题研制了一套上肢外骨骼机器人系统并提出关节角度信号预测算法、基于表面肌电信号的运动意图识别算法以及比例肌电控制算法,以期解决以上问题。 本课题研制的套索传动七自由度上肢外骨骼机器人系统(CABXLexo-7)采用串并混联结构,结构紧凑。基于差动齿轮系原理而设计的两种新型类并联结构与传统串联结构结合,构成串并混联结构,保证上肢外骨骼机器人整体紧凑性。人机接触处(上臂处和前臂处)采用圆环包裹式方式,增大人机接触面,结合串并混联结构使得整体质量分布更为均匀,从而解决整体易移位问题,并且提高整体穿戴舒适性和安全性。为了避免将电机、驱动器和控制器都放置在上肢外骨骼机器人本体上,本课题采用上肢外骨骼机器人关节驱动单元与机器人本体分离策略。套索传动机构将电机能量传递到对应关节,从而降低外骨骼本体重量。所研制的外骨骼本体重量为3.2kg,相对于已有的上肢外骨骼机器人,重量较轻。 人体运动信号预测算法研究在上肢外骨骼机器人控制中具备重要意义,其可用于提前预测运动趋势。本文受中枢模式发生器理论启发,针对人体运动趋势预测问题,提出基于非线性Hopf振荡器线性组合器的自适应多振荡器线性组合器预测算法AMOLC(Adaptive Multiple Oscillators Linear Combiner)用于预测关节角度。该预测算法基于分频思想,线性组合非线性Hopf振荡器,并分配自适应权值。为了提高预测算法的准确性,本文推导AMOLC预测算法关键参数取值参考公式。实验结果表明,AMOLC预测算法预测准确率高、计算速度快且鲁棒性好。 为了准确快速地识别人体连续运动意图,本文以表面肌电信号特征信号作为切入点,研究特征信号应用方式,提出特征信号加权和特征信号时延,并将加权特征信号和时延特征信号应用到运动意图识别研究中。针对从表面肌电信号获取运动意图问题,基于支持向量机算法和灰色关联度理论,构建灰色特征加权支持向量机算法GFWSVM(Grey Features Weighted Support Vector Machine)。针对表面肌电信号多时延信号维度多,影响运动意图估计速度的问题,结合随机森林算法,构建时延多特征随机森林算法RF using MTDF(Random Forests using Multiple Time-Delayed Features)。实验结果表明两种运动意图识别算法准确率高,计算速度快。 考虑到七自由度上肢外骨骼机器人动力学模型过于复杂、计算成本大等问题,本文基于PID控制算法,针对套索传动带来的迟滞问题,在PI控制器基础上加入迟滞补偿环节。再者,在此基础上结合表面肌电信号特征信号时延,针对人体意向运动辅助控制问题,提出基于表面肌电信号积分时延信号的比例肌电控制算法。表面肌电信号积分特征信号提取环节由模拟电路实现,从而提高特征提取速度,并且应用时延特征,在保证计算速度的同时,提高运动意图识别准确率。控制算法基于PID控制算法,因此其计算量小、控制效果好。 本课题设计三个实验用于验证所研制的上肢外骨骼机器人的被动康复训练、被动动作辅助、主动康复训练及主动运动辅助效果。实验结果表明,所研制的上肢外骨骼机器人在应用本研究提出的信号预测算法、基于表面肌电信号的运动意图识别算法以及基于PID控制算法的比例肌电控制算法时,可实现快速准确的运动意图识别以及主动/被动康复训练和动作辅助。