[发明专利]基于脑肌信息变阻抗的下肢康复机器人控制方法

摘要

本发明公开了一种基于脑肌信息变阻抗的下肢康复机器人控制方法，通过脑电、表面肌电信号采集仪实时采取患者的脑电和表面肌电信号，监测、评估患者的康复程度。然后，据此采取不同的康复训练策略。康复程度低时，实施被动训练控制，采用PD位置伺服控制方法，控制下肢康复装置使患者以正确的生理学步态轨迹运动。康复程度高时，采取主动控制模式，通过实时提取患者脑电信号和表面肌电信号的特征向量，对患者的运动意图作出预测。再用模糊神经网络算法将脑电信号和表面肌电信号进行融合，实时产生患者期望的运动步态轨迹曲线。然后，利用变阻抗控制方法实现下肢康复机器人人机系统的主动、实时协同控制。

主权项

1.一种基于脑肌信息变阻抗的下肢康复机器人，其特征在于，包括：传感器模块、数据采集模块、中央处理模块和运动控制模块及下肢康复装置，其中：传感器模块由脑电、表面肌电信号采集仪(1)、人机交互力传感器(2)和光电角度编码器(3)组成，数据采集模块由运放滤波器(4)和数据采集卡(5)组成，中央处理模块由上位机(6)组成，运动控制模块由运动控制卡(7)和伺服驱动器(8)组成，下肢康复机器人由机械结构本体和伺服控制电机组成；通过脑电、表面肌电信号采集仪(1)、人机交互力传感器(2)以及光电角度编码器(3)实时采集患者大脑皮层边缘系统的脑电信号，以及股四头肌和胫骨前肌的表面肌电信号；通过运放滤波器(4)以及数据采集卡(5)对采集到的患者脑电信号和表面肌电信号进行放大、带通滤波的预处理，其中放大为2000倍；带通滤波的频率为10‐1000Hz，且不包含50Hz陷波信号；通过中央处理模块由上位机(6)，采用小波变换模平均值算法提取特征，获取患者脑电信号和表面肌电信号的时频域特征向量；将健康人的脑电信号和表面肌电信号特征向量与患者脑电信号和表面肌电信号特征向量进行比对，设定康复程度阈值，当小于该阈值时，进行被动康复训练模式；当大于该阈值时，进行主动康复训练模式；被动康复训练模式：采用PD位置伺服控制方法，患者由运动控制卡(7)和伺服驱动器(8)带动；同时，检测下肢康复机器人各关节的角度、角速度，并作为反馈信号，实时调整下肢康复机器人的运动轨迹；主动康复训练模式：采取实时变阻抗控制方法，具体包括下述子步骤：a.建立人机系统的阻抗模型：①通过人机交互力传感器检测人机交互作用力，并通过逆动力学模型提取出人机交互作用力矩，反馈给变阻抗控制器；②将人体下肢与下肢康复装置相接处的位移、速度、加速度，分别通过逆运动学、雅可比矩阵关系映射到相应的关节空间，建立人机交互作用力矩和下肢康复装置偏离预定关节轨迹偏差的阻抗控制模型；③建立患者偏离预定关节轨迹偏差和人机交互作用力矩的人体阻抗模型；最后联合建立人机系统的阻抗模型：式中，θe(t)为人体下肢与下肢康复装置相接处对应关节偏离预定关节轨迹的角度偏差，Tint(t)为人体下肢与下肢康复装置相接处对应关节的人机交互力矩；Me、Be、Ke分别为人体下肢的转动惯量，阻尼和刚度；Mr、Br、Kr分别为下肢康复外骨骼装置的转动惯量，阻尼和刚度；其中Me、Be、Ke是时变的；④采用自适应UKF滤波估计算法对时变参数Me、Be、Ke进行实时在线动态估计，得到模型准确、精度较高的实时阻抗参数；b.将所述获取到患者脑电信号和表面肌电信号的时频域特征向量通过模糊神经网络算法进行融合处理，实时产生患者期望的运动步态轨迹曲线；c.用a步骤中④的阻抗模型对b步骤的运动步态轨迹曲线进行负反馈修正；d.将修正后的运动步态轨迹曲线输入到下肢康复装置的外骨骼关节内环位置控制器中，控制各关节的转角运动，实现期望的轨迹输出。