引用本文

杜义浩, 邱石, 谢平, 郭子晖, 吴晓光, 李小俚. 下肢康复机器人的自适应人机交互控制策略. 自动化学报, 2018, 44(4): 743-750. doi: 10.16383/j.aas.2017.c160128

DU Yi-Hao, QIU Shi, XIE Ping, GUO Zi-Hui, WU Xiao-Guang, LI Xiao-Li. Adaptive Interaction Control for Lower Limb Rehabilitation Robots. ACTA AUTOMATICA SINICA, 2018, 44(4): 743-750. doi: 10.16383/j.aas.2017.c160128

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160128

关键词

下肢康复机器人，运动意图，人机交互，自适应控制 

摘要

针对康复机器人运动过程中的人机交互性问题，提出一种下肢康复机器人自适应人机交互控制策略.提取伸屈运动中下肢表面肌电信号（Surface electromyography，sEMG）和足底压力特征，分别用于表征下肢运动意图和人机交互力（Interaction force，IF）信息，建立基于sEMG-IF的人机交互信息融合模型，实现下肢康复机器人运动轨迹的在线规划；考虑主动康复运动过程中的人机交互作用，建立具有时变动态特性的人机系统动力学模型，设计间接模糊自适应控制器对期望轨迹进行跟踪控制，实现下肢康复机器人自适应人机交互控制.通过对5名被试者进行下肢康复机器人运动控制实验研究，验证所提方法的可行性和有效性.

文章导读

由脑卒中、外伤等导致的运动功能障碍康复问题, 已经在世界范围内引起广泛关注.康复机器人由于能够协助或替代医师进行患者康复训练, 近年来得到迅速发展并在临床康复中得到了广泛应用[1-2].但现有的康复机器人还存在控制策略不够智能, 自适应调整能力和人机交互性水平不高等问题[3].因此, 研究有效的下肢康复机器人自适应人机交互控制方法, 体现患者的运动意图和人机交互的同时自适应控制康复机器人运动, 成为康复机器人研究的关键问题.

康复机器人的人机交互可以通过人体生理信号和力/位置信息两种途径体现[4].生理电信号中的表面肌电信号(Surface electromyography, sEMG)能够反映肌肉状态和人体运动意图[5].有研究将sEMG引入康复机器人, 如Pittaccio提出了一种基于sEMG的踝关节康复机器人[6], 利用胫骨前肌sEMG触发康复机器人按照预定义轨迹运动, 但未考虑人机交互问题; Song等开发基于sEMG连续控制的康复机器人[7], 基于sEMG幅值按照比例控制关节扭矩, 具有了简单程度的人机交互.基于sEMG的康复机器人控制一定程度上体现了人体的运动意图, 但sEMG易受干扰, 采集精度无法保证[4].利用力/位置传感器可以获取人机之间的作用力和位置信息, 并实现康复机器人的阻抗控制和人机交互[8].如Saglia等利用阻抗控制调整脚踝康复机器人的柔顺性实现患者的辅助训练[9]; Duschauwicke等则利用阻抗控制调节患者的步行速度和牵引力[10]; Koopman等通过阻抗控制实现"patient-cooperative"和"human-centred"控制以提高患者的积极参与度[11].上述康复机器人阻抗控制方法具有一定人机交互能力, 但其阻抗控制参数固定不变, 应用于具有个体差异性的康复训练中略有不足.同时, 人机之间的交互作用使得康复机器人具有时变不确定性[3], 导致人机系统动力学模型无法精确建立, 造成传统的基于模型的控制方法无法实现有效控制.

为此, 本文考虑人体主动运动的因素, 基于拉格朗日法建立下肢康复机器人动力学模型, 提取人体下肢伸屈运动中相关拮抗肌的sEMG信号识别人体运动意图; 引入力反馈构建sEMG与人机交互力(sEMG-IF (Interaction force))信息融合模型, 在线规划下肢康复机器人运动轨迹, 并设计间接自适应模糊控制器, 实现下肢康复机器人运动轨迹跟踪控制.

图 1  人机系统机构

图 2  sEMG预处理过程

图 3  实验过程

本文提出了一种基于sEMG和力反馈信息融合的下肢康复机器人自适应人机交互控制策略.在建立人机系统动力学模型基础上, 利用提取下肢运动过程中拮抗肌包络差值的方法识别出人体运动意图, 结合人机交互力进行sEMG-IF信息融合, 在线规划下肢康复机器人运动轨迹, 进一步利用间接自适应模糊控制器跟踪期望轨迹, 实现了下肢康复机器人自适应人机交互控制.通过5名被试者伸展/屈曲运动实验, 采集运动相关的股二头肌和股外侧肌sEMG以及足底压力信息, 并运用所提方法进行下肢康复机器人自适应人机交互控制.结果表明, 本文方法能够在线规划出体现人体运动意图和人机交互力信息的运动轨迹, 并以±0.04范围内的误差自适应跟踪下肢康复机器人运动轨迹.

作者简介

杜义浩

燕山大学电气工程学院讲师.2012年获得燕山大学电路与系统专业博士学位.主要研究方向为康复机器人生物反馈控制, 神经生理信息特征提取.E-mail:duyihao@126.com

邱石  

燕山大学电气工程学院硕士研究生.主要研究方向为机器学习与模式识别, 康复机器人控制.E-mail:qiushiqiu123@sina.com

郭子晖  

燕山大学电气工程学院硕士研究生.主要研究方向为信号处理, 康复机器人控制.E-mail:gzh5090817@163.com

吴晓光  

燕山大学电气工程学院副教授.2012年获得哈尔滨工业大学博士学位.主要研究方向为双足步行机器人的控制, 计算机视觉和机器学习, 特种机器人研究技术.E-mail:wuxiaoguang@ysu.edu.cn

李小俚  

燕山大学教授.1998年获得哈尔滨工业大学机械工程博士学位.主要研究方向为脑调控与脑成像技术及在神经性疾病的应用.E-mail:xiaoli@bnu.edu.cn

谢平  

燕山大学电气工程学院教授.2006年获得燕山大学燕山大学电路与系统专业工学博士学位.主要研究方向为脑机接口技术, 智能机器人控制, 虚拟康复技术.本文通信作者.E-mail:pingx@ysu.edu.cn