上肢康复训练机器人的脑机接口系统研究

脑机接口(brain-computer interface,BCI)可以把大脑皮层的电活动信号转化为机器语言直接控制外界设备。本研究提出一种基于稳态视觉诱发电位(steady state visual evoked potential,SSVEP)与Alpha波混合的脑机接口上肢康复训练机器人系统。本系统通过检测使用者枕部脑电信号Alpha波的阻断现象来切换空闲与工作状态,采用典型相关分析算法区分不同频率的SSVEP信号。利用该脑机接口系统,用户可以自主控制上肢康复训练机器人进行上肢康复训练,包括训练动作与训练时间。在线实验结果验证了本研究提出的异步脑机接口上肢康复训练机器人的可行性与有效性,该系统分析速度快且分析准确率高,为异步脑机接口的实现与应用提供了良好的理论与实践基础。

外骨骼式上肢康复训练机器人设计

简要介绍了外骨骼式上肢康复训练机器人外观设计背景及目的,进行了设计调研及设计定位,并提出了外观设计的三个方案,通过比较,选用体验更为舒适的方案设计。

体感交互式上肢镜像康复训练机器人系统

针对脑卒中患者因大脑神经损伤而造成的上肢运动功能缺失,结合镜像疗法的机器人辅助训练可通过促使双侧肢协同运动来有效地促进大脑神经元重塑,从而实现运动功能恢复。为此,将镜像康复理论、虚拟现实技术和机器人技术有效结合,提出一种体感交互式上肢镜像康复训练机器人系统。使用动作捕捉设备采集患者健肢的位姿信息,通过设计人机镜像运动映射算法来映射上肢康复训练机器人的运动轨迹。考虑到康复治疗的柔性需要,该机器人的关节采用基于比例压力控制的摆动气缸来驱动;同时,针对气动系统的特性,设计了PD(proportional differential,比例微分)+速度前馈补偿的轨迹跟踪控制策略,实现了双侧肢协同运动的镜像康复训练。通过对机器人系统样机进行复合运动轨迹规划试验和镜像康复训练试验,验证了该系统在镜像康复治疗中的可行性和有效性。所设计的机器人系统为人体双侧肢协同运动的康复训练临床需求提供了设计思路和实现方法。

基于健肢刚度估计的康复机器人交互控制研究

针对康复训练过程中机器人与患者之间的人机交互性问题,文中基于患者健肢刚度估计及映射的思想,提出一种具有个性化治疗特征的人机交互控制方法。基于健肢表面肌电信号和人机接触力信息,建立具有患者自身完成日常动作特征的上肢末端刚度估计模型。设计刚度映射算法,根据健肢末端刚度动态调整机器人阻抗控制参数,结合人机接触力反馈,实现康复训练机器人与患肢交互的柔顺控制。研究结果表明:所提出的人机交互控制方法通过模拟患者健肢运动特性的康复训练机器人带动患肢,使得康复训练动作更加符合个人发力习惯,也有利于双侧肢体的运动一致性,可为临床的康复训练提供设计思路和实现方法。

上肢康复机器人拉格朗日动力学简化建模方法的研究

脑卒中是老年人发病率较高的疾病之一,传统临床康复训练方法存在治疗效率低等问题,机器人参与辅助上肢康复运动训练更具有针对性,持续时间也更长,可重复性更高,且疗效显著。该文主要针对五自由度上肢康复训练机器人动力学建模问题展开相关研究,在传统机器人拉格朗日动力学方程中引入Q矩阵,在参考坐标系下将动力学方程进行线性化转换,并给出该方法的计算公式,利用新方法建立五自由度上肢康复训练机器人动力学模型。通过MATLAB三维仿真表明所建模型准确且方法快速而有效,可作为一类多自由度机器人建模的新方法,同时为辅助或替代医师对患者进行康复训练奠定夯实的数学基础。

气动上肢康复机器人伺服控制和运动规划研究

针对中风导致的人体上肢运动功能障碍,提出了一种气动上肢康复训练机器人系统,并研制了二自由度的机器人样机。以带位置检测传感器的摆动气缸作为机器人的关节驱动模块,用比例调压阀作为控制元件,采用PD+速度前馈的柔顺控制策略,对机器人的关节旋转角度实施精准控制。同时,设计了机器人的复合运动轨迹规划,以取水和擦玻璃动作为任务,带动手臂进行康复训练实验。通过样机的测试,验证了控制策略的有效性和康复轨迹规划的可行性。

三自由度上肢康复机器人结构设计与仿真

设计了一款三自由度的上肢康复装置。首先运用Creo建立上肢康复模型,简化三连杆模型后通过D-H坐标法求得系统末端运动轨迹方程,利用MATLAB计算运动轨迹曲线,在Adams中建立简化模型,观察末端轨迹曲线并与理论计算结果对比,再运用Lagrange运动学方程求取各个关节驱动器所需力矩。结果表明,所设计机械臂结构在运动过程中无干涉现象,结构合理,为上肢康复训练机器人的康复设计提供了理论参考。

机器人辅助作业轨迹跟踪控制方法研究

机器人辅助作业过程中具有不确定外部力干扰情况下的交互控制问题,为此,文中提出一种基于误差的PD协同滑模阻抗控制模型的上肢康复机器人交互控制策略,以实现人机系统较好的轨迹跟踪精度与柔顺性。首先,对欠自由度上肢康复训练机器人完成运动学与动力学建模,以保证机器人可以跟踪预设轨迹;其次,针对滑模阻抗控制模型人机系统阻尼特性较好,但轨迹跟踪精度较差的问题,设计基于误差的PD协同阻抗控制模型。将交互过程中人施加的外部力视为干扰,在外力迫使机器人运动误差较小的情况下,采用PD控制模型减小康复训练过程中误差;而在外力迫使机器人产生较大误差时,采用滑模阻抗控制模型,保持系统良好的柔顺性。最后,通过仿真分析较大的外部干扰对系统的影响,并验证所提策略的有效性。结果表明,所提策略可以实现人机系统较高的轨迹跟踪精度与良好的柔顺性,与滑模阻抗控制策略相比,在外界力突变情况下,轨迹跟踪精度提升15.5%,关节力误差降低4.1%。