虚拟诱导患者下肢主动运动意图及其脑电精准感知方法

针对下肢运动功能障碍患者无法产生强烈主动运动意图造成外骨骼机器人在康复运动辅助时人机交互性差的问题,提出了一种虚拟诱导患者下肢主动运动意图及其脑电精准感知方法。首先,分析影响患者运动意图产生的因素,建立基于大脑注意机制的虚拟诱导患者意图产生模型,形成基于脑电信号的人机交互策略;然后,设计并搭建数据驱动沉浸式三维虚拟诱导场景,激发患者大脑产生主动运动意图;进而,采集患者脑电信号,通过基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的伪迹去除方法进行信号预处理;最后,利用深度卷积神经网络实现对患者运动意图的精准识别。实验结果表明:虚拟诱导方法能够有效增强受试者脑电信号特征,运动意图识别率明显提高,相比常规方法,采用虚拟诱导方法后,静息状态识别准确率达到80.5%,提高了10.33%,产生意图识别准确率达到92.17%,提高了20.5%,稳定维持在较高水平,为外骨骼机器人实现按需辅助控制奠定了基础。

面向人机物理交互的谐波传动式模块化机器人系统分散积分滑模控制

针对面向人机物理交互任务的谐波传动式模块化机器人系统,提出一种分散积分滑模控制方法。与传统采用既定期望轨迹的方法不同,文中仅利用各机器人关节的位置测量信息,实现了基于主动运动意图辨识的分散积分滑模控制。基于谐波传动柔度模型,揭示了一种人机物理交互人员主动运动意图辨识策略,在此基础上,研究了面向人机物理交互的谐波传动式模块化机器人系统分散积分滑模控制方法,实现高性能的运动意图轨迹跟踪控制。利用李雅普诺夫理论证明了闭环机器人系统的渐近稳定性,实验结果验证了该方法的有效性。