基于任务表现的机器人辅助康复自适应控制策略

以机器人辅助的上肢协调康复训练为研究对象,提出一种基于任务表现的自适应控制策略,为肢体运动功能障碍患者提供个性化的机器人辅助,旨在提高患者的主动运动参与度,实现高效的康复训练.首先,介绍上肢末端式双边康复平台以及协调训练任务.然后,引入临床运动评估参数与协调训练指标,采用模糊神经网络模型建立多任务指标与机器人导纳控制参数间的映射关系.最后,通过受试者参与的协调训练实验对所提出方法进行了验证,并与相关文献中的人机交互策略进行了对比分析.实验结果表明,本文方法具有较好的任务指标追踪效果和人机交互平稳性,能够自适应为患者提供个性化的机器人辅助,有助于提高受试者的训练积极性.     

机器人辅助上肢关节运动控制与临床实验研究

针对机器人辅助患肢被动康复训练过程中关节活动度(ROM)及运动控制参数不能随患肢病情实时调整的问题,提出一种新的模糊自适应关节被动运动闭环监督控制方法.该方法首先根据患肢关节活动恢复程度设计上层监督控制器,得到符合患肢病情的关节期望运动范围;再通过设计下层闭环位置跟踪控制器,控制机器人平稳地牵引患肢关节沿目标轨迹进行训练.临床实验结果验证了所提算法的有效性.     

基于运动想象辅助的下肢康复控制系统

现今社会中由于种种因素，如自身机能下降、意外车祸、外伤等造成的肢体运动性障碍的病人在显著增加。临床上广泛使用下肢康复训练机器来辅助患者康复训练，而近年来脑机接口技术的飞速发展，使其在该康复领域得到极大的重视。脑机接口通过对肢体运动障碍患者运动想象或诱发产生的脑波信号进行识别，从而控制下肢康复设备实现辅助运动。     

机械臂抓取任务的脑电分类

针对大脑认知完好无损的患者,却患有重度神经肌肉疾病导致肢体行动受限的问题,为使患者重新获取障碍肢体的自主控制能力,本文提出了一种机械臂抓取任务的脑电分类方法对患者进行障碍肢体运动康复训练.首先使用非侵入式脑电技术对运动想象脑电信号进行采集,通过预处理、特征提取以及多尺度特征融合卷积神经网络进行分类识别;最后利用分类模型得到的标签解码成机械臂能够识别的指令,控制机械臂完成特定任务.实验结果表明:实验选取的15名健康受试者运动想象实验采集的脑电数据具有可行性,平均准确率达到了82%以上;为机械臂抓取任务的脑电分类提供了一种新思路.     

基于运动想象脑电的上肢康复机器人

针对脑中风偏瘫患者的康复训练,设计了一种基于运动想象脑电的上肢康复机器人系统.首先,利用肢体运动3维动画刺激患者进行运动想象并通过USB脑电放大器采集运动想象脑电信号:然后,采用小波包算法进行特征向量的提取,并通过基于马氏距离的线性判别分类器分类;最后,PC利用虚拟现实技术进行视觉反馈,同时控制康复机器人.该系统使用患...     

虚实融合交互系统辅助脑卒中后失语症康复训练

脑卒中后失语症是一个普遍的致残性疾病.研究表明,虚拟现实及实物交互技术对该疾病的康复训练具有重要意义.然而现有的计算机辅助言语康复系统很少能将这2类技术有效结合并发挥它们各自的优势,且没有对言语训练素材进行合理编排以适应实际的康复训练需求.提出了一种虚实融合辅助的言语康复训练系统,构建了一个"超市购物"的虚拟场景,基于语义网络理论编排言语训练素材,实现了对操作实物的实时跟踪和识别;并将其映射到虚拟购物场景中,使得脑卒中后失语症患者可以通过对实物的操作去完成在虚拟空间的购物任务;患者在虚实融合辅助的言语康复训练系统中的任务完成时间和行为表现结果表明了系统的可用性,问卷调查结果表明,系统得到了康复治疗师的普遍认可,患者和治疗师在用户访谈中提出的多项建议对未来在这一方面的研究工作具有指导意义.     

基于情绪感知的机器人辅助主动康复训练任务控制方法

在现有机器人辅助康复训练过程中,患者与康复机器人之间的交互控制主要以感知患者主动"运动"参与为主,未能考虑患者"心理"层次的主动参与,具有一定的局限.针对此问题,以康复训练过程中患者挫败、兴奋及厌烦为目标情绪状态,提出一种基于情绪感知的机器人辅助主动康复任务控制方法.该方法首先提取机器人辅助主动康复过程中患者目标情绪生理响应及性能数据特征;其次,基于径向基核的支持向量机设计目标情绪分类器,并研究与患者目标情绪变化相一致的机器人辅助康复任务自适应控制方法;最后,运用Barrett公司4自由度WAM^{m TM}康复机器人构建试验系统平台,选取12例临床脑卒中患者,对方法有效性进行试验验证.     

下肢康复机器人及其交互控制方法

瘫痪病人的数量与日俱增,其康复训练通常是一个长期的过程.相对于传统的理疗,使用机器人辅助康复训练能够提高效率,降低成本,减少理疗师的人员和体力消耗,因此节省了康复医疗资源,并且可以完成更加多样的主被动训练策略,从而提高了康复效果.根据患者进行康复运动时的身体姿态,下肢康复机器人可分以下4类: 坐卧式机器人、直立式机器人、辅助起立式机器人和多体位式机器人,坐卧式又细分为末端式和外骨骼式,直立式进一步划分为悬吊减重(Suspending body weight support,sBWS) 式步态训练机器人和独立可穿戴式机器人.由于下肢康复机器人是与运动功能受损的患肢相互作用,为了给患者创造一个安全、舒适、自然的训练环境,机器人和患者之间的交互控制不可或缺.根据获取运动意图时所使用的传感器信号,交互控制可以基本分为两类: 1)基于力信号的交互控制; 2)基于生物医学信号的交互控制.在基于力信号的交互控制中,力位混合控制和阻抗控制是最为常用的两种方法; 而在基于生物医学信号的交互控制中,表面肌电 (Surface electromyogram,sEMG) 和脑电(Electroencephalogram,EEG) 最常被用于运动意图的推断.     

上肢康复外骨骼机器人的模糊滑模导纳控制

为了辅助上肢运动功能障碍患者进行不同模式的康复训练,基于上肢康复外骨骼机器人系统,提出了一种模糊滑模导纳控制策略,实现训练过程的人机协调控制.首先,介绍了康复外骨骼的整体结构和实时控制平台.然后,分析了模糊滑模导纳控制算法的推导过程,并根据李亚普诺夫稳定性判据证明系统的稳定性.最后,在不同系统导纳参数条件下,分别进行被动训练模式和主动训练模式实验,并对比分析了实验过程中运动偏差、人机交互力以及肱二头肌表面肌电信号的变化特点.实验结果表明,选择合适的目标导纳模型可以优化康复训练强度与难度,提高人机交互柔顺性与患者参与度,满足不同瘫痪程度和康复进度患者的训练需求.     

上肢康复机器人实时安全控制

针对上肢辅助康复机器人临床使用中的安全性和平稳性问题,提出基于模糊逻辑的实时在线安全监测控制方法.机器人对患肢进行康复训练时,患肢状态对控制效果会产生影响;通过设计智能安全监控模糊控制器(SSFC)改善系统运动平稳性以及突发情况下的安全性.首先提取相关运动特征评估受训患肢状态稳定情况,安全监控模糊控制器智能实现正常扰动情况下的控制期望力调节以及突发情况下的紧急响应.其次通过基于位置的阻抗控制策略实现患肢与机器人末端的柔顺性.实验结果验证了该控制方法能够有效地实现康复机器人的安全性和平稳性.     

An adaptive arm’s mechanical impedance estimator for rehabilitation robots without force and acceleration sensors

The mechanical impedance of the human arm can be measured to quantitatively assess the motor function. In this paper, an adaptive least square estimation method is proposed for online measurement of the mechanical impedance of the arm, without force or acceleration sensors, which extremely reduces the expenses and complexity of rehabilitation robots. The proposed strategy may also be used for monitoring the dynamic changes of the mechanical impedance. Estimation of time-varying force is also the other capability of the algorithm. The closed-loop stability of the system is analytically shown using the Lyapunov stability theorem. To show the applications of the proposed scheme, two main scenarios are described which can be used for the rehabilitation robots to assess the motor recovery of the patients undergoing the rehabilitation sessions. To validate the scheme, a 2-DOF manipulator is adopted to illustrate the accuracy of the impedance and force estimations in noiseless and noisy conditions.     

A hybrid haptic guidance model for tank gunners in high precision and high speed motor skill training

Haptic-based paradigms for human motor skill training which include virtual fixture, record-play method, shared control scheme and haptic disturbance have been proposed and widely used for applications like surgery, assembly, rehabilitation, motor skill and so on. However, no haptic-based training scheme applies to all types of human motor skills that new ideas and new approaches should be explored for some special training tasks. For example, tank gunners have to be rigorously trained to be able to complete the most accurate manipulation in the shortest possible time. Accuracy and operating speed are both critical for them to grasp the skill; therefore, tank gunnery is defined as a type of high precision and high speed human motor skill. In this paper, a hybrid spring-damper model which fuses haptic fixture and record-play is presented to simultaneously train accuracy and operating speed. The training approach is suitable for novices at all levels since force feedback is decomposed into two components: one for training accuracy, the other for training speed. The virtual envelope depicting is chosen as the training task for novices to validate the effectiveness of the proposed haptic-based scheme in high precision and high speed skill training. Experimental results indicate that force feedback generated based on the hybrid model can benefit novices in fast improving performances on tank gunnery.     

Effects of task characteristics on unimanual and bimanual movement times

Fitts' law cannot be used to predict movement times (MTs) of bimanual tasks since no empirical relationships associating task difficulty and bimanual MT have been demonstrated yet. Development of a ‘bimanual task difficulty index’ has been challenged by the complex patterns of coordination involved in simultaneously performing two tasks, one with each hand, under a control system with limited visual and attentional resources. To address this fundamental issue in human motor performance, bimanual object transfers with the left and right hands to targets of various precision requirements and separated by different distances were studied in six healthy subjects. Visual resource allocation during task performance was used to identify ‘primary’ and ‘secondary’ hand movements in bimanual tasks. While the primary movement was similar to a unimanual movement, the secondary MT varied with its own, as well as the contralateral hand's task constraints. These results, which were stable and consistent across six subjects, provide preliminary evidence that visual behaviour, indicating closed-loop control, can be used to systematically derive bimanual MTs.

Practitioner summary: A simple extension of Fitts' law cannot be used to predict movement times (MTs) of bimanual tasks since there is no consensus on the definition of a ‘bimanual task difficulty index’ in the literature. In this paper, we have approached this problem by using visual resource allocation patterns to systematically derive bimanual MTs.     

基于扩展BP神经网络的一类非线性系统自适应控制设计

针对单输入单输出非线性系统的不确定性问题,提出了一种新型的基于扩展反向传播（BP）神经网络的自适应控制方法。首先,采用离线数据来训练BP神经网络的权值向量;然后,通过在线调节伸缩因子和逼近精度估计值的更新律,从而来达到控制整个系统的目的。在控制器的设计过程中,利用李亚普诺夫稳定性分析原理,保证了闭环系统的所有状态一致终极有界（UUB）。相比传统的BP神经网络自适应控制,所提方法能有效地减少在线调节的参数数目、减轻计算负担。仿真结果表明,该方法能够使闭环系统的所有状态都趋于零,即系统达到稳定状态。     

基于Matlab/xPC的直流电机参数辨识及双闭环控制研究

针对直流电机精确数学模型的获取及其双闭环控制器参数的整定问题,在Matlab/xPC目标环境使用递推最小二乘法对某型直流电机进行参数的在线辨识,获得某工作转速下的动态结构图参数.针对该结构图,在Simulink环境下对速度调节器和电流调节器的PI参数进行整定并仿真,达到满意效果后,将控制器下载到xPC目标机中,采用毫秒...     

多伺服电机智能化协调容错轨迹跟踪控制系统设计

针对一类具有执行器、传感器故障的多伺服电机控制系统,设计了相应的多伺服电机智能化协调容错轨迹跟踪控制系统.首先,提出了一种新结构的分布式中间估计器,修改了其设计结构,提高了估计方案的可行性.其次,通过在线强化学习估计策略,可以显著提高估计性能,其核心是自适应切换机制与源故障模式定位功能块的集成,并根据估计值设计了协调容...     

基于逼近误差调节的直接自适应模糊控制

对含未知参数的一类非线性系统给出一种新的直接自适应模糊控制方案．利用在线自适应调节估计逼近误差,用此估计值设计补偿器减小逼近误差对跟踪精度的影响．该方法不仅能够保证闭环系统的稳定性,而且可以使跟踪误差收敛到0或0的小邻域．