共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
中国正向深度老龄化社会高速迈进,脑卒中等老年性疾病人群逐年增多,开展面向助老适老的智能产品研究具有广阔的应用前景与重要的学术价值。下肢康复外骨骼是一种与穿戴者肢体交互并为其提供相应运动辅助和训练的人机交互共融智能产品。利用下肢康复外骨骼进行科学有效的康复运动训练,患者的肌力得以增强,脑神经和患肢之间的传递通路得以重建。根据穿戴者的下肢运动功能缺失或减弱程度生成并调整步态以进行安全有效的康复训练,是目前下肢康复外骨骼的研究前沿与热点。针对下肢运动功能障碍导致的行走方式差异化和康复步态规划个性化问题,结合国内外下肢康复外骨骼步态交互设计的研究进展,围绕下肢康复外骨骼步态性能评价标准、步态生成方法、步态控制策略和典型康复应用进行了重点分析探讨。最后总结并对下肢康复外骨骼的步态交互设计未来发展方向进行了展望,为相关研究人员提供参考。 相似文献
3.
4.
5.
6.
7.
下肢康复机器人不仅要辅助患者恢复患肢关节运动机能,还须使患肢恢复正常人的协调步态。机器人的步态规划在满足训练者的身材特征和当前可承受活动能力下,还应符合正常人的步态特征,具有对每个患者的宜人性。针对这一目标,根据对一组正常人步态实验的数据,提出采用高斯过程回归模型进行预测的步态规划方法。建立以训练者的身体和步态参数为输入向量,步态曲线的傅里叶系数为输出量的映射关系,从而获得适合不同患者的宜人性步态离线规划方法。经过实验验证,由预测模型所生成的步态曲线与实验者实际步态曲线具有较高的一致性。 相似文献
8.
针对下肢运动损伤患者的康复需求,提出一种新型下肢外骨骼康复训练器,根据康复评定学中RLA分期法对人体正常步态的描述和人机工程学理论中的人体下肢尺寸及关节特点,对被动康复训练器的机构进行设计;使用SolidWorks建立三维样机模型,制造实物样机;并且建立运动学及动力学模型;通过Matlab仿真分析特出关节运动变化曲线,验证数学模型的正确性;并且通过ADAMS软件进行动力学仿真,验证模型的正常行走步态,并且得出关节角速度,关节角动量,关节力矩等变化曲线。然后分别选取RLA八分法中8个关键时期点的数据,将理论计算和模拟仿真的结果进行比较,分析误差原因。验证了运动模型的正确性,为驱动控制提供参考依据。 相似文献
9.
下肢康复外骨骼机器人是一种可以辅助脑卒中导致运动功能障碍患者肢体运动和康复训练的机器人。基于人体下肢生物力学特点,提出了下肢外骨骼机器人设计方案,研究了下肢康复外骨骼机器人的机构设计原理及过程。针对外骨骼髋关节的关键零件设计进行详细阐述,研究了准拟人化设计的比例参数,使用了拓扑优化方法对膝关节电机架进行轻量化设计。基于D-H法分析了外骨骼机构的运动学关系,得到坐标转换矩阵。通过ADAMS软件进行运动学仿真,验证了运动学分析的可靠性。 相似文献
10.
近年来,脑血管疾病的发病率越来越高。众所周知,脑血管疾病引起中枢神经系统损伤,中枢神经系统损伤的患者日常活动能力受限,而解决这些问题已成为重要的研究课题。随着外骨骼机器人研究不断发展,辅助人体进行日常活动的需求得到有效回应。本文将从国内及国外两个方面综合阐述目前下肢外骨骼康复机器人的研究现状,以及关键技术及发展,从研究和开发角度对康复机器人的发展方向进行详述。 相似文献
11.
根据下肢康复的需要,结合已有的外骨骼下肢康复机器人技术,使用GSM构建了一个远程的下肢康复系统。系统使用短信服务实现康复信息的远程监控,并具有信息管理功能。同时,系统可以实现责任医务人员与系统维护人员的定制短消息提醒服务。此系统可以作为基于物联网的智慧医疗系统的子系统进行应用,以实现社区康复或家庭康复的需求。 相似文献
12.
13.
14.
15.
下肢外骨骼康复机器人的自适应控制研究 总被引:2,自引:0,他引:2
针对下肢外骨骼康复机器人的动力特性,为实现康复训练过程中控制的实时性和高精度,消除系统中存在的未建模动态、外部扰动和非线性不确定性的影响,本文提出采用两个相互独立控制器共同作用控制方法,即基于标称模型的计算力矩控制器和变结构鲁棒自适应补偿控制器。补偿控制器基于Lyapunov函数法,通过引入一个动态信号和非线性阻尼项来抑制未建模动态、外部有界扰动和非线性不确定项的影响。设计的自适应律通过在线刷新系统的不确定参数,增强了控制系统的鲁棒性并保证系统达到全局渐近稳定。通过Lyapunov稳定性定理和仿真结果证明了该控制策略的可行性和有效性。 相似文献
16.
17.
18.
19.
20.
考虑到下肢康复机器人很难获得精确、完整的数学模型,而且在建立模型时需要进行合理的近似处理,因此忽略了外部干扰、参数误差、未建模的动态和摩擦等不确定因素,这些原因导致控制性能不佳。基于此提出了一种基于计算力矩法的神经网络鲁棒控制器,通过计算力矩法对标称模型进行控制,RBF神经网络控制器对系统中未知的不确定项进行补偿,而自适应鲁棒控制器则用来补偿神经网络的逼近误差及外部的干扰,从而提高了系统的动态性能和控制精度,并对算法的稳定性进行了证明。通过实验验证,证明了控制算法的有效性,在被动训练时具有较好的轨迹跟踪性能。 相似文献