一種基于肌電信號(hào)的自適應(yīng)人機(jī)交互控制方法

張 弼 姚 杰 趙新剛談曉偉

(1.中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所機(jī)器人學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，遼寧沈陽(yáng) 110016;2.中國(guó)科學(xué)院機(jī)器人與智能制造創(chuàng)新研究院，遼寧沈陽(yáng) 110169;3.中國(guó)科學(xué)院大學(xué)，北京 100049)

1 引言

踝關(guān)節(jié)作為人體負(fù)重最多的關(guān)節(jié)之一，在人體正常行走時(shí)起到保持平衡、提供前進(jìn)力的重要作用[1].對(duì)于罹患踝關(guān)節(jié)運(yùn)動(dòng)障礙的腦卒中患者而言，其踝關(guān)節(jié)長(zhǎng)期處于足下垂的狀態(tài)，如果不能及時(shí)接受康復(fù)治療，可能會(huì)導(dǎo)致肌肉的僵硬萎縮，進(jìn)而造成不可逆的損傷.通過(guò)系統(tǒng)性的康復(fù)訓(xùn)練，可以幫助患者增強(qiáng)肌肉力、提高關(guān)節(jié)的靈活性，進(jìn)而使患者逐漸提高對(duì)踝關(guān)節(jié)的控制能力、逐漸恢復(fù)踝關(guān)節(jié)的運(yùn)動(dòng)能力[2].

踝關(guān)節(jié)康復(fù)機(jī)器人系統(tǒng)，可以適用于不同病情患者的差異需求，為患者提供更加及時(shí)有效的康復(fù)治療，同時(shí)減輕康復(fù)醫(yī)師的工作負(fù)擔(dān)[3].在康復(fù)訓(xùn)練人機(jī)交互控制領(lǐng)域，很多研究工作采用力矩傳感器作為感知元件，從而實(shí)現(xiàn)基本的人機(jī)交互功能.機(jī)器人關(guān)節(jié)通常以電機(jī)作為動(dòng)力源，通過(guò)減速裝置傳動(dòng)、獲得較高的轉(zhuǎn)矩后，直接與關(guān)節(jié)連桿相連.這種剛性連接大幅增加了機(jī)器人自身的機(jī)械阻抗，從而提高其完成任務(wù)的快速性和精確性.對(duì)于踝關(guān)節(jié)康復(fù)機(jī)器人，在工作過(guò)程中要與人發(fā)生接觸或碰撞.因此，人機(jī)交互控制要確保機(jī)器人具有柔順性.當(dāng)人與機(jī)器人接觸或發(fā)生碰撞與沖擊時(shí)能有一定的順應(yīng)與緩沖時(shí)間，從而使得人機(jī)交互時(shí)可以更加友好.

美國(guó)芝加哥康復(fù)中心Ren等[4]針對(duì)臥床的患者設(shè)計(jì)了一款病床用單自由度踝關(guān)節(jié)康復(fù)機(jī)器人.該康復(fù)機(jī)器人體積小巧，重量?jī)H有1.5 kg，連續(xù)運(yùn)動(dòng)的最大速度為300(°)/s，最大輸出扭矩20 NM.患者使用時(shí)平躺于病床上，通過(guò)顯示屏進(jìn)行人機(jī)交互，可以實(shí)時(shí)觀察到踝關(guān)節(jié)的活動(dòng)角度.Jamwal等[5]利用氣動(dòng)人工肌肉設(shè)計(jì)了一款并聯(lián)踝關(guān)節(jié)康復(fù)機(jī)器人.該康復(fù)機(jī)器人通過(guò)氣動(dòng)人工肌肉的收縮來(lái)實(shí)現(xiàn)3個(gè)自由度上的運(yùn)動(dòng)，并設(shè)計(jì)了位置控制、零阻抗控制等4種康復(fù)策略，可以針對(duì)患者的具體病情選擇合適的治療方案.張煜[6]設(shè)計(jì)了一款電機(jī)驅(qū)動(dòng)的3自由度踝關(guān)節(jié)康復(fù)機(jī)器人.通過(guò)機(jī)械方面的優(yōu)化設(shè)計(jì)，使得其體積足夠小巧.該康復(fù)機(jī)器人利用電機(jī)和減速器實(shí)現(xiàn)水平面上2個(gè)自由度的旋轉(zhuǎn)，利用小電機(jī)驅(qū)動(dòng)其進(jìn)行圓周運(yùn)動(dòng)實(shí)現(xiàn)垂直方向的旋轉(zhuǎn).

但是，采用力矩信息作為感知元件面臨的最大問(wèn)題，就是力的檢測(cè)總是要滯后于運(yùn)動(dòng)的發(fā)生;也即是說(shuō)，交互力矩只有當(dāng)運(yùn)動(dòng)發(fā)生了之后才會(huì)被機(jī)器人的傳感器感知到.這顯然不利于康復(fù)訓(xùn)練的進(jìn)行，特別是對(duì)于腦卒中患者來(lái)說(shuō)，無(wú)疑會(huì)增加康復(fù)負(fù)擔(dān).現(xiàn)階段，大部分工作[7-11]往往都是被動(dòng)康復(fù)訓(xùn)練，患者并沒(méi)有主動(dòng)參與到其中去，難以達(dá)到理想的康復(fù)效果.這種純被動(dòng)的訓(xùn)練方式比較適合于腦卒中發(fā)病初期病人.但是眾所周知，被動(dòng)訓(xùn)練無(wú)法滿足康復(fù)中期患者需求，因?yàn)檫@個(gè)時(shí)期應(yīng)該給予患者部分主動(dòng)康復(fù)的能力，從而提升康復(fù)效率.

為此，很多研究者將工作重心放在基于生物電信號(hào)的人機(jī)交互控制方法上面[12].肌電信號(hào)是產(chǎn)生肌肉力的電信號(hào)根源.在生物機(jī)理上它是許多運(yùn)動(dòng)單元產(chǎn)生的動(dòng)作序列電位的總和.而人體表面肌電(surface electromyography，sEMG)信號(hào)是肌電信號(hào)于人體皮膚表面的外在表現(xiàn)，包含很多肌肉活動(dòng)的重要信息，可以反映出人體肌肉的運(yùn)動(dòng)意圖.另外，sEMG比人體的運(yùn)動(dòng)動(dòng)作提前30～100 ms，可以用于人體運(yùn)動(dòng)動(dòng)作的提前判斷，因此被廣泛應(yīng)用于臨床診斷、康復(fù)治療、假肢控制和人機(jī)交互控制等方面[13-17].因此，基于sEMG的主動(dòng)感知與人機(jī)交互是目前最熱門(mén)的研究方向之一.

Al-Quraishi等[18]提取了踝關(guān)節(jié)運(yùn)動(dòng)時(shí)肌肉的sEMG信號(hào)，并比較了不同的sEMG信號(hào)特征提取方法和運(yùn)動(dòng)分類(lèi)方法.在外骨骼踝關(guān)節(jié)機(jī)器人力控制方面，Ao等[19]把Hill模型與EMG信號(hào)進(jìn)行結(jié)合，實(shí)現(xiàn)了踝關(guān)節(jié)的關(guān)節(jié)力矩估計(jì).據(jù)此，Yao等[20]進(jìn)一步提出了自適應(yīng)阻抗控制，實(shí)現(xiàn)了變剛度控制效果.杜等[21]基于sEMG和足底壓力特征，建立基于多傳感器信息融合的人機(jī)交互模型，實(shí)現(xiàn)康復(fù)機(jī)器人運(yùn)動(dòng)軌跡的在線規(guī)劃.Zhou等[22]針對(duì)坐式踝關(guān)節(jié)康復(fù)機(jī)器人，設(shè)計(jì)更符合患者需求的康復(fù)策略，利用sEMG對(duì)康復(fù)治療時(shí)的具體參數(shù)進(jìn)行標(biāo)準(zhǔn)化設(shè)置，并選擇多名被試者進(jìn)行6周的跟蹤實(shí)驗(yàn).盡管上述研究成果取得了一定的進(jìn)展，但是綜合上述關(guān)于sEMG人機(jī)交互方法的報(bào)道，發(fā)現(xiàn)仍存在很多的局限性.

第1個(gè)問(wèn)題是個(gè)體適應(yīng)性的擴(kuò)展應(yīng)用問(wèn)題.因?yàn)榛颊卟∏榕c身體狀況存在差異、康復(fù)醫(yī)生業(yè)務(wù)技術(shù)手段也不同，所以先前很多工作所采用的肌電估計(jì)模型，比如Hill模型、神經(jīng)網(wǎng)絡(luò)模型等，往往過(guò)于復(fù)雜，難以進(jìn)行方法擴(kuò)展.在實(shí)際應(yīng)用時(shí)，這些模型需要在每次使用時(shí)都采集大量數(shù)據(jù)，針對(duì)不同患者重新訓(xùn)練一套個(gè)性化訓(xùn)練方案.顯然，這是不現(xiàn)實(shí)的.因此，主動(dòng)人機(jī)交互應(yīng)該盡可能地簡(jiǎn)化設(shè)計(jì)使用難度，增強(qiáng)系統(tǒng)的可擴(kuò)展性，以便確保非自動(dòng)化專(zhuān)業(yè)人士的友好使用.

第2個(gè)問(wèn)題是主動(dòng)人機(jī)交互控制系統(tǒng)的自適應(yīng)性還比較薄弱.眾所周知，踝關(guān)節(jié)機(jī)器人系統(tǒng)存在嚴(yán)重的不確定性，比如:設(shè)備頻繁使用會(huì)造成機(jī)器人系統(tǒng)動(dòng)態(tài)特性變化;機(jī)械設(shè)計(jì)難免引入遲滯死區(qū)等非線性因素;患者肌肉疲勞度隨著訓(xùn)練進(jìn)行會(huì)發(fā)生改變;患者腳踝康復(fù)訓(xùn)練運(yùn)動(dòng)姿勢(shì)規(guī)范性難以統(tǒng)一.因此，采用常規(guī)的固定參數(shù)阻抗控制算法將會(huì)影響康復(fù)訓(xùn)練效果.目前亟待解決的一個(gè)問(wèn)題，就是設(shè)計(jì)合適的阻抗模型參數(shù)在線更新策略，確?；颊哂?xùn)練的舒適性.

為了解決上述問(wèn)題，本文針對(duì)一款自行研制開(kāi)發(fā)的踝關(guān)節(jié)康復(fù)機(jī)器人，開(kāi)展人機(jī)交互控制方法研究.為了增強(qiáng)控制系統(tǒng)可擴(kuò)展性，設(shè)計(jì)基于極限值的sEMG肌電模型，簡(jiǎn)化設(shè)計(jì)過(guò)程;為了提升患者訓(xùn)練的舒適性，針對(duì)上層任務(wù)層，設(shè)計(jì)自適應(yīng)阻抗控制策略;為了應(yīng)對(duì)機(jī)器人系統(tǒng)不確定動(dòng)態(tài)特性，設(shè)計(jì)基于數(shù)據(jù)驅(qū)動(dòng)的控制策略.最后，基于多位受試者開(kāi)展了實(shí)驗(yàn)研究，驗(yàn)證所提人機(jī)交互控制策略的有效性.

2 機(jī)器人系統(tǒng)設(shè)計(jì)

本章介紹踝關(guān)節(jié)康復(fù)機(jī)器人實(shí)驗(yàn)平臺(tái)和工作原理.圖1展示了踝關(guān)節(jié)康復(fù)機(jī)器人系統(tǒng)，由3部分組成:①肌電信號(hào)采集設(shè)備(Delsys);②高性能筆記本電腦;③踝關(guān)節(jié)康復(fù)機(jī)器人.

圖1 踝關(guān)節(jié)康復(fù)機(jī)器人系統(tǒng)Fig.1 The ankle rehabilitation robotic system

圖2 展示了踝關(guān)節(jié)康復(fù)設(shè)備的機(jī)械結(jié)構(gòu)，由腳踏板、電極、力矩傳感器和編碼器組成.所設(shè)計(jì)的踝關(guān)節(jié)康復(fù)機(jī)器人是單自由度的，可以輔助患者在矢狀面上完成背屈與跖屈動(dòng)作.以腳掌與小腿相互垂直時(shí)為中立位，足尖上抬，即足背向小腿前面靠攏為踝關(guān)節(jié)的伸，習(xí)慣上稱(chēng)為背屈;足尖下垂為踝關(guān)節(jié)的屈，習(xí)慣上稱(chēng)為跖屈.醫(yī)學(xué)研究發(fā)現(xiàn)，與踝關(guān)節(jié)運(yùn)動(dòng)相關(guān)的肌肉群主要為脛骨前肌與腓腸肌，其中:踝關(guān)節(jié)做背屈運(yùn)動(dòng)時(shí)，脛骨前肌收縮，腓腸肌放松;踝關(guān)節(jié)做跖屈運(yùn)動(dòng)時(shí)，腓腸肌收縮，脛骨前肌放松，二者為拮抗關(guān)系.

圖2 踝關(guān)節(jié)康復(fù)設(shè)備的機(jī)械結(jié)構(gòu)Fig.2 The mechanical structure of the ankle rehabilitation device

在本研究中，肌電信號(hào)采集于脛骨前肌和腓腸肌.所采用的sEMG 采集設(shè)備為美國(guó)Delsys 公司生產(chǎn)的Trigno無(wú)線肌電采集系統(tǒng).如圖3所示，展示了患者踝關(guān)節(jié)肌電信號(hào)的采集系統(tǒng)，包括1個(gè)便攜式信號(hào)采集箱和16路無(wú)線肌電采集模塊.其中:圖3(a)是肌電信號(hào)采集設(shè)備(Delsys);圖3(b)是實(shí)驗(yàn)者的電極粘貼的位置.所采用的2個(gè)電極分別貼在2塊肌肉表面(脛骨前肌表面的Ch1電極是第1通道，腓腸肌表面的Ch2電極是第2通道).

3 基于sEMG的運(yùn)動(dòng)意圖估計(jì)

基于sEMG分析的運(yùn)動(dòng)意圖識(shí)別流程如圖4所示.

圖4 基于sEMG的自適應(yīng)人機(jī)交互控制策略Fig.4 Adaptive human-robot interaction control scheme based on sEMG signals

首先，訓(xùn)練離線模型，即采集目標(biāo)動(dòng)作的sEMG，訓(xùn)練出分類(lèi)模型和關(guān)節(jié)角度估計(jì)模型.然后，在線測(cè)試時(shí)，對(duì)提取到的sEMG進(jìn)行預(yù)處理后提取特征值，將提取到的特征值向量輸入到分類(lèi)模型中進(jìn)行運(yùn)動(dòng)意圖的辨識(shí)，得到運(yùn)動(dòng)意圖的辨識(shí)結(jié)果后將其與特征值向量一起輸入到關(guān)節(jié)角度估計(jì)模型中進(jìn)行關(guān)節(jié)連續(xù)角度的估計(jì).最后，將辨識(shí)出的運(yùn)動(dòng)意圖和估計(jì)得到的關(guān)節(jié)角度發(fā)送給執(zhí)行機(jī)構(gòu).

3.1 EMG特征提取

在本研究中，肌電采集設(shè)備的采樣頻率為2000 Hz.采集到sEMG信號(hào)后，首先需要進(jìn)行信號(hào)濾波等預(yù)處理，才能進(jìn)行特征值提取的相關(guān)工作.由于肌電信號(hào)主要能量范圍集中于20～150 Hz，為了把這個(gè)范圍涵蓋在內(nèi)，這里進(jìn)行10～300 Hz 的帶通濾波(選用的濾波器為Butter-Worth濾波器):一方面濾除掉低頻、高頻噪聲;另一方面保證主要信號(hào)所在區(qū)間得以保存.之后，進(jìn)行50 Hz的帶通濾波，以濾除工頻干擾.

sEMG屬于短時(shí)平穩(wěn)信號(hào).在進(jìn)行后續(xù)的相關(guān)分析之前，需要提取出能夠表征sEMG信息的特征值，從而提高sEMG的使用效率[23].為了保證特征值的連續(xù)性，往往采用設(shè)置“時(shí)間窗”和“增量窗”的方法來(lái)提取特征值.本研究中時(shí)間窗為256 ms，增量窗為128 ms.提取特征值時(shí)，采集脛骨前肌與腓腸肌2個(gè)通道的肌電信號(hào)，每個(gè)通道上提取的3種不同特征值，分別為平均絕對(duì)值(mean absolute value，MAV)、均方根(root mean square，RMS)、Willison幅值(Willison amplitude，WA):

其中:Nt表示時(shí)間窗的長(zhǎng)度，xi表示時(shí)間窗內(nèi)采集到的第i個(gè)sEMG信號(hào)值.

3.2 運(yùn)動(dòng)意圖分類(lèi)

本小節(jié)的任務(wù)是，基于sEMG的3個(gè)特征值，設(shè)計(jì)分類(lèi)算法辨識(shí)患者的運(yùn)動(dòng)意圖.

傳統(tǒng)的主動(dòng)康復(fù)方法在進(jìn)行模型訓(xùn)練時(shí)，需要分別采集到3種狀態(tài)下的多個(gè)關(guān)節(jié)運(yùn)動(dòng)位置的大量數(shù)據(jù).但是，這對(duì)于患者患側(cè)的踝關(guān)節(jié)而言很難實(shí)現(xiàn).本研究中，通過(guò)設(shè)計(jì)一種更加簡(jiǎn)潔的方法，避免了上述問(wèn)題.本文的方法關(guān)注于特征值的極值，僅僅要求患者在進(jìn)行背屈運(yùn)動(dòng)與跖屈運(yùn)動(dòng)時(shí)，盡力達(dá)到關(guān)節(jié)運(yùn)動(dòng)的極限位置.這種方式可以解決個(gè)體適應(yīng)性的擴(kuò)展應(yīng)用問(wèn)題，避免了不同患者使用時(shí)的重新訓(xùn)練問(wèn)題，極大地簡(jiǎn)化了算法設(shè)計(jì)與使用難度.

針對(duì)兩個(gè)通道，選擇特征值為MAV，RMS和WA.在關(guān)節(jié)極限位置時(shí)，分別計(jì)算特征值的最大值與最小值，記為分別表示通道1 對(duì)應(yīng)的MAV，RMS，WA特征值的最大值和最小值;和分別表示通道2對(duì)應(yīng)的MAV，RMS，WA特征值的最大值和最小值.值得指出的是，下文中i=1，2，3都是對(duì)于不同特征值的一個(gè)分類(lèi)情況說(shuō)明.

此外，再單獨(dú)采集1組放松狀態(tài)下的sEMG，分別計(jì)算出通道1和通道2的3組特征值的均值，分別記作這里采集到的均值用于運(yùn)動(dòng)意圖辨識(shí)的閾值設(shè)定.

在某一時(shí)刻k，獲取到脛骨前肌sEMG 的特征值MAV，RMS，WA分別記為ai(k)，腓腸肌sEMG的特征值MAV，RMS，WA 分別記為bi(k)，歸一化的算法如下:

進(jìn)一步，設(shè)置閾值作為在線分類(lèi)的判斷標(biāo)準(zhǔn)，即令脛骨前肌和腓腸肌的特征值MAV，RMS，WA對(duì)應(yīng)的閾值分別為αi(i=1，2，3)和βi(i=1，2，3).

其中η定義為閾值關(guān)系系數(shù).經(jīng)驗(yàn)表明，針對(duì)患病程度嚴(yán)重的患者，η應(yīng)該設(shè)置得稍微大些.本文針對(duì)身體正常的受試者開(kāi)展實(shí)驗(yàn)，因此選擇η=2.這樣做，一方面可以降低閾值，提高算法響應(yīng)能力;另一方面去除放松狀態(tài)下的數(shù)據(jù)波動(dòng)干擾，起到濾波效果.

注1從康復(fù)醫(yī)學(xué)角度來(lái)講，背屈狀態(tài)下脛骨前肌呈收縮狀態(tài)，跖屈狀態(tài)與放松狀態(tài)下脛骨前肌呈靜息狀態(tài).因此，對(duì)于脛骨前肌而言，背屈狀態(tài)下的sEMG特征值要遠(yuǎn)大于跖屈與放松2種狀態(tài).對(duì)于正常人，這種區(qū)分性非常明顯，因此設(shè)置閾值時(shí)不用過(guò)大，即可輕松辨識(shí)出患者的運(yùn)動(dòng)意圖.但是對(duì)于患者而言，這種區(qū)分性明顯減小，歸一化處理后

注2經(jīng)驗(yàn)表明，系數(shù)0 ＜η ＜10是康復(fù)訓(xùn)練的有效范圍，確保閾值滿足0 ＜αi＜1，0 ＜βi＜1.在實(shí)際臨床康復(fù)中，η的大小由康復(fù)醫(yī)師根據(jù)患者的康復(fù)情況進(jìn)行設(shè)定.當(dāng)患病較嚴(yán)重時(shí)，患者sEMG特征值數(shù)據(jù)會(huì)存在重疊.為了使得狀態(tài)可分，需要適當(dāng)增大η閾值，以激勵(lì)患者更加積極的施加背屈運(yùn)動(dòng)意圖.顯然，這種設(shè)計(jì)思想與康復(fù)醫(yī)學(xué)上的相關(guān)訓(xùn)練方法是完全相符的.

定義如下分類(lèi)模型辨識(shí)患者的運(yùn)動(dòng)意圖:

其中:class(k)∈{-1，0，1}為時(shí)刻k的分類(lèi)結(jié)果，-1，0，1分別表示跖屈、放松以及背屈狀態(tài);classify(·)為分類(lèi)函數(shù);β3(k)].

值得指出的是，分類(lèi)函數(shù)classify(·)的定義是非常靈活的.本文選擇單一特征值作為分類(lèi)判斷的標(biāo)準(zhǔn).具體實(shí)現(xiàn)過(guò)程為:若＞αi(i=1，2，3)，將該特征值的分類(lèi)判斷結(jié)果記為背屈，否則記為放松狀態(tài);若＞βi(i=1，2，3)，將該特征值的分類(lèi)判斷結(jié)果記為跖屈，否則記為放松狀態(tài).針對(duì)所有元素進(jìn)行6次對(duì)比，計(jì)次≥3的分類(lèi)結(jié)果選定為最終運(yùn)動(dòng)意圖，否則認(rèn)為是放松狀態(tài)以確保安全性.

3.3 連續(xù)運(yùn)動(dòng)估計(jì)

結(jié)合上一小節(jié)的分類(lèi)結(jié)果，本小節(jié)的任務(wù)是:基于sEMG的3個(gè)特征值，估計(jì)出患者所期望的踝關(guān)節(jié)連續(xù)運(yùn)動(dòng)角度.

若class=1，分類(lèi)結(jié)果判斷為背屈狀態(tài)，則利用脛骨前肌的歸一化特征值進(jìn)行角度估計(jì).下面針對(duì)背屈運(yùn)動(dòng)，定義關(guān)節(jié)角度在線估計(jì)方法

其中:f(·)表示脛骨前肌的歸一化特征值到關(guān)節(jié)背屈運(yùn)動(dòng)角度之間的映射關(guān)系;表示利用脛骨前肌MAV，RMS，WA特征值分別估計(jì)出的背屈運(yùn)動(dòng)角度值.

對(duì)于映射函數(shù)f(·)，采用離線歸納的方法加以描述.在實(shí)際控制中發(fā)現(xiàn)，越靠近關(guān)節(jié)的極限運(yùn)動(dòng)位置，運(yùn)動(dòng)相同的角度需要人主動(dòng)施加的力就越大，即關(guān)節(jié)運(yùn)動(dòng)角度與歸一化特征值曲線的斜率越大.不妨設(shè)踝關(guān)節(jié)背屈運(yùn)動(dòng)角度與脛骨前肌某一歸一化特征值關(guān)系曲線可以表示為下面的關(guān)系式:

很顯然這個(gè)函數(shù)經(jīng)過(guò)(0，αi)和(θdor，1)兩個(gè)點(diǎn).在函數(shù)中:αi表示該通道下相應(yīng)特征值的閾值;θdor表示設(shè)置的背屈極限位置;mi(i=1，2，3)表示設(shè)置的脛骨前肌各特征值與關(guān)節(jié)背屈運(yùn)動(dòng)角度之間的曲度系數(shù);為曲線待辨識(shí)參數(shù)，符合下面的關(guān)系式:

綜上，針對(duì)背屈運(yùn)動(dòng)狀態(tài)，可以得到脛骨前肌的歸一化特征值與關(guān)節(jié)背屈運(yùn)動(dòng)角度的映射關(guān)系:

同理，針對(duì)跖屈運(yùn)動(dòng)狀態(tài)，可以得到腓腸肌的歸一化特征值與關(guān)節(jié)跖屈運(yùn)動(dòng)角度的映射關(guān)系:

其中:θpla表示設(shè)置的跖屈運(yùn)動(dòng)極限角度值;ni(i=1，2，3)表示腓腸肌各特征值與關(guān)節(jié)跖屈運(yùn)動(dòng)角度之間的曲度系數(shù);anglepla(i)(i=1，2，3)表示利用腓腸肌各特征值分別估計(jì)出的跖屈運(yùn)動(dòng)角度值.

最終，獲得受試者的期望關(guān)節(jié)運(yùn)動(dòng)角度θd(k)為

4 基于sEMG的人機(jī)交互控制

人機(jī)交互控制系統(tǒng)流程如圖4所示.首先，設(shè)計(jì)任務(wù)層面的控制回路.基于前一章估計(jì)的運(yùn)動(dòng)意圖，可以獲得患者期望運(yùn)動(dòng)的關(guān)節(jié)角度.結(jié)合患者與踝關(guān)節(jié)機(jī)器人的交互力矩信息，基于阻抗控制思想，在線更新阻抗模型參數(shù)，計(jì)算出修正的設(shè)定值.之后，進(jìn)一步討論底層位置控制回路設(shè)計(jì)方法.由于機(jī)械驅(qū)動(dòng)機(jī)構(gòu)難免存在摩擦力、遲滯、噪聲等不確定性因素，常規(guī)線性控制方法存在局限性.因此，本文基于簡(jiǎn)化的降階模型，設(shè)計(jì)在線參數(shù)估計(jì)器，實(shí)時(shí)修正模型參數(shù);根據(jù)預(yù)先選定的魯棒穩(wěn)定性區(qū)域，設(shè)計(jì)自適應(yīng)PI控制方法，確保底層控制系統(tǒng)的魯棒穩(wěn)定性.

4.1 任務(wù)層阻抗控制

結(jié)合上一章所獲得的期望關(guān)節(jié)運(yùn)動(dòng)角度θd(k)，本小節(jié)的任務(wù)是:基于阻抗控制思想，設(shè)計(jì)1個(gè)在線自調(diào)整的參考軌跡，確保使用者訓(xùn)練舒適度.

針對(duì)踝關(guān)節(jié)康復(fù)機(jī)器人，其阻抗控制模型為

其中:T表示人體腳掌與腳踏板之間的交互力矩，可以通過(guò)嵌入踝關(guān)節(jié)康復(fù)機(jī)器人中的力矩傳感器測(cè)得;θd表示踝關(guān)節(jié)康復(fù)機(jī)器人腳踏板處的期望運(yùn)動(dòng)角度，它是由式(12)估計(jì)出的患者的期望關(guān)節(jié)運(yùn)動(dòng)角度;θr表示踝關(guān)節(jié)康復(fù)機(jī)器人腳踏板處的修正后的期望運(yùn)動(dòng)角度，它是由本小節(jié)提出的阻抗控制算法計(jì)算出來(lái)的，將被當(dāng)做最終的位置參考軌跡發(fā)送至底層控制器;Md，Bd，Kd分別表示系統(tǒng)的慣性參數(shù)、阻尼參數(shù)、剛度參數(shù).值得說(shuō)明的是，Md反應(yīng)了機(jī)器人末端的加速度特性，對(duì)于有大加速度的高速運(yùn)動(dòng)或者會(huì)產(chǎn)生較大沖擊力的運(yùn)動(dòng)有較大影響.對(duì)于踝關(guān)節(jié)康復(fù)機(jī)器人交互控制來(lái)說(shuō)，系數(shù)影響非常小，可以近似忽略.本文主要探討系數(shù)Bd，Kd對(duì)于阻抗控制的影響，并提出一種在線更新律.

注3對(duì)于式(14)，Md遠(yuǎn)小于Bd，Kd.即便忽略Md，降階模型的極點(diǎn)仍然可以很大程度地保留原阻抗模型(14)主導(dǎo)極點(diǎn)的動(dòng)態(tài)特性.因此，忽略原模型Md、基于降階模型設(shè)計(jì)控制器的工程處理手段是合理的.

定義Δθ=θr-θd，表示基于阻抗參數(shù)自適應(yīng)律獲得的位置補(bǔ)償量.根據(jù)上述分析可知，忽略Md加速度項(xiàng)，經(jīng)過(guò)拉氏變換以后，式(14)可以記為Δθ=為了計(jì)算機(jī)控制系統(tǒng)設(shè)計(jì)方便，針對(duì)上式，基于后向差分公式，進(jìn)行離散化處理.假定采樣周期為τ，可知s=那么，在時(shí)刻k，可以得到

為了實(shí)現(xiàn)阻抗控制，下面試圖設(shè)計(jì)Bd，Kd的在線更新律.由于剛度系數(shù)Kd對(duì)于機(jī)器人末端運(yùn)動(dòng)影響非常大、遠(yuǎn)超過(guò)Bd，不失一般性，可以選定Bd=λKd，那么可得

對(duì)于上式，本研究選定采樣周期為τ=0.01，而增益系數(shù)λ=0.01～1.顯然，這樣可以確保差分方程的收斂性，即確保阻抗控制系統(tǒng)的穩(wěn)定性.

注4對(duì)于式(15)，由于采樣周期是固定的，因此增益系數(shù)λ的選擇是格外重要的，會(huì)影響輸出響應(yīng)特性.以采樣周期τ=0.01為例，分析閉環(huán)特性關(guān)系當(dāng)λ較大時(shí)，差分方程的特征根靠近正實(shí)軸z=1位置，此時(shí)響應(yīng)比較平緩;而當(dāng)λ較小時(shí)，差分方程的特征根靠近零點(diǎn)z=0位置，此時(shí)響應(yīng)較快、振蕩較多.眾所周知，康復(fù)人機(jī)交互過(guò)程不同于常規(guī)的控制任務(wù)，其響應(yīng)輸出并不追求快速性，而更關(guān)注控制平穩(wěn)性.因此，筆者建議在實(shí)驗(yàn)中選取增益系數(shù)λ=0.1.

本文選取Kd的自適應(yīng)更新律如下:

其中:ε1，ε2分別表示背屈狀態(tài)、跖屈狀態(tài)下阻抗控制的力矩閾值;背屈狀態(tài)系數(shù)a1，b1，c1和跖屈狀態(tài)系數(shù)a2，b2，c2通過(guò)如下算法整定:

其中:Δθ1表示背屈狀態(tài)下當(dāng)交互力矩為T(mén)1時(shí)的角度補(bǔ)償量;Δθ2表示跖屈狀態(tài)下當(dāng)交互力矩為T(mén)2時(shí)的角度補(bǔ)償量.不失一般性，選定背屈方向?yàn)檎?，即令?＞0，Δθ1＞0以及ε2＜0，Δθ2＜0.

當(dāng)ε2≤T(k)≤ε1時(shí)，處于放松狀態(tài)，機(jī)器人與踝關(guān)節(jié)之間的交互力矩比較小，不會(huì)對(duì)踝關(guān)節(jié)造成損傷.此時(shí)令Kd=∞，即Δθ(k)=

當(dāng)T(k)＞ε1時(shí)，處于背屈狀態(tài)，為了防止抵抗力矩過(guò)大對(duì)踝關(guān)節(jié)造成損傷，自適應(yīng)律如式(16).在這種情形下，當(dāng)監(jiān)測(cè)到T(k)恰為閾值ε1，開(kāi)始角度調(diào)整.同時(shí)，隨著T(k)越來(lái)越大，就更容易造成損傷，因此，Δθ(k)角度調(diào)整量也在逐漸增加.

同理，當(dāng)T(k)≤ε2時(shí)，處于跖屈狀態(tài)，為了防止踝關(guān)節(jié)造成損傷，自適應(yīng)律如式(15).這種情況下的工作特性與背屈狀態(tài)類(lèi)似，不再贅述.

綜上，基于自適應(yīng)阻抗控制器設(shè)計(jì)(14)，獲得了修正的參考軌跡θr(k)，作為底層位置控制的期望值:

注5患者踝關(guān)節(jié)長(zhǎng)期處于足下垂的狀態(tài)，背屈無(wú)力，所以背屈狀態(tài)的關(guān)節(jié)抵抗扭矩較跖屈狀態(tài)更大.本文中，設(shè)定閾值時(shí)，|ε1|應(yīng)該大于|ε2|.另外，相比于跖屈運(yùn)動(dòng)而言，背屈運(yùn)動(dòng)時(shí)的極限角度更小，單位角度內(nèi)的力矩值變化更大，因此對(duì)于角度調(diào)節(jié)的靈敏性較跖屈應(yīng)該更加敏感.

注6根據(jù)阻抗模型(14)，設(shè)計(jì)了1種剛度Kd、阻尼系數(shù)Bd可自適應(yīng)調(diào)節(jié)的新方法.由于康復(fù)過(guò)程的控制響應(yīng)輸出并不追求快速性，因此，本方法著重關(guān)注剛度變化特性.基于本文所提算法，可以實(shí)現(xiàn)自適應(yīng)剛度控制器(令Bd=0)和自適應(yīng)阻抗控制器.從康復(fù)醫(yī)學(xué)角度來(lái)講，這些控制方法可以滿足多種康復(fù)治療策略的制定，比如:被動(dòng)模式康復(fù)、主動(dòng)助力模式康復(fù)、主動(dòng)拉伸模式康復(fù)、抗阻訓(xùn)練模式康復(fù)以及跟腱拉伸模式康復(fù)[1，3].

4.2 底層位置控制

針對(duì)機(jī)械驅(qū)動(dòng)機(jī)構(gòu)中存在的摩擦力、遲滯、噪聲等不確定性因素，本小節(jié)的任務(wù)是:提出簡(jiǎn)化的降階模型，設(shè)計(jì)在線參數(shù)估計(jì)器，實(shí)時(shí)修正模型參數(shù);根據(jù)預(yù)先選定的魯棒穩(wěn)定性區(qū)域，設(shè)計(jì)自適應(yīng)PI控制律以及相應(yīng)的kP和kI在線更新規(guī)律.

假定電機(jī)驅(qū)動(dòng)機(jī)構(gòu)表示為如下形式:

其中:θ(k+1)表示機(jī)器人末端的實(shí)際運(yùn)動(dòng)角度;u(k)表示電機(jī)驅(qū)動(dòng)系統(tǒng)的控制輸入信號(hào);φ[·]表示電機(jī)驅(qū)動(dòng)機(jī)構(gòu)的輸入輸出非線性動(dòng)態(tài)特性關(guān)系，na和nb表示系統(tǒng)的階次.

針對(duì)電機(jī)驅(qū)動(dòng)機(jī)構(gòu)(18)，設(shè)計(jì)PI控制律

其中:εθ(k)=θr(k)-θ(k)表示輸出跟蹤誤差;kP和kI分別是控制器的比例系數(shù)和積分系數(shù).

不失一般性，式(18)可以表示為一階線性動(dòng)態(tài)環(huán)節(jié)與未建模動(dòng)態(tài)的相加形式[24]:

其中:z-1是離散算子;A(z-1)=1+a1z-1，B(z-1)=b1z-1表示多項(xiàng)式;ζ(k)是系統(tǒng)的未建模動(dòng)態(tài).

整理式(20)可得數(shù)學(xué)模型為

其中:信息矩陣是φ(k)=[-y(k-1) u(k-1)]T，模型參數(shù)是θ=[a1b1]T，z-1是離散算子;A(z-1)=1+a1z-1與B(z-1)=b1z-1表示多項(xiàng)式;ζ(k)是系統(tǒng)的未建模動(dòng)態(tài)，假定|ζ(k)|≤Δ，Δ是一個(gè)預(yù)先選定的噪聲上界.

基于式(21)可以設(shè)計(jì)估計(jì)模型為

綜上所述，本文采用控制律(19)(23)-(26)(29)-(30)進(jìn)行底層的位置控制.

注7綜上，第4章介紹了整體的自適應(yīng)控制方案.如圖4所示，從2個(gè)層次確保了閉環(huán)控制系統(tǒng)的穩(wěn)定性.對(duì)于第1個(gè)層面，在阻抗控制器設(shè)計(jì)(14)中，本文忽略了Md，選定了Bd=λKd，從而確保主導(dǎo)極點(diǎn)由式(15)決定.分析差分方程的特征根|發(fā)現(xiàn)阻抗控制系統(tǒng)必然穩(wěn)定.對(duì)于第2個(gè)層面，在底層控制律(19)中，為了消除未建模動(dòng)態(tài)ζ(k)，設(shè)計(jì)了基于極點(diǎn)配置的PI控制器參數(shù)調(diào)節(jié)規(guī)律.在理論上，只要根據(jù)式(28)預(yù)先選定1個(gè)穩(wěn)定的多項(xiàng)式Γ(z-1)=t0+t1z-1+t2z-2，就可以確保非線性遲滯不確定系統(tǒng)的控制穩(wěn)定性.

5 實(shí)驗(yàn)結(jié)果

基于第2章介紹的下肢踝關(guān)節(jié)康復(fù)機(jī)器人系統(tǒng)，試圖實(shí)現(xiàn)基于sEMG的自適應(yīng)人機(jī)交互控制策略，驗(yàn)證本文方法的有效性.

5.1 算法實(shí)現(xiàn)

本文所提出的人機(jī)交互控制算法，可以有效地增強(qiáng)康復(fù)治療過(guò)程中受試者的舒適性.康復(fù)過(guò)程的控制響應(yīng)輸出并不追求快速性，因此針對(duì)文中算法的實(shí)現(xiàn)，進(jìn)行如下設(shè)計(jì):

1) 基于sEMG的運(yùn)動(dòng)意圖估計(jì)中:sEMG采樣頻率為2000 Hz，時(shí)間窗與增量窗分別為256 ms 和128 ms，運(yùn)動(dòng)模式的類(lèi)別為3，閾值關(guān)系系數(shù)為η=2，背屈極限位置設(shè)置為θdor=30o，背屈極限位置設(shè)置為θdor=-40o;

2) 基于sEMG 的人機(jī)交互控制中:控制周期為10 ms;增益系數(shù)為λ=0.1;背屈狀態(tài)下ε1=3 Nm，T1=8 Nm，Δθ1=10o;跖屈狀態(tài)下ε2=-2 Nm，T2=-7 Nm，Δθ2=-10o;穩(wěn)定多項(xiàng)式系數(shù)為t0=1，t1=-1.2，t2=0.36;自適應(yīng)更新因子為κ=1;魯棒估計(jì)噪聲上界為Δ=0.3.

5.2 自適應(yīng)剛度控制

在進(jìn)行臨床康復(fù)時(shí)，為了提高模型的分類(lèi)精度，每位患者都需要離線完成數(shù)據(jù)采集與模型訓(xùn)練，之后才能進(jìn)行在線的康復(fù)治療.這個(gè)過(guò)程比較繁瑣，而且不適合于廣泛臨床應(yīng)用.

為提升數(shù)學(xué)模型的普適性，采集了10名受試者sEMG數(shù)據(jù)作為訓(xùn)練樣本，提取出ZC，RMS，WL特征值，歸一化處理后進(jìn)行模型訓(xùn)練.相應(yīng)的驗(yàn)證實(shí)驗(yàn)結(jié)果表明:數(shù)學(xué)模型對(duì)于訓(xùn)練樣本的動(dòng)作分類(lèi)平均精度達(dá)到96.44%.進(jìn)一步，基于此模型，選取第11位受試者sEMG數(shù)據(jù)作為測(cè)試樣本.在驗(yàn)證實(shí)驗(yàn)中，數(shù)學(xué)模型可以估計(jì)出這位受試者的關(guān)節(jié)運(yùn)動(dòng)變化趨勢(shì)，并且關(guān)節(jié)角度連續(xù)估計(jì)的平均精度為88.32%，可以滿足實(shí)驗(yàn)要求.

接下來(lái)，進(jìn)一步針對(duì)第11位受試者，開(kāi)展背屈與跖屈狀況下的人機(jī)交互剛度控制實(shí)驗(yàn)研究.基于本文所提算法，首先令Bd=0，設(shè)計(jì)自適應(yīng)剛度控制器.圖5和圖6分別是背屈和跖屈狀態(tài)下的控制效果，自上而下分別表示:圖(a)為交互力矩隨時(shí)間的變化曲線圖;圖(b)為踝關(guān)節(jié)康復(fù)機(jī)器人設(shè)置的期望關(guān)節(jié)角度值(虛線)與經(jīng)過(guò)上述自適應(yīng)剛度控制律校正后的實(shí)際角度值(實(shí)線);圖(c)為校正角度隨時(shí)間的變化曲線圖.

根據(jù)圖5可以看出:由于扭矩傳感器精度的限制，在無(wú)外力施加時(shí)扭矩傳感器仍在某范圍內(nèi)波動(dòng)，力矩閾值ε1的引入在某種程度上也可以抵消掉一定的誤差.在圖5(a)中，時(shí)間為5 s時(shí)設(shè)置角度為30o，踝關(guān)節(jié)康復(fù)機(jī)器人迅速響應(yīng)到設(shè)定位置，并且在受到的抵抗力矩小于設(shè)定的閾值時(shí)，一直穩(wěn)定在期望位置.在13 s左右，抵抗力矩增加，當(dāng)超過(guò)設(shè)定閾值時(shí)，通過(guò)上述控制律獲得的角度調(diào)整量迅速響應(yīng)、逐漸增加，并直接作用于康復(fù)機(jī)器人的末端角度，使得其實(shí)際的輸出角度變小，以防止由于過(guò)度拉伸而對(duì)患者的踝關(guān)節(jié)造成二次損傷.當(dāng)患者的抵抗力矩減小后，康復(fù)設(shè)備帶動(dòng)患者的踝關(guān)節(jié)回到設(shè)定的位置，繼續(xù)進(jìn)行相應(yīng)的被動(dòng)拉伸康復(fù)治療.

圖5 背屈狀態(tài)下自適應(yīng)剛度控制結(jié)果Fig.5 The adaptive stiffness control results under the dorsiflexion situation

圖6 跖屈狀態(tài)下自適應(yīng)剛度控制結(jié)果Fig.6 The adaptive stiffness control results under the plantarflexion situation

下面針對(duì)圖6進(jìn)行分析.在時(shí)間為5 s時(shí)，設(shè)置踝關(guān)節(jié)康復(fù)機(jī)器人的角度為-40o，即跖屈40o.時(shí)間大概為12 s左右，交互力矩逐漸增加，在角度校正量的作用下，機(jī)器人末端的實(shí)際運(yùn)動(dòng)角度隨之調(diào)整.在12～15 s內(nèi)，對(duì)比圖6(a)與圖6(c)可以發(fā)現(xiàn):角度調(diào)整量與力矩值并非為一定的比值關(guān)系.這是因?yàn)殡S著角度力矩的增大，對(duì)患者的踝關(guān)節(jié)產(chǎn)生損傷的可能性也就越大;因此力矩值越大，力矩值單位增加量對(duì)應(yīng)的角度調(diào)整量也應(yīng)該越大，通過(guò)角度值的盡快調(diào)整避免對(duì)踝關(guān)節(jié)的損傷.

5.3 自適應(yīng)阻抗控制

為了更加清楚直觀地看到采用上述自適應(yīng)阻抗控制律的實(shí)驗(yàn)效果，這里將對(duì)機(jī)器人末端的運(yùn)動(dòng)角度處于上升階段、在極限位置附近時(shí)分別進(jìn)行實(shí)驗(yàn)并對(duì)結(jié)果進(jìn)行分析.值得說(shuō)明的是，在本節(jié)實(shí)驗(yàn)中，令Bd=0.1Kd，進(jìn)一步構(gòu)建自適應(yīng)阻抗控制器，充分考慮系統(tǒng)輸出響應(yīng)的速度特性.

首先，在機(jī)器人末端向設(shè)置的背屈極限位置運(yùn)動(dòng)時(shí)，算法設(shè)計(jì)過(guò)程中的其他參數(shù)都保持不變，僅僅改變?chǔ)?=3 Nm，T1=6 Nm，Δθ1=(0.03k)o.實(shí)驗(yàn)數(shù)據(jù)如圖7所示，其中圖7(a)-7(c)分別為背屈運(yùn)動(dòng)時(shí)交互力矩、設(shè)置速度/實(shí)際速度、設(shè)置角度/實(shí)際角度隨時(shí)間的變化曲線圖.時(shí)間為0 s時(shí)，設(shè)置位置指令為背屈40o，康復(fù)機(jī)器人即輔助患者的踝關(guān)節(jié)向設(shè)置的背屈極限角度運(yùn)動(dòng).由圖7(a)可知，隨著運(yùn)動(dòng)角度的增加，關(guān)節(jié)抵抗扭矩也逐漸增加.在0～4 s內(nèi)，由于交互力矩未超過(guò)設(shè)置的安全閾值，因此，機(jī)器人末端的實(shí)際運(yùn)動(dòng)速度與設(shè)置速度一致、實(shí)際輸出角度與設(shè)置角度一致.當(dāng)時(shí)間為4 s時(shí)，交互力矩超出安全閾值.在上述阻尼參數(shù)自適應(yīng)控制律的作用下，產(chǎn)生速度調(diào)整量，機(jī)器人末端的運(yùn)動(dòng)速度隨之降低，防止機(jī)器人過(guò)快地帶動(dòng)患者的踝關(guān)節(jié)向極限位置運(yùn)動(dòng).由圖7(c)可知，在速度調(diào)整量的間接作用下，4 s后機(jī)器人末端的實(shí)際輸出位置落后于設(shè)置的輸出角度曲線，從而表現(xiàn)出一定的柔性.

接下來(lái)，當(dāng)康復(fù)機(jī)器人輔助患者的踝關(guān)節(jié)運(yùn)動(dòng)到極限位置后，在受到的關(guān)節(jié)抵抗力矩超過(guò)設(shè)定的安全閾值時(shí)，剛度參數(shù)自適應(yīng)律應(yīng)該迅速作用，調(diào)整機(jī)器人末端的實(shí)際輸出角度.相應(yīng)地，阻尼參數(shù)自適應(yīng)律應(yīng)該迅速改變機(jī)器人末端的運(yùn)動(dòng)速度，間接作用于機(jī)器人末端的輸出角度，使得其可以帶動(dòng)患者的踝關(guān)節(jié)快速地離開(kāi)極限位置，達(dá)到安全角度范圍內(nèi).此時(shí)，仍以背屈極限位置為例，實(shí)驗(yàn)數(shù)據(jù)如圖8所示.在5 s左右，關(guān)節(jié)抵抗扭矩超過(guò)設(shè)置的安全閾值，如圖8(b)所示，在阻尼參數(shù)作用下，機(jī)器人末端的實(shí)際運(yùn)動(dòng)速度增大，間接表現(xiàn)為圖8(c)中機(jī)器人末端的實(shí)際運(yùn)動(dòng)角度曲線斜率的變化.另外，在剛度參數(shù)的作用下，機(jī)器人末端的輸出角度實(shí)時(shí)調(diào)整，表現(xiàn)為遠(yuǎn)離背屈極限位置，以減小交互力矩.在上述控制律的作用下，通過(guò)其對(duì)剛度參數(shù)、阻尼參數(shù)的調(diào)節(jié)，作用于機(jī)器人末端的運(yùn)動(dòng)角度與運(yùn)動(dòng)速度，在保證人機(jī)交互安全性的同時(shí)，提高了交互時(shí)的舒適性.

圖7 背屈狀態(tài)下自適應(yīng)阻抗控制結(jié)果(上升階段)Fig.7 The adaptive stiffness control results for the raising stage of the dorsiflexion situation

圖8 背屈狀態(tài)下自適應(yīng)阻抗控制結(jié)果(極限位置)Fig.8 The adaptive stiffness control results around the limit position of the dorsiflexion situation

5.4 討論

值得說(shuō)明的是，本文方法僅關(guān)注踝關(guān)節(jié)運(yùn)動(dòng)過(guò)程兩個(gè)通道的各個(gè)特征值的最大值與最小值.針對(duì)在線的運(yùn)動(dòng)意圖辨識(shí)以及運(yùn)動(dòng)角度估計(jì)階段，本文同樣基于以上特征值極值信息，設(shè)計(jì)關(guān)節(jié)連續(xù)運(yùn)動(dòng)意圖估計(jì);因此，不必分別采集踝關(guān)節(jié)在背屈狀態(tài)、跖屈狀態(tài)、放松狀態(tài)下的數(shù)據(jù)，從而避免了模型訓(xùn)練中采集各個(gè)狀態(tài)下sEMG信號(hào)以訓(xùn)練模型的繁雜環(huán)節(jié);同時(shí)也避免了由于受試者難以長(zhǎng)時(shí)間維持某一動(dòng)作而給采集各個(gè)狀態(tài)下sEMG信號(hào)帶來(lái)的困難.這種處理方式可以滿足不同康復(fù)情況患者的實(shí)際需求，有效地解決了個(gè)體適應(yīng)性的擴(kuò)展應(yīng)用問(wèn)題.先前很多工作所采用的肌電估計(jì)模型，比如Hill模型、神經(jīng)網(wǎng)絡(luò)模型[25]等，往往過(guò)于復(fù)雜，難以進(jìn)行方法擴(kuò)展.在實(shí)際應(yīng)用時(shí)，這些模型需要在每次使用時(shí)都采集大量數(shù)據(jù)，針對(duì)不同患者重新訓(xùn)練一套個(gè)性化訓(xùn)練方案.因此，本文方法極大地簡(jiǎn)化了主動(dòng)人機(jī)交互的設(shè)計(jì)難度，增強(qiáng)系統(tǒng)的可擴(kuò)展性，確保非自動(dòng)化專(zhuān)業(yè)人士的友好使用.在本文的第5章，選取了10名受試者作為訓(xùn)練樣本構(gòu)建了數(shù)學(xué)模型，后又選取了第11位受試者作為測(cè)試樣本，實(shí)驗(yàn)結(jié)果表明此數(shù)學(xué)模型具有普適性、驗(yàn)證了方法的有效性.此外，基于上述的簡(jiǎn)化過(guò)程，進(jìn)一步設(shè)計(jì)了合適的阻抗控制策略，確?；颊哂?xùn)練的安全性.本文重點(diǎn)關(guān)注機(jī)器人系統(tǒng)中的不確定性，比如:設(shè)備頻繁使用會(huì)造成機(jī)器人系統(tǒng)動(dòng)態(tài)特性變化、機(jī)械設(shè)計(jì)難免引入遲滯死區(qū)等非線性因素、患者肌肉疲勞度隨著訓(xùn)練進(jìn)行會(huì)發(fā)生改變、患者腳踝康復(fù)訓(xùn)練運(yùn)動(dòng)姿勢(shì)規(guī)范性難以統(tǒng)一.為此，本文提出了參數(shù)可自適應(yīng)調(diào)節(jié)的變剛度、阻尼系數(shù)的阻抗控制算法，可以有效地提升患者的人機(jī)交互舒適度.在本文的第5章，基于所提控制架構(gòu)，對(duì)全部11名受試者都進(jìn)行了主動(dòng)康復(fù)訓(xùn)練(由于篇幅有限，僅測(cè)試樣本的控制效果做出展示).實(shí)驗(yàn)結(jié)果表明人機(jī)交互控制系統(tǒng)穩(wěn)定、驗(yàn)證了方法的有效性.

6 結(jié)論

本文針對(duì)可穿戴式踝關(guān)節(jié)康復(fù)設(shè)備，提出一種基于sEMG的自適應(yīng)人機(jī)交互控制方法，可以滿足不同康復(fù)情況患者的實(shí)際需求.針對(duì)受試者難以保持某一動(dòng)作、肌電信號(hào)微弱等特點(diǎn)，提出一種新的關(guān)節(jié)角度估計(jì)方法，僅僅關(guān)注踝關(guān)節(jié)運(yùn)動(dòng)過(guò)程2個(gè)通道各個(gè)特征值的最大值與最小值.針對(duì)人機(jī)交互的安全性問(wèn)題，提出一種剛度、阻尼參數(shù)在線自適應(yīng)調(diào)節(jié)的阻抗控制算法，確保踝關(guān)節(jié)機(jī)器人對(duì)外始終表現(xiàn)出等效柔性.實(shí)驗(yàn)研究表明所提出的人機(jī)交互控制方法是有效的，并具有一定應(yīng)用前景.