技术领域
[0001] 本
发明涉及一种基于多信息融合的康复机器人多模态控制方法，是一种基于
生物信息和运动信息多信息融合的主被动、阻抗、助
力等多模态与协同智能控制策略及面向个性化范式的自适应控制策略，属于康复机器人的控制领域。
背景技术
[0002] 目前，我国已经逐步进入老龄化社会，老年人和由中
风、偏瘫等原因造成肢体
运动障碍人群的康复问题已成为一个亟待解决的社会问题。康复机器人的应用与推广不仅提高了患者康复训练的效率，也解决了
治疗师不足的问题。当前的康复机器人已经发展出了主动、被动、主被动、助力等多种康复模式，多种康复模式的实施依赖于康复机器人和人体之间的交互信息的准确性与对患者意图识别的正确性。当前康复机器人与人体之间的交互信息主要有运动信息和生物信息两大类，运动信息是指人体关节或者肢体末端的运动相关信息，例如人体关节的
角度、速度、力矩等。生物信息是指与人体关节活动有关的生物电
信号，例如表面肌
电信号、脑电信号、心电信号等。目前应用最广泛的交互信息是运动信息，通过关节或肢体末端的运动信息的反馈来对康复机器人进行控制，并以此对患者的康复情况进行评估。但是这些运动信息很难准确反映患肢本身的恢复
水平，而且患者在运动过程中的肌
张力变化和肌肉痉挛难以检测。肌电信号能够反映肢体的运动状态和肢体的健康状况，并能较好的识别出患者的运动意图。但是由于每个患者所产生的肌电信号强度不同，同时肌电信号的采集容易受到干扰，所以在实际过程中以肌电信号作为控制系统参数调整的依据并不可靠。
[0003]
申请号为201510812527.9的中国
专利提供了一种以肌电信号为依据来调整控制参数的下肢康复机器人自适应控制方法，该方法根据采集的肌电信号估计下肢肌肉活动和收缩力状态，并依此自适应地调节机器人的阻抗模型参数；同时获取患者与机器人间的交互作用力，通过识别结果和阻抗模型实现对机器人运动的计算和修正。该方法只能用于单一的训练模式中，无法对患者的运动意图进行识别，并没有考虑到对不同模式进行切换时控制系统参数的调整，而且该方法以采集的肌电信号估计肌肉收缩力来调整控制系统的阻抗参数并不可靠。申请号为201610243458.9的中国专利提供了一种按患者运动所需辅助的下肢康复机器人自适应控制方法，通过实时采集患者下肢的
关节角度和关节
角速度信号，利用鲁棒变结构控制方法实现期望的轨迹自适应
跟踪控制，该方法虽然可以实现连续无缝的按患者康复所需辅助的下肢康复机器人自适应控制，但其反馈回控制系统的信息只有关节的角度和角速度，并没有生物信息，对控制系统参数的调整可能并不准确。
发明内容
[0004] 基于
现有技术的以上缺点，本发明所要解决的技术问题是提供一种基于多信息融合的康复机器人控制方法，该方法以患者的生物信息和运动信息作为康复机器人训练参数和控制系统参数调整的依据，训练参数即控制系统的运动指令或给定信号。该方法获取患者的表面肌电信号、脑电信号、心电信号、关节角度、关节角速度、关节力矩、
接触力等信息，利用信息融合
算法，动态调整训练参数和控制系统参数，自动切换训练模式，能够实现康复机器人的上下肢协同智能控制和柔性控制。同时采集患者的生物信息和运动信息能够较为全面的反映患者的状态，使控制系统参数调整的更为准确，特别适用于对可靠性和安全性要求较高的康复机器人。
[0005] 本发明的目的是这样实现的：步骤如下：
[0006] 步骤一：根据初始训练参数，利用智能协同控制策略，通过求解逆运动学或者逆动力学的方式，得到康复机器人各关节的给定信号；
[0007] 步骤二：将各个关节的给定信号作用于各个关节的初始
控制器上，驱动康复机器人运动或者产生阻力，从而对患者进行相应的康复训练；
[0008] 步骤三：当患者的肢体开始运动之后，采集患者的
生物电信号，包括：表面肌电信号、脑电信号、心电信号，同时通过人机
接口，获取患者的人机接触觉信号；
[0009] 步骤四：采集康复机器人各关节的
位置、速度、力/力矩信息作为机器人运动信息反馈；
[0010] 步骤五：根据康复机器人的运动信息，通过求解运动学或者动力学的方式，得到患者的运动信息；
[0011] 步骤六：根据患者的运动信息，得到患者的康复训练状态反馈，同时综合步骤三得到的生物电信号，识别患者的主被动意图，并对患者是否产生肌肉痉挛进行判断，同时调整康复训练参数；
[0012] 步骤七：根据患者的主被动意图和步骤三得到的人机接触觉信号，通过信息融合算法，对控制器参数进行调整，达到柔顺控制和自动切换训练模式的目的；根据患者是否产生痉挛，调整控制器进入痉挛缓解模式；
[0013] 步骤八：根据步骤六得到的经过调整过的康复训练参数和步骤七得到的调整的控制器参数，驱动康复机器人运动或者产生一定的阻力，对患者进行相应的康复训练或者对患者痉挛进行缓解；返回步骤三，进行循环训练。
[0014] 本发明还包括这样一些结构特征：
[0015] 1.步骤四中获取患者的人机接触觉信号是指：分别采集患者的上、下肢接触力作为人机接触觉信号。
[0016] 2.步骤六中：对患者的康复状态进行评价和调整康复训练参数时，利用该控制系统进行关节
活动度检测，以此作为患者康复水平的依据；在进行关节活动度检测时，为判断准确，应在阻力为零的条件下进行。
[0017] 与现有技术相比，本发明的有益效果是：本发明所述方法的控制系统按照层次划分可分为三层，最顶层为管理层，其主要作用是控制决策，该层根据生物信息和康复训练任务，形成个性化的康复训练方案和训练参数。
中间层为任务调度层，其主要作用是实现上下肢协同智能控制，该层根据管理层形成的训练参数和多关节协调控制策略，形成各个关节的给定信号。最底层为伺服控制层，其主要作用是实现主被动抗阻多模态控制，根据给定信号，具体实现关节力/位伺服控制、主被动自动切换、痉挛缓解、安全控制等。
[0018] 本发明与现有的康复机器人控制策略相比，由于同时采用生物信息和运动信息作为依据，因此可以可靠的判断患者的主被动意图，自动切换训练模式，有效判断患者是否发生痉挛，使控制系统参数调整的更为准确和可靠，达到柔顺控制的目的。
附图说明
[0019] 图1为本发明所述方法的控制策咯图。
[0020] 图2为本发明所述方法的控制系统层分工图。
[0021] 图3为本发明
实施例提供的康复机器人
硬件框图。
[0022] 图4为本发明实施例提供的康复机器人控制算法图。
具体实施方式
[0023] 下面结合附图与具体实施方式对本发明作进一步详细描述。
[0024] 结合图1至图4，本发明的目的是提供一种康复机器人控制方法，该康复机器人有主动模式、被动模式、主被动模式等多种训练模式，其控制系统硬件框图如图3所示。该康复机器人为上下肢康复机器人，其若干个关节由
驱动器驱动直流伺服
电机带动关节运动或者产生一定的阻力，由
编码器检测关节位置，由绑带获取人机接触力作为患者意图判断的依据之一。驱动器与主控计算机之间通过两条CAN总线连接，CAN1负责上肢各关节驱动器与计算机之间的通讯，CAN2负责下肢各关节驱动器与计算机之间的通讯。肌电信号反馈及功能
电刺激模
块也可以通过CAN总线实现与主控计算机之间的通讯。
[0025] 本发明的一个实施例的具体实施过程包括以下步骤：
[0026] (1)根据个性化方案和训练参数，利用智能协同控制策略，通过求解逆运动学或者逆动力学的方式，得到康复机器人各关节的给定信号。
[0027] 优选地，在本实施例中，被动控制器采用位置闭环，主动控制器采用
电流闭环，由于电机的驱动力矩与电机的电枢电流成正比，因此可以通过控制电机的电枢电流来间接控制电机的驱动力矩。通过求解逆运动学或者逆动力学，结合电机参数，得到各关节给定速度信号或者给定电流。由于开始训练时首先进入被动模式，因此应该得到各关节的给定速度信号。
[0028] 应至少得到各关节给
定位置信号、给定速度信号、给定力/力矩信号中的一个。优选地，开始训练时应首先进入被动模式，此时应该得到被动模式下各关节的给定信号。
[0029] 特别地，也可以通过示教再现的方式，得到各关节的给定信号。
[0030] (2)将各个关节的给定速度信号作用于各个关节的控制器上，控制器模型如图4所示，驱动康复机器人运动，从而对患者进行被动模式下的康复训练。也可以对患者进行一定的功能电刺激。
[0031] (3)当患者的肢体开始运动之后，采集患者的表面肌电信号，同时通过人机接口，获取患者的人机接触觉信号。
[0032] 优选地，分别采集患者的上、下肢接触力作为人机接触觉信号。
[0033] (4)采集康复机器人上下肢各关节的位置、速度、力矩信息作为机器人运动信息反馈。
[0034] (5)根据康复机器人的运动信息，通过求解运动学或者动力学的方式，得到患者的运动信息。
[0035] (6)根据患者的运动信息，得到患者的康复训练状态反馈，同时综合步骤(3)得到的肌电信号，识别患者的主被动意图，并对患者是否产生肌肉痉挛进行判断。同时调整康复训练参数。
[0036] 优选地，在本实施例使用的主被动意图识别算法中，只有通过肌电信号判断的患者意图和通过运动信息判断的患者意图的结果均认为患者有主被动切换的意图时，才认为患者将要进行主被动切换。对患者的康复状态进行评价和调整康复训练参数时，可以利用该控制系统进行关节活动度检测，以此作为患者康复水平的依据。在进行关节活动度检测时，为判断准确，应在阻力为零的条件下进行。
[0037] 特别地，在本实施例中，通过运动信息判断患者意图是使用时相法实现的。其原理如下：
[0038] 将一个设定的周期内，
伺服电机处于发电状态的时间比例设为驱动比BT，将控制器偏差为负的时间比例设为误差比Be。则系统从被动到主动的切换因子Bs的表达式如下：
[0039] Bs＝ks(Be+BT)
[0040] 式中，ks为切换因子的敏感系数，对于不同程度的患者可以通过
修改其大小来改变切换的难度。
[0041] 通过实验或者经验数据来获得较为合适的切换
阈值，比较切换因子和切换阈值的大小，当在被动模式下，切换因子达到切换阈值时，认为患者有进入主动模式的意图，启动主被动切换。当切换至主动模式后，如果切换因子低于切换阈值时，认为患者有进入被动模式的意图，模式切换至被动。
[0042] (7)根据患者的主被动意图和步骤(3)得到的患者的上下肢接触力，通过信息融合，对控制器参数进行调整，达到柔顺控制和自动切换训练模式的目的；根据患者是否产生痉挛，调整控制器进入痉挛缓解模式。
[0043] 特别地，在本实施例中，通过信息融合，调整控制器的kp、ka、kb三个参数。主被动控制器的输出u是由速度控制器输出up、电流控制器输出ub和切换补偿ua三部分相加得到，u可以表示为：
[0044] u＝kpup+kaua+kbub
[0045] 其中，kp、ka、kb分别为对应输出的系数。增加第三部分是为了消除控制器切换时控制
电压的跳变，使切换过程较为平稳。
[0046] 在不同的阶段，kp、ka、kb的取值不同，可以将一次主被动过程分为如下五个阶段：
[0047] 第一阶段是被动模式，在这一阶段切换控制器保持被动控制器输出，同时抑制主动控制器的输出，也无过渡补偿，kp的值可以根据运动信息和生物信息进行调整。控制输出表达式如下：
[0048] u＝kpup
[0049] 第二阶段是从被动模式到主动模式的过渡环节，当识别出患者有主动训练的意图后，进入从被动模式到主动模式的过渡环节，主动输出系数kb由零逐渐调整到1，过渡补偿环节启动，补偿系数ka先为1然后逐渐调整为零，当kb调整为1时过渡阶段结束，这一阶段的控制器输出表达式如下：
[0050] u＝kaua+kbub
[0051] 第三阶段是主动模式，在这一阶段被动控制器输出仍然被抑制，无过渡补偿输出，主动控制器输出保持，控制器输出表达式为：
[0052] u＝ub
[0053] 第四阶段是从主动模式到被动模式的过渡环节，当识别出患者有被动训练的意图后，进入从主动模式到被动模式的过渡环节，补偿系数ka跳到1后逐渐调整为零。控制器输出为：
[0054] u＝kpup+kaua
[0055] 第五阶段是回到被动模式，控制器输出与第一阶段相同。
[0056] 特别地，在本实施例中，如果发现患者发生痉挛，则将控制器切入被动模式，调整控制器的
输入信号，控制康复
机器人关节反向运动一段时间，实现痉挛的缓解。
[0057] (8)根据步骤(6)经过调整过的康复训练参数和步骤(7)调整的控制器参数，驱动康复机器人运动或者产生一定的阻力，对患者进行相应的康复训练或者对患者痉挛进行缓解。也可以对患者进行一定的功能电刺激。返回步骤(3)，进行循环，直至上位机发出停止训练指令或达到训练时间。
