一种新型外骨骼式上肢康复机器人的设计与实现

一种新型外骨骼式上肢康复机器人的设计与实现

近年来，随着脑血管疾病发病率的增加，面瘫的后果给患者、家庭和社会带来了沉重的负担。相关学科的科学家在不断研究和开发脑瘫患者的临床治疗和康复，逐步提高康复训练方法和康复效果。在计算恢复方法和恢复设备的研究和开发之间，机电一体化技术的结合和临床康复医学的结合为该方法开辟了一条新的道路，弥补了目前临床方法的许多缺陷。机器人可以简单地给不同的病人提供不同的培训，让医生从复杂的训练任务中解救出来，专注于治疗方案的制定和改进，打破同时治疗之间的单一限制，提高康复效果，确保动作训练的强度。众所周知，临床康复医师的康复方法通常是用辅助工具或使用助手控制患者进行被动的连续运动，或者实施适当的阻力或帮助以引导患者的运动。因此，医生的主观意识、技能和情绪在培训过程中起着主导作用，而忽视了患者自身的运动意图。此外，由患者引起的语言和认知障碍会削弱他们之间的交流。另一方面，中风后患者的主动运动可以改善脑部血液循环，大脑皮质会传递神经冲动，刺激中风后的大脑，提高关节活动的范围，改善四肢和肌肉的协调。如果将患者的主观运动意图引入正确的训练模式，控制患者的下肢，可以保持和发展疲劳和重复的运动，帮助患者保持正确的运动感觉，刺激神经，形成神经修复。该文提出了一种应用于脑中风偏瘫患者进行上肢康复训练的机器人系统,该系统利用各关节力矩传感器对偏瘫患者上肢运动意图进行实时捕捉,结合机构特点将关节力矩转化为末端作用点上的等效作用力,依据此作用力控制电机运转速度,从而驱动机器人带动患者患肢实现上肢单关节和多关节复合运动.运动过程中利用患者作用力对机器人的实时控制能够有效的激励患者的主动运动意识,促进患肢的康复.15康复运动模式设计如图1所示的上肢康复机器人依据上肢解剖学设计为5个自由度、外骨骼式.其肩部屈/伸、肩部外展/内收、肘部屈伸、腕部屈伸、腕部旋前/旋后5个自由度的运动兼顾了对不同损伤程度的大关节到小关节的运动.考虑到患者肢体运动功能受损后在运动过程中对自身重力难以克服,以及在康复训练时出现代偿运动的事实,该机器人设计为外骨骼式,很好的解决了这2个问题.硬铝材料的双边结构减轻了机器人本体的质量却又保证了刚度,并且为监测上肢肌肉运动状态的其他传感器如表面肌电电极的放置提供了便利.机器人安装在一个高度可调的支架上,根据康复训练要求可完成患者的站姿和坐姿训练.针对临床偏瘫患者,该康复机器人系统可实现的训练方式包括主动运动、被动运动和辅助运动.主动运动过程中患者依靠自身肌肉力量实现上肢各关节运动,机器人在跟随运动的过程中实现对人体上肢运动参数的测量.被动运动模式融合了各关节的单关节运动和一些简单的多关节复合运动,包括简单的日常生活功能性动作的练习进食,提裤等.辅助运动中,通过捕获肢体的运动意图,利用机器人实现肢体在意图方向上的相关运动.系统中对运动意图的捕获方法分为利用个关节力矩传感器检测肢体对机器人的作用力和利用运动中相关肌肉产生的表面肌电信号对个关节电机进行驱动,实现对患肢的辅助训练运动.文中主要介绍利用关节力矩传感器作为检测手段,实现康复机器人的辅助运动模式.2力辅助康复方法根据临床经验,偏瘫患者的临床病症通常表现为肢体远端小关节比肢体近端大关节运动功能受损严重.在对患者腕关节的康复训练方法上,通常从低速的被动运动开始,经过一段时间的恢复,逐渐采用单关节力辅助的方式进行康复.另一方面,上肢各关节复合运动时,肢体末端的位置仅由肩部、肘部运动决定,腕关节自由度起到调节人手姿态的作用,因此该文着眼于机器人肩部与肘部3个大关节讨论基于力矩信号的力辅助康复训练.2.1双环控制系统结构的原理设计的上肢康复机械臂力辅助控制原理框图如图2所示,左边为患者对上肢运动的自身神经—肌肉控制环,在运动过程中,神经系统对机器人运动作出感应并实时控制相关肌肉收缩产生运动.右边的机器人控制框图为典型的一个双环控制系统结构,外环为机械臂末端力控制环,内环为关节速度控制环.在某一采样时刻t,利用关节力矩传感器采集由康复患者主动运动而施加在各关节上的力矩值,同时计算为当前时刻各关节角度函数的空载力矩值;随后将二者送入机器人末端力合成器得到末端力(康复病人施加在施力点处的力)的估计值;以末端力估计值为控制输入,经过末端力控制器的控制作用得到机器人末端的速度量;将该速度量利用机器人运动学雅可比逆矩阵映射为机器人各关节的角速度指令,并将角速度指令输入到机器人关节内环控制器当中,使各关节的交流伺服电机实现稳定的角速度输出,使机器人运动并带动患者肢体运动.2.2静力运动解析偏瘫患者表达上肢运动意图的方式是在某一受力点对机器人施加某一方向和大小的作用力,将机器人的受力点设定为腕部回转中心,通过测量机械臂各个关节的力矩值来对患者施加在受力点上的力进行估计.首先研究机器人系统中机械臂的运动学,确立机械臂相对于固定参考系的运动时各连杆之间的位移关系.该康复机器人的坐标建立如图3,基坐标系为o0x0y0z0,关节1—肩部外展/内收坐标系为o1x1y1z1,与坐标系o0x0y0z0原点重合,但坐标轴方向不同.关节2—肩部屈/伸坐标系为o2x2y2z2,关节3—肘部屈/伸坐标系为o3x3y3z3,关节4—腕部回转坐标系为o4x4y4z4,关节5—腕部屈/伸坐标系为o5x5y5z5.上肢康复机器人在空间运动过程中,采集到的各关节力矩信号会受到为各关节角函数的空载力矩影响,不能正确反映患者的运动意图.因此,在估计施力点的力之前应对该采样时刻的空载静力矩进行计算并去除其影响.利用SolidWorks软件对康复机器人的杆件质量,各杆件重心距离相应关节旋转轴距离rⅠ、rⅡ、rⅢ以及各杆件长度l1、l2、l3进行计算.关节4和关节5作为腕部运动自由度,其运动幅度相对于上肢在三维空间中的整体复合运动较小,且关节4以下的末端机构长度和质量较小,对前3个关节运动过程中的静态力矩影响小,因此可将肘部以下机构看作一个整体.由上肢康复机器人的串联构型可知,机器人的末端位置由前3个关节的关节角决定.如图4,关节1绕z0旋转,关节2和关节3以任意人体上肢运动角度旋转时,机器人均在以z0与机器人上臂、前臂组成的平面P内运动,且关节2、3的转动轴垂直于该平面,图中θ1、θ2、θ3分别为关节1、2、3的转动角度.将机器人前臂重力沿平面P的法向和平面P内进行分解得到平面内的力和法向力分别为:F1=mⅢgcosθ1,F2=mⅢgsinθ1,其中mⅢ为机器人前臂质量.对于关节3,由于法向方向重力分量与关节轴线平行,因此其静力矩由F1产生其力臂为L=rⅢsin(θ2+θ3).(1)L=rⅢsin(θ2+θ3).(1)求得关节3静力矩为ΜⅢ0=F1L=mⅢgrⅢsin(θ2+θ3)cosθ1.(2)MⅢ0=F1L=mⅢgrⅢsin(θ2+θ3)cosθ1.(2)同理求得其他2个关节的静力矩为ΜⅡ0=mⅢgcosθ1[rⅢsin(θ2+θ3)+l2sinθ2]+mⅡgrⅡcosθ2sinθ2,(3)ΜⅠ0=mⅢgsinθ1[l2cosθ2+rⅢcos(θ2+θ3)]+mⅡgrⅡcosθ2sinθ1+m1grⅠcosθ1.(4)MⅡ0=mⅢgcosθ1[rⅢsin(θ2+θ3)+l2sinθ2]+mⅡgrⅡcosθ2sinθ2,(3)MⅠ0=mⅢgsinθ1[l2cosθ2+rⅢcos(θ2+θ3)]+mⅡgrⅡcosθ2sinθ1+m1grⅠcosθ1.(4)康复机器人工作时,由各关节力矩传感器测得的实时力矩MⅠ、MⅡ、MⅢ与式(2)～(4)求得的空载力矩相减便可获得运动过程中人体上肢对机器人的真实作用力矩M1t、M2t、M3t.2.3机器人末端点作用力的表现患者运动中对机器人的施力作用点A设定为腕部回转中心,而对作用力的实际测量值是位于各个关节上的,关节力矩与机器人末端点受力之间的转换随着运动过程中各关节角度的变化而变化.因此,基于本机器人结构特点,建立关节力矩、关节角度与机器人末端点受力间的函数关系,实现施力点的力估计是一个重要问题.为建立这种函数关系,建立如图4所示的施力点坐标系,在坐标的建立上分别参照基坐标系o0x0y0z0和关节1坐标系o1x1y1z1后发现,当施力坐标轴方向与基坐标方向相同时,随着各关节运动,对末端作用力的计算过程以及后续计算均相当复杂,不便于作用力的解耦.而如果将施力坐标设定为运动过程中始终与坐标o1x1y1z1相同时,可以发现,末端作用力在始终与平面P垂直的坐标轴YF方向上的分量fy1只取决于关节1处转矩M1t的作用,而另2个坐标分量的值取决于关节2、3的共同作用.因此,通过静力学分析建立的末端作用力与各关节转矩之间关系方程如下:{fy1√x20A+y20A=Μ1t,fx1z0A-fz1√x20A+y20A=Μ2t,fx1L2sin(θ2+θ3)-fz1L2cos(θ2+θ3)=Μ3t.(5)解方程,得到:{fx1=Μ2tL2cos(θ2+θ3)-Μ3t√x0A2+y0A2z0AL2cos(θ2+θ3)-L2sin(θ2+θ3)√x0A2+y0A2,fy1=-Μ1t√x0A2+y0A2,fz1=fx1z0A-Μ2t√x0A2+y0A2.(6)式中:M1t=MⅠ-MⅠ0,M2t=MⅡ-MⅡ0,M3t=MⅢ-MⅢ0.由于z0A=L1sinθ2+L2sin(θ2+θ3),√x0A2+y0A2=L1cosθ2+L2cos(θ2+θ3).化简可得fx1=Μ2tcos(θ2+θ3)-Μ3t√x20A+y20A/L2-L1sinθ3.(7)由此建立关节力矩、关节角度与机器人末端点受力间的函数关系.在任意采样时刻,根据各关节力矩传感器的采样值和关节角度的采样值,就可对患者肢体运动时作用在机器人末端施力点上的力进行实时估计.2.4运动运动能力的调节为实现患者手部,即机器人末端运动方向与作用力方向一致,在OFFxFyFz坐标系的3个坐标轴上,设机器人末端运动速度为V=[Vx1,Vy1,Vz1]T,它与施力点的力估计值F=[fx1,fy1,fz1]T满足比例控制关系:V=ΚF.(8)式中:K为正值的比例增益系数,其大小决定了相同受力状态下的机器人末端运动速度的大小,在临床可通过试验将比例增益系数K设定为不同的值,以适应于上肢肌肉功能受损后不同恢复期的偏瘫患者的康复训练.式(2)的比例控制器可将患者肢体运动意图转化成沿施力坐标轴各方向的末端运动速度,但这个速度值还无法直接来控制机器人的各关节角速度,为此必须建立机器人末端运动速度与关节速度之间的运动学雅可比映射关系.采用运动学微分变换方法求得的机器人的雅可比逆矩阵J-1表达如下:[˙θ1˙θ2˙θ3]=[01L1C2+L2C23C23L1S30-L2C23C23-L1C2C23L1L2C23S300S23L1S3L1S3-L1C2S23-L2C23S23L1L2C23S3][Vx1Vy1Vz1]=J-1[Vx1Vy1Vz1].(9)联合式(8)、(9)可以得到上肢康复机械臂末端估计力与各关节角速度之间的比例控制关系:[˙θ1˙θ2˙θ3]=J-1⋅[Vx1Vy1Vz1]=ΚJ-1⋅[fx1fy1fz1].(10)通过对上肢运动过程中各关节角度和各关节力矩传感器信号的采集,利用式(10)实时的运算出由患者上肢运动意图引发的各关节运动角速度指令,并将得到的控制指令传给各关节闭环控制器控制各关节的交流伺服电机实现稳定的角速度输出,进而驱动上肢康复机器人实现对患者的患肢进行力辅助康复训练.3比例增益系数对康复机器人动作力的影响系统选用NI公司的8通道USB9008数据采集卡对各关节力矩传感器信号进行采集,考虑到偏瘫患者在实际操作时由于肌肉功能受损引起的振颤会带来系统对患肢运动意图的误判,且实际采集过程中,力矩传感器中电子电路受到干扰而为力矩信号引入噪声.因此,针对这些问题,对采集到的力矩信号首先进行均值滤波,并根据各传感器特性和实验经验对力矩信号设置阈值,将关节1、2、3力矩阈值分别设置为4、4、2.5N·m.因此小于各关节阈值的力矩传感器信号被认为是干扰,只有大于阈值的信号才被认为是有效的患者运动意图.利用提出的方法,在不同的比例增益系数时,对健康人进行上肢在三维空间复合运动的力辅助控制实验,分别采集各关节力矩传感器信号与各关节运动角速度进行比较,如图5所示,(a)～(c)分别为比例增益系数为2时康复机器人第1、2、3关节的实验曲线,它表征了末端速度与末端作用力的关系.而(d)～(f)为比例增益系数为1时康复机器人第1、2、3关节的实验曲线,可观察到关节速度与关节力矩的比值比前三者小.因此,根据临床实验经验调节比例增益系数的大小,可适用于不同肌肉运动功能损伤的患者或适用于不同恢复期的患者.图中曲线所示的运动过程中,某关节速度出现停滞在0值处的现象为系统算法对力矩信息进行判断而认为此时力矩信号小于设定阈值,受试者在该关节方向无任何运动意图,因此该关节速度为0,无任何动作.从采集到的关节力矩与关节速度的变化趋势来看,关节速度对于力矩信息具有较好的实时跟随效果,在健康人的实际试验中,受试者利用康复机器人实现对上肢运动的力辅助控制过程中始终保持着肢体主动运动的兴奋性,达到了很好的训练效果