人机工程学在康复机器人设计

人机工程学在康复机器人设计演讲人CONTENTS人机工程学在康复机器人设计理论基础：人机工程学与康复机器人设计的逻辑耦合核心设计原则：人机工程学在康复机器人中的实践导向关键技术实现：人机工程学落地的技术支撑典型应用场景与案例分析：从理论到实践的跨越目录01人机工程学在康复机器人设计人机工程学在康复机器人设计1.引言：人机工程学——康复机器人设计的“人本”基石康复机器人作为神经科学、机械工程与计算机科学交叉融合的产物，其核心使命是辅助功能障碍患者重建运动功能、提升生活自理能力。然而，技术先进性并非康复机器人的唯一评判标准——若设备无法与患者的生理特性、心理需求及康复环境高效适配，即便拥有顶尖的控制算法，也可能因“人机失配”导致训练效果大打折扣甚至引发二次损伤。人机工程学（Ergonomics）以“人-机-环境”系统优化为核心理念，通过研究人的生理、心理及行为规律，为康复机器人设计提供了科学的“人本”框架。在临床康复实践中，我深刻体会到：一位中风偏瘫患者因上肢康复机器人腕部固定过紧而拒绝训练，一位脊髓损伤患者因外骨骼机器人步态节奏与自身呼吸不同步而出现体位性低血压，这些案例无不印证着人机工程学在康复机器人设计中的不可替代性。本文将从理论基础、设计原则、关键技术、应用场景及未来挑战五个维度，系统阐述人机工程学如何贯穿康复机器人设计的全流程，为行业者提供兼具科学性与实践性的设计思路。02理论基础：人机工程学与康复机器人设计的逻辑耦合1人机工程学的核心内涵与外延人机工程学（又称工效学）源于20世纪40年代，旨在通过优化“人-机-环境”系统的交互方式，提升人的工作效率、健康与舒适度。其核心理论包括：01-生物力学：分析人体运动时的肌肉负荷、关节受力及能量消耗，指导设备结构设计以减少代偿损伤；03-环境医学：考虑康复场景（如家庭、医院、社区）的空间、光照、噪音等因素，确保设备在不同环境中的可用性。05-人体测量学：研究人体尺寸、重量、力量等物理特征，为设备尺寸设计提供数据支撑；02-认知心理学：探究人的信息处理、决策及学习机制，优化人机交互界面以降低认知负荷；04这些理论共同构成了康复机器人设计的“底层逻辑”——即一切技术方案均需以“人”的需求为出发点，而非单纯追求机械性能的极致。062康复机器人的特殊性对人机工程学的需求与工业机器人、服务机器人相比，康复机器人的用户群体（功能障碍患者）与使用场景（康复训练）具有显著特殊性，对人机工程学提出了更高要求：2康复机器人的特殊性对人机工程学的需求2.1用户群体的“脆弱性”与“差异性”康复机器人的用户多为老年人、神经损伤患者或骨科术后患者，其生理功能（如肌力、关节活动度、平衡能力）及认知能力（如注意力、记忆力）均存在不同程度衰退。例如，老年患者可能因皮肤弹性下降、皮下脂肪减少而对设备接触面的压力敏感；帕金森患者因震颤特征需要设备具备更强的运动稳定性。同时，不同功能障碍类型（如偏瘫、截瘫、脑瘫）及损伤程度（Brunnstrom分期不同）导致个体需求差异极大——同一款设备无法满足所有患者的康复需求，必须通过人机工程学实现“个性化适配”。2康复机器人的特殊性对人机工程学的需求2.2使用场景的“动态性”与“情感性”康复训练通常需经历“被动训练-辅助主动训练-主动训练-抗阻训练”的阶段性过程，不同阶段对设备的人机交互模式要求不同：被动训练阶段需设备主导运动轨迹并确保安全性，主动训练阶段需精准捕捉患者运动意图并给予适度助力。此外，康复过程常伴随患者焦虑、沮丧等负面情绪，设备的设计（如外观亲和力、交互反馈方式）需兼顾“功能性”与“情感性”，通过降低使用挫败感提升患者依从性。3人机工程学与康复机器人设计的耦合逻辑1基于上述特殊性，人机工程学在康复机器人设计中并非“附加模块”，而是贯穿全流程的“核心轴线”。其耦合逻辑可概括为“需求-设计-验证”的闭环：2-需求层：通过人体测量、生物力学测试及用户访谈，明确患者的生理阈值（如最大关节活动范围）、心理需求（如自主控制感）及环境约束（如家庭空间狭小）；3-设计层：基于需求数据，运用人机工程学原理优化机械结构（如轻量化关节）、交互界面（如简化操作逻辑）及控制算法（如自适应助力策略）；4-验证层：通过原型测试、临床观察及用户反馈，评估设备的人机适配性（如舒适度评分、训练效率），迭代优化设计方案。5这一闭环确保康复机器人既能满足“技术可行性”，又能实现“人文关怀”，最终达成“安全、有效、易用”的设计目标。03核心设计原则：人机工程学在康复机器人中的实践导向1安全性原则：康复训练的“生命线”安全性是人机工程学在康复机器人设计中的首要原则，直接关系到患者的身体与心理安全。具体涵盖三个维度：1安全性原则：康复训练的“生命线”1.1物理安全：避免机械伤害康复机器人需通过结构设计与控制系统双重保障物理安全：-结构安全：与人体直接接触的部件（如固定带、支撑面）需采用圆角设计、软性材料（如医用硅胶、记忆海绵），避免压疮、神经卡压；运动部件（如连杆、关节）需设置限位装置，防止超出人体生理极限（如肘关节过度伸展导致二次损伤）；-动力安全：驱动系统需配备力矩传感器与电流限制装置，当阻力超过患者肌力阈值时自动停机；例如，下肢外骨骼机器人在患者步态不稳时，需通过髋膝关节角度传感器触发紧急制动，避免摔倒风险。1安全性原则：康复训练的“生命线”1.2交互安全：确保意图识别准确性人机交互过程中，若设备对患者运动意图的识别偏差超过20%，可能引发“对抗性运动”（如患者想屈肘而设备却伸肘肘），导致肌肉拉伤。为此，需采用多模态传感器融合技术（如肌电信号、关节角度、足底压力）提升意图识别精度，并设置“安全阈值”——当识别置信度低于70%时，设备切换至最低助力模式或被动模式。1安全性原则：康复训练的“生命线”1.3环境安全：适配康复场景复杂性康复场景（如家庭病房、康复中心）常存在空间狭小、地面湿滑、电源不稳定等问题。设备设计需考虑：-稳定性：低重心底盘与防滑脚垫，确保在动态训练中不倾倒；-紧凑性：折叠机构设计（如可拆卸的支撑杆）减少存储空间占用；-容错性：具备过压保护、断电应急回缩功能，避免突发断电导致患者坠落。2舒适性原则：提升训练依从性的“隐形推手”舒适性直接影响患者参与训练的积极性——临床数据显示，舒适性评分低于6分（10分制）的患者，训练依从性可下降40%。舒适性设计需兼顾“生理舒适”与“心理舒适”：2舒适性原则：提升训练依从性的“隐形推手”2.1生理舒适：适配人体生物力学特征-尺寸适配：基于中国成年人人体尺寸数据库（GB10000-88），调节设备尺寸参数（如上肢康复机器人的臂长调节范围需覆盖150-190cm，腕部固定带周长适配18-30cm）；-压力分布优化：对接触面进行分区压力设计，如肩部支撑垫采用“高弹-支撑”复合材料，避免局部压力集中（峰值压力≤3.0kPa，低于皮肤毛细血管压阈值）；-运动平滑性：采用谐波减速器与力控电机，确保运动速度波动≤5%，避免“顿挫感”引发肌肉疲劳。2舒适性原则：提升训练依从性的“隐形推手”2.2心理舒适：降低使用焦虑与挫败感-外观亲和力：采用流线型设计、柔和色彩（如浅蓝、米白），避免工业设备的“冰冷感”；例如，儿童康复机器人可加入卡通造型元素，提升接受度；01-反馈可预测性：交互界面需实时显示设备状态（如助力大小、训练时长），避免患者因“未知”产生焦虑；02-自主控制感：允许患者通过简单操作（如按钮、语音）调整训练参数（如速度、阻力），增强“主动参与”而非被动接受的感觉。033有效性原则：实现康复目标的“技术核心”有效性是康复机器人的根本价值，人机工程学通过“精准匹配”与“动态优化”提升训练效果：3有效性原则：实现康复目标的“技术核心”3.1任务匹配性：模拟功能性运动模式康复训练的本质是“再学习”，设备需模拟日常生活中的功能性运动（如伸手取物、站立行走），而非简单的关节活动。例如，上肢康复机器人需设计“三维空间轨迹跟踪”功能，训练患者完成“饮水-梳头-开门”等复合动作；下肢外骨骼机器人需根据不同步态相位（支撑相-摆动相）调整助力策略，强化步态的时空对称性。3有效性原则：实现康复目标的“技术核心”3.2个体适配性：基于康复阶段的动态调整患者功能障碍程度随康复进程动态变化，设备需具备“自适应调节”能力：-初始阶段（肌力≤2级）：采用被动训练模式，设定固定运动轨迹与低阻力（≤0.5Nm）；-中期阶段（肌力3-4级）：切换至辅助主动模式，通过肌电信号实时监测患者发力情况，提供30%-50%的按需助力；-后期阶段（肌力≥4级）：进入抗阻训练模式，阻力逐步增加至患者最大肌力的60%-80%，防止肌萎缩。3有效性原则：实现康复目标的“技术核心”3.3数据驱动性：量化评估康复效果人机工程学强调“以数据为导向”，设备需集成传感器系统（如六维力传感器、惯性测量单元）采集运动参数（关节角度、肌力输出、运动速度），通过算法生成康复报告（如关节活动度改善率、步态对称性指数），为治疗师调整方案提供客观依据。4个性化原则：应对“千人千面”的康复需求个性化是人机工程学在康复机器人中的终极追求，需通过“模块化设计”与“智能算法”实现：4个性化原则：应对“千人千面”的康复需求4.1硬件模块化：支持快速定制1-尺寸模块：提供不同规格的肢体固定架、连杆长度（如上肢机器人臂长分S/M/L三档）；2-功能模块：针对不同功能障碍选择适配模块（如偏瘫患者选择“单侧训练模块”，截瘫患者选择“步行辅助模块”）；3-交互模块：支持多种交互方式（触屏、语音、眼动），满足不同认知能力患者的操作需求（如失语症患者采用眼动追踪控制）。4个性化原则：应对“千人千面”的康复需求4.2软件智能化：实现“一人一策”基于机器学习算法，构建患者数字孪生模型，输入患者的基本信息（年龄、损伤类型、病程）、生理数据（肌力、关节活动度）及训练数据（运动轨迹、错误次数），输出个性化训练方案：-轨迹定制：针对脑卒中患者“划圈步态”，通过步态数据库生成个性化矫正轨迹；-助力策略优化：强化学习算法根据患者每日训练表现，动态调整助力参数（如前次训练完成度达90%，次日阻力增加10%）。5易用性原则：降低操作门槛，赋能非专业人员康复机器人常需在家庭或社区场景使用，操作者可能为患者家属而非专业治疗师，易用性设计至关重要：5易用性原则：降低操作门槛，赋能非专业人员5.1操作流程简化：实现“即插即用”-一键启动：默认进入“快速训练模式”，无需复杂参数设置；-语音引导：通过语音提示指导患者完成佩戴、调整、训练（如“请将手臂放在支撑架上，现在开始屈肘训练”）；-错误容错：当操作失误（如佩戴位置错误）时，设备通过震动或语音提示，而非直接停止。5易用性原则：降低操作门槛，赋能非专业人员5.2维护便捷性：减少使用后顾之忧-模块化更换：易损部件（如传感器、电池）支持用户自行更换，无需返厂；-自诊断功能：设备内置故障检测系统，通过APP显示故障代码及解决方法（如“E02：传感器连接松动，请检查接口”）；-清洁友好性：接触面采用防水、防污材料，支持酒精擦拭消毒，避免交叉感染。01030204关键技术实现：人机工程学落地的技术支撑1人体测量与建模技术：构建个性化数字基础1.1三维人体扫描与参数提取传统人体测量依赖卷尺、角度计等工具，效率低且精度差（误差达3-5mm）。基于结构光或激光的三维人体扫描仪可在10秒内获取人体表面点云数据，通过算法提取关键尺寸（如上臂长、肩宽、膝围），误差≤1mm。例如，瑞士Bionicare公司的3D扫描系统已集成于康复机器人定制流程，为每位患者生成个性化“数字肢体模型”。1人体测量与建模技术：构建个性化数字基础1.2生物力学建模与仿真通过有限元分析（FEA）与多体动力学（MBD）仿真，预测设备与人体的相互作用力：-骨骼-肌肉模型：基于AnyBody等软件，建立患者骨骼肌肉系统数字模型，模拟不同训练姿态下的肌肉激活度与关节受力，优化设备支撑点位置（如将上肢康复机器人的肘部支撑点移至鹰嘴突上方2cm，减少尺神经压迫）；-运动学仿真：通过MATLAB/Simulink模拟训练轨迹，确保运动范围不超过患者关节安全阈值（如肩关节前屈角度≤150，避免盂唇损伤）。2人机交互技术：实现“自然、精准”的意图沟通2.1多模态意图识别单一传感器（如肌电信号）易受噪声干扰（如皮肤阻抗变化），需融合多源信息提升鲁棒性：-肌电信号（EMG）：表面电极采集肌肉收缩时的微弱电信号，通过小波变换去噪，识别运动意图（如肱二头肌EMG幅值超过50μV时，触发屈肘动作）；-关节角度传感器（IMU）：惯性测量单元实时监测关节运动角度，结合运动学模型预测下一步动作（如髋关节屈曲达30时，预判为步行摆动相）；-脑机接口（BCI）：对于重度运动功能障碍患者（如locked-in综合征），通过EEG信号提取运动想象特征（如想象“左手握拳”控制机械臂抓取），识别准确率可达75%以上。2人机交互技术：实现“自然、精准”的意图沟通2.2多通道反馈机制1人机交互不仅是“指令输入”，更是“状态反馈”，需通过视觉、听觉、触觉多通道传递信息：2-视觉反馈：AR眼镜叠加虚拟轨迹与患者实际运动对比，实时显示误差（如“手腕内偏5，请调整”）；3-触觉反馈：通过振动马达或气动人工肌肉，模拟“阻力感”或“引导力”（如抓取物体时，触觉反馈器传递物体硬度信息）；4-听觉反馈：通过语音提示训练进度（如“已完成本次训练的80%，再坚持一下”），或用音调变化表示运动流畅性（音调越高，运动越协调）。3人机协同控制技术：平衡“辅助”与“自主”康复机器人的核心价值是“辅助而非替代”，需通过协同控制算法实现“患者主导、设备辅助”的运动模式：-阻抗控制：设定设备的“虚拟刚度”与“虚拟阻尼”，当患者主动发力时，设备提供低阻抗运动环境（刚度≤0.5Nm/rad）；当患者发力不足时，设备通过阻抗边界提供温和助力（如上肢机器人检测到患者肘关节屈曲力矩＜1Nm时，自动补充助力至2Nm）；-自适应模糊控制：基于模糊逻辑推理，实时评估患者疲劳度（通过肌电信号中频域指标如MF值下降10%判定疲劳），动态调整助力比例（疲劳时助力增加20%，避免过度消耗）；-共享控制：在复杂任务（如避开障碍物抓取）中，设备通过预置动作库（如“抓取-移动-释放”子序列）与患者意图共享控制权，患者只需确定目标位置，设备自动规划路径。4舒适性保障技术：细节处体现人文关怀4.1智能材料与结构设计-形状记忆合金（SMA）：用于制造柔性固定带，通过体温触发合金变形，实现“自适应贴合”；-气凝胶垫：作为接触层材料，密度仅0.1g/cm³，导热系数≤0.02W/(mK)，既减轻重量，又避免冬季训练时皮肤冻伤；-拓扑优化结构：通过有限元拓扑优化，去除机械连杆的非承重材料，重量降低30%，同时提升刚度（如德国HOCOMA公司的Lokomat下肢机器人采用轻量化设计，整机重量仅35kg）。4舒适性保障技术：细节处体现人文关怀4.2动态压力调节系统通过压力传感器阵列实时监测接触面压力分布，通过气动或液压系统动态调整支撑力：01-肩部支撑系统：检测到肩峰下压力＞2.5kPa时，自动充气分散压力；02-下肢矫形器：步态周期中，支撑相时增加足底压力，摆动相时减小摩擦力，模拟自然步态的“蹬离-摆动”转换。035评估与优化技术：形成“设计-验证-迭代”闭环5.1实时监测与量化评估1-运动参数监测：通过IMU采集关节角度、角速度、加速度，计算运动平滑度（Smoothness，通过傅里叶变换频谱幅值评估）、对称性（Symmetry，左右关节角度差异率）；2-生理参数监测：集成心率传感器、血氧仪，实时监控运动负荷（心率储备利用率≤60%，避免过度疲劳）；3-心理量表评估：通过平板电脑administered箉森焦虑量表（SAS）、舒适度量表（GCQ），定期收集患者主观反馈。5评估与优化技术：形成“设计-验证-迭代”闭环5.2基于大数据的设计优化建立康复机器人云平台，收集全球设备的运行数据（如训练时长、错误率、故障点），通过大数据分析识别共性问题：-故障聚类分析：发现30%的故障源于“腕部固定带调节旋钮松动”，优化为“棘轮式锁定结构”；-训练效果建模：分析10万例患者的训练数据，构建“训练剂量-效果”预测模型（如每日训练45分钟、助力比例40%时，上肢Fugl-Meyer评分提升最快），为临床方案提供参考。05典型应用场景与案例分析：从理论到实践的跨越1上肢康复机器人：重塑精细运动功能1.1案例：MIT-Manus机器人MIT-Manus是一款桌面式上肢康复机器人，主要用于脑卒中患者上肢功能训练，其人机工程学设计亮点包括：01-机械结构：采用SCARA（选择性顺应性装配机械臂）结构，工作空间覆盖患者肩、肘、腕主要关节，末端执行器配备6维力传感器，可实现“力-位”混合控制；02-交互界面：屏幕显示“虚拟游戏化训练任务”（如“推动小球到达目标点”），患者通过主动移动控制杆驱动游戏，任务难度随运动精度动态调整（连续5次成功后，目标点缩小10%）；03-舒适性设计：前臂托盘采用记忆棉材质，可调节角度适应不同患者上肢长度；手柄表面覆盖防滑硅胶，减少手汗导致的握持不稳。041上肢康复机器人：重塑精细运动功能1.1案例：MIT-Manus机器人临床效果：一项针对120例轻中度脑卒中患者的RCT研究显示，使用MIT-Manus训练4周后，Fugl-Meyer上肢评分较对照组提高28%（p＜0.01），患者舒适度评分达8.2/10。1上肢康复机器人：重塑精细运动功能1.2人机工程学优化方向当前上肢康复机器人存在“训练模式单一”问题，未来需通过可穿戴式设计（如柔性手套机器人）提升便携性，结合VR技术构建沉浸式训练场景（如“虚拟厨房”模拟切菜、炒菜），增强任务相关性与趣味性。2下肢康复机器人：重建行走能力2.1案例：Lokomat外骨骼机器人-减重系统：气动减重装置可提供30%-100%的体重支持，通过压力传感器实时调整支持力（如步态支撑相增加支持力，摆动相减少支持力，模拟自然行走时的重心起伏）。Lokomat是瑞士HOCOMA公司开发的下肢康复机器人，通过treadmill与外骨骼结合，辅助患者进行步态训练，其人机工程学设计包括：-步态模拟：内置正常成人步态数据库（步频1.2-1.8Hz，步长0.4-0.8m），支持“正常步态”“偏瘫步态”“帕金森步态”等多种模式；-个性化适配：基于三维扫描数据，调整外骨骼腿长（股骨长+胫骨长误差≤5mm）、髋膝关节转动中心（与人体解剖中心重合度≥95%）；临床效果：一项纳入50例慢性期脑卒中患者的Meta分析显示，Lokomat训练8周后，10米步行时间缩短32%（p＜0.05），Berg平衡评分提高22%（p＜0.01）。2下肢康复机器人：重建行走能力2.2人机工程学优化方向Lokomat存在“设备体积大、成本高”问题，未来需向“轻量化外骨骼”（如采用碳纤维连杆，重量≤15kg）与“家庭化场景适配”（如折叠后宽度≤80cm）发展，同时通过肌电触发控制（如股四头肌EMG达到50μV时触发屈膝），提升患者主动参与度。3外骨骼机器人：助力社区行走3.1案例：ReWalk个人外骨骼ReWalk是首个获FDA批准的个人外骨骼系统，用于截瘫患者独立行走，其人机工程学设计亮点：-穿戴便捷性：采用快速锁定绑带，穿戴时间≤10分钟；腰带配备可调节魔术贴，适配不同腰围（65-110cm）；-自主控制：通过手腕遥控器调整步行速度（0.2-0.8m/s）、转弯半径（最小0.5m），支持“坐-站-走”姿态切换；-安全性保障：内置倾斜传感器（检测角度＞15时触发制动）与防摔气囊（髋部两侧展开时间≤0.3秒）。用户反馈：截瘫患者John使用ReWalk后，可独立在社区行走300米，生活质量评分（QOL-IF）从术前45分提升至78分，“重新获得‘站立’的尊严”。321453外骨骼机器人：助力社区行走3.2人机工程学优化方向ReWalk存在“续航短（仅3.5小时）”问题，未来需通过高能量密度电池（如固态电池，续航提升至8小时）与能量回收技术（如步行时膝盖伸展动能回收）延长使用时间，同时结合脑机接口实现“意念控制”，进一步提升自主性。4认知康复机器人：兼顾运动与认知训练4.1案例：ArmeoPower上肢认知康复机器人ArmeoPower不仅训练上肢运动功能，还集成认知任务（如“按颜色抓取积木”“按数字顺序点击屏幕”），其人机工程学设计：-交互界面：采用27英寸触摸屏，显示任务指令与视觉提示（如目标物高亮闪烁），字体大小可调（适应老年患者视力）；-难度自适应：根据患者反应时间（正常2-3秒，若超过5秒则简化任务，如减少目标物数量）与错误率（连续3次错误则降低任务复杂度），动态调整参数；-多任务训练：同时进行“伸手抓取”（运动任务）与“计算数字”（认知任务），提升执行功能（如注意力转换能力）。临床效果：一项针对阿尔茨海默病前期的pilot研究显示，使用ArmeoPower训练6周后，患者的数字广度测试得分提高18%（p＜0.05），运动功能（Fugl-Meyer）提升15%（p＜0.05）。4认知康复机器人：兼顾运动与认知训练4.2人机工程学优化方向当前认知康复机器人存在“任务类型有限”问题，未来需结合自然语言处理技术开发“对话式认知训练”（如“请帮我找出红色的苹果并放进篮子”），通过语音交互提升沉浸感，同时通过眼动追踪监测患者注意力分配，优化任务难度。6.当前挑战与未来展望：人机工程学引领康复机器人新方向1现存挑战1.1个体差异与标准化平衡患者功能障碍的异质性（如损伤部位、病程、合并症）导致“个性化设计”与“规模化生产”矛盾：定制化设备成本高（单价可达50-100万元），标准化设备适配性差。例如，针对“脑卒中后肩关节半脱位”患者，需定制肩部支撑架，但小批量生产推高成本，难以普及。1现存挑战1.2长期使用的舒适性疲劳康复训练通常需持续3-6个月，长期佩戴固定设备可能导致“适应性不适”：如上肢康复机器人连续使用1小时后，患者前臂皮肤压力耐受力下降，即使初始压力适宜，后期也可能出现压疮。1现存挑战1.3技术落地成本与可及性高端康复机器人依赖进口（如瑞士、美国产品），价格昂贵，国内基层医院难以配备；而国产设备在传感器精度、控制算法稳定性上仍存在差距，影响用户信任度。1现存挑战1.4多模态交互融合的复杂性脑机接口、肌电信号等交互技术虽前景广阔，但存在“抗干扰能力弱”问题：如肌电信号易受汗液、电极位移干扰，识别准确率波动较大（60%-85%），难以满足临床可靠性要求。2未来展望2.1智能化：AI驱动的人机协同进化人工智能（特别是深度学习）将使人机工程学从“静态适配”走向“动态进化”：-意图预测：通过LSTM（长短期记忆网络）分析患者历史运动数据，提前500ms预测下一步动作（如患者连续3次屈肘后，预判为伸手取物，提前调整机器人轨迹）；-自适应康复：结合数字孪生技术，构建患者“虚拟康复镜像”，实时模拟不同训练方案的长期效果（如“当前助力比例下，预计12周后可独立梳头”），指导治疗师动态优化方案。2未来展望2.2柔性化：软体机器人的舒适性革命传统刚性机