引用本文

谢光辉, 金敉娜, 王光建, 吴晓金. 矢量场逐次逼近的康复机器人柔顺交互控制. 自动化学报, 2018, 44(10): 1896-1906. doi: 10.16383/j.aas.2018.c160142

XIE Guang-Hui, JIN Mi-Na, WANG Guang-Jian, WU Xiao-Jin. Rehabilitation Robot Compliance Interaction Control With Successive Approximation Vector Field. ACTA AUTOMATICA SINICA, 2018, 44(10): 1896-1906. doi: 10.16383/j.aas.2018.c160142

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c160142

关键词

康复机器人，柔顺交互控制，逐次逼近矢量场，FFT频谱分析 

摘要

为了实现康复机器人的主动柔顺交互，提出了一种基于矢量场逐次逼近的控制模型；设计了矢量场逐次逼近系统，可输出机器人关节期望位移，该输出能与输入的扭矩、表面肌电及脑电等信号在振幅、频率和相位上保持同步，且通过调节遗忘因子参数值，可改变主动柔顺交互的积极性；利用自行设计的穿着型下肢康复机器人样机进行柔顺辅助实验，以验证所提出控制模型的有效性；通过FFT（Fast Fourier transformation）频谱对机器人关节扭矩的组成成分进行了分析，并采用基于最小二乘法的参数辨识方法实施了重力补偿，以便康复机器人实时控制.实验结果表明，该控制模型对于实现康复机器人与人之间的柔顺交互是有效的.

文章导读

近年来, 脑卒中的发病率在全球范围内有逐年增加的趋势, 而病例中最常见的是运动功能障碍, 其将严重影响患者的日常生活, 故如何恢复患者的运动能力是治疗中需要解决的首要问题之一.针对此问题, 临床治疗中一般采用人工辅助训练和机器人辅助训练两种方式, 但前者存在过度依赖治疗师、训练强度/时间无法保证、成效低等缺点, 而后者却具有治疗师负担减轻、训练项目可调、效率高等诸多优点.因此, 国内外对机器人辅助训练新设备、新技术进行了大量研究, 催生机械结构多样、控制方法各异的康复机器人[1-5]相继问世, 其临床应用亦表明机器人辅助训练能促进患者的运动能力恢复[6-8].但另一方面, 应用中亦发现机器人在机械机构和控制方法上的表现还不太令人满意, 特别是在人-机柔顺交互控制方面亟待有所突破.目前, 康复机器人辅助训练的模式主要有被动训练和主动训练两种[9].前者主要针对早期肌力比较弱且自身运动较困难的患者对症施治, 其下肢运动易于通过常规的机器人轨迹跟踪控制实现; 后者主要应用于具有一定运动能力患者的自行训练, 即机器人系统依据患者的主动运动意图, 采用柔顺交互控制技术来提供辅助作用力给患者进行训练.而对于患者主动运动意图的获得, Pons [10]提出通过识别人-机相互作用力来得到患者的主动运动意图; 佟丽娜等[11]采用识别表面肌电信号(Surface electromyogram, sEMG)的方法获得了下肢运动意图; Artoni等[12]提出一种脑电信号(Electroencephalogram, EEG)处理方法, 可获得患者较准确的主动运动意图.事实上, 无论采用哪种信号, 关键是所构建的人-机柔顺交互控制策略能否有效地识别信号并获得患者真实的主动运动意图.对于人-机柔顺交互控制策略的构建, 国内外一些学者采用基于力信号的阻抗控制(Impedance control) [13]对康复机器人进行研究并取得了一定成绩.比如, Riener等[14]设计了阻抗控制器并成功亦应用于LOKOMAT康复机器人中, 且通过实验验证了该控制方法的有效性; 孙洪颖等[15]采用阻抗控制策略在一定程序上实现了卧式下肢康复机器人主动柔顺控制; 徐国政等[16]提出了基于力的模糊自适应阻抗控制策略, 实现了人机相互作用力的控制.但在实际运用阻抗控制策略时, 首先得根据人的运动轨迹(意图)来规划机器人的参考运动规迹, 从而生成机器人期望规迹.然而康复机器人在工作过程中, 不通过特定而有效的识别方法是很难获得人真实运动意图的.因此, 目前用阻抗控制策略来实现较高的人机柔顺交互还有一定的难度.另外, 研究者们利用生物产生节律运动的中枢模式发生器(Central pattern generator, CPG) [17-19]原理构建神经元振荡器, 并将其用来识别力信号或表面肌电信号.吴德明等[20]利用神经元振荡器来识别人-机相互作用力以获得人的运动意图, 实现了人和机器人握手的自然交互; 彭亮等[21]亦利用神经元振荡器对下肢表面肌电信号进行识别, 获得了患者的运动意图, 成功实现了下肢康复机器人的柔顺交互控制.以上研究之所以能实现人机柔顺交互, 主要是因为神经元振荡器具备输入输出同步特性, 其可用来识别并同步力信号或表面肌电信号, 但其内部有许多参数相互耦合, 不易找到合适的参数匹配来实现同步, 而且它只适合周期运动情景.为进一步探索实现康复机器人和人之间柔顺交互的较简单控制方式, 谢光辉等[22]曾利用大脑信息处理的非线性动力学机理[23]设计了矢量场逐次迭代算法, 但仅通过仿真简单地验证了该算法在助力机器人控制上的有效性.有鉴于此, 这里针对康复机器人辅助训练模式的特点, 扩展该算法提出了一种康复机器人柔顺交互控制模型, 其既可用于被动训练, 又可用于主动训练, 且在主动训练中可通过识别力或生物医学信号来获得患者的运动意图.同时, 为验证该模型的有效性, 自行设计了新颖的穿着型下肢康复机器人做为实验研究平台.

图 1  柔顺交互控制模型

图 2  矢量场

图 3  矢量定义

提出了一种矢量场逐次逼近的康复机器人柔顺交互控制方法, 其矢量场逐次逼近系统具备自振动特性和输入输出同步特性, 能通过识别力信号来获得患者的运动意图.同时, 利用自行设计的新型下肢康复机器人作为实验研究平台, 对该控制方法的有效性进了验证.实结果表明, 在康复机器人主动训练过程中, 所提出的控制方法能使机器人和人之间的运动在频率和相位上取得同步, 并可通过调节矢量场逐次逼近系统的遗忘因子λ值的大小来调节机器人关节的辅助扭矩, 改善训练的柔顺性.

另外, 利用FFT频谱分析对机器人关节扭矩的组成成分进行了分析, 并通过基于最小二乘法的参数辨识方法有效地实施了重力补偿, 为康复机器人柔顺实时控制的实现开辟了另一有效途径.

作者简介

金敉娜

重庆电子工程职业学院讲师.主要研究方向为自动控制.E-mail:201007011@cqcet.edu.cn

王光建  

重庆大学机械传动国家重点实验室研究员, 博士.主要研究方向为CAD/CAM.E-mail:gjwang@cqu.edu.cn

吴晓金  

重庆电子工程职业学院副教授.重庆大学机械传动国家重点实验室博士研究生.主要研究方向为机器人智能控制.E-mail:201322003@cqcet.edu.cn

谢光辉  

重庆电子工程职业学院教授.重庆大学机械传动国家重点实验室博士研究生.主要研究方向为机器人技术及自动控制研究.本文通信作者E-mail:200623023@cqcet.edu.cn