论文部分内容阅读
导致中枢神经系统损伤的主要原因包括脑卒中和脊髓损伤，它们通常会造成患者偏瘫或截瘫，进而引发内脏器官功能障碍以及一系列的并发症。大量临床研究表明，通过康复训练可使中枢神经系统实现一定程度的结构重组或功能代偿。然而，传统的康复治疗往往借助人工辅助或简单的康复设备来实现，难以保证训练强度及精度，不利于提高康复疗效。康复机器人作为一种自动化、智能化的医疗设备，在提供持续、定量的康复训练方面有很强的优势，可以有效地弥补传统康复治疗中的不足，正在成为神经康复工程领域的研究热点。本文在国家863计划“截瘫/四肢瘫患者用模块化康复医疗机器人”(2009AA04Z201)、中国科学院科技助残行动计划“截瘫患者用康复医疗机器人的研制及应用”(KGCX2-YW-618)项目以及国家国际科技合作项目“神经损伤康复方法及软硬件系统研究”(2011DFG13390)的支持下，针对脑卒中和脊髓损伤患者的神经功能康复，围绕下肢康复机器人的系统设计及相关控制方法展开研究。本文的主要工作和贡献如下: 1.针对脑卒中和脊髓损伤患者在不同康复阶段的训练任务，设计了两款下肢康复设备:功能性电刺激康复踏车和坐卧式下肢康复机器人。在各自机械平台基础上，完成了电气控制系统及上位机人机交互系统的设计。为了增强患者的可控肌肉收缩以及提取患者的运动意图，研制了8通道功能性电刺激(FES)系统以及8通道表面肌电信号(sEMG)采集系统。 2.为实现康复踏车的电刺激助力训练模式，提出了基于迭代学习控制器(ILC)的电刺激控制方法，用以解决电刺激助力时肌肉响应迟缓、稳定性不足的问题。通过分析健康人踏车运动时的肌电信号及主动力矩以确定期望力矩，设计了P型迭代学习控制器，对患者臀大肌和股四头肌的诱发收缩进行调节，以模拟健康人踏车运动时的肌肉收缩。为减少迭代次数，提出了模糊参数自适应的方法，对迭代学习控制器中的比例增益进行调节，实现了患者肌肉产生的诱发力矩对期望力矩的快速跟踪。仿真和临床试验证明了该方法的有效性。 3.为实现主动康复训练，提出了基于表面肌电信号的下肢关节角度、关节力矩估计方法以及基于脑电信号的运动意图识别方法。针对电刺激助力下膝关节角度的估计问题，通过BP神经网络建立表面肌电信号与电刺激参数两者同膝关节角度的非线性映射，实现对膝关节角度的精确估计;针对人体主动力矩难于精确计算的问题，结合骨骼肌数学模型，提出了利用BP神经网络逼近肌肉收缩动力学中非线性项的方法，通过肌电信号对下肢髋膝关节主动力矩进行估计，取得了良好的估计精度;针对基于脑电信号的运动意图识别问题，为充分利用脑电信号中的时序特征及各通道之间的空间特征，提出了一种以三维Spiking神经网络为核心的分类方法，得到了较好的分类结果，为直接提取患者运动意图打下了基础。 4.在建立下肢康复机器人人机混合系统运动学和动力学模型的基础上，提出两种基于阻抗控制原理的主动康复训练控制方法。在电刺激助力下的康复机器人控制方法中，通过由骨骼肌逆模型构成的前馈补偿与反馈相结合的电刺激控制策略，形成对患者主动力矩的增强，并与阻抗控制形成的柔顺环境相结合，有效地激发患者的主动运动;在水平重力模拟方法中，针对坐卧式下肢康复机器人进行步态训练时无法使患者感受到沿身体轴向重力的问题，对人机交互力的水平分量实施阻抗控制，模拟重力产生的交互效果，实现了更具真实感的步态训练。以上两种方法在仿真和临床试验中均取得了满意的效果。