一种康复机器人标准轨迹建模方法及柔顺交互控制方法
本发明涉及上肢康复训练,具体涉及一种康复机器人标准轨迹建模方法及柔顺交互控制方法。
背景技术:
1、脑卒中是全球重要的致残性疾病之一,患者常伴随不同程度的上肢运动功能障碍,严重影响日常生活能力与生活质量。康复训练是恢复上肢功能的重要途径,但传统康复训练高度依赖治疗师手动引导,存在训练周期长、过程量化不足和患者主动参与有限等固有局限。康复机器人能够提供重复、稳定和可量化的训练支持,近年来已成为上肢功能康复的重要技术手段。
2、但在实际应用中,当前大多康复机器人的人机交互仍显生硬,患者参与度低,甚至可能增加继发性损伤的风险。导致这一人机交互瓶颈的核心原因之一,在于机器人缺乏符合人体自然生理运动规律的参考运动轨迹模板。目前,许多康复机器人在引导患者执行任务时,采用的往往是简单的点对点几何直线、画圆、画8字或数学平滑曲线。这类轨迹虽然在工程上易于实现,但忽略了人体上肢在执行真实日常生活活动时复杂的关节协同规律和速度节律。当患者被动跟随这种非自然的刚性轨迹时,极易产生人机对抗,严重削弱了交互的柔顺性与康复的有效性。
3、围绕康复机器人轨迹规划,现有技术主要包括以下几类:(1)采集健康人运动数据作为参考轨迹模板,结合变阻抗控制调节柔顺性;(2)基于治疗师示教动作实现轨迹自动编程;(3)构建标准化运动数据集,提取时序特征以识别运动偏差与代偿模式。在交互控制方面,现有研究已涉及自适应控制、阻抗控制及奇异规避等策略;然而,上述现有技术仍存在以下不足:
4、(一)参考轨迹缺乏对人体自然运动特征的刻画,现有轨迹多为几何直线、平滑曲线或健康人数据的简单均值,难以体现上肢功能性任务中的多关节协同模式与速度节律,易引发人机对抗,影响疗效并可能增加损伤风险;
5、(二)轨迹构建与临床标准化评估工具脱节,现有轨迹模板或运动数据集未与wolf运动功能测试(wolf motor function test,wmft)、fugl-meyer上肢运动功能评定量表(fugl-meyer assessment for upper extremity,fma-ua)等标准化通用运动功能评估量表建立直接对应,未能将通用评估量表中具有明确起止位置和操作判据的功能任务直接转化为机器人参考轨迹,评估与训练一体化缺乏技术支撑;
6、(三)建模过程未融合多模态生理信号,现有方法依赖单一运动学数据或人工示教,未纳入表面肌电等多模态信号以辅助动作阶段识别与时序对齐,导致轨迹难以适应不同患者的运动差异;
7、(四)轨迹表达缺乏连续参数化形式,现有方案多存储为离散采样点,调用时需插值,既增加计算量,又难以保证速度、加速度的高阶平滑性,不利于柔顺跟踪控制。
8、综上所述,如何在保证机器人稳定跟踪的前提下,生成贴近人体自然运动特征、对接标准化通用运动功能评估量表中标准化任务、融合多模态生理信息且具备连续参数化表达的参考轨迹,是当前康复机器人领域亟待解决的技术问题。
技术实现思路
1、本发明的目的在于克服现有技术中康复机器人参考轨迹缺乏任务导向性运动特征、与标准化功能评定任务脱节且缺乏连续参数化表达的技术问题,提供一种康复机器人标准轨迹建模方法及柔顺交互控制方法,用于生成可供各类康复机器人调用的标准参考轨迹并进行柔顺交互控制。
2、为解决上述技术问题,本发明是采用下述技术方案实现的:
3、第一方面,本发明提供一种康复机器人标准轨迹建模方法,包括:
4、根据标准化上肢运动功能评定任务集,确定关键标记点并据此布置运动捕捉标记点,以及确定关键肌肉块并据此布置表面肌电传感器;
5、执行所述标准化上肢运动功能评定任务集中的每个任务,并根据所述运动捕捉标记点和表面肌电传感器,采集运动学数据和多通道表面肌电信号;
6、对所述运动学数据和多通道表面肌电信号进行预处理,得到预处理后的上肢末端轨迹、速度曲线与多通道归一化表面肌电包络均值曲线;
7、根据所述速度曲线与多通道归一化表面肌电包络均值曲线提取动作有效段,根据所述动作有效段截取预处理后的上肢末端轨迹中对应的数据段并进行时间归一化处理,得到有效动作段数据;
8、将属于同一任务的各受试者的有效动作段数据在各归一化时刻逐点取平均,构建该任务的初始标准轨迹模板;
9、在各任务的初始标准轨迹模板的归一化时间轴上划分多个分段,对各分段轨迹分别建立分段多项式拟合模型,并施加分段连接处的位置连续约束、速度连续约束、加速度连续约束以及首末端边界约束,采用带等式约束的最小二乘法求解各分段多项式拟合模型的拟合系数,得到各任务的连续标准轨迹模型。
10、可选的,所述标准化上肢运动功能评定任务集中的任务选自wolf运动功能测试、fugl-meyer上肢运动功能评定量表或其他标准化上肢运动功能评定量表中的任务;
11、所述关键标记点包括用于构建躯干局部坐标系的躯干关键标记点以及用于确定上肢末端点的至少两个上肢远端标记点;
12、所述关键肌肉块通过执行任务时所涉及的关节运动和肌肉功能确定;
13、所述运动学数据包括所述运动捕捉标记点在各采样时刻的空间位置。
14、可选的,所述对所述运动学数据和多通道表面肌电信号进行预处理,得到预处理后的上肢末端轨迹、速度曲线与多通道归一化表面肌电包络均值曲线,包括:
15、根据所述运动学数据中躯干关键标记点在各采样时刻的空间位置,构建随躯干姿态动态更新的局部正交坐标系;
16、根据所述运动学数据中上肢远端标记点在各采样时刻的空间位置,确定上肢末端点并生成上肢末端轨迹;
17、对所述上肢末端轨迹进行缺失修复和滤波处理,并将其从全局坐标系转换至所述局部正交坐标系,得到预处理后的上肢末端轨迹;
18、根据所述预处理后的上肢末端轨迹提取速度曲线;
19、对所述多通道表面肌电信号依次进行去直流、带通滤波、陷波滤波、全波整流和滑动均方根包络提取,获得各通道的肌电包络信号;
20、将所述各通道肌电包络信号插值至运动学时间轴并分别进行稳健归一化,得到多通道归一化表面肌电包络信号;
21、在同一采样时刻对所述多通道归一化表面肌电包络信号在通道维度上进行算术平均,得到多通道归一化表面肌电包络均值曲线。
22、可选的,所述根据所述速度曲线与多通道归一化表面肌电包络均值曲线提取动作有效段,根据所述动作有效段截取预处理后的上肢末端轨迹中对应的数据段并进行时间归一化处理,得到有效动作段数据,包括:
23、对所述所述速度曲线与多通道归一化表面肌电包络均值曲线分别进行平滑处理,分别计算各自曲线的峰值并按预设比例设定速度阈值和肌电阈值;
24、逐帧判断各采样点是否同时满足速度大于速度阈值且肌电大于肌电阈值,将同时满足的采样点标记为激活状态,不满足的采样点标记为未激活状态,得到二值化联合激活掩码;
25、将所述二值化联合激活掩码中标记为激活状态且连续排列的采样点所构成的序列作为候选段,得到候选段集合;
26、根据所述候选段集合执行双通道联合阈值判定:
27、若所述候选段集合中最长候选段的持续时间大于或等于预设的最小动作时长阈值,将所述最长候选段作为动作有效段;
28、所述最长候选段的持续时间小于预设的最小动作时长阈值,则舍弃该段,并遍历剩余候选段中的最长候选段进行双通道联合阈值判定,直至选出满足时长条件的候选段作为动作有效段;
29、若所有候选段的持续时间均小于所述最小动作时长阈值,则切换为单通道速度阈值判定模式,将满足速度大于速度阈值且持续时间大于所述最小动作时长阈值的最长候选段作为动作有效段;
30、根据所述动作有效段在原始时间轴上的起止时刻,截取预处理后上肢末端轨迹中对应时间区间的数据段,得到轨迹数据段;
31、对所述轨迹数据段进行时间归一化处理,通过插值运算将其映射至预设的统一长度时间轴,得到有效动作段数据。
32、可选的,所述初始标准轨迹模板的计算公式如下:
33、,
34、其中,表示轨迹数据段的采样点总数,表示第个采样点的归一化时刻,表示任务索引,表示任务的受试者数量,表示任务的第名受试者的有效动作段数据中在时刻的空间位置,表示任务的初始标准轨迹模板在时刻的空间位置。
35、可选的,还包括根据各受试者的有效动作段数据相对所述初始标准轨迹模板的空间偏差,评价初始标准轨迹模板的样本内代表性:
36、对于每个任务,计算该任务所有受试者的有效动作段数据与所述初始标准轨迹模板在各归一化时刻的欧氏距离,根据所述欧氏距离计算评价指标;其中,所述评价指标包括均方根偏差、95百分位偏差和最大偏差中的任意一种;
37、若评价指标小于预设阈值,判定该任务的初始标准轨迹模板可用于生成所述连续轨迹模型;
38、若评价指标大于等于预设阈值,判定该任务的初始标准轨迹模板在样本内个体差异较大,该任务的初始标准轨迹模板不可用,需重新获取该任务的运动学数据并生成该任务的初始标准轨迹模板。
39、可选的,还包括根据各受试者的有效动作段数据相对所述初始标准轨迹模板的空间偏差,评价初始标准轨迹模板的样本内代表性:
40、对于每个任务,计算该任务所有受试者的有效动作段数据与所述初始标准轨迹模板在各归一化时刻的欧氏距离,根据所述欧氏距离计算均方根偏差、95百分位偏差和最大偏差;
41、基于预设的权重对所述均方根偏差、95百分位偏差和最大偏差进行加权求和,得到融合偏差;
42、若融合偏差小于预设阈值,判定该任务的初始标准轨迹模板可用于生成所述连续轨迹模型;
43、若融合偏差大于等于预设阈值,判定该任务的初始标准轨迹模板在样本内个体差异较大,该任务的初始标准轨迹模板不可用,需重新获取该任务的运动学数据并生成该任务的初始标准轨迹模板。
44、可选的,所述均方根偏差通过如下公式得到:
45、,
46、其中,表示任务的第个受试者与初始标准轨迹模板的均方根偏差,表示有效动作段数据的采样点总数,表示第个采样点的归一化时刻,表示任务的第个受试者与初始标准轨迹模板在时刻的欧氏距离;
47、所述95百分位偏差通过如下公式得到:
48、,
49、其中,表示任务的第个受试者与初始标准轨迹模板的95百分位偏差,表示95百分位偏差函数;
50、所述最大偏差通过如下公式得到:
51、,
52、其中,表示任务的第个受试者与初始标准轨迹模板的最大偏差,max表示取最大值。
53、可选的,所述分段多项式拟合模型的表达式如下:
54、,
55、其中,表示分段序号,表示的次方,表示第分段的时间变量,为预设值,表示第分段在时刻的空间位置,表示第分段的拟合系数;
56、所述位置连续约束通过如下公式实现:
57、,
58、其中,表示第分段在时刻的空间位置;
59、所述速度连续约束通过如下公式实现:
60、,
61、其中,表示对的一阶导数,表示对的一阶导数;
62、所述加速度连续约束通过如下公式实现:
63、,
64、其中,表示对的二阶导数,表示对的二阶导数;
65、所述首末端边界约束通过如下公式实现:
66、,
67、,
68、其中,表示初始标准轨迹模板的起始时刻,表示初始标准轨迹模板的终止时刻,表示起始分段序号,表示终止分段序号,表示任务的初始标准轨迹模板在起始时刻的空间位置,表示任务的起始分段在起始时刻的空间位置,表示任务的初始标准轨迹模板在终止时刻时刻的空间位置,表示任务的终止分段在终止时刻时刻的空间位置。
69、第二方面,本发明提供一种康复机器人柔顺交互控制方法,包括:
70、将各任务的连续标准轨迹模型作为对应类型康复机器人末端的参考轨迹输入;其中,所述各任务的连续标准轨迹模型通过第一方面任一项康复机器人标准轨迹建模方法得到;
71、实时采集各类康复机器人与患者上肢之间的交互力信息;
72、根据所述交互力信息,通过导纳控制对所述参考轨迹进行修正,生成柔顺修正轨迹;
73、将所述柔顺修正轨迹作为运动控制指令输入至各类康复机器人的伺服驱动器,驱动康复机器人按照所述柔顺修正轨迹运动,以牵引患者上肢实现人机柔顺控制的主动训练。
74、与现有技术相比,本发明所达到的有益效果:
75、1、本发明提出的康复机器人标准轨迹建模方法,以wmft、fma-ua等标准化上肢运动功能评定量表中的具体功能任务为轨迹构建的直接依据,使参考轨迹与临床评定任务在任务层面建立对应关系,形成符合人体上肢自然生理运动规律的标准轨迹模板,为临床评定与康复训练的一体化衔接提供技术基础;采用速度与肌电联合判据进行动作段识别,提高动作起止时刻判定的准确性;通过跨受试者平均与分段多项式参数化表达,将离散轨迹转化为连续可调的解析模型,有利于提高轨迹跟踪平滑性和患者佩戴舒适性;
76、2、本发明提出的康复机器人柔顺交互控制方法,一方面可以实现康复机器人牵引患者上肢实现符合人体自然生理运动规律的轨迹跟踪训练;另一方面通过导纳控制实时修正末端轨迹,驱动机器人按照所述柔顺修正轨迹运动,实现机器人与患者之间的柔顺交互,增强患者主动参与度,有利于实现康复机器人牵引患者上肢实现任务导向性的主动训练。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com