一种肌电驱动的上肢康复机器人按需辅助控制方法及系统

摘要: 本发明涉及康复机器人即人机交互控制,具体涉及一种肌电驱动的上肢康复机器人按需辅助控制方法及系统。背景技术:1、上肢康复机器人通过机械臂及末端交互装置辅助使用者完...
一种肌电驱动的上肢康复机器人按需辅助控制方法及系统

本发明涉及康复机器人即人机交互控制,具体涉及一种肌电驱动的上肢康复机器人按需辅助控制方法及系统。

背景技术:

1、上肢康复机器人通过机械臂及末端交互装置辅助使用者完成重复运动训练;对于保留一定主动运动能力的使用者,机器人需要根据其主动输出水平及运动偏差调节施加作用力,以兼顾自主运动与轨迹引导;辅助作用过强可能降低使用者的主动参与程度;阻尼或辅助参数与其当前运动能力不匹配,则可能影响训练动作的完成及人机交互的连续性。因此,获取能够反映使用者主动输出的信息,并将该信息用于控制参数调节,是上肢康复机器人按需辅助控制中的重要技术问题。

2、表面肌电信号可以直接表征肌肉激活水平,是实现人机意图感知最常用的生物信号;但从表面肌电信号到人体末端输出力属于复杂非线性、时变映射关系,会受到肌肉协同激活模式、运动姿态、肌肉疲劳程度、电极偏移、个体生理差异等多重因素干扰。现有方案直接依靠肌电幅值、固定离线建立的映射关系计算控制量,难以适配多肌肉协同作用下的力输出特性;当训练对象更换、训练任务改变、电极发生移位或者患者出现肌肉疲劳时,离线标定得到的模型性能会显著衰减,需要反复重新标定,实用性受限。另外,机器人末端交互力传感器采集得到的接触力,是机器人与人体相互作用的综合结果,包含机器人自身输出力,不能直接等价为人体的主动末端力,需要结合受力模型进行解算,这也进一步增加了肌电力估计的实现难度。

3、现有研究已经围绕肌电参与康复机器人阻抗调节、末端力估计开展了大量工作。部分研究利用肌肉激活水平与关节角度调整机器人阻抗参数,结合肌肉疲劳状态修改静态平衡力,以此适配使用者运动能力变化;另有方案依托神经网络搭建肌电信号至末端力的映射模型,通过人机控制权重切换辅助与抗阻训练模式;还有学者借助非负矩阵分解提取低维肌肉协同特征,用于人体末端力的估计。上述研究为肌电信息用于康复机器人辅助调节打下理论基础,但仍存在待解决的现实问题;首先,多数方案采用离线固定模型,在连续人机交互训练过程中缺少闭环反馈修正机制,模型无法在线自适应肌电与力映射的时变特性,随着训练推进估计误差会逐步累积;其次,多通道肌电原始数据存在大量信息冗余,直接输入模型会提升计算开销,同时引入噪声干扰,缺少对肌肉协同特征的有效挖掘利用;再次,控制策略多采用参数固定模式或者模式硬切换,阻尼、辅助力二者之间缺少平滑过渡机制,容易出现控制输出突变,人机交互稳定性差,难以同时响应用户主动输出变化与轨迹跟踪偏差;最后,很少将主动末端力估计、机器人控制执行、交互力反馈更新三者构成完整闭环,没有把交互反馈信息反向用于修正肌电力估计模型,无法在训练过程中持续优化意图感知效果。

4、综上,如何降低多通道肌电信号冗余,构建可通过人机交互反馈在线迭代更新的人体主动末端力估计模型,同时实现阻尼分量与辅助分量的平滑连续输出,兼顾使用者主动运动意愿和轨迹跟踪需求,是肌电驱动上肢康复机器人按需辅助控制亟需解决的技术难题。

技术实现思路

1、本发明的目的是为了解决现有的康复机器人肌电信息冗余、肌电与末端力映射时变适应性差、控制输出突变无法兼顾主动输出与轨迹偏差的问题,提出了一种肌电驱动的上肢康复机器人按需辅助控制方法及系统。

2、本发明所述的一种肌电驱动的上肢康复机器人按需辅助控制方法包括以下步骤:

3、s1:采集使用者上肢的多通道表面肌电信号、机器人末端位置以及机器人末端运动状态,并对所采集信号进行时间同步对齐;

4、s2:利用多通道表面肌电信号提取出肌肉协同特征;

5、s3:将肌肉协同特征与机器人末端运动状态组成时序输入,输入经监督预训练或在线更新后的主动末端力估计模型,得到人体主动末端力估计值;

6、s4:根据所述主动末端力估计值调节机器人的阻尼参数并计算出阻尼分量,依据机器人末端位置与机器人末端运动状态计算出辅助分量,并结合机器人末端位置偏差确定出阻尼分量与辅助分量之间的连续过渡权重;

7、s5:按照所述连续过渡权重对阻尼分量和辅助分量进行加权融合,生成机器人控制指令,完成对机器人的按需辅助控制。

8、进一步的,还包括以下步骤:

9、s6:获取机器人执行机器人控制指令后的交互反馈信号,基于已标定的受力测量关系构造交互偏差与奖励信号,采用强化学习方式更新主动末端力估计模型,更新后的主动末端力估计模型用于后续控制周期的步骤s3。

10、进一步的,所述利用多通道表面肌电信号提取出肌肉协同特征的具体方法为:

11、对多通道表面肌电信号进行滤波、整流、包络提取及归一化预处理,通过二阶离散递推模型计算神经激活,再经分段非线性映射得到各通道肌肉激活;将多通道肌肉激活构造成肌肉激活矩阵,采用非负矩阵分解对肌肉激活矩阵做分解,得到肌肉协同权重矩阵与协同激活系数矩阵,取每一时刻对应的协同激活系数向量作为肌肉协同特征。

12、进一步的,所述主动末端力估计模型包括空间特征支路、通道注意力模块、时间特征支路以及融合回归模块;

13、所述空间特征支路采用一维卷积提取局部空间特征,经通道注意力模块重加权得到空间特征向量;所述时间特征支路采用长短期记忆网络对时序输入提取时间特征;融合回归模块将空间特征向量与时间特征向量拼接后通过全连接回归输出人体主动末端力估计值。

14、进一步的,所述主动末端力估计模型的监督预训练损失函数包含标签拟合损失项以及相邻时刻估计值的时序平滑约束项,约束连续时刻主动末端力估计结果的波动。

15、进一步的,机器人末端位置偏差的获取方法为:

16、根据预设参考轨迹获得末端参考位置,读取机器人末端实际位置,将参考位置与实际位置求取二范数得到机器人末端位置偏差。

17、进一步的,还包括机器人控制输出施加预设输出限制条件的步骤;

18、所述预设输出限制条件包括力幅值限值、末端速度限值以及工作空间位置边界;当触发预设输出限制条件时,机器人控制指令输出置零。

19、一种肌电驱动的上肢康复机器人按需辅助控制系统包括:

20、肌电采集模块,用于采集使用者上肢多通道表面肌电信号,并传输至信号处理模块;

21、信号处理模块,用于对肌电信号做预处理,计算神经激活、肌肉激活并提取肌肉协同特征;

22、主动末端力估计模块,存储监督预训练及在线更新后的模型参数,接收肌肉协同特征与机器人末端运动状态,输出人体主动末端力估计值;

23、状态与交互力采集模块,用于采集机器人末端位置、速度运动状态以及末端交互力信号;

24、按需辅助控制模块,接收主动末端力估计值、末端运动状态与参考轨迹,计算自适应阻尼参数、阻尼分量、辅助分量以及连续过渡权重,加权组合生成机器人控制指令;

25、机器人执行模块,包括机械臂、末端手柄与上肢支撑部件,接收控制指令输出人机交互作用力;

26、在线更新模块,接收主动末端力估计值、机器人控制输出以及交互力测量值,构造交互偏差与奖励信号,采用强化学习算法更新主动末端力估计模块的模型参数;

27、显示与安全模块,用于训练信息显示、机器人输出力限值配置以及急停保护。

28、进一步的,所述状态与交互力采集模块包括交互力传感器;

29、所述交互力传感器串联设置在机器人末端法兰与手柄之间,用于采集人机交互力。

30、进一步的,所述显示与安全模块配置力幅值限值、末端速度限值以及工作空间位置边界,在接收到急停信号时,向机器人执行模块下发控制输出置零指令。

31、本发明与现有技术相比具有以下有益效果:

32、1.通过肌肉协同特征提取降低多通道肌肉激活信息的冗余,并将所述特征与末端运动状态结合,为主动末端力估计提供肌肉活动及运动学信息。

33、2.通过在监督预训练损失中引入相邻时刻估计值的平滑约束,约束估计序列的时序变化,使估计输出适于参与连续控制。

34、3.在交互测量关系成立的条件下,通过执行反馈在线更新估计模型,为适应使用者状态或信号采集条件变化提供模型调整机制。

35、4.根据主动末端力估计值调节阻尼参数,并根据轨迹偏差连续调整阻尼分量和辅助分量的组合权重,使机器人输出同时响应主动输出水平和轨迹偏差。