一种面向康复训练的虚实融合多模态自适应力反馈控制方法及系统

本发明涉及智能人机交互、机器人控制技术以及康复医疗，尤其涉及一种面向康复训练的虚实融合多模态自适应力反馈控制方法及系统。

背景技术：

1、神经系统损伤（如脑卒中、脑外伤）常导致严重的肢体运动功能障碍。基于神经可塑性原理的重复性、高强度运动训练是目前公认的最有效恢复手段。近年来，康复机器人因能提供精准量化的物理干预，已逐渐成为临床康复的重要载体。在众多构型中，末端牵引式康复机器人因人机工程学兼容性好、穿脱干预极小而被广泛应用。进一步地，若将平面并联机构引入末端康复平台，则能在大幅降低运动部件惯量的同时，获取极高的结构刚度与末端定位精度，从而为患者营造极其稳定、安全的物理交互基础。

2、传统的机器人导纳或阻抗控制往往依赖于末端力矩传感器捕捉患者的物理发力。然而，当患者处于康复早期、患肢极度无力时，传统控制器会因检测不到物理运动而陷入死区，无法提供及时的辅助。为此，脑机接口技术被引入，形成了闭环的脑机协同康复模式。该模式主要通过解析脑电信号中的特定节律现象来解码患者的皮层运动意图，进而在意图越过某定值时触发机器人辅助。

3、尽管脑机协同模式在理论上打通了从中枢神经到外周执行的运动控制通路，但在真实的临床交互场景中，现有技术的控制逻辑仍显僵化。现有的脑机康复系统普遍采用预先标定的固定阈值作为机器人辅助的唯一触发开关。然而，在漫长且高强度的康复训练中，脑损伤患者极易产生认知疲劳与注意力涣散，其大脑皮层的绝对激活程度会随着时间推移出现不可逆的自然衰退。若系统死板地固守初始的高触发阈值，患者在训练中后段往往会因为大脑“力竭”而无法越过该门槛，从而彻底失去机器人的辅助。这不仅背离了“按需辅助”的初衷，还会使患者产生强烈的挫败感，严重降低其训练依从性。

4、在触发机制僵化的同时，现有技术对患者运动状态的评估也存在严重误区，即将“主观神经意图”与“客观物理表现”混为一谈。在神经康复临床中，患者常因目标肌群无力或肌张力异常，在强烈运动意图的驱使下爆发出无效的痉挛或严重的代偿动作，例如本意欲前伸手臂，实际却表现为躯干侧倾或肩部异常耸动。现有的系统多呈现“只看脑电，忽略动作质量”的片面逻辑，一旦检测到活跃的脑电信号，便盲目触发顺应性的机械辅助与虚拟现实场景的通关奖励。这种缺乏解耦与甄别的干预，实质上是在奖励并强化患者的错误代偿发力，长期使用极易造成异常运动姿势的神经回路固化。

5、在系统的末端干预层面，现有高级康复平台往往陷入了“多模态感觉反馈堆砌”的技术陷阱。为了追求所谓的沉浸感，绝大多数系统将高多边形的虚拟现实画面、持续的听觉节律提示以及强烈的机械力反馈无差别地同时施加于患者。对于脑神经本就受损、信息处理带宽极为有限的患者而言，这种高频的感官轰炸极易引发严重的认知超载。特别是在患者大脑疲劳或动作严重变形的关键干预节点，持续叠加且冗余的多模态反馈不仅无法起到引导和纠偏的作用，反而会加剧感觉冲突，成为巨大的认知负荷干扰。

6、此外，现有系统普遍存在虚拟现实场景渲染与底层物理力觉反馈割裂的问题，缺乏跨模态的实时同步机制。本发明旨在建立一套视觉-听觉-力觉深度融合的虚实映射架构。

技术实现思路

1、发明目的：本发明提供一种面向康复训练的虚实融合多模态自适应力反馈控制方法及系统，实现了虚拟现实决策与物理机器人执行的精确同步，能够在不同状态下平滑切换阻抗特性，确保机械干预的安全性、柔顺性与有效性。

2、技术方案：本发明所述的一种面向康复训练的虚实融合多模态自适应力反馈控制方法，包括如下步骤：

3、步骤1、多源异构数据同步采集；实时获取通过脑电传感器采集的连续脑电信号，通过康复机器人的末端力/力矩传感器和主动关节编码器采集的运动学与动力学状态数据；

4、步骤2、个性化动态阈值自适应标定；在预评估阶段，通过引导患者执行静息态与无辅助的主动尝试任务，采集脑电基线与末端运动学基线数据，利用统计分布模型与疲劳折扣因子，自适应解算当前训练周期的意图强度阈值与表现合格阈值；

5、步骤3、意图-表现双维特征感知与解耦；对训练过程中的多源异构数据进行特征提取，解算表征患者主观运动意图强度与认知状态的实时意图指标，表征客观运动执行准确度与代偿发力程度的实时表现指标，基于步骤2生成的阈值判定条件，将患者当前的实时状态解耦分类为不同干预级别的协同状态；

6、步骤4、基于认知带宽约束的多模态协同与自适应映射调度；基于步骤3输出的解耦状态与实时认知负荷指标，构建表征患者信息处理极限的认知带宽约束下的协同分配机制，生成自适应变阻抗控制指令；

7、步骤5、虚实融合的底层执行系统控制；将自适应变阻抗控制指令映射为所述康复机器人末端执行器在笛卡尔空间中的期望交互力向量，基于实时采集的实际交互力与机器人运动学模型，经关节空间动力学补偿后生成各主动关节的驱动力矩，驱动所述康复机器人的机械本体在物理空间中执行与虚拟现实场景同步的自适应机械干预。

8、进一步的，步骤2中，自适应解算当前训练周期的意图强度阈值与表现合格阈值具体包括如下步骤：

9、步骤21、意图强度阈值标定：在静息态下持续时长内，采集脑电特定频段的能量序列并计算均值与标准差；结合当前额区与枕区的脑电频段能量比值计算平均基线认知负荷，计算具有疲劳折扣特性的意图强度阈值标量：

10、

11、其中，为置信度调节系数，为疲劳折扣因子，为预设的衰减系数；当患者认知负荷基线增加时，因子缩小，自动降低意图触发门槛；

12、步骤22、表现合格阈值标定：在无辅助主动尝试任务中，计算患者末端实际轨迹与参考轨迹的平均基线位置偏差以及平均基线法向代偿力，构建表现合格阈值标量：

13、

14、其中，为期望改善裕度系数，和为对应的误差惩罚系数；

15、步骤23、代偿安全阈值标定：引导患者在非任务约束方向施加最大自主等长收缩，采集最大非期望法向力幅值，设定代偿安全阈值，其中为安全系数。

16、进一步的，步骤3中，解算表征患者主观运动意图强度与认知状态的实时意图指标具体包括如下步骤：

17、步骤31、时频域信号解析：对采集的连续脑电信号执行带通滤波与独立成分分析，消除眼电与肌电伪影；同时提取所述末端力/力矩传感器在笛卡尔坐标系下的平面实际交互力序列与末端实际位置序列；

18、步骤32、基于脑负荷补偿的运动意图解算：计算感觉运动皮层特定频段的事件相关去同步特征作为基础意图指标，并融合额区与枕区的脑电频段能量比值进行认知负荷补偿，综合计算当前时刻的标量意图指标：

19、

20、其中，为当前时刻的实时任务功率，为额区波功率， 为枕区波功率，和为归一化权重系数，为积分时间窗口，为积分变量；

21、步骤33、非期望代偿力的正交分解与表现评估：设期望运动轨迹的切向方向单位向量为，将实际交互力向量 沿任务方向进行正交分解，提取法向代偿力向量：

22、

23、结合实际位置序列与参考轨迹位置序列之间的位置偏差向量，计算客观标量表现指标：

24、。

25、进一步的，步骤3中，将患者当前的实时状态解耦分类为不同干预级别的协同状态具体为：

26、当且，且通过末端位置对时间的导数求得的末端速度趋近于零时，判定为意图高表现弱的状态a；

27、当且，且步骤32中的认知负荷积分项指示高认知负荷时，判定为意图低表现差的状态b；

28、当 且法向代偿力幅值 超过代偿安全阈值时，判定为意图高表现错的状态c；

29、当 且 时，判定为正常协同状态。

30、进一步的，步骤4中，构建表征患者信息处理极限的认知带宽约束下的协同分配机制，生成自适应变阻抗控制指令具体包括如下步骤：

31、步骤41、构建认知带宽约束下的协同分配机制：

32、提取步骤32中的实时认知负荷指标 ，即额区  波与枕区  波功率之比，结合步骤21中标定的基线认知负荷 ，构建用于统筹多模态反馈强度的协同抑制系数 ，其计算方式如下：

33、

34、其中， 为预设的认知超载惩罚因子，该系数作为全局约束变量，其值域为 (0,1]，当实时认知负荷  低于或等于基线水平  时， 取最大值1，表示认知带宽充足，允许全部多模态反馈资源投入；当认知负荷超载时， 随超载程度呈指数衰减，从全局层面动态抑制视觉信息密度与听觉刺激强度，从而在系统架构层面实现第一重认知保护；

35、步骤42、应对状态a的感知泵入与空间激励映射：

36、当处于高意图-弱表现状态时，系统判定需增强中枢激活；

37、听觉通道：提取期望运动轨迹的切向速度生成基础节拍，并引入连续音色调制；听觉指令的声音包络幅值 与实时意图指标 呈正相关映射，基础频率 采用和弦频段，计算公式为：

38、

39、以此实现“意念越强，诱导音律越饱满”的听觉激励；

40、视觉通道：在ar/vr场景中构建趋向目标轨迹的视觉引导向量场 ，由目标切向牵引分量与当前位置法向纠偏分量融合生成：

41、

42、其中和为方向权重系数，在患者视野中渲染沿 排列的流动粒子流或箭头，粒子流的渲染密度与透明度由协同抑制系数与实时表现指标联合调制，表现越差，引导视觉提示越显著；

43、步骤43、应对状态b的认知降级与信息熵削减：

44、当处于低意图-差表现且认知负荷超限状态时，强制执行防超载机制；

45、将协同抑制系数强制置零；

46、视觉通道：剥离所有场景级渲染与引导粒子流，多边形剔除率与呈正比例映射，仅保留极简的基础轨迹线段；

47、听觉通道：施加全局静音，切断所有节律诱导反馈；

48、力觉通道：将期望阻抗场置零，系统降级为纯透明安全托底模式，提供认知恢复窗口；

49、步骤44、应对状态c的误差听觉化与物理定向纠偏：

50、当处于高意图-错表现的代偿状态时，执行感官重置与物理约束；

51、听觉通道：触发与代偿误差相映射的不协和音警示，提取实际交互力中的法向代偿力幅值，将其映射为听觉频率偏移量：

52、

53、其中为基准警示频率，为频偏增益，法向代偿力越大，声音频率越尖锐，形成直观的听觉负反馈；

54、视觉与力觉协同：截断视觉奖励动效，并同步激发底层力觉控制，通过引入方向投影矩阵，瞬间增大虚拟刚度矩阵中平行于方向的法向刚度分量，形成物理空间阻挡，完成“听觉警示-物理限制”的同步纠偏。

55、进一步的，步骤5中，将自适应变阻抗控制指令映射为所述康复机器人末端执行器在笛卡尔空间中的期望交互力向量，具体包括如下步骤：

56、步骤51、运动学位置建模与雅可比矩阵映射：设康复机器人具有  个主动关节，通过编码器获取的关节角度向量为，通过前向运动学模型建立关节空间到末端笛卡尔任务空间的非线性映射；对该位置映射方程对时间求导，建立关节角速度向量到末端笛卡尔速度向量的映射关系，其中为机器人实时雅可比矩阵；

57、步骤52、状态依赖的笛卡尔空间阻抗模型构建：计算控制末端执行器的期望力场向量 ：

58、

59、其中，、、分别为虚拟现实目标设定的末端参考轨迹位置、速度和加速度向量；、、分别为计算求得的实际末端位置、速度和加速度向量；为预设的常数虚拟惯性矩阵，和 分别为状态a、b、c或正常状态调控指令而动态更新的虚拟阻尼矩阵和虚拟刚度矩阵。

60、进一步的，步骤5中，经关节空间动力学补偿后生成各主动关节的驱动力矩具体为：基于实际人机交互力进行底层动力学补偿与力矩生成：结合求解的雅可比矩阵 ，将笛卡尔空间期望力与实际交互力之间的误差映射至关节空间，计算各主动关节的期望驱动力矩向量：

61、

62、其中，为实时雅可比矩阵的转置矩阵，为步骤31中实测的实际交互力向量；为机器人的科里奥利力与离心力补偿项，为重力补偿项，为电机与机械结构的粘滞及库仑摩擦力补偿项。

63、一种面向康复训练的虚实融合多模态自适应力反馈控制方法的系统，包括：多源数据采集模块，实时同步采集患者的脑电信号，以及康复机器人的末端运动学状态与人机交互力数据；

64、阈值自适应标定模块，在预评估阶段，基于统计分布模型与疲劳折扣因子，自适应解算当前训练周期的意图强度阈值、表现合格阈值及代偿安全阈值；

65、解耦判定与分类模块，对获取的数据进行双维特征提取，解算意图指标与表现指标，并结合标定的阈值判定条件，将患者当前的实时状态解耦分类；

66、多模态动态调度模块，根据所述解耦状态，触发对应的感知泵入、认知降级或物理纠偏机制，动态调整视、听、力多模态反馈通道的参数权重，并输出指令；

67、虚实融合执行模块，包括脑电兼容型视觉呈现单元与非干涉听觉投射单元，在不干涉脑电采集的前提下执行沉浸式视听渲染更新；同时在底层控制器中基于雅可比矩阵与状态依赖的阻抗控制法则，驱动所述康复机器人输出实时机械干预。

68、进一步的，康复机器人包括具有多个主动自由度的机械本体；该机械本体各主动关节处配置有提供驱动力矩的电机与获取关节角度状态的高精度编码器；其末端执行器刚性连接有六轴力/力矩传感器，用于直接采集全空间人机交互力向量并作为底层变阻抗控制的直接反馈源；该机械本体的构型包括并联连杆机构或串联多关节机械臂。

69、有益效果：与现有技术相比，本发明具有如下显著优点：（1）意图阈值的动态自适应机制：通过在阈值标定中引入认知负荷折扣因子，使意图触发门槛随患者疲劳程度的加剧而自动降低，解决了传统固定阈值在长时间训练中因大脑力竭导致患者无法触发辅助的核心问题，确保患者在训练全程均能获得按需辅助；（2）意图-表现的双维解耦评估：通过分别构建意图指标与表现指标，结合法向代偿力的正交分解提取，实现了对主观运动意图与客观执行质量的分离评估与交叉判定，能够精准区分“想动动不了”“认知疲劳”“错误代偿”等本质不同的临床场景，从根源上避免了传统方法“见意图即辅助”所导致的代偿强化风险；（3）多模态反馈的克制性动态调度：摒弃了多模态反馈无差别堆砌的传统范式，建立了感知泵入、认知降级、物理纠偏的差异化调度策略——在需要诱导时最大化多感官输入、在疲劳时主动削减认知负荷、在代偿时实施物理约束，实现了反馈资源的智能化分配，有效避免了感觉冲突与认知超载；（4）虚实融合的安全执行机制：通过构建状态依赖的变阻抗控制模型与基于力误差的动力学补偿方法，实现了虚拟现实决策与物理机器人执行的精确同步，能够在不同状态下平滑切换阻抗特性，确保机械干预的安全性、柔顺性与有效性。