張小棟， 陳江城， 尹 貴

(1.西安交通大學(xué)陜西省智能機器人重點實驗室 西安，710049) (2.西安交通大學(xué)機械工程學(xué)院 西安，710049)

1 問題的引出

隨著人民生活水平的提高和社會老齡化進程的加劇，由腦卒中、腦外傷及脊髓損傷等中樞神經(jīng)系統(tǒng)疾病造成的肢體殘障人口迅速增長[1]。醫(yī)學(xué)研究證實，及早與充分的運動訓(xùn)練對下肢偏癱患者神經(jīng)通路的重建和運動功能的恢復(fù)具有重要作用。下肢康復(fù)機器人把先進的機器人技術(shù)與康復(fù)醫(yī)學(xué)結(jié)合，由機電設(shè)備輔助患者進行運動任務(wù)訓(xùn)練，為下肢運動障礙的患者提供精準的神經(jīng)刺激，鍛煉肌肉，恢復(fù)神經(jīng)系統(tǒng)對下肢的控制，最終達到運動康復(fù)的目的[2-4]。下肢康復(fù)機器人不僅使醫(yī)療師從繁重的訓(xùn)練任務(wù)中解放出來，減小人員消耗，而且能夠記錄訓(xùn)練數(shù)據(jù)用于評估患者的狀態(tài)，便于康復(fù)規(guī)律的設(shè)計與研究，縮短康復(fù)周期。它的研制有助于緩解我國醫(yī)療資源短缺與市場需求之間的矛盾，具有巨大的社會與經(jīng)濟價值。

下肢康復(fù)機器人的訓(xùn)練模式一般分為主動訓(xùn)練模式和被動訓(xùn)練模式[5-7]，分別適用于患者的不同康復(fù)階段。隨著研究的深入，康復(fù)機器人的主動訓(xùn)練策略及選擇性助力越來越受到重視，因此對于患者運動意圖和運動能力的獲取非常重要。在醫(yī)療師輔助訓(xùn)練中，醫(yī)療師通過語言、視覺及肢體觸覺等手段獲得患者的運動意圖和運動能力信息，并依靠自身的經(jīng)驗指導(dǎo)和輔助患者完成運動任務(wù)，訓(xùn)練過程中體現(xiàn)了患者的自身運動能力和主動參與，如圖1所示。

圖1 傳統(tǒng)人工輔助的交互方式Fig.1 Traditional manual-assisted interaction

對于下肢康復(fù)機器人來說，人類語言的多樣性難以成為機器人與人之間的交互通道，機器視覺和觸覺傳感也無法獲得患者全面的信息。康復(fù)機器人交互能力的不足，特別是由于缺少有效的運動感知和運動能力測評手段，直接影響運動訓(xùn)練當中患者的主動參與程度及機器人對患者輔助方式的決策和調(diào)控，是制約康復(fù)機器人康復(fù)能力提升的瓶頸問題?；谏镫姷娜藱C接口在人體與機器人之間建立了交流和控制通道，為下肢康復(fù)機器人的人機交互接口和交互控制技術(shù)研究提供了新的思路，如圖2所示。

圖2 基于生物電的人機交互方式Fig.2 Man-machine interaction based on sEMG

筆者回顧了下肢康復(fù)機器人及其人機交互控制方法的研究現(xiàn)狀，提出了一種基于表面肌電信號的受試者運動狀態(tài)的精密感知方法，深入討論分析了下肢康復(fù)機器人的系統(tǒng)設(shè)計與人機交互控制方法，最后對下肢康復(fù)機器人的研究進行了總結(jié)與展望。

2 下肢康復(fù)機器人研究現(xiàn)狀

2.1 下肢康復(fù)機器人分類及其簡況

下肢康復(fù)機器人開始于20世紀90年代。直至本世紀初，已有多種下肢康復(fù)機器人的研究成果相繼面世。根據(jù)結(jié)構(gòu)上的不同，主要可以分為外骨骼式下肢康復(fù)機器人和腳踏板式下肢康復(fù)機器人[8]。

1999年，HOCOMA醫(yī)療器械公司和瑞士蘇黎士聯(lián)邦工業(yè)大學(xué)合作研制出名為LOKOMAT的外骨骼式下肢康復(fù)機器人[9]。經(jīng)過不斷改進，2005年又推出了最新的LOKOMAT機器人[10]，外骨骼每一側(cè)包括膝關(guān)節(jié)和髖關(guān)節(jié)2個自由度，由帶有力傳感器的線性驅(qū)動器驅(qū)動，同時外骨骼機械腿的尺寸可調(diào)，以適應(yīng)不同身材的個體，此外還包括骨盆上下運動自由度，由平行四邊形機構(gòu)實現(xiàn)。另一款典型的外骨骼式下肢康復(fù)機器人是由荷蘭Twente大學(xué)生物醫(yī)學(xué)工程實驗室開發(fā)的名為LOPES的外骨骼式步態(tài)康復(fù)機器人[11-12]。LOPES單腿在髖關(guān)節(jié)有2個自由度，在膝關(guān)節(jié)有1個自由度。

2000年，德國佛朗霍費爾自動化機器人研究中心和柏林慈善醫(yī)科大學(xué)Hesse等共同開發(fā)的腳踏板式下肢康復(fù)機器人GTI Gait Trainer[13]主要由減重系統(tǒng)和腳踏板系統(tǒng)兩部分組成。在此基礎(chǔ)上，該團隊于2003年又推出了新一代腳踏板式下肢康復(fù)機器人haptic walker[14]。

瑞士洛桑聯(lián)邦理工學(xué)院與Swortec SA公司開發(fā)了一種名為MotionMaker的坐臥式下肢康復(fù)機器人[15]。MotionMaker由傾斜度可調(diào)的躺椅和外骨骼機械腿組成，每條外骨骼包括髖、膝和踝在矢狀面上的3個自由度。此外，Swortec SA公司還開發(fā)了第2代名為WalkTrainer移動式下肢康復(fù)機器人[16]。WalkTrainer由移動架、骨盆矯形器、懸吊減重系統(tǒng)、兩只機械腿和功能性電刺激儀組成。韓國先進科學(xué)與技術(shù)研究院也研制了名為WHERE I 和 WHERE II[17]的移動式步行康復(fù)機器人。

國內(nèi)在下肢康復(fù)機器人系統(tǒng)研制方面也取得了一定的成果。哈爾濱工程大學(xué)研制的踏板式下肢康復(fù)機器人系統(tǒng)[18]，包括步態(tài)發(fā)生機構(gòu)、腳踏板姿態(tài)控制機構(gòu)、框架和光桿導(dǎo)軌等部分。上海大學(xué)的錢晉武等開發(fā)的步態(tài)康復(fù)機器人，包括懸吊減重系統(tǒng)、外骨骼助行機械腿和跑步機，組成上與LOKOMAT類似。浙江大學(xué)機械電子控制工程研究所研制出了一種下肢外骨骼康復(fù)機器人[19]，該機器人由跑步機、懸吊減重系統(tǒng)以及兩條外骨骼機械腿組成，每條腿在髖關(guān)節(jié)和膝關(guān)節(jié)處各有1個屈伸自由度，采用直線驅(qū)動。西安交通大學(xué)智能機器人實驗室研制了一種下肢外骨骼式康復(fù)機器人，并以此為平臺，開展了基于生物電信號的康復(fù)機器人技術(shù)的研究。

目前，下肢康復(fù)訓(xùn)練復(fù)機器人仍然處于不斷發(fā)展中，少數(shù)發(fā)達國家已投入臨床應(yīng)用，而我國的智能康復(fù)機器人基本還在實驗室階段。下肢康復(fù)機器人作為世界公認的具有較好訓(xùn)練效果的康復(fù)設(shè)備，大多醫(yī)療機構(gòu)都有購買需求，但我國目前還是依賴進口，價格昂貴。因此，加快我國自主研發(fā)這種設(shè)備，掌握關(guān)鍵技術(shù)十分迫切。

2.2 下肢康復(fù)機器人交互控制技術(shù)研究現(xiàn)狀

下肢康復(fù)機器人是典型的人機互動系統(tǒng)，其交互過程復(fù)雜，存在感知層、決策層和執(zhí)行層多個層次的交互。因此，交互控制技術(shù)一直是下肢康復(fù)機器人的關(guān)鍵技術(shù)，也是直接影響康復(fù)機器人走向應(yīng)用的難點。在早期的康復(fù)機器人中，一般采用的都是軌跡跟蹤控制，無法體現(xiàn)患者主動運動的意圖，這種控制策略適合早期被動的康復(fù)訓(xùn)練。為了實現(xiàn)患者主動協(xié)同，不斷有新的控制策略被提出。目前，用于下肢康復(fù)機器人主動訓(xùn)練的控制方法主要有力/位混合控制。阻抗控制和基于生物電信號的控制等，其中前兩者通過力/位檢測感知患者的意圖，可統(tǒng)稱為基于力的交互控制方法。此外，為提高人機互動和康復(fù)效果，虛擬現(xiàn)實技術(shù)[20]和功能型電刺激技術(shù)[16]等逐漸被集成到康復(fù)機器人當中。

Bernhardt等[21]利用力/位混合控制在LOKOMAT平臺上實現(xiàn)了人機協(xié)同的步態(tài)行走訓(xùn)練，提出該方法的目的是讓患者實現(xiàn)自主導(dǎo)航訓(xùn)練，使患者在訓(xùn)練過程中產(chǎn)生主動力。

阻抗控制是目前康復(fù)機器人實現(xiàn)各種康復(fù)訓(xùn)練模式的普遍控制方法。阻抗控制方法強調(diào)康復(fù)機器人的主動柔順，能夠動態(tài)的調(diào)整機器人運動軌跡和人機作用力之間的關(guān)系，為患者創(chuàng)造一個安全、舒適的交互環(huán)境，避免患肢二次損傷。因此，阻抗控制被認為是目前最適合康復(fù)機器人控制的方法。將阻抗控制應(yīng)用于康復(fù)訓(xùn)練外骨骼時，其主要思想是允許機器人在預(yù)定軌跡上下有一定量的偏離，而不是一個剛性的步態(tài)模式，偏離量的大小由患者的運動強度或人機交互力的大小決定。阻抗控制的實質(zhì)就是將人機作用力轉(zhuǎn)化為位置和速度的修正，阻抗方程描述了機器人運動軌跡偏差與人機作用力的關(guān)系，而人機作用力的大小直接反應(yīng)了人的主動運動意圖，因此阻抗控制一定程度上考慮了患者的主動參與。瑞士的LOKOMAT康復(fù)機器人和荷蘭的LOPES都采取了阻抗控制策略。研究表明，根據(jù)患者的康復(fù)程度進行變阻抗控制能夠獲得更好的康復(fù)效果，因此如何獲取患者的運動能力以及變阻抗策略是目前阻抗控制的重要研究方向。

基于生物電的下肢康復(fù)機器人交互控制是目前的研究熱點，通過生物電信號獲取患者的運動意圖，將意圖信息用于運動決策，以提高患者的主動參與程度。現(xiàn)有的下肢康復(fù)機器人大多采用人機作用力信息來獲取患者的運動意圖，然后設(shè)計相應(yīng)的交互控制策略，但由于力信號的滯后性以及康復(fù)過程期間人機力交互機理的研究缺乏，基于力交互的方法目前只能一定程度上解決人機之間的安全柔順性問題。相比之下，基于生物電的交互凸顯了其特有的優(yōu)勢，而且前期大量關(guān)于生物電人機接口技術(shù)的研究也為其在下肢康復(fù)機器人領(lǐng)域奠定了基礎(chǔ)，是目前的發(fā)展趨勢。目前，能夠用于下肢康復(fù)機器人中的生物電信號主要有兩種：表面肌電信號(surface electromyography，簡稱sEMG)和腦電信號(electroencephalogram, 簡稱EEG)[22]，兩種均為非侵入式測量，可操作性強。表面肌電信號對人體運動信息的分辨率更高，也相對更加穩(wěn)定。美國麻省理工大學(xué)的MIT-MANUS康復(fù)機器人通過收集特定肌肉上的EMG信號并進行處理，當被處理的信號超過一定閾值時觸發(fā)輔助，作為給患者的獎勵[23]，相同的肌電生物反饋方法也被用于上肢的康復(fù)訓(xùn)練[24-25]。日本HAL外骨骼機器人中，將表面肌電信號強度與關(guān)節(jié)力矩大小用一階線性模型進行回歸，通過表面肌電信號提取穿戴者運動意圖和估計關(guān)節(jié)力矩，實現(xiàn)了助行外骨骼機器人的控制[26-27]。德國工業(yè)大學(xué)Fleischer等[28-29]通過研究EMG 信號與運動關(guān)節(jié)之間聯(lián)系，用于控制外骨骼。2014年6月，我國天津大學(xué)和天津市人民醫(yī)院發(fā)布了雙方共同研制的人工神經(jīng)康復(fù)機器人系統(tǒng)“神工一號”，其中關(guān)鍵技術(shù)之一是利用神經(jīng)肌肉電刺激，模擬神經(jīng)沖動的電刺激引起肌肉產(chǎn)生主動收縮，帶動骨骼和關(guān)節(jié)產(chǎn)生自主動作，與人體自主運動原理一致。另外，表面肌電信號反映肌肉活動的疲勞程度、肌力水平、肌肉激活模式、運動單位興奮傳導(dǎo)速度及多肌群協(xié)調(diào)性等肌肉活動變化規(guī)律。通過正常表面肌電信號與腦卒中癱瘓病人的表面肌電信號分析比較，完成對下肢訓(xùn)練的康復(fù)評定，從而制定科學(xué)的康復(fù)治療方案，達到合理治療和訓(xùn)練的目的。

3 基于表面肌電信號的受試者運動狀態(tài)精細感知方法

從研究現(xiàn)狀分析可知，高性能的人機交互技術(shù)是目前下肢康復(fù)機器人的研究重點。為提高康復(fù)效率，應(yīng)強調(diào)訓(xùn)練過程中患者的自主引導(dǎo)和機器人的選擇性運動輔助，因此，人機交互接口需要解決人體運動狀態(tài)的精細感知，主要包括兩個關(guān)鍵問題：a. 人體運動意圖的實時準確可靠提取，這是實現(xiàn)患者自主引導(dǎo)訓(xùn)練的前提；b. 患者實際運動能力的定量評定，這是進行按需輔助決策的保證。表面肌電信號蘊含著以上兩方面的信息，下面給出通過表面肌電信號解碼所需信息的方法。

3.1 sEMG的采集與特征提取

表面肌電信號是肌肉在神經(jīng)控制下活動時先于運動形成的生物電信號，幅值在0.01～10 mV之間，能量集中于0～500 Hz之間，其變化與肌肉活動水平和功能狀態(tài)有關(guān)，蘊含人體運動意圖信息。在神經(jīng)系統(tǒng)損傷導(dǎo)致的下肢肢體殘障人員中，有許多屬于偏癱患者，即有一側(cè)肢體運動功能完好，通過電極能夠記錄健全的表面肌電信號，而且隨著運動能力的復(fù)蘇，殘障側(cè)肢體的肌電活動也會重新形成。人體表面肌電信號微弱且易受干擾，測量難度較大，但隨著傳感技術(shù)的發(fā)展，已有許多表面肌電采集系統(tǒng)應(yīng)用于臨床與康復(fù)領(lǐng)域。表面肌電信號采集系統(tǒng)主要由電極、放大器、屏蔽線、采集卡和信號處理與顯示裝置等組成，如圖3所示。關(guān)于表面肌電信號采集具體流程可以參考文獻[30]的標準執(zhí)行。

圖3 表面肌電信號采集系統(tǒng)Fig.3 Surface EMG signal acquisition system

對于表面肌電信號的特征提取主要包括時域法、頻域法、時頻域分析法以及非線性動力學(xué)方法。其中，時域方法將表面肌電信號看成時間的函數(shù)，不需要任何轉(zhuǎn)換而直接從時間序列中獲得信號特征，具有較好的實時性，因此被廣泛使用。這里給出表面肌電信號強度特征提取方法，如圖4所示。首先，對于原始表面肌電信號會存在很多噪聲和干擾，其主要包括采集設(shè)備固有噪聲、周圍噪聲干擾、50 Hz工頻干擾以及移動偽跡噪聲等，信噪比低，需要對其進行濾波和偽跡消除。根據(jù)表面肌電信號有用頻率范圍為20～500 Hz，采用零滯后的四階巴特沃斯濾波器對其進行濾波，通過工頻陷波方法消除50 Hz工頻干擾。在噪聲消除基礎(chǔ)上，通過全波整流與低通濾波，可獲得表面肌電信號的強度特征序列。

圖4 表面肌電信號強度特征提取方法Fig.4 Feature extraction method for surface EMG signal

3.2 基于sEMG的受試者步態(tài)事件識別

下肢康復(fù)機器人控制算法的設(shè)計一般都是基于人機動力學(xué)模型進行的，步態(tài)訓(xùn)練中，受訓(xùn)者與機器人共同完成步態(tài)運動，一個步態(tài)周期包括了擺動和支撐兩個階段，約分別占步態(tài)周期的60%和40%，如圖5所示，而在兩個不同的階段具有不同的約束和自由度，即描述其運動的動力學(xué)模型形式也不同，需要設(shè)計不同的控制規(guī)律。因此，支撐與擺動事件的準確識別是實現(xiàn)控制策略切換和步態(tài)安全穩(wěn)定過渡的重要保障。

圖5 人體步態(tài)周期劃分Fig.5 Human gait cycle and its division

研究發(fā)現(xiàn)，骨骼肌的活動階段與步態(tài)周期之間存在確定的關(guān)系，而骨骼肌活動及其變化信息最終反映在肌電信號的強度變化中，可以通過表面肌電信號的幅值和幅值變化描述。因此，通過提取表面肌電信號的活動強度(幅值)及變化的特征信息，建立其與步態(tài)階段之間的關(guān)系，采用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)，如圖6所示，可實現(xiàn)基于表面肌電信號的擺動、支撐階段實時識別，詳細方法見文獻[31]。

圖6 基于表面肌電信號的步態(tài)事件識別Fig.6 Surface EMG based gait recognition

3.3 基于sEMG的受試者下肢關(guān)節(jié)角度連續(xù)解碼

患者運動意圖的識別是實現(xiàn)康復(fù)機器人主動訓(xùn)練的重要前提。近年來，國內(nèi)外已有不少關(guān)于利用表面肌電信號進行肢體運動信息解碼的研究，包括運動狀態(tài)辨識和運動量連續(xù)解碼[32]。在下肢康復(fù)機器人中，患者的運動意圖和目標可以通過關(guān)節(jié)角度的連續(xù)變化進行描述，因此只要利用表面肌電信號對關(guān)節(jié)連續(xù)運動角度進行解碼，便能獲得患者期望的運動軌跡。

單一通道的表面肌電信號反映特定肌肉的工作過程，而人體下肢運動是多個肌群協(xié)同工作的結(jié)果。然而，多路表面肌電信號之間存在信息冗余，且數(shù)據(jù)維數(shù)過高增加了后期識別過程中數(shù)據(jù)處理的復(fù)雜度，同時影響關(guān)節(jié)角度的識別精度。因此，如何從復(fù)雜的、多通道的表面肌電信號中提取連續(xù)的、魯棒的和無冗余信息的信號特征是問題關(guān)鍵。常用的維數(shù)約簡方法，如主成分分析、線性判別分析、基于核運算的方法以及一些流形學(xué)習方法，都是在滿足一定的幾何約束下實現(xiàn)的，無法自適應(yīng)高維數(shù)據(jù)內(nèi)部特征。為此，筆者提出了一種基于深度置信網(wǎng)絡(luò)的多路表面肌電信號維數(shù)約簡方法，自適應(yīng)的學(xué)習出多路表面肌電信號的最優(yōu)特征，同時通過BP網(wǎng)絡(luò)建立表面肌電信號特征與下肢關(guān)節(jié)角度之間的回歸模型，有效提高了關(guān)節(jié)角度的解碼精度，如圖7所示[33-34]。

圖7 基于sEMG的受試者下肢關(guān)節(jié)角度連續(xù)解碼Fig.7 Surface EMG based continuous estimation of human lower limb joint angles

3.4 基于sEMG的受試者下肢關(guān)節(jié)力矩估計

下肢康復(fù)機器人的按需輔助對患者的運動康復(fù)具有重要意義，而按需輔助的前提是要對患者的運動能力進行實時評估。骨骼肌是人體運動的主要動力源，在神經(jīng)系統(tǒng)調(diào)控下收縮，牽引骨骼和關(guān)節(jié)運動，因此通過運動中骨骼肌收縮力檢測可以感知人體的運動能力。目前，直接測量體內(nèi)肌肉力大小是不現(xiàn)實的，通過表面肌電感知肌力和關(guān)節(jié)力矩是一種可行的方法[35]。

研究表明，產(chǎn)生相同的肌肉力在不同的運動任務(wù)下肌電活動模式是不一樣的，而且不是簡單的線性關(guān)系，若要保證預(yù)測模型的精度及在任意運動下都有效，所建立的模型必須能反映運動系統(tǒng)的解剖結(jié)構(gòu)和生理特點。目前，對骨骼肌的生物力學(xué)特性進行深入研究，主要是基于Hill提出的三元素模型，模型中一些肌纖維的力學(xué)特性是通過離體實驗測量得到的，沒有考慮肌肉收縮的微觀特性，不能描述活體肌肉完整生物力學(xué)過程。

筆者從骨骼肌的微觀力學(xué)機制入手，構(gòu)建人體下肢肌骨系統(tǒng)正向生物力學(xué)模型，實現(xiàn)了人體下肢關(guān)節(jié)力矩的表面肌電信號動態(tài)解碼，為下肢康復(fù)機器人的患者主動運動能力定量評定、實現(xiàn)患者按需輔助控制奠定基礎(chǔ)。如圖8所示，基本過程為：首先，根據(jù)骨骼肌激活過程，基于分子馬達理論，建立骨骼肌收縮微觀生物力學(xué)模型；其次，基于骨骼肌激活過程和骨骼肌微觀力學(xué)特性，分別建立骨骼肌收縮的生物電調(diào)控(激勵)模型和骨骼肌宏觀力學(xué)模型，在此基礎(chǔ)上，建立肌肉力到關(guān)節(jié)力矩的轉(zhuǎn)換模型，進而建立神經(jīng)(sEMG)-肌肉-骨骼運動的正向生物力學(xué)模型；最后，進行模型標定，詳見文獻[36-38]。

圖8 基于sEMG的受試者下肢關(guān)節(jié)力矩估計Fig.8 Surface EMG based joint torque estimation of human lower limb

4 下肢康復(fù)機器人的人機交互控制方法

下肢康復(fù)機器人的人機交互控制策略應(yīng)與運動再學(xué)習理論結(jié)合，患者在恢復(fù)早期，無法產(chǎn)生主動運動，需要在下肢康復(fù)機器人的帶動下進行預(yù)定步態(tài)軌跡的被動訓(xùn)練，在中后期訓(xùn)練中，應(yīng)充分發(fā)揮患者的主動積極性以及機器人對患者的按需輔助。基于力交互的患者主動訓(xùn)練能使機器人對患者的運動產(chǎn)生順從，在一定程度上體現(xiàn)患者的主動意圖，但是實際上既定的運動軌跡很難與患者的主動意圖保持同步，更重要的是一旦過度順從，還會造成運動失敗甚至傷害。此外，基于阻抗的控制雖然具有柔順作用，但由于人機交互過程的復(fù)雜性，患者的阻抗特性時刻發(fā)生變化，無法對力進行準確控制，因此不能根據(jù)患者的實際需求給予輔助。本節(jié)在表面肌電感知方法研究的基礎(chǔ)上，針對下肢一側(cè)癱瘓的患者，給出下肢康復(fù)機器人人機交互控制方法。

4.1 下肢康復(fù)機器人的系統(tǒng)設(shè)計

下肢康復(fù)機器人是一個典型的生、機、電集成系統(tǒng)，根據(jù)研究需要，設(shè)計開發(fā)了一種下肢康復(fù)機器人系統(tǒng)，如圖9所示。系統(tǒng)包括外骨骼機械本體、懸吊減重系統(tǒng)、跑步機、控制卡、交流伺服驅(qū)動系統(tǒng)、表面肌電采集系統(tǒng)、力矩傳感器、角度傳感器和計算機等。外骨骼機械本體以可穿戴和人機運動相容性為原則，進行結(jié)構(gòu)和功能的仿生設(shè)計。外骨骼機械本體由骨盆支撐板和兩條外骨骼機械腿組成[39]，每側(cè)髖關(guān)節(jié)包含2個自由度，其中屈/伸為主動自由度，內(nèi)收/外展為被動自由度，膝關(guān)節(jié)1個主動自由度，實現(xiàn)膝關(guān)節(jié)屈/伸運動。對于主動自由度，由伺服電動機驅(qū)動滾珠絲桿旋轉(zhuǎn)，從而迫使?jié)L珠絲桿螺母沿絲桿往復(fù)直線運動，經(jīng)由曲柄滑塊機構(gòu)以實現(xiàn)螺母的直線運動轉(zhuǎn)換成關(guān)節(jié)的旋轉(zhuǎn)運動。髖關(guān)節(jié)的外展/內(nèi)收為被動自由度，為了平衡外骨骼機械腿自身向內(nèi)(內(nèi)收方向)的旋轉(zhuǎn)力矩，使用彈簧壓縮缸支撐，彈簧壓縮缸中彈簧長度可調(diào)，以調(diào)整彈簧支撐力的大小。髖關(guān)節(jié)的內(nèi)收/外展自由度使得身體重心的左右移動，即骨盆的左右移動得以實現(xiàn)。在身材兼容性設(shè)計方面，為了滿足不同身高患者使用，外骨骼機械腿的大腿桿、小腿桿長度可無級調(diào)節(jié)。

圖9 下肢康復(fù)機器人系統(tǒng)Fig.9 Robotic system of lower limb rehabilitation

下肢康復(fù)機器人控制系統(tǒng)總體架構(gòu)如圖10所示?？刂葡到y(tǒng)采用上下兩級控制架構(gòu)，上位機接收各種傳感器數(shù)據(jù)，包括人體表面肌電信號、下肢康復(fù)機器人的關(guān)節(jié)角度信號和扭矩信號，并完成患者運動意圖和運動能力的感知計算以及各關(guān)節(jié)電機的位置、速度或力矩指令值的計算。多軸運動控制卡接收上位機發(fā)出的控制指令，并對其進行解釋，以要求的位置、速度和力控制伺服電機運動，上位機與多軸運動控制卡之間通過PCI總線進行通訊。

圖10 下肢康復(fù)機器人控制系統(tǒng)架構(gòu)Fig.10 Control system architecture of lower limb rehabilitation robot

4.2 基于sEMG的人機交互控制

基于表面肌電的人機交互控制方法如圖11所示。其基本思想是：利用表面肌電信號蘊含肌肉的活動狀態(tài)和患者康復(fù)程度的信息，以及先于力和運動產(chǎn)生的特點，一方面通過健康肢體表面肌電信號對患者運動意圖進行預(yù)測，實時生成符合患者意愿的關(guān)節(jié)角度運動軌跡θd，保證機器人運動與患者運動意圖同步，即同步主動；另一方面，通過患肢表面肌電信號估計由患者自身肌肉收縮產(chǎn)生的主動關(guān)節(jié)力矩TH，對患者運動能力進行評估，然后通過人機系統(tǒng)逆動力學(xué)實時推導(dǎo)對機器人輸出力矩進行跟蹤控制目標，達到輔助力的自適應(yīng)。此外，由于支撐階段時系統(tǒng)受到跑步機的作用力難以準確獲得，利用逆動力學(xué)推導(dǎo)機器人應(yīng)提供的關(guān)節(jié)力矩TR不準確，因此在支撐階段采用位置控制方法。

基于表面肌電的人機交互控制策略主要特點是：a.實時的人機交互在減重步態(tài)訓(xùn)練過程中，整個控制系統(tǒng)的輸入為患者實時的目標運動軌跡，而非既定軌跡，因此理想情況下只要按照輸入的期望軌跡運動，患者就會感覺自然舒適，不需要在機器人的控制中進行主動柔順或軌跡自適應(yīng)調(diào)整；b.在輔助力控制中對患者的自身運動能力進行評估，然后以人機系統(tǒng)達到目標運動對機器人驅(qū)動力進行控制，即人機之間進行任務(wù)分配，以充分考慮患者的運動能力；c.通過步態(tài)快速檢測實現(xiàn)力控制和位置控制模式的切換，在控制算法性能良好的情況下，能夠保證關(guān)節(jié)運動角度的連續(xù)平滑；d.該方法主要是針對下肢單側(cè)癱瘓患者提出的，即根據(jù)運動對稱的原則，運動目標的檢測采用健康側(cè)肢體的表面肌電信號，保證在力矩控制下也不會出現(xiàn)不正常的步態(tài)模式，關(guān)節(jié)力矩的預(yù)測采用患肢的表面肌電信號。

圖11 基于表面肌電的人機交互控制Fig.11 Surface EMG based interactive control

5 結(jié)論與展望

目前，對于下肢運動障礙患者的康復(fù)訓(xùn)練多以簡易的、被動式的康復(fù)設(shè)備為主。基于表面肌電信號感知的人機交互技術(shù)用于下肢康復(fù)機器人是一種潮流，通過表面肌電信號的解析，不僅能夠?qū)崿F(xiàn)患者意圖驅(qū)動的運動模式，而且能夠根據(jù)患者的運動能力動態(tài)調(diào)整輔助力度，實現(xiàn)按需輔助訓(xùn)練。筆者深入研究了基于表面肌電信號的人體步態(tài)事件、關(guān)節(jié)角度以及關(guān)節(jié)力矩信息的解碼方法，取得的主要研究成果和結(jié)論如下。

1) 提出了表面肌電快速識別人體步態(tài)事件的方法，通過自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)實現(xiàn)支撐和擺動兩個步態(tài)階段的快速識別。實驗結(jié)果表明，該方法的的識別正確率達95.3%，而且對于步態(tài)之間的表面肌電信號差異具有較強的魯棒性。

2) 在關(guān)節(jié)角度解碼方面，提出了表面肌電連續(xù)解碼人體下肢關(guān)節(jié)運動角度的方法，通過受限玻爾茲曼機的深度網(wǎng)絡(luò)對多路表面肌電信號進行非線性降維，利用BP 神經(jīng)網(wǎng)絡(luò)建立了最優(yōu)表面肌電信號特征與下肢矢狀面關(guān)節(jié)角度的非線性回歸模型，實現(xiàn)了髖關(guān)節(jié)和膝關(guān)節(jié)矢狀面角度的連續(xù)估計。多名健康對象的實驗結(jié)果表明：所提方法提取的信號特征信息優(yōu)于傳統(tǒng)的主成分分析方法，能夠大大提高表面肌電信號解碼關(guān)節(jié)角度精度。

3) 在關(guān)節(jié)力矩定量解碼預(yù)測方面，提出了表面肌電定量預(yù)測人體下肢主動關(guān)節(jié)力矩的方法。建立了從表面肌電信號到肌肉收縮力，再到關(guān)節(jié)力矩的肌骨系統(tǒng)全過程生物力學(xué)模型，最終實現(xiàn)了動態(tài)關(guān)節(jié)力矩的定量預(yù)測。

以此為基礎(chǔ)，兼顧康復(fù)訓(xùn)練的患者主動及機器人按需輔助要求，深入討論了下肢康復(fù)機器人的系統(tǒng)設(shè)計及其基于表面肌電感知的人機交互控制方法。然而，該方向仍有許多問題還需要進一步探索與研究，主要包括以下方面。

1) 在下肢康復(fù)機器人表面肌電感知方面，表面肌電信號存在較大的隨機性和個體差異性，運動意圖和運動能力提取的準確性仍然是挑戰(zhàn)。目前多以正常人為對象，對于肌肉疲勞和不同肌電異常等因素對解碼模型的影響需要進一步探索，并尋找模型補償與修正的方法。例如，解碼模型均需要進行訓(xùn)練或標定，后期可以考慮利用患者數(shù)據(jù)進行模型訓(xùn)練和標定，同時也可以研究異常肌肉定位方法，以確定有效的表面肌電信號采集通道用于運動感知等。

2) 進一步提高系統(tǒng)的響應(yīng)速度。必須意識到，在實際存在直接物理接觸的人機交互過程中，運動滯后會使人機交互環(huán)境發(fā)生變化，患者的運動意圖和運動狀態(tài)也會隨著交互狀態(tài)發(fā)生改變，若測控系統(tǒng)延遲，難以給予患者理想的運動刺激。

3) 為進一步提高下肢康復(fù)機器人的人機交互性能，基于表面肌電信號的人機交互方式可與其他交互方式結(jié)合，比如通過虛擬現(xiàn)實技術(shù)為患者提供視覺反饋等。