崔 翔,劉 昊,吳慶勛,廖平平,張利劍

(北京機械設(shè)備研究所,北京100854)

1 引言

載人登月任務(wù)越來越關(guān)注科學和經(jīng)濟價值,作業(yè)活動逐漸豐富,例如地質(zhì)探測、科學實驗、資源樣本采集等任務(wù)中,航天員需要完成大量的行走、蹲起、搬運以及負重等動作[1]。隨著航天員出艙活動越發(fā)頻繁,出艙時間也越來越長,提高其艙外作業(yè)能力是載人航天的關(guān)鍵技術(shù)之一。

航天員穿戴航天服完成艙外作業(yè),航天服具備人體重要關(guān)節(jié)的被動自由度,但服內(nèi)大氣壓造成自由度運動困難,航天員關(guān)節(jié)運動阻力較大,且受航天服整體質(zhì)心外移影響,航天員空間動作執(zhí)行很不輕松[2-3]。例如,受阿波羅航天服影響,人服系統(tǒng)單關(guān)節(jié)的施力能力平均下降可達20%,而人體力量下降可達50%。因此,通過航天服關(guān)節(jié)助力系統(tǒng)提升航天員作業(yè)能力具有很強的背景需求。

外骨骼機器人是典型的穿戴式人體助力系統(tǒng),例如美國加州大學的單兵外骨骼HULC[4],雷神公司的XOS[5]。中國多家科研單位如北航、哈工大、電子科大等也研制了多種用途的助力外骨骼系統(tǒng)[6]。在空間領(lǐng)域應用中,外骨骼類助力系統(tǒng)能夠提升航天員空間作業(yè)能力[7-8]。NASA聯(lián)合佛羅里達州人機認知機器研究機構(gòu),基于機器人航天員Robonaut-2的相關(guān)技術(shù)開發(fā)了X1外骨骼機器人,但其不具備關(guān)節(jié)主動助力的能力[8]。目前,中國電子科大、哈工大及北京機械設(shè)備研究所等研究單位開始在航天員助力系統(tǒng)方面開展研究[9]。

由于存在厚重的航天服,航天員與助力系統(tǒng)之間存在大阻尼環(huán)節(jié),造成助力系統(tǒng)與航天員存在物理隔離,接觸力傳遞的靈敏度下降,導致航天員的運動意圖難以通過接觸力、加速度等位置或力傳感器直接獲得。人體關(guān)節(jié)運動都是由中樞神經(jīng)系統(tǒng)控制肌肉發(fā)力實現(xiàn)的,肌電信號(electromyogram,EMG)是人體運動的觸發(fā)信號。由于EMG能夠先于人體運動反映運動意圖,因此基于EMG的辨識方法可實現(xiàn)對著航天服航天員運動意圖的實時辨識,但獲取方法更難、算法更復雜。

目前,對EMG信號的研究多集中在運動評估、發(fā)力時機預測等方面,用于運動意圖控制[10-13],對基于EMG的量化肌力辨識研究很少,主要原因在于EMG信號屬于微弱電信號,導致有效信號干擾源特別多。此外,EMG反饋肌力特征涉及多種復雜的生理學模型,由EMG得到準確的肌肉力信息較為困難。針對肌力識別問題需要借鑒神經(jīng)-肌肉動力學過程[14]建立肌力特征模型,然后結(jié)合關(guān)節(jié)運動學模型實現(xiàn)由肌力到關(guān)節(jié)力矩的映射,從而實現(xiàn)基于EMG反饋的關(guān)節(jié)助力控制。

本文針對艙外航天員助力系統(tǒng)的人機協(xié)同控制問題,提出基于EMG分析實現(xiàn)對關(guān)節(jié)發(fā)力的量化識別,實時獲取航天員發(fā)力意圖與大小,進而精準滿足對航天員的實時助力需求,實現(xiàn)助力系統(tǒng)與航天員之間的高效協(xié)同。

2 關(guān)節(jié)助力系統(tǒng)

由于航天服屬于高價值裝備,因此設(shè)計模擬航天服肘關(guān)節(jié)機構(gòu)(模擬機構(gòu))模擬真實航天服肘關(guān)節(jié),然后在其基礎(chǔ)上研制基于肌肉活躍度反饋的助力系統(tǒng)樣機?；趯教旆P(guān)節(jié)特性的公開數(shù)據(jù),研制了轉(zhuǎn)動關(guān)節(jié)式阻尼模擬器,利用橡膠材料摩擦及壓力變化來模擬航天服關(guān)節(jié)阻尼,將該阻尼模擬器沿軸線安裝于助力機構(gòu)的肘關(guān)節(jié),并根據(jù)航天服大臂、小臂連桿的質(zhì)量特性設(shè)計助力機構(gòu)的連桿,完成模擬機構(gòu)設(shè)計。

模擬航天服的關(guān)節(jié)助力系統(tǒng)由博登拉線助力機構(gòu)、EMG信號處理與分析子系統(tǒng)、測試與控制子系統(tǒng)等組成,如圖1所示。

圖1 關(guān)節(jié)助力系統(tǒng)的組成Fig.1 The architecture of joint assistive system

1)博登拉線助力機構(gòu)。柔索驅(qū)動組件安裝于固定基座,通過博登線鞘向助力機構(gòu)肘部傳力,助力機構(gòu)通過綁縛結(jié)構(gòu)與人體上肢固聯(lián)。

2)EMG信號處理與分析子系統(tǒng)。采集與預處理目標肌肉EMG,而后根據(jù)建立的肌肉神經(jīng)活躍度模型、肌力特征模型分析關(guān)節(jié)發(fā)力意圖。

3)測試與控制子系統(tǒng)。該系統(tǒng)包括基于EMG肌力反饋的控制、航天服阻尼補償以及負載補償控制。核心控制器實現(xiàn)該關(guān)節(jié)助力控制算法,上位機提供檢測與控制面板,實現(xiàn)對電機的驅(qū)動控制,如圖2所示。

圖2 航天服關(guān)節(jié)助力系統(tǒng)傳感與控制流程Fig.2 Sensing and control flow chart of spacesuit joint assistive system

3 動力學建模

從肌肉接收中樞神經(jīng)信號到關(guān)節(jié)運動的分析與建?？煞譃?個階段：EMG活躍度分析、肌肉發(fā)力分析與關(guān)節(jié)運動建模?；谌梭w生理學方面的研究,通過標定實驗辨識模型的未知系數(shù)得到合理的EMG動力學分析模型,然后將動力學模型作為控制器設(shè)計的基礎(chǔ)。圖3為一種神經(jīng)-肌肉-骨骼關(guān)節(jié)動力學建模流程圖。

圖3 神經(jīng)-肌肉-骨骼關(guān)節(jié)動力學建模與優(yōu)化Fig.3 The modeling and optimization of neuromusculoskeletal dynamics

圖3中,原始EMG信號經(jīng)過處理得到能夠反映運動意圖的EMG信號x(t),經(jīng)神經(jīng)活躍度動力學和肌肉活躍度動力學計算依次得到神經(jīng)活躍度u(t)和肌肉活躍度a(t),而后得到肌力特征值F(t)。然后,基于骨肌關(guān)節(jié)運動學模型計算肌肉產(chǎn)生的關(guān)節(jié)力矩T(t)。 由于上述模型參量為人的生理學參數(shù),很難實測,采用最小二乘法標定,即應用力矩傳感器測量關(guān)節(jié)力矩T′(t),對比T(t),得到生理學模型參數(shù)的數(shù)值解。

3.1 神經(jīng)-肌肉活躍度動力學建模

原始EMG信號混雜多種噪聲(直流偏置、放大器誤差及電極運動帶來的低頻干擾),采用高通濾波濾除,截止頻率范圍一般為5～30 Hz。之后,對信號進行全波整流。由于肌肉發(fā)力特征基本只與5～100 Hz頻率范圍內(nèi)的信號相關(guān),因此再通過截止頻率為100 Hz的低通濾波器,最后進行歸一化得到較為純凈的EMG信號。

首先,神經(jīng)動力學模型定義為動作電位產(chǎn)生的神經(jīng)抽搐,該過程可表示為2階微分方程。一般可應用滑動標準差來評價神經(jīng)活躍度大小,設(shè)采集N個EMG信號值,xi為第i個肌電值,求解EMG積分肌電均值積分,以及神經(jīng)活躍度u(t),如式(1)所示。

由于個體差異的存在,記錄每位被試者上肢肌群自然狀態(tài)下的靜息EMG信號x0,作為肌肉靜息狀態(tài)下的神經(jīng)活躍度值u0。

肌肉活躍度為神經(jīng)電刺激下肌肉的反應大小。由神經(jīng)活躍度得到肌肉活躍度的非線性關(guān)系為式(2)。

式中,A表示非線性程度,當A=0時,神經(jīng)活躍度和肌肉活躍度為線性關(guān)系。A越小,a在u激增時不會變得過大,保證肌力特征值平滑。

3.2 肌肉發(fā)力動力學建模

人體肌肉-肌腱一般用HILL模型處理[14],肌肉發(fā)力等效為肌肉活躍度為變量的彈簧-阻尼模型,受肌肉長度、收縮速度與肌肉活躍度影響。測試肌肉得到最大發(fā)力Fmax、肌肉最大形變長度和最大速度,然后對長度和速度歸一化為l和,可根據(jù)式(3)得到肌肉發(fā)力大小。

對于航天員作業(yè),其關(guān)節(jié)運動速度很慢,因此忽略肌肉長度變化速度對肌肉力量的影響。肌肉發(fā)力為肌肉纖維的主動發(fā)力與肌肉-肌腱彈性力2部分的合力,分別為Fa和Fp,對該2種力分別建?？傻檬?4)。

由式(4)可知,當肌肉長度一定,肌肉活躍度與肌肉力量呈線性關(guān)系,截距即為肌肉彈性力,斜率為與肌肉纖維主動發(fā)力相關(guān)的系數(shù)。

3.3 關(guān)節(jié)運動學模型

關(guān)節(jié)運動過程中,肘關(guān)節(jié)角q變化引起肌肉-肌腱單元長度變化,由虛功原理計算所有相關(guān)肌肉-肌腱在關(guān)節(jié)處產(chǎn)生的力矩T,即對肘關(guān)節(jié)來說,肱二頭肌和肱三頭肌產(chǎn)生的關(guān)節(jié)力矩如式(5)所示。

肌肉力及其對關(guān)節(jié)的力臂是關(guān)節(jié)角度的函數(shù)。同時,肌力力臂為肌肉長度關(guān)于關(guān)節(jié)角度的微分,如式(6)所示。

對于力臂r1和r2,實際中很難測量,可采用數(shù)據(jù)擬合的方法逼近最優(yōu)值,對不同被試者進行標定。設(shè)關(guān)節(jié)力矩測試值T′,則采用優(yōu)化算法,如式(7)所示。

綜合上述分析,由EMG信號x反饋得肘關(guān)節(jié)力矩T的過程,可得到式(8)所示的建模方法。

式中,參數(shù)A的取值范圍為-3＜A＜0,k和m為不同肌肉的發(fā)力方程可調(diào)參數(shù),r1和r2可通過標定實驗進行優(yōu)化選擇。

4 控制系統(tǒng)設(shè)計

模擬航天服關(guān)節(jié)助力系統(tǒng)控制將采用基于負載和阻力模型前饋與基于肌肉活躍度的反饋控制相結(jié)合的方法。

模擬航天服肘關(guān)節(jié)助力系統(tǒng)的關(guān)節(jié)阻尼采用自研的轉(zhuǎn)動式阻尼模擬器模擬,根據(jù)阻尼特性得到阻尼-角度模型,由角度得出對應的關(guān)節(jié)阻力矩。對測試數(shù)據(jù)進行線性擬合,設(shè)斜率A和截距B,得該阻尼模擬器的角度-力矩關(guān)系如式(9)所示。

根據(jù)上述自研的阻尼模擬器參數(shù)模型,得到關(guān)節(jié)阻力與運動角度的關(guān)系,進行關(guān)節(jié)阻力補償控制。此外,對模擬航天服肘關(guān)節(jié)助力系統(tǒng)的質(zhì)量特性進行分析,得到系統(tǒng)結(jié)構(gòu)重量在肘關(guān)節(jié)的載荷,即由助力系統(tǒng)發(fā)力來承擔系統(tǒng)重量。

對于肘關(guān)節(jié)運動來說,其對應的肌群為肱二頭肌和肱三頭肌,由2組肌肉的EMG信號分析肘關(guān)節(jié)的肌肉發(fā)力輸出意圖,研究基于肌電反饋的控制方案,而航天服本身特性并不會影響肌電控制模型。

基于第3節(jié)對EMG信號的建模分析,建立由EMG原始信號到關(guān)節(jié)力矩的映射模型。選擇20～100個肌電信號為循環(huán)肌電信號數(shù)組,進行滑動式特征值計算,以得到較為平滑顯著的運動意圖信號。首先對肌電信號進行高通濾波,截止頻率設(shè)置為10 Hz,再對信號進行全波整流。由于肌肉發(fā)力相關(guān)的肌電信號頻率基本在100 Hz以下,因此可利用低通濾波濾除高頻干擾信號。最后,在每次實驗前記錄肌肉靜息下的肌電特征,并測試最大EMG值,對EMG值做歸一化。

設(shè)計基于EMG的肌力特征辨識,根據(jù)設(shè)定的肌力力臂長度,計算肱二頭肌和肱三頭肌在肘關(guān)節(jié)產(chǎn)生的力矩,加上關(guān)節(jié)阻尼模型和動力學模型解算的部分前饋補償力矩,作為控制策略輸出的目標關(guān)節(jié)力矩。肱二頭肌和肱三頭肌產(chǎn)生的EMG信號建模分析可得到在肘關(guān)節(jié)處方向相反的2個力矩。肘關(guān)節(jié)屈時,肱二頭肌激活度信號增強,肱三頭肌相對變?nèi)?助力系統(tǒng)給予肘關(guān)節(jié)屈運動助力；肘關(guān)節(jié)伸時,情況相反?；贓MG反饋的模擬航天服肘關(guān)節(jié)助力系統(tǒng)控制策略如圖4所示。

圖4 模擬航天服肘關(guān)節(jié)助力控制策略Fig.4 Control scheme of simulated spacesuit elbow joint assistive system

5 肘關(guān)節(jié)助力實驗

模擬航天服關(guān)節(jié)助力實驗如圖5所示,被試者為身高180 cm、體重82 kg的健康男性。系統(tǒng)留有上肢穿戴的接口,通過帶粘扣的綁帶固定于被試者左上肢或者右上肢的上臂和前臂,人體肘關(guān)節(jié)軸線對準助力系統(tǒng)轉(zhuǎn)動關(guān)節(jié)。被試者上臂的肘關(guān)節(jié)運動相關(guān)肌群需要貼貼片電極,在綁帶預留孔位,并防止綁帶滑動對電極的影響。微伏級的EMG極易受運動偽跡干擾,實驗中將原始信號線固定于綁帶用以減小晃動量,且應遠離電磁信號源等。實驗使用3 M肌電電極采集肱二頭肌和肱三頭肌肌電,腕部骨凸起處貼1片電極作為EMG參考地。實驗所用的動作為：肘關(guān)節(jié)屈伸運動,肘關(guān)節(jié)屈時,肱二頭肌EMG信號相對肱三頭肌增強；肘關(guān)節(jié)伸時,情況相反。本實驗根據(jù)采集到的兩肌肉活躍度信息,得到肘關(guān)節(jié)的助力需求,然后控制電機,讓肘關(guān)節(jié)助力機構(gòu)提供與該發(fā)力需求相匹配的力輸出。

圖5 肘關(guān)節(jié)助力實驗Fig.5 The elbow joint assistance experiment

5.1 基于肌肉神經(jīng)活躍度反饋的關(guān)節(jié)控制驗證

實驗中,被試者穿戴助力系統(tǒng)持續(xù)屈伸肘關(guān)節(jié),做簡單往復運動,采集肘關(guān)節(jié)角度、肱二頭肌和肱三頭肌肌電信號(EMG1/EMG2),并實時記錄關(guān)節(jié)力矩輸出值。肘關(guān)節(jié)運動角度如圖6所示,從圖中可得,肘關(guān)節(jié)運動范圍0°～30°,每個周期大概為1.2 s。整流、濾波等處理后的EMG信號如圖7(a)所示,肱二頭肌EMG信號明顯強于肱三頭肌EMG。然后實時計算兩肌肉的活躍度變化情況如圖7(b)所示,肘關(guān)節(jié)每個運動周期都對應1組肌電信號的波峰信號。

圖6 肘關(guān)節(jié)助力系統(tǒng)的運動角度Fig.6 The joint angle of elbow joint assistive system

將EMG反饋的肌力特征信號作為輸入通過控制算法得到的肘關(guān)節(jié)力矩輸出,如圖8所示。為保護被試者免受EMG信號過度波動的傷害,設(shè)置輸出力矩值上限為10 Nm。EMG顯示的肌肉活躍度與系統(tǒng)關(guān)節(jié)力矩輸出基本同步,說明助力系統(tǒng)能夠滿足實時性要求,但作用于肘關(guān)節(jié)助力機構(gòu)后,由于慣量的存在,角度變化相對肌肉活躍度是有滯后的。

5.2 肘關(guān)節(jié)助力工效驗證

為評價基于肌肉神經(jīng)活躍度反饋的肘關(guān)節(jié)助力系統(tǒng)有效性,實驗中將電機是否加電驅(qū)動產(chǎn)生助力作為對比條件,對穿戴助力系統(tǒng)后被試者肘部屈伸運動EMG對應的肌力特征作為對比結(jié)果,如圖9所示。

如圖9(a)所示,無助力情況下,得到肱二頭肌肌力特征均值1.297×103N,肱三頭肌肌力特征均值5.76×102N,前者顯著大于后者,原因是被試者完全依賴肱二頭肌克服外部載荷。如圖9(b)所示,有助力情況下,得到肱二頭肌肌力特征均值4.54×102N,肱三頭肌肌力特征均值4.00×102N,前者與后者相近,原因是助力系統(tǒng)為被試者提供了克服外部載荷的力矩。對比有/無助力情況下被試者的肌力特征變化可發(fā)現(xiàn)：有助力情況下,被試者肱二頭肌和肱三頭肌肌力特征值分別下降65.0%和30.5%,即肌肉發(fā)力需求顯著下降,助力效果較為明顯。然而,由于EMG信號顯然不夠平滑,對運動控制穩(wěn)定性有負面影響。綜上,基于EMG肌力反饋的肘關(guān)節(jié)助力系統(tǒng)能夠顯著降低人體關(guān)節(jié)肌肉發(fā)力需求,助力實時性能夠滿足關(guān)節(jié)運動的要求。

圖7 肱二頭肌和肱三頭肌的肌肉Fig.7 Muscle activation of biceps and triceps

圖8 肘關(guān)節(jié)助力系統(tǒng)的輸出力矩Fig.8 The joint torque of elbow joint assistive system

圖9 有/無助力情況下被試者的肌力特征值對比Fig.9 Comparison of muscle force of the subject with/without assistance

6 結(jié)論

面向航天員艙外作業(yè)能力增強技術(shù)需求,提出了一種基于肌肉神經(jīng)活躍度反饋的關(guān)節(jié)助力控制,利用模擬航天服關(guān)節(jié)特性的關(guān)節(jié)助力系統(tǒng)進行了技術(shù)驗證。對于著航天服的航天員助力系統(tǒng),相比基于運動/力信息的控制,該種基于EMG反饋肌力特征的意圖跟隨控制方法實時性好,且可解決航天服對人與助力系統(tǒng)的物理隔離問題。