用于机械腿的基于模型的神经机械控制器的制作方法

专利名称：：用于机械腿的基于模型的神经机械控制器的制作方法
技术领域：
：本发明涉及用于修复、矫正、外骨骼或机械装置(机器人装置)的人造关节和肢体的控制，特别是用于基于神经肌肉型运动模型的机械腿的控制方法。
背景技术：
：动物和人的腿的运动由复杂的神经网络控制。20世纪早期被提出[Brown，Τ.G.,1914.关于神经中枢的基础活动的本质；伴随间歇活动级别状况的分析，以及神经系统功會巨白勺演化理论(Onthenatureofthefundamentalactivityofthenervouscentes；togetherwithananalysisoftheconditioningofrhythmicactivityinprogression,andatheoryoftheevolutionoffunctioninthenervoussystem).JPhysiol48(1)，18-46.]，今天被严格地建立[Orlovsky,G.，Deliagina，Τ.，Grillner,S.,1999.Neuronalcontroloflocomotion:frommollusctoman.OxfordUniversityPressiNewYork]，中枢模式发生器(CP(i)形成该网络的基础。在当今观点中，CPG包括脊髓中的神经元群层[Rybak，I.Α.，Shevtsova,N.Α.，Lafreniere-Roula,Μ.，McCrea，D.Α.，2006.Modellingspinalcircuitryinvolvedinlocomotorpatterngenerationinsightsfromdeletionsduringfictivelocomotion.JPhysiol577(Pt2)，617-639]，其中，通过其他神经元群引导肌肉的协调，甚至在缺少脊髓反射时[Grillner,S.，Zangger，P.，1979.Onthecentralgenerationoflocomotioninthelowspinalcat.ExpBrainRes34(2)，241-261；Frigon，A.，Rossignol,S.,2006.Experimentsandmodelsofsensorimotorinteractionsduringlocomotion.BiolCybern95(6)，607-627]，提供腿的伸肌和屈肌的节律活动[Dietz，V.，2003.Spinalcordpatterngeneratorsforlocomotion.ClinNeuroph3rsiol114(8)，1379-1389；Minassian，K.，Persy,I.，Rattay,F.，Pinter，Μ.Μ.，Kern,H.，Dimitrijevic，Μ.R.,2007.Humanlumbarcordcircuitriescanbeactivatedbyextrinsictonicinputtogeneratelocomotor-likeactivity.HumMovSci26(2)，275-295]足够产生走动运动。不过，脊髓反射是该复杂的网络的部分[Rybak，I.A.dtecina，K.dhevtsova，N.Α.,McCrea,D.Α.,2006.Modellingspinalcircuitryinvolvedinlocomotorpatterngeneration:insightsfromtheeffectsofafferentstimulation.JPhysiol577(Pt2),641-658]，对选择运动模式、限定伸肌、屈肌的活动时间、以及调制CPG的输出贡献很大。使用中枢模式发生和调制反射的结合，七鳃鳗[Kieberg，0.，Grillner,S.，1999.Simulationsofneuromuscularcontrolinlampreyswimming.PhilosTransRSocLondBBiolSci354(1385)，895-902]，火蜥蜴[Ijspeert，A.，Crespi,Α.，Ryczko,D..Cabelguen,J.-Μ.,2007.Fromswimmingtowalkingwithasalamanderrobotdrivenbyaspinalcordmodel.Science315(5817)，1416-1420]，猫[Ivashko，D.G.，Prilutski，B.I.，Markin,S.N.，Chapin,J.K.，Rybak,I.A.，2003.Modelingthespinalcordneuralcircuitrycontrollingcathindlimbmovementduringlocomotion.Neurocomputing52—54，621—629；Yakovenko,S.，Gritsenko，V.，Prochazka,A.,2004.Contributionofstretchreflexestolocomotorcontrol:amodelingstudy.BiolCybern90(2)，146-155；Maufroy,C.，Kimura,H.，Takase,K.,2008.Towardsageneralneuralcontrollerforquadrupedallocomotion.NeuralNetw21(4)，667-681]，以及人[Ogihara，N.，Yamazaki,N.,2001.Generationofhumanbipedallocomotionbyabio-mimeticneuro-musculo-skeletalmodel.BiolCybera84(1)，1-11:Paul，C.，Bellotti，M.，Jezeraik，S.，Curt，A.,2005.Developmentofahumanneuro-musculo-skeletalmodelforinvestigationofspinalcordinjury.BiolCybern93(3)，153-170]的神经肌肉模型已经被开发出基本的工具用于研究在动物和人运动中的不同控制策略。这些模型的重点是再现CPG的体系结构并且已经通过试验提供了潜在的反身寸[Pearson,K.，Ekeberg，0.，Buschges，A.，2006.Assessingsensoryfunctioninlocomotorsystemsusingneuro.mechanicalsimulations.TrendsNeurosci29(11)，625-631]。然而，很少有注意力花费在认识这样的体系结构如何再现或者编码运动力学结构的原理。这些原理揭示，与复杂的神经元网络的识别相比，腿运动需要很少的控制或者不需要控制。例如，步行[Alexander，R.，1976.Mechanicsofbipe:dallocomotion.InPerspectivesinexperimentalbiology(Ed.Davies，P.S.)Pergamon.Oxford；Mochon，S.，McMahon,Τ.，1980.Ballisticwalking.J.Biomech.13(1)，49-57]和跑步[Blickhan，R.，1989.Thespring-massmodelforrunningandhopping.J.ofBiomech.22，1217—1227;McMahon，T.，Cheng，G.，1990.Themechanismofrunning:howdoesstiffnesscouplewithspeed？J.ofBiomech.23，65-78]两种概念模型已经被提出，用来捕捉腿运动的主要机理。如果动力学系统被合适地调节，这些模型的自稳定能力[McGeer，T.，1990.Passivedynamicwalking.Int.J.Rob.Res.9(2)，62-82；McGeer,Τ.，1992.Principlesofwalkingandrunning.Vol.11ofAdvancesinComparativeandEnvironmentalPhysiology.Springer-VerlagBerlinHeidelberg，Ch.4；Seyfarth，A.，Geyer,H.，Giinther,Μ.,Blickhan,R.,2002.Amovementcriterionforrunning.J.ofBiomech.35，649-655；Ghigliazza,R.，Altendorfer，R.，Holmes，P.，Koditschek，D.,2003.Asimplystabilizedrunningmodel.SIAMJ.Applied.DynamicalSystems2(2)，187-218]已经被展开研究。而且应用此原理的步行和跑动机器人已经证明了其实际的相关性和控制作用[Raibert,M.，1986.Leggedrobotsthatbalance.MITpress，Cambridge；McGeer,Τ.，1990.Passivedynamicwalking.Int.J.Rob.Res.9(2),62-82Saranli,U.，Buehler,Μ.，Koditschek，D.,2001.Rhex:Asimpleandhighlymobilehexapodrobot.Int.Jour.Rob.Res.20(7)，616-631；Collins，S.，Ruina，A.,TedrakeiR.,WisseiM.，2005.Efficientbipedalrobotsbasedonpassive-dynamicwalkers.Science307(5712)，1082-1085]0但是，仍然存在一个未解决的问题，即如何将腿力学的该和其他原理集成到人类运动肌控制系统当中。动力学和运动肌控制之间的相互作用的重要性已经被神经科学家和生物力学家们认识到[Pearson，K.，Ekeberg，0.，Buschges，A.，2006.Assessingsensoryfunctioninlocomotorsystemsusingneuro-mechanicalsimulations.TrendsNeurosci29(11)，625-631],例如，尽管CPG形成运动中运动肌活动的中枢驱动已经被广泛接受[Grillner，S.，Zangger,P.，1979.Onthecentralgenerationoflocomotioninthelowspinalcat.ExpBrainRes34(2),241-261；Dietz,V.,2003.Spinalcordpatterngeneratorsforlocomotion.ClinNeurophy’siol114(8)，1379-1389；Frigon，A.，Rossignol，S.，2006.Experimentsandmodelsofsensorimotorinteractionsduringlocomotion.BiolCybern95(6)，607-627；Ijspeert，A.J.,2008.Centralpatterngeneratorsforlocomotioncontrolinanimalsandrobots:areview.NeuralNetw21(4)，642-653]，Limdberg在1969年提出，在其简单的中枢输出之外，传播关于运动动力学的信息的脊髓反射能够形成实际运动中可见的复杂的肌肉活动[Lundberg，A.，1969.Reflexcontrolofstepping.In:TheNansenmemoriallectureV,Oslo:Universitetsforlaget,5-42]。整理该思想，Taga后来提出，因为“中心产生的节奏由因运动肌装置引发的节律运动引发的传感信号导致…[，]运动肌输出是神经系统、肌肉-骨骼系统以及自然环境之间的动态交互作用产生的特性”[Taga，G.，1995.Amodeloftheneuro-musculo-skeletalsystemforhumanlocomotion.I.Emergenceofbasicgait.Biol.Cybern.73(2),97-111]。作为支持，他提出一种人类运动的神经肌肉模型，其复合了带有传感反馈的CPG，并且证明了基本的步态如何自神经和肌肉-骨骼系统得之间的节律的活动全面诱导出现。产生运动肌输出的中心的和反射输入的实际比连续不断地被争辩[Pearson，K.G.,2004.Generatingthewalkinggait:roleofsensoryfeedback.ProgBrainRes143,123-129；Frigon,A.，Rossignol，S.,2006.Experimentsandmodelsofsensorimotorinteractionsduringlocomotion.BiolCybem95(6)，607-627;Hultbom，H.，2006.Spinalreflexes,mechanismsandconcepts:fromEcclestoLundbergandbeyond.ProgNeurobiol78(3-5)，215-232；Prochazka,A.，Yakovenko,S.,2007.Theneuromechanicaltuninghypothesis.ProgBrainRes165，255465]。例如，步行的猫被估计为只有大约百分之三十被观察到的支承重量的腿伸肌的肌肉活动归因于肌肉反射Prochazka，Α.，Gritsenko，V.，Yakovenko,S.,2002.Sensorycontroloflocomotion:reflexesversushigher-levelcontrol.AdvExpMedBiol508,357-367；Donelan,J.Μ.,McVea,D.A.,Pearson,K.G.,2009.Forceregulationofankleextensormuscleactivityinfreelywalkingcats.JNeurophysiol101(1)，360-371]。在人类中，反射对于运动中肌肉活动的贡献看起来更显著。Sinkjaer和同事通过卸载试验估计，在步行支撑阶段中反射对比目鱼肌的活动贡献大约百分之五十[Sinkjaer，Τ.，Andersen，J.B.，Ladouceur,Μ.，Christensen，L0.，Nielsen，J.B.，2000.MajorroleforsensoryfeedbackinsoleusEMGactivityinthestancephaseofwalkinginman.JPhysiol523Pt3,817-827]0更近些时候，Grey和同事发现，比目鱼肌活动的改变与跟腱力的改变成比例，揭示了力正反馈和该肌肉活动之间的直接关系[Grey，M.J.，Nielsen,J.B.,Mazzaro,N.,Sinkjaer,Τ.,2007.Positiveforcefeedbackinhumanwalking.JPhyrsiol581(1)，99-105]。这样大的反馈贡献是否对所有的腿肌肉都存在仍然是未知的。也许接近末端梯度存在于运动肌控制，其中最接近的腿肌肉主要由中枢输入控制而末端腿肌肉由于高的本体感受反馈增益以及大的力学影响灵敏度主要受控于反射输入，正如Daley和同事由鸟类运动试验推断的那样[Daley,Μ.Α.，Felix,G.，Biewener,Α.Α.,2007.Runningstabilityisenhancedbyaproximo-distalgradientinjointneuromechanicalcontrol.JExpBiol210(Pt3)，383—394]。适应地形是行走的一个重要方面。现今市售的踝-足假体利用轻质的被动(无源)结构，其被设计成在步行的支撑阶段中呈现适当的弹性[S.Ron，ProstheticsandOrthotics:LowerLimbandSpinal.LippincottWilliams&Wilkins2002]。用在这些装置中的先进的复合物允许在可控的背屈和足跖弯曲过程中存储一些能量，并在随后的用动力推动的足跖弯曲过程中释放能量，更像正常人的跟腱[A.L.Hof,B.A.Geelen,Jw.VandenBerg,"Calfmusclemoment,workandefficiencyinlevelwalking；roleofserieselasticity,”JournalofBiomechanics,Vol.16.No.7,pp.523-537,1983；D.A.Winter,"Biomechanicalmotorpatterninnormalwalking.，，JournalofMotorBehavior,Vol.15，No.4，pp.302-330，1983]。尽管这些被动-弹性性能在慢步走中是一种良好的近似的踝功能，常速和快步走需要附加额外的外部能量，这样不能通过任何被动踝-足装置实现[M.Palmer,"Sagittalplanecharacterizationofnormalhumananklefunctionacrossarangeofwalkinggaitspeeds，，，Master’sThesis,MassachusettsInstituteofTechnology，Cambridge，MA,2002；D.H.Gates，"Characterizinganklefunctionduringstairascent，descent，andlevelwalkingforankleprosthesisandorthosisdesign.，，Master'sThesis，BostonUniversity,2004；A.H.Hansen，D.S.Childress.S.C.Miff，S.A.Gard，K.P.Mesplay,“Thehumanankleduringwalkingimplicationforthedesignofbiomimeticankleprosthesis，，，JournalofBiomechanics,Vol.37,Issue10，pp.1467-1474,2004]。这种不足反映在膝下截肢使用被动踝-足假体的的步态中。较之正常状态，其自选择步速较慢，步幅较短。[D.A.WinterandS.Ε.Sienko.“Biomechanicsofbelow,kneeamputeegait，，，JournalofBiomechanics，21，pp.361-367，1988]。另外，其步态显然不对称，自然侧的踝关节运动范围较小[H.B.SkinnermdD.J.Effeney,“Gaitanalysisinamputees，，，AmJPhysMed,Vol.64,pp.82-89,1985；H.BateniandS.Olney,"Kinematicandkineticvariationsofbelow-kneeamputeegait，，，JournalofProsthetics&Orthotics，Vol.14，No.1，pp.2-13，2002]，同时，在假体侧，髋拉伸力矩较大，而且膝弯曲力矩较小[D.A.WinterandS.Ε.Sienko.“Biomechanicsofbelow-kneeamputeegait，”JournalofBiomechanics，21，pp.361-367，1988；H.BateniandS.Olney,"Kinematicandkineticvariatiohsofbelow,kneeamputeegait，，，JournalofProsthetics&Orthotics，Vol.14，No.1，pp.2-13，2002]。他们也比没有截肢的人消耗更大的新陈代谢能量步行。[N.H.Molen，“Energy/speedrelationofbelow-kneeamputeeswalkingonmotor-driventreadmill,“Int.Z.Angew,Physio,Vol.31，ρ173，1973；G.R.Colborne，S.Naumann.P.E.Longmuir,andD.Berbrayer,“Analysisofmechanicalandmetabolicfactorsinthegaitofcongenitalbelowkneeamputees,"Am.J.Phys.Med.Rehabil.，Vol.92,pp272-278,1992；R.L.Waters,J.Perry,D.Antonelli,H.Hislop."Energycostofwalkingamputees:theinfluenceoflevelofamputation，，，JBoneJointSurg.Am.，Vol.58,No.1，pp.4246，1976；Ε.G.Gonzalez,P.J.Corcoran,andLR.Rodolfo.EnergyexpenditureinB/Kamputeescorrelationwithstumplength.Archs.Phys.Med.Rehabi1.55，111-119，1974；D.J.SandersonandP.E.Martin."Lowerextremitykinematicandkineticadaptationsinunilateralbelow-kneeamputeesduringwalking·，，GaitandPosture·6，126136，1997；A.Esquenazi,andR.DiGiacomo.“RehabilitationAfterAmputation，，，JoumAmPodiatrMedAssoc，91(1):13-22，2001]。这些区别可能是截肢者使用更大的腰力量补偿缺失的躁力量的结果[A.D.Kuo,“Energeticsofactivelypoweredlocomotionusingthesimplestwalkingmodel，”JBiomechEng.，Vol.124，pp.113-120，2002；A.D.Kuo,J.M.Donelan,andA.Ruina，“Energeticconsequencesofwalkinglikeaninvertedpendulum:Step-sto_steptransitions，”Exerc.SportSci.Rev.，Vol.33，No.2，pp.88-97,2005；A.Ruina,J.E.Bertram,andM.Srinivasan，“Acollisionalmodeloftheenergeticcostofsupportworkqualitativelyexplainslegsequencinginwalkingandgalloping,pseudo-elasticlegbehaviorinrunningandthewalk-to-runtransition.”J.Theor.Biol.，Vol.237，No.2，pp.170—192，2005]。被动踝-足假体不能提供适应地形的能力。为了提供一种普通的经济的而不是慢步速的步态，动力踝-足假体现今已经被幵发出来[S.AumdH.Herr."InitialexperimentalstudyondynamicinteractionbetweenanamputeeandaDoweredankle-footprosthesis，”WorkshoponDynamicWalking:MechanicsandControlofHumanandRobotLocomotion，AnnArbor，MI,May2006；S.K.Au,J.Weber,andH.Herr,“Biomechanicaldesignofapoweredankle-footprosthesis，nPmc.IEEEInt.Conf.OnRehabilitationRobotics，Noordwijk，TheNetherlands，pp.298-303.June2007；S.Au,J.Weber,E.Martinez-Villapando,andH.Herr."PoweredAnkle-FootProsthesisfortheImprovementofAmputeeAmbulation，"IEEEEngineeringinMedicineandBiologyInternationalConference.August23—26，Lyon,France·pp.3020—3026，2007；H.Herr,J.Weber,S.Au."PoweredAnkle-FootProsthesis,biomechanicsoftheLowerLimbinHealth，DiseaseandRehabilitation.September3—5，Manchester，England，pp.72—74，2007；S.K.Au，"PoweredAnkle-FootProsthesisfortheImprovementofAmputeeWalkingEconomy，，，Ph.D.Thesis，MassachusettsInstituteofTechnology，Cambridge，MA,2007；S.Au,J.Weber,andH.Herr."PoweredAnkle-footProsthesisImprovesWalkingMetabolicEconomy,"IEEETrans,onRobotics，Vol.25，pp.51-66，2009;J.Hitt，R.Bellman,M.Holgate,T.Sugar,andK.Hollander,"Thesparky(springanklewithregenerativekinetics)projects:Designandanalysisofarobotictranstibialprosthesiswithregenerativekinetics.，，inProc.IEEEInt.Conf.Robot.Autom.，Orlando，FL，pp2939-2945，May2006；S.K.Au,H.Herr,"OntheDesignofaPoweredAnkle-FootProsthesis:TheImportanceofSeriesandParallelElasticity，，，IEEERobotics&AutomationMagazine,pp.52-59,September2008]。其中的一些在尺寸禾口重量上可与正常人类踝-足相当，并且具有弹性能量存储、马达动力以及能够提供一天的典型步行活动的电池能量[S.K.Au，H.Herr.“OntheDesignofaPoweredAnkle-FootProsthesis:TheImportanceofSeriesandParallelElasticity·，，IEEERobotics&AutomationMagazine,pp.52-59，September2008]。在这些假体中使用有效的马达动力增加了控制的问题。在之前使用这些动力装置的工作中，使用的方法是匹配正常人类踝展开活动的踝力矩状态分布图[S.K.Au，“P0WeredAnkle-FootProsthesisfortheImprovementofAmputeeWalkingEconomy,"Ph.D.Thesis,MassachusettsInstituteofTechnology,Cambridge,MA,2007；J.Hitt,R.Bellman,M.Holgate,T.Sugar,andK.Hollander,"Thesparky(springanklewithregenerativekinetics)projects-Designandanalysisofarobotictranstibialprosthesiswithregenerativekinetics,，，inProc.IEEEInt.Conf.Robot.Autom.,Orlando,FL,pp2939-2945，May2006；F.Sup,A.Bohara,andM.Goldfarb."DesignandControlofaPoweredTransfemoralProsthesis,"TheInternationalJournalofRoboticsResearch,Vol.27,No.2，pp.263-273，2008]。提供马达动力意味着踝力矩分布的工作开环在快速步行时能够被支持，而不是仅仅由被动装置提供类似弹簧的行为。然而，这样的控制方法显示出固有的自适应。替代地，随着合适的选择它们的方法，力矩分布对于所有想要的活动和地形变化都是必需的。通常，已有的市售主动(有源)踝假体只能重构踝关节摆动阶段，第一次接触地面后需要几个步幅来收敛达到地形适应踝位置。此外，它们不提供任何正常步态所需的支撑阶段动力，因此不能适应地形倾斜的纯支撑工作状态。特别是，动力驱动的踝-足假体控制模式依赖于由正常的人体以目标速度步行穿过已知地形测量得到的固定的踝力矩状态关系。尽管在期望的步速和地形条件下是有效的，这些控制器不允许环境干扰的适应，例如速度瞬变和地形变化。带有作为控制基础的力正反馈反射策略的神经肌肉模型近来被应用于腿运动的生物力学仿真研究[H.Geyer,H.Herr,‘‘Amuscle-reflexmodelthatencodesprinciplesofleggedmechanicspredictshumanwalkingdynamicsandmuscleactivities,，，(Submittedforpublication)；H.Geyer,A.Seyfarth,R.Blickhan,"Positiveforcefeedbackinbouncinggaits？,"Proc.RSociety.Lond.B270,pp.2173-2183，2003]。这些研究示出了对地形自适应的需求的愿望。
发明内容一方面，本发明是一种用于基于人类运动神经肌肉模型的仿生机械腿的控制器和控制方法。该控制结构体系操控步行中动力腿假体、矫正装置或外骨骼的踝、膝和髋关节的仿生力矩。在一优选实施例中，动力装置包括力矩可控的人造踝和膝关节。由安装在机械腿装置的每个关节处的传感器提供的反馈信息确定的适当的关节力矩被提供给使用者。这些传感器包括，但是不限于，使用数字编码器的角度关节位移和速度霍尔效应传感器或类似物、在踝和膝关节处的力矩传感器、以及位于膝和踝关节之间的至少一个惯性测量单元(IMU)。来自机械腿的关节状态(位置和速度)的传感信息被用来作为对人类运动的神经肌肉模型的输入。来自机械腿关节状态传感信息被用来确定每个虚拟肌肉的内部状态，肌肉活动应当被给予什么水平的单个虚拟肌肉力和刚度由脊髓反射模型确定。如果机械腿是膝上截肢者穿戴的腿假体，踝和膝的角度传感器测量这些关节的关节状态。对于髋关节，使用者大腿的对地定向由假体膝处的关节角度传感器和位于假体膝和踝关节处的IMU确定。为了估计髋位置和速度，控制结构体系在假定步态过程中上部躯体(残缺的)保持相对竖直位置的情况下工作。—方面，本发明是用于包括至少一个关节的机械肢体的基于模型的神经机械控制器，该控制器包括配置成接收涉及机械肢体状态的反馈数据和确定机械肢体状态的有限状态机、配置成接收来自有限状态机的状态信息以及来自至少一个数据库的肌肉几何机构和反射体系信息并利用神经肌肉模型确定发送至机械肢体的至少一个期望的关节力矩或刚度指令的肌肉模型处理器、以及配置成操控(支配)机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度的关节指令处理器。在一个优选实施例中，反馈数据通过安装在机械肢体的每个关节处的至少一个传感器提供。在另一个优选实施例中，机械肢体是腿，有限状态机同步于腿步态周期。另一方面，本发明是一种基于模型的方法，用于控制包括至少一个关节的机械肢体，其包括以下步骤在有限状态机处接收与机械肢体状态相关的反馈数据，利用有限状态机和接收的反馈数据确定机械肢体状态，利用神经肌肉模型、肌肉几何结构、反射体系结构信息以及来自有限状态机的状态信息确定发送至机械肢体的至少一个期望的关节力矩或刚度指令，以及操控机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度。当附图与本发明下述详细描述一起考虑时，本发明的其它方面、优点和新颖特征将变得更显而易见；其中图1是根据本发明的一方面通常的神经肌肉模型体系结构的示例性实施例的方框图；图2A-F示出了根据本发明的一方面在通常的神经肌肉模型体系结构发展中的六个阶段；图3图示了根据本发明、根据通常的神经肌肉模型体系结构的一方面的模型生成；图4A和4B分别示出了根据本发明的一方面人类模型在模型和地面之间动态交互的自组织步行以及相应的地面反作用力；图5A-C根据本发明的一方面分别比较了模型和人稳定步行状态髋、膝和踝；图6A-D示出了根据本发明的一方面步行上楼梯的适应性，包括模型快照(图6A)、净功(图6B)、伸肌活动模式(图6C)和相应的地面反作用力(图6D)；图7A-D示出了根据本发明的一方面步行下楼梯的适应性，包括模型快照(图7A)、净功(图7B)、伸肌活动模式(图7C)和相应的地面反作用力(图6D)；图8是根据本发明的一方面肌肉-肌腱模型的原理图；图9示出了根据本发明的一方面的接触模型；图10A-C示出了根据本发明的一方面用于优选实施例的踝-足假体实施例，分别示出了实际系统(图10A)、驱动链图(图10B)以及动力学模型(图10C)；图11是根据本发明的一方面与步态周期同步的带有在每一状态的状态转换阈值和踝-足生物力学等效物的有限状态机的实施例的示意图，用于实施图10A-C的踝-足假体的顶级控制；图12是根据本发明的一方面踝-足假体控制系统示例性实施例的方框图；图13A-C是根据本发明的一方面水平地面(图13A)、上升斜坡(图13B)、下降斜坡(图13C)三种步行状态的一个完整步态周期内的假体力矩示例曲线；图14A-C示出了根据本发明的一方面如在假体微控制器上实施的肌肉骨骼模型的示例性实施例，包括两连接踝关节模型(图14A)、详细示出的Hill型肌肉模型(图14B)以及附接到骨骼上的肌肉模型的几何结构(图14C)；图15示出了根据本发明的一方面虚拟足跖屈肌反射策略的示例性实施例，包括踝角度、肌肉力和踝力矩的足跖屈肌部分之间的关系；图16A和16B示出了试验中测量得到的截肢者主体的假体力矩和角度轨迹以及具有完整肢体的重量和高度主体匹配的生物踝的力矩和角度轨迹之间的比较，分别包括踝力矩和踝角度；图17是根据本发明的一方面参数优化后力矩分布图与生物力矩分布的比较；以及图18A-C是水平地面(图18A)、上升斜坡(图18B)、下降斜坡(图18C)三种不同的步行状态下本发明的示例性实施例中试验测量得到的假体力矩-角度轨迹曲线。具体实施例方式一种控制体系结构提出操控动力腿假体、矫正器或外骨骼的踝、膝和髋关节在步行时的仿生力矩。在该实施中，动力装置包括力矩可控的人造踝和膝关节。由安置在机械腿装置的每个关节处的传感器提供的反馈信息确定的适当的力矩被提供给使用者。这些传感器包括，但是不限于，使用数字编码器的角度关节位移和速度霍尔效应传感器或类似物、膝和踝关节处的力矩传感器、以及位于膝关节和踝关节之间的至少一个惯性测量装置(IMU)。来自机械腿(髋、膝和踝)的关节状态(位置和速度)的传感信息被用作人类运动的神经肌肉模型的输入。该模型使用来自机械腿的关节状态传感信息确定其每个虚拟肌肉的内部状态，并建立脊髓反射模型确定的应当给予什么样特定水平的肌肉活动的各虚拟肌肉的力和刚性。如果机械腿是腿上截肢者穿戴的腿假体，在踝和膝处的角度传感器测量这些关节的关节状态。对于髋关节，使用者大腿的对地定向由假体膝的角度关节传感器和位于假体膝关节和踝关节之间的IMU两者确定。为了估计髋关节位置和速度，控制结构体系假定在步态过程中上部躯体(残缺的)保持相对竖直位置的条件下工作。正如此处使用的以及在此处参考引用的申请中，下述术语明确包括但是不限于“致动器”表示一种如下定义的马达。“主缩肌”表示收缩元件，其被另一元件、拮抗肌抵抗或阻碍。“主缩肌一拮抗肌致动器”表示一种机构，包括(至少)两个致动器相互对立起作用主缩肌致动器，当其作用时拉动两个元件到一起，而拮抗肌致动器，当其作用时，促使两个元件分离。“拮抗肌”表示一种扩张元件，其被另一种元件、收缩机抵抗或阻碍。“仿生”表示人造结构或机构，其模仿生物结构或机构、如关节或肢体的特性或行为。“背屈，，表示弯曲踝关节以致足末端向上移动。“弹性”表示由于拉伸或压缩变形之后能够恢复原始形状。“伸展”表示围绕肢体中关节的弯曲运动，其增大关节处肢体骨骼之间的角度。“弯曲”表示围绕肢体中关节的弯曲运动，其减小关节处肢体骨骼之间的角度。“马达”表示主动(有源)元件，其通过将提供的能量转换为机械能产生或给予运动，包括电动、气动或液压马达和致动器。“跖屈，，表示弯曲踝关节使得足末端向下移动。“弹簧”表示弹性装置，例如金属线圈或板状结构，在被压缩或者拉伸之后其恢复原始形状。根据本发明的一方面，一种基于神经肌肉模型的控制方案的示例性实施例示于图1的方框图中。图1中，根据本发明的神经肌肉模型包括每个模型肌肉单元120的反射环110。由所有的模型肌肉推算的力和刚度被用来使用来自文献中的肌肉力臂值140计算130关节力矩和刚度。接着模型估算被传送到控制器作为仿生机械腿关节150期望的有用力矩和刚度值。控制器160接着跟踪记录每个机械关节150处的力矩和刚度值。为了使得每个虚拟肌肉产生其需要的力，肌肉刺激参数STIM(t)是需要的。该参数可由外部输入或局部反馈环确定。在实施例的仿生腿控制策略中，STIM(t)基于局部反馈环计算得出。该体系结构基于由GeyerandHerr开发的反射反馈框架[H.Geyer，H.Herr，“Amuscle-reflexmodelthatencodesprinciplesofleggedmechanicspredictshumanwalkingdynamicsandmuscleactivities，”(已经提交用于出版)，在此处整体合并引入参考].在该框架中，神经控制被设计成模仿正常人体肌肉的拉伸反射。该基于神经肌肉反射的控制方法允许仿生机械腿再现类人的关节机理。神经机构模型。带有腿力学原理编码反射控制的人模型推算人步行动力学和肌肉活动。当神经科学家识别日益复杂的控制动物和人步态的神经网络时，生物力学家发现，如果留意腿力学原理，运动几乎不需要运动肌控制。此处示出了如何使得肌肉反射行为对联系着两种观察结果是至关重要的。已经开发了一种人运动的模型，其由编码腿力学原理的肌肉反射行为驱动。装备了基于该原理的反射控制，由于其与地面的动态交互作用，该模型稳定了步态，容许地面扰动，以及可自适应楼梯环境。此外，该模型显示出与试验得出的关节角度、关节力矩和肌肉活动的定性一致性，暗示了人类运动肌输出很大程度上可以由将腿力学原理链接到负责运动的神经网络的肌肉反射行为成形。带有运动肌(马达)控制的人类步行模型基于肌肉反射，其被设计成包括腿力学原理。这些原理来自腿运动的简单概念模型，包括支撑阶段对顺从腿的依赖[Bliclchan，R.,1989.Thespring-massmodelforrunningandhopping.J.ofBiomech.22,1217-1227；Ghigliazza,R.,Altendorfer,R.,Holmes,P.,Koditschek,D.,2003.Asimplystabilizedrunningmodel.SIAMJ.Applied.DynamicalSystems2(2),187-218；Geyer,H.,Seyfarth,A.,Blickhan,R.,2006.Compliantlegbehaviourexplainsthebasicdynamicsofwalkingandrunning.Proc.R.Soc.Lond.B273,2861-2867],基于静态关节力矩平衡的分段腿的稳定性[Seyfarth,Α.，Gunther,Μ.，Blickhan,R.,2001.Stableoperationofanelasticthree,segmentedleg.Biol.Cybern.84,365-382；Giinther,Μ.,Keppler,V.,Seyfarth,Α.,Blickhan,R.,2004.Humanlegdesign:optimalaxialalignmentunderconstraints.J.Math.Biol.48，623-646],冲击摆动腿机构的维护[Mochon,S.，McMahon,T.，1980.Ballisticwalking.J.Biomech.13(1)，49-57]，以及使用摆动腿缩回增强步速稳定性[Seyfarth，Α.，Geyer,H.，Gunther,M.，Blickhan,R.，2002.Amovementcriterionforrunning.J.ofBiomech.35,649-655；Seyfarth,A.,Geyer,H.,Herr,H.M.,2003.Swing-legretraction-.asimplecontrolmodelforstablerunning.J.Exp.Biol.206，2547-2555]。Hill型肌肉在与脊髓反射也包括力和长度的正反馈方案结合在一起使用，以有效地编码这些力学特性。较之来自关于人类步行的著作的带有动力学的、运动学的以及肌电现象的模型行为，已经显示出带有设计成编码腿力学原理的运动肌控制神经肌肉模型可生成生物学的步行力学和肌肉活动。该反射控制允许模型容许地面水平的突然改变，适应楼梯上升和下降，而无需变量干涉。从概念点质量模型到带有上部躯体和每节由七块肌肉驱动并由肌肉反射控制的两、三节腿的两足动物的神经肌肉，人类模型的结构和控制的发展分为六个阶段。根据本发明的该方面，图2A-F示出了普通神经肌肉模型结构体系演化的六个阶段。前三阶段一体化和稳定了顺从腿在支撑阶段的行为(图2A-C)。第四阶段增加了上部躯体和其平衡控制(图2D)。最后两个阶段准备和确保了在摆动过程中腿的向前和收回动作(图2E和图2F)。在图2A-F中，后续段落中更详细地描述，从支撑腿构型(图2A)，顺从腿行为作为关键因素演变到通过带有正反馈力F+驱动比目鱼肌(SOL)和块状股骨肌群(MS)生成步行和跑动(图2B)。为了防止膝过度拉伸，附加使用F+的两关节腓肠肌(GAS)(图2C)，并且如果膝关节拉伸超过170度阈值VAS开始被抑制。为了防止踝过度拉伸，附加胫骨前面的肌肉(TA)，其通过长度正反馈L+拉住踝关节到屈曲位，且通过来自比目鱼肌的力负反馈F-抑制在正常状态。为了允许腿摆动，附加了上部躯体(图2D)。其通过支撑腿的髋屈肌(HFL)和相互作用的髋伸肌(GLU，HAM)被驱动到相对于竖直方向的参考斜度，此处两关节HAM防止由髋伸肌力矩产生的膝过度拉伸。着陆的另一条(主导的)腿通过分别增加/减少对HFL/GLU的连续激励，并通过抑制VAS相对于另一腿承载的负载的比例(图2E)启动摆动。实际的腿摆动通过使用L+的HFL促进直到其被HAM的L-抑制(图2F)。HFL的激励特别依赖于上部躯体起身时的倾斜。而且，对GLU和HAM使用F+朝向摆动末端收回和伸直腿。最后，现在未抑制的TA的L+驱动踝至弯曲位置(图2G)。支撑腿的顺从性和稳定性。弹簧质量两足模型被用作人类运动概念基础的起点(图2A)。尽管该模型仅仅由点-质量205组成，其在两个无质量弹簧210，215上前行，其再现了在人步行和跑动时观察到的质量中心动力学，在基于支撑状态的顺从腿行为的一个概念框架下统一了两种步态[Geyer,H.，Seyfarth,Α.，Blickhan,R.,2006.Compliantlegbehaviourexplainsthebasicdynamicsofwalkingandrunning.Proc.R.Soc.Lond.B273,2861-2867].为了在神经肌肉腿实现顺从行为，每个弹簧210、215被置换附加大腿220，胫骨225和足230，以及比目鱼肌(SOL)235和块状股骨肌群(VAQM0，两者都在步态的支撑阶段(图2B)通过局部力的正反馈(F+)生成它们的肌肉活动。该力反射以与Geyer，H.，Seyfarth,A.,Blickhan,R.,2003在Positiveforcefeedbackinbouncinggaits？Proc.R.Soc.Lond.B270，2173-2183中同样的方式建模。在力的正反馈条件下，肌肉m的激励Sm(t)是预激励S0，m以及肌肉的时滞(At)和增益(G)力Fm的和Sm(t)=SO,m+GmFm(t-Δtm)。在顺从腿行为是基本的同时，其也威胁节肢腿关节的稳定性[kyfarth，Α.，Giinther,M.,Blickhan,R.,2001.Stableoperaionofanelasticthree,segmentedleg.Biol.Cybern.84,365-382；Giinther,M.，Keppler,V.，Seyfarth,Α.，Blickhan,R.,2004.Humanlegdesign:optimalaxialalignmentunderconstraints.J.Math.Biol.48,623-646]。在节肢腿中，膝和踝力矩，、和τb，遵守静力平衡τa/τb=hk/ha，其中hk和ha分别是从膝和踝到足力矢量Fleg的垂直距离。有效地，当一关节驱使另一关节上的大拉伸扭矩靠近Fleg时，将威胁其类似弹簧行为的腿的产生过度拉伸[详细参见kyfarth，A.,Giinther,Μ.,Blickhan,R.,2001.Stableoperaionofanelasticthree-segmentedleg.Biol.Cybem.84，365-382]。通过附加腓肠肌(GAS)245和胫骨前侧的(ΤΑ)250肌肉(图2C)，该过度拉伸的趋势在膝和踝上被逆反。类似于SOL和VAS，在步态的支撑阶段两关节GAS使用正的局部力反馈(F+)。这种肌肉反射不仅防止膝因踝大的拉伸扭矩导致过度拉伸，还对生成所有的顺从腿行为做出贡献。相反，单关节TA使用带有STA(t)的距离局部正反馈(L+)，STA(t)=SQ,TA+GTA(kE,TA-l。ff,TA)(t-At,TA)，其中，1&是了六纤维长度，l。ff,TA是长度偏移。弯曲足，当产生大的膝扭矩时TA的L+防止踝过度拉伸。然而如果踝伸肌足够活跃能保持膝和踝的力矩平衡，这种肌肉反射是不需要的。为了避免在该状态下TA与SOL不必要的对抗，TA激励被来自SOL的负的力反馈(F-)抑制，导致(t)=S0,TA+GTA(lCE,TA-loff,TA)(t_At,TA)-GscmaFi(t-AtsJ。为了进一步保护膝免受过度拉伤，如果膝伸展超过170度阈值，Svas(t)=S0,vas+GvasFvas(t-ΔVAS)-(t-Atk),VAS被抑制，其中，％是比例增益，Αφ,=^k-170度〒k是膝角度。该反射抑制仅仅在Δρ>0条件下并且膝实际上是拉伸状态时起作用。上部躯体和其平衡。在弹簧-质量概念模型到两足神经肌肉模型演化的下一阶段，点质量表示法被放弃，引入了围绕上部躯体255的可摆动腿(图2D)。该上部躯体255组合了头部、手臂和躯干(HAT)。为了在运动中平衡HAT255，每条腿都附加了臀部肌肉群(GLU)260和髋屈肌肌肉群(HFL)265。GLU260和HFL265都被HAT255的比例微分信号激励，相对于重力向前倾斜θ角，Sau/HFL±Dip(9-9ref)+kdd0/dt]，其中kjPkd是比例和微分增益，并且θ%是参考倾斜角度[相似方法的比较，例如，Gunther,M.，Ruder,H.，2003.Synthesisoftwo-dimensionalhumanwalking-.atestoftheλ—model.Biol.Cybem.89,89-106]。还包括使用ShamSau逆转当向后拉动沉重的HAT255时由于GL似60产生的大的髋力矩引起的膝过度拉伸的两关节的腿筋肌肉群(HAM)270。由于如果腿承受足够的重量，髋力矩只能平衡HAT255，GLU260.HAM270和HFL265的激励被调制成每条腿成比例地承受身体的总重量。结果，每条腿的髋肌肉只在支撑阶段对HAT的平衡控制起作用。摆动腿伸出和收回。除了产生摆动腿伸出和收回的肌肉反射控制，人类模型的结构是完整的。假定支撑腿的功能重要性与已经双重支撑的对侧腿和初始摆动腿伸长承受的身体总重量(bw)成比例减少(图2E)。人类模型检测哪个腿进入支撑末段(对侧腿)，并按对侧腿承受的重量的比例抑制身体同侧腿的VAS240的F+，SVAS(t)=S。，VAS+GVASFVAS(t-AtVAS)--Atk)-。当踝拉伸并推动腿离开地面向前时，对侧抑制允许膝中断其功能性弹簧行为，并且弯曲。尽管只有如果踝能有效地推动，这种弹射机制才能够启动摆动，在双支撑阶段，该模型还能够通过以固定量ΔS增加HFL265的激励和减少GL似60的激励启动摆动腿伸长。在实际的摆动阶段，主要依靠腿冲击运动，但是其被两个方面影响(图2F)。一方面，摆动腿的伸长是被推动的。通过在支撑摆动转换过程中使用HAT255向前的节距角θref偏置过的长度正反馈(L+)，HFL265被激励SHFUt)=S0,HFL+klean(θ-θref)T0+GHFL(lCE,HFL-loff,HFL)(t-At,HFL)D使用这种方法，确保了摆动腿的冲击运动及时获得向前运动的力矩[Mochon，S.，McMahon,T.，1980.Ballisticwalking.J.Biomech.13(1)，49-57]。此外，摆动腿也被防止过度拉伸，并且被确保收回。在摆动阶段如果腿到达并保持合适的定位，腿系统自稳定为一个步态周期[McGeer，Τ.,1990.Passivedynamicwalking.Int.J.Rob.Res.9(2),62-82；Seyfarth,A.,Geyer,H.,Giinther,Μ.,Blickhan.R.,2002.Amovementcriterionforrunning.J.ofBiomech.35,649-655；Ghigliazza,R.,Altendorfer,R.,Holmes,P.,Koditschek,D.,2003.Asimplystabilizedrunningmodel.SIAMJ.Applied.DynamicalSystems2(2),187-218；Geyer,H.,Seyfarth,A.,Blickhan,R.,2006.Compliantlegbehaviourexplainsthebasicdynamicsofwalkingandrunning.Proc.R.Soc.Lond.B273,2861-2867]如果摆动腿又在落地前收回，这种对抗扰动的机械自稳定的容许度可被大幅度提高Beyfarth，Α.，Geyer，H.,2002.Naturalcontrolofspring,likerunning-optimizedself-stabilization.InProceedingsofthe5thinternationalconferenceonclimbingandwalkingrobots.ProfessionalEngineeringPublishingLimited,pp.81-85；Seyfarth,A.,Geyer,H.,Herr,H.Μ.,2003.Swing,legretraction-.asimplecontrolmodelforstablerunning.J.Exp.Biol.206.2547-2555]。为了实现这种停止-收回策略，三种肌肉反射被包含于人类模型中。当伸长过程中膝达到完全伸展时，由腿受到的向前的推动力产生的摆动腿拉伸过度被阻止。关于此，HFL的L+被与HAM在摆动阶段受到的张力成比例地抑制，Shfl(t)=U^~^ref)T0+G肌(1邙，HFL_l0ff，肌)^t,HFl)~^ΗΑΜΗρζχ(1CE,HAM~loff,HAm)(卜八t，HAM)。力夕卜，F+被用于GLU，Sglu(t)=S0jGLU+GGLUFGLU(t-AtGLU)，以及HAM,Sham(t)=So^+G^F^a-ΔtmM)，来确保依赖于实际伸长力矩，摆动腿不仅可以悬停，还可以传递部分力矩到腿进行矫直和收回。最后，引入确保足误差的TAL+在整个摆动阶段被保持。在该阶段SOL、GAS、VAS不起作用。反射控制参数。对肌肉激励Sm(t)不同的反射影响通过模型中使用的函数管理。没有优化的参数被应用。参数从以前的反射行为(F+，L+)知识或者通过似是而非的估计得来。在被转换成肌肉活动Am(t)之前，所有的肌肉激励被限定于范围0.01到1之间。表1代表了本优选实施例中使用的支撑反射函数。表1Ssol(t)=So^oL+GsoLFso^t!)=0.01+1.2^,^^(^)Sta(t)—Sq7ta+Gta[1ceta(tx)_loff,TA)]_Gsol,taFsol(ι)=0.01+1.1[1CE,TA(^)-0.711opt,TA)]-0.3/Ffflax,S0LFS0L(tx)Sgas(t)=S0,gas+GgasFgas(tx)=0.01+1.1^,,^(^)权利要求1.一种用于包括至少一个关节的机械肢体的基于模型的神经机械控制器，该控制器包括有限状态机，该有限状态机被配置成接收涉及机械肢体状态的反馈数据以及利用接收到的反馈数据确定机械肢体状态；肌肉模型处理器，该肌肉模型处理器被配置成接收来自有限状态机的状态信息和来自至少一个数据库的肌肉几何结构和反射体系结构信息，并利用神经肌肉模型确定发送至机械肢体的至少一个期望的关节力矩或刚度指令；以及关节指令处理器，该关节指令处理器被配置成操控机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度。2.如权利要求1所述的控制器，其特征在于，反馈数据通过安装在机械肢体的每个关节处的至少一个传感器提供。3.如权利要求1所述的控制器，其特征在于，机械肢体是腿，有限状态机同步于腿步态周期。4.如权利要求3所述的控制器，其特征在于，腿包括动力踝-足假体。5.如权利要求3所述的控制器，其特征在于，腿包括膝关节。6.如权利要求4所述的控制器，其特征在于，腿还包括膝关节。7.如权利要求6所述的控制器，其特征在于，腿还包括髋关节。8.如权利要求2所述的控制器，其特征在于，至少一个传感器是角度关节位移和速度传感器、力矩传感器或惯性测量单元。9.一种控制包括至少一个关节的机械肢体的方法，该方法包括以下步骤在有限状态机处接收涉及机械肢体状态的反馈数据；利用有限状态机和接收到的反馈数据确定机械肢体状态；利用神经肌肉模型、肌肉几何结构和反射结构体系信息以及来自有限状态机的状态信息确定发送至机械肢体的至少一个期望的关节力矩或刚度指令；以及操控机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度。全文摘要一种用于具有至少一个关节的机械肢体的基于模型的神经机械控制器，包括被配置成接收涉及机械肢体状态的反馈数据并确定机械肢体状态的有限状态机、配置成接收来自有限状态机的状态信息并利用肌肉几何结构和反射体系信息、神经肌肉模型确定发送至机械肢体的至少一个期望的关节力矩或刚度指令的肌肉模型处理器、以及配置成操控机械肢体关节处的肌肉模型处理器确定的仿生力矩和刚度的关节指令处理器。优选地，反馈数据由安装在机械肢体的每个关节处的至少一个传感器提供。在优选实施例中，机械肢体是腿，有限状态机同步于腿步态周期。文档编号B25J9/18GK102378669SQ201080015208公开日2012年3月14日申请日期2010年2月1日优先权日2009年1月30日发明者H·M·赫尔,H·盖耶,M·F·艾伦贝格申请人:麻省理工学院