一种移乘护理机器人的行为安全控制方法与流程

本发明属于护理机器人技术领域，具体涉及一种移乘护理机器人的行为安全控制方法。

背景技术：

随着社会的不断发展，人口老龄化程度加快。照顾老年人的生活起居成为了当今社会每个家庭的难题，尤其是对于肢体患病的老年人。移乘护理机器人的出现将极大缓解老年人护理的工作压力。移乘护理机器人即通过机器人来协助行动不便的老年人进行日常活动。通过机器人自身的脚踏板、胸靠、腋下扶手的支撑，帮助老年人从床上换乘到轮椅或者其他指定目标位置。

目前，人体康复护理方向的研究大都是关于上肢和下肢的康复训练控制方法，主要是主-被动结合的患肢康复训练策略。在移乘护理方向，日本理化研究所研究的riba机器人(参见图1)(mukait,hiranos,yoshidam,etal.tactile-basedmotionadjustmentforthenursing-careassistantrobotriba[c]//ieeeinternationalconferenceonroboticsandautomation.ieeexplore,2011:5435-5441.)通过胳臂上的发动机来完成抱人的工作，后来开发的改进版本在胳膊上增加了柔性皮肤传感器，及时对人体的接触力的大小进行感知，进而调整姿态位置，更加安全的完成抱人过程。该机器人主要是通过触觉指导的控制策略，需要除机器人和受护理人外的第三辅助者对机器人进行触觉干预，假设当双臂距离不合适或角度不合理时，辅助者用手对机器人双臂施加一个合理方向的力，机器人手臂会跟随施加力方向动作，进行双臂的抱紧或放松，预先实验分析得到机器人抱人的基本轨迹(包括参数：双臂的距离和关节角度)，然后通过机器人与人体接触部分的面式柔性触觉传感器，实时采集接触力，通过接触位置和力信息来修正轨迹误差，通过反馈控制器来控制双臂的距离和关节角度。不足之处在于需要除机器人外另一名辅助人员对机器人进行辅助操作，不能完全实现机器人的自主化。移乘护理机器人尚属于新兴机器人，相关技术方面还不成熟，提到过移乘护理机器人方面的安全控制策略研究甚少。这类机器人主要的问题是在整个移乘护理过程中，如何保证人体的安全，不会对老年人的生命造成难以估量的危险。

中国专利zl201080005421.3公开一种移乘辅助设备，该设备适用于前抱式移乘护理机器人，通过控制单元预先设置的轨迹进行动作，不安缓解控制单元实时采集人体的心率变化，当人体心率值高于正常阈值时，将不安程度信号传给驱动电路，进而改变电机转速控制机器的旋转关节角，通过整个闭环控制来保证人体的安全舒适。不足之处在于：单纯依靠心率变化为控制标准，难以区别心率变化是否完全是由于机器的不正确动作造成的，还是有其他外界干扰因素造成的。

技术实现要素：

针对现有移乘护理机器人在安全控制方面存在的不足，本发明拟解决的技术问题是，提供一种移乘护理机器人的行为安全控制方法。该方法以达到提高护理机器人行为安全为目的，使护理机器人在整个动作过程中保证被护理者的安全舒适性，减少被护理者的不适感。本发明方法通过对人体(暂考虑为多刚体模型)与机器人移乘过程进行研究，分析在每个动作周期内对机器人姿态和人体姿态的运动参数，获得移乘护理机器人的姿态与人体关节角的函数关系，即人体重心的变化情况，进而得到机器人姿态与人体重力分配的解算模型，以此解算模型为参考标准，在移乘护理类机器人实际动作过程中，结合人体脑电波信号和握力手柄力信号，实时监测支撑部位的压力值，当检测到不合理姿态时，通过比较实际值和解算模型理论值的误差，及时调整机器人动作姿态，达到安全舒适的护理动作效果。

本发明解决所述技术问题采用的技术方案是：提供一种移乘护理机器人的行为安全控制方法，所述移乘护理机器人采用前抱式的方式进行移乘，包括下部固定部分和上部支撑部分，下部固定部分和上部支撑部分通过转动臂连接，转动臂下端与下部固定部分的连接位置处安装第一驱动电机和第一光电编码器；上部支撑部分包括胸靠、腋下扶手和握力手柄，胸靠和腋下扶手主要起承重作用，握力手柄主要为检测人体不合理姿态的作用。转动臂与胸靠的连接位置安装电动推杆和第二光电编码器，腋下扶手和胸靠的连接位置安装第二驱动电机和第三光电编码器，在护理机器人的握力手柄处安装握力传感器，腋下扶手安装扭矩传感器，胸靠和脚踏板上均布置压力传感器，护理机器人上部支撑部分能围绕下部固定部分与转动臂连接处转动；胸靠能绕转动臂与胸靠连接的铰点处转动，腋下扶手能绕胸靠与腋下扶手的连接点处转动；该方法包括以下步骤：

s1.构建机器人姿态与人体重力分配的解算模型：

通过建立机器人姿态与人体重力分配的解算模型来得到机器人在任意姿态下的人体和机器人接触位置的力；具体过程如下：

s1-1以护理机器人的转动臂下端与下部固定部分的连接位置为坐标原点o，护理机器人的高度方向为y方向，水平方向为x方向，且竖直向上为y轴正方向，被护理者所在方向为x轴正方向，建立xy直角坐标系；转动臂的长度为l2，下部固定部分的高度为l1，转动臂与x轴正方向的夹角为关节角θ，转动臂与胸靠的连接点记为m；将被护理者的身体分为上身躯干、大腿和小腿三部分，上身躯干、大腿和小腿的质心分别记为a、b和c，对应的三部分的长度分别记为h1、h2和h3，上身躯干与x轴负方向的夹角为胸靠角度α，大腿与x轴正方向的夹角为β，β＝§(α)；被护理者的整体重心记为w，被护理者的身高为h，重力为g；腋下扶手与胸靠的初始角度为90°，按照人体各部分质心位置和质量的关系表得到三部分的相对人体总重的比例，在直角坐标系下结合各部分的几何关系计算得到三部分的质心a、b、c在xy直角坐标系中的位置坐标，分别记为(xa，ya)、(xb，yb)、(xc，yc)，三部分的质心的坐标均为包含参数l1、l2、θ、α，g、h的关系式，得到被护理者各部分的质量和位置信息；

s1-2根据力矩合成法按照式(1)和(2)解算人体重心w的位置坐标，即按照各力矩之和等于同矩心的各力之和的力矩，求出人体重心w的位置坐标为(xw，yw)；

g1xa+g2xb+g3xc＝gxw(1)

g1ya+g2yb+g3yc＝gyw(2)

式中，g1代表上身躯干的重力，g2代表大腿部分的重力，g3代表小腿部分的重力；

s1-3在不考虑人体内部复杂连接关系的条件下，将步骤s1-2得到的人体重心w的位置坐标作为已知值，根据合力矩定理，将人体的总重力重新分配到机器人对人体的各个支撑位置，上半身由腋下和胸靠支撑，上半身支撑位置为转动臂与胸靠的铰点m，m的坐标记为(xm，ym)，下半身由脚底踏板支撑，被护理者与脚踏板的接触点n为下半身支撑位置，n的坐标记为(xn，yn)，将同一坐标系下两个支撑位置的坐标带入式(3)和(4)中，重新解算两个支撑位置分力的大小；

gxw＝fsxm+fxxn(3)

gyw＝fsym+fxyn(4)

式中，fs为上半身支撑力，fx为下半身支撑力，

从而得到机器人姿态与人体重力分配的解算模型为：

fs＝f1(l1,l2,θ,α,g,h)

fx＝f2(l1,l2,θ,α,g,h)

模型中，函数f1和f2分别表示自变量为机器人下部固定部分高度l1、转动臂长度l2、转动臂关节角度θ、胸靠角度α、人体重力g和身高h的关于上半身支撑力和下半身支撑力的关系式；

该解算模型将人体分为上半身和下半身，上半身的总重量等于上半身支撑力fs，上半身的重量主要由腋下扶手和胸靠两部分支撑平衡，得到式(5)，即上半身的总重量等于腋下力和胸靠力的矢量和，

s2.构建护理机器人动作的期望轨迹：

在两名试验者身体的主要关节处均贴高光亮片，通过录像设备记录人背人过程，根据被背者的主观感受来采集合适的实验样本，多次采集实验样本，删除人体不舒适的实验样本，将人体舒适的实验样本作为合理样本，然后对合理样本的整个过程中的高光亮片点的轨迹进行描点，综合多次实验结果得到一个理想的轨迹，将此轨迹作为护理机器人动作的期望轨迹，并将此期望轨迹输入至护理机器人的上位机系统；

s3.将被护理者的身高、体重信息输入至护理机器人的上位机系统，由上位机系统根据人体各部分质心位置和质量的关系得到该被护理者的肢体各部分尺寸和质量信息；同时将护理机器人的机械结构参数、人体正常状态下的脑电波信号样本和合理的握力手柄的握力值范围提前输入至上位机系统；

s4.护理机器人按照预先设定的期望轨迹动作：

通过第一光电编码器和第二光电编码器，实时测量护理机器人转动臂和胸靠的转动角度，根据所测得的角度来控制机器人的当前轨迹跟踪预先设定的期望轨迹，采取稳定控制策略，同时实时采集握力手柄处的握力值和被护理人的脑电波信号，当采集的握力手柄握力值和脑电波信号同时超出提前输入上位机系统的预设样本的合理范围，立刻跳到步骤s5；

s5.当稳定控制策略出现不合理状态时，上位机系统将第一光电编码器和第二光电编码器采集的护理机器人的转动臂关节角θ和胸靠角度α发送到解算模型中，通过机器人姿态与人体重力分配的解算模型计算得到当前时刻上半身支撑力fs；再通过第三光电编码器采集腋下扶手与胸靠的相对角度，利用式(5)得到胸靠、腋下扶手两个接触位置的理论接触力；

s6.调整不合理姿态：

将步骤s5计算得到当前时刻腋下扶手、胸靠两个接触位置的理论接触力和由腋下扭矩传感器和胸靠压力传感器测得的实际接触力进行对比匹配，得到误差值δf，然后控制器发送相关指令改变转动臂与胸靠连接位置处的电动推杆行程和腋下扶手与胸靠连接位置处第二驱动电机的转速，来调整胸靠角度α和腋下扶手与胸靠的相对角度，使误差值δf不大于±1n，然后跳回步骤s4。

与现有技术相比，本发明的有益效果是：本发明根据机器人动作过程中各支撑位置的受力情况，提出了更优的机器人行为安全控制策略，为一种结合了机器人姿态与人体重力分配的解算模型和人机接触力信息以及人体生理脑电波信号的控制策略，实现了在机器人的整个动作过程中，每个时刻每个接触位置的接触力的定量描述，得到了较为精确的控制参考标准，以此解算模型为依据进行自适应的控制方法调整。本发明相对于单纯依靠人体生理参数(心跳、脉搏等)作为依据的控制策略更加具有可靠性。在没有过大干扰和受力集中的情况下，按照稳定控制策略动作(指前期根据人背人实验得到的运动数据参数来规划出机器人的抱人运动轨迹，采用常规控制方法由位置控制单元进行轨迹跟踪控制，实现机器人轨迹达到预期规划轨迹)；当出现不合理姿态干扰时，采用自适应调整方法，根据机器人姿态与人体重力分配的解算模型得到各支撑位置的受力情况，实时调整机器人的转动臂关节角和胸靠角度，从而达到合理的动作姿态控制。

附图说明

图1是日本理化研究所的护理机器人；

图2是本发明实施例护理机器人结构简图；

图3是本发明移乘过程机器人姿态与人体重力分配的解算模型简图；

图4是本发明机器人姿态与人体重力分配的解算模型原理图；

图5是本发明移乘护理机器人的行为安全控制方法的流程图；

图中，1握力手柄、2腋下扶手、3胸靠、4脚踏板、5转动臂、6下部固定部分、7上部支撑部分。

具体实施方式

为使本发明的目的、技术方案更加清楚明白，下面结合实施例及附图对本发明做进一步的详细说明，但并不以此作为对本申请权利要求保护范围的限定。

本发明移乘护理机器人的行为安全控制方法(简称方法)，所述移乘护理机器人(参见图2)采用前抱式的方式进行移乘，包括下部固定部分6和上部支撑部分7，中间通过转动臂5连接，转动臂下端与下部固定部分连接，转动臂上端与上部支撑部分连接，转动臂下端与下部固定部分的连接位置处需安装第一驱动电机和第一光电编码器；上部支撑部分由胸靠、腋下扶手和握力手柄组成，胸靠和腋下扶手主要起承重作用，握力手柄主要为检测人体不合理姿态的作用，转动臂与胸靠的连接位置安装电动推杆和第二光电编码器来进行角度测量和微调，腋下扶手和胸靠的连接位置安装第二驱动电机和第三光电编码器进行后期角度测量和微调，在护理机器人的握力手柄1处安装握力传感器，腋下扶手2安装扭矩传感器，胸靠3和脚踏板4上均布置压力传感器，护理机器人上部支撑部分能围绕下部固定部分与转动臂连接处转动；胸靠能绕转动臂与胸靠连接的铰点处转动，腋下扶手能绕胸靠与腋下扶手的连接点处转动；该方法包括以下步骤：

s1.构建机器人姿态与人体重力分配的解算模型(参见图3)：

在移乘护理机器人抱人的过程中，人体与机器人接触位置的力在不断的变化，主要是由于人体重心在机器人的动作过程中时刻在变化，而且变化规律较为复杂，所以拟通过建立机器人姿态与人体重力分配的解算模型来得到机器人在任意姿态下的人体和机器人接触位置的力；具体过程如下：

s1-1以护理机器人的转动臂下端与下部固定部分的连接位置为坐标原点o，护理机器人的高度方向为y方向，水平方向为x方向，且竖直向上为y轴正方向，被护理者所在方向为x轴正方向，建立xy直角坐标系；转动臂的长度为l2，下部固定部分的高度为l1，转动臂与x轴正方向的夹角为关节角θ，转动臂与胸靠的连接点记为m；将被护理者的身体分为上身躯干、大腿和小腿三部分，上身躯干、大腿和小腿的质心分别记为a、b和c，对应的三部分的长度分别记为h1、h2和h3，上身躯干与x轴负方向的夹角为α，由于上身躯干与胸靠平行，α也称为胸靠角度，大腿与x轴正方向的夹角为β，β＝§(α)，β与α在直角坐标系中存在对应的关系；被护理者的整体重心记为w，被护理者的身高为h，重力为g；腋下扶手与胸靠的初始角度为90°，按照人体各部分质心位置和质量的关系表得到三部分的相对人体总重的比例(见表1)，在直角坐标系下结合各部分的几何关系计算得到三部分的质心a、b、c在xy直角坐标系中的位置坐标，分别记为(xa，ya)、(xb，yb)、(xc，yc)，三部分的质心的坐标均为包含参数l1、l2、θ、α，g、h的关系式，得到被护理者各部分的质量和位置信息；

表1分析法计算人体重心

表1中所述的近侧端是指某个环节靠近心脏的一端。

s1-2根据力矩合成法按照式(1)和(2)解算人体重心w的位置坐标，即按照各力矩之和等于同矩心的各力之和的力矩，求出人体重心w的位置坐标为(xw，yw)；

g1xa+g2xb+g3xc＝gxw(1)

g1ya+g2yb+g3yc＝gyw(2)

式中，g1代表上身躯干的重力，g2代表大腿部分的重力，g3代表小腿部分的重力，g代表人体总重力；

s1-3在不考虑人体内部复杂连接关系的条件下，将步骤s1-2得到的人体重心w的位置坐标作为已知值，根据合力矩定理，将人体的总重力重新分配到机器人对人体的各个支撑位置，上半身由腋下和胸靠支撑，上半身支撑位置为转动臂与胸靠的铰点m，m的坐标记为(xm，ym)，下半身由脚底踏板支撑，被护理者与脚踏板的接触点n为下半身支撑位置，n的坐标记为(xn，yn)，将同一坐标系下两个支撑位置的坐标带入式(3)和(4)中，重新解算两个支撑位置分力的大小；

gxw＝fsxm+fxxn(3)

gyw＝fsym+fxyn(4)

式中，fs为上半身支撑力，fx为下半身支撑力，

从而得到机器人姿态与人体重力分配的解算模型为：

fs＝f1(l1,l2,θ,α,g,h)

fx＝f2(l1,l2,θ,α,g,h)

模型中，函数f1和f2分别表示自变量为机器人下部固定部分高度l1、转动臂长度l2、转动臂关节角θ、胸靠角度α、人体重力g和身高h的关于上半身支撑力和下半身支撑力的关系式；

该解算模型将人体分为上半身和下半身，上半身的总重量等于上半身支撑力fs，因为上半身的重量由腋下扶手和胸靠两部分支撑平衡，得上半身总重量等于腋下力和胸靠力的矢量和(包含力的大小和方向)，即式(5)，

根据公式(5)进而可得到腋下扶手和胸靠两个接触位置的理论值；

s2.构建护理机器人动作的期望轨迹：

在两名试验者身体的主要关节(肩关节、髋关节、膝关节、踝关节)处均贴高光亮片，通过录像设备记录人背人过程，根据被背者的主观感受来采集合适的实验样本，多次采集实验样本，删除人体不舒适的实验样本，将人体舒适的实验样本作为合理样本，然后对合理样本的整个过程中的高光亮片点的轨迹进行描点，综合多次实验结果得到一个理想的轨迹，将此轨迹作为护理机器人动作的期望轨迹，并将此期望轨迹输入至护理机器人的上位机系统；

s3.将被护理者的身高、体重信息输入至护理机器人的上位机系统，由上位机系统根据人体各部分质心位置和质量的关系(表1)得到该被护理者的肢体各部分尺寸和质量信息；同时需将护理机器人的机械结构参数(下部固定部分高度l1和转动臂长度l2)、人体正常状态下的脑电波信号样本和合理的握力手柄的握力范围提前输入至上位机系统；

s4.护理机器人按照预先设定的期望轨迹动作：

通过第一光电编码器和第二光电编码器，实时测量护理机器人转动臂和胸靠的转动角度，根据所测得的角度值来控制机器人的当前轨迹跟踪预先设定的期望轨迹，采取稳定控制策略，实时采集握力手柄处的握力值和被护理人的脑电波信号，当采集的握力值或脑电波信号同时超出提前输入上位机系统的预设样本的合理范围，立刻跳到步骤s5；

s5.当稳定控制策略出现不合理状态时，上位机系统将第一光电编码器和第二光电编码器采集的护理机器人的转动臂关节角θ和胸靠角度α发送到解算模型中，通过机器人姿态与人体重力分配的解算模型计算得到当前时刻上半身支撑力fs；再通过第三光电编码器采集腋下扶手与胸靠的相对角度，利用式(5)得到胸靠、腋下扶手两个接触位置的理论接触力；

s6.调整不合理姿态：

将步骤s5计算得到当前时刻腋下扶手、胸靠两个接触位置的理论接触力和由腋下扭矩传感器和胸靠压力传感器测得的实际接触力进行对比匹配，得到误差值δf，然后控制器发送相关指令改变胸靠处的电动推杆行程(起主要调节作用)和腋下扶手位置处第二驱动电机转速(起辅助微调作用)，调整胸靠角度α和腋下扶手与胸靠的相对角度，使误差值δf不大于±1n，然后跳回步骤s4。

结合图2，本实施例移乘护理机器人是区别于双臂抱人的方式，而是一种前抱式的移乘方式。分布在机器人平台的主要有四个传感器检测位置：握力手柄、腋下扶手、胸靠、脚踏板。这四个位置分别布置握力手柄握力传感器、腋下扶手扭矩传感器、胸靠压力传感器、脚踏板压力传感器。该护理机器人主要完成将目标人体由坐姿抱起至站姿。通过各个支撑位置处的传感器测量实际接触力力信息，来描述运动过程中人体的重心变化情况，最后将得到力信号作为评价标准应用到后续的安全控制策略中。

图3为机器人姿态和人体重力分配的解算模型原理图。该解算模型为控制策略的核心内容。将人体暂时考虑为多刚体模型，通过对机器人与人体的几何关系描述，建立直角坐标系，根据人体重心的计算理论，在已知被护理者身高体重的前提下，可以由护理机器人姿态得到人体的重心位置，然后进行人体重力的再划分，进而得到人体与护理机器人接触位置的理论接触力。

图4为解算模型原理图，已知护理机器人的姿态是由关节角θ和胸靠角度α来描述的，机器人的任何姿态都有与之对应的人体姿态，人体的姿态决定人体的重心位置，而重心位置会影响人体重力分配，即人与机器人的接触位置的接触力大小，从而得到机器人姿态和人机接触力的映射原理。

图5为移乘机器人的动作过程的控制总流程图，过程如下：为了更好的保证目标人体在被抱起的整个过程中的安全舒适性，提出一种护理机器人的行为安全控制方法，即在稳定控制策略下(无干扰)进行自适应控制调整(存在干扰因素)。前期通过人背人实验采集到运动数据，得到期望轨迹，通过常规pid控制实现护理机器人的轨迹跟踪控制。在移乘护理机器人的一个动作周期内，当握力手柄处的握力传感器检测值小于提前设置的合理安全阈值时，或者采集的人体脑电波信号波动范围处于提前输入上位机系统的脑电波合理样本范围内时，判定人体此刻的状态无集中受力或不舒服感觉，继续执行当前动作，即稳定控制策略。在移乘护理机器人动作周期内，若当握力手柄处的握力传感器检测到较大握力值，该较大握力值超出了合理安全阈值时，再结合被护理人的脑电波检测信号是否存在突然的较大波动，如果脑电波信号检测结果出现峰值波动，超出了预设的脑电波合理样本阈值，判定人体在被抱起过程中可能存在不合理姿态或是人的自我体动调整，此时的控制器迅速进行自适应调整，提取当前胸靠压力传感器和腋下扶手扭矩传感器的数值，同时将此时的护理机器人关节角θ和胸靠角度α输入机器人姿态与人体重力分配的解算模型，将当前实际值减去解算模型得到的理论值，得到此时每个支撑位置的误差值δf。最后将误差值δf发送给控制器，由控制器计算补偿值，通过控制机器人的转动臂与胸靠连接位置的电动推杆和腋下扶手与胸靠的连接位置处的第二驱动电机来实现胸靠和腋下扶手的角度的调整。相应调整策略如下：当得到的误差值δf处于合理范围内时，即δf小于1n且大于-1n，继续执行当前稳定控制策略；当得到的误差值δf大于1n，即人体受力过大，调整的方向应该放松支撑部位的夹持力，调整支撑部位角度，使受力面尽可能大，消除局部集中受力；当误差值δf小于-1n，即人体受力过小，调整的方向应该使支撑力变大，固定人体防止滑落受伤，以达到最优的机器人动作规划控制。

本发明主要针对的是移乘护理类机器人，此类机器人的服务目标是行动不便的老年人，机器人在抱人移乘动作过程中的安全问题至关重要。通过对生活中人背人动作的运动机理分析，背人的难易程度不仅与人的身高体重有直接关系，被背人的重心位置同样是影响整个背人动作的难易程度的重要因素。背人过程中被背者与主动背人者的主要接触部位有胳膊腋下、胸部、大腿，依靠这三个施力点的力来保持被背者的稳定姿态，同时也会自动调整手部向上托的力的大小和方向，来克服人的重心变化。移乘机器人不合理的动作姿态主要有两种情况：当机器人的夹持力不足时，人体有自然滑落的动作趋势(此时人会自主的抓握手柄产生内力来克服滑落)，容易造成二次伤害；当机器人的加持部位力过大，强力的压迫感会使人体感到不适(人也会自主的抓握手柄克服心理恐惧)，也容易对人体造成伤害。在保证人体安全的前提下，本发明提出更加合理的自适应控制方法，进而达到最优的机器人动作姿态控制。

本发明所述的护理机器人是区别于双臂抱人的方式，而是一种前抱式的移乘方式(其实就是一种背人的方式，类似人背人的运动过程，背人者的背部和被背者的胸部接触，而在机器人动作时，是机器人的胸部和人体的胸部接触，而动作角度恰好与人背人是相反，类似武打动作中的抱摔，故称为前抱式)，四个接触位置分别是握力手柄、腋下扶手、胸靠、脚踏板。在一个采样周期内，由控制器对安装在机器人相应转动关节处的驱动电机进行驱动，使机器人本体带动行动不便的人体完成移乘过程，主要支撑位置的力传感器(扭矩传感器、胸靠3和脚踏板4的压力传感器)测量动作过程中的力信息，并采集握力手柄的握力传感器数值和人体的脑电波信号。通过对被护理人与机器人接触位置的力信息和被护理人的脑电波信号的分析，判断机器人姿态情况，制定合理的机器人行为安全控制策略，提高移乘护理过程的安全稳定性。

本发明未述及之处适用于现有技术。