本发明涉及医疗康复技术领域，尤其涉及一种基于导纳控制的绳牵引上肢康复机器人的训练方法及系统。
背景技术
脑卒中具有高发病率、高致残率和高死亡率的特点，是威胁人类健康的首要疾病。据统计，我国每年的脑卒中患者达200万，发病率高达120/10万，而且随着我国人口老龄化的日趋严重，脑卒中的发病率呈现出逐年上升的趋势。75％的脑卒中幸存者存在不同程度的运动功能障碍，不同程度地丧失了劳动力或者生活不能自理，而且其中25％的人在中风五年后仍不能自如的使用患侧肢体；尤其是上肢功能因其日常动作的复杂性而常常比下肢的恢复缓慢。康复训练能帮助患者恢复运动功能，提高日常行为能力。传统的康复方法主要是物理治疗师的反复作业疗法，这种治疗方法受限于治疗师的精力，而且康复治疗还受到医疗资源总量和分布、人才数量和服务能力等的制约。而随着机器人技术的发展，康复机器人能够辅助偏瘫患者完成康复训练，将物理治疗师从高强度的体力劳动中解放出来，提高康复效率，为解决上述局限提供了切实可行的方法。
根据调查显示，目前国内外关于康复机器人的研究大多集中在刚性连杆组成的末端牵引式康复机器人以及外骨骼式康复机器人。这类康复机器人往往存在动作范围和活动关节受限、对控制方法和安全性的要求较高等缺陷。而绳牵引康复机器人结构简单、安全性好、安装和佩戴方便、并能在接近正常人运动空间进行康复训练。cauraugh提出的感知运动整合理论认为如果患者能够主动参与患侧肢体运动，并且通过感知进行自主调整，将有助于提升训练效果。因此相对于精确控制，康复机器人的控制应以用户为中心，着重加强用户的主动参与性，并应具有良好的人机交互性和柔顺性。根据调查显示，现在经常使用的控制方法主要有比例-积分-微分(pid)控制、阻抗控制、导纳控制和肌电控制。pid控制能够实现轨迹跟踪等被动康复训练，但是忽略了患者的主动参与性。如加州理工大学的emken等人主要采用比例微分(pd)控制方法辅助下肢进行轨迹跟踪训练。阻抗控制能一定程度上改善用户的参与性，得到了广泛应用；如美国哥伦比亚大学的zanotto等人将其应用在了上肢康复机器人sophia-3中，用于辅助受试者在指定范围内完成康复训练运动。中国科学院的侯增广教授等人在所设计的下肢康复装置ileg中，利用pi控制器完成被动训练模式下的轨迹跟踪，同时采用两个简化的阻抗控制器完成主动康复训练模式。导纳控制能够根据受试者的运动意图确定目标轨迹，进一步增强了患者的主动参与性；如加拿大魁北克大学高等技术学院的luna等人在ets-marse上实现了基于导纳控制的被动训练控制和主动训练控制，并通过实验验证了算法的有效性。肌电控制根据用户的肌电信号判断用户的运动意图，患者的主动参与性较强；武汉理工大学的艾青松教授将肌电信号进行模式识别，结合变阻抗控制策略应用于下肢6自由度康复机器人；但是这种算法比较复杂，且有较大的个体差异性。
综上所述，尽管康复机器人的控制方法在康复训练轨迹跟踪的精确性和柔顺性方面取得了不错的进展，但控制和执行多以机器人为中心，在进行康复训练时采用沿预设轨迹上运动的模式，存在患者主动参与性不足的问题。针对中风患者用户的上肢康复训练需求，对具有柔顺性、结构简单、安全性好等优势的绳牵引康复机器人的研究较少，而且其相关的具有较好的用户主动参与性的控制方法的实例也相对缺乏，尤其是导纳控制这一具有调试简单、易操作的控制策略。
技术实现要素：
本发明提出了一种基于导纳控制的绳牵引上肢康复机器人的训练方法及系统，利用用户上肢与机器人的交互力，基于导纳控制策略，实现了用户主动控制康复机器人动作的人机交互方法，从而增强了用户的主动参与性、提高了上肢康复训练的效果。
为了达到上述目的，本发明提供了如下方案：
本发明提供一种基于导纳控制的绳牵引上肢康复机器人的训练方法，包括以下步骤：
s1、在用户进行上肢关节康复训练运动时，实时采集用户上肢施加在绳牵引康复机器人的交互力信号和上肢的运动学信号；
s2、通过导纳模型将所述交互力信号转变为期望运动轨迹的运动参数，按照所述期望运动轨迹的运动参数和所述上肢的运动学信号确定目标运动轨迹的运动参数；
s3、将确定的运动参数作为控制量，转换成绳牵引康复机器人的电机控制量，控制相应的电机输出。
进一步的，针对运动过程中的抖动现象，需要确定是否将用户的运动意图传递至训练系统，在所述步骤s1前，还包括步骤：在用户进行最大拉力测试时，采集最大拉力信号，根据采集到的最大拉力信号预设阈值。在所述步骤s1之后、步骤s2之前，还包括步骤：判断所述交互力信号是否大于所述阈值，若是，执行步骤s2，若否，执行步骤s1。
优选的，上述判断所述交互力信号是否大于所述阈值的步骤，具体为：将采集到的交互力信号进行滤波处理得到交互力幅值，判断所述交互力幅值是否大于所述阈值。
进一步的，由于每位用户的运动功能情况不同，需要设定不同用户的个性化训练强度配置，所述步骤s2包括：通过改变导纳控制环中交互力和期望运动轨迹之间的放大增益的参数，调整交互力信号转变为运动参数的增益。
调整导纳控制环的放大增益，可以实现从被动训练(即用户上肢动作完全由机器人引导完成)到主动训练(运动动作完全由用户的主动力进行控制)，甚至到对抗训练(运动动作完全由用户的主动力进行控制，且康复机器人提供一定程度的反向力)的训练难度等级的调节，这为康复训练的循序渐进及个性化定制提供了一种可行的方法。
进一步的，步骤s3中，所述将确定的运动参数作为控制量，转换成绳牵引康复机器人的电机控制量的步骤，具体为：
将确定的运动参数作为控制量，通过绳牵引康复机器人系统的动力学模型转换成相应的电机控制量。
本发明还提供一种基于导纳控制的绳牵引上肢康复机器人的训练系统，包括：
信号采集模块，用于在用户进行上肢关节康复训练运动时，实时采集用户上肢施加在绳牵引康复机器人的交互力信号和上肢的运动学信号；
信号传输模块，用于将所述信号采集模块采集到的交互力信号和运动学信号传输到主机控制模块；
主机控制模块，包括pc机、运动控制卡和电机驱动器，所述pc机用于通过导纳模型将所述交互力信号转变为期望运动轨迹的运动参数，按照所述期望运动轨迹的运动参数和所述上肢的运动学信号确定目标运动轨迹的运动参数；所述运动控制卡用于将pc机确定的目标运动轨迹的运动参数作为控制量，转换成绳牵引康复机器人的电机控制量，控制相应的电机输出；所述电机驱动器用于按照运动控制卡控制的电机输出驱动对应的电机。
进一步的，所述主机控制模块还包括：
阈值判断单元，用于当用户进行最大拉力测试，采集最大拉力信号，根据采集到的最大拉力信号预设阈值，判断所述交互力信号是否大于所述阈值，若是，系统执行pc机、运动控制卡和电机驱动器的操作，若否，系统执行信号采集模块的操作。
优选的，阈值判断单元，具体用于当用户进行最大拉力测试，采集最大拉力信号，根据采集到的最大拉力信号预设阈值，将采集到的交互力信号进行滤波处理得到交互力幅值，判断所述交互力幅值是否大于所述阈值，若是，系统执行pc机、运动控制卡和电机驱动器的操作，若否，系统执行信号采集模块的操作。
进一步的，所述主机控制模块还包括：
训练难度调节单元，通过改变导纳控制环中交互力和期望运动轨迹之间的放大增益的参数，调整交互力信号转变为运动参数的增益。
进一步的，基于导纳控制的绳牵引上肢康复机器人的训练系统，所述主机控制模块中的pc机还用于按照信号传输模块传输的所述运动学信号获得用户实际完成的运动轨迹图；系统还包括主机交互模块，用于在交互界面上实时显示所述pc机发送的运动轨迹图；
所述信号采集模块具体包括：运动信号采集单元，用于通过实时采集用户上肢的三维坐标值，获取用户上肢的运动学信号；力信号采集单元，用于通过力传感器采集用户上肢施加在绳牵引康复机器人的交互力信号。
本发明提供一种基于导纳控制的绳牵引上肢康复机器人的训练方法及系统，将采集到的用户上肢施加在绳牵引康复机器人的交互力信号和用户上肢的运动学信号经过处理后控制训练系统的电机输出，实现用户自主控制康复训练动作，提高了用户的主动参与性。
附图说明
图1是本发明实施例提供的一种基于导纳控制的绳牵引上肢康复机器人的训练方法的流程示意图；
图2是图1中步骤s1的流程示意图；
图3是本发明实施例提供的基于导纳控制的绳牵引上肢康复机器人的训练方法的导纳控制的原理图；
图4是本发明实施例提供的另一种基于导纳控制的绳牵引上肢康复机器人的训练方法的流程示意图；
图5是本发明实施例提供的基于导纳控制的绳牵引上肢康复机器人的训练系统的结构示意图；
图6是本发明实施例提供的基于导纳控制的绳牵引上肢康复机器人的训练系统的信号采集模块的结构示意图；
图7是本发明实施例提供的基于导纳控制的绳牵引上肢康复机器人的训练系统的主机控制模块的结构示意图。
具体实施方式
下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明的一部分实施例，并不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
参见图1，本发明实施例提供一种基于导纳控制的绳牵引上肢康复机器人的训练方法，包括以下步骤：
s1、在用户进行上肢关节康复训练运动时，实时采集用户上肢施加在绳牵引康复机器人的交互力信号和上肢的运动学信号；
用户进行康复训练运动，导纳控制不预设轨迹，目标运动轨迹只依靠采集到的用户上肢施加在绳牵引康复机器人的交互力信号决定。
如图2所示，所述步骤s1具体包括步骤：
s11、将绳牵引康复机器人的末端执行器复位至指定起始位置，指导用户将上肢放置在绳牵引康复机器人的末端执行器上，通过交互界面引导用户熟悉康复训练动作；
s12、实时采集用户上肢的运动学信号；
运动学信号表征的是用户上肢的位置。
s13、通过安装在绳子上的力传感器实时采集用户上肢施加在绳牵引康复机器人的交互力信号。
需要说明的是，步骤s12与步骤s13之间没有顺序上的限定。
s2、通过导纳模型将所述交互力信号转变为期望运动轨迹的运动参数，按照所述期望运动轨迹的运动参数和所述上肢的运动学信号确定目标运动轨迹的运动参数；
图3是绳牵引上肢康复机器人的训练方法的导纳控制的原理图。运动轨迹的运动参数包括运动方向和运动距离，表征运动时的位置。运动轨迹是运动时位置的集合。交互力信号能够转化为用户上肢自发运动的方向和距离，当施加导纳控制时，不预设运动轨迹，通过导纳模型将所述交互力信号转变为期望运动轨迹的运动参数，即表征期望位置，实时采集的上肢运动学信号表征的是实际位置，通过期望位置和实际位置确定目标位置，通过目标位置控制操控绳牵引上肢康复机器人。
在本实施例中，为了避免过大的交互力对用户造成影响，将绳索的运动速度限制在预设的安全水平内。
s3、将确定的目标运动轨迹的运动参数作为控制量，转换成绳牵引康复机器人的电机控制量，控制相应的电机输出。
绳牵引康复机器人具有低惯性、柔顺性和安全性的优点，每根绳子均由一个电机进行控制。本实施例中绳子共有3根。
将步骤s2确定的目标运动轨迹的运动参数作为控制量，转化成绳牵引康复机器人的电机控制量，进行各个电机的运转控制，控制相应的电机输出，实时调整目标运动轨迹的运动方向和距离。
本实施例提供一种基于导纳控制的绳牵引上肢康复机器人的训练方法，采用导纳控制方法进行控制的思路，可以实现由用户的主动力进行控制的训练策略，有利于提高用户的主动参与性，增强康复训练的效果。
实施例二
本发明实施例提供的一种基于导纳控制的绳牵引上肢康复机器人的训练方法，其步骤如图4所示：
s0、在用户进行最大拉力测试时，采集最大拉力信号，根据采集到的最大拉力信号预设阈值；
在本步骤中，将最大拉力信号按百分比来取值，作为预设的阈值。该百分比依据不同用户的运动功能情况制定。
s1、在用户进行上肢关节康复训练运动时，实时采集用户上肢施加在绳牵引康复机器人的交互力信号和上肢的运动学信号；
本步骤与实施例一的步骤s1相同，也包括步骤s11、s12、s13。
s1/、判断所述交互力信号是否大于阈值，若是，执行步骤s2，若否，执行步骤s1；
在本实施例中，判断过程为：将采集到的交互力信号进行滤波处理得到交互力幅值，判断所述交互力幅值是否大于所述阈值。
s2、通过导纳模型将所述交互力信号转变为期望运动轨迹的运动参数，按照所述期望运动轨迹的运动参数和所述上肢的运动学信号确定目标运动轨迹的运动参数；
图3也是本实施例绳牵引上肢康复机器人的训练方法的导纳控制的原理图。本实施例中，执行导纳控制时，通过改变导纳控制环中交互力和期望运动轨迹之间的放大增益k，调整交互力信号转变为运动参数的增益，可以将上肢运动设定不同程度的辅助力，辅助程度的设定可根据每位用户的运动功能情况由专业的治疗师制定，从而实现训练难易程度的调节。导纳模型参数主要根据绳牵引康复机器人系统进行调试确定，调试完成后改变放大增益k的大小即可调节所需康复机器人的辅助程度。k＝0时，训练模式属于纯被动训练的预设轨迹运动模式，此时需预设轨迹；k＝1是预设的难度适中的主动控制的模式(假设此时运动1单位的距离需要1单位的交互力)；0<k<1时，运动1单位的距离需要大于1单位的交互力，且随着k的增大所需的交互力越小，也即训练难度越小；k>1时，运动1单位的距离需要小于1单位的交互力，且随着k的增大需要的交互力越小，也即训练难度越小。
s3、将确定的目标运动轨迹的运动参数作为控制量，转换成绳牵引康复机器人的电机控制量，控制相应的电机输出；
在本实施例中，步骤s3具体为：
将确定的目标运动轨迹的运动参数作为控制量，通过绳牵引康复机器人系统的动力学模型转换成相应的电机控制量。
s4、按照实时采集的用户上肢的运动学信号获得用户实际完成的运动轨迹图，在交互界面中实时显示。
需要说明的是，步骤s4与步骤s1～s3之间没有顺序上的限定。
本实施例提供一种基于导纳控制的绳牵引上肢康复机器人的训练方法，不但通过导纳控制实现由用户的主动力进行控制的训练策略，而且针对运动过程中的抖动现象，能够通过预设阈值确定是否将用户的运动意图传递至康复机器人进行运动辅助，还通过调整导纳控制环的增益，可以将上肢运动设定不同程度的辅助力，辅助程度的设定可根据每位用户的运动功能情况由专业的治疗师制定，从而实现训练难易程度的调节，实现不同用户的个性化训练强度配置和不同强度下的训练过程，且提升了用户的交互体验。
下面将对实施例二中步骤s3：将确定的目标运动轨迹的运动参数作为控制量，通过绳牵引康复机器人系统的动力学模型转换成相应的电机控制量，进行详细阐述：
以3根绳子的绳牵引康复机器人系统为例，分析给出绳牵引康复机器人系统的动力学模型。如图5所示，该机器人系统结构的笛卡尔坐标系的原点定义在该点所在边的中点位置。假设末端执行器始终在可达的工作空间内运动，末端执行器的位置可以实时采集得到，且每个绳子对应的滑轮的位置可以通过预先测量得知，因此每段滑轮到末端执行器之间的绳长可以计算为：
式中，(x,y,z)表示末端执行器的空间坐标，i为1至绳子数目的整数值，(xi,yi,zi)为与某段绳子相应的滑轮的空间坐标。
通过测量，每个滑轮的空间坐标记为：
式中，a表示|op1|边的长度，b表示|p1p2|边的长度，c表示|p1p3|边的长度。结合式(1)和式(2)，每根绳子的绳长可以实时表述如下：
将每段绳长分别对时间进行求导可以得到：
因此，末端执行器在三个维度上的控制量u与绳子的驱动力τ之间的关系可以表述如下：
[uxuyuz]t＝-jtτ(6)
如图3所示的导纳控制框图中导纳控制通过导纳模型产生期望的运动轨迹，并通过位置控制器对产生的期望位置进行追踪。导纳模型描述了期望位置与人机相互作用力之间的关系，本实施例的导纳模型采取基于阻抗控制的形式，其传递函数可以表示为：
其中，f为交互力，x为期望位置，mac、dac、kac分别为理想的惯性、阻尼、刚度系数。
导纳控制的位置控制器的作用是对导纳模型所产生的期望轨迹进行追踪，导纳控制的位置控制器可采用pid控制，因此末端执行器在三个维度上的控制量u可以计算为：
其中，e为三维空间位置误差，kp、ki、kd分别为比例项、积分项、微分项的系数。
结合式(6)，绳子的驱动力τ最终可以表示为：
从式(9)中可以看到，雅克比矩阵j与确定的目标运动轨迹的运动参数相关，绳子的驱动力即电机的驱动参数，从而实现步骤s3“将确定的目标运动轨迹的运动参数作为控制量，通过绳牵引康复机器人系统的动力学模型转换成相应的电机控制量”。
实施例三
本发明还提供一种基于导纳控制的绳牵引上肢康复机器人的训练系统，能够实施上述实施例中的训练方法。
参见图5，是本发明提供的基于导纳控制的绳牵引上肢康复机器人的训练系统的结构示意图。基于导纳控制的绳牵引上肢康复机器人的训练系统，包括信号采集模块a、信号传输模块b、主机控制模块c和主机交互模块d。
本实施例的基于导纳控制的绳牵引上肢康复机器人的训练系统的各个模块详细描述如下：
信号采集模块a，用于在用户进行上肢关节康复训练运动时，实时采集用户上肢施加在绳牵引康复机器人的交互力信号和上肢的运动学信号；如图6所示，信号采集模块a具体包括：
运动信号采集单元a1，用于实时采集用户上肢的三维坐标值，获取用户上肢的运动学信号；
力信号采集单元a2，用于通过力传感器采集用户上肢与康复机器人之间的交互力信号。
信号传输模块b，用于将所述信号采集模块采集到的交互力信号和运动学信号传输到主机控制模块c；信号传输模块b具体可以是采集卡。
主机控制模块c，包括pc机、运动控制卡和电机驱动器，所述pc机用于通过导纳模型将所述交互力信号转变为期望运动轨迹的运动参数，按照所述期望运动轨迹的运动参数和所述上肢的运动学信号确定目标运动轨迹的运动参数；所述运动控制卡用于将pc机确定的目标运动轨迹的运动参数作为控制量，转换成绳牵引康复机器人的电机控制量，控制相应的电机输出；所述电机驱动器用于按照运动控制卡控制的电机输出驱动对应的电机。
如图7所示，主机控制模块c还包括：
阈值判断单元c0，用于当用户进行最大拉力测试，采集最大拉力信号，根据采集到的最大拉力信号预设阈值，判断所述交互力信号是否大于所述阈值，若是，系统执行pc机、运动控制卡和电机驱动器的操作，若否，系统执行信号采集模块的操作。
优选的，阈值判断单元c0具体用于当用户进行最大拉力测试，采集最大拉力信号，根据采集到的最大拉力信号预设阈值，将采集到的交互力信号进行滤波处理得到交互力幅值，判断所述交互力幅值是否大于所述阈值，若是，系统执行pc机、运动控制卡和电机驱动器的操作，若否，系统执行信号采集模块的操作。
主机控制模块c还包括：
训练难度调节单元c1，通过改变导纳控制环中交互力和期望运动轨迹之间的放大增益的参数，调整交互力信号转变为运动参数的增益。
所述主机控制模块c中的pc机还用于按照信号传输模块b传输的所述运动学信号获得用户实际完成的目标运动轨迹图，
主机交互模块d用于在交互界面上实时显示所述pc机发送的运动轨迹图。
本实施例提供一种基于导纳控制的绳牵引上肢康复机器人的训练系统，旨在利用采集到的用户上肢施加在绳牵引康复机器人的交互力信号，进行主动控制，与绳牵引康复机器人进行交互，达到用户自主控制康复训练动作的目的。通过使用绳牵引上肢康复机器人和信号采集模块a，将交互力信号和运动学信号通过信号传输模块b最终输入主机控制模块c，经过处理后，控制绳牵引上肢康复机器人相关电机的转动，实现在不同用户主动参与程度下的康复训练。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。