《工學(xué)]穿戴式下肢康復(fù)機器人的研究》由會員分享，可在線閱讀，更多相關(guān)《工學(xué)]穿戴式下肢康復(fù)機器人的研究（38頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、院系：機械工程與自動化學(xué)院院系：機械工程與自動化學(xué)院 專業(yè)：機械制造及其自動化專業(yè)：機械制造及其自動化 穿戴式下肢康復(fù)機器人的研究穿戴式下肢康復(fù)機器人的研究 論文提綱論文提綱 1 2 3 4 5 研究意義與現(xiàn)狀研究意義與現(xiàn)狀 下肢康復(fù)機器人方案設(shè)計與運動學(xué)分析下肢康復(fù)機器人方案設(shè)計與運動學(xué)分析 下肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 6 結(jié)論與展望結(jié)論與展望 2 2021/8/30 研究意義與現(xiàn)狀研究意義與現(xiàn)狀 1 研究意義研究意義 我國每年發(fā)生

2、腦卒中病人達200萬萬，現(xiàn)存中風(fēng)病人約700萬萬，其中450萬萬人具有不同程度的喪失勞動和生活自理能力，致殘率高達65%，其中以肢體活動障礙為主。另外每年交通事故以及其它意外事故造成的下肢障礙患者也達數(shù)十萬數(shù)十萬人。 研究表明，由神經(jīng)損傷引起的肢體運動障礙患者可以通過后天的康復(fù)訓(xùn)練部分或者完全恢復(fù)活動能力。 但是，我國醫(yī)療條件有限醫(yī)療條件有限，專業(yè)康復(fù)醫(yī)療機構(gòu)設(shè)置較少康復(fù)醫(yī)療機構(gòu)設(shè)置較少，從業(yè)的醫(yī)療技師數(shù)量有限數(shù)量有限，導(dǎo)致許多下肢障礙患者沒有條件和機會進行康復(fù)訓(xùn)練，從而錯過了最錯過了最佳的康復(fù)時期佳的康復(fù)時期，造成終身遺憾。 因此，對于可替代康復(fù)醫(yī)師替代康復(fù)醫(yī)師對下肢障礙患者進行康復(fù)訓(xùn)練的機

3、器人研究很有必要。 3 2021/8/30 研究意義與現(xiàn)狀 1 研究現(xiàn)狀研究現(xiàn)狀 懸吊式懸吊式 非懸吊式非懸吊式 瑞士 Lokomat 美國 Motorica 德國 Lokohelp 日本 Hal-5型 美國 伯克利 4 2021/8/30 研究意義與現(xiàn)狀 1 清華大學(xué) 肢體功能訓(xùn)練器 哈爾濱工程大學(xué) 步態(tài)康復(fù)機器人 浙江大學(xué) 下肢康復(fù)樣機 5 2021/8/30 2 下肢康復(fù)機器人方案設(shè)計與運動學(xué)分析下肢康復(fù)機器人方案設(shè)計與運動學(xué)分析 自由度確定自由度確定 尺寸確定尺寸確定 驅(qū)動方式確定驅(qū)動方式確定 下肢康復(fù)機器人下肢康復(fù)機器人 模型模型 下肢康復(fù)訓(xùn)練機器人三維模型 本體設(shè)計本體設(shè)計 6 2

4、021/8/30 2 正運動學(xué)分析正運動學(xué)分析 連桿參數(shù)表 式2.1 式2.2 式2.3 7 2021/8/30 下肢康復(fù)機器人方案設(shè)計與運動學(xué)分析下肢康復(fù)機器人方案設(shè)計與運動學(xué)分析 2 正運動學(xué)仿真正運動學(xué)仿真 -300-200-1000100200300050100150200250300X向 位 移 /mmZ向位移/mm 右下肢足底位移軌跡 8 2021/8/30 下肢康復(fù)機器人方案設(shè)計與運動學(xué)分析下肢康復(fù)機器人方案設(shè)計與運動學(xué)分析 3 下肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 步態(tài)規(guī)劃的意義步態(tài)規(guī)劃的意義 康復(fù)機器人的步態(tài)周期康復(fù)機器人的步態(tài)周期 9 2021/8/30 3 下

5、肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 步態(tài)規(guī)劃方法步態(tài)規(guī)劃方法 基于能量原理的步態(tài)規(guī)劃方法基于能量原理的步態(tài)規(guī)劃方法 基于基于HMCDHMCD的步態(tài)規(guī)劃方法的步態(tài)規(guī)劃方法 基于人工神經(jīng)網(wǎng)絡(luò)的步態(tài)規(guī)劃方法基于人工神經(jīng)網(wǎng)絡(luò)的步態(tài)規(guī)劃方法 基于基于ZMPZMP穩(wěn)定判據(jù)步態(tài)規(guī)劃方法穩(wěn)定判據(jù)步態(tài)規(guī)劃方法 10 2021/8/30 3 下肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 基于基于ZMP穩(wěn)定判據(jù)的步態(tài)規(guī)劃穩(wěn)定判據(jù)的步態(tài)規(guī)劃 建立倒立擺模型建立倒立擺模型 倒立擺質(zhì)心運動方程倒立擺質(zhì)心運動方程 ZMPZMP方程方程 倒立擺的動力學(xué)方程倒立擺的動力學(xué)方程 11 2021/8/30 3 下肢

6、康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 步態(tài)步態(tài)規(guī)劃規(guī)劃 步態(tài)規(guī)劃相關(guān)假設(shè)： 重心（質(zhì)心）的姿態(tài)、高度固定不變， 且加速度為零 ； 在單腳支撐時，ZMP固定，坐標(biāo)原點就 是ZMP； 機器人重心在雙腳支撐時是勻速運動； 機器人雙腳高度忽略不計； 下肢康復(fù)機器人初始運動時在x和y方 向上的速度為零。 康復(fù)機器人在行走過程中，兩腳底坐 標(biāo)系之間的距離、姿態(tài)始終不變。 12 穿戴式康復(fù)機器人步行的穿戴式康復(fù)機器人步行的COGCOG軌跡和軌跡和ZMPZMP軌跡軌跡 2021/8/30 3 下肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 質(zhì)心運動軌跡規(guī)劃質(zhì)心運動軌跡規(guī)劃 起步階段起步階段 前向平面

7、前向平面 側(cè)向平面?zhèn)认蚱矫?中步階段中步階段 止步階段止步階段 起步階段起步階段 中步階段中步階段 止步階段止步階段 X X向向 Y Y向向 質(zhì)心的軌跡規(guī)劃質(zhì)心的軌跡規(guī)劃 13 2021/8/30 3 下肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 質(zhì)心的軌跡規(guī)劃質(zhì)心的軌跡規(guī)劃 起步階段起步階段 中步階段中步階段 止步階段止步階段 14 2021/8/30 3 下肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 擺動腿步態(tài)規(guī)劃擺動腿步態(tài)規(guī)劃 擺動腿運動軌跡規(guī)劃擺動腿運動軌跡規(guī)劃 起步階段起步階段 中步階段中步階段 止步階段止步階段 X X向向 Y Y向向 X X向向 Y Y向向 X X向向 Y

8、 Y向向 15 2021/8/30 3 下肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 擺動擺動腿軌跡規(guī)劃腿軌跡規(guī)劃 起步階段起步階段 中步階段中步階段 X向 Z向 X向 Z向 16 2021/8/30 3 下肢康復(fù)機器人的步態(tài)規(guī)劃下肢康復(fù)機器人的步態(tài)規(guī)劃 擺動擺動腿軌跡規(guī)劃腿軌跡規(guī)劃 止步階段止步階段 X向 Z向 17 2021/8/30 4 康復(fù)訓(xùn)練流程康復(fù)訓(xùn)練流程 病人就診個人信息采集確定康復(fù)訓(xùn)練模式進行康復(fù)訓(xùn)練ABC個人信息：年齡、性別、身高、平均半步長度、下肢運動穩(wěn)定性 康復(fù)模式確定：模糊綜合評判方法 康復(fù)訓(xùn)練：結(jié)合步態(tài)規(guī)劃利用逆運動學(xué)求解各關(guān)節(jié)轉(zhuǎn)角 18 2021/8/30 下肢

9、康復(fù)機器人步態(tài)康復(fù)模式的選擇下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 4 模糊模糊綜合評判綜合評判 由于同一事物具有多種屬性，因此在評價事物時應(yīng)該兼 顧各個方面，必須對多個相關(guān)的因素進行綜合考慮，這就是 所謂的綜合評判綜合評判，如果這種評判涉及模糊因素，便是模糊綜模糊綜 合評判問題合評判問題。 步驟： 建立因素集 建立備擇集 單因素模糊評判 建立權(quán)重集 模糊綜合評判 19 2021/8/30 下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 4 利用模糊綜合評判選擇康復(fù)模式利用模糊綜合評判選擇康復(fù)模式 因素集 備擇集 各單因素評判集 權(quán)重集 合成運算的選擇 評判指標(biāo)的處理 平均半步長、

10、年齡、性別、身高、下肢穩(wěn)定性 八種不同的步幅訓(xùn)練運動模式 影響因素隸屬度表 采用最大隸屬度原則 20 2021/8/30 下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 4 平均半步長平均半步長(u1) A B C D E F 范圍(m) (0,0.1 (0.1,0.2 (0.2,0.3 (0.3,0.4 (0.4,0.5 (0.5,) 1：因素集合： 年齡年齡(u2) Age1 Age2 Age3 范圍(歲) (,30 (30,50 (50, 性別性別(u3) M F 身高身高(u4) L N H 范圍(m) (,1.6 (1.6,1.8 (1.8, 下肢穩(wěn)定性下肢穩(wěn)定性（

11、u5） 好好 一般一般 差差 21 2021/8/30 下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 4 2：備擇集合： 康復(fù)模式分類康復(fù)模式分類 (m) (m) F1 0.10 0.06 F2 0.20 0.08 F3 0.30 0.10 F4 0.40 0.12 F5 0.50 0.14 F6 0.60 0.16 F7 0.70 0.18 F8 0.80 0.20 S0H22 2021/8/30 下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 4 因素集因素集 康復(fù)模式的隸屬度康復(fù)模式的隸屬度 V1 V2 V3 V4 V5 V6 V7 V8 平均半步長

12、平均半步長 A 0.85 0.8 0.6 0.4 0 0 0 0 B 0.7 0.8 0.75 0.6 0.5 0 0 0 C 0.7 0.8 0.85 0.8 0.6 0 0 0 D 0.6 0.7 0.8 0.85 0.8 0.5 0 0 E 0.4 0.6 0.7 0.75 0.8 0.85 0.8 0.7 F 0 0 0 0.7 0.75 0.85 0.85 0.8 年齡年齡 Age1 0 0 0 0 0.65 0.75 0.8 0.6 Age2 0 0 0 0 0.70 0.80 0.75 0.6 Age3 0 0 0.4 0.7 0.85 0.75 0.6 0 性別性別 M 0 0

13、 0 0.55 0.7 0.8 0.85 0.75 F 0 0 0 0.45 0.75 0.85 0.80 0.6 身高身高 L 0.7 0.85 0.75 0.4 0 0 0 0 N 0.4 0.7 0.8 0.6 0.3 0 0 0 H 0 0.5 0.7 0.85 0.5 0.3 0 0 穩(wěn)穩(wěn) 定定 性性 好 0 0.4 0.7 0.8 0.6 0.4 0 0 一般 0.4 0.7 0.85 0.65 0.4 0 0 0 差 0.7 0.8 0.6 0.4 0 0 0 0 3：影響因素隸屬度表 23 2021/8/30 模糊綜合評判矩陣模糊綜合評判矩陣 下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇下

14、肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 4 4：權(quán)重集 5：合成運算的選擇 6：評判指標(biāo)的處理： 利用最大隸屬度原則：選擇b值最大者的下標(biāo)對應(yīng)的康復(fù)模式作為目標(biāo)模式。 24 2021/8/30 下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 患者患者 患者資料統(tǒng)計患者資料統(tǒng)計 平均 半步長(m) 年齡 （歲） 性別 身高 (m) 下肢活動穩(wěn)定性 1 0.18 20 男 1.85 一般 2 0.35 27 女 1.74 好 3 0.07 40 男 1.55 差 4 0.16 35 女 1.82 一般 5 0.25 50 男 1.58 差 患者患者 1 2 3 4 5 康復(fù)模式選擇結(jié)果

15、V3 V5 V2 V3 V2 計算實例計算實例 4 25 2021/8/30 下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇下肢康復(fù)機器人步態(tài)康復(fù)模式的選擇 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 逆運動學(xué)原理逆運動學(xué)原理 26 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 逆運動學(xué)原理逆運動學(xué)原理 理想位姿確定？ 理論位姿求解？ 位姿差值求解？ 角度修正量求解？ 27 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 理想位姿確定理想位姿確定 擺動腿位置： 質(zhì)心位置：

16、三者位姿變換關(guān)系： 質(zhì)心軌跡曲線 擺動腿軌跡曲線 因此，右足末端相對于坐標(biāo)系6之間 的位姿： 28 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 右足末端相對于坐標(biāo)系6 之間的正變換矩陣： 理論位姿求解理論位姿求解 29 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 位姿差值求解位姿差值求解 其中：其中： 30 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 角度修正量求解角度修正量求解 雅可比矩陣的定義式： 方法二：方法二： 方法一：方法一

17、： 角度修正量：角度修正量： 31 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 逆運動求解逆運動求解 康復(fù)對象：1.60m男子利用康復(fù)模式1進行訓(xùn)練 研究過程：結(jié)束雙支撐期為起點右足擺動剛接觸地面為終點 相關(guān)參數(shù)： 小腿長0.39m，大腿長0.38m，腰部寬度2d=0.30m; 起始時刻質(zhì)心高度0.85m； 半步長為0.1m，跨高0.05m，中步階段時間ts1=0.175s，雙足之間的距離為0.3m。 32 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 中步階段質(zhì)心運動軌跡中步階段質(zhì)心運動

18、軌跡 y向軌跡 X向軌跡 y向軌跡 X向軌跡 33 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 中步階段擺動腿運動軌跡中步階段擺動腿運動軌跡 X向軌跡 Z向軌跡 Z向軌跡 X向軌跡 34 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn) 求解結(jié)果求解結(jié)果 逆運動學(xué)數(shù)值解：關(guān)節(jié)角度與時間的關(guān)系逆運動學(xué)數(shù)值解：關(guān)節(jié)角度與時間的關(guān)系 曲線擬合曲線擬合工具箱工具箱 質(zhì)心、擺動腿軌跡抽樣質(zhì)心、擺動腿軌跡抽樣 35 2021/8/30 5 基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模式實現(xiàn)基于逆運動學(xué)和步態(tài)規(guī)劃的康復(fù)模

19、式實現(xiàn) thet12 thet11 thet10 thet8 thet7 36 2021/8/30 結(jié)論與展望結(jié)論與展望 結(jié)論結(jié)論 展望展望 1、提出了一種穿戴式下肢康復(fù)機器人結(jié)構(gòu)方案，進行了正運動學(xué)分析； 2、采用倒立擺模型和ZMP穩(wěn)定判據(jù)相結(jié)合的方法進行步態(tài)規(guī)劃，得到了機器人質(zhì)心和擺動腿的軌跡； 3、提出了利用模糊綜合評判的方法為患者選擇步態(tài)康復(fù)模式方案； 4、利用數(shù)值解求逆運動學(xué)的方法得到了步態(tài)康復(fù)模式F1中步階段的左腳支撐時右側(cè)下肢各關(guān)節(jié)角度的變化曲線及其函數(shù)表達式，通過經(jīng)驗判定得到的結(jié)果有效。為穿戴式下肢康復(fù)訓(xùn)練機器人控制系統(tǒng)的建立提供了理論依據(jù)和數(shù)據(jù)支持。 1、穿戴式下肢康復(fù)機器人的本體設(shè)計還有待于進一步完善； 2、利用數(shù)值解進行逆運動學(xué)分析時，當(dāng)前算法收斂速度不夠迅速、容錯性不強， 下一步的研究可以考慮引進智能算法進行改進，以使算法具有更好的收斂性和魯棒性； 3、對患者進行離線的康復(fù)狀況判定使控制系統(tǒng)有非實時性的不足，隨著生物探測和反饋控制技術(shù)的不斷發(fā)展，在線監(jiān)測患者康復(fù)狀態(tài)的技術(shù)必將應(yīng)用于下肢康復(fù)機器人領(lǐng)域，屆時將為患者提供實時的康復(fù)監(jiān)測結(jié)果。 6 37 2021/8/30 38 2021/8/30