本发明专利技术提供一种基于混杂理论的机器人辅助肌力训练控制方法及系统，包括以下步骤，以机器人辅助肌力训练过程中患肢运动的实际位置来表征其肌力恢复水平，并将运动起始与目标位置之间的行程距离划分为行程区域、和；产生与区域状态切换及患者安全相关的离散事件、、、；基于混杂理论设计离散事件决策控制器，定义离散控制状态、、、、和决策控制规则，并通过离散/连续转换接口产生相应控制输出向量、、、、；设计机器人辅助训练比例()-微分()力跟踪控制器，使得机器人末端施加给患肢的实际阻力能更好地逼近于离散决策控制器所确定的目标阻力。该治疗控制方法及系统可提高康复机器人系统的控制柔顺性和安全性。
【技术实现步骤摘要】
【专利摘要】本专利技术提供一种基于混杂理论的机器人辅助肌力训练控制方法及系统，包括以下步骤，以机器人辅助肌力训练过程中患肢运动的实际位置来表征其肌力恢复水平，并将运动起始与目标位置之间的行程距离划分为行程区域、和；产生与区域状态切换及患者安全相关的离散事件、、、；基于混杂理论设计离散事件决策控制器，定义离散控制状态、、、、和决策控制规则，并通过离散/连续转换接口产生相应控制输出向量、、、、；设计机器人辅助训练比例()-微分()力跟踪控制器，使得机器人末端施加给患肢的实际阻力能更好地逼近于离散决策控制器所确定的目标阻力。该治疗控制方法及系统可提高康复机器人系统的控制柔顺性和安全性。【专利说明】基于混杂理论的机器人辅助肌力训练控制方法及系统
本专利技术涉及一种基于混杂理论的机器人辅助肌力训练控制方法及系统。
技术介绍
现代社会随着世界各国相继进入老龄化，在老龄化过程中会产生大量的脑卒中或中风病患者，此类患者通常由于脑血管血栓或脑血管破裂出血而导致脑供血中断，从而使相应的运动、感觉和认知等功能遭到丧失或受到损害。现代神经康复医学及其临床研究结果表明中枢神经系统具有高度的可塑性，对因脑卒中等疾病引起的肢体功能障碍，通过科学合理的康复治疗训练可以在一定程度上恢复其受损的肢体功能。中风康复治疗的最终目的除改善患者肢体运动功能外，最重要的就是通过抗阻训练增强肌力，使患者尽早恢复基本日常生活能力。康复机器人技术是近年来发展起来的一种新的运动神经康复治疗技术，在机器人辅助肌力训练过程中，肢体功能康复训练方法如何通过机器人治疗控制策略得以实现，是提高肌力训练效果的关键所在。国内外相关研究机构对康复机器人辅助肌力训练的治疗控制方法已开展了较多的研究，并在肌力训练效果方面取得了一定的成效，但治疗控制方法大多是分别从机器人连续变量运动控制或医师离散事件决策控制角度进行设计，未能将机器人辅助康复系统这种非纯一特性，即混杂特性，融于统一框架内，易受人机交互行为复杂程度制约，具有一定的局限性。上述问题是在使用康复机器人进行传感与治疗控制的过程中应当予以考虑并解决的问题。
技术实现思路
本专利技术的目的是提供一种基于混杂理论的机器人辅助肌力训练控制方法及系统解决现有技术中存在的治疗控制方法大多是分别从机器人连续变量运动控制或医师离散事件决策控制角度进行设计，未能将机器人辅助康复系统这种非纯一特性，即混杂特性，融于统一框架内，易受人机交互行为复杂程度制约，具有一定的局限性的问题。本专利技术的技术解决方案是: 一种基于混杂理论的机器人辅助肌力训练控制方法，包括以下步骤， 步骤1:以机器人辅助肌力训练过程中患肢运动的实际位置^来表征其肌力恢复水平，定义运动起始与目标位置之间的行程距离为z，并将行程距离Z分若干连续运动区域； 步骤2:根据患肢实际运动位置与行程区域之间对应关系，以及机器人系统工作参数是否超过事先定义的阈值，定义并通过连续/离散转换接口P (ψ:Σ^Ι^σ)将患肢肌力/机器人工作连续状态JT转换为与区域状态切换及患者安全相关的离散事件CT: 步骤3:基于混杂理论设计离散事件决策控制器； 步骤4:使机器人末端施加给患肢的实际阻力更逼近步骤3离散决策控制器所确定的目标阻力，设计机器人辅助训练比例(P)-微分⑶力跟踪控制器:【权利要求】1.一种基于混杂理论的机器人辅助肌力训练控制方法，其特征在于:包括以下步骤， 步骤1:以机器人辅助肌力训练过程中患肢运动的实际位置^来表征其肌力恢复水平，定义运动起始与目标位置之间的行程距离为z，并将行程距离2分若干连续运动区域； 步骤2:根据患肢实际运动位置与行程区域之间对应关系，以及机器人系统工作参数是否超过事先定义的阈值，定义并通过连续/离散转换接口燹(ψ:Μ^σ)将患肢肌力/机器人工作连续状态JT转换为与区域状态切换及患者安全相关的离散事件CT: 步骤3:基于混杂理论设计离散事件决策控制器； 步骤4:使机器人末端施加给患肢的实际阻力更逼近步骤3离散决策控制器所确定的目标阻力，设计机器人辅助训练比例(P)-微分⑶力跟踪控制器: 2.如权利要求1所述的基于混杂理论的机器人辅助肌力训练控制方法，其特征在于:步骤I中，将行程距离2分为和三个连续运动区域， 3.如权利要求1所述的基于混杂理论的机器人辅助肌力训练控制方法，其特征在于:步骤2中，将患肢肌力/机器人工作连续状态Z转换为与区域状态切换及患者安全相关的离散事件O"具体为: 患肢承受阻力过大事件:Ζι€ I机器人末端施加的阻力大于患肢当前的承受能力； 患肢承受阻力正常事件^机器人末端施加的阻力匹配于患肢当前的承受能力; 患肢承受阻力过小事件^机器人末端施加的阻力小于患肢当前的承受能力； 与患者安全相关的机器人系统工作异常事件机器人系统工作参数超过事先定义的阈值范围时。4.如权利要求3所述的基于混杂理论的机器人辅助肌力训练控制方法，其特征在于，转换为与患者安全相关的机器人系统工作异常事件中，机器人系统工作参数包括工作电压末端运行速度匕、末端负载超过事先定义的阈值范围具体为>55V30V,F1 ^ IJ m/s、l^ -2,5 Kg05.如权利要求1所述的基于混杂理论的机器人辅助肌力训练控制方法，其特征在于，步骤3中，基于混杂理论设计离散事件决策控制器的具体步骤为: 首先，定义离散事件决策控制器控制状态0,并通过离散/连续转换接口⑤(S:)产生控制输出向量C; 其次，当离散事件动态系统中患肢肌力/机器人状态监督模块监测到所定义的离散事件时，根据离散事件性质和离散事件决策控制器控制状态，设计决策控制规则。6.如权利要求5所述的基于混杂理论的机器人辅助肌力训练控制方法，其特征在于:定义离散事件决策控制器控制状态G，并通过离散/连续转换接口^产生控制输出向量￡7具体为: 控制状态β:随机确定施加在机器人末端的初始阻力;控制向量^:康复机器人系统以初始阻力开始工作； 控制状态02:增大施加在机器人末端的阻力;控制向量:康复机器人系统增加阻力; 控制状态β3:减小施加在机器人末端的阻力;控制向量h:康复机器人系统减小阻力; 控制状态:保持施加在机器人末端的阻力；控制向量^:康复机器人系统保持当前阻力； 控制状态&:机器人系统停止工作;控制向量^:康复机器人系统停止工作。7.如权利要求5所述的基于混杂理论的机器人辅助肌力训练控制方法，其特征在于:根据离散事件性质和离散事件决策控制器控制状态，设计决策控制规则具体为: 当监测到患肢承受阻力过大事件^时，应激活离散控制状态减小施加在机器人末端的阻力； 当监测到患肢承受阻力过小事件^时，应激活离散控制状态02，增大施加在机器人末端的阻力； 当监测到患肢承受阻力正常事件^时，应激活离散控制状态04,保持施加在机器人末端的阻力； 当监测到机器人系统工作状态异常事件^时，应激活离散控制状态&，机器人系统停止工作。8.一种用于实现权利要求1-7任一项所述肌力训练控制方法的控制系统，其特征在于:包括离散事件动态系统、连续变量控制系统以及转换接口， 在连续变量控制系统中，根据患肢实际运动位置与行程区域之间对应关系，以及机器人系统工作参数是否超过事先定义的阈值，本文档来自技高网...
【技术保护点】
一种基于混杂理论的机器人辅助肌力训练控制方法，其特征在于：包括以下步骤，步骤1：以机器人辅助肌力训练过程中患肢运动的实际位置来表征其肌力恢复水平，定义运动起始与目标位置之间的行程距离为，并将行程距离分若干连续运动区域；步骤2：根据患肢实际运动位置与行程区域之间对应关系，以及机器人系统工作参数是否超过事先定义的阈值，定义并通过连续/离散转换接口()将患肢肌力/机器人工作连续状态转换为与区域状态切换及患者安全相关的离散事件：步骤3：基于混杂理论设计离散事件决策控制器；步骤4：使机器人末端施加给患肢的实际阻力更逼近步骤3离散决策控制器所确定的目标阻力，设计机器人辅助训练比例(P)‑微分(D)力跟踪控制器：其中，、分别为PD力跟踪控制器增益，、分别为离散决策控制器所确定的目标阻力和机器人末端施加给患肢的实际阻力，为根据力跟踪控制器得到的施加给机器人相应关节的力矩。
【技术特征摘要】
【专利技术属性】
技术研发人员：徐国政，茅晨，高翔，梁志伟，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。