一种运动意图识别的外骨骼康复机器人的制作方法

本发明涉及手臂的康复领域，特别涉及一种运动意图识别的外骨骼康复机器人。

背景技术：

脑卒中造成的肢体运动功能障碍严重影响脑卒中患者的生活质量，拿筷子，水杯等这些日常动作对于有运动功能障碍的脑卒中患者也是一件及其困难的事情。

现有的上肢外骨骼机器人，机械结构过于坚硬，外骨骼结构不能与患者需要康复的肢体皮肤进行良好的接触和贴合；并且现有的外骨骼上肢康复机器人在患者康复训练过程中，不能根据患者的实际需要和患者的预期效果进行相应的康复训练。

传统的上肢外骨骼机器人通过治疗师控制机器的方式对患者进行康复训练，因此机器人不能与患者进行较好的人机交互，传统的上肢外骨骼机器人也不是通过脑电信号对特征进行提取和分类，对患者的运动意图进行分析，不能将患者的真实意愿进行有效的反馈，对患者的运动意识识别的准确度较差；如果外骨骼结构过于坚硬，将不能与患者需要康复肢体的皮肤进行有效的贴合，因此，这样既不能使患者在康复治疗中达到较好的体验舒适度，也未能使患者达到很好的康复效果。

本发明一种运动意图识别的外骨骼康复机器人所设计的机械结构中，前臂75％的部分采用软体材料硅橡胶htv，其他的与齿轮相连的部分采用硬质材料；这样能够使患者在康复中达到较好的舒适度和康复效果；本发明一种运动意图识别的外骨骼康复机器人通过对脑电信号进行特征提取和分类，得到患者的运动预期和运动意图，并以此为依据，有目的的指导患者的康复训练，从而使患者的康复训练达到更好的效果；本发明的一种运动意图识别的外骨骼康复机器人采用了角度传感器，角度传感器能够测量患者上肢手臂活动的角度，来反应康复的效果。

因此，本发明针对现有运动识别康复器械技术不足的问题，发明了一种运动意图识别的外骨骼康复机器人。

技术实现要素：

本发明针对脑卒中患者中手臂不能完成屈曲运动的患者，提出了一种结构简单，价格较低，稳定性好，安全性高，能够进行运动识别的外骨骼康复机器人及其训练方法。采用了主控芯片对运动识别的外骨骼康复机器人进行整体的控制；外骨骼结构为软体材料硅橡胶htv和硬质材料相结合，这样可以让患者前臂与外骨骼结构贴合度更好，也能够让患者手臂更加舒服，肘部的外骨骼结构为硬质材料，这样可以方便固定齿轮，并且采用了表面肌电传感器检测肌肉的疲劳程度或痉挛，保证训练过程的安全；采用角度传感器作为反馈模块，来反馈康复训练的效果；采用了上肢机器人控制算法，作用是对脑电信号进行提取和分解，对患者的运动想象进行识别，从而指导外骨骼康复机器人带动对应患者的上臂进行康复训练，达到患者康复的目的。

为达到上述目的，本发明提供的技术方案为。

一种运动意图识别的外骨骼康复机器人，所述的装置包括外骨骼机械框架，上位机，下位机模块，电机模块，检测模块，反馈模块，传感器模块；所述的外骨骼机械框架包括外骨骼上臂，齿轮和手腕固定带；所述的上位机为pc机；所述的下位机为stm32主控芯片；所述的电机模块包括驱动器和电机；所述的检测模块为表面肌电传感器；所述的反馈模块为表面肌电传感器和角度传感器；所述的传感器模块为压力传感器；本发明公开了一种运动意图识别的外骨骼康复机器人和运动意图识别的算法。

本发明采用了主控芯片对外骨骼康复机器人整体进行控制，采用eeg信号分解后的结果给主控芯片stm32发出控制指令，主控芯片控制电机转动，通过电机和齿轮带动外骨骼结构进行运动，外骨骼结构带动手臂在egg分解后的信号指导下，进行手臂的屈曲训练。

本发明采用了表面肌电传感器采集肌肉疲劳或痉挛信号，表面肌电传感器贴在上臂的肱二头肌表面，采集并传输上臂肌肉的痉挛或疲劳信号，痉挛或疲劳信号通过spi传输给主控模块，主控模块根据传输的疲劳或痉挛信号，通过pwm信号控制电机的减速或制动，停止外骨骼康复机器人对手臂的康复训练，保护患者的安全。

本发明采用了角度传感器作为反馈模块，角度传感器安装在肘部的相应位置，当进行康复训练时，采集肘部屈曲的角度，并通过usb接口把采集到的角度数据传输给主控芯片stm32，主控芯片把采集到的角度数据进行归纳整理。

本发明采用了上肢机器人控制算法指导手臂的康复训练，作用是对脑电信号进行提取和分解，对患者的运动进行识别，从而指导外骨骼康复机器人带动对应患者的上臂进行康复训练，达到患者康复的目的。

所述的上位机为pc。

所述的下位机模块为stm32。

所述的电机模块包括驱动器和电机。

所述的检测模块为表面肌电传感器：ic621肌肉信号传感器。

所述的反馈模块为角度传感器：wdd35d-4。

所述的传感器模块为压力传感器：rx-d1016。

采用本发明的技术设计方案，与现有技术相比，具有如下有益效果。

(1)本发明的一种运动意图识别的外骨骼康复机器人，外骨骼机械结构的前臂固定方式为通过压力传感器的绳孔结构，能通过压力传感器的数值使患者手臂更舒适。

(2)本发明的一种运动意图识别的外骨骼康复机器人，所述外骨骼机械结构的前75％为软体材料，贴合皮肤效果更好，能够达到更好的康复训练效果。

(3)本发明的一种运动意图识别的外骨骼康复机器人，所述的检测模块为表面肌电传感器，作用是检测上臂是否出现痉挛和肌肉疲劳的情况；当表面肌电传感器检测到上臂肌肉的疲劳或痉挛时，主控芯片stm32给电机发送pwm信号，电机立刻停止转动，外骨骼康复机器人恢复初始位置，避免损伤患者。

(4)本发明的一种运动意图识别的外骨骼康复机器人，所述的反馈模块为角度传感器，角度传感器能够很好的检测患者手臂在进行康复训练的过程中手臂弯曲的角度，以此作为反馈量来评测该外骨骼康复机器人是否正常工作，是否出现异常，使训练的角度超出正常人手臂屈曲的运动范围。

(5)本发明的一种运动意图识别的外骨骼康复机器人，通过提取提取前额通道的eeg信号并处理，再通过提取c3和c4通道的eeg信号进行运动想象的识别，通过小波包(wpd)和共空间模式(csp)算法对患者的运动想象提取特征，采用支持向量机(svm)进行运动想象分类识别，这样可以精准的获取并分析患者运动想象的信息，通过该信息控制外骨骼康复机器人对患者进行精准的训练，增强患者和外骨骼康复机器人的人机交互能力。

附图说明

图1为该一种运动意图识别的外骨骼康复机器人的机械结构设计的三维图。

图2为该一种运动意图识别的外骨骼康复机器人的机械结构的内部结构图。

图3为该一种运动意图识别的外骨骼康复机器人的运动想象信号处理流程图。

图4为该一种运动意图识别的外骨骼康复机器人的控制系统结构框图。

图5为该一种运动意图识别的外骨骼康复机器人的控制算法流程图。

具体实施方式

结合以下实施例对本发明作进一步描述。

参看图1，所述的外骨骼机械结构框架包括外骨骼外壳，上臂固定孔，上臂固定带，手部托板，弹性手腕固定带；该外骨骼康复机器人的手臂外壳的前75％由软体材料硅橡胶htv制成，其他部分，特别是与齿轮相连的部分由硬质材料制成，这样能够使患者上臂带上后更舒适，也不影响齿轮带动外骨骼结构运动，而损伤外骨骼的软体材料部分；该外骨骼康复机器人的外壳是左右扣合式结构。

首先，将外骨骼外壳的从上部打开，然后让手臂放入下部的手臂支撑外壳中，再将上部手臂的外骨骼外壳从外部扣合起来，在手臂放入外骨骼外壳的过程中，将手部穿过手腕固定带放在手部托板上，将手腕用手腕固定带固定；用光滑的绳仿照鞋带的方式从孔中沿十字穿过，调整松紧，将手臂舒服的固定在外骨骼结构内。

参看图1，齿轮安装在外骨骼结构下部手臂支撑板的尾部，电机安装在齿轮上，齿轮尾部是和手部托板相连的肘部软结构托板；训练时，患者平躺，当电机收到主控芯片发出的pwm信号后，电机转动，从而带动齿轮转动，齿轮带动外骨骼结构转动，外骨骼结构带动手臂使其以肘部为支点进行上臂的屈曲运动训练。

参看图2，所述外骨骼机械结构的内部结构图中固定有两个压力传感器a和b，患者将手臂放入外骨骼结构中，并通过光滑的绳固定后，压力传感器与皮肤接触，采集压力传感器的数据来判断软体外骨骼结构与手臂皮肤的贴合度，如果压力传感器的压力数值过大，则可能压迫患者肌肉，在外骨骼康复机器人带动患者手臂做康复训练的过程中，可能会产生更大的压力，使患者上臂压迫过度或肌肉拉伤；如果压力传感器的压力数值过小，则可能造成外骨骼结构与患者上臂的贴合度不够紧密，影响患者上臂训练的康复训练效果。

参看图3，采用wpd(小波包)分解eeg(脑电图)重构低频部分；然后，采用csp(共空间模式)提取多通道eeg的空域特征；采用wpd与csp相结合的方法提取特征，不仅能有效利用wpd的时频特征，而且能弥补sp缺乏频域信息的缺陷。

参看图3，患者静止约三秒(避免声音提示干扰)后开始想象运动实验范式；在每个trial的开始，患者的左臂和右臂都自然的水平放置，患者自主想象运动，运动左臂还是运动右臂，想象结束时结束此trial；每个trial结束后，患者休息约2s后(避免返回时运动规划信息干扰)左右臂重新回到原点；然后，自主进行下一个trial的实验；患者听到“实验结束”的提示音后实验结束；每组试验四分钟，患者一次做5组实验，各组实验之间有4分钟休息时间。

eeg的采样频率为1000hz，10-20国际标准电极位置，试验过程中电极阻抗小于5kω；使用手臂运动感应装置和肌电记录手臂的运动情况，给eeg数据添加标签点。

对eeg信号进行预处理，剔除掉其他干扰信号，从预处理后的数据中，截取每个trial的运动执行阶段之前600ms，和之后300ms数据进行模型训练和分类。

对各个通道进行小波包分解，从预处理后的数据中选取与运动方向相关的导联(c3，c4)，采用wpd以‘db4’小波对每个导联的信号进行8层分解。

将相应频段小波系数置零，对各个通道信号进行信号重构；输入信号采样频率为1000hz，得到s(8,0)-s(8,255)共256个窄带信号；其中s(8,0)、s(8,1)、s(8,2)、s(8,3)、s(8,7)对应的子带频率为[09.8]hz将；前臂运动方向信号集中在1-10hz[12]，选取s(8,0)、s(8,1)、s(8,2)、s(8,3)、s(8,7)共5个子带进行信号重构。

对重构后的信号进行空间滤波；得到具有频率特征矩阵，其中h是通道数，l是采样点数，归一化后的脑电数据的协方差矩阵为。

用c1和c2分别表示右手向左和右手向右两种状态下的空间协方差矩阵，得到协方差矩阵ct。

ct＝c1+c2

将ct表示成ut为矩阵ct的特征向量，λt是对应特征值；通过该变化，特征值按照降序进行了排列，与其对应的特征向量也重新进行了排列，然后用主成分分析法进行白化。

则c1、c2可变为。

s1＝pc1p^t，s2＝pc2p^t

s1与s2有相同特征向量，即若s1＝bλ1b^t，则s2＝bλ2b^t，且λ1+λ2＝i。s1，s2有相同特征向量b，i是单位矩阵；由于两类矩阵特征值之和为i，则s1最大特征值所对应的特征向量使s2有最小特征值。

将白化后的eeg投影在特征向量b的前m和后m列特征向量上，能够得到最佳的分类特征。投影矩阵为。

w＝b^tp

截取的脑电数据e最终可变为。

z＝we

取将投影后的信号z2m×n做如下变化。

将变化后的f作为运动方向特征值。

影响svm分类性能的主要有核函数参数g和误差惩罚因子c，g主要影响样本数据在高维特征空间中分布的复杂程度，c能够调节特征子空间中svm模型的置信范围与经验风险的比例，优化svm的泛化能力。

采用网格搜索法确定c和g，利用5折交叉验证方法对训练数据进行网格搜索。

参看图4，图4为一种运动意图识别的外骨骼康复机器人的控制系统结构框图，由上位机pc处理eeg信号，将处理好的分类结果传输给wifi发射模块，wifi发射模块通过wifi将分类结果发送给wifi接收模块，wifi发射模块将分类结果传输给主控芯片stm32，主控芯片根据输入信号通过pwm方式控制电机进行转动，电机带动外部齿轮转动，外部齿轮带动外骨骼结构，外骨骼结构带动手臂完成屈曲运动康复训练，帮助患者手臂进行康复。

参看图4，主控芯片stm32通过发送pwm信号来控制电机的加速，减速，正反转和制动。

参看图4，角度传感器将电机旋转的角度传输给主控芯片stm32，来反馈患者手臂在外骨骼带动下的运动训练情况，这样，既可以使患者在使用此一种运动意图识别的外骨骼康复机器人进行康复训练的过程中达到更好的康复效果，又可以增加此系统的安全性能，减小患者在进行康复训练的过程中发生意外的概率或避免患者在进行康复训练的过程中发生意外。

参看图4，表面肌电传感器通过spi与主控芯片stm32进行通信，将检测到的肱二头肌的肌肉疲劳和痉挛信号传输给主控芯片stm32；当表面肌电传感器检测到肱二头肌的肌肉疲劳和痉挛信号时，表面肌电传感器通过spi将该信号传输给主控芯片stm32，主控模块控制电机立刻停止转动，即停止在外骨骼带动下的手臂的运动康复训练，保护患者的安全。

参看图4，传感器模块为压力传感器，压力传感器固定在外骨骼结构的内部，用来采集患者在穿戴和固定外骨骼结构时是数据，调整手臂与外骨骼结构的松紧，以便外骨骼结构与手臂达到较好的贴合度；以及采集患者在训练过程中的压力数值，来反映患者手臂与外骨骼的贴合度和患者手臂的力度。

参看图4，本系统设计了三种安全防护机制，能有效较好的保证患者的安全：第一：当压力传感器检测到的数值大于预设值的时候，被主控芯片确认为危险状态，此时，主控芯片发出pwm信号，使电机立即停止转动，从而停止手臂的康复训练，外骨骼手臂康复机器人恢复初始位置，即患者左、右手手臂均水平放置。

参看图4，安全防护机制第二：当角度传感器检测到的数值大于预设的角度值的时候，被主控芯片确认为危险状态，此时，主控芯片发出pwm信号，使电机立即停止转动，从而停止手臂的康复训练，外骨骼手臂康复机器人恢复水平放置的状态，即使患者的左、右手手臂均水平放置。

参看图4，安全防护机制第三：只要当表面肌电传感器检测到肱二头肌肌肉的疲劳或痉挛信号时，就立即将该肌肉疲劳或痉挛信号通过spi传输给主控芯片stm32，主控模块控制电机立刻停止转动，即停止手臂的康复训练，外骨骼手臂康复机器人恢复初始位置，即使患者的左、右手手臂均水平放置，保护患者的安全。

参看图5，为一种运动意图识别的外骨骼康复机器人的上肢机器人控制算法流程图；提取前额通道的eeg信号并处理，识别患者眨眼次数，判断患者0.4秒内的眨眼次数是否大于2，如果小于2则训练结束，如果大于等于2，则训练开始；提取c3和c4通道的eeg信号进行运动想象的识别；通过图3算法图，将egg信号进行分解，得到两分类结果，对该分类结果进行解码，得到两个编码信号0，1；左臂进行屈曲运动为0，右臂进行屈曲运动为1。

参看图5，初始时，左右手臂均水平放置，通过主控芯片对编码信号进行识别，如果运动想象信号识别的结果为0，则为左臂的运动想象，主控芯片stm32发出pwm信号控制电机转动，电机带动齿轮转动，齿轮带动左臂外骨骼结构运动，左臂外骨骼带动左前臂进行屈曲运动。如果运动想象信号识别的结果为1，则为右臂的运动想象，主控芯片stm32发出pwm信号控制电机转动，电机带动齿轮转动，齿轮带动右臂外骨骼结构运动，右臂外骨骼带动右前臂进行屈曲运动。

参看图5，外骨骼康复机器人在带动患者手臂进行康复训练时，因为患者的手臂较常人在力的感知方面可能较弱，如果力度过大，可能造成患者手臂压迫受伤等；所以设置一定的阈值来保护患者，避免其在使用外骨骼康复机器人进行康复训练时受伤，当压力传感器的数值大于阈值时，主控芯片sim32控制电机立即停止转动来保护患者手臂安全。

参看图5，外骨骼康复机器人在带动患者手臂进行康复训练时，例如外骨骼康复机器人带动左前臂进行康复训练时，通过表面肌电传感器判断肌肉的疲劳和痉挛情况，若表面肌电传感器检测到左臂肱二头肌的疲劳或痉挛信号时，表面肌电传感器通过spi将肌肉的疲劳或痉挛信号传输给主控芯片stm32，主控模块控制电机立刻停止转动，即停止左手臂的康复训练，外骨骼手臂康复机器人恢复初始位置。

参看图5，外骨骼康复机器人在带动患者手臂进行康复训练时，因为正常人的手臂的屈曲角度也是在一定范围内的，不应该以传感器的测量角度范围为标准；为了使患者在使用外骨骼康复机器人进行康复训练时不因手臂屈曲的角度过大而受伤，所以设置一定的角度传感器的阈值即0到150度来保护患者，避免其在使用外骨骼康复机器人进行康复训练时受伤，当角度传感器的数值大于所设置的阈值时，主控芯片sim32控制电机立即停止转动来保护患者手臂安全。

参看图5，外骨骼康复机器人在带动患者手臂进行康复训练时，由于患者的手臂在进行康复训练时，较正常人容易产生疲劳，所以，该一种运动意图识别的外骨骼康复机器人在对患者手臂进行康复训练中，设置10次屈曲运动为一组康复训练周期；当患者训练次数小于十次时，按照图5的训练步骤进行重复训练，如果训练次数达到十次，根据患者的实际情况，或者让患者进行适当的休息，再开始下一组的康复训练。

参看图5，本系统采用上肢机器人控制算法，作用是对脑电信号进行提取和分解，对患者的运动想象进行识别；该上肢机器人控制算法步骤如下。

①训练开始后，提取前额通道的eeg信号并处理，识别患者眨眼的次数。

②若患者在0.4秒内眨眼的次数大于等于2次，则认为训练开始；若患者在0.4秒内眨眼的次数小于2次，则认为训练结束。

③提取c3和c4通道的eeg信号进行运动想象的识别。

④通过小波包(wpd)和共空间模式(csp)算法对患者的运动想象提取特征，采用支持向量机(svm)进行运动想象分类识别，控制外骨骼康复机器人进行左、右前臂的屈曲运动训练。

⑤通过压力传感器检测到的压力数值来判断外骨骼机器人与手臂皮肤的贴合程度，当压力传感器的数值大于一定阈值时，认为对患者手臂皮肤造成压迫，进而停止手臂的康复训练；如果压力传感器的数值在合理范围内，则通过表面肌电传感器检测肱二头肌的疲劳程度。

⑥如果表面肌电传感器检测到肌肉疲劳，则立即停止手臂康复训练；如果检测到肌肉未出现疲劳情况，则通过角度传感器的数值来判断手臂的活动范围是否在0度到150度之间。

⑦如果角度传感器检测到的数值大于150度，则立即停止手臂的康复训练；如果活动范围在0度到150度之间，则判断康复训练的次数。

⑧如果训练次数小于10次，则执行步骤③；如果训练次数大于10次，则停止训练，患者休息。

本发明一种运动意图识别的外骨骼康复机器人，通过上肢机器人控制算法指导外骨骼康复机器人带动患者相应侧的上臂进行康复训练，达到患者康复的目的。