侯增廣 趙新剛 程龍 王啟寧 王衛(wèi)群

康復(fù)機(jī)器人與智能輔助系統(tǒng)的研究進(jìn)展

侯增廣1,2,3趙新剛4程龍1,3王啟寧5王衛(wèi)群1

我國正面臨日益嚴(yán)重的老齡化問題和數(shù)量龐大的殘疾人群,康復(fù)機(jī)器人與智能輔助系統(tǒng)的研究開發(fā)和應(yīng)用有望為解決養(yǎng)老、失能輔助和康復(fù)問題提供部分技術(shù)手段.康復(fù)機(jī)器人與智能輔助系統(tǒng)涉及醫(yī)學(xué)、信息、機(jī)械、電子、材料、力學(xué)等多個學(xué)科領(lǐng)域,其研究與開發(fā)也面臨諸多挑戰(zhàn)和困難,本文從“康復(fù)機(jī)器人及多種康復(fù)訓(xùn)練模式”、“智能輔助系統(tǒng)與生機(jī)電技術(shù)”、“康復(fù)與輔助相關(guān)的多模態(tài)傳感與控制方法”、“外骨骼和可穿戴系統(tǒng)、智能假肢與人機(jī)安全性”等方面介紹和討論康復(fù)機(jī)器人和智能輔助系統(tǒng)的問題和研究進(jìn)展,以期為未來康復(fù)機(jī)器人和智能輔助系統(tǒng)的研究與開發(fā)提供些許借鑒.

康復(fù)機(jī)器人,智能輔助系統(tǒng),外骨骼,可穿戴系統(tǒng),智能假肢,康復(fù)訓(xùn)練,多模態(tài)傳感,人機(jī)交互,生機(jī)電技術(shù),人機(jī)安全性

DOI10.16383/j.aas.2016.y000006

截止到2014年底,我國60歲以上老齡人口已達(dá)2.12億.隨著社會老齡化的加劇和人民生活水平的提高,由腦卒中、脊髓損傷、腦外傷等原因造成的殘障人口迅速增長.我國每年新增約200萬腦卒中患者,至2030年,我國將有超過3000萬腦卒中患者.另外,我國各類殘疾人總數(shù)超過8000萬,其中肢體殘疾人口逾2400萬.大量的患者、失能者和老年人需要康復(fù)和輔助器具,然而,我國現(xiàn)有康復(fù)醫(yī)療資源非常緊缺,國內(nèi)普遍采用的康復(fù)治療方法存在人員消耗大、康復(fù)周期長、效果有限等問題.康復(fù)機(jī)器人與智能輔助系統(tǒng)的研究和推廣應(yīng)用有望有效緩解康復(fù)醫(yī)療資源供需矛盾,提高失能患者和老齡人群的生活質(zhì)量,并帶動相關(guān)產(chǎn)業(yè)發(fā)展,增加就業(yè),促進(jìn)社會和諧,因而具有重要的社會意義.

目前,康復(fù)機(jī)器人與智能輔助系統(tǒng)已成為國內(nèi)外機(jī)器人領(lǐng)域的研究熱點.機(jī)器人領(lǐng)域最具影響力的國際學(xué)術(shù)會議包括ICRA(IEEE International Conference on Robotics and Automation)、IROS(IEEE/RSJ International Conference on Intelligent Robots and Systems)等都設(shè)置專題對康復(fù)機(jī)器人與智能輔助系統(tǒng)進(jìn)行研討;另外,IEEE機(jī)器人與自動化學(xué)會 (IEEE Robotics and Automation Society,RAS)和醫(yī)學(xué)與生物工程學(xué)會(IEEE Engineering in Medicine and Biology Society,EMBS)每兩年共同舉辦一次康復(fù)機(jī)器人國際會議(IEEE International Conference on Rehabilitation Robotics,ICORR),康復(fù)機(jī)器人與智能輔助系統(tǒng)是其核心議題.

在康復(fù)機(jī)器人和智能輔助系統(tǒng)領(lǐng)域,近年來,國內(nèi)外學(xué)者和工程開發(fā)人員有許多新的研究成果,為了便于讀者了解本領(lǐng)域的研究現(xiàn)狀,下面分別從“康復(fù)機(jī)器人及多種康復(fù)訓(xùn)練模式”、“智能輔助系統(tǒng)與生機(jī)電技術(shù)”、“康復(fù)與輔助相關(guān)的多模態(tài)傳感與控制方法”、“外骨骼和可穿戴系統(tǒng)、智能假肢與人機(jī)安全性”等4個方面對康復(fù)機(jī)器人和智能輔助系統(tǒng)的研究進(jìn)展進(jìn)行簡要回顧和討論.

1 康復(fù)機(jī)器人及多種康復(fù)訓(xùn)練模式

目前,康復(fù)機(jī)器人的研究與應(yīng)用較多面向腦卒中、脊髓損傷等造成的神經(jīng)損傷患者,其典型癥狀是偏癱、截癱,患者在患病急性期一般先針對不同的病癥進(jìn)行手術(shù)和藥物治療.現(xiàn)代康復(fù)醫(yī)學(xué)認(rèn)為,在患者病情穩(wěn)定之后應(yīng)盡早開展康復(fù)治療.例如,對于由腦卒中造成的偏癱患者,其康復(fù)治療應(yīng)在患者病情穩(wěn)定后1～7周開始為宜;一般認(rèn)為,神經(jīng)系統(tǒng)功能的康復(fù)效果在發(fā)生功能障礙后3個月內(nèi)較顯著,約在6個月內(nèi)結(jié)束,此后神經(jīng)系統(tǒng)功能恢復(fù)的可能性相對較小[1].經(jīng)過實踐檢驗和發(fā)展,康復(fù)治療手段日益豐富,運動治療和作業(yè)治療是其中較為典型并在臨床廣泛應(yīng)用的康復(fù)治療方法.通常認(rèn)為,康復(fù)訓(xùn)練主要對應(yīng)于運動治療和作業(yè)治療.

傳統(tǒng)的康復(fù)訓(xùn)練方法主要是由人工或者借助簡單器械帶動患肢進(jìn)行,這類訓(xùn)練方法一般需要多名醫(yī)護(hù)人員輔助,而且醫(yī)護(hù)人員的體力消耗很大,因此,很難保證康復(fù)訓(xùn)練的強(qiáng)度和持久性;同時,人工康復(fù)訓(xùn)練方法容易受治療師主觀因素影響,難以保證訓(xùn)練的客觀性、精確性和一致性,限制了康復(fù)訓(xùn)練方法的進(jìn)一步優(yōu)化和康復(fù)效果的提升.尤其是近年來人員成本不斷攀升,使得傳統(tǒng)訓(xùn)練方法的康復(fù)費用不斷增加,給患者家庭及社會都帶來很大壓力.

康復(fù)機(jī)器人正是為了應(yīng)對傳統(tǒng)康復(fù)訓(xùn)練方法的不足而產(chǎn)生并發(fā)展起來的,它是將先進(jìn)的機(jī)器人技術(shù)和臨床康復(fù)醫(yī)學(xué)相結(jié)合的一種自動化康復(fù)訓(xùn)練設(shè)備,能夠發(fā)揮機(jī)器人擅長執(zhí)行重復(fù)性繁重勞動的優(yōu)勢,并可實現(xiàn)精確化、自動化、智能化的康復(fù)訓(xùn)練,進(jìn)一步提升康復(fù)醫(yī)學(xué)水平,增加患者接受康復(fù)治療的機(jī)會,提高患者的生活質(zhì)量,促進(jìn)社會和諧.

康復(fù)機(jī)器人技術(shù)相關(guān)的研究興起于上世紀(jì)90年代.上肢康復(fù)機(jī)器人的研究歷史相對較長,研究成果也較為豐富.美國麻省理工學(xué)院Hogan教授帶領(lǐng)的團(tuán)隊較早開展了相關(guān)研究,該研究團(tuán)隊研制的MIT-MANUS是末端式上肢康復(fù)機(jī)器人的典型代表.MIT-MANUS采用并聯(lián)機(jī)構(gòu)實現(xiàn)二自由度的水平桌面運動,為患者提供肩肘關(guān)節(jié)的運動訓(xùn)練;采用直驅(qū)電機(jī)作為關(guān)節(jié)機(jī)構(gòu)的動力來源,因而具備良好的反向驅(qū)動性能;同時基于阻抗控制策略,實現(xiàn)了較好的柔順性[2].針對MIT-MANUS的大量臨床實驗表明:該平臺對改善患者上肢功能具有積極作用[3].該平臺的不足在于,其末端運動為二維的平面運動、軌跡相對簡單,與日?；顒又腥梭w上肢的復(fù)雜運動有較大差距.為此,相關(guān)學(xué)者提出了能完成空間運動的末端式上肢康復(fù)機(jī)器人,典型平臺包括:英國雷丁大學(xué)研發(fā)的GENTLE/s[4]、美國加州Palo Alto市康復(fù)研究與開發(fā)中心研制的MIME系統(tǒng)[5]等.同時為了進(jìn)一步彌補(bǔ)末端式上肢康復(fù)機(jī)器人難以對人體上肢關(guān)節(jié)進(jìn)行精確控制的不足,相關(guān)學(xué)者提出了外骨骼式的上肢康復(fù)機(jī)器人.目前,最為典型的外骨骼式上肢康復(fù)機(jī)器人是瑞士蘇黎世聯(lián)邦理工學(xué)院的Riener教授主持研制的ARMin上肢康復(fù)機(jī)器人[6].國內(nèi)清華大學(xué)、中國科學(xué)院自動化研究所等對末端式上肢康復(fù)機(jī)器人開展了初步研究.哈爾濱工業(yè)大學(xué)、華中科技大學(xué)、中國科學(xué)院沈陽自動化研究所等研制了外骨骼式的上肢康復(fù)機(jī)器人.

在下肢康復(fù)機(jī)器人的研究方面,最為典型的外骨骼式下肢康復(fù)機(jī)器人是瑞士蘇黎世聯(lián)邦理工學(xué)院研制的Lokomat,其早期版本的下肢機(jī)構(gòu)包含兩個自由度,對應(yīng)于人體下肢的髖膝關(guān)節(jié),同時結(jié)合跑臺、減重系統(tǒng)等實現(xiàn)了輔助人體行走的仿生學(xué)步態(tài)[7].其新的下肢機(jī)構(gòu)增加了骨盆的側(cè)向運動和髖關(guān)節(jié)的內(nèi)收/外展運動,以實現(xiàn)更加接近人體行走的自然步態(tài).目前Lokomat下肢康復(fù)機(jī)器人已經(jīng)獲得較為廣泛的臨床應(yīng)用.美國特拉華大學(xué)研制的ALEX下肢康復(fù)機(jī)器人包含12個自由度,是采用較多自由度實現(xiàn)自然人體步態(tài)的典型平臺[8].相對而言,末端式下肢康復(fù)機(jī)器人實現(xiàn)較為簡單,使用也相對方便.典型的末端式下肢康復(fù)機(jī)器人包括: LokoHelp[9]、HapticWalker[10]、MIT Skywalker[11]等.國內(nèi)中國科學(xué)院自動化研究所、上海交通大學(xué)、浙江大學(xué)等對外骨骼式的下肢康復(fù)機(jī)器人做了初步研究.哈爾濱工程大學(xué)等對末端式的下肢康復(fù)機(jī)器人進(jìn)行了初步研究.

經(jīng)過20多年的發(fā)展,國內(nèi)外研究機(jī)構(gòu)在上肢康復(fù)機(jī)器人的技術(shù)研究方面取得了很多成果,包括主動訓(xùn)練、柔順性控制、處方設(shè)計、康復(fù)評價等在內(nèi)的多項技術(shù)已經(jīng)得到較深入研究并開始應(yīng)用于臨床[12].然而,現(xiàn)有的上肢康復(fù)機(jī)器人還存在制作成本高、應(yīng)用普及受限以及康復(fù)效果有限等問題.而下肢康復(fù)機(jī)器人的研究和臨床應(yīng)用還非常不足,仍然存在許多問題有待進(jìn)一步研究[13].

現(xiàn)有康復(fù)機(jī)器人平臺在機(jī)構(gòu)設(shè)計、人機(jī)交互、實驗與評價等多個方面還存在不足.康復(fù)機(jī)器人的機(jī)構(gòu)設(shè)計與特定的康復(fù)需求緊密相關(guān).例如,針對踝關(guān)節(jié)功能障礙患者的訓(xùn)練需求設(shè)計踝關(guān)節(jié)康復(fù)機(jī)器人,針對患者平衡能力不足設(shè)計平衡訓(xùn)練系統(tǒng)等.踝關(guān)節(jié)是人體下肢較容易受損的關(guān)節(jié),現(xiàn)有踝關(guān)節(jié)康復(fù)機(jī)構(gòu)存在機(jī)構(gòu)復(fù)雜、機(jī)構(gòu)與人體踝關(guān)節(jié)轉(zhuǎn)動中心一致性難以保證、可靠性不足等問題.在本?？?李劍鋒等提出基于3-UPS/RRR的并聯(lián)踝關(guān)節(jié)康復(fù)機(jī)構(gòu),可彌補(bǔ)現(xiàn)有踝關(guān)節(jié)康復(fù)機(jī)器人的不足.該機(jī)構(gòu)以踝關(guān)節(jié)的生理解剖結(jié)構(gòu)和運動特性為基礎(chǔ),基于三個主動支鏈實現(xiàn)三自由度的轉(zhuǎn)動、并采用約束支鏈和動平臺相結(jié)合的設(shè)計方法實現(xiàn)人體踝關(guān)節(jié)與機(jī)構(gòu)轉(zhuǎn)動中心的一致匹配.姜禮杰等提出了一種適用于偏癱訓(xùn)練的上下肢協(xié)調(diào)運動康復(fù)機(jī)器人,以肩、膝關(guān)節(jié)角度協(xié)調(diào)變化規(guī)律為設(shè)計目標(biāo),基于五桿變胞機(jī)構(gòu)設(shè)計了康復(fù)訓(xùn)練機(jī)構(gòu)及主/輔傳動鏈,通過樣機(jī)實驗驗證了系統(tǒng)的可行性.

針對下肢功能障礙患者腿部力量較弱、平衡能力差等常見問題,在下肢康復(fù)系統(tǒng)中設(shè)計主動減重功能有望改善系統(tǒng)整體性能、提高康復(fù)效果.現(xiàn)有減重系統(tǒng)多存在運動空間小、減重力變化大、易產(chǎn)生側(cè)向和前后拉力等問題.本專刊中,于寧波等設(shè)計的單繩懸吊主動減重系統(tǒng)有望解決上述問題.該系統(tǒng)在水平方向采用橋式吊架結(jié)構(gòu)和伺服系統(tǒng)控制吊繩保持豎直;在豎直方向采用繩牽引彈性執(zhí)行器并結(jié)合滑?？刂破?實現(xiàn)對吊繩偏角和拉力的精確控制.現(xiàn)有康復(fù)機(jī)器人大多采用電機(jī)驅(qū)動,其重量、剛性及慣性往往較大,因而物理系統(tǒng)的柔順性相對較差.采用氣動肌肉、繩驅(qū)動等柔性驅(qū)動方式有望解決這方面的問題.

康復(fù)訓(xùn)練方法是康復(fù)機(jī)器人系統(tǒng)設(shè)計的重要內(nèi)容.早期設(shè)計的康復(fù)機(jī)器人一般只提供被動式的訓(xùn)練方法.訓(xùn)練時,由機(jī)器人帶動患肢執(zhí)行定軌跡的運動訓(xùn)練,患者只是被動接收訓(xùn)練,而沒有運動意圖的主動參與.這種訓(xùn)練方法主要是為了減輕治療師的繁重體力勞動,增加患者獲得康復(fù)訓(xùn)練、恢復(fù)肢體功能的機(jī)會.例如,Lokomat的早期版本只提供被動的步態(tài)訓(xùn)練;臨床上大量應(yīng)用的CPM機(jī)、簡易康復(fù)踏車等一般也只提供被動的訓(xùn)練模式.而現(xiàn)代康復(fù)醫(yī)學(xué)認(rèn)為,運動康復(fù)訓(xùn)練主要基于神經(jīng)系統(tǒng)的可塑性原理,其根本目的是激發(fā)患者中樞神經(jīng)系統(tǒng)的重組和代償,實現(xiàn)患者神經(jīng)系統(tǒng)功能的恢復(fù),進(jìn)而恢復(fù)患肢的運動功能.

康復(fù)醫(yī)學(xué)的臨床研究表明,有患者運動意圖主動參與的康復(fù)訓(xùn)練對于患者神經(jīng)系統(tǒng)重建和運動功能恢復(fù)更加有效[14].由此產(chǎn)生兩個方面的問題,一方面需要精確識別患者的運動意圖,以便有效驅(qū)動機(jī)器人按照患者意愿運動;另一方面,則需要根據(jù)患者病情設(shè)計力或者運動的輔助方式.目前,基于肌電、腦電、力位等信息識別患者運動意圖的方法已經(jīng)獲得廣泛研究,但在識別準(zhǔn)確率、識別模型的魯棒性方面還需進(jìn)一步提高;多模態(tài)信息融合技術(shù)有望成為解決該問題的有效途徑[15].同時,在主動康復(fù)訓(xùn)練中,機(jī)器人的輔助模式必須根據(jù)患者病情的不同進(jìn)行相應(yīng)的調(diào)整,實現(xiàn)個性化的訓(xùn)練.例如,針對康復(fù)初期患者,其肌力較弱,一般需要機(jī)器人提供較大的驅(qū)動力輔助患者完成運動訓(xùn)練;而隨著患者肌力的逐漸恢復(fù),機(jī)器人可以逐步減小輔助力,并逐漸由助力轉(zhuǎn)化為阻力,以加大患者的訓(xùn)練強(qiáng)度,改善康復(fù)效果.這種“按需輔助”(Assist as needed)的訓(xùn)練方式在上肢康復(fù)機(jī)器人(如MIT-MANUS)的臨床應(yīng)用中獲得了較好的效果[3].在下肢康復(fù)方面,主動康復(fù)訓(xùn)練模式還需要進(jìn)一步研究,包括進(jìn)一步改善意圖識別精度、改善操作柔順性等[16].文獻(xiàn)[12]把康復(fù)訓(xùn)練方法作為上層控制策略(“High-level”control strategies)來考慮,并對多種機(jī)器人訓(xùn)練方法進(jìn)行綜述.近年來,學(xué)者又提出了鏡面對稱[5]、誤差放大[17]、虛擬隧道[18]、虛擬力場等訓(xùn)練方法,進(jìn)一步豐富了機(jī)器人輔助的康復(fù)訓(xùn)練模式.

此外,采用功能性電刺激(Functional electrical stimulation,FES)等先進(jìn)技術(shù)手段有望進(jìn)一步增強(qiáng)對患者神經(jīng)的刺激、提高患者神經(jīng)的參與程度.但是,FES容易受外部干擾、肌肉疲勞等因素影響,采用FES技術(shù)實現(xiàn)有意義的肢體關(guān)節(jié)運動是目前的難點之一[19].在本專刊中,吳強(qiáng)等人研究了基于FES閉環(huán)控制技術(shù)輔助下肢膝關(guān)節(jié)進(jìn)行運動訓(xùn)練方法.該論文基于膝關(guān)節(jié)的動力學(xué)模型建立基本的滑?？刂破?采用徑向基(Radial basis function, RBF)神經(jīng)網(wǎng)絡(luò)對膝關(guān)節(jié)動力學(xué)模型誤差進(jìn)行補(bǔ)償,并基于膝關(guān)節(jié)角度和角速度誤差建立自適應(yīng)律對RBF神經(jīng)網(wǎng)絡(luò)權(quán)值進(jìn)行自適應(yīng)調(diào)整,建立了運動反饋的FES閉環(huán)控制策略;同時,該論文給出了較豐富的仿真和人體實驗,對控制策略的穩(wěn)態(tài)響應(yīng)性能、抗擾動性能、抗肌肉疲勞性能等進(jìn)行驗證;為FES控制技術(shù)的臨床實用化提供參考.

康復(fù)機(jī)器人研究和開發(fā)的最終目的是實現(xiàn)臨床應(yīng)用,科學(xué)、嚴(yán)格的臨床實驗和康復(fù)評價是檢驗康復(fù)機(jī)器人系統(tǒng)性能的重要手段.臨床上常采用的康復(fù)評價指標(biāo)包括關(guān)節(jié)活動度(Range of motion,ROM)、肌力(Muscle strength)、本體感覺(Proprioception)[20]、異常的關(guān)節(jié)扭矩耦合與協(xié)同(Abnormal joint torque coupling and synergies, AJTCS)[21]、關(guān)節(jié)阻抗(Joint impedance)[22]、下肢行走功能(Walk function)[23]等.針對每一類型指標(biāo)還有對應(yīng)的細(xì)分類型,例如ROM包括被動ROM (pROM)、主動ROM(aROM)、終端感覺(Endfeel,神經(jīng)損傷患者在患肢關(guān)節(jié)運動到ROM極限角度時往往表現(xiàn)出一種病態(tài)的行為特征,臨床上可以用End-feel來評價[24])等.目前,評價康復(fù)機(jī)器人的有效性一般也采用臨床康復(fù)評價的相關(guān)指標(biāo).

在本?？?林海丹等通過臨床實驗研究了康復(fù)機(jī)器人輔助步行訓(xùn)練對不完全性脊髓損傷患者步行能力的影響.該文以16名不完全脊髓損傷患者為實驗對象,將患者隨機(jī)分成數(shù)量相等的試驗組和對照組,并分別在常規(guī)康復(fù)治療基礎(chǔ)上施加機(jī)器人輔助步行訓(xùn)練和地面步行訓(xùn)練;在治療前及治療4、8、12周時采用LEMS(下肢運動功能評分)和WISCI II(脊髓損傷步行指數(shù)II)兩種指標(biāo)進(jìn)行評價;基于該論文所述下肢康復(fù)機(jī)器人的實驗表明,采用機(jī)器人輔助患者進(jìn)行康復(fù)訓(xùn)練,在提高肌力方面并不優(yōu)于常規(guī)的地面步行訓(xùn)練,但在提高步行能力上則具有明顯優(yōu)勢.

傳統(tǒng)的評價方法主要由相關(guān)醫(yī)生手動進(jìn)行操作,例如評價ROM指標(biāo)時,由醫(yī)生帶動患肢并采用角度儀等測量患肢關(guān)節(jié)的最大活動角度.該方法很大程度上受醫(yī)生經(jīng)驗、操作手法等的影響,因此,臨床上同一名患者整個康復(fù)階段的評價工作往往都由同一名醫(yī)生完成.而基于康復(fù)機(jī)器人的康復(fù)評價方法則有望彌補(bǔ)傳統(tǒng)方法的不足.目前,在康復(fù)機(jī)器人上實現(xiàn)對患者肢體功能的評價研究已取得初步進(jìn)展,例如,Lokomat康復(fù)機(jī)器人初步實現(xiàn)了對患者下肢pROM 指標(biāo)的評價[25],Lokomat[25]、ALEX[26]、LOPES[27]初步實現(xiàn)了對患者肌力的評價等.但是,現(xiàn)有機(jī)器人輔助評價的方法在有效性和全面性方面還非常不足.例如,康復(fù)機(jī)器人上還未實現(xiàn)針對下肢End-feel指標(biāo)的評價;針對患者下肢ROM指標(biāo)的評價方面,目前只有Lokomat初步實現(xiàn)了該功能;針對下肢動態(tài)過程中的AJTCS評價研究非常缺乏[21]等.上述不足還有待相關(guān)學(xué)者進(jìn)一步研究解決.

2 智能輔助系統(tǒng)與生機(jī)電技術(shù)

面向老年人和運動功能障礙群體的智能輔助系統(tǒng),集仿生結(jié)構(gòu)、無線傳感、智能控制等技術(shù)于一體,因市場潛力巨大,受到眾多研究者及制造商的青睞.

針對老年人和殘障人群的代步問題,1986年英國首先在電動輪椅的基礎(chǔ)上研制了智能輪椅.此后許多國家的科研機(jī)構(gòu)開展了這方面的研究[28].智能輪椅是在電動輪椅的基礎(chǔ)上,同時融合了移動機(jī)器人、智能控制、模式識別、人機(jī)交互等技術(shù),它具有路徑規(guī)劃、主動避障和自主導(dǎo)航等能力,在室內(nèi)環(huán)境可基于信標(biāo)、地圖等環(huán)境模型自主運動,在室外環(huán)境可通過衛(wèi)星導(dǎo)航實現(xiàn)大范圍運動,另外還可以通過人機(jī)接口按照操作者的指令和意圖運動.

美國麻省理工學(xué)院人工智能實驗室開發(fā)了半自主輪椅機(jī)器人Wheelesley,該系統(tǒng)使用編碼器、紅外和超聲波傳感器來構(gòu)建環(huán)境感知系統(tǒng),在不需要全局地圖信息的情況下實現(xiàn)室內(nèi)的自主導(dǎo)航.基于機(jī)器視覺設(shè)計的“鷹眼”控制系統(tǒng),通過檢測人眼部運動代替鼠標(biāo)在人機(jī)界面的操作,實現(xiàn)輪椅的控制[29].西班牙SIAMO項目研發(fā)的多功能智能輪椅系統(tǒng)采用模塊化設(shè)計原則,針對用戶殘障程度的差異性,設(shè)計了智能操作桿、語音及頭部運動識別、呼吸控制及眼電信號控制等多種人機(jī)交互接口[30].日本AISIN精機(jī)和富士通公司共同研制的TAO Aicle智能輪椅在室內(nèi)環(huán)境下通過GPS、WLAN和RFID信標(biāo)等進(jìn)行數(shù)據(jù)收集與通信,監(jiān)控輪椅移動狀態(tài),為用戶提供交通信息,能夠自動避開障礙物、移動至目的地,通過搭建的小型PDA設(shè)備提供移動路徑與目的地的管理[31].

國內(nèi)近年來在智能輪椅上取得了一定的研究成果,中國科學(xué)院自動化研究所研制了一款基于嵌入式系統(tǒng)的RoboChair智能輪椅,具有“多模態(tài)人機(jī)交互”和“非結(jié)構(gòu)場景下的融合導(dǎo)航”兩大主要功能[32?34].在多模態(tài)交互中,輪椅提供手勢識別、頭部狀態(tài)識別、面部表情識別等控制接口.在導(dǎo)航避障方面,RoboChair使用基于視覺的自定位算法和平滑的軌跡規(guī)劃避障算法,實現(xiàn)在室內(nèi)環(huán)境中的精確定位和導(dǎo)航,并成功應(yīng)用于醫(yī)院室內(nèi)導(dǎo)航和U型病床的自動停泊.上海交通大學(xué)研制的“交龍”智能輪椅通過觸摸屏、攝像頭、麥克風(fēng)與用戶交互,能夠?qū)\動路線上的行人等動態(tài)障礙進(jìn)行躲避,自主地運動到目的地[35?36].重慶郵電大學(xué)的國家信息無障礙工程研發(fā)中心致力于研發(fā)輪椅的多模態(tài)控制方式,包括肌電識別、腦電識別、視覺跟蹤等控制交互接口[37?39].

針對下肢功能開始衰退的老年人和殘疾人群,利用智能輔助系統(tǒng)正確地進(jìn)行站立和步行訓(xùn)練對其下肢運動功能恢復(fù)以及促進(jìn)身體健康水平具有重要意義.美國麻省理工學(xué)院研制了著名的PAMM系統(tǒng),包括智能型步行機(jī)和智能手杖裝置,該系統(tǒng)利用力覺傳感器作為主要的輸入接口,驅(qū)動系統(tǒng)底部的主動輪,從而實現(xiàn)幫助用戶行走的功能[40].為了解決穿戴不方便問題,日本本田公司設(shè)計智能下肢助力系統(tǒng),這種佩戴在臀部的機(jī)械裝置可以幫助肌肉力量不足的老年人提高行走速度、延長行走距離、改善步伐整齊性,同時還可以監(jiān)測用戶的心跳自動調(diào)整步行速度[41].

在本?？?徐文霞等針對助行機(jī)器人,提出了一種基于多傳感器融合的助行機(jī)器人運動控制方法,機(jī)器人既可以順應(yīng)用戶的行走意圖也能預(yù)測用戶在使用過程中可能發(fā)生的跌倒,使用基于KF的SPRT方法和決策函數(shù)來判斷用戶是否跌倒及跌倒模式,并采取有效的跌倒防護(hù)策略.助行機(jī)器人實驗驗證了提出方法的有效性.

智能輔助系統(tǒng)需要與使用者直接接觸,因此要求系統(tǒng)在人機(jī)交互過程中,不僅能夠被動接受指令,更要主動理解使用者的行為意圖,以便自主為使用者提供必需輔助[15].人體生理電信號是載有人行為信息的神經(jīng)脈沖傳輸?shù)较嚓P(guān)組織/器官時所激發(fā)的電位和,直接反應(yīng)人的意圖.通過解碼人體生理電信號以識別人的行為,進(jìn)而賦予智能輔助設(shè)備能夠理解人的意圖的能力,已成為研發(fā)新型生機(jī)電輔助設(shè)備的重要技術(shù).常用的生理電包括肌電(Electromyography,EMG)、腦電(Electroencephalography,EEG)、眼電(Electrooculography, EOG)、舌電等[42].與傳統(tǒng)機(jī)電一體化系統(tǒng)相比,融合生機(jī)電技術(shù)的系統(tǒng)具有以下優(yōu)點:1)可針對輔助系統(tǒng)進(jìn)行自然控制,實現(xiàn)擬人人機(jī)交互;2)適用于包括肢體殘缺、損傷患者在內(nèi)的各種用戶;3)生理電信號一般超前于實際運動,可以提供運動預(yù)判;4)生理電蘊含著力、運動、生理狀態(tài)等多種信息,可以實現(xiàn)多模式交互控制;5)應(yīng)用生機(jī)電技術(shù)更容易開發(fā)便攜式或穿戴式設(shè)備.

生機(jī)電技術(shù)的核心之一是通過生理電信號精確識別出人體的行為意圖,通常包括信號去噪、特征提取、離線運動建模、在線運動估計等步驟.針對基于肌電的運動識別問題,Phinyomark等評估不同肌電特征對動作識別的影響[43];Chan等設(shè)計并優(yōu)化識別上臂6種動作模式的隱馬爾科夫模型[44]; Chu等提出基于線性判別的肌電時頻特征投影變換算法,識別9種手部/腕部動作,并實現(xiàn)肌電假手的在線控制[45];Cavallaro等改進(jìn)了基于肌電的Hill肌肉力模型,構(gòu)建肌電控制的上肢康復(fù)系統(tǒng)[46]; Artemiadis等建立映射肌肉活躍度到關(guān)節(jié)連續(xù)運動量的狀態(tài)空間方程,并引入補(bǔ)償疲勞干擾的模型自適應(yīng)機(jī)制[47?48];Ajoudani等提出了基于肌電的遙阻抗控制策略,通過肌電空間正交分解,估計出位置環(huán)境中手臂末端三維剛度,并利用估計結(jié)果實現(xiàn)輔助設(shè)備的阻抗控制[49];Karavas等建立了由肌電估計關(guān)節(jié)力矩及剛度的模型,并實現(xiàn)下肢膝關(guān)節(jié)輔助裝置的剛度在線控制,模擬人體運動的自然柔性[50].

針對一些運動功能嚴(yán)重?fù)p傷患者,當(dāng)其肌肉無法激發(fā)主動EMG時,采用與實際運動共享相同神經(jīng)機(jī)制的運動想象激發(fā)的EEG進(jìn)行輔助設(shè)備控制,便是一種替代選擇.布朗大學(xué)研究者在一名腦卒中癱瘓患者的腦內(nèi)運動皮層區(qū)植入一個微電極陣列,采集神經(jīng)元活動尖峰信號,解碼受試者手臂運動意圖,控制機(jī)械臂輔助患者完成了喝咖啡任務(wù)[51];Sadeghian等采用共同空間模式提取EEG特征,然后結(jié)合支持向量機(jī)對4種想象運動進(jìn)行預(yù)測[52];Iturrate等設(shè)計一種非侵入式腦控輪椅,把腦電P300視覺刺激信號與虛擬現(xiàn)實場景相結(jié)合,使得測試者可以利用圖形用戶接口,通過想象控制輪椅[53].為進(jìn)一步提高運動想象控制效果,已有研究者利用EOG增強(qiáng)運動想象腦機(jī)接口的性能. Witkowski等在腦控外骨骼手部康復(fù)系統(tǒng)中,增加了EOG輔助控制系統(tǒng),通過識別使用者向左/右看的眼部動作,獲知其希望緊急打開或關(guān)閉外骨骼裝置的意圖[54];在另一項基于運動想象控制輪椅的研究中,借助增加的EOG系統(tǒng),識別使用者連續(xù)三次快速眨眼的動作表達(dá),實現(xiàn)對輪椅的停止控制[55].與運動想象EEG相比,采用視覺刺激誘發(fā)穩(wěn)態(tài)電位或事件相關(guān)電位能獲得更高運動識別率,許多研究者也在嘗試將EOG與視覺誘發(fā)電位或事件相關(guān)電位相融合,以設(shè)計能實現(xiàn)更多運動模式的混合腦機(jī)接口[56?57].

生機(jī)電技術(shù)近年來備受關(guān)注,盡管應(yīng)用該技術(shù)已開發(fā)了多種智能輔助設(shè)備與系統(tǒng),但大多仍處于實驗探索階段,一些有待解決的關(guān)鍵技術(shù)問題制約了其進(jìn)一步推廣.首先,生機(jī)電技術(shù)的應(yīng)用很大程度受約束于生理電自身特性及其獲取與處理方法.生理電信號通常是非線性、非平穩(wěn)性、時變的弱電信號,且具有個體差異性,容易受到使用者的體征、生理狀態(tài)、外界干擾等因素影響,設(shè)計抗干擾生理電傳感器,優(yōu)化信號處理方法,建立適用于不同個體的自適應(yīng)運動模型,是構(gòu)建穩(wěn)定生機(jī)電系統(tǒng)要解決的關(guān)鍵問題;其次單一生理電信號往往有無法回避的缺陷,比如肌電完全依賴于其激發(fā)肌肉、腦電空間分辨率低、特定眼動模式激發(fā)的眼電讓使用者不自然等,融合多種生理電或增加輔助的力、慣性測量等傳感器,可以提升生機(jī)電智能輔助系統(tǒng)的自然控制與環(huán)境感知能力.應(yīng)用多類傳感信號,需要考慮多源信息同步融合及系統(tǒng)實時性問題,以防出現(xiàn)操作延時.生機(jī)電技術(shù)仍是今后很長一段時間內(nèi)的研究熱點,新成果的不斷涌現(xiàn)將促進(jìn)基于生理電信號的智能輔助系統(tǒng)的推廣應(yīng)用,為改善/恢復(fù)運動功能障礙患者的運動提供支持.

在本專刊中,陳靈等針對智能輪椅控制問題開展研究,提出基于路徑曲率優(yōu)化的室內(nèi)環(huán)境下智能輪椅通過狹窄過道的控制方法.算法以貝塞爾曲線的曲率及其變化率最小為優(yōu)化目標(biāo),以輪椅過通道時的方向及貝塞爾多邊形應(yīng)為凸多邊形作為約束,規(guī)劃出一條平滑的最優(yōu)路徑,然后控制輪椅實時跟蹤這條路徑.仿真及實驗結(jié)果驗證了算法的有效性.

在本?？?左國玉等提出了一種遙操作護(hù)理機(jī)器人系統(tǒng),研究了同構(gòu)式遙操作護(hù)理機(jī)器人系統(tǒng)的操作者人體姿態(tài)解算方法,實現(xiàn)人體姿態(tài)到機(jī)器人動作的同構(gòu)性映射,所提方法能夠滿足機(jī)器人進(jìn)行一般護(hù)理作業(yè)時對人體姿態(tài)數(shù)據(jù)處理的快速性和準(zhǔn)確性要求.

李向攀等采用氣壓驅(qū)動器實現(xiàn)輕量、柔性助力、穿戴舒適的可穿戴式腰部助力機(jī)器人,可以給護(hù)理人員在提升重物和靜態(tài)保持作業(yè)時輸出腰部所需助力,降低下腰痛致病風(fēng)險.通過對重物搬運作業(yè)中穿戴者豎脊肌表面肌電信號評估、基于測力平臺最大搬舉重量測試、靜態(tài)彎腰負(fù)重作業(yè)下人體重心移動軌跡等相關(guān)實驗,驗證了助力有效性.

3 智能康復(fù)與輔助相關(guān)的多模態(tài)傳感交互與控制方法

一個良好的康復(fù)與輔助系統(tǒng)需要智能的感知和控制系統(tǒng)作支撐.為了給患者創(chuàng)造一個安全、舒適、自然的康復(fù)訓(xùn)練或者輔助環(huán)境,機(jī)器人和患者之間的交互與控制不可或缺[58].感知系統(tǒng)不僅能夠識別患者和機(jī)器人當(dāng)前的狀態(tài),還能夠幫助實現(xiàn)患者和機(jī)器人的交互.既可以構(gòu)成閉環(huán)控制系統(tǒng),加強(qiáng)系統(tǒng)的控制精度;又能夠利用力、位置等信息實現(xiàn)機(jī)器人的柔順控制,還能作為評估信號參與康復(fù)機(jī)器人性能的評估標(biāo)定.一個優(yōu)良的控制方法能夠為患者創(chuàng)造安全舒適的訓(xùn)練環(huán)境,鼓勵患者積極參與到康復(fù)訓(xùn)練中來,極大地提高了康復(fù)效果.康復(fù)機(jī)器人的信息感知及其控制大體上可以分為基于運動信號的感知控制以及基于生理信號的感知控制.

3.1 基于運動信號的感知及其控制

基于運動信號的感知及其控制主要是利用傳感器采集當(dāng)前患者肢體關(guān)節(jié)的運動狀態(tài),反饋給控制單元,形成相應(yīng)的閉環(huán)控制系統(tǒng),能夠?qū)崿F(xiàn)柔順控制,極大地加強(qiáng)了控制精度及準(zhǔn)確性,有效地防止二次損傷.

3.1.1 基于運動信號的感知

目前國內(nèi)外常見的可檢測的運動信號主要是位置角度類信號以及觸力覺信號.

用來檢測位置角度類信號的傳感器主要有:位移傳感器、彎曲度傳感器、光學(xué)編碼器、磁增量編碼器、霍爾傳感器、角度型數(shù)據(jù)手套、Leap motion、三軸陀螺儀、加速度計等.其中位移傳感器、彎曲度傳感器、三軸陀螺儀及加速度計主要是安裝在外骨骼機(jī)器人上,隨著患者肢體的運動變化,傳感器的內(nèi)部參數(shù)也發(fā)生相應(yīng)的變化,從而得出患者當(dāng)前的運動狀態(tài).位移傳感器及彎曲度傳感器在患者肢體發(fā)生相應(yīng)彎曲時,傳感器也發(fā)生相應(yīng)的物理量變化,通過變化識別患者肢體的彎曲角度,具有測量簡單、超薄封裝、方便信息的采集與處理等優(yōu)點.三軸加速度計及陀螺儀一般兩者綜合使用.加速度計傳感器對物體姿態(tài)的識別是基于傳感器的敏感軸對重力的感應(yīng)實現(xiàn)的.將加速度傳感器置于待測物體水平面上,當(dāng)物體發(fā)生轉(zhuǎn)動,加速度傳感器的敏感軸也發(fā)生轉(zhuǎn)動,加速度也會發(fā)生改變,因此能夠表征物體姿態(tài)的變化.陀螺儀用來測量當(dāng)前動態(tài)載體的角速率,再利用高精度積分函數(shù)對角速率進(jìn)行積分從而得到姿態(tài)角.但是由于三軸加速度計和陀螺儀在測量的過程中存在誤差,通過傳感器數(shù)據(jù)融合之后進(jìn)行姿態(tài)解算得到的數(shù)據(jù)會有漂移現(xiàn)象并受噪聲干擾,可以結(jié)合卡爾曼濾波對姿態(tài)解算數(shù)據(jù)中出現(xiàn)的噪聲和漂移進(jìn)行處理和校正,提高測量精度.光學(xué)編碼器、磁增量編碼器主要是安裝在電機(jī)內(nèi)部或者連接在電機(jī)的旋轉(zhuǎn)軸上,通過幾何關(guān)系產(chǎn)生的傳動比以及自身的轉(zhuǎn)角,便能夠計算出關(guān)節(jié)轉(zhuǎn)角.但是由于設(shè)備的機(jī)械性質(zhì),有些遠(yuǎn)端關(guān)節(jié)的傳動繩需要經(jīng)過近端關(guān)節(jié),因此繩的長度會受其所穿過的近端關(guān)節(jié)的影響,造成較大的測量誤差,不利于產(chǎn)生精確的反饋及控制[59].因此,在實際的處理過程中,可以通過改進(jìn)設(shè)備的機(jī)械性質(zhì),通過幾何關(guān)系以及實驗來確定關(guān)節(jié)轉(zhuǎn)角和傳動繩長度之間的映射關(guān)系,并且通過電機(jī)轉(zhuǎn)角以及轉(zhuǎn)速的閉環(huán)控制對摩擦力進(jìn)行補(bǔ)償?shù)姆椒▉韺崿F(xiàn)更加精確的角度測量.霍爾傳感器沿著轉(zhuǎn)軸安裝用來做限位開關(guān),限制外骨骼的轉(zhuǎn)角范圍,也可以用來測量肢體的角位移[60].

用來檢測觸力覺信號的傳感器主要有電阻應(yīng)變式傳感器、硅壓阻式力傳感器、六軸F/T傳感器、張力傳感器、應(yīng)變儀、電子皮膚、觸覺傳感器等.電阻應(yīng)變式傳感器、張力傳感器、應(yīng)變儀等力傳感器主要是用來檢測患者與外骨骼機(jī)器人之間的交互力,用以評估了解患者當(dāng)前的康復(fù)狀態(tài),如Ali等的智能醫(yī)療評估手套使用的就是力敏電阻[61].在患者康復(fù)初期,添加有效的人機(jī)交互力控制,能夠有效地避免患者在運動過程中出現(xiàn)肌肉痙攣現(xiàn)象.六軸F/T傳感器、觸覺傳感器、電子皮膚等傳感器主要是用來檢測患者與外界環(huán)境之間的接觸情況,用以實現(xiàn)康復(fù)過程中對患者的輔助以及在用于智能假肢時感知外界環(huán)境等信息.如Jeong等采用肌腱張力傳感器測量肌腱的張力,這樣在僅使用一個傳感器的情況下能夠涵蓋所有的手指抓取情形[62].六軸F/T傳感器能夠測量多個方向上力的變化,但是受體積等因素的影響,還較難實現(xiàn).還有一種電子皮膚式的觸覺傳感器,目前僅處于實驗室階段.

3.1.2 基于運動信號的控制

基于運動信號的控制是指將位置角度、力傳感器采集得到的運動信號引入控制系統(tǒng)中,構(gòu)成一個閉環(huán)控制系統(tǒng),從而更好地實現(xiàn)軌跡控制、柔順控制,提高康復(fù)訓(xùn)練效果.基于運動信號的控制主要可以分為位置型控制、力信號型控制、力位混合控制等.

位置型控制是指依據(jù)訓(xùn)練需求,制定好肢體末端或操作空間上的運動軌跡,以運動軌跡誤差或者運動速度誤差為操作對象,肢體控制方法使運動軌跡不斷地偏向預(yù)設(shè)軌跡,從而使機(jī)器人按照預(yù)定的軌跡進(jìn)行運動,如Cempini等研制的康復(fù)機(jī)器人便采用4個獨立的位置閉環(huán)對機(jī)械手進(jìn)行運動控制[63].力控制是指對機(jī)器人的末端作用力或者關(guān)節(jié)的力矩所做的控制,如意大利的Iqbal等研制的外骨骼機(jī)器人就采用了力反饋控制系統(tǒng)[64?65].力信號型控制以人機(jī)之間的交互力作為控制對象,使康復(fù)機(jī)器人能夠按照意愿進(jìn)行相應(yīng)的運動,從而達(dá)到訓(xùn)練的目的.如Zanotto等研制的自適應(yīng)下肢機(jī)器人就利用力、力矩信號構(gòu)成含有重力和摩擦力補(bǔ)償項的反饋閉環(huán)控制系統(tǒng)以減少人機(jī)之間的交互偏差[66].還可以利用力、力矩信號構(gòu)成前饋控制,利用應(yīng)變片等測量的接觸力計算關(guān)節(jié)的轉(zhuǎn)矩,能夠在不引起振蕩的情況下減少延時以及實現(xiàn)扭矩的迅速產(chǎn)生.如Agarwal等的外骨骼康復(fù)機(jī)器人便加入了前饋PID控制系統(tǒng),能夠較好地跟隨外骨骼的期望轉(zhuǎn)矩軌跡[67].力位混合控制是指依賴于位置的偏差以及力的偏差對康復(fù)進(jìn)行控制,從而達(dá)到更加精確與安全的控制,如Jones等提出的外骨骼康復(fù)機(jī)器人就采用了力和位置兩個控制信號對外骨骼機(jī)器人做實時控制,保證了康復(fù)過程中的控制精度及安全性[59].在力位混合控制中,將任務(wù)空間化為力空間和位置空間兩個子空間,并在相應(yīng)的位置完成相應(yīng)的跟蹤控制.將人機(jī)交互力以及機(jī)器人與環(huán)境之間的環(huán)境力引入位置控制系統(tǒng)中,在位置與外力的作用下,加強(qiáng)康復(fù)機(jī)器人的柔順控制.此外,還可以通過數(shù)據(jù)手套、Leap motion等傳感器采集肢體的角度等運動信息實現(xiàn)對康復(fù)機(jī)器人和智能假肢的運動控制.如日本東京早稻田大學(xué)Tang等研制的手指機(jī)器人便采用了5DT數(shù)據(jù)手套采集正常手的運動信息[68],從而驅(qū)動待康復(fù)手進(jìn)行相同的運動.馬耳他大學(xué)的Dalli等利用Leap motion檢測人手的運動狀態(tài),進(jìn)而控制智能假肢實現(xiàn)同步運動[69].

在本專刊中,杜惠斌等介紹了基于Kinect的深度圖像傳感器在肢體康復(fù)系統(tǒng)中的應(yīng)用,他們利用兩臺Kinect采集患者健康側(cè)手臂運動數(shù)據(jù),然后基于“鏡像運動”原理計算出患側(cè)手臂的運動指令,用于控制可穿戴式鏡像康復(fù)外骨骼帶動患者患側(cè)手臂完成三維動畫提示的康復(fù)動作.

王曉峰等在機(jī)器人與人體上肢接觸面安裝力傳感器采集人機(jī)交互力矩信息作為量化的主動運動意圖,設(shè)計了一種無模型自適應(yīng)濾波算法使交互力矩變得平滑而連貫;同時設(shè)計了人機(jī)交互阻抗控制器,用于調(diào)節(jié)各關(guān)節(jié)的給定目標(biāo)速度;最后利用無模型自適應(yīng)與離散滑模趨近律相結(jié)合的速度控制器,實現(xiàn)機(jī)器人各關(guān)節(jié)對目標(biāo)速度的跟蹤.

3.2 基于生理電信號的感知及其控制

基于生理電信號的感知及其控制,是指康復(fù)機(jī)器人從患者身上獲取相應(yīng)的生理電信號,通過對信號的識別,判斷出患者的運動意圖,以運動意圖為依據(jù)設(shè)計控制器帶動患者肢體進(jìn)行康復(fù)訓(xùn)練.

3.2.1 基于生理電信號的感知

本文第2節(jié)已經(jīng)提及主要的生理電信號類別,其中,肌電信號主要是利用表面肌電信號(Surface eletromyogram,sEMG),其一直被視為最適合作為康復(fù)機(jī)器人控制系統(tǒng)的生理反饋信號,在運動意圖識別上具有良好的精度及魯棒性[70].如Bao等的氣動康復(fù)機(jī)器人便是利用sEMG實現(xiàn)對患者運動意圖的識別,從而實現(xiàn)康復(fù)訓(xùn)練控制[71].腦電信號主要利用腦皮層的相關(guān)電位信息,分析出腦電信號與運動之間具有相關(guān)性.腦電信號的提取具有植入式和非植入式兩種,植入式腦電信號特異性強(qiáng)、信噪比高、后期處理簡單,但是技術(shù)困難,并且存在倫理問題.非植入式主要是將電極置于頭皮上來提取腦電,由于其無創(chuàng)性,更受研究者的青睞.但是基于EEG信號的運動預(yù)測和運動控制還處于起步階段,并且EEG信號的信噪比很低,目前在康復(fù)機(jī)器人上實際應(yīng)用并不多見.

由于sEMG信號具有很強(qiáng)的模糊性,有時對于同一個人同一個動作所采集到的sEMG信號都有所不同,因此,肌電信號的特征提取尤為重要.目前,常見的sEMG信號特征提取方法有時域法、頻域法、時頻域法等.時域法主要有絕對值積分、過零點率、均方根、均值、平方和等方法,通過時域分析方法,可以得出sEMG信號的強(qiáng)度等特征.頻域法主要包括功率譜估計、倒頻譜分析等特征計算方法,其中平均頻率和中值頻率的使用較為常見,可以用來判斷肌肉的疲勞程度.時頻域法便于研究sEMG這類非平穩(wěn)信號,目前較為常見的有維格納分布和小波變換法,維格納分布為信號提供了高分辨率時的時頻特征,具有良好的抗噪能力,反映了信號的能量分布;小波變換法是傅里葉變換的延伸,能夠顯示信號的局部特性,可以看成是一種頻率可調(diào)的帶通濾波器.目前常見的用于sEMG信號的分類方法有K近鄰、支持向量機(jī)(Supportvector machine,SVM)、高斯混合模型(Gaussian mixture model,GMM)、人工神經(jīng)網(wǎng)絡(luò)等.在基于sEMG的模式識別問題中,會遇到數(shù)據(jù)缺失的問題,對于此類數(shù)據(jù)缺失問題,可以采用期望最大化(Expectation maximization,EM)等方法擴(kuò)展為全維的GMM模型,然后利用貝葉斯分類或者條件平均算法進(jìn)行分類.對于數(shù)據(jù)維數(shù)太高的樣本向量,為了提高識別速率,降低計算成本,常常需要進(jìn)行降維處理.可以采用PCA方法進(jìn)行降維,再使用多層感知器(Multi-layer perceptron,MLP)進(jìn)行分類.也可以采用LDA算法進(jìn)行降維,再采用隱馬爾科夫模型(Hidden Markov model,HMM)進(jìn)行分類[72].

在本?？?孟明等通過引入堆疊降噪自動編碼器,提出了一種多類運動想象腦電信號的兩級特征提取方法.該方法將腦電信號變換到使信號方差區(qū)別最大的低維空間,然后提取更好表達(dá)類別屬性的高層抽象特征,最后使用Softmax分類器進(jìn)行分類.通過BCI競賽中的實驗數(shù)據(jù),驗證了該方法的有效性和魯棒性.

3.2.2 基于生理電信號的控制

基于肌電信號的控制方法有諸多優(yōu)點:類似于腦電控制,它也是基于人體運動意圖的一種控制方式;肌電在肌肉收縮運動之前產(chǎn)生,采集肌電可以預(yù)判運動意圖;能夠開發(fā)相應(yīng)的攜帶和穿戴式設(shè)備;無創(chuàng)性以及高效率.如Adewuyi等實驗證實使用EMG信號數(shù)據(jù)對于19種手指抓取以及手指動作的識別精度能夠達(dá)到96%[73].Lee等利用sEMG信號輔助多自由度機(jī)器人實現(xiàn)在未知外部信號下的魯棒控制[74].對基于腦電信號(EEG)的控制方法,不需要經(jīng)過神經(jīng)肌肉的控制,同時肌肉電刺激也不會影響腦電信號的記錄.如Guo等研制的外骨骼手指康復(fù)機(jī)器人就采用腦電信號作為控制信號[75].基于腦電信號的控制可以應(yīng)用于肌無力、脊髓損傷乃至完全喪失運動能力的患者,但是這類方法的局限在于其只能應(yīng)用于大腦運動控制功能正常的癱瘓患者,不適用于腦區(qū)運動神經(jīng)損傷患者,因為該類患者的大腦運動功能區(qū)域已經(jīng)受到損傷,不能產(chǎn)生正常的肢體運動控制的EEG信號[66].并且EEG信號具有低信噪比的特點,直接采用EEG信號控制外骨骼具有很大的挑戰(zhàn)性.

利用運動信號的控制由于采集處理數(shù)據(jù)的時間滯后,導(dǎo)致控制的實時性偏差,而sEMG信號超前于運動產(chǎn)生能有效地擬補(bǔ)運動信號的滯后性,另一方面,關(guān)節(jié)角度等運動信號能夠幫助解決sEMG信號強(qiáng)模糊性及環(huán)境強(qiáng)耦合性等問題.因此,建立關(guān)節(jié)角度、人機(jī)交互力以及sEMG信號的多源信號融合的識別算法,能夠更準(zhǔn)確、實時地識別患者的運動意圖,從而達(dá)到更加良好的康復(fù)效果.

4 外骨骼和可穿戴系統(tǒng)、智能假肢與人機(jī)安全性

融入機(jī)器人技術(shù)的外骨骼機(jī)器人、可穿戴系統(tǒng)和智能假肢是近年來國內(nèi)外的研究熱點[76].

外骨骼機(jī)器人和可穿戴系統(tǒng)研究重點為動力外骨骼系統(tǒng).按照應(yīng)用場合分類,外骨骼分為負(fù)重型外骨骼(助力外骨骼)和動力矯形器.外骨骼按照結(jié)構(gòu)又可以分為單關(guān)節(jié)外骨骼和多關(guān)節(jié)外骨骼.

負(fù)重型外骨骼用于增加穿戴者的負(fù)重能力,其一般通過機(jī)械結(jié)構(gòu)支撐或者分擔(dān)加載到人身體上的負(fù)重.美國加州大學(xué)伯克利分校的研究人員研發(fā)的伯克利全下肢外骨骼“BLEEX”[77?79]是第一套具有主動控制的下肢負(fù)重型外骨骼.BLEEX的主體結(jié)構(gòu)包括雙側(cè)的仿生機(jī)械腿和背部固定負(fù)載的機(jī)械裝置,每側(cè)機(jī)械腿根據(jù)人體下肢的生理構(gòu)造分為大腿、小腿和腳板,髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)分別采用液壓驅(qū)動.在運動過程中,背部負(fù)載的重量通過兩側(cè)的機(jī)械腿轉(zhuǎn)移至地面,從而減輕穿戴者的自身負(fù)重.日本筑波大學(xué)Sankai團(tuán)隊研制了用于增強(qiáng)健康人負(fù)重能力和下肢康復(fù)的外骨骼“HAL”系列[80?83]. HAL-5[83]為該系列外骨骼有代表性的原理樣機(jī),它包括上肢、下肢和軀干部分,其通過位于髖關(guān)節(jié)和膝關(guān)節(jié)處的直流電機(jī)為穿戴者的下肢運動提供助力.日本神奈川工科大學(xué)的研究人員研發(fā)了輔助醫(yī)護(hù)人員轉(zhuǎn)移病人的全身外骨骼Power assisting suit[84?85].該外骨骼通過氣壓傳動驅(qū)動器為穿戴者的肘關(guān)節(jié)、腰部和膝關(guān)節(jié)提供助力.Power assisting suit在設(shè)計過程中不僅考慮了助力效果,而且該外骨骼的機(jī)械結(jié)構(gòu)完全在穿戴者的背面,因此穿戴者在對病人進(jìn)行護(hù)理過程中保持著直接的物理交互,保證了病人的舒適性.哈佛大學(xué)研究人員研發(fā)的柔性外骨骼服,“exosuit”系列[86?89].Exosuit沒有剛性的機(jī)械結(jié)構(gòu)來提供支撐,該機(jī)器人通過繩索驅(qū)動的方式在人行走的過程中提供助力,減小相應(yīng)的肌肉收縮強(qiáng)度,從而降低人體能量消耗.其實驗結(jié)果表明,exosuit的驅(qū)動方式能夠在行走過程中提供有效的助力,盡管它提供的助力并不能抵消系統(tǒng)自重帶來的能耗增加,但是該研究團(tuán)隊提出的exosuit概念為未來柔性穿戴式機(jī)器人的發(fā)展提供了全新的思路和參考.

動力矯形器類的外骨骼機(jī)器人用于為有運動障礙的病人或老年人提供支撐、輔助或者矯正,幫助他/她們恢復(fù)運動能力.國際上比較有代表性的研究成果和產(chǎn)品,比如美國的ReWalk系列[90]和eLEGS[91]等.其中,ReWalk外骨骼已經(jīng)在世界多個國家和地區(qū)的康復(fù)醫(yī)院進(jìn)行臨床應(yīng)用,也有很多針對截癱病人康復(fù)的臨床研究也應(yīng)用到了ReWalk外骨骼[90].非全下肢動力外骨骼包括單關(guān)節(jié)和多關(guān)節(jié)兩類.機(jī)械結(jié)構(gòu)和驅(qū)動方式根據(jù)康復(fù)的目的各有不同,世界上很多研究機(jī)構(gòu)和公司也都從事此類外骨骼的研究.比如,瑞士Hocoma公司研發(fā)的產(chǎn)品Lokomat[92?93],是目前應(yīng)用最廣泛的用于腦卒中病人和脊髓損傷康復(fù)的穿戴式下肢康復(fù)機(jī)器人,Lokomat通過電機(jī)為病人的髖關(guān)節(jié)和膝關(guān)節(jié)提供助力,同時背部連接到可以跟隨重心上下移動的平臺上,訓(xùn)練過程在跑步機(jī)上完成.美國德拉華大學(xué)研發(fā)了用于腦卒中病人康復(fù)的下肢動力外骨骼ALEX[94].ALEX通過電機(jī)和直線驅(qū)動器為髖關(guān)節(jié)和膝關(guān)節(jié)提供助力,其背部連接到一個機(jī)械支撐裝置上,用于支撐外骨骼和穿戴者的重量.除此之外,還包括單關(guān)節(jié)動力外骨骼,單關(guān)節(jié)動力外骨骼包括髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)外骨骼等3種.單關(guān)節(jié)動力外骨骼的作用是在行走過程中特定的步態(tài)階段為穿戴者提供干預(yù)、調(diào)節(jié)相應(yīng)關(guān)節(jié)的動力學(xué)系數(shù),改善行走的質(zhì)量.幾款有代表性的單關(guān)節(jié)動力外骨骼比如,意大利圣安娜高等研究院仿生機(jī)器人研究所研發(fā)了用于為老年人和下肢運動障礙的病人提供助力的髖關(guān)節(jié)外骨骼APO[95],該外骨骼通過電機(jī)串聯(lián)柔性驅(qū)動器為髖關(guān)節(jié)屈伸方向提供連續(xù)的助力.相對于髖關(guān)節(jié)和膝關(guān)節(jié)動力外骨骼,踝關(guān)節(jié)動力外骨骼研究較多,一個原因是因為在人類行走過程中,踝關(guān)節(jié)肌肉(比目魚和腓腸肌)為身體支撐和前進(jìn)提供主要的力[96].幾款有代表性的踝關(guān)節(jié)動力矯形器類外骨骼比如,美國麻省理工學(xué)院Herr研究組研發(fā)了用于康復(fù)足下垂的踝關(guān)節(jié)動力矯形器外骨骼AAFO[97],該矯形器外骨骼由電機(jī)串聯(lián)柔性驅(qū)動器為踝關(guān)節(jié)背屈和跖屈方向提供助力.在臨床實驗中,經(jīng)過一段時間的康復(fù)訓(xùn)練,該動力外骨骼能夠提高足下垂病人的行走速度和步態(tài)對稱性,同時減少了腳掌拍擊地面的步態(tài).哈佛大學(xué)的研究人員研發(fā)了柔性踝關(guān)節(jié)動力外骨骼可穿戴系統(tǒng)[98],該外骨骼依靠人工肌肉進(jìn)行驅(qū)動,并能夠提供跖屈背屈方向和內(nèi)翻外翻方向的助力,柔性的外骨骼使設(shè)備穿戴更符合人體工程學(xué).初步實驗結(jié)果驗證了該柔性動力矯形器的控制性能和助力性能,柔性外骨骼也為未來動力外骨骼的發(fā)展提供了新思路.在卡內(nèi)基梅隆大學(xué)和北卡羅來納州立大學(xué)合作的研究[99]中,研究人員設(shè)計了一款純被動的踝關(guān)節(jié)外骨骼,該外骨骼通過機(jī)械離合器控制并聯(lián)在小腿后側(cè)的彈簧拉伸和釋放,在行走過程中分擔(dān)小腿肌肉的力量,從而降低人體能耗.

在外骨骼機(jī)器人領(lǐng)域，國內(nèi)的電子科技大學(xué)、北京航空航天大學(xué)、哈爾濱工業(yè)大學(xué)、浙江大學(xué)、中國科學(xué)院深圳先進(jìn)技術(shù)研究院、中國科學(xué)院合肥智能機(jī)械研究所等多家單位開展了研究工作并取得進(jìn)展。

目前,智能假肢研究重點主要包括兩個方面:智能肢體的設(shè)計與控制[100?104],以及基于多傳感器融合的人體運動意圖識別研究[105?108].前者主要關(guān)注如何利用智能仿生技術(shù)設(shè)計假肢的機(jī)械結(jié)構(gòu)和控制方法,使假肢關(guān)節(jié)在行走過程中具有更接近于人體關(guān)節(jié)的力學(xué)特性;而后者則關(guān)注如何根據(jù)采集的人體生理信號和假肢傳感器信號識別出人的運動意圖,并根據(jù)識別結(jié)果調(diào)整假肢的控制參數(shù),以實現(xiàn)自然、流暢、穩(wěn)定的行走.

人體運動意圖識別的主要方法包括:基于人體生理電信號和基于機(jī)械傳感器信號兩類.本文前面已經(jīng)提過,人體生理電信號主要包括應(yīng)用腦電信號和肌電信號等.腦電信號作為運動意圖的直接反映,具有很強(qiáng)的實時性,對運動意圖的識別也相應(yīng)更為迅速.早在上世紀(jì)90年代末,紐約州立大學(xué)的Chapin等第一次通過實驗證實了利用腦皮層神經(jīng)元集合信號可以控制機(jī)械手臂運動[109].目前,腦機(jī)接口的主要手段包含植入式和非植入式兩類.植入式腦機(jī)接口優(yōu)點是信號采集效果更好,主要表現(xiàn)在空間分辨率高、信噪比高,包含的信息更加豐富,利于提取精確可靠的控制信號;缺點是植入手術(shù)風(fēng)險大、易造成傷害,無法被大多數(shù)殘疾人患者所接受.非植入式腦機(jī)接口目前較多采用的是頭部表皮腦電圖信號(EEG),實現(xiàn)腦和外部世界的簡單通訊,缺點是信號帶寬有限且抗干擾能力差.

針對腦電信號的諸多問題,肌電信號作為替代,正在越來越多地應(yīng)用于人體運動識別中.雖然肌電信號不是直接來自于中樞神經(jīng),只是肌肉運動產(chǎn)生的效應(yīng),但其與中樞神經(jīng)信號的時延十分有限,而且肌電信號的產(chǎn)生會先于肌肉力的實際輸出約幾十毫秒[110?112],因此可滿足對運動意圖識別和假肢控制的實時性需求.目前基于肌電信號(表面肌電/植入電極)的人體運動意圖識別已開始應(yīng)用于智能假肢領(lǐng)域.針對上肢假肢,Englehart等提出了一種基于小波的連續(xù)運動模式識別策略,利用從前臂采集的4通道表面肌電信號實現(xiàn)了對6種運動模式的識別[113].在之后的研究中,Englehart等還分析了分析窗大小、可接受延時等參數(shù)對識別準(zhǔn)確率的影響[114].Kuiken等提出了一種目標(biāo)肌肉神經(jīng)移植術(shù)的方法,通過手術(shù)將原本控制被截肢肢體運動的肌肉的殘余神經(jīng)移植到胸部、并與胸部肌肉連接,經(jīng)過一段時間的恢復(fù),便可以通過測量胸部肌肉的肌電信號來提取控制被截肢肢體的運動控制意圖[115].采用這種方法,可以通過肌電信號采集提取更多的運動意圖信息,以實現(xiàn)更加復(fù)雜的假肢控制功能.一位左臂高位截肢的女性病患的實驗結(jié)果表明,接受這種手術(shù)后,假肢的控制效果得到了非常明顯的提高[116].針對下肢假肢,Huang等通過采集兩個大腿截肢殘疾人殘肢和臀部的11條肌肉的表面肌電信號[117],使用線性判別分析分類器實現(xiàn)對7種運動模式的離線識別,平均識別準(zhǔn)確率為91.6%. Hargrove等通過目標(biāo)肌肉神經(jīng)移植手術(shù)將一位男性大腿截肢患者患側(cè)的小腿肌肉神經(jīng)移植到大腿上[107],從而提取更多的人體運動意圖信息.通過采集10個通道的表面肌電信號,實現(xiàn)對踝關(guān)節(jié)和膝關(guān)節(jié)的運動意圖的實時識別,如果只考慮踝關(guān)節(jié)的跖屈/背屈以及膝關(guān)節(jié)的伸展/屈曲運動,識別率可以達(dá)到96%,如果額外考慮脛骨和股骨的內(nèi)旋/外旋,識別率會降低到92%.然而,肌電信號本身較微弱,容易受肌肉狀態(tài)、穿戴時間、汗液、個體差異、環(huán)境干擾等因素影響[118],單純利用肌肉電信號來識別人體運動意圖的準(zhǔn)確率還達(dá)不到假肢實際控制的需求[117].此外,肌電信號采集必須直接接觸皮膚,影響了技術(shù)的實用性.

基于機(jī)械傳感器的方法主要是使用角度傳感器、慣性器件和力傳感器采集人體運動過程中肢體擺動的角度、速度、加速度和地面反作用力等運動信息,從而判斷當(dāng)前運動狀態(tài).Varol等通過采集假肢自身的傳感器信息[105],采用高斯混合模型和多數(shù)投票(Majority voting)相結(jié)合的方法實現(xiàn)對坐、站、行走三種運動模式以及它們之間所有可能的運動轉(zhuǎn)換的識別,準(zhǔn)確率可以達(dá)到100%,但也會產(chǎn)生500ms的延時.Young等同樣利用假肢自身的傳感器信息,研究了包括平地行走、上下樓梯和上下斜坡在內(nèi)的5種運動模式及運動轉(zhuǎn)換的識別問題,他們采用線性判別分析分類器,達(dá)到了93.9%的識別準(zhǔn)確率[119].相比于神經(jīng)信號傳感器,機(jī)械傳感器更易于和假肢集成到一起,對穿戴者的影響也較小.然而實際人類運動環(huán)境復(fù)雜,環(huán)境干擾及慣性器件固有的信號漂移和累積誤差等問題限制了這類傳感器系統(tǒng)應(yīng)用于人體運動識別.為了實現(xiàn)準(zhǔn)確的識別就需要增加更多的傳感器,從而增加了系統(tǒng)復(fù)雜度,限制了技術(shù)的實用化.此外,這類傳感器獲得的角度、速度和加速度信息是運動完成的結(jié)果,和中樞神經(jīng)信號存在較大時延,影響了識別結(jié)果的實時性.鑒于神經(jīng)信號傳感器和機(jī)械傳感器都存在一定的不足,目前一種較多采用的解決方案是把神經(jīng)信號和機(jī)械傳感器信號在特征層面融合起來.Huang等通過采集7～9通道的表面肌電信號和6通道的力傳感器信號[106],使用支持向量機(jī)算法實現(xiàn)對6種運動模式和5種運動轉(zhuǎn)換類型的連續(xù)識別,相比于單獨采用神經(jīng)信號或機(jī)械傳感器信號,采用這種信號融合的方法可以顯著提高運動識別的準(zhǔn)確率并減少預(yù)判時間.此外,一種新的方法是基于人體電容傳感實現(xiàn)下肢運動意圖識別,通過采集穿戴在殘疾人大腿上的電容信號,實現(xiàn)了對6種運動模式的識別[120],平均識別準(zhǔn)確率為93.4%.在該系統(tǒng)的基礎(chǔ)上,Zheng等針對穿戴舒適性和信號穩(wěn)定性作了進(jìn)一步改進(jìn),提出了一款非接觸式電容傳感系統(tǒng)C-Sens[108].測量電極放置在假肢接受腔和內(nèi)襯套之間,避免與皮膚之間接觸以減少汗液等對信號的干擾.基于該系統(tǒng)采集的6通道電容信號,采用二次判別分析分類器實現(xiàn)對6種運動模式的識別,平均識別率達(dá)到95.6%.

在智能假肢領(lǐng)域，國內(nèi)的北京大學(xué)、清華大學(xué)、上海交通大學(xué)、華中科技大學(xué)、河北工業(yè)大學(xué)、國家康復(fù)輔具研究中心等多家單位開展了研究工作并取得進(jìn)展.

人機(jī)交互與安全也是康復(fù)機(jī)器人和智能輔助系統(tǒng)的重要研究內(nèi)容[121].康復(fù)機(jī)器人的人機(jī)交互既包括康復(fù)治療或訓(xùn)練時的交互界面,又包括如何分析運動狀態(tài)并提出有效的運動控制策略,從而實現(xiàn)機(jī)器人與人的協(xié)調(diào)運動.肢體運動康復(fù)機(jī)器人往往直接附著或穿戴在人體上,安全性是一個十分關(guān)鍵的問題.融合輕質(zhì)材料、仿生的驅(qū)動方式、軟體機(jī)器人結(jié)構(gòu)和自適應(yīng)控制策略是可能的解決途徑[122].與傳統(tǒng)工業(yè)機(jī)器人隔離人與機(jī)器人來保證安全性不同,肢體運動康復(fù)機(jī)器人必須與人緊密接觸,這就對安全性提出了更高的要求.一般來說,機(jī)器人安全性涉及的內(nèi)容十分廣泛[123],包括機(jī)械結(jié)構(gòu)設(shè)計、軟件可靠性、柔性接觸、元器件可靠性、系統(tǒng)整體可靠性等.然而至今仍缺少嚴(yán)格的安全性定義.現(xiàn)有研究多數(shù)采用基于理想軌跡的自適應(yīng)控制策略和機(jī)械限位來實現(xiàn)康復(fù)機(jī)器人關(guān)節(jié)運動的安全性.例如Kikuuwe等提出了基于接近度的滑?？刂?嘗試提高機(jī)器人安全性[124].這類方法在柔性機(jī)械臂[125]、下肢康復(fù)外骨骼[126]、關(guān)節(jié)痙攣康復(fù)機(jī)器人[127]等方面開展了應(yīng)用.

本?？珍浟松婕巴夤趋?、假肢控制、人機(jī)交互與安全的研究論文.王啟寧等的論文介紹了面向人機(jī)融合的智能動力下肢假肢研究現(xiàn)狀和挑戰(zhàn).

黃高等提出一種康復(fù)與代步外骨骼機(jī)器人,通過下肢外骨骼與輪椅的有機(jī)結(jié)合,有效保持或恢復(fù)老年人、腦卒中患者下肢運動能力,同時為患者提供一種方便的代步工具.

韓亞麗等針對膝關(guān)節(jié)外骨骼運動跟隨問題,提出了一種基于導(dǎo)納原理的等效慣量補(bǔ)償控制方法,將外骨骼與操作者間的交互力矩轉(zhuǎn)化為期望的運動軌跡,通過低通濾波加速度與慣量增益的乘積形成的閉環(huán)反饋實現(xiàn)等效慣量補(bǔ)償,結(jié)合腿部肌肉表面肌電信號進(jìn)行人體擺腿運動換向的預(yù)判,實施膝關(guān)節(jié)外骨骼機(jī)械腿的擺動控制,降低受試者的負(fù)擔(dān).

羅林聰?shù)仍诟咚购撕瘮?shù)非線性振蕩器的基礎(chǔ)上提出了一種下肢康復(fù)機(jī)器人步態(tài)軌跡自適應(yīng)算法,仿真實驗表明所提出的自適應(yīng)算法可實現(xiàn)通過調(diào)整軌跡偏差實現(xiàn)對參考軌跡調(diào)節(jié),并用相位偏差曲線面積實現(xiàn)參考軌跡周期的自適應(yīng).

5 小結(jié)

康復(fù)機(jī)器人和智能輔助系統(tǒng)的研究剛剛開始,存在大量的科學(xué)技術(shù)問題有待科研工作者研究解決,可以預(yù)見康復(fù)機(jī)器人和智能輔助系統(tǒng)的應(yīng)用空間巨大.本?？荚诮榻B康復(fù)機(jī)器人和智能輔助系統(tǒng)的科研現(xiàn)狀與進(jìn)展,提高我國康復(fù)機(jī)器人與智能輔助系統(tǒng)領(lǐng)域的技術(shù)水平,推動其實際應(yīng)用,造福和諧社會.

感謝為本?？宓乃凶髡吆吞岢鰧氋F意見和建議的論文審稿人以及關(guān)注本刊的讀者.?？彩崭?00余篇,通過多輪通訊評審和修改,限于版面,最終收錄論文16篇.康復(fù)機(jī)器人和智能輔助系統(tǒng)涉及多個學(xué)科領(lǐng)域,并且在不斷發(fā)展,本?？珍浀恼撐暮茈y完全覆蓋康復(fù)機(jī)器人和智能輔助系統(tǒng)及相關(guān)的方法和技術(shù),僅僅揭示了其中的很小一部分問題.希望本?？瘜ο嚓P(guān)領(lǐng)域的科研人員有所啟發(fā)、有所裨益.

1 Pan Chang,Xu Lin.Diagram of Practical Rehabilitation for Stroke Patients with Hemiplegia.Beijing:China Press of Traditional Chinese Medicine,1999. (潘暢,徐麟.中風(fēng)偏癱實用康復(fù)術(shù)圖解.北京:中國中醫(yī)藥出版社, 1999.)

2 Krebs H I,Volpe B T,Williams D,Celestino J,Charles S K,Lynch D,Hogan N.Robot-aided neurorehabilitation:a robot for wrist rehabilitation.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2007,15(3): 327?335

3 Krebs H I,Hogan N,Volpe B T,Aisen M L,Edelstein L,Diels C.Overview of clinical trials with MIT-MANUS: a robot-aided neuro-rehabilitation facility.Technology and Health Care,1999,7(6):419?423

4 Loureiro R,Amirabdollahian F,Topping M,Driessen B, Harwin W.Upper limb robot mediated stroke therapy-GENTLE/s approach.Autonomous Robots,2003,15(1): 35?51

5 Burgar C G,Lum P S,Shor P C,Van der Loos H F M. Development of robots for rehabilitation therapy:the Palo Alto VA/Stanford experience.Journal of Rehabilitation Research and Development,2000,37(6):663?673

6 Nef T,Guidalic M,Riener R.ARMin III-arm therapy exoskeleton with an ergonomic shoulder actuation.Applied Bionics and Biomechanics,2009,6(2):127?142

7 Colombo G,Joerg M,Schreier R,Dietz V.Treadmill training of paraplegic patients using a robotic orthosis.Journal of Rehabilitation Research and Development,2000,37(6): 693?700

8 Zanotto D,Stegall P,Agrawal S K.ALEX III:a novel robotic platform with 12 DOFs for human gait training. In:Proceedings of the 2013 IEEE International Conference on Robotics and Automation(ICRA).Karlsruhe,Germany: IEEE,2013.3914?3919

9 Freivogel S,Schmalohr D,Mehrholz J.Improved walking ability and reduced therapeutic stress with an electromechanical gait device.Journal of Rehabilitation Medicine, 2009,41(9):734?739

11 Susko T G.MIT Skywalker:A Novel Robot for Gait Rehabilitation of Stroke and Cerebral Palsy Patients[Ph.D. dissertation],Massachusetts Institute of Technology,USA,2015.

12 Maciejasz P,Eschweiler J,Gerlach-Hahn K,Jansen-Troy A, Leonhardt S.A survey on robotic devices for upper limb rehabilitation.Journal of NeuroEngineering and Rehabilitation,2014,11(1):Article No.3

13 Krebs H I.Rehabilitation robotics:an academic engineer perspective.In:Proceedings of the 33rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society(EMBS).Boston,Massachusetts,USA: IEEE,2011.6709?6712

14 Lotze M,Braun C,Birbaumer N,Anders S,Cohen L G.Motor learning elicited by voluntary drive.Brain,2003,126(4): 866?872

15 Ding Qi-Chuan,Xiong An-Bin,Zhao Xin-Gang,Han Jian-Da.A review on researches and applications of sEMG-based motion intent recognition methods.Acta Automatica Sinica, 2016,42(1):13?25 (丁其川,熊安斌,趙新剛,韓建達(dá).基于表面肌電的運動意圖識別方法研究及應(yīng)用綜述.自動化學(xué)報,2016,42(1):13?25)

16 Van Dijk W,Van der Kooij H,Koopman B,and Van Asseldonk E H.Improving the transparency of a rehabilitation robot by exploiting the cyclic behaviour of walking.In: Proceedings of the 2013 IEEE International Conference on Rehabilitation Robotics.Seattle,Washington,USA:IEEE,2013.1?6

17 Shirzad N and Van der Loos H.Error amplifcation to promote motor learning and motivation in therapy robotics.In: Proceedings of the 2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE,2012.3907?3910

18 Duschau-Wicke A,Von Zitzewitz J,CaprezA,Luenenburger L,Riener R.Path control:A method for patient-cooperative robot-aided gait rehabilitation.IEEE Transactions on Neural Systems and Rehabilitation Engineerin,2010,18(1): 38?48

20 Hillier S,Immink M,Thewlis D.Assessing proprioception: a systematic review of possibilities.Neurorehabilitation and Neural Repair,2015,29(10):933?949

21 Neckel N D,Blonien N,Nichols D,Hidler J.Abnormal joint torque patterns exhibited by chronic stroke subjects while walking with a prescribed physiological gait pattern.Journal of NeuroEngineering and Rehabilitation,2008,5(3):Article No.19

22 Latash M,Zatsiorsky V M.Biomechanics and Motor Control:Defning Central Concepts.Cambridge:Academic Press,2015.

23 Awai L,Curt A.Intralimb coordination as a sensitive indicator of motor-control impairment after spinal cord injury.Frontiers in Human Neuroscience,2014,8(6):Article No.148

24 Clarkson H M.Joint Motion and Function Assessment:A Research-Based Practical Guide.Philadelphia:Lippincott Williams and Wilkins,2005.

26 Banala S K,Kim S H,Agrawal S K,Scholz J P.Robot assisted gait training with active leg exoskeleton(ALEX).IEEE Transactions on Neural Systems and Rehabilitation Engineering,2009,17(1):2?8

27 Veneman J F,Kruidhof R,Hekman E E G,Ekkelenkamp R,Van Asseldonk E H F,Van Der Kooij H.Design and evaluation of the LOPES exoskeleton robot for interactive gait rehabilitation.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2007,15(3):379?386

28 He Qing-Hua,Huang Su-Ping,Huang Zhi-Xiong.The research statusand developmenttrend ofintelligent wheelchair.Robot Technology and Application,2003,(2): 12?16 (何清華,黃素平,黃志雄.智能輪椅的研究現(xiàn)狀和發(fā)展趨勢.機(jī)器人技術(shù)與應(yīng)用,2003,(2):12?16)

29 Yanco H A.Wheelesley:a robotic wheelchair system:indoor navigation and user interface.Assistive technology and artifcial intelligence.Berlin Heidelberg:Springer,1998. 256?268

30 Christensen H V,Garcia J C.Infrared non-contact head sensor for control of wheelchair movements.In:Proceedings of the 8th European Conference for the Advancement of Assistive Technology in Europe.Lille,France,2005.336?340 31 Matsumoto O,Komoriya K,Hatase T,Nishimura H.Autonomous traveling control of the“TAO Aicle”intelligent wheelchair.In:Proceedings of the 2006 IEEE/RSJ International Conference on Intelligent Robots and Systems.Beijing,China:IEEE,2006.4322?4327

32 Lu T,Yuan K,Zou W,Hu H S.Study on navigation strategy of intelligent wheelchair in narrow spaces.In:Proceedings of the 6th World Congress on Intelligent Control and Automation.Dalian,China:IEEE,2006.9252?9256

33 Jia P,Hu H H,Lu T,Yuan K.Head gesture recognition for hands-free control of an intelligent wheelchair.Industrial Robot:An International Journal,2007,34(1):60?68

34 Zou W,Ye A X,Lu T,Ren Y N,Xu Z D,Yuan K.Contour detection and localization of intelligent wheelchair for parking into and docking with U-shape bed.In:Proceedings of the 2011 IEEE International Conference on Robotics and Biomimetics.Karon Beach,Phuket:IEEE,2011.378?383

35 Zeng Xiang.Developing Smart Wheelchair for the Handicapped and the Elderly[Master dissertation],Shanghai Jiao Tong University,China,2007 (曾翔.面向助老助殘的智能輪椅開發(fā)[碩士學(xué)位論文],上海交通大學(xué),中國,2007)

36 Wang Li-Jun,Wang Jing-Chun,Chen Wei-Dong.Path planning and navigation for intelligent wheelchair in dynamic environments.Journal of Shanghai Jiaotong University,2010,44(11):1524?1528 (王麗軍,王景川,陳衛(wèi)東.動態(tài)環(huán)境下智能輪椅的路徑規(guī)劃與導(dǎo)航.上海交通大學(xué)學(xué)報,2010,44(11):1524?1528)

37 Zhang Yi,Zhang Hui,Luo Yuan,Hu Huo-Sheng.Motion control for intelligent wheelchair using Emotiv perception.Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition),2012,24(3):358?362 (張毅,張輝,羅元,胡豁生.采用Emotiv感知的智能輪椅運動控制的研究.重慶郵電大學(xué)學(xué)報(自然科學(xué)版),2012,24(3):358?362)

38 Zhang Yi,Zhang Jiao,Luo Yuan.Intelligent wheelchair control system based on hand tracking.Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition),2011,23(6):741?745 (張毅,張姣,羅元.基于手勢跟蹤的智能輪椅控制系統(tǒng).重慶郵電大學(xué)學(xué)報(自然科學(xué)版),2011,23(6):741?745)

39 Luo Yuan,Xie Yu,Zhang Yi.Design and implementation of a gesture-driven system for intelligent wheelchairs based on the Kinect sensor.Robot,2012,34(1):110?113,119 (羅元,謝彧,張毅.基于Kinect傳感器的智能輪椅手勢控制系統(tǒng)的設(shè)計與實現(xiàn).機(jī)器人,2012,34(1):110?113,119)

40 Dubowsky S,Genot F,Godding S,Kozono H,Skwersky A, Yu H Y,Yu L S.PAMM-a robotic aid to the elderly for mobility assistance and monitoring:a“helping-hand”for the elderly.In:Proceedings of the 2000 IEEE International Conference on Robotics and Automation.San Francisco,CA:IEEE,2000,1:570?576

41 Bogue R.Exoskeletons and robotic prosthetics:a review of recent developments.Industrial Robot:An International Journal,2009,36(5):421?427

42 Nam Y,Koo B,Cichocki A,Choi S.GOM-face:GKP,EOG, and EMG-based multimodal interface with application to humanoid robot control.IEEE Transactions on Biomedical Engineering,2014,61(2):453?462

43 Phinyomark A,Phukpattaranont P,Limsakul C.Feature reduction and selection for EMG signal classifcation.Expert Systems with Applications,2012,39(8):7420?7431

44 Chan A D C,Englehart K B.Continuous myoelectric control for powered prostheses using hidden Markov models.IEEE Transactions on Biomedical Engineering,2005,52(1): 121?124

45 Chu J U,Moon I,Lee Y J,Kim S K,Mun M S.A supervised feature-projection-based real-time EMG pattern recognition for multifunction myoelectric hand control.IEEE/ASME Transactions on Mechatronics,2007,12(3):282?290

46 Cavallaro E E,Rosen J,Perry J C,Burns S.Real-time myoprocessors for a neural controlled powered exoskeleton arm.IEEE Transactions on Biomedical Engineering,2006,53(11):2387?2396

47 Artemiadis P K,Kyriakopoulos K J.EMG-based control of a robot arm using low-dimensional embeddings.IEEE Transactions on Robotics,2010,26(2):393?398

48 Artemiadis P K,Kyriakopoulos K J.An EMG-based robot control scheme robust to time-varying EMG signal features.IEEE Transactions on Information Technology in Biomedicine,2010,14(3):582?588

49 Ajoudani A,Tsagarakis N,Bicchi A.Tele-impedance:teleoperation with impedance regulation using a body-machine interface.The International Journal of Robotics Research, 2012,31(13):1642?1656

50 Karavas N,Ajoudani A,Tsagarakis N,Saglia J,Bicchi A, Caldwell D.Tele-impedance based assistive control for a compliant knee exoskeleton.Robotics and Autonomous Systems,2015,73:78?90

51 Hochberg L R,Bacher D,Jarosiewicz B,Masse N Y,Simeral J D,Vogel J,Haddadin S,Liu J,Cash S S,Van Der Smagt P,Donoghue J P.Reach and grasp by people with tetraplegia using a neurally controlled robotic arm.Nature,2012,485(7398):372?375

52 Sadeghian E B,Moradi M H.Continuous detection of motor imagery in a four-class asynchronous BCI.In:Proceedings of the 29th Annual International Conference of the IEEE Engineering in Medicine and Biology Society(EMBS).Lyon, France:IEEE,2007.3241?3244

53 Iturrate I,Antelis J M,Kubler A,Minguez J.A noninvasive brain-actuated wheelchair based on a P300 neurophysiological protocol and automated navigation.IEEE Transactions on Robotics,2009,25(3):614?627

54 Witkowski M,Cortese M,Cempini M,Mellinger J,Vitiello N,Soekadar S R.Enhancing brain-machine interface (BMI)control of a hand exoskeleton using electrooculography(EOG).Journal of NeuroEngineering and Rehabilitation,2014,11:165

55 Wang H T,Li Y Q,Long J Y,Yu T Y,Gu Z H.An asynchronous wheelchair control by hybrid EEG-EOG braincomputer interface.Cognitive Neurodynamics,2014,8(5): 399?409

56 Tello R J,Bissoli A L C,Ferrara F,Mller S,Ferreira A, Bastos-Filho T F.Development of a human machine interface for control of robotic wheelchair and smart environment.In:Preprints of the 11th IFAC Symposium on Robot Control(SYROCO).Salvador,BA,Brazil:IFAC,2015.

57 Ma J X,Zhang Y,Cichocki A,Matsuno F.A novel EOG/EEG hybrid human-machine interface adopting eye movements and ERPs:application to robot control.IEEE TransactionsonBiomedicalEngineering,2015,62(3): 876?889

58 Hu Jin,Hou Zeng-Guang,Chen Yi-Xiong,Zhang Feng, Wang Wei-Qun.Lower limb rehabilitation robots and interactive control methods.Acta Automatica Sinica,2014,40(11):2377?2390 (胡進(jìn),侯增廣,陳翼雄,張峰,王衛(wèi)群.下肢康復(fù)機(jī)器人及其交互控制方法.自動化學(xué)報,2014,40(11):2377?2390)

59 Jones C L,Wang F R,Morrison R,Sarkar N,Kamper D G.Design and development of the cable actuated fnger exoskeleton for hand rehabilitation following stroke.IEEE/ASME Transactions on Mechatronics,2014,19(1): 131?140

60 Chiri A,Vitiello N,Giovacchini F,Roccella S,Vecchi F, Carrozza M C.Mechatronic design and characterization of the index fnger module of a hand exoskeleton for post-stroke rehabilitation.IEEE/ASME Transactions on Mechatronics, 2012,17(5):884?893

61 Ali A M M,Yusof Z M,Kushairy A K,Zaharah F,Ismail A. Development of smart glove system for therapy treatment. In:Proceedings of the 2015 International Conference on BioSignal Analysis,Processing and Systems.Kuala Lumpur, Malaysia:IEEE,2015.67?71

62 Jeong S K,Kim K S,Kim S.Development of a robotic fnger with an active dual-mode twisting actuation and a miniature tendon tension sensor.In:Proceedings of the 2016 IEEE International Conference on Advanced Intelligent Mechatronics.Banf,AB,Canada:IEEE,2016.1?6

63 Cempini M,Cortese M,Vitiello N.A powered fnger-thumb wearable hand exoskeleton with self-aligning joint axes.IEEE/ASME Transactions on Mechatronics,2015,20(2): 705?716

64 Iqbal J,Tsagarakis N G,Caldwell D G.Human hand compatible underactuated exoskeleton robotic system.Electronics Letters,2014,50(7):494?496

65 Iqbal J,Tsagarakis NG,Caldwell D G.Four-fngered lightweight exoskeleton robotic device accommodating different hand sizes.ElectronicsLetters,2015,51(12): 888?890

66 Zanotto D,Stegall P,Agrawal S K.Adaptive assist-asneeded controller to improve gait symmetry in robotassisted gait training.In:Proceedings of the 2014 IEEE International Conference on Robotics and Automation.Hong Kong,China:IEEE,2014.724?729

67 Agarwal P,Deshpande A D.Impedance and force-feld control of the index fnger module of a hand exoskeleton for rehabilitation.In:Proceedings of the 2015 IEEE International Conference on Rehabilitation Robotics.Singapore:IEEE,2015.85?90

68 Tang Z J,Sugano S,Iwata H.A fnger exoskeleton for rehabilitation and brain image study.In:Proceedings of the 2013 IEEE International Conference on Rehabilitation Robotics. Seattle,USA:IEEE,2013.1?6

69 Dalli D,Saliba M A.The university of malta minimal anthropomorphic robot(UM-MAR)hand II.In:Proceedings of the 2016 IEEE International Conference on Advanced Intelligent Mechatronics.Banf,Canada:IEEE,2016.371?276

70 Li Q L,Song Y,Hou Z G.Estimation of lower limb periodic motions from sEMG using least squares support vector regression.Neural Processing Letters,2015,41(3):371?388

71 Bao G J,Li K,Xu S,Huang P X,Wu L,Yang Q H.Motion identifcation based on sEMG for fexible pneumatic hand rehabilitator.Industrial Robot:An international Journal, 2015,42(1):25?35

72 Ding Q C,Han J D,Zhao X G,Chen Y.Missing-data classifcation with the extended full-dimensional Gaussian mixture model:applications to EMG-based motion recognition.IEEE Transactions on Industrial Electronics,2015,62(8): 4994?5005

73 Adewuyi A A,Hargrove L J,Kuiken T A.An analysis of intrinsic and extrinsic hand muscle EMG for improved pattern recognition control.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2016,24(4):485?494

74 Lee J,Kim M,Kim K.A robust control method of multi-DOF power-assistant robots for unknown external perturbation using sEMG signals.In:Proceedings of the 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems.Hamburg,Germany:IEEE,2015.1045?1051

75 Guo S X,Zhang F,Wei W,Zhao F,Wang Y L.Kinematic analysis of a novel exoskeleton fnger rehabilitation robot for stroke patients.In:Proceedings of the 2014 IEEE International Conference on Mechatronics and Automation. Tianjin,China:IEEE,2014.924?929

76 Goldfarb M,Lawson B E,Shultz A H.Realizing the promise of robotic leg prostheses.Science Translational Medicine, 2013,5(210):5302?5314

77 Kazerooni H,Racine J L,Huang L H,Steger R.On the control of the berkeley lower extremity exoskeleton(BLEEX). In:Proceedings of the 2005 IEEE International Conference on Robotics and Automation(ICRA).Seattle,WA,USA: IEEE,2005.4353?4360

78 Zoss A B,Kazerooni H,Chu A.Biomechanical design of the Berkeley lower extremity exoskeleton(BLEEX).IEEE/ASME Transactions on Mechatronics,2006,11(2): 128?138

79 Kazerooni H,Steger R.The Berkeley lower extremity exoskeleton.Journal of Dynamic Systems,Measurement,and Control,2006,128(1):14?25

80 Sankai Y.HAL:hybrid assistive limb based on cybernics.Robotics Research.Berlin Heidelberg:Springer,2011. 25?34

81 Suzuki K,Mito G,Kawamoto H,Hasegawa Y,Sankai Y.Intention-based walking support for paraplegia patients with robot suit HAL.Advanced Robotics,2007,21(12): 1441?1469

82 Tsukahara A,Kawanishi R,Hasegawa Y,Sankai Y.Sit-tostand and stand-to-sit transfer support for complete paraplegic patients with robot suit HAL.Advanced Robotics, 2010,24(11):1615?1638

83 http://www.cyberdyne.jp/english/products/HAL/index. html

84 Yamamoto K,Hyodo K,Ishii M,Matsuo T.Development of power assisting suit for assisting nurse labor.JSME International Journal Series C Mechanical Systems,Machine Elements and Manufacturing,2002,45(3):703?711

85 Yamamoto K,Ishii M,Hyodo K,Yoshimitsu T,Matsuo T. Development of power assisting suit(miniaturization of supply system to realize wearable suit).JSME International Journal Series C Mechanical Systems,Machine Elements and Manufacturing,2003,46(3):923?930

86 Wehner M,Quinlivan B,Aubin P M,Martinez-Villalpando E,Baumann M,Stirling L,Holt K,Wood R,Walsh C. A lightweight soft exosuit for gait assistance.In:Proceedings of the 2013 IEEE International Conference on Robotics and Automation(ICRA).Karlsruhe,Germany:IEEE,2013. 3362?3369

87 Asbeck A T,Dyer R J,Larusson A F,Walsh C J. Biologically-inspired soft exosuit.In:Proceedings of the 2013IEEE internationalconferenceon Rehabilitation robotics(ICORR).Seattle,WA:IEEE,2013.1?8

88 Asbeck A T,De Rossi S M M,Galiana I,Ding Y,Walsh C J.Stronger,smarter,softer:next-generation wearable robots.IEEE Robotics&Automation Magazine,2014,21(4):22?33

89 Asbeck A T,De Rossi S M M,Holt K G,Walsh C J.A biologically inspired soft exosuit for walking assistance.The International Journal of Robotics Research,2015,34(6): 744?762

90 http://rewalk.com/about-products-2/

91 http://bleex.me.berkeley.edu/research/exoskeleton/bleex/

92 https://www.hocoma.com/world/en/products/lokomat/

93 Jezernik S,Colombo G,Keller T,Frueh H,Morari M. Robotic orthosis lokomat:a rehabilitation and research tool.Neuromodulation:Technology at the Neural Interface,2003,6(2):108?115

94 Banala S K,Agrawal S K,Kim S H,Scholz J P.Novel gait adaptation and neuromotor training results using an active leg exoskeleton.IEEE/ASME Transactions on Mechatronics,2010,15(2):216?225

95 Giovacchini F,Vannetti F,Fantozzi M,Cempini M,Cortese M,Parri A,Yan T F,Lefeber D,Vitiello N.A light-weight active orthosis for hip movement assistance.Robotics and Autonomous Systems,2014,73:123?134

96 Zajac F E,Neptune R R,Kautz S A.Biomechanics and muscle coordination of human walking:part II:lessons from dynamical simulations and clinical implications.Gait&Posture,2003,17(1):1?17

97 Blaya J A,Herr H.Adaptive control of a variable-impedance ankle-foot orthosis to assist drop-foot gait.IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2004,12(1):24?31

98 Park Y L,Chen B R,Young D,Stirling L,Wood R J, Goldeld E,Nagpal R.Bio-inspired active soft orthotic device for ankle foot pathologies.In:Proceedings of the 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS).San Francisco,CA:IEEE,2011. 4488?4495

99 Collins S H,Wiggin M B,Sawicki G S.Reducing the energy cost of human walking using an unpowered exoskeleton.Nature,2015,522(7555):212?215

100 Au S K,Weber J,Herr H.Powered ankle-foot prosthesis improves walking metabolic economy.IEEE Transactions on Robotics,2009,25(1):51?66

101 Sup F,Varol H,Mitchell J,Withrow T J,Goldfarb M. Preliminary evaluations of a self-contained anthropomorphic transfemoral prosthesis.IEEE/ASME Transactions on Mechatronics,2009,14(6):667?676

102 Hitt J,Sugar T,Holgate M,Bellmann R,Hollander K. Robotic transtibial prosthesis with biomechanical energy regeneration.Industrial Robot:An International Journal, 2009,36(5):441?447

103 Cherelle P,Grosu V,Matthys A,Vanderborght B,Lefeber D.Design and validation of the ankle mimicking prosthetic (AMP-)foot 2.0.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2014,22(1):138?148

104 Wang Q N,Yuan K B,Zhu J Y,Wang L.Walk the walk: a lightweight active transtibial prosthesis.IEEE Robotics& Automation Magazine,2015,22(4):80?89

105 Varol H A,Sup F,Goldfarb M.Multiclass real-time intent recognition of a powered lower limb prosthesis.IEEE Transactions on Biomedical Engineering,2010,57(3):542?551

106 Huang H,Zhang F,Hargrove L J,Dou Z,Rogers D R, Englehart K B.Continuous locomotion-mode identifcation for prosthetic legs based on neuromuscular-mechanical fusion.IEEE Transactions on Biomedical Engineering,2011,58(10):2867?2875

107 Hargrove L J,Simon A M,Young A J,Lipschutz R D,Finucane S B,Smith D G,Kuiken T A.Robotic leg control with EMG decoding in an amputee with nerve transfers.New England Journal of Medicine,2013,369(13):1237?1242

108 Zheng E H,Wang L,Wei K L,Wang Q N.A noncontact capacitive sensing system for recognizing locomotion modes of transtibial amputees.IEEE Transactions on Biomedical Engineering,2014,61(12):2911?2920

109 Chapin J K,Moxon K A,Markowitz R S,Nicolelis M A.Real-time control of a robot arm using simultaneously recorded neurons in the motor cortex.Nature Neuroscience, 1999,2(7):664?670

110 Cavanagh P R,Komi P V.Electromechanical delay in human skeletal muscle under concentric and eccentric contractions.European Journal of Applied Physiology and Occupational Physiology,1979,42(3):159?163

111 Li L,Baum B S.Electromechanical delay estimated by using electromyography during cycling at diferent pedaling frequencies.Journal of Electromyography and Kinesiology, 2004,14(6):647?652

112 Norman R W,Komi P V.Electromechanical delay in skeletal muscle under normal movement conditions.Acta Physiologica Scandinavica,1979,106(3):241?248

113 Englehart K,Hudgin B,Parker P.A wavelet-based continuous classifcation scheme for multifunction myoelectric control.IEEE Transactions on Biomedical Engineering,2001,48(3):302?311

114 Englehart K,Hudgins B.A robust,real-time control scheme for multifunction myoelectric control.IEEE Transactions on Biomedical Engineering,2003,50(7):848?854

115 Kuiken T A,Dumanian G A,Lipschutz R D,Miller L A, Stubblefeld K A.The use of targeted muscle reinnervation for improved myoelectric prosthesis control in a bilateral shoulder disarticulation amputee.Prosthetics and Orthotics International,2004,28(3):245?253

116 Kuiken T A,Miller L A,Lipschutz R D,Lock B A,Stubblefeld K,Marasco P D,Zhou P,Dumanian G A.Targeted reinnervation for enhanced prosthetic arm function in a woman with a proximal amputation:a case study.The Lancet,2007,369(9559):371?380

117 Huang H,Kuiken T A,Lipschutz R D.A strategy for identifying locomotion modes using surface electromyography.IEEE Transactions on Biomedical Engineering,2009,56(1): 65?72

118 Sensinger J W,Lock B A,Kuiken T A.Adaptive pattern recognition of myoelectric signals:Exploration of conceptual framework and practical algorithms.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2009,17(3):270?278

119 Young A J,Simon A M,Hargrove L J.A training method for locomotion mode prediction using powered lower limb prostheses.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2014,22(3):671?677

120 Chen B J,Zheng E H,Fan X D,Liang T,Wang Q N, Wei K L,Wang L.Locomotion mode classifcation using a wearable capacitive sensing system.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2013,21(5):744?755

121 Yan T F,Cempini M,Oddo C M,Vitiello N.Review of assistive strategies in powered lower-limb orthoses and exoskeletons.Robotics and Autonomous Systems,2015,64: 120?136

122 Van Damme M,Beyl P,Vanderborght B,Versluys R,Van Ham R,Vanderniepen I,Daerden F,Lefeber D.The safety of a robot actuated by pneumatic muscles-a case study.International Journal of Social Robotics,2010,2(3):289?303 123 De Santis A,Siciliano B,De Luca A,Bicchi A.An atlas of physical human-robot interaction.Mechanism and Machine Theory,2008,43(3):253?270

124 Kikuuwe R,Yasukouchi S,Fujimoto H,Yamamoto M. Proxy-based sliding mode control: a safer extension of PID position control.IEEE Transactions on Robotics,2010,26(4):670?683

125 Van Damme M,Vanderborght B,Verrelst B,Van Ham R, Daerden F,Lefeber D.Proxy-based sliding mode control of a planar pneumatic manipulator.The International Journal of Robotics Research,2009,28(2):266?284

126 Beyl P,Van Damme M,Van Ham R,Vanderborght B, Lefeber D.Pleated pneumatic artifcial muscle-based actuator system as a torque source for compliant lower limb exoskeletons.IEEE/ASME Transactions on Mechatronics, 2014,19(3):1046?1056

127 Chen G,Zhou Z H,Vanderborght B,Wang N H,Wang Q N.Proxy-based sliding mode control of a robotic ankle-foot system for post-stroke rehabilitation.Advanced Robotics, 2016,30(15):992?1003

客座編委

侯增廣中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)管理與控制國家重點實驗室研究員.主要研究方向為機(jī)器人與智能系統(tǒng),康復(fù)機(jī)器人與微創(chuàng)介入手術(shù)機(jī)器人.本文通信作者.

E-mail:zengguang.hou@ia.ac.cn

(HOU Zeng-GuangProfessorat the State Key Laboratory of Management and Control for Complex Systems,Institute of Automation,Chinese Academy of Sciences.His research interest covers intelligent robotic systems,rehabilitation and surgery robots.Corresponding author of this paper.)

趙新剛中國科學(xué)院沈陽自動化研究所機(jī)器人學(xué)國家重點實驗室研究員.主要研究方向為機(jī)器人控制,智能系統(tǒng)與康復(fù)機(jī)器人.

E-mail:zhaoxingang@sia.cn

(ZHAO Xin-GangProfessor at StateKey Laboratory ofRobotics, Shenyang Institute ofAutomation, Chinese Academy of Sciences.His research interest covers robot control,intelligent systems and rehabilitation robots.)

程 龍中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)管理與控制國家重點實驗室研究員.主要研究方向為機(jī)器人系統(tǒng)的智能控制.

E-mail:long.cheng@ia.ac.cn

(CHENG LongProfessoratthe State Key Laboratory ofManagement and Control for Complex Systems,Institute of Automation,Chinese Academy of Sciences.His main research interest is intelligent robotic control.)

王啟寧北京大學(xué)工學(xué)院研究員.2009年獲得北京大學(xué)力學(xué)系博士學(xué)位.主要研究方向為智能機(jī)器人,康復(fù)工程.

E-mail:qiningwang@pku.edu.cn

(WANG Qi-NingProfessor at the College of Engineering,Peking University.He received his Ph.D.degree from Peking University in 2009.His research interest covers robotics and rehabilitation engineering.)

王衛(wèi)群中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)管理與控制國家重點實驗室副研究員.主要研究方向為康復(fù)機(jī)器人,人機(jī)動力學(xué),人機(jī)交互控制,生理電信號處理.

E-mail:weiqun.wang@ia.ac.cn

(WANG Wei-QunAssociate professor at the State Key Laboratory of Management and Control for Complex Systems,Institute of Automation,Chinese Academy of Sciences.His research interest covers rehabilitation robot,dynamics of human-robot system,human-robot interaction control,and biomedical signal processing.)

Recent Advances in Rehabilitation Robots and Intelligent Assistance Systems

HOU Zeng-Guang1,2,3ZHAO Xin-Gang4CHENG Long1,3WANG Qi-Ning5WANG Wei-Qun1

We are facing serious issues of an increasingly aging population and a huge number of disabled people.The research and applications of rehabilitation robots and intelligent assistance systems would provide potential solutions to the elderly and disabled people with efcient care,assistance and rehabilitation methods and tools.The design and implementation of rehabilitation robots and intelligent assistance systems require the multidisciplinary knowledge,such as medical science,information technology,mechanical engineering,material science and mechatronics,and face many challenges and difculties.To help the interested researchers have an overview of this promising area,this paper reviews the recent advances in rehabilitation robots and intelligent assistance systems in the following aspects:rehabilitation robots and multi-mode rehabilitation training methods;intelligent assistance systems and bio-electro-mechanical systems; multi-mode sensing and control methods in the rehabilitation robots and assistance systems,and exoskeleton and wearable systems,intelligent prosthesis and human-machine safety.

Rehabilitation robot,intelligent assistance system,exoskeleton,wearable system,intelligent prosthesis, rehabilitation training,multi-mode sensing,human-machine interaction,bio-electro-mechanical system,human-machine safety

侯增廣,趙新剛,程龍,王啟寧,王衛(wèi)群.康復(fù)機(jī)器人與智能輔助系統(tǒng)的研究進(jìn)展.自動化學(xué)報,2016,42(12): 1765?1779

Hou Zeng-Guang,Zhao Xin-Gang,Cheng Long,Wang Qi-Ning,Wang Wei-Qun.Recent advances in rehabilitation robots and intelligent assistance systems.Acta Automatica Sinica,2016,42(12):1765?1779

2016-11-17 Manuscript received November 17,2016

1.中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)管理與控制國家重點實驗室北京100190 2.中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心北京100190 3.中國科學(xué)院大學(xué)北京100049 4.中國科學(xué)院沈陽自動化研究所機(jī)器人學(xué)國家重點實驗室 沈陽110016 5.北京大學(xué)工學(xué)院北京大學(xué)工程科學(xué)與新興技術(shù)高精尖創(chuàng)新中心北京100871

1.State Key Laboratory of Management and Control for Complex Systems,Institute of Automation,Chinese Academy of Sciences,Beijing 100190 2.CAS Center for Excellence in Brain Science and Intelligence Technology,Chinese Academy of Sciences,Beijing 100190 3.University of Chinese Academy of Sciences,Beijing 100049 4.State Key Laboratory of Robotics, Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016 5.College of Engineering,Beijing Innovation Center for Engineering Science and Advanced Technology(BIC-ESAT),Peking University,Beijing 100871