吳 達，馬 超，2，高經(jīng)緯，蘇 鴻

(1.北京信息科技大學 現(xiàn)代測控技術(shù)教育部重點實驗室，北京100192；2.北京信息科技大學 機電系統(tǒng)測控北京市重點實驗室，北京 100192)

0 引言

現(xiàn)有的下肢康復機器人可根據(jù)使用者身體的具體需要進行簡單的調(diào)節(jié)[1]，在結(jié)構(gòu)設計上更加符合人體運動規(guī)律和人體需求[2]，為實現(xiàn)科學的康復訓練奠定了基礎[3]。將人機功能學設計、測試和監(jiān)測技術(shù)，應用于康復訓練設備的開發(fā)設計，可以使設備使用起來更加舒適、安全?，F(xiàn)有的康復機器人及康復訓練設備大多體積較大、價格昂貴、操作復雜[4]。能夠解決臨床特有問題、高性價比、具有監(jiān)測采集能力及智能控制的下肢康復機器人成為研究的熱點，具有很大的社會需求[5-6]。

本文對下肢康復機器人訓練模式控制過程監(jiān)測技術(shù)進行了研究，以期望實現(xiàn)訓練過程的智能便攜控制和訓練過程的智能識別分析，為下肢康復機器人智能控制奠定基礎。

1 系統(tǒng)結(jié)構(gòu)及硬件設計

1.1 下肢康復機械結(jié)構(gòu)

圖1所示為本文開發(fā)的下肢康復機器人執(zhí)行機構(gòu)。根據(jù)膝關節(jié)術(shù)后的康復需求，設備實現(xiàn)了下肢的主動、被動訓練功能。

圖1 下肢康復機器人執(zhí)行機構(gòu)

膝關節(jié)主要由股骨下端、脛骨上端和髕骨組成，正常人體膝關節(jié)運動的最大角度在70°左右。本文設計的下肢康復機器人機械結(jié)構(gòu)通過使用旋轉(zhuǎn)副來實現(xiàn)旋轉(zhuǎn)運動。膝關節(jié)的運動范圍如表1所示。

表1 膝關節(jié)運動范圍

通過ADAMS軟件對下肢康復機器人執(zhí)行機構(gòu)進行運動范圍仿真，結(jié)果表明，其關節(jié)角度變化范圍基本符合人體運動舒適性范圍，系統(tǒng)結(jié)構(gòu)基本符合康復學效果，能夠幫助使用人員自動完成康復訓練過程，如圖2所示。

圖2 ADAMS運動范圍仿真

1.2 訓練控制設計與實現(xiàn)

1.2.1 訓練控制流程

在被動訓練模式下，首先設置電機的目標速度，在訓練時由使用者被動跟隨訓練。訓練過程的強度可以調(diào)整。在完成一次康復訓練之后，機器人停止動作，并且保存康復訓練數(shù)據(jù)。在主動訓練模式下，要求使用者主動發(fā)力，當使用者的下肢肌肉力量不足以達到預定目標時，由機器人輔助患者完成相應的訓練。在完成一次康復訓練之后，機器人停止動作，并且保存康復訓練數(shù)據(jù)。控制流程如圖3所示。

圖3 下肢康復機器人控制流程

1.2.2 系統(tǒng)硬件機構(gòu)

康復訓練控制程序確定后，進行硬件部分的選型和設計。為了設備的正常工作，采用外圍模塊電路來滿足設計要求。本系統(tǒng)的硬件控制系統(tǒng)結(jié)構(gòu)如圖4所示，包括單片機控制器部分、電源模塊、數(shù)據(jù)通信模塊、上位機工控主機、數(shù)據(jù)采集模塊和執(zhí)行模塊。

圖4 控制系統(tǒng)結(jié)構(gòu)

1.2.3 控制電路設計

針對訓練控制流程的要求，設計電源、時鐘、復位、信號采集、電機驅(qū)動、通信等電路。

選擇以STM32為主控芯片，實現(xiàn)下肢康復機器人平穩(wěn)精確的控制。復位電路主要實現(xiàn)系統(tǒng)重啟，保持系統(tǒng)穩(wěn)定。時鐘電路能夠產(chǎn)生精確的振蕩電路，保證了系統(tǒng)工作的準確性。同時，系統(tǒng)還設計調(diào)試接口可以方便地對控制系統(tǒng)程序進行單步調(diào)試，方便康復機器人的控制與開發(fā)調(diào)試。利用RS-485串行總線通信，實現(xiàn)上位機與STM32控制器之間的信息交換。其驅(qū)動電路如圖5所示，電機驅(qū)動芯片采用飛思卡爾半導體有限公司生產(chǎn)的MC33931芯片，具有控制電感負載的功能，其最大電流可達5 A，默認將使能引腳置為高電平，使用IN1、IN2、FB三個引腳控制電機的運動模式。具體控制模式如表2所示。

表2 電機控制邏輯

圖5 電機驅(qū)動電路

1.2.4 無線通信電路設計

WIFI模塊具有傳輸速度快、支持多人連接、通信距離遠的優(yōu)點，并且能支持網(wǎng)頁和App配置，系統(tǒng)中選用了ESP-M1芯片，將該芯片的TXD引腳與STM32主控制器中的RX引腳進行連接，并將ESP-M1芯片的RXD引腳與STM32主控制器串口的TX引腳進行連接，并默認對ESP-M1芯片進行使能，由STM32主控制器的程序初始化決定模塊的使用，芯片的NRST引腳采用3.3 V電壓進行拉高，當引腳電平被拉低時，芯片進行復位，如圖6所示。

圖6 無線通信電路

2 基于Android的控制系統(tǒng)軟件設計

在Android平臺上開發(fā)的下肢康復機器人軟件系統(tǒng)提高了系統(tǒng)的控制性和實用性。系統(tǒng)按照康復機器人的總體方案，實現(xiàn)了注冊、訓練模式選擇與控制、監(jiān)測數(shù)據(jù)管理等功能，操作界面簡潔，提高了人機交互能力。

通過手機與控制板上的ESP-M1芯片進行socket連接，基于TCP/IP協(xié)議，可以通過安卓手機遠程控制端發(fā)送請求命令，當控制器接收到手機發(fā)送給ESP-M1模塊的信息后，發(fā)出動作指令，驅(qū)動電路控制康復機器人進行康復運動。

利用安卓控制平臺，進行被動訓練模式下下肢康復機器人的試驗。通過設定關節(jié)訓練速度，對設備的運行效果進行驗證，通過手機界面可以看到訓練參數(shù)、訓練進度等。手機上的Android軟件界面如圖7所示。

圖7 Android軟件界面

使用采集卡采集編碼器反饋的脈沖信號，采樣頻率為50 Hz，初步驗證了系統(tǒng)運行的穩(wěn)定性，如圖8所示。

圖8 被動訓練下的編碼器反饋

主動訓練模式下，當患者發(fā)力不夠時，康復機器人進行2 s的判斷，當患者沒有達到訓練速度的時候，康復機器人輔助患者進行運動，以達到運動要求。驗證效果如圖9所示。

圖9 主動訓練下的編碼器反饋

3 基于隨機森林的訓練過程識別分析

通過對多名平均年齡為25歲左右的受試者進行實驗，將測得的原始肌電信號進行分析，并對慣性傳感器(inertial measurement unit,IMU)信號采用4種不同的機器學習方法訓練識別，采用機器學習算法對數(shù)據(jù)進行分析。對采集的表面肌電信號(surface electromyography,sEMG)數(shù)據(jù)和IMU數(shù)據(jù)進行預處理，處理掉數(shù)據(jù)缺失、分布不均衡以及數(shù)據(jù)異常的問題，然后將數(shù)據(jù)按照7∶3的比例劃分為訓練集和測試集，將其隨機打亂，分別通過決策樹、隨機森林、MLP(多層感知器)神經(jīng)網(wǎng)絡、線性回歸4種算法進行訓練，進行訓練速度識別。

對使用人員進行4種不同速度下的被動訓練。某26歲健康男性在某速度下被動訓練大腿股直肌的肌電信號如圖10所示。

圖10 大腿股直肌肌電信號

通過對一個訓練周期下的肌電信號的特征值進行分析可知[7]，中值頻率(median frequency，MDF)、均值頻率(mean frequency，MNF)、峰峰值(peak-to-peak value，PPV)可以較好地反應能量變化。從表3可以看出，在4種不同訓練速度下，通過中值頻率的向右偏移，肌肉群發(fā)力的情況不同，并呈現(xiàn)規(guī)律性，有助于醫(yī)師進行康復訓練效果的評定。

表3 不同速度狀態(tài)下的sEMG信號特征值

圖11為訓練過程中的大腿IMU加速度變化曲線。由于下肢康復機器人的結(jié)構(gòu)原因，IMU只能檢測到Z軸的加速度，可以看出訓練過程的加速度存在著多變非線性的特點。

圖11 大腿加速度變化曲線

如圖12所示為基于隨機森林算法對運動狀態(tài)的識別效果的混淆矩陣，圖13為線性回歸算法對運動識別效果的混淆矩陣，可以看出隨機森林算法識別效果更好。以隨機森林算法混淆矩陣第一行為例，有7 316個數(shù)據(jù)被正確識別為速度A，只有1個數(shù)據(jù)被錯誤識別為速度B，相較于其他算法具有優(yōu)越性。

圖12 基于隨機森林算法的混淆矩陣

圖13 基于線性回歸算法的混淆矩陣

4 結(jié)束語

本文針對患者下肢術(shù)后的被動訓練和主動訓練，進行了下肢康復機器人訓練控制與監(jiān)測系統(tǒng)的硬件和軟件設計。其中硬件設計以STM32F373RBT6主控制芯片為核心，軟件系統(tǒng)基于Android平臺開發(fā)，實現(xiàn)了注冊、訓練模式選擇與控制、數(shù)據(jù)監(jiān)測與管理等功能。同時通過對不同速度被動訓練下的肌電信號的特征值分析，驗證了不同速度下訓練效果的差異。通過對IMU信號的識別分類，驗證了隨機森林算法在運動狀態(tài)識別方面的優(yōu)越性，為人機協(xié)同控制奠定基礎。后續(xù)還需要將設計的下肢康復機器人及其控制監(jiān)測系統(tǒng)應用于患者的實際康復過程，對患者的生理信號進行分析研究。