張 洋,譚 昕
(江漢大學(xué)智能制造學(xué)院,武漢 430056)
如今智能機(jī)器人的研究是科學(xué)技術(shù)發(fā)展的最前沿?zé)狳c,其所包含的科學(xué)技術(shù)以及制造過程所需要的工藝過程都體現(xiàn)了一個國家的科學(xué)技術(shù)水準(zhǔn)的綜合實力[1]。外骨骼機(jī)器人是一種能在人的主觀意圖下結(jié)合機(jī)械動力驅(qū)動的可穿戴與人一體化的智能設(shè)備,通過機(jī)械裝置的運動和助力,可以使得人在正常活動中減少身體機(jī)能的消耗[2]。外骨骼機(jī)器人可以用于醫(yī)療器械、工廠生產(chǎn)、軍事活動、抗險救災(zāi)等多個方面[3]。在使用外骨骼機(jī)器人時,機(jī)器人設(shè)備與人體同步運動時,需要及時通過傳感器對運動時的物理信息進(jìn)行采集提取,同時進(jìn)行分析判斷,才能實現(xiàn)人與機(jī)器的同步實時運動。目前國內(nèi)外的外骨骼機(jī)器人主要使用的傳感器分為兩種,即測量力、位移、角度等物理量的傳感器以及測量肌電(Electromy?ography,EMG)、腦電(Electroencephalography,EEG)等生物電信號的傳感器。檢測物理量的傳感器在對應(yīng)的外骨骼機(jī)器人中應(yīng)用的比較成熟,但其本身的固有性質(zhì)是基于人體對機(jī)器人設(shè)備的作用力來進(jìn)行信息的傳遞,在作用過程中就存在一定的滯后時間,使得外骨骼機(jī)器人在運動中存在一定的滯后,不能完美地實現(xiàn)人機(jī)一體化運動。結(jié)合生物電信號的研究發(fā)現(xiàn),肌電信號的產(chǎn)生總是超前于人體運動,其中表面肌電信號(Suface EMG,sEMG)采集方便且對人體無損傷,受到廣泛的研究使用。利用肌電信號的超前特性,應(yīng)用于外骨骼機(jī)器人設(shè)備中能大大提升設(shè)備的實時性能。
本文簡要說明了最具代表性的下肢外骨骼機(jī)器人的現(xiàn)狀,講述了其工作的模式以及在運動過程中需要提取的信號。通過概括分析當(dāng)下的相關(guān)技術(shù)特點以及應(yīng)用的方面,對當(dāng)下的外骨骼機(jī)器人識別處理過程中的關(guān)鍵問題進(jìn)行了論述,并展望了未來的發(fā)展提升方向,為后續(xù)研究提供借鑒。
鮑登繩結(jié)構(gòu)是在生活中常見的一種應(yīng)用在外骨骼機(jī)器人中的結(jié)構(gòu),圖1所示為應(yīng)用了鮑登繩結(jié)構(gòu)的外骨骼機(jī)器人的膝關(guān)節(jié)結(jié)構(gòu)的實物圖。圖2所示為實物圖的三維模型,其主要的動力是依靠鮑登繩的拉力帶動關(guān)節(jié)處的軸旋轉(zhuǎn)模擬人體的大腿、小腿、膝關(guān)節(jié)的抬腿運動[3]。這套設(shè)備的主要目的是為了在人行進(jìn)過程中減少人體機(jī)能消耗,人在抬腿時通過鮑登繩拉動彈簧,彈簧在收縮過程中儲存彈性勢能,行進(jìn)時腿緩慢放下過程中,彈簧儲存的彈性勢能釋放,勢能轉(zhuǎn)換為鮑登繩的拉力帶動膝關(guān)節(jié)彎曲,節(jié)省人體的能量消耗[4]。這套裝置對運動信息的采集依靠力傳感器和角度傳感器反饋的物理信息。如圖3所示,力傳感器和角度傳感器所測得的電壓通過芯片的處理獲得有效的數(shù)值反饋給主機(jī)程序,直觀地呈現(xiàn)出來[5]。此套設(shè)備的優(yōu)點在于結(jié)構(gòu)簡單,便于控制且成本較低,但其依靠鮑登繩作為機(jī)構(gòu)運動的動力,響應(yīng)時間過慢,與人體一體化程度不高,且鮑登繩使用上磨損較大,會使得機(jī)構(gòu)運動準(zhǔn)確性進(jìn)一步下降[6]。
圖1 鮑登繩外骨骼機(jī)器人實物
圖2 鮑登繩外骨骼機(jī)器人膝關(guān)節(jié)結(jié)構(gòu)
圖3 傳感器信息傳遞
對于鮑登繩外骨骼機(jī)器人,在人體運動過程中所需要采集的運動信息單一,只需要一個對一個關(guān)節(jié)的力和位移進(jìn)行采集分析,其優(yōu)點是數(shù)據(jù)直觀清晰,能明確地判斷出人體的運動狀態(tài)以及下一步的運動軌跡,但其繩結(jié)構(gòu)的本身通過電機(jī)驅(qū)動,無可避免使得它的響應(yīng)速度緩慢,無法實現(xiàn)運動中的步態(tài)一致,即使通過軟件算法的優(yōu)化也只能消除而不能避免滯后的存在。
不同于鮑登繩結(jié)構(gòu)外骨骼機(jī)器人,圖4所示為一種多傳感器外骨骼機(jī)器人。這款外骨骼機(jī)器人的主體軀干結(jié)構(gòu)與傳統(tǒng)的鮑登繩結(jié)構(gòu)的外骨骼機(jī)器人的結(jié)構(gòu)類似,但是他優(yōu)化了其中的鮑登繩材料,取消了鮑登繩和彈簧的柔性緩沖結(jié)構(gòu),替換成了諧波減速器和電機(jī)作為運動的驅(qū)動力,使其在運動的過程中相應(yīng)速度提升,同時增加了機(jī)器人的整體使用壽命[7]。其中傾角傳感器、角度傳感器、角加速度傳感器等多傳感器構(gòu)成傳感器系統(tǒng),傳感器系統(tǒng)采集人體軀干的傾角、髖關(guān)節(jié)的運動角度信息、膝關(guān)節(jié)和踝關(guān)節(jié)的運動角度信息以及足底壓力傳感器進(jìn)行人體的步態(tài)分析[8]。
圖4 多傳感器外骨骼機(jī)器人實物
其中傾角傳感器測得人體軀干的傾斜角度,實時反饋人體運動時的身體傾斜情況,防止運動時摔倒。通過足底的壓力傳感器信息得到人在進(jìn)行周期性行進(jìn)動作時對應(yīng)的相位動作信息,推斷出下一次落腳位置和時間等物理信息[9]。角加速度傳感器和角度傳感器所測得角加速度和旋轉(zhuǎn)的角度對應(yīng)著髖關(guān)節(jié)、膝關(guān)節(jié)、踝關(guān)節(jié)在人體行進(jìn)中的運動角度和速度,通過這些信息結(jié)合設(shè)備本身的尺寸可以反推出各個關(guān)節(jié)點的運動軌跡,用來模擬正常人行走的步態(tài)信息。采集到這些信息之后在電腦芯片中進(jìn)行模型的訓(xùn)練就可以幫助穿戴者在運動中節(jié)省人體的機(jī)能消耗,也可以用于醫(yī)療設(shè)備中幫助殘疾病人進(jìn)行康復(fù)性訓(xùn)練實現(xiàn)正常的行走[10]。
此設(shè)備的優(yōu)點比較于鮑登繩外骨骼機(jī)器人是添加了外骨骼機(jī)器人的智能性,使他不再單一于減輕人體的運動時的消耗。結(jié)合了多種傳感器,通過傳感器的反饋信息可以對人體的運動進(jìn)行分析和預(yù)測,不僅可以提高機(jī)器人在運動中的相應(yīng)速度,還可以保證機(jī)器人在長期使用中的損耗時精度不受影響[11]。此設(shè)備大大優(yōu)化了鮑登繩結(jié)構(gòu)外骨骼機(jī)器人存在的缺陷,在其中添加了多個角度傳感器,通過提取人體運動時的關(guān)節(jié)角速度與角加速度這兩個物理量,結(jié)合人體的步態(tài)規(guī)劃可以動態(tài)地分析人體運動中的意圖,即角加速度判斷下肢的運動是加速還是減速預(yù)測下一步的運動意圖,提升了外骨骼機(jī)器人的性能,但在其相應(yīng)的快速性上始終存在不足,這種設(shè)備的信息傳遞始終是人體作用于剛性的機(jī)械設(shè)備產(chǎn)生相互作用力之后傳遞的信息,此信息滯后于人體的運動,在運動之后才能通過傳感器傳遞人體的信息,從而進(jìn)行下一步的運動分析和預(yù)測工作,這是這套設(shè)備存在的缺陷。
當(dāng)下研究的熱點是一種結(jié)合人體生物電信號的外骨骼機(jī)器人,其所采集的表面電極產(chǎn)生機(jī)理如圖5所示。由圖可知,表面電極的產(chǎn)生先于人體肌肉產(chǎn)生的收縮力,所以能優(yōu)化外骨骼機(jī)器人人機(jī)合一上時間響應(yīng)的問題[12]。
圖5 人體肌電信號產(chǎn)生過程
表面電極的采集常用的有針電極采集和表面肌電電機(jī)片采集。針電極采集人體表面電極是通過電極針插入到需要采集的肌肉中,在人體運動時檢測出肌肉的表面電極變化。電極片則只需要貼附于人體肌肉表面檢測即可,但是這種方式所采集的電極信號收到外界噪聲以及設(shè)備本身的干擾較大,需要進(jìn)行信號的處理分析[13]。
如圖6所示,肌電信號外骨骼機(jī)器人的設(shè)備構(gòu)成有別于多傳感器外骨骼機(jī)器人的主要是在硬件部分的設(shè)備。它不再使用傳感器所傳遞的信號來判斷人體的運動意圖,而直接提取人的生物信號來判斷人的運動意圖,這樣避免了傳感器機(jī)器人本身存在的信息滯后性,提高了人體運動時機(jī)器的響應(yīng)速度,使得人機(jī)交互更加密切[14]。此設(shè)備當(dāng)下的難點在于肌電信號所包含的人體信息十分復(fù)雜,在實驗處理過程中為了消除其他因素的影響要進(jìn)行濾波處理得到要實驗分析的生物電信號,即得到的信號只能控制單一關(guān)節(jié)的動作,無法實現(xiàn)多關(guān)節(jié)的連續(xù)動作控制,存在著控制的局限性,不能對人體的整體運動進(jìn)行廣泛地控制,還需要結(jié)合力傳感器等多信號交互進(jìn)行人體動作的識別控制。
圖6 肌電信號外骨骼機(jī)器人信號傳遞
如圖7所示,對于傳感器采集到的運動信號,在信號的采集和傳輸?shù)倪^程中,難以避免地會受到溫度、噪聲、摩擦力等外界因素的干擾,會收集一些對運動信息無用的干擾信息。這種情況下,需要對傳感器采集到的信息進(jìn)行過濾處理,剔除外界干擾信息等無用的信息。在對傳感器采集的原始數(shù)據(jù)進(jìn)行處理時,可以采用巴特沃斯低通濾波器、FIR低通濾波器、小波去噪等進(jìn)行去噪處理[15]。但在原始信號中,人體的運動信號與外界的噪聲信號存在重疊的情況,考慮到信號失真的情況不適用巴特沃斯低通濾波器和FIR低通濾波器[16]。
圖7 模式識別流程
對于表面電極片所采集到的電極信息同樣存在著電子器件、輻射、噪聲等干擾因素的影響,同樣需要對原始信號進(jìn)行去噪處理。表面電極片采集到的信息可以通過數(shù)據(jù)采集儀傳輸至電腦主機(jī)中直接通過軟件進(jìn)行處理。對原始信號的處理可以通過Matlab/Simulink中的Filter Designer設(shè)計滿足要求的濾波器提出外界干擾因素的影響[17]。在處理噪聲的同時要考慮到人體肌肉激活度的問題,人體肌肉肌肉激活度到達(dá)一定值時才會有相應(yīng)的動作運動,因此在處理過程中要另外設(shè)計一組濾波器處理人體肌肉激活度得到有用的運動信息。
傳感器采集到的運動信息做預(yù)處理后,進(jìn)一步將人行走過程中的膝關(guān)節(jié)角度和角速度、髖關(guān)節(jié)角度和角速度、大腿角速度各個數(shù)值進(jìn)行平均值、均方差、均方根、相關(guān)系數(shù)、偏度的數(shù)學(xué)處理,得到各個動作對應(yīng)的特征數(shù)值為運動模式識別做數(shù)據(jù)基礎(chǔ)[18]。
表面電極片采集到的運動信息做預(yù)處理后,通過肌肉電極激活度測得人體肌肉的收縮力大小,再根據(jù)人體肌肉的長度,表達(dá)出關(guān)節(jié)的力矩和關(guān)節(jié)轉(zhuǎn)角[19-20]。此部分的處理在于肌電信號在時域上劃分處理,劃分出不同運動過程中的表面肌電電機(jī)的數(shù)值,得出相應(yīng)動作時的電極數(shù)值,為后續(xù)的運動模式識別打下數(shù)據(jù)基礎(chǔ)。
當(dāng)下應(yīng)用于外骨骼機(jī)器人中的分類器都是基于前期采集的特征數(shù)據(jù),分析處于不同運動模式下的數(shù)據(jù)特征差異來判斷進(jìn)行分類都是在有監(jiān)督學(xué)習(xí)框架下的工作模式識別。本文主要介紹幾種常見的分類器。
2.3.1 KNN算法
K最近鄰算法是一種懶惰算法,其原理十分簡單,是記錄所有樣本數(shù)據(jù),計算出一個和所有樣本數(shù)據(jù)最接近的訓(xùn)練數(shù)據(jù),依次來判斷新的數(shù)據(jù)分類是否符合條件。此算法的優(yōu)點在于簡單、易實現(xiàn),但其樣本計算量巨大,可解釋性差,使用于稀有事件分類。
2.3.2 GA-BP神經(jīng)網(wǎng)絡(luò)
GA算法——遺傳算法,是一種模擬自然界遺傳機(jī)制的算法,其原理是依據(jù)所需的適應(yīng)度函數(shù),通過遺傳中的選擇、交叉和變異對樣本個體進(jìn)行篩選,樣本個體中適應(yīng)度高的個體數(shù)據(jù)被保留下來,反復(fù)循環(huán)下來得出最適應(yīng)的樣本[21]。
BP算法——誤差反向傳播算法,其原理是在前饋網(wǎng)絡(luò)中,基于輸出信號與標(biāo)記信號的誤差比較,通過誤差的大小利用梯度下降算法調(diào)整神經(jīng)元權(quán)值[22]。
結(jié)合兩種算法的優(yōu)點,將GA算法的全局性好的優(yōu)點和BP算法的最優(yōu)解精準(zhǔn)的優(yōu)點相結(jié)合,提高神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性。
2.3.3 極限學(xué)習(xí)機(jī)
極限學(xué)習(xí)機(jī)(ELM)是一種新型的快速學(xué)習(xí)算法,其主要是訓(xùn)練單隱藏層前饋神經(jīng)網(wǎng)絡(luò)。ELM可以隨機(jī)初始化輸入權(quán)重和偏重并得到相應(yīng)的輸出權(quán)重,不同于傳統(tǒng)算法的人為設(shè)定。依據(jù)Moore-Penrose廣義逆矩陣可以對單隱藏層神經(jīng)網(wǎng)絡(luò)解出,因此訓(xùn)練參數(shù)減少,訓(xùn)練速度加快[23]。
2.3.4 支持向量機(jī)(SVM)
SVM的原理是將樣本的特征向量映射到空間之中,SVM的目的就是將這些空間中的點用一個超平面將其劃分為不同的種類區(qū)分開來,訓(xùn)練所使用的算法來求出這個超平面即為SVM[24]。
依據(jù)圖8所示的算法設(shè)計框圖,結(jié)合上述的分類器可以將前期采集得到的數(shù)據(jù)進(jìn)行分類處理。將數(shù)據(jù)運用算法進(jìn)行模型訓(xùn)練,得到訓(xùn)練模型之后就能對需要測試的數(shù)據(jù)進(jìn)行驗證,測試訓(xùn)練模型的準(zhǔn)確性。
圖8 分類器模型設(shè)計流程
在使用KNN算法時,K值的設(shè)定會在較大程度上的影響分類結(jié)果,固需要多次驗證合適的K值找尋最適用的K值進(jìn)行分類。對于GA-BP神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)算法來說,其中的隱藏層影響著著分類的準(zhǔn)確性,因此要對隱含節(jié)點的個數(shù)進(jìn)行驗證,調(diào)整到最好的準(zhǔn)確率再進(jìn)行驗證實驗。在使用SVM時,要調(diào)整對應(yīng)模型的懲罰因子C和函數(shù)的系數(shù)g得到最適合的訓(xùn)練模型。
在多種算法的使用過程中,能發(fā)現(xiàn)對特征信號的識別分析的準(zhǔn)確性還需要人為地調(diào)試從而不斷提升,所以在算法的設(shè)計過程要充分考慮人體的運動周期,對運動周期系統(tǒng)化劃分建立模型才能通過算法有效識別出人體的運動意圖,結(jié)合人體的運動機(jī)理研究不斷調(diào)整運動模型才能探索出最優(yōu)化的分類算法。
外骨骼機(jī)器人的運動信息的采集大多數(shù)還是使用傳感器,傳感器的使用簡單普遍,提取的信息也很直觀和準(zhǔn)確,這些都?xì)w功于現(xiàn)在傳感器設(shè)備的不斷更新?lián)Q代,設(shè)備的精度和效率越來越高,大大提升了機(jī)器人運動應(yīng)用方面的快速性和準(zhǔn)確性。但其本身固有存在著的物理信息延時性的特點是無法通過傳感器的升級換代和軟件的優(yōu)化消除掉的,所以人們在尋找著肌電信號的生物信息這種新型的信號應(yīng)用于外骨骼機(jī)器人中來解決這方面的問題,使得人機(jī)交互更加緊密和迅速,讓機(jī)器人的運動更加貼合人體的需求,達(dá)到人機(jī)一體的目的。目前的方式應(yīng)當(dāng)著眼于優(yōu)化肌電信號的提取分析,不斷明確人體運動對應(yīng)的不同肌電信號,才能以此來控制機(jī)器人的運動。雖然目前對于的肌電信號的研究還沒有那么徹底,但是已經(jīng)有了肌電信號控制單一關(guān)節(jié)的成果,可以在此基礎(chǔ)上利用肌電信號優(yōu)先于人體動作的特點,再結(jié)合傳感器等其他設(shè)備來控制其他的關(guān)節(jié)運動,可以優(yōu)化延時性的問題,提高機(jī)器人的響應(yīng)速度,解決目前存在的一些問題。
肌電信號的優(yōu)點是顯而易見的,在未來也是研究發(fā)展應(yīng)用的熱門技術(shù)難點。在未來的研究中應(yīng)該關(guān)注以下的關(guān)鍵技術(shù)突破點:首先是人體的運動機(jī)理的研究和運動模式的系統(tǒng)劃分,對人體的運動所需的生理條件進(jìn)行更加完善和細(xì)致的分解,這樣更有助于外骨骼機(jī)器人數(shù)據(jù)庫的升級完善,提高運動過程的意圖識別的準(zhǔn)確性,并且也能改善目前肌電信號控制的單一性,使得肌電信號的對應(yīng)動作不再是單一關(guān)節(jié)的動作,使得其控制效果更加全面。其次是總結(jié)外骨骼機(jī)器人針對不同身高體重的人群所具備的共性,使得外骨骼機(jī)器人的使用不再有局限性,不會使得不同人穿戴時出現(xiàn)運動識別上的錯誤,造成機(jī)器和人的運動不匹配的問題。最后則是當(dāng)下的肌電信號外骨骼機(jī)器人所運用的肌電信號運動識別的控制單一,對下肢的整體運動無法進(jìn)行完整的識別控制。即生物電信號所包含內(nèi)容豐富,識別過程中的濾波處理只能得到單一設(shè)定的信號,對復(fù)雜運動的識別控制無法達(dá)到預(yù)期的效果。為了完善這一不足,在設(shè)備中加入物理信息的傳感器,提取更多的信息融合分析,完善人體運動過程中的實時識別提高人機(jī)交互的實時性能。