基于sEMG信号的下肢康复机器人肌力预测模型与交互式自适应阻抗控制研究

It has become an important social issue to meet the increasing requirements of rehabilitation and training for a growing population of elderly, disabled people and those with limb movement disorders. This project mainly focuses on the analyzing and processing methods of surface electromyography (sEMG), and the mapping model of the relationship between sEMG and humans' muscle strength prediction, as well as the interactive and adaptive impedance control methods for lower limb rehabilitation robots. The research contents include: study of the dynamic model and position control technology for parallel rehabilitation robots; proposal of a human-robot interaction impedance control model for lower limb rehabilitation robots; design of a high precision sEMG feature extraction and pattern recognition algorithm aiming at solving the problem of the lower limb movements during rehabilitation procedure often being restricted and tending to be continuously switched; establishment of a quantitative predictive model of the relationship between sEMG signals and the muscle strength by integrating the the sEMG signals and the force, angle, and acceleration sensors to monitor and evaluate the muscle activity status;proposal of a novel adaptive impedance control approach based on patient's movement abilities and recovery conditions, and construction of a scientific and efficient control system by introducing fuzzy neural networks and other inference methods to optimize the impedance control model of rehabilitation robots, so as to provide people with movement disorders with diverse, stable, and effective training strategies and systems for lower limb rehabilitation.

老年人、残疾人和其他具有肢体运动障碍人群的康复训练已成为亟待解决的社会问题。本项目重点研究人体下肢表面肌电信号(sEMG)的分析处理及其肌力预测模型，以及下肢康复机器人交互式自适应阻抗控制方法。主要包括康复机器人的动力学模型与运动控制技术，提出一种人机交互式下肢康复机器人阻抗控制模型；针对康复训练过程中肢体运动受限且连续动作切换的特点，设计一种高分离度的sEMG多尺度特征提取和模式识别方法；通过sEMG信号和力、角度、加速度等传感器对下肢肌肉活动状态进行监测与评估，建立一种定量准确的sEMG信号与肌力之间的映射模型；结合模糊神经网络等推理方法，优化康复机器人在人机交互时的阻抗控制模型，提出一种新的匹配患者主动运动意图和肌体活动能力的交互式自适应阻抗控制方法，构建一个科学高效的康复机器人运动控制系统，为运动障碍人群的下肢康复训练和辅助运动提供模式多样、性能稳定、效果显著的康复训练策略与系统。

随着老龄化社会的到来和各类脑卒中、中风偏瘫、肢体残疾等运动障碍患者数量的增多，人工康复资源极度紧缺、成本上升，使得医疗康复成为一个亟需解决的社会问题。智能康复机器人对于提高康复效率、增进患者的参与度和积极性、改善康复效果、提升机器人的适应性和智能化具有重要意义。本项目重点研究人体下肢表面肌电信号(sEMG)的分析处理及其肌力预测模型，以及下肢康复机器人交互式自适应阻抗控制方法。主要开展的研究工作包括：（1）针对康复机器人环境中肢体运动受限且动作切换频繁，设计了高分离度的sEMG特征提取和模式识别算法；（2）利用sEMG信号及其他传感器对下肢肌肉活动状态进行监测与评价，建立了定量准确的sEMG信号与肌力之间的关系预测模型；（3）提出了新的基于患者sEMG信号和肌力预测的自适应阻抗控制技术，实现了患者主导的康复机器人交互控制。本项目的实施为下肢运动障碍人群提供了患者主导、交互安全、适应性好的机器人辅助康复训练机制，有效增进患者的参与度、积极性与康复效率。通过本项目的研究所取得的成果包括：出版英文学术专著1部（Elsevier出版）；发表学术论文41篇，其中SCI收录期刊论文27篇、EI收录论文11篇；申请发明专利5项，其中2项已授权。依托本项目的支持，项目组与新西兰奥克兰大学、英国利兹大学等世界知名高校开展了稳定深入的学术交流与合作，共同举办了康复医疗、生机电一体化等领域的国际学术会议和研讨会，提升了项目组的国际化水平和国际影响力。同时，项目组与该领域国外知名团队建立了长期有效的人才交流机制，通过国家留学基金委的资助，先后完成了四位博士的联合培养以及团队青年教师的出国访学交流工作；通过国内外合作与交流，项目组成员突破了机器人机构设计与建模、人体生物机理研究、智能人机交互与控制等康复机器人关键技术，为医疗康复机器人相关科技成果的转化与产业化奠定了基础。