可穿戴外骨骼康复机器人的学习控制研究

Stroke survivors with lower limb dysfunction are in urgent need of robotic rehabilitation. Patient-difference-oriented adaptive control has become the trend for developing lower limb exoskeleton rehabilitation robots. However, the current ability of learning various patients’ gait patterns needs to be further improved. Rehabilitation assistance for patient need and integration of assessment and training for motivation are great challenges being faced. In this application, we propose to conduct research on the adaptive learning of gait motion for lower limb rehabilitation. By utilizing the inherent periodic repetitive characteristic of training process, iterative learning control (ILC) will intelligently update the feed-forward correction signal for gait trajectory, thus improving the tracking accuracy as well as the interaction coordination between patient and exoskeleton. Considering the needs at different training stages, multi-source biological signal feedback with force field decoding is introduced to precisely determine and recognize patient’s active motion intent, meanwhile ensuring the reinforcement of patient’s remaining abilities. The integrated assessment and training will further stimulate the patient’s initiative for participation. This project will provide theoretical methods and technological support for the practical application of lower limb exoskeleton robots.

脑卒中幸存者下肢功能运动障碍迫切需要康复机器人研究，面向患者差异的自适应控制成为下肢外骨骼康复机器人的发展趋势，然而现阶段对各类病人步态运动模式的学习机制需要提升，基于患者训练需求的康复助力决策与以积极性培养为目标的测评-训练双向激励系统是下肢外骨骼康复机器人的挑战。项目拟通过开展步态模式自适应学习，利用康复训练过程的内在重复特性，采用迭代学习智能更新前馈步态轨迹修正信号，提高下肢外骨骼的控制精度，改善患者与外骨骼接触的舒适度和协调性；针对患者在不同康复分期的切实训练需要，采用多源生物信号反馈和患者-外骨骼力场联合解码，准确判断和识别病人主动运动能力和错误动作意图，在高效康复同时保证患者残存能力发挥和强化；通过实时测评与训练双向激励，提升参与者训练积极性。项目研究为下肢外骨骼康复机器人腿部运动自适应学习和控制提供理论方法和技术支撑，有助于我国该领域产品化进程，并带来更大的经济和社会效益。

本项目的背景是为运动功能障碍的患者和需要运动辅助的人员提供一种可穿戴外骨骼机器人的学习控制算法，以自动适应千差万别的外骨骼使用者。本项目研究了膝关节外骨骼机器人的步态迭代学习控制，提出的控制策略不需要对非线性人体-外骨骼系统进行复杂的数学建模，而是通过不断的学习和修正控制参数实现步态的高精度跟踪控制（RMS误差低至1.37度），相比传统的PID控制算法提升了91.1%。由于提出的学习控制算法不需要预先知晓人体-外骨骼系统的模型，本控制算法对不确定的人体-外骨骼系统（不同体重、身高、步态等）具有很高的鲁棒性和自适应性。此外，本项目研究了膝关节和踝关节外骨骼机器人对人体行走的能量回收技术和助力驱动技术，设计的膝关节外骨骼可以在人体行走运动时回收3.2W的能量，并存储于超级电容内。在回收能量的同时，膝关节外骨骼还能够缓解7.91%的人体大腿肌肉活动，帮助穿戴者缓解腿部肌肉疲劳。设计的踝关节外骨骼采用机械式弹簧储能机构，通过类似圆珠笔按钮机构的设计，把负功阶段回收的行走动能巧妙地在正功阶段进行释放，实现了在水平路面行走时降低新陈代谢率达6.4%。最后，本项目通过ADAMS环境下的人体-外骨骼的协同仿真模型，对人体和外骨骼间的运动和交互作用力进行了研究，对后续外骨骼的优化设计提供了重要的设计参考。本项目研究对外骨骼机器人的理论研究和应用推广具有重要的科学意义。