可穿戴型颈部助力并联机器人技术研究

并联式颈部助力机器人与练习者的肩部与项部结合在一起，通过运动信息感知网，实现助力机器人系统主动为使用者提供完成前屈后伸、侧屈和旋转等功能恢复动作的助力支持，从而减小人体感受的运动强度，使练习者能充分完成功能恢复动作，随着康复者颈部力量的加强和动作的熟练程度的提高，系统逐步减少对其助力支持，直到康复，并可实现在静止情况下提供一定的支撑。该装置包括位于穿戴在肩部及项部的上下环面、伸缩杆、绞球、动力装置和控制装置以及为完成运动预判的感知信息网，它们组成一个可为人体颈部功能恢复运动提供助力支持及静止支撑的辅助机器人系统以及一个类似人类神经系统的局域网。本研究从人体工程学及运动生物力学基本原理出发，研究颈部运动机理、获取运动信息，综合和借鉴运动生物力学、机器人学及信息融合等方法构筑一智能化控制系统，解决从运动信息提取、行为意识推理，到多目标参数融合与决策控制等一系列理论与应用的关键问题。

并联式颈部助力机器人与练习者的肩部与项部结合在一起，通过运动感知网，实现助力机器人系统为使用者提供完成前屈后伸、侧屈和旋转功能恢复动作的助力支持，从而减小人体感受的运动强度。.主动助力模式下，装置最终运动是通过位于使用者与装置间的各测力点感受到的人体运动时的多维力信息而自主运动。被动康复训练模式下，装置按既定的程序完成相应的动作，使练习者能充分完成功能恢复动作，从而使患者达到康复训练的目的，随着康复者颈部力量和动作的熟练程度的提高，系统逐步减少对其助力支持，直至康复。.本项研究集人体运动学、机器人学、人-机交互信息获取和信息处理等多学科交叉，以可穿戴型助力机器人的应用为背景，从并联结构、人-机交互信息及混合运动控制等方面开展研究。.由于多维力传感器利用其多个转换单元完成测量加载于其结构上未知负载的作用效果，而解耦是其设计的重要组成部分。针对传统静态线性解耦方法的不足，试图将传统线性解耦方程扩展为多项式结构，受其多元高次方式通解形式的启发，构造了一种多项式非线性静态正解耦方程，该方法无需传统线性解耦方法中的曲线拟合、逆解，不依赖以系统是线性为前提，且方程可以扩展成任意结构的多项式。.另外，不管是传统的认知神经科学还是情感认知，EEG的研究有助于运动想象的实现，改善人-机混合控制的平滑性及实时性，即无需通过手动控制，仅靠“想”便能使穿戴型助力机器人平稳而自然地工作。.通过我们的努力，取得了一部分有意义的研究成果。已申请发明专利3项（其中1项已授权）；在国内外学术期刊和会议上发表论文25篇（其中17篇欠被SCI、EI、ISTP等检索）。