在下肢康复机器人中风

文摘

老年人的增加,中风已经成为一种常见的疾病,往往导致运动功能障碍甚至永久性残疾。下肢康复机器人可以帮助病人进行合理有效的培训来改善瘫痪肢体的运动功能。摘要下肢康复机器人的发展在过去的几十年了。具体来说,我们提供一个分类、比较和设计驱动模式的概述,培训模式和控制策略综述文献的下肢康复机器人。简要回顾在下肢康复机器人的步态检测技术。最后,我们讨论了下肢康复机器人的发展方向。

1。介绍

中风是一种疾病,具有很高的潜在导致老年人残疾的1]。与老年人的增加,中风已经成为一种常见的疾病,通常会导致运动功能障碍甚至永久性残疾(2]。大约有795000人,每年在美国大约有191000人在日本有一个新的中风或复发性中风(3]。新中风患者的数量在中国每年大约有2亿(4]。根据国家中风统计,中风发病率,死亡率和复发率随年龄的增加而增加(5]。与此同时,中风发病率近年来显示一个年轻的趋势。因此,中风幸存者的康复训练已成为一个重大的社会问题。然而,物理治疗等传统手法治疗(PT)和职业治疗(OT)主要依靠医生的经验,,很难满足高强度和重复训练的要求(6]。由于物理治疗师的严重短缺,无法保证治疗(7]。因此,对先进的康复设备的需求大大增加,这将帮助患者进行准确、量化,和有效的培训8]。康复机器人是一个新兴领域将自动化解决方案培训。在过去的十年中,康复机器人收到研究人员越来越多的关注以及康复医生。康复机器人的应用程序可以释放医生从沉重的训练任务,分析数据的机器人在培训过程中,和评估病人的康复状态。由于其准确性和可靠性的优势,康复机器人可以提供了一个有效的方法来改善中风或手术后的康复的结果。

如今,已经有一些发表综述论文在下肢康复机器人。然而,很少控制策略的细节,驾驶模式、培训模式,和步态感知得到的下肢康复机器人。

在本文中,我们系统地回顾了下肢康复机器人的发展现状,提供分类、比较和设计驱动模式的概述,培训模式,控制策略,步态感知。剩下的纸是组织如下。部分2描述机器人的发展。部分3介绍了下肢康复机器人的驱动模式。部分4提出了控制策略,包括位置控制、力信号控制,和生物医学信号控制。节5,机器人培训模式的建议。节6步态感知的不同的技术进行了分析。节7该研究的局限性和未来的发展方向进行了讨论和总结。

2。下肢康复机器人的发展

近年来,各种类型的下肢康复机器人开发提高中风病人瘫痪肢体的运动功能。一般来说,下肢康复机器人可以分为两类,即,外骨骼机器人和机器人末端执行器(9]。例如,Lokomat [10],BLEEX [11],洛佩斯(12,13罗格斯脚踝[]是典型的外骨骼机器人,而14和触觉沃克15机器人末端执行器。根据他们的康复原则,外骨骼机器人可分为treadmill-based和腿部矫形器,而机器人末端执行器footplate-based和基于平台的类型。概述近年来代表机器人和表中演示了它们的特点1。

2.1。Treadmill-Based外骨骼机器人

Lokomat LokoHelp,洛佩斯,活跃腿外骨骼(ALEX)属于典型的treadmill-based外骨骼机器人。Treadmill-based外骨骼机器人通常由重量的支持系统和运行在跑步机上通过下肢外骨骼框架。

2001年,位于苏黎世的瑞士联邦理工学院(33)开发的四个自由外骨骼式步态康复机器人Lokomat,使用跑步机。病人的外骨骼可以驱动腿实现步态运动在矢状面和四个旋转接头是由四个直流电机驱动精密滚珠丝杆传动。

LokoHelp步态训练机器人,由一家德国公司,开发和生产三个部分组成的,一条腿支撑装置,跑步机系统,悬挂重量系统。它可以实现基本步态康复训练和帮助病人完成向下运动。此外,该设备采用模块化设计方法,这是容易组装,拆卸,并调整,以实现不同斜率的训练。临床实验研究LokoHelp已经证明(34,35]康复机器人系统的效果几乎是一样的,传统的步态训练方法,但它可以显著减少所需的人力资源和体力活动的参与者。

特文特大学的生物医学工程实验室(36),荷兰,已经开发了一种低extremity-powered外骨骼机器人步态康复(洛佩斯)[37,38]。LOPES单腿有2个自由度在髋关节和膝关节1自由度。LOPES病人的恢复分为两个阶段:病人主要和机器人驱动,不同控制算法用于使病人的行走训练更接近实际情况。

特拉华大学机械工程学院已经开发了一个活跃的行走训练机器人叫亚历克斯。它由一个移动支架,下肢外骨骼矫正法,和控制系统。每条腿有四个自由度,两个自由度的髋关节,膝盖和脚踝关节的一个自由度。亚历克斯,使用机械机制来平衡人体的重力,可以帮助患者达到重力平衡和高度调整39,40]。

2.2。腿部矫形器和外骨骼

主动Ankle-Foot矫正法(AAFO) [41),Knee-Ankle-Foot矫正法(KAFO)、伯克利下肢外骨骼(BLEEX)和混合辅助肢体(HAL)属于腿部矫形器和外骨骼。

南韩首尔延世大学,开发一个自由度铰链ankle-foot矫形器AAFO。矫正法使用聚丙烯材料,重量轻,有一定程度的灵活性。此外,联合使用铰链结构;驱动部分采用系列弹性传动装置。脚和地面之间的联系是由安装脚上的接触开关(42)使用足底状态机的脚踝和脚矫正法控制。步态分为6个阶段,以防止脚脚耳光矫正法和脚趾拖动下降阶段(43]。

2004年,大学伯克利分校的h . Kazerooni博士(44)设计了下肢外骨骼机器人BLEEX(伯克利下肢外骨骼),和设计师称之为“负重和能源独立的外骨骼。“根据外骨骼的力量,外骨骼的逆动力学模型作为前馈控制器和关节角传感器是用来判断每条腿的运动周期和控制外骨骼的协调运动。通过实验研究四截瘫患者,外骨骼机器人可以帮助患者实现自然走(45]。

在2005年,渥太华大学的机械工程系(46)在加拿大发达Knee-Ankle-Foot矫正法(KAFOs),来帮助用户疲弱的伸肌改善步态。这种矫正法不使用动力和为权力提供了巧妙的机械结构和弹簧的位置,它控制膝关节的屈伸通过打开和关闭电磁阀。机器人控制系统是简单的,它主要是利用足底力控制开关电磁阀和完整的帮助站控制。

混合式辅助义肢)是一种可穿戴式下肢康复机器人开发的筑波大学的日本。设备的最初目的是帮助患者下肢运动功能障碍来完成日常活动,如步行,站,坐,和楼下(47]。目前,五分之一一代产品了,全身穿戴的机器人,它可以帮助上、下肢运动(48]。值得注意的是,一些临床和实验研究表明,哈尔可以提供重量支持主题和可以帮助他们完成他们的日常步行活动。

2.3。脚Plate-Based末端执行器设备

脚plate-based末端执行器设备(49包括步态训练GTI,触觉沃克,G-EO系统。

步态训练(GTI)是一个暂停减肥步态康复机器人,德国柏林自由大学开发的。它是基于下肢的运动刺激下肢的肌肉有序并协助病人完成步态训练。然而,由于脚踏板之间的交互和病人的脚,下肢的力反馈很软弱,和走路的感觉是比自然行走。此外,机器人的步态训练策略强调重复被动运动,而忽视积极参与的重要性。GTI下肢康复早期设备,世界上有许多临床试验(50- - - - - -54];系统显著减少体力消耗,也拯救了康复的医疗资源。

2003年,海塞等人提出了基于虚拟现实技术的触觉沃克的概念。他们开发了一英尺6自由度运动模拟器,使用挂减肥实现任意轨迹和矢状面运动的态度,如走在粗糙表面或草坪,脱扣,等等。在虚拟现实控制模式下,病人戴着头盔显示器和six-degree-of-freedom力传感器是安装在脚踏板上;病人感到虚拟现实场景和与之交互的虚拟场景。虚拟场景和音乐还可以提高单调的培训氛围,增强患者的利益,达到心理治疗的目的。虚拟步行康复训练机器人是第一个设备实现脚走可编程自由轨迹,和冗余硬件和软件紧急停止电路被设置在安全措施。

相比其他运动平台,机器人驱动步行在意大利是由下肢运动的踏板。行走的机器人添加了一个新方法,如障碍、一步,斜坡路。丰富的培训模式和主动和被动控制方式可以更有效的有针对性的培训55]。电脑有一个巨大的数据集成系统,可实时监控病人的康复治疗指数。这个机器人使用踏板结构,非常舒适,易于使用的病人。然而,由于腿部辅助设备的缺乏,病人的肌肉力量太强或太弱的适当调整,所以医生也需要从侧面帮助56]。

2.4。基于平台的机器人末端执行器

ARBOT Ruegst脚踝,脚踝和并行机器人属于平台基于机器人末端执行器。

第一个真正完全用于脚踝康复机器人系统Girone等人提出的“罗格斯的脚踝”的罗格斯大学(57]。这是一个机器人系统基于Stewart平台(58)与虚拟现实、力反馈和远程控制(59]。机制是由一个固定的平台,一个活动平台,六个伸缩支链与活动平台。它可以执行六个独立运动6个自由度。Stewart平台使用了六个双动气缸驱动六自由度运动,和提供的基于虚拟现实的人机互动游戏主机使训练过程不再无聊。通过接收到的数据,医生可以了解踝关节的运动,然后用网络来控制,评估,指导患者进行适当的康复训练。

相比之下,外骨骼机器人通常固定在人类肢体的各个部分,而产生不同的力/力矩。然而,对于不同的患者来说,这些外骨骼机器人可能无法恢复患者的肢体功能由于其缺点和糟糕的适应性。机器人末端执行器通常是在某种程度上与病人的身体接触。因为没有限制人类的运动,最终效应更容易适应不同的病人60]。

3所示。下肢康复机器人的驱动方式

驱动方式的选择直接影响系统方案的外骨骼机器人,如结构设计和控制系统,它是外骨骼机器人的基础设计。目前,常见的外骨骼机器人的驱动方式是液压传动,电机驱动,气动驱动,和海洋(系列弹性传动装置)61年,62年]。还有其他的驱动模式,如气动肌肉和电子杆。我们在表总结不同的驾驶模式2。

如今,外骨骼康复机器人主要用于电机驱动模式;机器人只需要承担体重和帮助偏瘫的患者常见的活动,如散步,上下楼梯。与其他驱动方式相比,电机驱动模式有很多优势,如容易控制、无污染、噪音低,等等。液压传动模式更简单,更小,更轻比其他模式。在相同载荷下,液压传动比另一个更好的驾驶方法。

总之,司机,如液压、电机、气动、和海洋(系列弹性致动器)是有限的权力,质量,体积,和噪声对人们的工作的结果是严重的。尽管人造肌肉的发展中发挥着重要作用的问题,有一些技术难题需要克服。另一个重要方面是司机的能源问题。可用的能源,比如nonrechargeable电池,可充电电池,小型内燃机,既有优点和局限性,因此,潜在的和永久的解决这些问题的方法是开发新技术,如电化学燃料电池和无线能量传输。

4所示。下肢康复机器人的控制策略

根据不同的信号从行动意图,获得机器人和病人之间的控制策略分为三个部分:(1)位置控制(2)力信号控制(3)生物医学信号控制。

4.1。位置控制

轨迹跟踪控制,位置控制方法驱动下肢行走在固定模式。步态是由一个比例位置反馈控制器和关节角度和适合下肢肌肉力量。霍恩比证实了轨迹跟踪控制的功效,它可以增加的速度和耐用性不完全脊髓损伤患者。张等人建立了轨迹跟踪控制5连接的模型,可提高患者的参与,使培训更具个性化73年]。

4.2。力信号控制

在这种控制策略,四肢收缩产生的力信号与机械结构和交互。相互作用力可以直接测量的力和力矩传感器在优雅的机械结构设计,可以评估的人机交互系统的动力学模型。与生物医学信号相比,力信号更好的确定性,它可以更好地反映病人的运动的目的,因此基于力的控制信号是可行的且相对稳定。然而,收购相互作用力通常需要机械结构,可用比生物医学信号检测,所以交互控制的适用范围是有限的。之间的交互控制策略,康复机器人和耐心,有两个最广泛使用的方法:混合力/位置控制和阻抗控制[74年]。

4.2.1。准备力/位置混合控制

为解决机器人在受限环境下的控制问题75年),雷伯特提出了力/位置混合控制策略。有时候,我们应该控制机器人的位置在某些特定的方向,但在其他方向,我们应该控制机械结构之间的相互作用力和外面的世界。因此,当机器人接触外面的世界,机器人的任务空间将会分裂成两个子空间的力/位置混合控制策略。子空间的子空间位置子空间和力量,它将完成跟踪控制在相应的子空间(位置和力量76年]。下肢康复机器人的交互控制的目标是提供一个安全,舒适,和灵活的治疗和康复,它不需要精确的力跟踪控制,所以力/位置混合控制策略是非同寻常的使用在交互控制。

Lokomat取得了新的合作步态训练策略利用力/位置混合控制方法[77年]。的控制下肢步态矫正法是一个两阶段的过程。步阶段,根据动态模型控制矫正法的力量为患者提供合理的支持,很难准确评估相关的动力学模型。因此,我们只是控制矫正法的位置站在舞台上。除此之外,四肢步态阶段的实时监控,由于转换的信号混合控制的两个阶段。这种策略可以帮助病人自由行走,它需要积极和全面接触病人的四肢。因此,它是一个活跃的康复训练,这是高度intention-oriented和刺激患者积极和主动参与康复训练;这将加速复苏的过程。

4.2.2。阻抗控制

阻抗控制是不同的力/位置混合控制。它关注实现康复机器人的灵活性,这避免了机械结构和四肢之间的过度使用武力。这种方法可以提供一个自然、舒适、有效和安全的触摸界面,避免二次伤害。阻抗控制的另一个优点在于,实现阻抗控制是独立的先验知识78年]。在控制机器人和病人之间的相互作用力,阻抗控制有更广泛的应用。

在机器人控制领域,阻抗控制的理论首次提出了霍根(79年),阻尼控制和刚度控制的传播。从实现的方法,阻抗控制可分为两类:一是基于转矩,另一个是基于位置。第一个是基于前置阻抗方程,但阻抗方程的显式表达式控制结构中不存在一般。第二个是基于反向阻抗方程,也称导纳控制。它通常采用典型的双闭环控制结构;外循环控制的力和内循环控制的位置。基于位置的阻抗控制易于实现(80年,81年)位置伺服控制,更加成熟和稳定。针对步态训练(GTI)下肢康复机器人,侯赛因提出一种自适应阻抗控制算法进行步态训练(82年]。

4.3。生物医学信号控制

表面肌动电流图(表)和脑电图(EEG)大多是用于交互式控制下肢康复机器人。因为这些不干扰信号都是使用方法,获得面肌和脑电图的方法是可操作的,不需要一个医学专家和它的性能能得到保证。

4.3.1。基于表的控制

EMG信号是电活动产生的骨骼肌(83年,84年]。根据不同的测量方法,它主要由面肌和iEMG(肌肉的肌电图)。表是一个信号通过附加电极表面的皮肤,虽然iEMG信号通过电极针插入皮肤下的肌肉组织。与积极的信号相比,表具有以下优点:(1)收购表很简单,不需要复杂的机械结构设计。(2)力信号只是所有的肌肉群的化身,和面肌电信号可以反映特定肌肉群的活动程度,可以更详细的监测和控制四肢的运动。(3)交互式控制基于表更多的灵活性,从而实现控制健康肢体的患肢根据身体的协调运动。(4)面肌电信号具有较高的灵敏度和分辨率比活跃力信号,和更适合使用面肌电信号检测主动运动意图下肢患者的自主权。

挑战的交互控制方法基于表如下。首先,通过人体皮肤,收集表信号有很大的随机性,为了获得信号,具有较高的信噪比和能真正反映了肌肉活动,我们需要找到一个有效的方法来过滤掉面肌电信号的干扰。其次,单通道表只反映了特定肌肉的活动,为了获得积极的运动意图的病人,通常需要结合多个肌肉活动。相比之下,力的响应信号,活动目的是更直接。

交互式控制策略可以分为两类:基于表(1)使用剩余的EMG患病的肢体。这种方法不仅可以刺激患者的意识的积极参与,但也鼓励患者在运动控制肢体肌肉的收缩。但对严重瘫痪的病人来说,他们的患病的肢体已经几乎完全失去了他们的运动机能和不能独立完成肌肉收缩;面肌电信号的信号很弱,很难被检测出来。第一个计划是在这种情况下不适用。(2)使用左和右的运动协调四肢或上、下肢和肌电图信号的健康四肢瘫痪肢体的运动控制。这种方法在积极参与的患者小于第一个策略,但它为严重瘫痪的病人提供了一个活跃的培训项目。

4.3.2。基于脑电图的控制

EEG信号是大脑的电活动(85年),由电极收集到头皮,它代表了电压波动引起的大脑神经元之间的离子流动。

交互式控制基于脑电图的最重要的优势是,它仅限于身体残疾的程度;即使病人已完全失去了下肢的运动功能,只要大脑能够产生运动控制信号,该方法同样适用。这种方法尤其适用于完整的脊髓损伤,患者和他们的大脑功能是正常的,但是控制信号转导通路被切断,所以四肢的肌肉完全失去了控制。交互式控制基于脑电图相当于重建大脑的控制信号传输路径以外的身体,和电动机和功能性电刺激装置作为致动器来恢复肢体运动功能的控制。

这种方法仅限于瘫痪病人的大脑运动控制功能是正常的,但它不适合脑损伤患者中风和其他原因造成的,因为大脑运动机能的病人已经损坏,它未能产生的脑电图信号正常肢体运动控制。其次,与面肌信号相比,脑电图在肢体运动的决议目的是低和EEG信号有一个更大的随机性,表情的变化,情绪和注意力很容易影响脑电图信号产生的大脑。

目前,这一领域的研究主要集中在离线分类知识和回归分析;知识指出潜在的下肢康复机器人的交互控制基于脑电图,但实际应用和实验结果是几乎没有。与离线研究相比,实时交互控制正面临更多的挑战。首先,EEG信号的实时采集是不可能有完整的数据用于离线研究;识别的准确性可能受到影响。其次,它是必要的,以确保交互控制的实时性能,这就需要使用脑电图信号运动识别,更重要的是,预测。最后,在实时交互控制,病人将无法独立完成实际的物理运动,EEG信号的获取对应于大脑的运动,这还没有考虑在现有的下肢康复机器人的研究。

5。下肢康复机器人训练模式

下肢康复机器人和治疗的有效性很大程度上取决于其培训模式(86年),这将帮助患者在不同的运动模式根据病人的恢复87年]。图1显示了两个典型的康复机器人的控制方式:被动模式和主动模式(89年]。最近,更细分模式提出了下肢康复训练。概述表中说明了康复机器人的模式3。

康复训练模式分为四种类型,其中包括被动模式,积极协助模式,主动模式,积极抵制模式。

在被动模式下,病人失去肌肉力量和不能完成积极的运动。我们只能依靠外部力量的帮助来实现病人的被动训练。机器人的腿驱动人的腿康复训练,和下肢康复机器人被动训练应该提供足够的强度。这种模式的优点是通过反复锻炼促进肢体运动功能的恢复和减少肌肉萎缩,但病人缺乏动力。

在主动模式下,病人的肌肉有一定强度和较小的扭矩可以执行的积极运动康复设备。当病人想移动他的联合或肢体,机器人设备将根据需要使用外部辅助力量。它需要机器人感知的状态后的力/力矩,当病人和病人的运动。这个模型可以修改根据病人的意图,从而大大提高病人的积极性。

积极协助模型中,肌肉有一定的实力,但是没有腿机器人的帮助下,病人不能训练有素。这允许病人移动没有机器人的帮助下,可以改善病人的锻炼独立的能力。

活动阻力模型,机械腿提供了一定的力量,这是相反的方向腿实现加强肌肉训练的目的。这个模型适用于高恢复,患者和阻力使运动更有挑战性,可以提高患者的肌肉力量。

目前,有很多其他的训练方法,如镜运动和等渗和等速运动模式。尽管这些新的培训模式从治疗师的观点类似,他们也在努力提供援助或抵抗病人过程中机器人治疗。

6。步态检测技术

准确的信号是控制的基础;定量反馈信息有助于制定合理的康复策略根据病人的状态。因此,传感器的选择,它可以检测到人机交互的信息,是至关重要的。步态检测技术包括三个主要部分:足底传感技术,肢体传感技术,复杂的传感技术。

足底传感技术:它可以判断不同的步态检测人机部队使用传感器或脚的地面反作用力。

四肢传感技术:它使用传感器来检测下肢、躯干的运动意图:(1)基于角度传感器的传感技术(2)基于肌电图(传感技术96年)传感器(3)基于BCI的传感技术(97年]。

混合传感技术可以应用于识别和判断人类步态使用两个或两个以上的传感器在一起。

结合各种传感器的检测信息,控制系统可以获得准确的运动信息来确保外骨骼机器人将有效和可靠地工作。

目前,有两种主要方法检测运动意图,如表所示4。一是人类机器人交互基于物理模型(pHRI) [One hundred.]。主要用于检测病人和外骨骼之间交互信息,如位置信息、力信息,等等。虽然有一些滞后时间,和传感器的安装效果舒适能力,该方法的可靠性高。另一种是人工机器人交互基于认知(cHRI) [One hundred.]。使用这种方法,运动意图的病人,作为控制器的输入信号,是通过肌电图的识别96年)信号。修补传感器直接在皮肤上很舒服,但是皮肤上的汗水会严重影响测量精度,同时也不能保证之间的一对一的映射关系EMG信号和关节转矩。同时,控制器的误判会造成二次伤害。显然,我们可以准确地判断运动意图通过融合两种信号。人类机器人交互信息的检测方法提出了表4。

外骨骼康复机器人使用多种步态传感器来检测,但检测方法仍然有许多问题,如易受干扰,准确判断,适应性差。因此,BCI技术和传感器技术的发展来解决当前的问题是至关重要的。

7所示。讨论

本文介绍了下肢康复机器人的发展,培训模式,驱动方式、控制策略和步态检测技术进行了综述。下肢康复机器人有许多优点,它已经显示出令人鼓舞的临床结果和康复效率。尽管大多数的下肢康复机器人可以提供系统和长期治疗,仍有一些缺点与不足总结如下:(1)康复机器人的机械结构和控制系统需要改进。在康复训练过程中,缺乏对病人的实时精确控制关节角度、扭矩、速度等。(2)最近开发的机器人在国内外主要汽车刚性驱动。系统缺乏灵活性和康复机器人的传动装置结构过于复杂和大型的较低的可移植性。同时,安全和舒适还需要进一步改进。(3)康复效果的反馈机制应该完成。它不能给一个准确的反馈到四肢的位置和力在康复训练过程中,导致培训效率低和直接影响康复训练的评价。(4)对于一个灵活的机器人,我们需要开发一个更高级的高分子弹性材料。此外,驱动力仍然需要改进。(5)病人的动机参与培训在中风康复起着非常重要的作用。然而,大多数培训模式过于僵化和无聊。面向任务的训练模式和有趣的游戏,比如打鼹鼠能使训练更有乐趣。(6)下肢康复机器人仍然面临着众多的技术挑战,包括生物力学、神经生理学、人机交互(HCI)和人体工程学。

当前的下肢康复机器人,在某种程度上,可以为患者提供一个简单的培训计划,对康复有一定的影响。在我们看来,未来研究下肢康复机器人应该关注以下几个方面:(1)下肢康复机器人的系统设计:机械结构设计是机器人系统的基础,它需要实现一些主要的目标,比如紧凑,multi-DOF,极大的灵活性,各种训练方法和动作,更好的安慰,和高人类和计算机之间的匹配。(2)控制策略和运动模式设计的下肢康复机器人:由于患者的个体差异,机器人应该理解病人的力和位置状态信息,采取相应的训练模式和控制策略。未来的研究,如适应性和稳定性的控制系统,传感器的应用技术,以及控制算法的设计,是必需的。因此,机器人不仅要满足需求的低体重,快速响应,和大型输出转矩,但也有一些特征类似于动物骨骼肌肉,如柔软和可靠性。因此,重要的是要研究节能优化设计方法基于主动和被动模式,高能量密度的能源技术和无线传输技术。(3)步态检测系统的设计:下肢康复机器人应该能够探测和感知的信息交互力和运动位置之间的病人和康复机器人。一方面,机器人应该提供适当的帮助,当病人不能自己完成动作。另一方面,机器人应该减少或增加的辅助力量抵抗,当下肢瘫痪的运动能力明显提高。(4)安全保护机制:机器人必须满足安全要求的临床康复训练,同时防止损害。为了确保安全的康复训练,设计时应考虑两个重要问题:下肢康复机器人机构设计(硬件)和控制系统(软件)。(5)康复效果评估系统:通过结合EMG信号和EEG信号的检测。我们应该探索康复效果之间的内在关系和训练参数和开发新的评估策略验证的有效性下肢康复机器人。(6)虚拟现实技术已被证明是一个有效的工具在neurorehabilitation。一方面,有趣的和不同的虚拟场景虚拟现实可以提高更多的动机与训练课程在传统训练的患者比较。另一方面,浸入式虚拟现实环境可以有效地刺激人类大脑运动皮层的镜像神经元,促进神经的恢复。然而,虚拟现实不能提供物理反馈瘫痪的肢体;机器人可以弥补这个缺陷。因此,康复机器人和虚拟现实技术的结合是未来的发展方向。然而,在应用程序之前,必须解决以下核心问题:(我)虚拟现实的确切因素在设计,刺激病人的运动皮质镜像神经元,应该探索在未来。(2)眩晕的虚拟现实问题,这限制了虚拟现实系统的应用,必须解决。

的利益冲突

作者宣称没有利益冲突有关的出版。

作者的贡献

雪张和Zan曰同样对本文亦有贡献。

确认

本研究由中国博士后科学基金项目(2014 m552431)和中央大学的基础研究基金。

引用

1. 美国里昂、g . Noera和a .名导”领域的发展和新的远景melano-cortins,”生物分子的概念》第六卷,没有。5 - 6,962 - 969年,2015页。视图:出版商的网站|谷歌学术搜索
2. g·r·威廉姆斯,j·g .江d . b . Matchar和g . p . Samsa”总(首次和复发性)的发生率和发生中风,”中风,30卷,不。12日,第2528 - 2523页,1999年。视图:出版商的网站|谷歌学术搜索
3. m . Ochi f .和田、美国的火箭和k . Hachisuka”步态训练亚急性non-ambulatory中风患者使用全负重gait-assistance机器人:一个前瞻性随机、开放、blinded-endpoint审判,”神经科学杂志》上,卷353,不。1 - 2、130 - 136年,2015页。视图:出版商的网站|谷歌学术搜索
4. t·张,“中风康复康复指南在中国(2011完整版),“中国康复理论与实践杂志》上,18卷,不。4、310 - 318年,2012页。视图:谷歌学术搜索
5. w·w·陈和r·l·高,“2013年中国心血管疾病报告”中国循环杂志卷,29号7,487 - 491年,2014页。视图:谷歌学术搜索
6. z, w•孟问:刘,吴x,问:人工智能,“实际速度跟踪控制的并联机器人基于模糊自适应算法,”机械工程的发展,13卷,不。13日,323 - 335年,2013页。视图:谷歌学术搜索
7. t . Nef m . Mihelj g·基弗的比赛中,c . Perndl r·穆勒和r .不懂“手臂外骨骼的手臂治疗中风患者,”2007年IEEE 10日国际会议上康复机器人1和2卷,第74 - 68页,IEEE,纽约,2007年。视图:谷歌学术搜索
8. g . Kwakkel b . j . Kollen, h·克雷布斯,”机器人协助治疗对卒中后上肢恢复的影响:系统回顾,“Neurorehabilitation和神经修复,22卷,不。2、111 - 121年,2008页。视图:出版商的网站|谷歌学术搜索
9. j·f·张,y . m .董c·j·杨,耿y, y, y阳,“5-link模型适应步态轨迹控制策略的步态康复外骨骼中风后的病人,”机电一体化,20卷,不。3、368 - 376年,2010页。视图:出版商的网站|谷歌学术搜索
10. a . Duschau-Wicke a Caprez, r .不懂“Patient-cooperative控制增加积极参与robot-aided期间SCI患者的步态训练,”神经工程学康复,7卷,不。1,p。13日,2010。视图:出版商的网站|谷歌学术搜索
11. h . Kazerooni黄和l·h·r·斯蒂格”混合控制的伯克利下肢外骨骼(BLEEX)”国际机器人研究杂志》上,25卷,不。5 - 6,561 - 573年,2006页。视图:出版商的网站|谷歌学术搜索
12. r . j . f . Veneman Kruidhof, h·范德Kooij设计”设计和评价互动LOPES外骨骼机器人的步态康复,”IEEE神经系统和康复工程,15卷,不。3、379 - 386年,2007页。视图:出版商的网站|谷歌学术搜索
13. r . Ekkelenkamp j . f . Veneman f·c·t·范德舵和e·h·范·Asseldonk“选择性控制子任务的机器人的行走步态训练(洛佩斯)”2007年IEEE 10日国际会议上康复机器人,卷1和2,页841 - 848,位于荷兰,2007年。视图:谷歌学术搜索
14. m . Girone g . Burdea m . Bouzit诉Popescu和j·e·多伊奇“脚踝telerehabilitation,基于Stewart平台系统”自主机器人,10卷,不。2、203 - 212年,2001页。视图:出版商的网站|谷歌学术搜索
15. 黑森州,h·施密特,c·沃纳和a . Bardeleben”上、下肢康复机器人设备和电机控制研究,“目前在神经病学的意见,16卷,不。6,705 - 710年,2003页。视图:出版商的网站|谷歌学术搜索
16. s . Freivogel j . Mehrholz t . Husak-Sotomayor和d . Schmalohr步态训练与新开发的“LokoHelp”系统是可行的non-ambulatory病人中风后,脊髓和脑损伤。可行性研究”,脑损伤,22卷,不。7 - 8,625 - 632年,2008页。视图:出版商的网站|谷歌学术搜索
17. s . k . s . k . Banala s h . Kim Agrawal, j.p.朔尔茨,”机器人辅助步态训练活动腿外骨骼(ALEX)”IEEE神经系统和康复工程,17卷,不。1,2 - 8,2009页。视图:出版商的网站|谷歌学术搜索
18. n . Tufekciler e·h·范Asseldonk, h·范德Kooij设计”数值参考轨迹生成LOPES步态训练机器人,”IEEE国际会议上康复机器人文章ID 5975414卷,2011年,页1 - 5,2011。视图:出版商的网站|谷歌学术搜索
19. l . Vladareanu o . Melinte a Bruja et al .,“触觉接口救援灾区步行机器人运动”Ukacc国际会议控制拉夫堡,页498 - 503年,英国,2014年。视图:谷歌学术搜索
20. j·a·赫尔Blaya和h”,自适应控制的可变阻抗ankle-foot矫正法协助垂足步态,”IEEE神经系统和康复工程,12卷,不。1,24-31,2004页。视图:出版商的网站|谷歌学术搜索
21. g . Sawicki和d·费里斯”,一个气动的Knee-Ankle-Foot矫正法(KAFO)与肌的激活和抑制,”神经工程学和康复杂志》上》第六卷,没有。1,p。23日,2009。视图:出版商的网站|谷歌学术搜索
22. y山海,哈尔:基于cybernics混合辅助肢体,机器人技术的研究施普林格,海德堡,2011年。
23. 楚,h . Kazerooni, a .环球”的仿生设计伯克利下肢外骨骼(BLEEX)”IEEE机器人与自动化国际会议上奥兰多,页4353 - 4360,美国2006年。视图:谷歌学术搜索
24. a . b .环球h . Kazerooni,楚,”伯克利下肢外骨骼的生物力学设计(BLEEX)”IEEE / ASME举办,11卷,不。2、128 - 138年,2006页。视图:出版商的网站|谷歌学术搜索
25. m . Girone g . Burdea m . Bouzit诉Popescu和j·e·多伊奇,”斯图尔特脚踝telerehabilitation基于平台的系统”,自主机器人,10卷,不。2、203 - 212年,2001页。视图:出版商的网站|谷歌学术搜索
26. j . A . Saglia n . g . Tsagarakis j . s .戴和d·g·考德威尔,“高性能冗余驱动并联机构的脚踝康复,”国际机器人研究杂志》上,28卷,不。9日,第1227 - 1216页,2009年。视图:出版商的网站|谷歌学术搜索
27. j . a . Saglia n . g . Tsagarakis j . s .戴和d·g·考德威尔,“patient-assisted培训使用脚踝康复机器人的控制策略(ARBOT)”IEEE / ASME举办,18卷,不。6,1799 - 1808年,2012页。视图:谷歌学术搜索
28. 黄懿慧Tsoi, s .问:谢,g . d . Mallinson”联合部队控制的踝关节康复并联机器人,”2009年IEEE控制与自动化国际会议上ICCA,页1856 - 1861。视图:谷歌学术搜索
29. 谢国忠和p . k . s .问:印度,”一个迭代模糊控制器对气动肌肉驱动的康复机器人,”专家系统与应用程序,38卷,不。7,8128 - 8137年,2011页。视图:出版商的网站|谷歌学术搜索
30. h·施密特,c . Werner r·伯恩哈特s黑森州和j·克鲁格,“步态康复机基于可编程踏板,”神经工程学康复,4卷,不。1,p。2, 2007。视图:出版商的网站|谷歌学术搜索
31. s . k . Agrawal和j .牧民”,一种方法叫做“互补的肢体运动估计”是实现“LOPES“步态康复机器人,”IEEE神经系统和康复工程的IEEE出版在医学和生物学社会工程,17卷,不。1,p。2009。视图:谷歌学术搜索
32. 黑森州,c . Tomelleri a . Bardeleben c·沃纳和a .瓦尔德内尔,“课本练习nonambulatory中风患者的步态和爬楼梯”康复的研究与开发卷,49号4、613 - 622年,2012页。视图:谷歌学术搜索
33. d . Lefeber”小说的安全和工效学康复机器人的执行机构,驱动肘矫正法的设计,”2007年IEEE 10日国际会议上康复机器人,页790 - 797,位于荷兰,2007年。视图:出版商的网站|谷歌学术搜索
34. d·巴克斯·温彻斯特和c . Tefertiller”翻译研究临床实践:将机器人集成到neurorehabilitation中风的幸存者,”主题在中风康复,17卷,不。5,362年,页2010。视图:出版商的网站|谷歌学术搜索
35. s Freivogel d Schmalohr, j . Mehrholz”提高行走能力和减少治疗压力electrome-chanical步态设备,“康复医学杂志第41卷。。9日,第739 - 734页,2009年。视图:出版商的网站|谷歌学术搜索
36. http://www.jamessulzer.com。
37. r . Ekkelenkamp j . Veneman h . van der Kooij设计,”洛佩斯:选择性控制步态功能的脑血管意外患者的步态康复期间,”康复机器人、ICORR 9日国际会议,页361 - 364年,芝加哥,美国,2005年。视图:谷歌学术搜索
38. j . f . Veneman r . Kruidhof e·e·Hekman r . Ekkelenkamp e·h·范·Asseldonk和h . Van Der Kooij设计”设计和评价互动LOPES外骨骼机器人的步态康复,”IEEE神经系统和康复工程的IEEE出版在医学和生物学社会工程,15卷,不。3、379 - 386年,2007页。视图:出版商的网站|谷歌学术搜索
39. s . k . Banala s . k . Agrawal j.p.朔尔茨,”活动腿外骨骼(ALEX)马达削弱患者的步态康复”学报2007年ieee 10康复机器人技术国际会议,6月12 - 15,2007IEEE,页401 - 407年,位于荷兰。视图:谷歌学术搜索
40. s . k . Banala s . k . Agrawal s h . Kim和j.p.朔尔茨,”小说步态和神经运动的训练结果使用一个活跃的腿外骨骼,”IEEE / ASME举办,15卷,不。2、216 - 225年,2010页。视图:出版商的网站|谷歌学术搜索
41. http://docplayer.biz.tr.hypestat.com。
42. 美元和h·a . m .先生,”下肢外骨骼和活跃的矫形器:挑战和状态的艺术,“IEEE机器人,24卷,不。1,第158 - 144页,2008。视图:出版商的网站|谷歌学术搜索
43. j·a·赫尔Blaya和h”,自适应控制的可变阻抗ankle-foot矫正法协助垂足步态,”IEEE神经系统和康复工程,12卷,不。1,24-31,2004页。视图:出版商的网站|谷歌学术搜索
44. k·苏尼尔,d . Jagan和m . Shaktidev“智能系统和计算机的进步,”ICT和关键基础设施:学报48计算机协会的年度大会上India-Vol II建邦者,页577 - 583,海德拉巴,纳,印度,2014。视图:谷歌学术搜索
45. http://www.mittrchinese.com/single.php?p=2984。
46. j·s·戴,m . Zoppi, x,的进步和机器人可重构机制施普林格,伦敦,2012年。视图:出版商的网站
47. h .川和y山海动力辅助系统HAL-3步态障碍的人,”第八届国际会议的程序在电脑上帮助人们有特殊需要斯普林格出版社,页196 - 203年,伦敦,英国。视图:谷歌学术搜索
48. 铃木k . g .水户h .川长谷川y, y山海,“Intention-based支持患者截瘫行走机器人西装哈尔,”先进的机器人,21卷,不。12日,第1469 - 1441页,2007年。视图:谷歌学术搜索
49. w·孟问:刘、周z .问:Ai, b .盛和s . s .谢,“最近发展的机制和控制策略符合下肢康复,”机电一体化没有,卷。31日。4、132 - 145年,2015页。视图:出版商的网站|谷歌学术搜索
50. c·沃纳·冯·Frankenberg, t . Treig m·康拉德和美国海塞,“跑步机训练部分体重支持和恢复的机电步态训练步态在亚急性中风患者随机交叉研究中,“中风,33卷,不。12日,第2901 - 2895页,2002年。视图:出版商的网站|谷歌学术搜索
51. m·波尔c . Werner m . Holzgraefe et al .,“重复的运动训练和物理治疗卒中后改善步行和日常生活的基本活动:单盲、随机多中心试验(德意志GAngtrainer研究,德加),“临床康复,21卷,不。1,17-27,2007页。视图:出版商的网站|谷歌学术搜索
52. s . h . Peurala o . Airaksinen p Huuskonen et al .,“强化治疗效果使用步态训练或地板上行走练习卒中后早期,“康复医学杂志第41卷。。3、166 - 173年,2009页。视图:出版商的网站|谷歌学术搜索
53. n . Smania p .伯内蒂,m .格拉斯科et al .,“改善步态在脑瘫患儿重复运动训练后,“美国物理医学与康复杂志》上,卷90,不。2、137 - 149年,2011页。视图:出版商的网站|谷歌学术搜索
54. m . Iosa g·马龙,m . Bragoni et al .,“开车机电由辅助步态训练对中风,”康复杂志》上的研究和发展,48卷,不。2、135 - 145年,2011页。视图:出版商的网站|谷歌学术搜索
55. 黑森州,c . Tomelleri a . Bardeleben c·沃纳和a .瓦尔德内尔,“课本练习nonambulatory中风患者的步态和爬楼梯”康复的研究与开发卷,49号4、613 - 622年,2012页。视图:谷歌学术搜索
56. 黑森州,a瓦尔德内尔,c . Tomelleri”创新机器人步态的重复练习地板上行走和爬楼梯上下在中风患者,”神经工程学康复,7卷,不。1,p。2010。视图:出版商的网站|谷歌学术搜索
57. j . Yoon b . Novandy c . h . Yoon和k . j .公园,“一个6自由度步态和上、下肢康复机器人连接,允许行走速度更新各种地形,”IEEE / ASME举办,15卷,不。2、201 - 215年,2010页。视图:出版商的网站|谷歌学术搜索
58. 董问:刘,l . w .孟z,周,问:人工智能,“multi-DOF并联机器人的模糊滑模控制康复环境,”国际仿人机器人技术杂志》上,11卷,不。1,p。1450004, 2014。视图:谷歌学术搜索
59. m . Girone g . Burdea m . Bouzit诉Popescu和j·e·多伊奇,”斯图尔特脚踝telerehabilitation基于平台的系统”,自主机器人,10卷,不。2、203 - 212年,2001页。视图:出版商的网站|谷歌学术搜索
60. h·s·s .问:谢,“外骨骼机器人的上肢康复:艺术和未来前景,”医学工程与物理,34卷,不。3、261 - 268年,2012页。视图:出版商的网站|谷歌学术搜索
61. f·张,p . Li Z.-G。侯et al .,”SEMG-based连续估计人类的腿的关节角利用BP神经网络,”Neurocomputing,卷78,不。1,第148 - 139页,2012。视图:出版商的网站|谷歌学术搜索
62. l . Luenenberger r .不懂,科伦坡,”机器人应用于步态训练和评估,以人为本”康复研究与开发,43卷,不。5,679 - 693年,2006页。视图:谷歌学术搜索
63. r。Pinzon-Morales和y Hirata小脑颗粒细胞的数量在机器人控制神经网络模型进行随机动任务的复杂性,“Pinzon-Morales Hirata BMC和神经科学补充1卷。15日,第145 - 143页,2014年。视图:出版商的网站|谷歌学术搜索
64. p . a .艾德里安·e·k·Bjørg, r . Alexa”相关的发射率和峰值时间不规则运动皮层神经元,”2009年18年计算神经科学会议:中枢神经系统,7卷,页18 - 23,柏林,德国,2009年。视图:谷歌学术搜索
65. a .塞林上校a . Niglas大肠Ounapuu-Pikas, p . Kupper”快速和长期的水分亏缺对气体交换的影响及液压电导的银桦树生长在不同大气湿度下,“BMC植物生物学,14卷,不。1,第83 - 72页,2014。视图:出版商的网站|谷歌学术搜索
66. j·m·兰斯·e·泽,马德兰先生,”时间和频域的方法量化运动单位的共同调制发射模式,”神经工程与康复杂志》上,1卷,不。1、13、2004页。视图:出版商的网站|谷歌学术搜索
67. m . Goffredo Bernabucci, m·施密德和s . Conforto”神经跟踪和运动控制方法改善上肢运动康复,”神经工程与康复杂志》上,5卷,不。1,5-16,2008页。视图:出版商的网站|谷歌学术搜索
68. r . j . k . Vegter c . j . Lamoth s . de Groot d·h·Veeger和l·h·范德Woude”变化用双手的轮椅推进:一致性两个检测车轮在handrim轮椅推进电动跑步机,”神经工程学和康复杂志》上,10卷,不。1,9-20,2013页。视图:出版商的网站|谷歌学术搜索
69. a . r . De Asha r·蒙贾尔j . Kulkarni和j·g·巴克利,“步行速度相关关节动力学改变trans-tibial截肢者:液压脚踝的阻尼的影响,“神经工程与康复杂志》上,10卷,不。1,第121 - 107页,2013。视图:出版商的网站|谷歌学术搜索
70. l, m·阿拉姆郭,k . h . Ting和j .他“电子绕过脊髓病变:低运动神经元的激活直接由皮层神经信号,”神经工程与康复杂志》上,11卷,不。1,第118 - 107页,2014。视图:出版商的网站|谷歌学术搜索
71. h .元,y, i m·阿布和z,他“Bio-electrochemical生产氢的一个创新的压力推迟渗透/微生物电解电池系统:实验和建模,”对生物燃料的生物技术,8卷,不。1,第127 - 116页,2015。视图:出版商的网站|谷歌学术搜索
72. s . k . Agrawal s . k . Banala a Fattah et al .,“评估摆动腿的运动和步态与重力平衡外骨骼康复,”IEEE神经系统和康复工程,15卷,不。3、410 - 420年,2007页。视图:出版商的网站|谷歌学术搜索
73. j·f·张,y . m .董c·j·杨,耿y, y, y阳,“5-link模型适应步态轨迹控制策略的步态康复外骨骼中风后的病人,”机电一体化,20卷,不。3、368 - 376年,2010页。视图:出版商的网站|谷歌学术搜索
74. j·l·庞斯可穿戴机器人:生化机电外骨骼约翰•威利和儿子霍博肯,美国,2008年。
75. m·h·雷伯特和j·j·克雷格·“混合位置/力控制的机械手,”杂志的动态系统、测量和控制,卷103,不。2、126 - 133年,1981页。视图:出版商的网站|谷歌学术搜索
76. n . Kumar诉Panwar n . Sukavanam s p·沙玛和j·h·还是婚后,“基于神经网络的混合力/位置控制机器人机械手,”国际期刊的精密工程和制造业,12卷,不。3、419 - 426年,2011页。视图:出版商的网站|谷歌学术搜索
77. m·伯恩哈特·m·弗雷·g·科伦坡,r .不懂“混合force-position控制产量的合作行为康复机器人Lokomat”第九届国际会议上康复机器人技术学报》上IEEE,页536 - 539年,芝加哥,美国,2008年。视图:谷歌学术搜索
78. 黄懿慧Tsoi和s .问:谢”,阻抗控制脚踝康复机器人”学报2008年IEEE机器人和仿生学国际会议上IEEE,页840 - 845年,曼谷,2009。视图:谷歌学术搜索
79. n .霍根“阻抗控制方法操纵,I-theory一部分,II-implementation一部分,III-applications一部分,”动态系统杂志Measurementand ASME的控制事务,卷107,不。1 - 24,1985页。视图:谷歌学术搜索
80. j·l . y . Yang Wang通,l .张“手臂康复机器人阻抗控制和实验,”学报2006年IEEE机器人和仿生学国际会议上IEEE,页914 - 918年,中国昆明。视图:谷歌学术搜索
81. 荣格和t .夏朝,”神经网络阻抗力控制机器人机械手”,IEEE工业电子产品,45卷,不。3、451 - 461年,1998页。视图:出版商的网站|谷歌学术搜索
82. 侯赛因s、h·施密特和j·克鲁格,“基于末端执行器的自适应控制的机电步态康复设备,”学报2009年IEEE国际会议上康复机器人IEEE,页425 - 430年,日本京都。视图:谷歌学术搜索
83. g·考德威尔·g·罗伯逊,j·哈米尔g .卡门和s . Whittlesey在生物力学研究方法美国平原、人类动力学,2013年。
84. c . De Luca“表面的使用肌电图在生物力学,”应用生物力学杂志,13卷,不。2、135 - 163年,1997页。视图:谷歌学术搜索
85. 大肠Niedermeyer和f·l·达席尔瓦脑电图:基本原则、临床申请的,和相关领域Lippincott威廉姆斯和威尔金斯,费城,2005年美国。
86. a .塞林上校a . Niglas大肠Ounapuu-Pikas, p . Kupper”快速和长期的水分亏缺对气体交换的影响及液压电导的银桦树生长在不同大气湿度下,“BMC植物生物学,14卷,不。1,第83 - 72页,2014。视图:出版商的网站|谷歌学术搜索
87. h·施密特,c . Werner r·伯恩哈特s黑森州和j·克鲁格,“步态康复机基于可编程踏板,”神经工程学康复,4卷,不。1,p。2, 2007。视图:出版商的网站|谷歌学术搜索
88. Pittaccio和s . Viscuso“EMG-controlled SMA踝关节的康复设备在急性中风,”板牙Eng执行,20卷,第670 - 666页,2011年。视图:谷歌学术搜索
89. m . Goffredo Bernabucci, m·施密德和s . Conforto”神经跟踪和运动控制方法改善上肢运动康复,”神经工程与康复杂志》上,5卷,不。1,5-16,2008页。视图:出版商的网站|谷歌学术搜索
90. 谢树群p . k .印度s侯赛因和j·g·帕森斯,”一个自适应可穿戴并联机器人治疗脚踝受伤,”IEEE / ASME举办,19卷,不。1,第75 - 64页,2014。视图:出版商的网站|谷歌学术搜索
91. 侯赛因,s .问:谢,p . k .印度”的鲁棒非线性控制本质上兼容机器人步态训练矫正法,“IEEE系统,人,和控制论:系统,43卷,第665 - 655页,2013年。视图:出版商的网站|谷歌学术搜索
92. m . Shahbazi s . f . Atashzar m . Tavakoli r . v . Patel,“Robotics-assisted镜子康复治疗:therapist-in-the-loop assist-as-needed架构,”IEEE / ASME举办,21卷,不。4、1954 - 1965年,2016页。视图:出版商的网站|谷歌学术搜索
93. b•库普曼、e·h·范·Asseldonk h . van der Kooij设计w·冯·r . Ronsse,“呈现潜在可穿戴机器人设计与洛佩斯步态训练,”IEEE国际会议上康复机器人瑞士苏黎世,页1 - 6,2011。视图:出版商的网站|谷歌学术搜索
94. j . h . Meuleman设计一个机器人援助步态训练,LOPES II,荷兰,2015年。
95. j . a . Saglia n . g . Tsagarakis j . s .戴和d·g·考德威尔,“patient-assisted培训使用脚踝康复机器人的控制策略(ARBOT)”IEEE / ASME举办,18卷,不。6,1799 - 1808年,2012页。视图:谷歌学术搜索
96. 问:Ai, b .丁、问:刘和w·孟”科目的EMG-driven肌肉骨骼模型应用于下肢康复机器人,”国际仿人机器人技术杂志》上,13卷,不。3 p。1650005, 2016。视图:谷歌学术搜索
97. m . Duvinage t . Castermans m . Petieau et al .,“P300 BCI系统的主观评价下肢康复的目的,”2012年度国际会议的IEEE在医学和生物学社会工程圣地亚哥,页3845 - 3849,美国2012年。视图:出版商的网站|谷歌学术搜索
98. 张x h . Wang, j·陈,y,“实现人机交互的下肢康复机器人基于面肌,”IEEE,网络技术在自动化国际会议上,控制和智能系统香港,页1889 - 1898年,2014年。视图:出版商的网站|谷歌学术搜索
99. x张g .徐j .谢m . Li w·裴和j·张,“一个EEG-driven下肢康复训练系统的主动和被动co-stimulation Embc,”Conf Proc IEEE Eng地中海生物Soc,页4582 - 4585年,米兰,意大利,2015年。视图:谷歌学术搜索
100. d·r·玛丽亚·m·v .斯特凡诺·t·兰兹et al .,“感应压力分布在下肢外骨骼物理人机界面,“传感器,11卷,不。1,第227 - 207页,2011。视图:出版商的网站|谷歌学术搜索
101. c·f·巴罗佐桑托斯和j·c·莫雷诺”影响的机器人外骨骼Lokomat人类步态的控制:一个肌和运动学分析,”葡萄牙在生物工程会议2013年,页1 - 6、布拉加、葡萄牙。视图:谷歌学术搜索

版权

版权©2017雪Zhang et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。