外骨骼技术在康复:向一个EMG-Based矫正法系统上肢神经运动的康复

文摘

康复的患者不仅应限于第一阶段期间强烈的住院治疗,还支持和治疗应该保证在以后的阶段,尤其是在日常生活活动中,如果病人的状态需要这个。然而,援助应该只给病人如果需要,应。允许,自创的运动支持和patient-cooperative自动控制策略开发和集成到辅助系统。在这项工作中,我们首先概述不同的神经肌肉疾病,评估不同形式的疗法,并解释可能康复和辅助康复机器人的好处。接下来,机械设计和控制方案的上肢康复提出矫正法。矫正法的两种控制模型解释,计算出触发功能和设备提供的援助水平。作为模型的输入传感器数据融合的矫正法和生理数据的肌电图(EMG)信号。

1。介绍

运转良好,要求社会和现代卫生保健系统,包括老年保健要求:它必须足够灵活遇到增加过程相关的变化和挑战。引发这些变化和挑战,在其他方面,人口结构的变化,慢性疾病的增加,成本上升,即将到来的技能短缺(1]。

为了保证这些目标的实现在医疗保健、公开资助科学中起着重要作用。在这种情况下,机器人研究是一个重要的元素越来越多地获得意义(2]。

如今,机器人系统用于不同高度专业化的医学学科和应用程序,例如,在微创手术领域(3]。此外,物理治疗,职业治疗技术治疗方法得到越来越多的重视。在这种情况下,特定的援助和培训设备感兴趣的中心。这可能是系统动力外骨骼,活跃的矫形器,或特殊end-effector-based治疗机器人(4]。一方面,这些系统可以提供重要的支持在医疗康复治疗师和病人,另一方面,他们可以帮助老年人日常活动或马达削弱家庭环境的人5]。

由于老龄化社会,可能显著增加肌肉骨骼和神经系统的慢性疾病,日常活动的辅助技术创新的必要性和康复评价是非常高的6]。

一般来说,独立生活和表演强烈与个人的运动技能。手臂和手的本征函数在日常活动工作或在家里至关重要的7]。

在长期看来,我们的优越的目标是设计和开发一个完整的家庭康复系统,组成的外骨骼和生理数据采集和处理脑电图、肌电图、视线方向,可以在实际操作以及在虚拟环境中。为此我们将利用获得的专业知识,获得与外骨骼系统的发展在最近的项目(8]。外骨骼应轻便和舒适的穿,虽然有足够的力量搬plegic手臂和上半身的病人。使用可以预测病人的生理数据移动的意图,因此主体之间的交互和康复设备可以改善。系统是为了支持一个治疗师在日常生活中患者的康复阶段。当使用该系统在虚拟环境中有可能治疗师为病人设计和改变任务没有看到,除了培训/康复成功可以通过生理监测数据,例如,EMG信号。

总之,在第一步我们决定设计和开发一个矫正的系统占据一个活动自由度(自由度)能够弯曲和伸展病人的手臂与上肢外骨骼并行。这使我们有机会分析和发展生理数据驱动的外骨骼的控制策略在一个容易处理的设置比较完整的上半身系统。

因此,在本文中,我们介绍的概念和医学背景的支持和康复系统上肢肘矫正法的形式活跃。

一名示威者矫正法的开发和驱动的EMG信号从上臂测量肱二头肌和三头肌brachii [9]。相关的控制是基于阈值的功能,最大振幅测量肌肉。

在本文中,我们进行实验改进的控制系统。我们得到一个模型的递归最小二乘(RLS)算法考虑从上臂肌电图以及传感器的数据矫正法(位置和力诱导装置)。离线获得结果引发的矫正法。此外,我们提出一个实验的结果给予矫正法调整的能力水平的支持提供给病人。又一个模型与RLS制定涉及相同的输入数据。在康复期间支持自动调整的可能性可以增加肌肉活动以来积极作用结果在一个较低的支持。以这种方式支持不断减少,直到点病人不需要任何外部帮助移动他的手臂。

此外,通过运动预测病人的印象来控制自己的手臂,虽然矫正法实际上是移动手臂。这个重新连接时大脑的运动计划阶段和运动执行免费重建病人的能力和自学的动作。因此,结合自创的运动的支持和patient-cooperative控制策略会导致积极的影响康复在日常活动和以用户为中心的支持。

从长远来看,这种设备可以用于整个康复过程,例如,改善电动机恢复神经或骨科患者的病变。此外,可以评估治疗的进步通过肌电图监测和分析肌肉活动。

2。使用机器人康复

在本节中,提出了康复机器人的基本元素。这包括康复的医学背景,机械系统和应用程序的基本功能,目标组和转移治疗方法可以适合适应康复设备。

2.1。障碍的康复运动系统的基础

收购和永久的生理缺陷的常见原因如有限的运动技能主要是神经系统疾病或损伤。在这种情况下,永久性残疾的最常见的原因之一,西方文明是中风10]。只有40%的中风幸存者能够恢复正常就业和三分之一永久依赖的支持和关心。因此,康复的主要目的是灾民重新回到正常的生活以一种最优的方式(11]。

一般而言,康复可以通过两种方式实现其目标:通过补偿运动功能障碍和/或运动功能的恢复。在这里,一个力施加外骨骼康复应用程序或矫正法用于补偿电动机赤字和/或运动技能的复苏。特此电机deficit-incomplete麻痹的四肢(麻痹性痴呆)或总瘫痪(plegia)——积极支持(例如,通过重力补偿)。

恢复或改善运动机能,最好是早期和密集的康复建议,因为一个积极的存在[治疗强度和结果之间的关系12]。然而,这需要一个高和有效部署的人员,这可能是一个限制因素。在这种情况下,使用robot-aided疗法是值得的13]。

麻痹性痴呆的主要问题位于缺乏必要的力量,与相应的运动范围和速度受影响的肌肉。此外,肌肉协调受损;这适用于肌肉链的协调和内部肌肉协调。肌肉往往持续收缩时间和延迟的收缩。此外,受影响的肌肉疲劳更快的nonaffected肌肉(14]。

通过运动学习大脑能够适应新形势下由于大规模功能重组。这种现象被称为神经元可塑性和特点是大脑的能力重组本身通过形成新的神经连接。然而,大脑重组本身的能力是有限的,因为它不是塑料的每一个地区。长期的评估将揭示康复成功的大小。

2.2。目标群体和相应的应用程序

各种疾病的运动康复机器人的设备一般可以想象。我们认为应用程序尤其合适和经济上有用,在漫长的康复期是必要的。这个应用,例如,长期或chronic-progressive常规的神经系统疾病,坚持训练一个快速发展的症状和后遗症可以预防的疾病。这些是除了外科和骨科疾病,如肘、肩关节假体,脑部肿瘤手术,由于固定,肌肉无力和手术随访护理(调动),在本质上,神经系统疾病。等神经系统疾病的例子有多发性硬化症、周围神经损伤、创伤性脑损伤、小儿脑瘫、中风如前所述。

中风是电机的突然出现功能障碍,感觉和大脑的认知功能。根据位置和严重程度的损伤,功能限制可能会有所不同。

在中风后的第一个3 - 18天可以检测到某些神经递质。相信这些物质是重要的神经可塑性。因此,第一个星期是一个理想的时间,以确保最佳的大脑的功能和结构重组。因此,早期积极训练的扰动函数会导致功能恢复15]。

然而,大约有35%的中风幸存者生活在长期大量的腿麻痹性痴呆和65%不能够使用在日常活动的影响。这已经很高的痛苦,患者常常患有抑郁症,一个所谓的卒中后抑郁。由此产生的心理问题可以防止一个成功的运动疗法,因为病人的动机和合作发挥着至关重要的作用[15]。

因此,现代康复治疗中风或其他神经系统疾病总是面向个体病人的病情。

每天一起耐心,专业,(如果需要)过相类似的工作确定治疗目标。治疗小组选择一个适当的治疗概念(15]。各种手臂康复治疗措施,可以转移到机器人系统,包括重复训练、uni -和双边培训,培训在远端位置的影响,面向任务的训练,和镜治疗(13,16- - - - - -19]。

此外,在治疗的过程中检测到成功或失败和评估治疗措施或调整定义新的治疗目标。因此,评估过程中扮演重要角色运动康复。机器人系统配备了评估函数可以治疗的质量做出了重要贡献,因为他们可以确保一个简单和定期审查的治疗效果。

通过回顾治疗措施和评估方法,建立机器人治疗系统可以优化集成到康复过程。

2.3。康复机器人系统应用程序

外骨骼或矫正的系统应用于医疗康复应该支持科学建立培训原则。此外,这些系统优化应融入康复程序必须支持治疗师和病人在一个有用的方法。

康复机器人的总体目标与主要的增加效率,准确性和重现性的治疗方法在康复(理想情况下改善经济状况20.]。除了一般的目标,必须制定具体的目标。这些目标如下:(我)模仿自然和特定的运动,(2)高度的合规控制(这可以促进一个安全的人机交互),(3)支持和patient-cooperative自创的运动控制策略(这可以促进大脑运动学习过程),(iv)固体监测治疗的进展,(v)早期强化训练。

2.3.1。矫正法和外骨骼技术的好处

外骨骼的属性/矫正法提供了许多优势用于康复(21]。优点如下(我)良好的稳定和肢体的指导:与末端执行器系统(通常只有一个接口病人)外骨骼/矫正法与病人可以连接到几点。与这个特定病人的手臂结构引导和稳定在每一个关节。(2)重力补偿:机械结构的重量和人类肢体可以通过不同的补偿机制。(3)繁殖人类的运动学与大量的活动自由度。(iv)触觉特点:外骨骼/矫正法设计允许传递触觉功能在特定的点在病人的胳膊。可能的触觉反馈类型是动觉的反馈(力反馈)和触觉反馈(如振动)(v)模块化设计:外骨骼/矫正法与节段结构允许提供一个特定的系统,满足病人的需求和需要,在某种意义上,外骨骼只包括受影响的联合使用。这可以减少成本和差异化培训,之后的口号:“必要,尽可能少。”(vi)力量强化:由于活跃的自由度和灵活性,外骨骼/矫正法可以用作功率放大器。通过这个选项,可以交付系统,支持日常生活和行为活动的同时训练系统。

2.4。科学和技术的当前状态

Robot-aided上下肢体的康复是目前迅速发展的领域,也越来越被临床医生接受。如前所述,恢复运动功能,建议进行强化和早期康复。为此,各种各样的系统能够支持治疗师在日常工作,以及控制方法,开发并越来越当前研究的主题。此外,临床试验在各种系统中已经表明,机器人疗法可能是有用的,相比传统方法治疗没有缺点的有效性(22,23]。

今天,开发或应用康复机器人系统可以分类根据其应用的焦点。根据目标群体(病人的需要),病理,治疗的首选方法,及安装地点,不同的概念上的方法是可行的。上肢康复系统可以分为外骨骼系统(24,25)和end-effector-based结构(26,27),进一步分为大学和两国的设计(28),以及远端和近端方法(5,29日]。(相比之下,下肢有更多种类的系统设计和已经广泛应用。)图1显示当前最常用的系统的一般设计为上肢康复,包括便携式触觉接口使用,例如,在一个虚拟环境。在大多数这些系统配备一个固定的基础,因此,在流动性是有限的。

所有系统提供一个所谓的“集中练习疗法”范式但个人系统,由于其设计、好处和缺点,共同之处,他们非常关注应用程序场景。(“集中练习疗法”范式是一个密集的,重复的,频繁,根据电动机的原则面向学习的练习。)从本质上讲,可以在症状的范围的限制,可以治疗,以及系统的流动性。一般来说,它可以表示,系统专门用于特定的参数,没有系统,它适合各种各样的病人以同样的方式(13]。

例如,瑞士公司Hocoma AG (Industriestrasse 4 ch - 8604 Volketswil,瑞士)提供了一个治疗的概念有三个不同的上肢康复康复系统。这种疗法的概念是基于面向任务的训练场景在一个虚拟环境中,这样有利于治疗不同程度的神经系统疾病。三个治疗机器人ArmeoPower(前阿明),一个机械手臂外骨骼(30.春天的外骨骼,ArmeoSpring集成机制(从T-WREX外骨骼)[31日),和开销ArmeoBoom吊索悬挂系统(从ROBAR新兴项目)(32]。

end-effector-based方法的一个例子,也广泛应用于现代疗法,是InMotion臂机器人(前麻省理工学院的手)。该系统模拟的古典白刃战的疗法治疗师的连续测量位置和力应用于病人的胳膊。还配备了视觉反馈可以解决更复杂的任务(33]。缺点是系统固定,限于平面运动。

mPower 1000 (Myomo公司。剑桥,MA)就是一个例子,一个活跃的手肘矫正法与一个自由度系统,基于技术的发展从麻省理工学院。设备支持扩展和弯曲肘部运动,是专为家庭和临床使用。它支持病人在康复过程患有中风的后果,脊髓损伤,或多发性硬化症。系统是由残余信号的二头肌和三头肌三种可能的支持水平(34]。

不管康复设备的类型,大多数系统的三个基本类的康复控制策略。这些控制策略被称为passive-assistance assist-as-needed和质疑35]。目前主要是研究的焦点,assist-as-needed技术,支持用户只有一样是必要的(36]。在这种情况下甚至有可能对用户的行为动作,从而挑战任务执行期间病人(35]。

另一个设备组补偿物理限制的患者在日常生活中。这些系统的一个代表性的例子是商用威尔明顿机器人外骨骼(WREX),减轻手臂的重量的弹性索具。因此,用户能够操作排除重力(37]。

项目正的夹克的卡尔斯鲁厄理工学院(装备)的目标是开发一个积极矫正法在颈脊髓损伤患者椎C7 (C4)。矫正法的目的是使运动的肩,肘,手,连同轮椅。单个自由度的控制是通过操纵杆或通过剩余EMG信号进行的肩膀和手臂的肌肉38]。

的WOTAS矫正法能够减少上肢震颤的症状。矫正法有三个活动的自由度。陀螺仪和力传感器的帮助下,系统能够识别到肢体震颤和应用力,为了抑制(39]。

积极的矫正法控制系统使用不同的控制策略。在[40]的矫正的外骨骼手控制的肌电图与阈值的方法。肱二头肌的肌电图信号侧臂的规范化使用最大随意收缩(MVC)。关闭矫正的系统设置的门槛MVC, deceeding阈值时,系统会再次打开。

在[41]7自由度上肢外骨骼的控制模型是基于Hill-muscle模型开发的。该模型预测时刻联合基于激活,速度,和长度的肌肉连接到这个关节。生肌电图是高通过滤全波整流和低通滤波。此外,三个公式用于计算激活,速度,和相关肌肉的长度。预测的时刻是用来控制外骨骼的关节。在以前的工作42]组报告说他们的模型的准确性对肘关节的屈曲/扩展,在那里预测时刻的相关性与参考。

在[43)肌肉模型预测力产生的肱三头肌的肌肉在不同电刺激。作者用一个非线性汉默斯坦结构模型。他们比较两个参数适应算法,递归最小二乘(RLS)和一个名为交替的适应网络版递归最小二乘(支持)。最好的模型给出了适合RLS和陆军研究实验室。

可穿戴的触觉接口用于在虚拟环境中,例如,康复,运动,或遥操作任务,开发(44,45)和其他研究项目。这些便携式外骨骼系统可以通过并行运动学,提供有针对性的力反馈,和视觉一体化综合虚拟沉浸在应用程序场景。

3所示。积极矫正法

以达到康复的目标中描述的部分1和研究转移首先康复概念外骨骼技术,一名示威者,在本节中,提出了设计。

3.1。应用场景

治疗矫正法的目标是恢复丢失后的上肢运动功能的神经系统疾病。

这个想法是使用设备的早期治疗被动转移病人的胳膊。治疗在晚期残余肌活动将再次测量。这种低剩余活动并不足以满足移动手臂,但可能导致肌电的信号。通过与肌电图测量这些信号,可以用它们来检测病人的运动意图。

此外,这些信号可以用来移动病人的胳膊自我激励的方式。后期治疗的病人应该重新获得越来越多的肌肉力量。因此,矫正法调整援助水平通过测量肌肉活动,以一种高肌肉活动会导致低水平的援助。

设备可以使病人执行以下运动模式(这是基于建立和循证康复方法)。(我)早期的强化练习。手臂开始康复,例如,几天后急性中风具有高强度,当表示。(2)重复练习。重复的运动目标在不同序列。(3)面向任务的训练。面向锻炼在日常生活的情况下,例如,在一个练习厨房。(iv)独立的培训。治疗治疗间歇治疗师的监督。

矫正法系统的目标是实现一个治疗与治疗师的指导会议,没有他的网站,来激励病人持续培训。图2显示了一种可能的训练,处理不同的运动模式。

3.2。机械设计

当前版本的系统有一个活动自由度和四个被动关节所需补偿失调和一个驱动联合支持肘关节的屈曲/扩展运动(见图3)。活动关节是由24 VMaxon最大22直流电机以333:1Maxon行星齿轮和一个4:1蜗轮齿轮。自然的力量相互作用、安全原因,测量作用力互动和兼容的驱动关节。这个生成合规通过串行弹性蜗轮齿轮设置。蜗杆轴向可移动的,集中在通过盘式弹簧装置。负载应用,蠕虫被推到一边,因此,弹簧被压缩在这边。蜗轮是测量的位置巴鲁夫电感式传感器。通过这种方式,应用负载可以计算。关节的位置测量的IC-Haus-MH位置编码器。

此外,电子由一个使用STM32F103VE微控制器,提供几个数据采集(GPIO)和通信(USART, can总线)端口,和一个BD6232定制PWM h桥驱动程序。使用直流驱动可以生成一个大约16 Nm扭矩。

为了避免任何危险的用户,各种安全方面考虑。为此,矫正法的工作范围是有限的,机械停止。此外,过高迫使前臂接口将释放矫正法。

肘部矫正法的运动活跃的范围对应的解剖工作区人工关节和单独可调到每个主题。如果关节的位置超过用户定义的工作区范围,参考转矩自动设置为零,系统只能通过按钮控制。

因为额外和单边负载可以代表一个主要的影响,例如,神经病人,矫正法的体重对用户必须保持尽可能低。因此,矫正法的材料是碳增强塑料和聚酰胺的组合尼龙6一个轻量级的,健壮的,僵硬的设计。此外,运载系统,分配两个肩膀上的设备的重量。数据2和4显示当前矫正法的设计理念。

3.3。控制体系结构

几个研究小组描述了上肢康复机器人设备,他们的策略来控制他们面向用户的方式。在[46)的扭矩应用于肘关节上肢外骨骼测量通过负载细胞,而通过肌肉力矩计算模型。在第二步中,作者推导出四个性能指标,为了计算的大小从肌电图数据支持的外骨骼。在[47)一个阻抗控制方案执行。两个负载细胞串联估计的关节转矩输入动态阻抗函数。

在下面,转矩控制系统的提出将呈现积极的矫正法。这可以简化框图图的可视化5。上面提到的系统相比,转矩应用于矫正法的联合测量利用联合合规的本身,因为它将进一步解释如下。

一般的控制结构是设计为级联,而主和内部循环的控制体系结构是一个转矩控制循环。的直流传动装置提供了两盘弹簧执行串行驱动的弹性。这些弹簧偏转当负载应用到关节。一个是用于运动直接向上和向下运动。电感式传感器检测到这种偏转。这些测量可以获得近弹簧挠度和实际转矩之间的线性函数应用于关节,。该方法的一个特性是,它给出了一个精确测量闭环伺服力/力矩控制而不需要计算或测量电动机的电枢电流(48]。一组(期望)关节转矩是美联储通过USART外部端口。这个时候引用值定义在一个常见的电脑,后来将在线使用动态计算模型提出了部分5。之间的区别这两个力矩控制错误,这是传播到一个antiwindup PID控制器。控制系统的性能验证了模拟值与体重光盘,给予相应的系统,导致一个精确平衡的重量。此外,产生的扭矩测量与deflection-torque曲线如上图所示。

或者,矫正法可以通过两个按钮手动在任何时候,提供一个恒定的电压V。这允许修正和重新定位的联合。

4所示。材料和方法

4.1。实验装置

本节描述了进行实验。背后的思想实验是获取模型可以帮助学习和预测的重要方面活跃的行为矫正法。

所有实验都是由一个主题在直立位置EMG电极和矫正法具备主题的右臂。监视器面前桌子上的主题是用来给命令(弯曲、放松和扩展)。这种刺激与演示软件实现(美国奥尔巴尼神经行为系统,Inc .)。给定的命令在肌电图测量标志。我们设计了三种不同的实验在以下部分解释。

引发了矫正法。这个实验矫正法是固定在一系列不同位置学位度的步骤。在这些位置用户执行三个不同的动作:弯曲,放松,手臂的延伸。每个操作阶段了年代。例程开始松弛阶段。后来两个交替动作组合(弯曲/放松扩展/放松)被处死*每个。实验记录分别为每个角开始度。两个测量之间的短暂的休息2分钟给受试者。

进行了这个实验记录数据建立一个模型,使触发用户运动方向的目的是支持和矫正法以及矫正法的放松阶段保持在固定位置。不同的职位开始被使用,因为在每个位置的肌肉收缩到一个不同的量,从而导致不同信号的形状。

(弯曲)的援助水平。这个实验的矫正法在自激模式操作。操作员必须举重的范围公斤公斤的步骤。实验开始时用户的手臂完全伸展。主题必须flex和扩展他的手臂次,每个操作期间再次5 s。实验记录分别为每个重量最轻的开始。两个测量之间的又一次短暂的休息2分钟给受试者。

这个实验进行了形式化模型,可以调节的矫正法提供的援助水平依赖的重量运营商已经取消。

(弯曲和扩展)的援助水平。在前面解释的实验相比,军队应用在两个运动方向。力直接提供的一系列矫正法在0.5 Nm的步骤。注意,负扭矩延伸和积极的扭矩弯曲矫正法和转矩为零是不同步的互补模式。

这个实验进行了形式化模型,可以调节的矫正法提供的援助水平依赖诱导力和运动的方向。

4.2。肌电图和矫正法数据采集和处理

本节描述肌肉活动是如何测量和加工为了使用它作为一个矫正法的控制信号。自从矫正法旨在积极flex和扩展运营商前臂,肌电图测定肱二头肌和肱三头肌,肌肉主要涉及在弯曲和扩展的过程。Ag / Ag-Cl电极放置在一个双相安排在中间的肌肉肌肉纤维的方向。被收购的采样频率的信号赫兹使用BrainAmp ExG先生放大器(大脑产品GmbH, Gilching,德国)。

肌电图预处理在两个连续的步骤。首先基于方差滤波器(49)是应用。这个过滤步骤消除运动工件和提高EMG信号的信噪比。滤波器的长度设置为基本上女士的滑动窗口长度女士传递给信号的宽度女士的方差整个窗口分配新值的最后一个示例在窗口内,导致过滤信号。在第二步信号的均方根(RMS)计算。再次计算,一个窗口女士使用,但在这种情况下,一步宽度被选为女士的窗户没有重叠。由此产生的信号的频率赫兹。这样我们得到相同的采样频率的传感器矫正法。

除了肌电图,我们记录传感器值矫正法。这些位置和力感应到矫正法的操作符的手臂。获得了的信号赫兹和通过rs - 232计算机存储。为了同步肌电图和传感器的数据,我们的开始和结束标记矫正法在肌电图测量。自从预处理EMG有相同的采样频率为矫正法传感器数据,相应的肌电图可以减少一部分,合并成一个时间序列与传感器数据。处理完成了MATLAB 2009 (MathWorks公司,纳蒂克,美国)。肌电图数据的加载EEGLAB工具箱(圣地亚哥斯沃茨计算神经科学研究中心的美国)使用。

4.3。系统辨识与RLS算法

在系统辨识领域的递归最小二乘(RLS)方法是一个基本估计方法(50]。它的原理很简单,相对容易使用。在大多数的情况下,算法提供精度高、快速收敛的参数和模型效率高。什么也使得该算法有吸引力的是,它可以很容易地扩展为更复杂和非线性模型的识别。

让是实际的时间步。的总体结构是由RLS算法 适应增益: 和预测误差 是向量计算模型的参数。

此外是预测解释变量向量的向量可测量的信号,在真正的输入值和真正的输出值美联储:

最后,模型的输出计算如下:

通常为适应增益提供遗忘因子,以提高性能。

这种方法被广泛用于工程的几个动态识别系统,例如,电动机。更详细的描述和一个示例使用该算法识别的非线性模型,请参阅[51]。

使用我们自己的RLS算法的MATLAB实现,实验后,节中描述4.1、模型重要的动态关系积极矫正法的识别。模型的参数调整,具体的,(1)。动机的识别模型在以下段落展示,特别是在康复,一方面,需要一个精确的歧视的运动方向是主要的重要性,另一方面,正确的要求水平的计算当前用户所需的支持,根据系统的所有可测量的州,包括肌肉状态。

多输入、单输出(味噌)模型结构选择识别。学习集总是可用的样本包括上半年和下半年的验证集。肌肉(EMG)和设备信息。四个模型的输入是预处理肱三头肌和二头肌的肌电图和转矩应用于矫正法的联合通过盘式弹簧的位移测量,矫正法的角位置的值。

5。结果

在本节中,并给出了实验结果。首先,矫正法的触发功能,定义了系统应该何时以及在哪个方向移动,是近似的。考虑以下:

由此产生的触发功能的模型由(6),适合真正的触发功能极好地(平均绝对误差小于),可以看到在图6。在这里,一个值代表一个触发的一个扩展运动,的值代表一个触发的弯曲运动,和一个值对应于静息状态(没有触发)。从这些数据可以看到,达成的最大模型错误阶段,没有积极的运动。我们认为这是由于传感器噪声在使用磁编码器的位置。

为了更好地可视化,扩大片段的结果图中可以看到7。大约750个样本模型的输出显示了一个更大的噪声分量。在这一点上至少一个肌肉不可能达到完全放松的状态。即使在这种情况下,模型处理的信号在一个可接受的方式。

此外,第二个模型,可以帮助确定所需的支持级别从矫正法是确定的。输入信号选择在第一个模型是一样的。为了确定真正的救助水平函数,在第一步实验中进行了不同外部权重进行移动手臂时用手与设备(见部分4.1)。

这个实验装置的缺点是,它几乎是唯一有用的获取二头肌数据,自反作用力施加的重量总是作用在一个方向(图8)。这就是为什么在第二步是决定在上下两个方向产生的反作用力(,因此,计算的支持水平两个方向)在矫正法的转矩控制循环,获得了良好的结果。在这里,的支持级别对应于2海里水平对应的支持Nm。考虑以下:

由此产生的模型的支持功能是由(7)。建模算法的性能图中可以看到9。一个可以看到预测误差较大的开始测量。这是第一个学习样本集,并可以观察到建模算法收敛后2000个样本。这个初始误差可能会减少与初始模型参数的进一步微调。整个验证设置,只有孤立的偏差,不重要的(传感器噪声所致),可以看到。

模型的精度可以更好地观察到放大如图10。

在这两个实验模型适合可以达成。一大贡献,是可测量的信号用来识别模型,尤其是EMG信号,适当的预处理,以便可以使用很大程度上干净的信号。这是非常重要的,因为RLS算法反应敏感噪声污染的信号。此外,高模型的适应也是一个指标相关性强的输入和所需的输出信号。希尔模型相比,在46)拟议中的黑盒模型明显容易形式化主要在两个方面。第一个是预处理的myosignals以来这里使用方差滤波器相比,在一个步骤两个过滤器预处理工作。另一个观点是,本文给出了模型的形式化的信号直接输入识别算法,在[46)重要的变量,例如,肌肉的长度,必须计算之前首先在一些步骤计算模型的输出。

相比,提出的工作(43),RLS算法相比,一种适应形式相同的用于识别,我们建议的模型结构是简单的,因为我们有正式的线性模型通常有较低的计算复杂度比(汉默斯坦)非线性模型。此外,必须强调,[中使用的实验装置43)是不同的,因为电刺激给一个固定的测量上肢肌电图,而是在扭矩测量通过力/力矩传感器安装在填充手柄。

然而,与上述的两项研究,肌肉产生的转矩的计算,在目前的工作,控制信号以及协助用户所需的转矩模型。

6。结论和展望

在这个工作我们提出了一些背景资料和事实支持康复机器人系统的使用流程。此外,外骨骼技术的概述。从这些知识、概念在家里康复外骨骼技术的可行性,讨论了通过一名示威者,积极1-DOF-elbow矫正法。其可能的应用,设计和力学和控制。总结,系统可以支持自己发起的运动,通常执行的上臂肌肉m .肱二头肌和肱三头肌brachii。

两个动态模型,确定与RLS算法,显示。第一个计算系统的触发功能的肌肉从矫正法和传感器信息,而第二个计算一个函数描述水平需要抵消外部力量的支持。这两个模型显示匹配的出色的表现,真正的信号。

下一步是将获得的模型集成到矫正法的控制系统,将其转化为一个基于模型的控制方案。预计触发,torque-assistive预测函数控制系统有效矫正法将改善的两个点:时间和歧视的方向运动,另一方面在精度定义适当的辅助设置扭矩值,根据当前状态的可测量的信号系统。

派生模型是病人和那些因此必须单独训练。肌电图的一个单一的主题从会话,会话可能会有所不同,由于不同的电极位置或抗性和由于不同程度的肌肉疲劳。学科之间的影响可能会更大,因为肌肉的物理条件是完全不同的。

然而,在未来我们将研究模型的可转移性从一个话题转到另一个或工作的方向自适应模型。此外,模型可靠性更自然的动作将被评估。可以预期,提出的参数模型派生的数据获得在自然运动的控制设置会有所不同。然而,模型结构可能会保持不变。后续实验和日常生活的任务,例如,抓住一个玻璃,从椅子上起身,或取消项目,计划来验证这一点。

尽管如此,呈现结果非常有前途,矫正的系统的控制精度由肌电的信号和传感器设备本身的数据。特别是,自动调整援助受的EMG通向一个自治的方向assist-as-needed家庭康复系统。

最后,下一个版本的系统的设计也正在开发中。从机电的观点,其目的是使用无刷直流(刷)电动机结合谐波传动。谐波驱动器等的优势高最大转矩与紧凑和轻便的设计,以及零反弹。在这种情况下,扭矩将通过测量电动机的电流。一个很重要的问题将会给一些反馈给用户在康复过程的影响。

为了提供系统全面的流动性,通过电池电力供应,这将被安装在一个分散的模块,可以进行用户的背部。这个位于接近人类的重心,因此,最小化放在用户的负载。

一种可能的设计系统图中可以看到11。

图12展示设计从后面的角度来看,包括电池。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持的德国Bundesministerium毛皮陶冶和大幅减退(BMBF,格兰特FKZ 01 iw10001)和德国Bundesministerium毛皮经济和技术(BMWI,格兰特FKZ 50 RA 1011)。

引用

1. c·福克斯,”Demografischer wandel和notwendigkeit der priorisierung gesundheitswesen化生。Positionsbestimmung der Arzteschaft。”Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz卷,83年,第440 - 435页,2010年。视图:谷歌学术搜索
2. h·克雷布斯,j . j . Palazzolo l . Dipietro et al .,“符合治疗,康复机器人技术:基于绩效的进步”自主机器人,15卷,不。1,7-20,2003页。视图:出版商的网站|谷歌学术搜索
3. m . j . h .亮度d .特林布尔j . Rosen et al .,“多学科方法开发一种新的微创手术机器人系统,”学报第一IEEE / RAS-EMBS生物医学机器人技术和生物国际会议(BioRob 06年)托斯卡纳,页841 - 846年,意大利,2006年2月。视图:出版商的网站|谷歌学术搜索
4. 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
5. r . c . v . Loureiro w·s·Harwin k . Nagai和m·约翰逊“Advanahces上肢中风康复:技术推动,“医学和生物工程和计算卷,49号10日,1103 - 1118年,2011页。视图:谷歌学术搜索
6. h . Masur”Sinnvoller einsatz冯robotern在der neurorehabilitation-fiktion奥得河经验?”德意志Arzteblatt,卷105,不。18,329年,页2008。视图:出版商的网站|谷歌学术搜索
7. t . Henze“现代康复schlaganfall票”,神经递质,没有。10日,59 - 67年,2007页。视图:谷歌学术搜索
8. e·a·基什内尔j . c . Albiez a . Seeland m·乔丹和f·基什内尔,“对家庭康复辅助机器人,”学报第六届国际生物医学电子会议和设备(BIODEVICES 13)SciTePress,页168 - 177年,巴塞罗那,西班牙,2013年。视图:谷歌学术搜索
9. l . m . v .贝尼特斯,n . m . Tabie施密特,e·基什内尔和j . Albiez“上肢康复的EMG-based辅助矫正法”生物医学电子学报》国际会议和设备(BIODEVICES 13)SciTePress,页323 - 328年,巴塞罗那,西班牙,2013年2月。视图:谷歌学术搜索
10. c . Deaton e . s . Froelicher l·h·吴c Ho k . Shishani和t . Jaarsma“心血管疾病的全球负担,”欧洲心血管护理杂志》上补充2卷。10日,S5-S13, 2011页。视图:出版商的网站|谷歌学术搜索
11. s·j·艾伯特和j . Kesselring Neurorehabilitation中风。”神经学期刊,卷259,不。5,817 - 832年,2012页。视图:出版商的网站|谷歌学术搜索
12. j . h . Cauraugh和j·j·萨默斯(lawrence Summers)“神经可塑性和双边运动:慢性中风的康复方法,”神经生物学的进展,卷75,不。5,309 - 320年,2005页。视图:出版商的网站|谷歌学术搜索
13. 美国海塞、c·沃纳和j . Brocke”使用的机器和机器人在神经康复诊所的预期,”Orthopadie-Technik,2卷,第77 - 74页,2009年。视图:谷歌学术搜索
14. p . Frommelt和h . Losslein神经康复施普林格,柏林,德国,2010年。
15. h·c·迪纳、w·尔和m . forst Eds。Schlaganfall,Georg蒂米,柏林,德国,2004年。
16. k·穆勒,c . m . Butefisch r·j·塞茨和诉Homberg”精神实践改善手功能hemiparetic中风后,“恢复神经病学和神经科学,25卷,不。5 - 6,501 - 511年,2007页。视图:谷歌学术搜索
17. j·h·莫里斯,f . van Wijck乔伊斯,s . a . Ogston科尔,和r s MacWalter双边奥得河单边培训der oberen extremitat schlaganfall ?明信片randomisierte kontrollierte vb语言。”Physioscience,4卷,不。4、194 - 195年,2008页。视图:出版商的网站|谷歌学术搜索
18. c . j . Winstein d . k .玫瑰,s m . Tan r . Lewthwaite h·c·崔和s . p . Azen牌”随机对照比较的上肢急性中风康复策略:一个试点研究的直接和长期的结果,“物理医学与康复档案,卷85,不。4、620 - 628年,2004页。视图:出版商的网站|谷歌学术搜索
19. c . Dohle j·普伦,a . Nakaten j .工业c . Rietz h . Karbe,“镜治疗促进复苏严重轻偏瘫:一个随机对照试验,”Neurorehabilitation和神经修复,23卷,不。3、209 - 217年,2009页。视图:出版商的网站|谷歌学术搜索
20. b·r·布鲁尔,s·k·麦克道尔和l . c . Worthen-Chaudhari“卒中后上肢康复:回顾机器人系统和临床结果,“主题在中风康复,14卷,不。6,22-44,2007页。视图:出版商的网站|谷歌学术搜索
21. neuro-rehabilitation Pignolo .“机器人”,康复医学杂志第41卷。。12日,第960 - 955页,2009年。视图:出版商的网站|谷歌学术搜索
22. g . b . Prange m . j . a . Jannink c·g·m·Groothuis-Oudshoorn h . j . Hermens和m . j . Ijzerman”系统综述的影响robot-aided治疗卒中后复苏hemiparetic的胳膊上,“康复杂志》上的研究和发展,43卷,不。2、171 - 184年,2006页。视图:出版商的网站|谷歌学术搜索
23. 黑森州,j . Mehrholz和c·维尔纳,“Roboter-und gerategestutzte康复schlaganfall票,”德意志Arzteblatt,卷105,不。18日,第336 - 330页,2008年。视图:出版商的网站|谷歌学术搜索
24. s . j .所k·m·斯科特和d·j·莱茵肯斯迈耶”gravity-supported的随机对照试验,在电脑的手臂运动对个人有严重的轻偏瘫,”Neurorehabilitation和神经修复,23卷,不。5,505 - 514年,2009页。视图:出版商的网站|谷歌学术搜索
25. t . Nef g·科伦坡,r .不懂“ARMin-robot上肢的运动疗法,”Automatisierungstechnik,53卷,不。12日,第606 - 597页,2005年。视图:谷歌学术搜索
26. n .霍根·h·克雷布斯,j . Charnnarong p Srikrishna和a .沙龙”MIT-MANUS:工作站为手动治疗和训练。我,”《IEEE国际研讨会上机器人和人类交流(罗马92年),页161 - 165,东京,Jaban, 1992年9月。视图:出版商的网站|谷歌学术搜索
27. p . s .亮度m . Van der厕所·肖和c g . Burgar“上肢运动的机器人系统,促进运动功能恢复中风后,”康复机器人技术国际会议(99年ICORR”),斯坦福大学,1999年。视图:谷歌学术搜索
28. 答:娃,m . Kofler和l . Saltuari”甲:机电机器人上肢训练后中风。前瞻性随机对照试验研究”,Handchirurgie Mikrochirurgie Plastische Chirurgie,40卷,不。1,第73 - 66页,2008。视图:出版商的网站|谷歌学术搜索
29. 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
30. t . Nef m . Mihelj g·基弗的比赛中,c . Perndl r·穆勒和r .不懂“ARMin-exoskeleton手臂治疗中风患者,”《IEEE 10康复机器人技术国际会议(ICORR ' 07),页68 - 74,位于荷兰,2007年6月。视图:出版商的网站|谷歌学术搜索
31. s . j .所诉,t·拉赫曼·r·j·桑切斯Jr .)和d . j . Remkensrneyer”后与T-WREX Arm-training慢性中风:随机对照试验的初步结果,”《IEEE 10康复机器人技术国际会议(ICORR ' 07),页562 - 568,位于荷兰,2007年6月。视图:出版商的网站|谷歌学术搜索
32. g . b . Prange m . j . a . Jannink a·h·a·Stienen h . Van Der Kooij设计m . j . Ijzerman和h . j . Hermens“重力补偿对肌肉活动模式的影响在不同时间阶段的手臂动作的中风患者,”Neurorehabilitation和神经修复,23卷,不。5,478 - 485年,2009页。视图:出版商的网站|谷歌学术搜索
33. h·克雷布斯,b . t . Volpe d·威廉姆斯et al。”Robot-aided neurorehabilitation:机器人手腕康复,”IEEE神经系统和康复工程,15卷,不。3、327 - 335年,2007页。视图:出版商的网站|谷歌学术搜索
34. j . Stein k . Narendran j·麦克比恩,k .克雷布斯和r·休斯“Electromyography-controlled体外骨骼upper-limb-powered矫正法对卒中后运动训练,”美国物理医学与康复杂志》上,卷86,不。4、255 - 261年,2007页。视图:出版商的网站|谷歌学术搜索
35. l . Marchal-Crespo和d·j·莱茵肯斯迈耶,”回顾机器人运动控制策略的训练神经系统损伤后,“神经工程学和康复杂志》上》第六卷,没有。20日,2009年。视图:出版商的网站|谷歌学术搜索
36. a·杰克逊,r .茎,s .马科威尔et al .,“最初的病人测试的iPAM-a中风康复机器人系统,”《IEEE 10康复机器人技术国际会议(ICORR ' 07),页250 - 256,位于荷兰,2007年6月。视图:出版商的网站|谷歌学术搜索
37. t·拉赫曼w .示例中,r . Seliktar et al .,“设计和测试功能的手臂神经肌肉疾病,患者的矫正法”IEEE神经系统和康复工程,15卷,不。2、244 - 251年,2007页。视图:出版商的网站|谷歌学术搜索
38. b•施密茨r . Wiegand Ch。Pylatiuk, r·拉普和圣·舒尔茨,”奥地利第一储蓄erfahrungen麻省民主党orthojacket。”Orthopadie-Technik,4卷,不。11日,第261 - 256页,2011年。视图:谷歌学术搜索
39. e . Rocon j . m . Belda-Lois a·f·鲁伊斯m .黑披巾,j·c·莫雷诺和j·l·庞斯”康复机器人外骨骼的设计和验证地震评估和抑制,”IEEE神经系统和康复工程,15卷,不。3、367 - 378年,2007页。视图:出版商的网站|谷歌学术搜索
40. m . DiCicco l·卢卡斯,y松岗”比较控制策略的EMG控制矫正的外骨骼手,”诉讼的IEEE机器人与自动化国际会议上04年举行(“国际机器人与自动化会议”)新奥尔良,页1622 - 1627年,洛杉矶,美国,2004年5月。视图:谷歌学术搜索
41. j·罗森和j·c·佩里,“上肢外骨骼动力。”国际仿人机器人技术杂志》上,4卷,不。3、529 - 548年,2007页。视图:出版商的网站|谷歌学术搜索
42. e·e·Cavallaro j . Rosen j·c·佩里和美国燃烧,“实时myoprocessors神经控制的动力外骨骼的手臂,“IEEE生物医学工程,53卷,不。11日,第2396 - 2387页,2006年。视图:出版商的网站|谷歌学术搜索
43. f·勒,即Markovsky、c·弗里曼和e·罗杰斯“电刺激肌肉模型的在线辨识,”诉讼的美国控制(ACC会议上的11),页90 - 95年,旧金山,加州,美国,2011年7月。视图:谷歌学术搜索
44. m . Folgheraiter e·A·基什内尔A Seeland et al .,“多通道brain-arm界面操作的复杂机械系统和上肢运动康复,”生物医学电子学报》国际会议和设备(BIODEVICES 11),页150 - 162,罗马,意大利,2011年1月。视图:谷歌学术搜索
45. d . Tsetserukou佐藤英国和美国馆,“ExoInterfaces:小说exosceleton触觉接口虚拟现实,增强运动和康复,”学报第一增强人类国际会议(啊' 10)h .齐藤,人类。诸侯、g·莫罗和p . Mistry Eds。,2010年4月。视图:出版商的网站|谷歌学术搜索
46. j . Rosen m品牌,m·b·福克斯和m . Arcan“myosignal-based动力外骨骼系统”IEEE系统,人,控制论的一部分没有,卷。31日。3、210 - 222年,2001页。视图:出版商的网站|谷歌学术搜索
47. d·s·安德瑞森,s·k·艾伦和d·a·巴克斯”EMG积极协助为基础的外骨骼康复,”《IEEE 9日康复机器人技术国际会议(ICORR ' 05)2005年7月,页333 - 336。视图:出版商的网站|谷歌学术搜索
48. d . w•罗宾逊系列弹性在闭环传动机构设计与分析力的控制(博士。论文)麻省理工学院(MIT),剑桥,质量,美国,2000年。
49. m . Tabie和e·a·基什内尔”EMG发病detection-comparison运动预测任务的不同方法基于肌电图”学报第六届国际会议上仿生系统和信号处理(生物的13),即美国阿尔瓦雷斯,j . Sole-Casals a·弗雷德和h . Gamboa, Eds。SciTePress,页242 - 247年,巴塞罗那,西班牙,2013年2月。视图:谷歌学术搜索
50. 朗道和g .鸡头,数字控制系统施普林格,柏林,德国,2006年。
51. m . Folgheraiter m·乔丹l . m . v .贝尼特斯et al .,”开发的低压射流伺服阀可穿戴的触觉接口和轻量级的机器人系统,”信息控制、自动化和机器人技术j .菲利浦- j . a . Cetto J.-L。费里尔,Eds。卷,89课堂讲稿电气工程施普林格,页239 - 253年,柏林,德国,2011年。视图:出版商的网站|谷歌学术搜索

版权

版权©2013年路易斯·曼纽尔Vaca贝尼特斯等。这是一个开放的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。