浙江大学学报(工学版), 2021, 55(2): 222-228 doi: 10.3785/j.issn.1008-973X.2021.02.002

机械工程

欠驱动异构式下肢康复机器人动力学分析及参数优化

李伟达,, 李娟,, 李想, 张虹淼, 顾洪, 史逸鹏, 张浩杰, 孙立宁

苏州大学 机电工程学院 江苏省先进机器人技术重点实验室,江苏 苏州 215021

Dynamic analysis and parameter optimization of under-actuated heterogeneous lower limb rehabilitation robot

LI Wei-da,, LI Juan,, LI Xiang, ZHANG Hong-miao, GU Hong, SHI Yi-peng, ZHANG Hao-jie, SUN Li-ning

Jiangsu Provincial Key Laboratory of Advanced Robotics, School of Mechanical and Electrical Engineering, Suzhou University, Suzhou 215021, China

通讯作者: 李娟,女,副研究员,博士. orcid.org/0000-0002-0576-9578. E-mail: lijuan@sudu.edu.cn

收稿日期: 2020-03-19  

基金资助: 国家重点研发计划资助项目(2018YFC2001304);国家自然科学基金资助项目(51475314)

Received: 2020-03-19  

Fund supported: 国家重点研发计划资助项目(2018YFC2001304);国家自然科学基金资助项目(51475314)

作者简介 About authors

李伟达(1979—),男,副教授,博士,从事康复机器人研究.orcid.org/0000-0002-9630-5241.E-mail:hit_liweida@163.com , E-mail:hit_liweida@163.com

摘要

针对现有外骨骼机器人人机自由度不匹配和关节对中性差的问题,提出欠驱动下肢康复机器人. 欠驱动机器人只有4个直线驱动,驱动的直线运动通过推杆和人机连接机构转化为人下肢在矢状面内的屈伸运动,带动人体进行步态康复训练. 建立机器人系统的人机耦合模型,进行模型的动力学分析,对人机耦合模型中影响动力学结果的参数进行分析,建立驱动力与肢体推动力之间的关系模型,并以推力系数最大为目标进行参数分析与优化,得到最佳的结构参数. 根据优化后的结构参数搭建康复机器人实验系统,对髋、膝关节驱动力与角度进行对比. 实验结果表明最大髋关节角度误差为2.9°,最大膝关节角度误差为6.4°,最大误差均约为9%,验证了动力学模型和参数优化结果的正确性.

关键词: 下肢康复机器人 ; 异构式构型 ; 欠驱动机器人 ; 动力学分析 ; 参数优化

Abstract

An under-actuated lower limb rehabilitation robot was proposed aiming at the problems of human-machine DOFS mismatch and poor joint neutrality of existing exoskeletons robots. The under-actuated robot system only has four linear drives. The linear motion driven by the robot is transformed into the flexion and extension of lower limbs in the sagittal plane through connecting rod and human-machine connection mechanism. Human-machine coupling model was established for robot systems, and then dynamics analysis was carried out. The parameters in the human-machine coupling model that affect dynamic results were analyzed, a method to analyze the relationship between driving force and limb driving force was proposed, then the parameters with the maximum thrust coefficient as the target were analyzed and optimized, and the best structural parameters were obtained. Finally, the rehabilitation robot system was established based on the optimized structural parameters. The driving force and the angle of hip and knee joints were compared. Experimental results showed that the maximum error of the hip joint angle was 2.9°, the maximum angle error of the knee joint was 6.4°, and the maximum errors were about 9%, which verified the correctness of the dynamic model and the parameter optimization results.

Keywords: lower limb rehabilitation robot ; heterogeneous configuration ; under-actuated robot ; dynamics analysis ; parameter optimization

PDF (1366KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李伟达, 李娟, 李想, 张虹淼, 顾洪, 史逸鹏, 张浩杰, 孙立宁. 欠驱动异构式下肢康复机器人动力学分析及参数优化. 浙江大学学报(工学版)[J], 2021, 55(2): 222-228 doi:10.3785/j.issn.1008-973X.2021.02.002

LI Wei-da, LI Juan, LI Xiang, ZHANG Hong-miao, GU Hong, SHI Yi-peng, ZHANG Hao-jie, SUN Li-ning. Dynamic analysis and parameter optimization of under-actuated heterogeneous lower limb rehabilitation robot. Journal of Zhejiang University(Engineering Science)[J], 2021, 55(2): 222-228 doi:10.3785/j.issn.1008-973X.2021.02.002

我国老龄化逐渐加速. 在老年人中存在大量的下肢运动障碍患者,丧失了部分或全部的行走能力[1-3]. 现代康复医学研究表明,这类患者不仅要及时接受手术或药物治疗,更重要的是要接受长期、科学的下肢步态康复训练[4-5],这对行走能力的恢复十分关键.

康复训练机器人结合了机电一体化、机器人、康复医学、传感等学科的技术,国内外许多科研机构和公司已经成功地将其运用到康复训练中[6-7]. 其中最具代表性的是穿戴式下肢外骨骼机器人,例如日本筑波大学的HAL外骨骼[8]、荷兰特温特大学的LOPES下肢动力外骨骼[9]、浙江大学的混合动力外骨骼机器人[10]、电子科技大学的下肢外骨骼康复机器人[11]等. 但是,在康复训练中发现,穿戴式下肢外骨骼机器人的关节与人体下肢的关节在位置上有较大偏差[12-13]. 同时,外骨骼机器人为了有较简单的结构、较容易的控制方式,往往将机构各关节自由度有所简化[14]. 人机关节对中性差[15]和人机自由度不匹配[16]的问题往往依靠人体组织的柔性变形和人机连接机构的变形来弥补人体下肢和外骨骼之间的关节对准误差[17],势必会导致康复训练过程中,人机交互柔顺性差,从而引起人体不适[18],进而影响其康复训练的主动性和康复训练的效果.

综合以上问题,本研究提出欠驱动异构式下肢康复训练机器人,解决了下肢外骨骼机器人关节对中性差和人机自由度不匹配的问题,提高了康复训练的舒适性. 分析机器人构型原理并建立人机耦合动力学模型,研究下肢各关节运动的角度、角速度、角加速度等参数与各驱动件水平力、不同部位的关节受力、人机接触力之间的关系,并通过仿真对动力学模型进行验证,分析各参数变化对动力学结果的影响. 最后,搭建机器人实验样机,进行驱动力测试,验证动力学模型和参数优化结果的正确性.

1. 欠驱动康复机器人构型设计

考虑到仿人腿式的下肢康复机器人由于机构关节自由度简化、肢体长度误差导致的对中性差的问题,提出采用欠驱动异构式构型进行下肢康复机器人设计,患者上半身通过悬吊减重系统进行减重,其矢状面内的单侧下肢模型如图1所示. 图中,滑块FG为2个直线驱动模块,其轨道固定在基座上,ABBC分别为人体大腿和小腿,DFEG分别为大腿推杆和小腿推杆,上述构件共同组成了四连杆双滑块人机耦合模型. 建立矢状面内的坐标系A-XY,坐标原点A(0,0)代表人体髋关节位置,X轴为水平方向,正向指向人体正前方,Y轴为竖直方向,正向为重力方向.

图 1

图 1   欠驱动康复机器人单侧人机耦合模型

Fig.1   One-sided human-machine coupling model of under-actuated rehabilitation robot


机器人本质上是由滑块和连杆组成的空间开环式机构,而人体的下肢与其共同组成了具有确定运动关系的闭环结构,因而称其为欠驱动机器人. 在构型中,驱动系统固定在支架上,由其驱动连杆再带动人体下肢运动,这种与人体下肢结构不同的机器人被称为异构式. 采用这种欠驱动异构式的机器人构型,可以大大减轻康复训练设备对患者下肢造成的额外负载,同时也避免了人机对中性差的问题,可以提高康复训练的舒适性.

2. 人机耦合模型动力学分析

在欠驱动异构式康复机器人中,驱动并不直接作用于下肢,而是通过连杆传递后,驱动下肢关节运动. 为了分析康复训练过程中,作用于人体下肢关节的驱动力与机器人外部驱动力之间的关系,以及其与下肢各关节运动参数和机构几何参数之间的关系,须建立人机耦合模型动力模型[19],对力传递关系进行分析. 在本研究所设计的机器人构型中,患者的自重一方面通过悬吊减重系统进行减轻,另一方面依靠机器人在额状面内的人机接触力,而推杆式的构型主要是为了帮助患者在摆动相状态下完成矢状面内的步态运动,因此在建模过程中忽略站立相状态下患者与地面之间的相互作用力,进行动力学参数优化,以使机器人获得最佳的动力学特性.

建立驱动滑块空间位置和各关节角度之间的运动学关系:

$\left. { \begin{gathered} {h_1} = {P_1}\cos \;\alpha - {L_{DF}}\sin \;{\theta _1}, \\ {x_F} = {P_1}\sin \;\alpha - {L_{DF}}\cos \;{\theta _1}. \\ \end{gathered} } \right\}$

$\left. { \begin{gathered} {h_2} = {L_3}\cos \;\alpha + {L_{BE}}\cos\; \left( {\beta - \alpha } \right) - {L_{EG}}\sin\; {\theta _2}, \\ {x_G} = {L_3}\sin\; \alpha - {L_{BE}}\sin \;\left( {\beta - \alpha } \right) - {L_{EG}}\cos\; {\theta _2}. \\ \end{gathered} } \right\}$

式中: $\alpha $$\;\beta $分别为髋、膝关节的运动角度,xFxG为上、下滑块在X方向上到原点的距离.

根据拉格朗日方法,即对系统的动能和势能整体分析建立人机耦合系统的动力学模型:

$\begin{split} L = &\frac{1}{2}{m_1}{\left( {{P_1}\dot \alpha } \right)^2} + \frac{1}{2}{m_2}{\left( {{L_3}\dot \alpha } \right)^2} + \frac{1}{2}{m_2}P_2^2{\left( {\dot \beta - \dot \alpha } \right)^2}-\\ & {m_2}{L_3}{P_2}\left( {\dot \beta - \dot \alpha } \right)\dot \alpha \cos\; \beta - {m_1}g{P_1}\cos \;\alpha -\\ & {m_2}g\left[ {{L_3}\cos \;\alpha + {P_2}\cos \;\left( {\beta - \alpha } \right)} \right]. \end{split}$

式中: $ \dot \alpha $$ \;\dot \beta $为角速度,m1m2分别为大腿、小腿的质量.

大、小腿转矩的定义如下:

$ {\tau }_{{\rm{T}}}=\frac{{\rm{d}}}{{\rm{d}}t}\frac{\partial L}{\partial \dot \alpha }-\frac{\partial L}{\partial \alpha },$

$ {\tau }_{{\rm{C}}}=\frac{{\rm{d}}}{{\rm{d}}t}\frac{\partial L}{\partial \dot \beta }-\frac{\partial L}{\partial \beta }.$

对式(4)、(5)进行偏微分求导,求得大腿、小腿所需要的驱动力矩:

$\begin{split} {\tau _{\rm{T}}} =& {m_1}P_1^2\ddot \alpha + {m_2}L_3^2\ddot \alpha + {m_2}P_2^2\left( {\ddot \alpha - \ddot \beta } \right) + \\ &{m_2}{L_3}{P_2}\left[ {\left( {\sin\; \beta} \right) \left( {\dot \beta - 2\dot \alpha } \right) - \left( {\cos \;\beta} \right) \left( {\ddot \beta - 2\ddot \alpha } \right)} \right]-\\ & {m_1}g{P_1}\sin \;\alpha - {m_2}g\left[ {{L_3}\sin\; \alpha - {P_2}\sin \;\left( {\beta - \alpha } \right)} \right], \end{split}$

$\begin{split} {\tau _{\rm{C}}} =& {m_2}P_2^2\left( {\ddot \beta - \ddot \alpha } \right) - {m_2}{L_3}{P_2}\left( {\ddot \alpha \cos \;\beta - \dot \alpha \sin \;\beta } \right)-\\ & {m_2}{L_3}{P_2}\dot \alpha \left( {\dot \beta - \dot \alpha } \right)\sin\; \beta - {m_2}g{P_2}\sin\; \left( {\beta - \alpha } \right). \end{split}$

式中: $ \ddot \alpha $$\; \ddot \beta $分别为髋关节、膝关节的角加速度.

对人机耦合模型连杆DFEG进行受力分析,如图2所示. 得出上、下驱动件所需水平力 $ {F}_{{\rm{u}}}{\text{、}}{F}_{{\rm{d}}}$

图 2

图 2   连杆DFEG受力分析图

Fig.2   Force analysis diagram of connecting rod DF and EG


${F_{\rm{u}}}{\rm{ = }}\frac{{{\tau _{\rm{T}}}}}{{{L_{AD}}\cos\; {\theta _1}\cos \;\left( {{\theta _1} + \alpha } \right)}},$

${F_{\rm{d}}}{\rm{ = }}\frac{{{\tau _{\rm{C}}}}}{{{L_{BE}}\cos \;{\theta _2}\sin \;\left( {\dfrac{{\text{π}} }{2} - {\theta _2} + \beta - \alpha } \right)}}.$

式中: ${\theta _1}$${\theta _2}$分别为连杆DFEGX轴正向的夹角. 由此便确定了上、下驱动件水平推力的关系表达式.

3. 动力学模型的分析与综合

由如式(3)、(8)、(9)所示的动力学模型可知影响动力学人机耦合系统动力学性能的参数主要有:大腿推杆长度、上驱动件安装高度、小腿推杆长度、下驱动件安装高度.

根据如图3所示的人体平地行走时的髋关节与膝关节角度曲线[20]可知,在正常步态下,完成一个步态周期大约需要0.98 s,人体髋关节角度 $\alpha $的运动范围为(−6.2°,24.1°),通过运动学关系可以计算出大腿推杆和大腿长度指向髋关节方向夹角 ${\theta _3}$的运动范围为(76.7°,97.0°). 由图2中杆DF的受力分析可得,提供大腿所需转矩的切向力F5和上驱动件水平推力之间的关系为

图 3

图 3   单侧下肢关节角度曲线

Fig.3   Angle curve of unilateral lower limb joint


${F_5} = {F_{\rm{u}}}\cos \;{\theta _1}\cos \;\left( {{\theta _1} + \alpha } \right).$

利用三角关系可以得到

${F_5}{\rm{ = }}{F_{\rm{u}}}\sin\; {\theta _3}\sin\; \left( {{\theta _3} + \alpha } \right).$

设髋关节推力系数 ${K_{{\rm{fh}}}} = \sin\; {\theta _3}\sin\; \left( {{\theta _3} + \alpha } \right)$,则由式(10)可知,推力系数 ${K_{{\rm{fh}}}}$的大小直接决定了 ${F_5}$的大小,即 ${K_{{\rm{fh}}}}$越大,髋关节的有效驱动力就越大,动力学性能越好.

对推力系数进行分析,其与 ${\theta _3}$$\alpha $的关系如图4所示. 可以看出,在工作空间内, ${K_{{\rm{fh}}}}$的变化范围为0.8499~1.0000,说明驱动件的水平推力在转换为大腿所需切向力的过程中并没有太多的损耗. 所以,大腿推杆长度和上驱动件安装高度的变化对动力学结果影响不大,在后续分析中可以作为固定值.

图 4

图 4   髋关节推力系数与 ${\theta _3}$$\alpha $的关系图

Fig.4   Relationship between hip thrust coefficient and ${\theta _3}$$\alpha $


同样的,对膝关节的有效驱动力进行分析. 由图3可以看出,人正常行走步态下膝关节角度 $\;\beta $的运动范围为(−2.3°,67.3°)[20],同样通过运动学关系可以算得小腿推杆和小腿长度指向膝关节方向夹角 ${\theta _4}$的运动范围为(93.6°,183.2°),说明当膝关节角度达到最大时,不恰当的下驱动件安装位置可能会导致小腿推杆和小腿长度指向膝关节方向之间夹角 ${\theta _4}$过大,从而使得有效驱动力急剧减小.

图2中杆EG的受力分析可得,提供小腿所需的驱动力F8与下驱动件水平推力之间的关系如下:

${F_8} = {F_{\rm{d}}}\cos\; {\theta _2}\sin \;\left( {\frac{{\text{π}} }{2} - {\theta _2} + \beta - \alpha } \right).$

利用三角关系可以得到

${F_8}{\rm{ = }}{F_{\rm{d}}}\sin\; {\theta _4}\sin\; \left( {{\theta _4} - \beta + \alpha } \right).$

同样的,设膝关节的推力系数为 ${K_{{\rm{fk}}}} = \sin \;{\theta _4} \times \sin \; ({\theta _4} - \beta + \alpha )$${K_{{\rm{fk}}}}$越大,膝关节的有效驱动力越大,动力学性能越好. 膝关节推力系数 ${K_{{\rm{fk}}}}$${\theta }_{4}{\text{、}} \alpha {\text{、}}\beta$的关系如图5所示. 可以看出,当小腿推杆和小腿长度方向之间夹度 ${\theta _4}$过大时,由于推力系数急剧减小,提供相同当量的转矩所需要的下驱动件水平推力极大. 在运动过程中甚至会出现小腿推杆和小腿长度方向平行的情况,这个点是运动过程中驱动件水平推力的极值点,是须进行参数优化的点. ${\theta _4}$跟小腿推杆长度和下驱动件安装高度密切相关,所以这两者是影响动力学结果的主要因素. 下面进一步分析这两者之间哪个因素占据主导地位.

图 5

图 5   膝关节推力系数与 $ {\theta }_{4}{\text{、}}\alpha {\text{、}}\beta $的关系图

Fig.5   Relationship between knee joint thrust coefficient and $ {\theta }_{4}{\text{、}}\alpha {\text{、}}\beta $.


对如图1所示的人机耦合模型进行运动学分析可以得到小腿推杆长度EG和下驱动件安装高度h2$ \alpha {\text{、}}\beta {\text{、}}{\theta }_{2}{\text{、}}{\theta }_{4}$之间的关系:

$\begin{split} {h_2} = &{L_{AB}}\cos \;\alpha + {L_{BE}}\cos\; (\beta - \alpha )- {L_{EG}}\sin {\theta _2}, \\ \end{split} $

${\theta _2} + {\theta _4} - \beta + \alpha = {{\text{π}} }/{2}.$

由式(14)、(15)可以推导出:

$\begin{split} {\theta _4} =& \frac{{\text{π}} }{2} + \beta - \alpha - \\ & \arcsin \;\frac{{{L_{AB}}\cos \;\alpha + {L_{BE}}\cos \;(\beta - \alpha ) - {h_2}}}{{{L_{EG}}}}. \end{split}\!\!\!\!\! $

根据式(16),将次要影响因素大腿推杆长度和上驱动件安装高度参数视为固定,分别取 ${L_{AB}}$=428.75 mm, ${L_{BE}}$=215.25 mm.

为了得到最优参数,须推导出下推杆长度、下驱动件安装高度和膝关节推力系数三者的具体关系. 由上述分析可知, ${K_{{\rm{fk}}}} \!=\! F(\alpha ,\;\beta ,\;{\theta _4})$${\theta _4} \!=\! F(\alpha ,\;\!\beta ,\;{h_2},\;{L_{EG}})$,在确定了初始状态髋膝关节角度 $K = F({h_2},{L_{EG}})$后就可以得出 ${K_{{\rm{fk}}}} = F({h_2},\;{L_{EG}})$,根据图3中人正常步态下的关节角度数据,确定初始状态髋关节、膝关节的角度分别为−2.4°、46.7°. 考虑到实际安装情况,下驱动件安装高度限制为400~800 mm,小腿推杆长度限制为150~300 mm,得到三者的初步关系如图6所示. 可以看出,小腿推杆长度对膝关节推力系数基本没有影响,在后续分析中将其视为固定,固定为162.80 mm. 下驱动件安装高度为最主要影响因素,上述分析是在初始步态下进行的,而实际上,由于步态运动的非线性,在整个步态周期内,结构参数对推力系数的影响也是非线性的. 为了综合分析结构参数对推力系统的影响,下面针对整个步态周期具体分析下驱动件安装高度对膝关节推力系数的影响情况.

图 6

图 6   ${K}_{{\rm{fk}}}{\text{、}}$ ${L_{EG}}$${h_2}$步态周期初始时刻关系图

Fig.6   Relationship of initial moment of gait cycle between ${K}_{{\rm{fk}}}$${L_{EG}}$ and ${h_2}$


综合式(13)、(16),即膝关节推力系数与下驱动件安装高度的具体关系,可以计算出步态周期GC内理想的膝关节推力系数最大值 ${{K}}_{{\rm{fk}}}^{{\rm{max}} }$的变化情况,如图7所示. 由图6的初步关系可以看出,当下驱动件安装高度为500~600 mm时,膝关节推力系数可以维持在较好的范围内. 因此,对500~600 mm具体细分,分别计算出各自相对应的步态周期内实际膝关节推力系数变化情况,结果如图8所示.

图 7

图 7   步态周期内膝关节推力系数最大值变化情况

Fig.7   Changes in maximum thrust coefficient of knee joint during gait cycle


将步态周期内实际推力系数与如图7所示的理想推力系数的差值 $\Delta d$代入公式可以计算出每个下驱动件安装高度所对应的膝关节推力系数均方根误差:

${\rm{RMSE}}({K_{{\rm{fk}}}}) = {\left( {\dfrac{1}{n}\sum\limits_{i = 1}^n {{{(\Delta {d_i})}^2}} } \right)^{1/2}} .$

将膝关节推力系数均方根误差值作为评价指标,可以得到下驱动件安装高度的最优值,结果如图9所示. 可以看出,当取下驱动件安装高度为580 mm时,此时膝关节推力系数均方根误差达到最小,表征步态周期内实际的膝关节推力系数更加接近于理想值,因此,最终确定下驱动件安装高度为580 mm.

图 8

图 8   步态周期内不同下驱动件安装高度下膝关节推力系数变化情况

Fig.8   Variations of knee thrust coefficients at different heights of lower driver during gait cycle


图 9

图 9   不同下驱动件安装高度所对应的膝关节推力系数均方根误差

Fig.9   RMSE of knee thrust coefficient corresponding to different mounting heights of lower driver


4. 实验验证

利用优化好的结构参数搭建如图10所示的实验系统进行进一步分析验证,系统主要包括线性驱动器(2个滑块)、滑块的辅助安装机构、连杆机构和人机连接机构. 为了降低实验风险,使用3D打印技术由8000树脂制成170 cm高的假人模型,假人的身体长度是可调的,范围为155~190 cm,其中大腿和小腿的可调长度均为9 cm.

图 10

图 10   欠驱动下肢康复机器人实验系统

Fig.10   Experimental system for under-actuated lower limb rehabilitation robot


设定滑块运动周期为一个步态周期0.98 s,带动假人下肢做步态运动,测量各人机连接点的结构参数和下肢质量. P1P2L3分别为203.2、212.3、428.7 mm,m1m2分别为0.5、0.4 kg. 小腿推杆长度为162.80 mm,下驱动件安装高度为580 mm,是由上述动力学分析参数优化后确定的最优点.

按照上述结构参数可以计算出髋、膝关节理论驱动力大小,为了降低系统硬件的复杂性,实际驱动力大小通过采集LD5-400Z型直流伺服驱动器内部电流环参数等效获得;同时采用荷兰Xsens Technologies公司的运动信息采集系统Xsens对这个过程中髋、膝关节运动角度数据进行采集对比,结果如图11所示. 图中,FhFk分别为髋、膝关节驱动力. 可以看出,髋关节和膝关节驱动力理论曲线与实际曲线两者之间的跟随性较好,理论曲线的极值点和实际曲线极值点对应较好. 实际测量值相比较理论值整体偏大,原因如下:一方面滑块运动时本身会有摩擦系数,这个系数在滑块运动过程中是随机值不能唯一确定,另一方面实际机构尺寸与理论值不同会引起系统误差. 从髋、膝关节角度实际测量值可以看出,在最优参数下,欠驱动机器人能够较好地跟随正常人下肢运动关节角度数据,其中髋关节角度误差最大为2.9°,膝关节角度误差最大为6.4°,最大误差均约为9%,由此反映出参数优化结果的有效性. 膝关节驱动力曲线在膝关节运动角度较大处出现了推力最大值,与之前的理论分析完全一致,验证了人机耦合动力学模型和参数优化结果的正确性.

图 11

图 11   髋、膝关节及其角度的理论曲线与实际曲线对比

Fig.11   Comparison of theoretical and actual curves of hip,knee joints and their angles


此外,对所设计的欠驱动下肢康复机器人与国内外典型的下肢康复机器人的主要性能参数进行对比,如表1所示. 可以看出,Haptic-walker[21]和Erigo[22]实现步态训练主要以踝关节主动驱动为主,虽然Erigo还包含有一个髋关节的主动自由度,但2个系统均只能完成足部踏步式运动,与正常人体步态过程中人体肌肉的出力方式不同,不利于步态康复,此外,由于其膝关节都是处于被动驱动状态,没有考虑到人-机的关节对中性问题;Lokomat[23]机器人跟本研究所设计的欠驱动机器人在驱动自由度方面是相似的,但由于其外骨骼式的构型,在实际穿戴时须根据穿戴者的下肢长度手动调节机器人杆长以实现关节对中,但人体肢体长度很难测量,因此很难实现关节对中;而本研究所采用的异构式推杆滑块结构可以自适应地实现关节对中,提高康复训练中人体的舒适性,并简化穿戴过程[24].

表 1   与几类典型的下肢康复机器人的性能对比

Tab.1  Performance comparison with several typical lower limb rehabilitation robots

下肢康复机器人 构型 关节对中性调节方式 步态实现方式
本研究欠驱动机器人 异构式 自动 髋、膝关节主动
瑞士Lokomat 仿人式 手动 髋、膝关节主动
德国Haptic-Walker 踏板式 未考虑 踝关节主动
瑞士Erigo 床式 未考虑 髋、踝关节主动

新窗口打开| 下载CSV


5. 结 语

提出欠驱动异构式下肢康复机器人,建立人机耦合动力学理论模型;分析人机耦合模型中各参数对动力学结果的影响程度,确定主要影响参数的最优解,并计算出驱动件和髋、膝关节所需的理论驱动力;通过相关实验验证动力学理论模型和参数优化过程及结果的正确性. 从实验结果可以看出,基于参数最优点所建立的机构构型能充分利用好驱动机构本身,完成正常的下肢步态康复训练,在驱动件水平推力损耗较少的情况下达到最佳的康复训练效果. 通过对比几款典型的下肢康复机器人性能参数可以看出,本研究所设计的欠驱动异构式下肢康复机器人具有一定的优势与发展前景.

此外,本研究在动力学建模过程中忽略了患者站立相状态下与地面的相互作用力,机器人只保证了患者步态过程中摆动相最佳的动力学性能,因此具有一定的局限性,后续将针对患者站立相状态下机器人的动力学性能进行进一步探讨,使机器人在患者完整步态运动下的动力学性能达到最优.

参考文献

BOUDARHAM J, ROCHE N, PRADON D, et al

Variations in kinematics during clinical gait analysis in stroke patients

[J]. Plos One, 2013, 8 (6): 1- 9

[本文引用: 1]

KAWAMOTO H, KAMIBAYASHI K, NAKATA Y, et al

Pilot study of locomotion improvement using hybrid assistive limb in chronic stroke patients

[J]. BMC Neurology, 2013, 13 (1): 141- 148

DOI:10.1186/1471-2377-13-141     

穆光宗

我国机构养老发展的困境与对策

[J]. 华中师范大学学报人文社会科学版, 2012, 51 (2): 31- 38

[本文引用: 1]

MU Guang-zong

The difficulties and countermeasures of institutional pension development in China

[J]. Journal of Huazhong Normal University: Humanities and Social Sciences, 2012, 51 (2): 31- 38

[本文引用: 1]

秦涛, 张立勋

考虑跖趾关节运动的踏板式步行康复机器人运动规划

[J]. 机器人, 2014, 36 (3): 330- 336

[本文引用: 1]

QIN Tao, ZHANG Li-xun

Motion planning of a footpad-type walking rehabilition robot considering motion of metatarsophalangeal joint

[J]. Robot, 2014, 36 (3): 330- 336

[本文引用: 1]

徐国政, 宋爱国, 高翔

基于混杂理论的机器人辅助康复治疗控制方法

[J]. 机器人, 2014, 36 (6): 641- 646

[本文引用: 1]

XU Guo-zheng, SONG Ai-guo, GAO Xiang

Therapeutic control method for robotic-aided rehabilitation training based on hybrid theory

[J]. Robot, 2014, 36 (6): 641- 646

[本文引用: 1]

SHIBENDU S R, DILIP K P

Kinematics, dynamics and power consumption analyses for turning motion of a six-legged robot

[J]. Journal of Intelligent and Robotic Systems, 2014, 74 (3/4): 663- 688

[本文引用: 1]

魏小东, 孟青云, 喻洪流, 等

下肢外骨骼机器人研究进展

[J]. 中国康复医学杂志, 2019, 34 (4): 491- 495

DOI:10.3969/j.issn.1001-1242.2019.04.025      [本文引用: 1]

WEI Xiao-dong, MENG qing-yun, YU Hong-liu, et al

Research progress of lower limb exoskeleton robot

[J]. Chinese Journal of Rehabilitation Medicine, 2019, 34 (4): 491- 495

DOI:10.3969/j.issn.1001-1242.2019.04.025      [本文引用: 1]

KAWAMOTO H. Power assist method for HAL-3 using EMG-based feedback controller [C]// IEEE International Conference on Systems, Man and Cybernetics. Manchester: IEEE, 2003: 1648-1653.

[本文引用: 1]

VAN A, EKKELENKAMP R, VENEMAN J F, et al. Selective control of a subtask of walking in arobotic gait trainer (LOPES) [C]// IEEE 10th International Conference on Rehabilitation Robotics. Noordwijk: IEEE, 2007: 841-848.

[本文引用: 1]

范伯骞. 液压驱动下肢外骨骼机器人关键技术研究[D]. 杭州: 浙江大学, 2017.

[本文引用: 1]

FAN Bo-qian. Research on the key technologies of the hydraulic lower limb exoskeleton robot [D]. Hangzhou: Zhejiang University, 2017.

[本文引用: 1]

麻天照. 下肢外骨骼康复机器人控制系统设计与研究[D]. 成都: 电子科技大学, 2015.

[本文引用: 1]

MA Tian-zhao. Research and design on control system of an lower limb rehabilitation robot [D]. Chendu: University of Electronic Science and Technology of China, 2015.

[本文引用: 1]

GUO B J, HAN J H, LI X P, et al

A wearable somatosensory teaching device with adjustable operating force for gait rehabilitation training robot

[J]. Advances in Mechanical Engineering, 2017, 9 (10): 1- 14

[本文引用: 1]

LIU F Y, LU C Y, HE L

Design and motion analysis of lower limbs in modular nursing bed

[J]. Journal of Engineering Design, 2014, 21 (6): 583- 588

[本文引用: 1]

汪步云, 王月朋, 梁艺, 等

下肢外骨骼助力机器人关节驱动设计及试验分析

[J]. 机械工程学报, 2019, 55 (23): 55- 66

[本文引用: 1]

WANG Bu-yun, WANG Yue-peng, LIANG Yi, et al

Design on articular motion and servo driving with experimental analysis for lower limb exoskeleton robot

[J]. Journal of Mechanical Engineering, 2019, 55 (23): 55- 66

[本文引用: 1]

LI W D, ZHANG H J, LI J, et al. An evaluation method of wearing comfort for exoskeleton robots [C]// IEEE International Conference on Robotics and Biomimetics. Kuala Lumpur: IEEE, 2018: 2439-2443.

[本文引用: 1]

LI W D, LI J, LI X, et al. Development of a parameter adaptation robot for lower limb rehabilitation [C]// IEEE International Conference on Cybernetics and Intelligent Systems and IEEE Conference on Robotics, Automation and Mechatronics. Bangkok: IEEE, 2019: 7-11.

[本文引用: 1]

ZHU Q H, CHEN Z L, LI W D, et al. Structure design and analysis of compliant human-machine interface mechanism for exoskeletons [C]// IEEE International Conference on Advanced Robotics and its Social Impacts. Austin: IEEE, 2017.

[本文引用: 1]

PENG L, HOU Z G, WANG W Q. Dynamic modeling and control of a parallel upper-limb rehabilitation robot [C]// IEEE/RAS-EMBS International Conference on Rehabilitation Robotics. Piscataway: IEEE, 2015: 532-537.

[本文引用: 1]

史小华, 王洪波, 孙利, 等

外骨骼型下肢康复机器人结构设计与动力学分析

[J]. 机械工程学报, 2014, 50 (3): 41- 48

DOI:10.3901/JME.2014.03.041      [本文引用: 1]

SHI Xiao-hua, WANG Hong-bo, SUN Li, et al

Design and dynamic analysis of an exoskeletal lower limbs rehabilitation robot

[J]. Journal of Mechanical Engineering, 2014, 50 (3): 41- 48

DOI:10.3901/JME.2014.03.041      [本文引用: 1]

张浩杰. 一种误差自适应的欠驱动康复训练机器人的研究[D]. 苏州: 苏州大学. 2019.

[本文引用: 2]

ZHANG Hao-jie. Research on an error adaptive under-actuated rehabilitation training robot [D]. Suzhou: Soochow University, 2019.

[本文引用: 2]

SCHMIDT H, HESSE S, BERNHARD R, et al

HapticWalker: a novel haptic foot device

[J]. ACM Transactions on Applied Perception, 2005, 2 (2): 166- 180

DOI:10.1145/1060581.1060589      [本文引用: 1]

MARIANNE S, CARMEN K, FRIEDEMANN M, et al

Comparison of orthostatic reactions of patients still unconscious within the first three months of brain injury on a tilt table with and without integrated stepping

[J]. Clinical Rehabilitation, 2008, 22: 1034- 1041

DOI:10.1177/0269215508092821      [本文引用: 1]

HIDLER J, WISMAN W, NECKEL N

Kinematic trajectories while walking within the lokomat robotic gait-orthosis

[J]. Clinical Biomechanics, 2008, 23 (10): 1251- 1259

DOI:10.1016/j.clinbiomech.2008.08.004      [本文引用: 1]

张浩杰, 李伟达, 李娟, 等

一种个体自适应康复训练机器人机构的研究

[J]. 机械与电子, 2019, 37 (3): 72- 75

DOI:10.3969/j.issn.1001-2257.2019.03.017      [本文引用: 1]

ZHANG Hao-jie, LI Wei-da, LI Juan, et al

Research on an individual adaptive rehabilitation training robot mechanism

[J]. Machinery and Electronics, 2019, 37 (3): 72- 75

DOI:10.3969/j.issn.1001-2257.2019.03.017      [本文引用: 1]

/