浙江大学学报(工学版), 2024, 58(7): 1479-1487 doi: 10.3785/j.issn.1008-973X.2024.07.017

机械工程、能源工程

抗阻式颈部康复机器人系统设计

黄松林,, 郑秀娟, 谭笑月, 胡兴, 涂海燕,, 李康

1. 四川大学 电气工程学院,四川 成都 610065

2. 四川大学 信息与自动化技术四川省高校重点实验室,四川 成都 610065

3. 四川大学 机械工程学院,四川 成都 610065

4. 四川大学 华西医院生物医学大数据中心,四川 成都 610041

Design of resistance neck rehabilitation robot system

HUANG Songlin,, ZHENG Xiujuan, TAN Xiaoyue, HU Xing, TU Haiyan,, LI Kang

1. College of Electrical Engineering, Sichuan University, Chengdu 610065, China

2. Key Laboratory of Information and Automation Technology of Sichuan Province, Sichuan University, Chengdu 610065, China

3. School of Mechanical Engineering, Sichuan University, Chengdu 610065, China

4. West China Biomedical Big Data Center, West China Hospital, Sichuan University, Chengdu 610041, China

通讯作者: 涂海燕,女,副教授. orcid.org/0000-0001-7909-465X. E-mail:haiyantu@163.com

收稿日期: 2023-10-31  

基金资助: 国家自然科学基金重大研究计划集成项目(92248304).

Received: 2023-10-31  

Fund supported: 国家自然科学基金重大研究计划集成项目(92248304).

作者简介 About authors

黄松林(1998—),男,硕士生,从事康复机器人研究.orcid.org/0009-0009-4089-1702.E-mail:hslhuangsonglin@126.com , E-mail:hslhuangsonglin@126.com

摘要

已有颈部康复设备负载精度差且负载调节时间长,为此基于抗阻康复训练治疗理论设计新的颈部康复机器人系统. 设计机械结构,使电机输出的拉力转换成颈部的抗阻负载. 将控制系统分为控制模块与算法模块,提高系统的流畅性和稳定性. 利用磁场定向控制算法实现电机力矩的精准控制,为颈部康复训练提供稳定可控的拉力. 设置拉力传感器和姿态陀螺仪传感器,防止使用者头颈部姿态错误或未知事故. 统计10名受试者使用所设计系统进行颈部康复训练的评估参数,并对统计结果进行分析. 仿真测试显示,磁场定向控制算法能够提高负载精度并缩短调节时间;负载测试与仿真测试结果的一致性验证了控制方案的可行性. 系统性能测试表明,所设计的颈部康复机器人的拉力控制误差不超过0.59 N,响应速度为0.53 s,达到临床使用标准.

关键词: 永磁同步电机 ; 磁场定向控制 ; 抗阻训练 ; 传感器 ; 康复机器人

Abstract

A new neck rehabilitation robot system was designed based on the theory of resistance rehabilitation training, as the existing rehabilitation devices with poor load accuracy and long load adjustment time. The newly designed mechanical structure converted the motor output tension into a neck resistance load, and the control system was divided into a control module and an algorithmic module to improve the system’s fluidity and stability. The magnetic field-oriented control algorithm was used to achieve precise control of the motor torque, providing a stable and controllable tension for neck rehabilitation training. Force sensors and posture gyroscopes were set up to prevent users form incorrect head and neck postures or unforeseen accidents. Assessment parameters of 10 subjects using the system for rehabilitation training were counted and the statistical results were analyzed. Simulation tests show that the magnetic field-oriented control algorithm improves the load accuracy and reduces the adjustment time. The consistency between the load testing results and the simulation results confirms the feasibility of the control scheme. The system performance tests indicated that the neck rehabilitation robot had a tension control error within 0.59 N and a response speed of 0.53 s, which meeting the standard for clinical use.

Keywords: permanent magnet synchronous motor ; field oriented control ; resistance training ; sensor ; rehabilitation robot

PDF (2302KB) 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

黄松林, 郑秀娟, 谭笑月, 胡兴, 涂海燕, 李康. 抗阻式颈部康复机器人系统设计. 浙江大学学报(工学版)[J], 2024, 58(7): 1479-1487 doi:10.3785/j.issn.1008-973X.2024.07.017

HUANG Songlin, ZHENG Xiujuan, TAN Xiaoyue, HU Xing, TU Haiyan, LI Kang. Design of resistance neck rehabilitation robot system. Journal of Zhejiang University(Engineering Science)[J], 2024, 58(7): 1479-1487 doi:10.3785/j.issn.1008-973X.2024.07.017

颈部损伤包括颈椎疼痛、颈椎间盘突出、颈椎退行性病变等[1-2],严重影响患者的生活质量. 人类长时间低头、久坐不动、缺乏运动、不良的姿势使颈椎持续受压,颈椎病已成为全球范围的健康问题[3-4].对颈部肌肉进行渐进式抗阻训练能够有效缓解颈椎病带来的各种僵硬和疼痛症状[5-7]. 抗阻训练的理念是通过拉伸颈部韧带来增强颈椎的稳定性,从而缓解颈椎疼痛[8]. 30名患有慢性颈部和肩部疼痛的女性上班族参加每天2 min为期10周的高强度弹性阻力训练,她们的肌肉力量提高6%,她们的颈肩疼痛强度较对照组的明显降低40%[9]. 8名男性在完成为期8周每周3次的颈部侧屈训练后,计算机断层扫描评估的结果显示,抗阻训练能显著增强颈部肌肉力量,并降低颈部浅层肌肉的易疲劳性[10].

康复机器人作为新型康复辅助工具[11],其设计开发须融合机械、电子、人工智能和康复医学等多学科知识[12],旨在帮助患者进行康复训练,促进患者的康复. 康复机器人的开发应用还能够弥补康复治疗师人力短缺的问题[13]. 王鑫晨等[14]开发的便捷式悬垂锻炼架由套头帽、负载架和头枕架组成,该设备通过调节砝码来调整训练负载,用于颈椎抗阻训练. 张立雄[15]开发的颈椎牵引设备包括头套、步进电机和牵引绳,该设备通过控制步进电机旋转角来控制牵引拉力. Wang等[16]开发的自主式颈部阻力训练装置以可调节强度的空气弹簧提供颈部伸展活动所需的阻力. 这些设备大多缺乏监控反馈,患者自主训练的可行性较低[17]. 合适的训练负载须在使用者进行最佳负载评估测试后才能确定,设备的负载装卸为人工或半自动方式,针对不同个体调整训练负载和训练方案的时间长. 此外,配重块负载的档位有限,不能连续变化,不仅直接影响训练的负载精度,还影响细粒度康复训练方案的定制.

针对上述问题,本研究设计新型的抗阻式颈部康复机器人系统,采用永磁同步电机磁场定向控制(field oriented control, FOC)方案来实现连续变化并且快速适应不同康复训练者的负载调节机制. 采用FOC算法控制电机力矩以提供训练负载能够提高个性化训练的效率和便利性,降低训练门槛. 所提系统配备姿态和拉力传感器,可以实时显示使用者的头部姿态和拉力信息,对训练动作是否标准予以实时提示. 为系统配备人机交互屏幕,向使用者提供训练流程,指导训练动作有效执行以提高康复训练的有效性.

1. 方 法

图1所示,人体颈椎具有3个运动轴,分别是冠状轴、矢状轴和垂直轴. 运动时,颈椎具有6个自由度,包括3个角位移和3个线位移[18]. 3个线位移分别是沿冠状轴方向的左右平移、沿矢状轴方向的前后平移和沿垂直轴方向的压缩拉伸位移. 3个角位移是围绕3个运动轴的旋转,包括屈伸运动、侧屈运动、旋转运动. 在正常情况下,人体头颈部能够完成的所有运动均由这3种角位移及其复合运动组成. 不同的颈部训练动作锻炼不同的肌肉群[19]. 以侧屈抗阻训练为例,当患者进行一侧的侧屈训练时,另一侧会产生反向的抗阻拉力,从而锻炼斜角肌和肩胛提肌. 斜角肌和肩胛提肌位于颈椎侧方,连接第一、二肋骨和肩胛骨[20]. 抗阻训练的动作幅度可作为颈部康复的指标,如果使用者在多次康复训练后能够在同样的负载拉力下稳定地达到训练动作幅度目标,表示颈部肌肉得到有效治疗[21].

图 1

图 1   颈椎关节运动示意图

Fig.1   Schematic diagram of cervical joint movement


本研究设计的康复机器人系统包括4个部分:机械结构设计、控制系统设计、算法设计和软件设计. 机械结构设计的目标是将电机输出的负载拉力应用于颈部,以完成颈部抗阻训练. 控制系统设计的目标是根据系统需求来部署控制方案和选择硬件. 算法设计的目标是实现电机的FOC位置和电流双环控制,以提供可变的负载拉力供抗阻训练. 软件设计的目标是控制整个系统的流程.

1.1. 机械结构设计

图2所示,颈部康复机器人系统的机械结构由定位滑轮、卷线滑轮、胀紧套、扭矩传动轴、永磁同步电机、磁编码器、U形钣金件和固定圆柱底座组成. 电机输出的负载拉力部署在颈部;编码器与永磁同步电机通过U形钣金件固定,并由此将电机输出的扭矩传给扭矩传动轴;胀紧套连接扭矩传动轴和卷线滑轮,将电机输出的扭矩传送至卷线滑轮上. 扭矩和拉力的转换式为

图 2

图 2   颈部康复机器人系统的机械结构图

Fig.2   Mechanical structure diagram of neck rehabilitation robot system


$ T={K}\times {I}_{{q}}=F\times R. $
(1)

式中:T为电机输出扭矩,K为电机扭矩常数,$ {I}_{{q}} $为电机q轴转矩电流,F为拉力,R为卷线滑轮的半径. 由式(1)得到的拉力通过牵引绳与定滑轮连接转为训练所需的负载拉力. 训练时,拉动与训练帽相连的牵引绳,牵引绳通过定滑轮使卷线滑轮偏离起始位置,此时电机迅速输出设定的反向负载拉力. 这个负载拉力从扭矩传动轴传输至牵引绳,实现对颈部的抗阻训练. 牵引绳上的拉力传感器实时检测颈部的实际拉力,训练帽上的姿态传感器检测头颈部的姿态变化.

1.2. 控制系统设计

颈部康复机器人的控制系统总体方案框架以及模块的功能和数据流关系如图3所示. 该控制系统可以实现颈部康复机器人的精准控制和训练状态数据的实时反馈,提升康复训练的效果和个性化程度. 系统控制模块包括姿态传感器(九轴陀螺仪JY901S)、拉力传感器(DYMH-113)和STM32F103控制芯片. 姿态传感器和拉力传感器用于训练状态感知,它们采集的拉力数据和头颈部姿态数据传输给STM32F103控制芯片进行数据解析,并将处理后的数据通过异步收发传输器(universal asynchronous receiver/transmitter, UART)传送给串口屏,实现数据显示. 电机控制模块中的STM32F405芯片获取磁编码器数据和电机三相电流数据,用于更新永磁同步电机的状态信息,STM32F405芯片内包含单精度浮点运算单元(floating point unit, FPU),能够更高效地执行FOC算法,完成实时位置和电流控制计算,实现精准的电机控制. 系统控制模块中STM32F103芯片负责系统的整体调度和协调,包括人机交互、传感器数据处理和状态监测等任务. 通过控制板和驱动板的分离设计,将计算密集的任务和系统调度任务分配到不同的芯片上,能够更好地提升系统的稳定性、实时性和可靠性,实现颈部康复机器人的高效控制和精准运动.

图 3

图 3   控制系统总体框架

Fig.3   Overall framework of control system


1.3. 算法设计

FOC算法旨在实现对电机的精确控制,核心是将电机的转子磁场与定子磁场解耦,使得转子磁场始终与定子磁场保持相对稳定的相对位置关系. 如图4所示,通过电流采样将电机的三相电流$ {I}_{{a}} $$ {I}_{{b}} $$ {I}_{{c}} $由克拉克变换得到$ {I}_{\mathrm{\alpha }} $$ {I}_{\mathrm{\beta }} $后,经过帕克变换得到磁场电流$ {I}_{{d}} $和转矩电流$ {I}_{{q}} $;利用比例积分微分(proportion integration differentiation, PID)和空间矢量脉宽调制(space vector pules width modulation, SVPWM)算法调节磁场电流和转矩电流进行,实现对电机位置和电流的精确控制[22]. 图中,${\theta _{\mathrm{i}}} $为电机的设定旋转位置角,${\theta _{\mathrm{f}}} $为电机的实际旋转位置角. 系统FOC算法目的是精准控制电机旋转位置角和转矩电流,只有当位置环存在误差时,电机才会转动并输出扭矩以调整到预设位置,拖动电机输出扭矩的过程中,无需精确控制电机的转速,因此颈部康复机器人系统引入位置和电流双环的FOC算法. 该算法只使用由位置和电流组成的双环进行位置控制,避免了由速度环节引起的误差. 考虑到速度即位置的微分,FOC算法框架在位置环中使用完整的PID控制,使位置控制的震荡减少也加快了收敛速度.

图 4

图 4   双环磁场定向控制算法的框架

Fig.4   Framework of double-loop field oriented control algorithm


1.4. 软件设计

主控软件负责整个系统的应用逻辑,包括触摸屏通信、姿态陀螺仪传感器数据读取、拉力传感器信号模数转换,还包括通过控制器局域网(controller area network, CAN)协议向电机FOC驱动板发送拉力指令等. 系统程序设计使用模块化设计思路,完成对应模块功能编写后,在线程中调用相应模块. 主控软件流程如图5所示,当使用者通过触摸屏设定训练拉力大小后,通过UART将设置的参数信息发给主控芯片,主控芯片再通过CAN通信协议将所需参数传给电机驱动板,完成电机控制. 进行康复训练时,主控芯片实时读取姿态传感器和拉力传感器的数据,如果姿态传感器俯仰角超过设定阈值,记录为训练时头部姿态不正确,并通过人机交互显示屏进行报警提示. 当拉力传感器和姿态传感器的最大值超过使用者评估最大值的1.2倍时,传感器数据被认定为超出训练规定的异常阈值,系统通过人机交互屏幕进行提示并终止训练. 阈值判断及报警操作可以防止使用者在康复训练过程中受伤或出现头部姿态错误,降低康复训练失败的概率.

图 5

图 5   控制系统的流程图

Fig.5   Flow chart of control system


2. 实 验

2.1. 电流环仿真实验

电机扭矩常数和卷线滑轮半径是常量,由式(1)可知,拉力大小与转矩电流正相关,转矩电流稳定性决定康复训练过程中负载拉力的稳定性. 为了验证FOC算法的可行性,在Matlab中搭建电流环仿真模型如图6所示,将坐标变换和SVPWM算法封装成函数块;进行线路连接并引入PID控制器;将实际的永磁同步电机参数设置到仿真电机模块中,在输入为$ {I}_{{d}} $=0、$ {I}_{{q}} $=5时进行仿真测试,并根据虚拟示波器检测的波形得出最佳的比例参数$ {K}_{\mathrm{p}} $和积分参数$ {K}_{\mathrm{i}} $,为后续实际电机测试提供参考.

图 6

图 6   电流环仿真的原理图

Fig.6   Schematic diagram of current loop simulation


2.2. 负载测试实验

系统选用的永磁同步电机极对数为21、最大电流参数为40 A、扭矩常数为0.639 N•m/A,卷线滑轮半径为0.1 m. 在将仿真的FOC算法移植到硬件驱动板后,先进行实际电机转矩电流稳定性实验. 当电机稳定输出电流时,由式(1)得到电流下稳定的理论拉力值. 与此同时,拉力传感器读取牵引绳上拉力的实际测量值,进行拉力实测值与理论拉力值的对比实验.

2.3. 运动测试实验

在完成颈部康复机器人系统的搭建后,邀请10名志愿者参与侧屈训练测试,志愿者在本研究设计的系统下进行的实物测试如图7所示. 在正式训练之前先对每位志愿者在侧屈、旋转和屈伸3种情况下进行拉力评估. 通过测试者感受反馈及姿态传感器的数据确定每位测试者适合的负载拉力. 具体流程: 1)测量测试者在无负载拉力下的最大侧屈、旋转和屈伸幅度. 2)逐渐增加负载拉力,如果测试者能够在最大承受拉力下稳定达到最大动作幅度的80%,则将此拉力设置为该动作下的评估拉力;如果测试者在运动时不能稳定达到该动作最大幅度的80%,则降低评估拉力值. 3)评估后,根据每位志愿者的拉力评估值分别进行12次侧屈、屈伸和旋转训练. 在整个训练过程中,上位机以10 Hz的采样频率采集拉力和姿态信息.

图 7

图 7   颈部康复机器人系统原型

Fig.7   Prototype of neck rehabilitation robot system


3. 结果与讨论

3.1. 仿真实验结果

图8所示,通过坐标变换后得到的转矩电流$ {I}_{{q}} $经过PI调节稳定输出在5 A,超调较小,电流上升时间短. 仿真结果表示各参数指标达到控制要求,说明所采用的FOC算法具有可行性.

图 8

图 8   转矩电流的仿真曲线

Fig.8   Simulated curve of torque current


3.2. 负载测试结果

3.2.1. 电机电流测试

确定电机在位置环和电流环最佳PID参数后,将电机在FOC位置模式闭环运行,将转矩电流$ {I}_{{q}} $限幅在5 A条件下转动电机转子,得到$ {I}_{{q}} $曲线如图9所示. 电机的转矩电流能够稳定地保持在5 A位置,电流误差的跳动幅值不超过0.1 A. 由图可以观察到,电流上升时间约为0.5 s. 结果表明,在实际硬件平台上的电机实验在电流稳定性和响应性上均与仿真结果相似,验证了所采用的FOC算法的可行性.

图 9

图 9   转矩电流的实测曲线

Fig.9   Measured curve of torque current


3.2.2. 负载拉力测试

图10所示,对比6组在不同$ {I}_{{q}} $下理论拉力和拉力传感器的实测拉力,二者的平均绝对误差为0.59 N. 负载测试实验表明,电机输出稳定扭矩作为抗阻负载的方案在稳定度、精度和响应速度方面均表现良好,达到预期效果.

图 10

图 10   理论拉力与实测拉力关系

Fig.10   Relationship between theoretical and measured tension


3.2.3. 系统性能对比

本研究设计的颈部康复机器人系统与现有颈部康复设备进行比较. Mansell等[23-24]定义颈部康复设备负载的方法是让1.0 kg的物体从15 cm高处落下生成大约50 N的拉力,并使用拉力传感器进行验证. 这种方法无法持续提供稳定的拉力,且每次训练后都要手动重置重物高度. 王鑫晨等[14]设计的设备采用手动配重方法,通过砝码实现负载调节. 这种设定方式受到砝码档位的限制,且由于缺乏传感器反馈,负载精度高度依赖砝码分配. 手动调节配重块不仅耗时,而且操作的复杂性增加,系统的智能化水平有所降低. 张立雄等[15,21,25]提出基于力/位混合控制策略和自适应模糊PID控制的方法,以增强负载拉力的稳定性. 与手动康复设备相比,这些自动牵引设备可以通过PID调节减少稳态误差. 由于拉力输出依赖电机的旋转角,调整拉力时必须等待电机旋转到特定位置,使得调节时间被延长. 本研究提出的颈部康复机器人系统,其负载拉力直接与电机转矩电流成正比. 用户可在人机交互界面上直接设置负载,微控制器随即按照公式计算出所需的转矩电流,并进行限幅和PI调节. 这种方法无需等待电机旋转到特定位置,简化了负载调节过程,提升了响应速度,改善了用户体验.

表1所示为不同颈部康复设备的性能、参数对比结果. 表中,$ {e}_{{\mathrm{ss}}} $为在50 N负载的稳态误差,Tu为0~50 N负载的调节响应时间. 可以看出,在负载精度相似的情况下,本研究设计的机器人的负载调节响应时间明显优于自动牵引设备. 对比结果表明,本研究设计的颈部康复机器人系统在负载调节响应速度方面相较于对比设备有显著提高,同时该系统在精度和智能性上也明显优于传统的手动配重康复设备.

表 1   不同颈部康复设备的性能和参数对比结果

Tab.1  Comparison results of performance and parameter of different neck rehabilitation equipment

设备$ {e}_{{\mathrm{ss}}} $/NTu/s负载调节方式
文献[21]0.605.50电机转动调节
文献[25]0.505.00电机转动调节
文献[15]1.003.80电机转动调节
本研究0.590.53PI电流调节

新窗口打开| 下载CSV


3.3. 运动测试结果
3.3.1. 拉力评估测试分析

在拉力评估开始之前,通过人机交互界面校准姿态传感器,将当前位置的XYZ轴角初始值置为0,使得每次动作的角度峰值可以作为训练的幅度参考值. 以1位测试者侧屈运动的拉力评估为例. 在无负载条件下,该测试者的右侧屈幅度为32°. 在施加评估拉力后,测试者须达到至少25°的侧屈幅度. 如图11所示为测试者在23 N和30 N拉力下进行右侧屈时头颈部的姿态角${\theta _{{\rm{ang}}}} $. 头颈部的俯仰角变化反映使用者的下巴位置是否保持在训练的正常范围内,侧屈角的变化用于评估使用者的侧屈幅度. 可以看出,在23 N拉力下,测试者的头部俯仰角度变化始终小于3°,表明在训练过程中头部姿态保持正常,下巴位置适当;此时头部侧屈角的变化率也保持稳定. 图中侧屈角曲线的2个波峰表明,在23 N的拉力下,测试者在2次侧屈训练中均达到25°. 当拉力增加到30 N时,尽管测试者在3~4 s达到25°的侧屈幅度,头部俯仰角却发生显著变化,出现下巴上抬现象,这违背了侧屈训练的规定. 侧屈角的变化曲线显示,在2~3 s,测试者在完成第一次右侧屈后未能回到起始位置,也没有达到25°的规定侧屈幅度. 对比2次实验的数据,可以得出结论:该测试者的适宜负载拉力范围为23~30 N;拉力超过30 N,测试者在训练中保持头部姿态和侧屈幅度的能力会显著下降.

图 11

图 11   2种拉力下侧屈运动的角曲线

Fig.11   Angular curves of lateral flexion movements under two tensions


3.3.2. 受试者测试结果

表2所示为10位测试者在评估拉力$ {F}_{\mathrm{e}\mathrm{v}\mathrm{a}} $下进行的12次侧屈、旋转和屈伸动作训练的头颈部姿态角,包括均值$ {\theta }_{\mathrm{a}\mathrm{v}\mathrm{r}} $、标准差$ {\theta }_{\mathrm{s}\mathrm{t}\mathrm{d}} $和无负载拉力下的最大幅度$ {\theta }_{\mathrm{m}\mathrm{a}\mathrm{x}} $. 均值反映参与者在特定负载拉力下颈部侧屈拉伸训练的效果. 经过多次康复训练的使用者,可以通过比较这项参数在多轮训练中与最大值的差距来评估康复效果. 标准差用于评价动作稳定性,可以作为后续训练负载二次评估的参考. 以表中第一位测试者ID1为例,其侧屈、旋转、屈伸的训练曲线如图12所示. 对比训练前5组与后5组可以看出,前者显示出较高均值和较低标准差. 这表明测试者在训练过程中颈部肌肉逐渐疲劳,导致颈部侧屈拉伸幅度下降和稳定性减弱,这与已有基于经验定性的结果相似. 侧屈训练曲线显示,显著的动作幅度变化导致较大标准差,后续可以适当降低对该测试者的评估拉力. 旋转训练曲线显示,在33 N负载下测试者可稳定达到正常旋转幅度. 由于屈伸曲线显示与正常屈伸角存在差距,后续可以针对该动作进行加强训练. 医护人员可以通过使用者训练过程中拉力、幅度的统计数据评估康复训练效果,调整训练参数,为康复训练者提供个性化、有效的康复方案.

表 2   10位测试者在3种训练下的数据统计

Tab.2  Statistics of ten test subjects under three types of training

ID性别侧屈旋转屈伸
$ {F}_{\mathrm{e}\mathrm{v}\mathrm{a}} $/N$ {\theta }_{\mathrm{m}\mathrm{a}\mathrm{x}} $/(°)$ {\theta }_{\mathrm{a}\mathrm{v}\mathrm{r}} $/(°)$ {\theta }_{\mathrm{s}\mathrm{t}\mathrm{d}} $/(°)$ {F}_{\mathrm{e}\mathrm{v}\mathrm{a}} $/N$ {\theta }_{\mathrm{m}\mathrm{a}\mathrm{x}} $/(°)$ {\theta }_{\mathrm{a}\mathrm{v}\mathrm{r}} $/(°)$ {\theta }_{\mathrm{s}\mathrm{t}\mathrm{d}} $/(°)$ {F}_{\mathrm{e}\mathrm{v}\mathrm{a}} $/N$ {\theta }_{\mathrm{m}\mathrm{a}\mathrm{x}} $/(°)$ {\theta }_{\mathrm{a}\mathrm{v}\mathrm{r}} $/(°)$ {\theta }_{\mathrm{s}\mathrm{t}\mathrm{d}} $/(°)
12636.0431.0023.0923373.9967.8082.2322225.0222.2321.749
22340.7833.5434.5032768.5365.7220.9573141.7638.4512.512
33528.6123.9143.0654262.5759.8452.6743337.5434.5252.879
41833.4230.6951.9091872.5370.5331.3412333.3532.4840.748
53026.3022.9621.4143766.5464.2571.8963243.5439.5884.547
62331.2028.5431.6272056.5452.3642.5492739.5437.0241.243
71536.0933.5182.3301878.8973.5962.0351540.2538.5141.245
82825.8222.7374.4002563.1560.8751.1842536.4734.1240.974
92229.5220.9685.1163074.5170.9742.8492034.8432.1451.545
101532.5330.5501.2172068.5461.6894.9481837.9834.5223.074

新窗口打开| 下载CSV


图 12

图 12   测试者1在3种训练下的角度曲线

Fig.12   Subject 1's angular curve under three types of training


4. 结 语

本研究设计的抗阻式颈部康复器人系统结合FOC算法的优势,实现了对电机位置和电流的精准控制. 该系统代替了传统的配重块模式的抗阻训练,简化了系统硬件框架,系统的维护更便捷. 所采用的FOC算法能够提高系统的精确性和响应速度,进一步提升康复训练效果. 相比传统的抗阻训练方式,本研究设计的系统能够提供更加灵活和个性化的训练方案;拉力和姿态的实时监测能够有效地辅助指导使用者进行更精准、科学的康复训练并及时获得反馈指导. 未来计划1)配合更具趣味性和个性化的人机交互方式进行康复训练以提高患者的参与度和积极性;2)加入临床试验,验证该系统对颈部康复治疗的有效性.

参考文献

梁龙. 颈椎康复操对神经根型颈椎病的干预作用及机制研究[D]. 北京: 中国中医科学院, 2020.

[本文引用: 1]

LIANG long. The study on the effect and mechanism of cervical rehabilitation exercise for cervical radiculopathy [D]. Beijing: China Academy of Chinese Medical Sciences, 2020.

[本文引用: 1]

ALAGINGI N K

Chronic neck pain and postural rehabilitation: a literature review

[J]. Journal of Bodywork and Movement Therapies, 2022, 32: 201- 206

DOI:10.1016/j.jbmt.2022.04.017      [本文引用: 1]

贺石生, 方凡夫

颈椎病牵引治疗专家共识

[J]. 中国脊柱脊髓杂志, 2020, 30 (12): 1136- 1143

DOI:10.3969/j.issn.1004-406X.2020.12.13      [本文引用: 1]

HE Shisheng, FANG Fanfu

Expert consensus on traction treatment of cervical spondylosis

[J]. Chinese Journal of Spine and Spinal Cord, 2020, 30 (12): 1136- 1143

DOI:10.3969/j.issn.1004-406X.2020.12.13      [本文引用: 1]

李翔, 佟剑平

颈椎病本体感觉康复治疗进展

[J]. 中国康复医学杂志, 2020, 35 (6): 763- 767

DOI:10.3969/j.issn.1001-1242.2020.06.026      [本文引用: 1]

LI Xiang, TONG Jianping

Progress in proprioceptive rehabilitation of cervical spondylosis

[J]. Chinese Journal of Rehabilitation Medicine, 2020, 35 (6): 763- 767

DOI:10.3969/j.issn.1001-1242.2020.06.026      [本文引用: 1]

FU T WANG Y JING Q, et al

Effects of static resistance training of neck muscles on neck type cervical spondylosis with upper cross syndrome

[J]. Journal of Mechanics in Medicine and Biology, 2022, 22 (9): 2240057

DOI:10.1142/S0219519422400577      [本文引用: 1]

梁邱, 杨静怡, 戈岩蕾, 等

肌内效贴联合渐进式抗阻肌力训练治疗肩峰下撞击综合征的临床疗效观察

[J]. 华西医学, 2019, 34 (7): 801- 806

LIANG Qiu, YANG Jingyi, GE Yanlei, et al

Kinesio tape combined with progressive resistance training in the treatment of subacromial impingement syndrome

[J]. West China Medical Journal, 2019, 34 (7): 801- 806

FARRELL S F, DE ZOETE R M J, CABOT P J, et al

Systemic inflammatory markers in neck pain: a systematic review with meta-analysis

[J]. European Journal of Pain, 2020, 24 (9): 1666- 1686

DOI:10.1002/ejp.1630      [本文引用: 1]

BELAVY D L, VAN OOSTERWIJCK J, CLARKSON M, et al

Pain sensitivity is reduced by exercise training: evidence from a systematic review and meta-analysis

[J]. Neuroscience and Biobehavioral Reviews, 2021, 120: 100- 108

DOI:10.1016/j.neubiorev.2020.11.012      [本文引用: 1]

LIDEGAARD M, JENSEN R B, ANDERSEN C H, et al

Effect of brief daily resistance training on occupational neck/shoulder muscle activity in office workers with chronic pain: randomized controlled trial

[J]. BioMed Research International, 2013, 2013: 262386

[本文引用: 1]

PORTERO P, BIGARD A X, GAMET D, et al

Effects of resistance training in humans on neck muscle performance, and electromyogram power spectrum changes

[J]. European Journal of Applied Physiology, 2001, 84: 540- 546

DOI:10.1007/s004210100399      [本文引用: 1]

麻玉梅, 马黎娜, 郭海云, 等

智能可穿戴设备在加速康复外科中的应用综述

[J]. 医疗卫生装备, 2023, 44 (5): 102- 108

[本文引用: 1]

MA Yumei, MA Lina, GUO Haiyun, et al

Review of smart wearable device applied in enhanced recovery after surgery

[J]. Chinese Medical Equipment Journal, 2023, 44 (5): 102- 108

[本文引用: 1]

刘德斌, 王旦, 陈柏, 等

外肢体机器人研究综述

[J]. 浙江大学学报: 工学版, 2021, 55 (2): 251- 258

[本文引用: 1]

LIU Debin, WANG Dan, CHEN Bai, et al

A survey of supernumerary robotic limbs

[J]. Journal of Zhejiang University: Engineering Science, 2021, 55 (2): 251- 258

[本文引用: 1]

WANG Y, CAO J, GENG R, et al

Study on the design and control method of a wire-driven waist rehabilitation training parallel robot

[J]. Robotica, 2022, 40 (10): 3499- 3513

DOI:10.1017/S0263574722000376      [本文引用: 1]

王鑫晨, 王洪妮, 王言群

负荷可调控颈椎运动康复锻炼机的应用研究

[J]. 运动, 2018, (10): 147- 148

DOI:10.3969/j.issn.1674-151x.2018.10.077      [本文引用: 2]

WANG Xinchen, WANG Hongni, WANG Yanqun

Research on the application of load-adjustable cervical spine exercise machine

[J]. Sport, 2018, (10): 147- 148

DOI:10.3969/j.issn.1674-151x.2018.10.077      [本文引用: 2]

张立雄. 基于ARM的颈椎牵引系统的设计与实现[D]. 西安: 西安建筑科技大学, 2018.

[本文引用: 3]

ZHANG Lixiong. Design and implementation of cervical vertebra traction system based on ARM [D]. Xi’an: Xi’an University of Architecture and Technology, 2018.

[本文引用: 3]

WANG C, HU Z, JIA L, et al

Development of a rehabilitation instrument of neurological training for cervical spine

[J]. Journal of Biomedical Science and Engineering, 2022, 15 (11): 269- 279

DOI:10.4236/jbise.2022.1511024      [本文引用: 1]

郝天泽, 肖华平, 刘书海, 等

集成化智能软体机器人研究进展

[J]. 浙江大学学报: 工学版, 2021, 55 (2): 229- 243

[本文引用: 1]

HAO Tianze, XIAO Huaping, LIU Shuhai, et al

Research status of integrated intelligent soft robots

[J]. Journal of Zhejiang University: Engineering Science, 2021, 55 (2): 229- 243

[本文引用: 1]

MONTEIRO N M B, DA SILVA M P T, FOLGADO J O M G, et al

Structural analysis of the intervertebral discs adjacent to an interbody fusion using multibody dynamics and finite element cosimulation

[J]. Multibody System Dynamics, 2011, 25: 245- 270

DOI:10.1007/s11044-010-9226-7      [本文引用: 1]

吕慧, 张锦明

多自由度控制牵引治疗神经根型颈椎病的临床研究

[J]. 哈尔滨医科大学学报, 2019, 53 (2): 213- 216

DOI:10.3969/j.issn.1000-1905.2019.02.025      [本文引用: 1]

LÜ Hui, ZHANG Jinming

Treatment of cervical spondylotic radiculopathy with multi-degree freedom control traction

[J]. Journal of Harbin Medical University, 2019, 53 (2): 213- 216

DOI:10.3969/j.issn.1000-1905.2019.02.025      [本文引用: 1]

粟思橙. 基于肌肉主动力的颈部有限元建模研究[D]. 长沙: 湖南大学, 2014.

[本文引用: 1]

SU Sicheng. Finite element modeling of human neck with muscle activation [D]. Changsha: Hunan University, 2014.

[本文引用: 1]

李想. 牵引式颈椎康复机器人康复控制策略研究[D]. 哈尔滨: 哈尔滨工业大学, 2020.

[本文引用: 3]

LI Xiang. Research on rehabilitation control strategy of traction cervical spine rehabilitation robot [D]. Harbin: Harbin Institute of Technology, 2020.

[本文引用: 3]

WU X, XIONG C, YANG S, et al. A simplified space vector pulsewidth modulation scheme for three-phase cascaded H-bridge inverters [J]. IEEE Transactions on Power Electronics , 2020, 35(4): 4192–4204.

[本文引用: 1]

MANSELL J, TIERNEY R T, SITLER M R, et al

Resistance training and head-neck segment dynamic stabilization in male and female collegiate soccer players

[J]. Journal of Athletic Training, 2005, 40 (4): 310- 319

[本文引用: 1]

TIERNEY R T, SITLER M R, SWANIK C B, et al

Gender differences in head-neck segment dynamic stabilization during head acceleration

[J]. Medicine and Science in Sports and Exercise, 2005, 37 (2): 272- 279

DOI:10.1249/01.MSS.0000152734.47516.AA      [本文引用: 1]

王广欢. 精准定量颈椎康复机器人设计与实验研究[D]. 哈尔滨: 哈尔滨工业大学, 2018.

[本文引用: 2]

WANG Guanghuan. Design and experimental research of precise and quantitative cervical rehabilitation robot [D]. Harbin: Harbin Institute of Technology, 2018.

[本文引用: 2]

/