基于sEMG的柔性下肢外骨骼协同控制方法研究

作     者：邓福铃 

作者单位：重庆交通大学 

学位级别：硕士

导师姓名：殷时蓉

授予年度：2024年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 10[医学] 

主      题：康复下肢外骨骼 气动肌肉 表面肌电信号 KPCA-LSTM模型 协同控制 

摘      要：随着人口老龄化的加剧和各种运动损伤的增加,康复医学在医疗领域中的地位日益突出。医用康复外骨骼机器人作为康复医学与机器人技术的完美结合,广泛应用于康复医疗,相比传统康复训练,其对于提高康复效率、减少医护人员的负担、降低康复过程的风险有着不可忽视的作用。目前市场上大多数医疗康复外骨骼机器人采用电机驱动,为康复初期的患者提供被动助力。在这一阶段,由于患者肌力较弱,外骨骼起到引导作用,带动患者按照设定的轨迹进行运动。然而,康复后期患者肌力逐渐恢复,患者会主动地参与训练。在这种情况下,患者与外骨骼之间可能会产生较大的耦合力,而传统的电机驱动由于其强刚性,有可能在训练中对患者造成意外伤害。针对康复后期患者的特殊需求,本文设计了一种柔性外骨骼协同控制系统。通过将柔性驱动器—气动肌肉与人体运动意图识别技术—表面肌电信号相结合,使外骨骼更加柔和、自然地与患者的运动相协调,减少不必要的耦合力,降低二次伤害的风险,具体研究内容如下: 首先,设计气动肌肉驱动的康复外骨骼机器人。依据人体下肢运动机理及关节角度特性出发完成外骨骼的整体结构设计,并对结构进行运动学与动力学分析,搭建Adams虚拟仿真平台,对建立的动力学模型进行验证,证明外骨骼设计可行。 其次,提出KPCA-LSTM网络模型对下肢关节角度进行预测。采集的表面肌电信号(s EMG)通过预处理后,提取时域特征值,通过核主成分分析(KPCA)与长短期记忆神经网络(LSTM)建立特征值与下肢关节转角之间的映射关系模型。将模型与径向基神经网络(RBF)、反向传播神经网络(BP)和不结合KPCA的LSTM神经网络做出对比,证明KPCA-LSTM的神经网络角度预测精度更高,时间更短。 然后,建立气动肌肉的三元素模型,并提出基于模糊补偿的鲁棒自适应模糊滑模控制算法对气动肌肉关节进行控制。针对不同型号气动肌肉建模误差较大,采用实验方法建立所选气动肌肉的三元素模型。同时,气动肌肉本身的非线性和人机之间的耦合力等因素造成的外加干扰使得关节角度控制精度低,稳定性差。因此,设计针对非线性系统和外加干扰的模糊补偿的鲁棒自适应模糊滑模控制器,通过与传统非线性控制器滑模控制作对比其有效抑制了高频抖动和迟滞现象,并增强了系统的鲁棒性和稳定性,控制效果有明显提升。 最后,搭建协同运动控制实验平台,包括肌电数据采集系统、运动控制系统、驱动系统,PC上位机控制系统。完成从肌电采集到角度预测到控制输出一体的主动控制实验,最后结果表明KPCA-LSTM算法在预测关节角度方面具有较高的准确性和可行性,外骨骼控制器轨迹跟踪平均误差较小,整个系统具有可行性。