可穿戴外骨骼机器人运动参数采集系统的研制文献综述

文献综述（或调研报告）：

1.引言

随着科学技术的发展和人均寿命的增加，以及人口老龄化的加剧，运动功能障碍患者的比例正在逐年增加。许多老年人由于中风而导致偏瘫，再加上交通事故等意外灾害造成的肢体致残行走不便，针对这类人群的关爱和康复训练成为值得关注的社会问题。而考虑到具有经验的康复医师相对于患者群体而言人数少，成本高，治疗场地和时间受限等原因，康复外骨骼机器人在这一领域具有很大应用价值。外骨骼机器人是一种可以模仿生物界外骨骼的新型机电设备，同时也是复杂的高精度机器人，这项技术涉及控制理论、机器人学、人体工程学、传感器技术、信息融合和移动计算等多种学科^[1][2]。外骨骼机器人按照功能可分为两类，一类是负重外骨骼机器人，可以减轻脚底承受的重力，增强健康使用者的负重能力；另一类是康复用外骨骼机器人，主要应用于医疗领域，对患者进行康复训练，具有自适应性，能识别使用者的行走意图并辅助行走^[2][3]。临床研究表明，康复外骨骼驱动患者肢体运动可以增加运动神经的可塑性，有利于将传入和传出途径重新连接，以诱导神经进行重新布线^[4]。为了达到良好的人机交互性，需要对运动参数进行采集以识别步态，分析和预测使用者的运动意图，制定合适的控制策略。完善的外骨骼机器人行走运动参数采集与分析系统对于推动康复外骨骼技术以及机器人技术的发展具有重要价值。

2.运动参数

人体行走时上肢的重复运动和下肢肢体在生物力学上是相关的,在正常的步态中，手臂摆动产生的角动量与两腿摆动的角动量方向相反，从而使人体保持稳定^[5]。对于神经运动控制单元或肌肉受损的患者来说，通常会出现非正常的步态模式。外骨骼机器人需要采集行走过程中的运动参数以诊断步态异常，判断人体运动趋势，并作出相应的调整。其中两个重要的定量指标包括，目标关节的运动信息，力和力矩信息。建立人体模型，将上肢建模为一个集中质量，下肢包含髋关节、膝关节、踝关节及其连接部分。运动信息指各关节的位置、速度和加速度信息；力和力矩信息指关节的内力和力矩，以及外部由环境作用的地面接触力^[6]。

3.国内外研究现状

1. 国外研究现状

1890年，俄罗斯人Yagn设计出了世界上第一个可以增强跑跳能力的下肢外骨骼机器人—Assisted-walking Device^[7]。美国通用电气公司于1965年与康奈尔大学共同研制了全身外骨骼试验样机Hardiman^[8]，由30个液压电源和伺服铰链组成。21世纪以来，康复外骨骼机器人在医疗领域逐渐取得成果，代替传统的康复训练器械，部分可穿戴外骨骼机器人已经市场化^[1]。

日本筑波大学研发出的可穿戴下肢外骨骼机器人HAL(混合辅助肢体)自重 23 kg，其结构包括电池、电动机、控制器、肌电传感器、地面反作用力传感器、角度/加速度传感器等六个部分。HAL 的特点在于自主控制系统和具有生物意识的控制系统，使用传感器采集使用者的生物电位信号，进行下肢关节力矩计算，判断人体运动意图，计算机储存的动作模型可以记忆助力动作^[9]。加州大学伯克利分校开发了外骨骼机器人BLEEX，由燃料供应和发动机系统、控制和检测系统、液压传动系统和外骨骼机构组成。BLEEX的传感器系统包括测量机器人的联合力量和四肢倾向的倾角计和力传感器,测量足底压力分布的足底传感器和用来测量重心和上半身的倾向的陀螺仪^[22]。以色列 RWLK公司设计的可穿戴下肢外骨骼机器人 ReWalk作为第一批医学外骨骼，针对的目标人群为脊髓损伤患者，自重 20 kg。机器人与使用者通过挂绳和绑带连接，在人体行走时，人体信息通过腕部传感技术和体感技术传送给便携计算机控制系统，用以判断步态，同时控制外骨骼机器人以改进步速与步态配合人体^[10]。由荷兰特温特大学开发的外骨骼机器人MindWalker可以辅助截瘫患者进行舒适的行走，其重量为 28 kg。它的控制系统具有多控制策略，可以将操作者运动时的步态循环定义为多个“阶段”，由于操作者运动时身体的前倾或侧倾会改变人体的重心，通过重心的变化进行控制，同时使用编码器、陀螺仪和重力传感器等来检测控制是否准确^[11]。2019年，西班牙马德里 Technaid 公司推出了框架灵活，自重更轻的可穿戴下肢外骨骼机器人 Exo-H3，仅重 14 kg。它可以使用 Wi-Fi和蓝牙通信功能，通过智能手机软件控制机器人的动作和步行速度，采用开放式结构，允许对算法进行更改，可以应用不同的控制策略满足不同患者的需求^[12]。

在运动信息的采集方面，通常使用人体运动捕捉系统(HMCS)，包含基于视觉传感器的人体运动捕捉系统(V-HMCS)和基于位置传感器的人体运动捕捉系统(P-HMCS)。前者使用摄像头和反光镜跟踪人体运动并在三维空间中进行重建，但只受限于室内^[13]。后者使用编码器和IMU等位置传感器，由于重力和平移加速度已知，可以利用加速度计测量肢体角度^[14]，通过编码器直接测量关节的角位置，通过 2 轴加速度计间接计算肢体的角加速度^[15]。Kan K等提出了一种运动传感与人关节力矩估计相结合的系统，可以提供全面的信息有利于进行步态异常诊断。使用P-HMCS，传感器测量人体关节角位置、角速度、角加速度和地面接触力，建立人体行走运动方程，并用逆动态方法实现人关节力矩估计^[6]。M.S. Al-Quraishi等介绍了使用四通道肌电图（EMG）进行信号采集的方法，采集踝关节运动期间下肢肌肉的EMG信号，对记录的信号进行处理和统计，可以低成本实现踝关节运动分析^[16]。

1. 国内研究现状

在可穿戴下肢外骨骼机器人领域我国的研究开始较晚，2004年第一台实体样机WPAL由中国科学院智能机械研究所开发，其传感器系统包括用于获取人体运动位置和速度信息的电机码盘，获取人机交互力信息和步态信息的腿部及脚底力传感器，对速度-力模型改进以实现柔顺控制^[17]。2007年，邓等提出了依靠人机交互作用来实时捕获人体运动信息的外骨骼机器人，其构造了一种基于CAN总线的局域网，该局域网用于获取人体下肢的运动信息^[23]。2011年，郑成闻提出了基于柔性双足的足底压力分布信息获取系统，对运动过程中足底压力分布信息变化定性分析，实现了基于足底压力分布的步态识别，但由于未提出除足底压力以外的定量生理数据，无法实现足底压力与关节运动之间的精确建模^[18]。2013年，浙江大学高增桂等提出一套基于足底压力和膝关节角度测量的步态数据获取系统（GDS），通过基因表达式编程建立膝关节运动识别模型^[19]。马徐峰等提出了一种基于 STM32 ARM Cortex-M3 内核单片机等技术的辅助行走外骨骼机器人系统，依靠检测到的使用者的脚底压力数值以及两大小腿与竖直方向夹角的变化判断人体所处的运动状态，进行意图识别和协调控制^[3]。耿艳利等使用 VICON 光学人体三维运动捕捉系统采集平地行走人体下肢髋、膝、踝关节的运动信息，通过 Solidworks 建立人体下肢 3D 模型进行下肢运动学仿真得到速度和加速度信息，再利用Matlab建模进行力学分析^[20]。2016年，杜等提出了以人体下肢运动特点和肌肉功能特点作为设计外骨骼机器人的原则，避免过载和瞬间振动造成器官损伤，通过高频采样相机捕捉人体标记重建人体运动，计算驱动运动的肌肉活动和肌肉力量，以此进行仿生外骨骼设计增加关节运动平滑度，促进了外骨骼的拟人化和人机匹配^[21]。2017年，姚等设计并实现了一套测量足底压力与关节角度数据的数据采集系统，包含微处理器、足底压力传感器、角度传感器、信号调理模块以及数据存储模块，能实现步态数据的自动解算、采集和存储，但没有提出相匹配的算法实现步态识别^[24]。