基于自適應按需輔助的上肢鏡像控制策略

李會軍 胡珊珊 宋愛國

(東南大學儀器科學與工程學院 南京 210096)

1 引言

偏癱是一種中樞神經損傷疾病，多發生于腦卒中患者，常見癥狀為肢體一側運動功能障礙和肢體疼痛等[1]。傳統治療偏癱的方法為治療師與患者一對一進行輔助康復訓練，由于患者與治療師數量的不平衡以及治療費用過于昂貴，該方法具有一定局限性。康復機器人的出現解決了上述局限性，康復機器人可以在無治療師的情況下輔助患者進行康復訓練，同時可以通過采集各項數據合理評估患者的康復狀態，以便更好地優化治療方案，具有廣闊的應用前景和發展空間。

基于康復機器人系統有多種康復療法，主要有被動療法、主動療法、鏡像療法等。其中鏡像療法(Mirror Therapy, MT)是一種基于鏡像對稱原理的康復療法，通常為偏癱患者左右兩側肢體做相互對稱的訓練動作，通過鏡像視錯覺反饋刺激大腦相應區域產生痛覺和運動感，以促進偏癱患者運動功能的重建和恢復[2,3]。鏡像療法在偏癱患者的臨床康復上應用廣泛[4-6]。Wang等人[7]提出一種基于慣性測量單元(Inertial Measurement Unit, IMU)測量系統的外骨骼上肢機器人鏡像治療方法，使用IMU檢測健肢運動軌跡，患側同步健側軌跡，有效提升了康復訓練效果；Shahbazi等人[8]提出一種由治療師根據患者康復情況制定訓練方案的鏡像訓練方法，可以適應不同康復周期的患者；瞿暢等人[9]研制了一種體感控制的鏡像康復機器人系統，使用Kinect采集健肢體態動作來控制患肢進行同步鏡像運動，具有良好的控制性能。上述鏡像訓練方法通過機器人輔助患肢，實現患肢對健肢的鏡像跟隨運動，具有一定的康復療效，然而這些方法對于患肢來說均為簡單的被動康復訓練，沒有考慮患肢的主動性能。

研究表明偏癱患者的主動性是影響其康復效果的關鍵因素之一[10,11]。Hogan等人[10]認為治療形式比治療強度更重要，患者的主動參與相比被動訓練更能提升康復效果；Warraich等人[11]認為患者的主動參與可以促進治療過程中神經可塑性和運動恢復。同時，考慮到偏癱患者在運動過程中的舒適性和安全性，康復訓練系統的抗干擾性也成為影響其康復訓練效果的關鍵因素之一[12-14]。因此研究一種可以提升患者主動與系統抗干擾性的控制策略十分必要。

阻抗控制策略通過調節力與位置之間的動態關系來控制機器人，是一種常用的機器人控制策略[15]，但傳統阻抗控制在康復機器人領域僅適用于被動模式，不利于提升患者訓練的主動性。按需輔助控制策略的主要思想是系統根據患者的實時需求提供盡量小的輔助力以幫助其完成康復訓練任務，使得系統提供的輔助力矩達到最小值，患者提供的主動力矩達到最大值[16]，從而提升患者的主動性以促進其康復效果。

因此本文提出一種基于自適應按需輔助的鏡像控制策略，將按需輔助控制策略應用于鏡像康復訓練系統，根據患肢運動狀態實時調整補償患肢運動所需輔助力，充分考慮了鏡像訓練中患肢的主動性能，在保證患肢鏡像跟隨精度的同時可以提升患者的主動性和系統的抗干擾性。設計了兩項對比實驗，對比本文方法與傳統阻抗控制方法控制性能的差異性，通過分析兩種方法的輔助力大小和鏡像跟隨誤差，驗證本文方法提升患者主動性和系統抗干擾性的效果。

2 自適應按需輔助鏡像控制策略

本文提出一種自適應按需輔助鏡像控制策略，如圖1所示，該策略主要包括鏡像控制和按需輔助控制兩個模塊。鏡像控制模塊通過視覺定位識別采集患者健側與患側手位置，基于鏡像對稱原理，由患者健側手位置計算患側手期望位置，得到患側手的運動偏差；按需輔助模塊為一種基于運動狀態評估的阻抗控制算法，運動狀態評估參數包括：患肢狀態波動率(State Fluctuation Rate, SFR)、患肢力矩偏移率(Torque Offset Rate, TOR)和機器人輔助率(Robot Assistance Rate, RAR)3個參數；機器人根據患肢運動狀態實時調節輔助力。

2.1 鏡像控制模塊

鏡像控制模塊采用視覺定位方法分別識別患肢和健肢的位置，再通過鏡像位置解算器解算出患肢的期望位置，最后輸出患肢實際位置與期望位置的偏差。鏡像位置解算器的原理為鏡像對稱原理，即

圖1 自適應按需輔助鏡像控制策略架構

2.2 按需輔助模塊

按需輔助模塊設計了一種患肢運動狀態評估方法，根據一些參數來實時評估患肢的運動狀態；基于傳統阻抗控制得到期望輔助力，根據患肢運動狀態自適應調節實際輔助力的大小。

2.2.1 運動狀態評估方法

(2)患肢力矩偏移率(Torque Offset Rate,TOR)，即

2.2.2 按需輔助控制方法

如圖1所示，按需輔助模塊的輸入量為位置偏差，經過阻抗控制器解算為機器人的期望輸出力/力矩，即

圖3 運動狀態評估框圖

3 實驗研究與分析

本文研究招募4名健康受試者，2男2女，身體健康狀況良好，無心血管等疾病，年齡為24～26歲。實驗于東南大學機器人傳感與控制技術研究所進行，受試者均簽署知情同意書。

3.1 實驗系統

基于按需輔助的上肢鏡像康復訓練方法的實驗交互系統包括機器人本體、視覺定位系統、控制箱、虛擬場景等部分。實驗現場如圖4所示，康復機器人采用并聯連桿結構和串聯菱形拉伸結構分別實現X和Y方向上的運動[19]，共2個訓練自由度，X和Y方向已標注于圖中；攝像頭安裝在桌面上方，通過檢測機器人末端和健側握把上的Apriltags進行定位；機器人末端安裝串聯手臂托架結構，同時在手部的握把上安裝有6維力傳感器，實時測量康復訓練末端與患肢的交互力。

圖4 實驗現場

虛擬場景的搭建在Unity3D平臺完成，主要目的是增加受試者訓練時的樂趣和沉浸性[20,21]。本實驗設計虛擬場景如圖5所示，場景中的X和Y方向與實驗現場桌面的X和Y方向保持對應關系。場景中主要物體有小球、寶石和障礙物，小球跟蹤受訓者患肢的運動情況，與患肢的位置坐標保持一致；寶石處設置碰撞檢測，當小球與其發生碰撞時游戲得分增加；障礙物阻礙小球運動，使小球保持直線運動。游戲開始前可以手動設置游戲時長，當游戲時長為零時游戲停止，并顯示游戲得分。

3.2 實驗方案

為驗證本文方法對于提升患者主動性和系統抗干擾性的效果，4名受試者參與本實驗。實驗過程中，受試者坐在桌子的前面，雙手分別放置的左邊的握把和右邊的患側手臂托架上面，4名受試者分為兩組，分別模擬兩種不同的康復狀態。其中，受試者A和C(1男1女)模擬患肢不穩定狀態，具體表現為：SFR>0.7，TOR>0.7；受試者B和D(1男1女)模擬患肢穩定狀態，具體表現為：SFR<0.3，TOR<0.3；以上數值均表示每次實驗過程中的平均值。

上肢在X方向的運動軌跡采用正弦軌跡，即X=sin(t)，受試者保持此軌跡進行運動，運動范圍為0～40cm，Y方向軌跡同X方向。本實驗采用對比實驗的方法，通過對比本文方法與傳統方法性能的差異來驗證本文方法對于患者主動性和系統抗干擾性的提升效果。其中，傳統方法為阻抗控制，為單純的被動訓練模式，如式(8)-式(10)所示。實驗中，傳統方法和本文方法的如下參數取值保持相同：αx取-1，αy取1，Kp取-0.45，Kd取0.24。

圖5 虛擬場景

本實驗共設計兩組對比實驗，實驗1驗證患者主動性提升效果，實驗中分別記錄兩組受試者使用兩種方法時機器人輔助力的大小，間接反映患肢的有效主動力矩大小，從而說明本文方法對于提升患者主動性的效果；同時記錄兩種方法的鏡像跟隨誤差，反映兩種方法的位置精度。實驗2驗證系統抗干擾性，受試者B和D分別進行實驗，在X方向進行平穩運動，第1.3 s左右時給設備末端施加一個10N左右的干擾外力保持1 s，記錄系統的各項參數變化以及輔助力和跟隨誤差，分析本文方法的抗干擾性。

為減少偶然因素對實驗結果的影響，要求受試者在參與實驗之前進行大量模擬訓練，熟悉其所模擬患肢狀態，且每組實驗重復6遍，最終取6次實驗的平均值作為實驗結果[22]。具體實驗方案如表1所示。

3.3 實驗結果

3.3.1 患肢主動性實驗結果

實驗1患肢主動性驗證實驗結果如圖6和表2所示，圖表中的數據均為6次實驗的平均值：

(1)SFR>0.7,TOR>0.7的受試者A和C進行上肢鏡像康復訓練的實驗結果如圖6(a)、圖6(c)和表2所示。分析圖表可知，當受試者患肢狀態不穩定時，各項狀態參數值偏大；此時傳統方法機器人的平均輔助力為7.8N，本文方法機器人的平均輔助力為4.9N；同時傳統方法的平均鏡像跟隨誤差為44.3 mm，本文方法的平均鏡像跟隨誤差為27.5 mm。相比傳統方法，本文方法在患肢狀態不穩定時明顯降低了輔助力，同時又減小了跟隨誤差。

(2)SFR<0.3,TOR<0.3的受試者B和D進行上肢鏡像康復訓練的實驗結果如圖6(b)、圖6(d)和表2所示。分析圖表可知，當受試者患肢狀態穩定時，各項狀態參數值偏小；此時傳統方法機器人的平均輔助力為6.4N，本文方法機器人的平均輔助力為1.5N；同時傳統方法的平均鏡像跟隨誤差為28.8 mm，本文方法的平均鏡像跟隨誤差為17.4 mm。相比傳統方法，本文方法在患肢狀態穩定時輔助力很小，同時又減小了跟隨誤差。

結合以上兩種情況，由表2可知，本文方法相比傳統方法在患肢穩定和不穩定這兩種狀態下的輔助力平均降低了56.9%，說明患肢的有效主動力矩大大增加；傳統方法平均位置精度為9.1%，本文方法平均位置精度為5.6%，相比傳統方法減小了鏡像跟隨誤差，提升了鏡像跟隨精度。

3.3.2 系統抗干擾性實驗結果

實驗2系統抗干擾性驗證實驗結果如圖7和表3所示，圖表中的數據均為6次實驗的平均值：

分析圖表可知，當系統受到10N持續1s的外力干擾時，傳統方法的輔助力幾乎保持不變，本文方法的平均輔助力由原先的1.2N變為-8.9N，補償了89%的干擾外力；在這1s內傳統方法的平均鏡像跟隨誤差由原先的28.5 mm增大到40.3 mm，增加了39.9%；本文方法的平均鏡像跟隨誤差由原先的17.4 mm變為18.6 mm，增長率僅為6.5%；由圖7可知，在第1.3 s系統突然受到10N的外力干擾時，各項狀態參數的平均值由原先的<0.3變為>0.6，但第1.5 s開始各項狀態參數開始下降，直至最終趨于平穩<0.3的狀態。

綜上所述，當系統受到外力干擾時，傳統方法沒有自適應調節功能，鏡像跟隨誤差大幅增長，而本文方法輔助力可以自適應補償89%的外力干擾，使得鏡像跟隨誤差一直保持在一個平穩較低的水平，提升了系統的抗干擾性。

4 結論

本文研究的基于按需輔助的上肢鏡像康復訓練控制策略，基于傳統阻抗控制增加了自適應按需輔助模塊，根據患肢的運動狀態自適應地調節機器人對患肢的輔助力大小，實現患肢對健肢的鏡像運動跟隨。通過兩組對比實驗分析得知，本文方法相比傳統方法提供的平均輔助力降低了56.9%，增加了患肢主動力矩的利用率，提升了患肢的主動性；本文方法平均位置精度為5.6%，相比傳統方法減小了鏡像跟隨誤差，提升了鏡像跟隨精度；當系統受到外力干擾時，本文方法輔助力可以自適應補償89%的干擾外力，鏡像跟隨誤差僅提高了6.5%，大大降低了干擾外力對患肢的傷害同時保證了鏡像跟隨精度，有效提升了系統的抗干擾性。因此本文方法對于鏡像康復訓練系統有效提升了患肢主動性以及系統抗干擾性，滿足鏡像康復訓練的要求。

表1 實驗方案

圖6 患肢主動性驗證實驗結果

表2 患肢主動性驗證實驗結果

圖7 系統抗干擾性驗證實驗結果

表3 系統抗干擾性驗證實驗結果