上肢康复机器人关键技术研究

本书以临床康复医学和控制理论为基础，将机器人技术与虚拟现实技术相结合，将运动训练与心理训练相结合，主要解决数学模型的建立、优化控制功能、人体上肢运动意图检测、姿态矫正、康复机器人辅助力的调节、参考运动轨迹获取及康复评价等关键技术问题，最终形成一种辅助或替代康复医师完成患肢康复训练及评价的特种机器人系统。

目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 研究现状 2
1.2.1 上肢康复机器人控制系统研究现状 2
1.2.2 上肢康复机器人运动控制研究现状 9
1.2.3 运动意图识别在上肢康复中的应用研究 11
1.2.4 人体动作识别在上肢康复中的应用研究 15
第2章 上肢康复的医学理论基础 20
2.1 脑卒中成因及脑功能重塑原理 20
2.2 上肢生理结构及运动机理 23
2.2.1 人体上肢关节 23
2.2.2 人体上肢肌肉 26
2.3 运动疗法对脑卒中康复的作用 27
2.4 上肢脑卒中临床运动疗法的研究 28
2.4.1 传统运动疗法 29
2.4.2 神经生理学疗法 29
2.4.3 运动再学习法 30
2.4.4 镜像疗法 31
2.4.5 双侧协调训练 31
2.4.6 几种疗法比较及分析 32
2.5 本章小结 33
第3章 上肢康复训练系统的构建 34
3.1 上肢康复机器人训练系统总体架构 35
3.1.1 系统结构设计 36
3.1.2 系统的功能 38
3.2 功能评价子系统 39
3.2.1 评价过程的确定 40
3.2.2 评价指标的选取 40
3.2.3 评分及评级规则的制定 41
3.3 训练执行子系统 41
3.3.1 机械机构组成 42
3.3.2 传动设备及控制结构 44
3.4 信息检测子系统 46
3.4.1 检测设备 47
3.4.2 数据采集过程 48
3.4.3 数据处理 49
3.5 本章小结 50
第4章 五自由度上肢康复机器人模型研究 51
4.1 五自由度上肢康复机器人运动学分析 51
4.1.1 基于D-H表示法的上肢康复机器人正运动学分析 51
4.1.2 基于反变换法的上肢康复机器人逆运动学分析 56
4.2 五自由度上肢康复机器人动力学建模 58
4.2.1 拉格朗日动力学 59
4.2.2 拉格朗日动力学简化计算 60
4.2.3 基于拉格朗日的五自由度上肢康复机器人动力学模型 63
4.3 Simulink仿真 70
4.4 本章小结 74
第5章 数据驱动的外骨骼式机器人无模型自适应滑模控制 75
5.1 无模型自适应控制理论 75
5.2 滑模控制理论概述 79
5.3 人机交互系统的近似离散动态线性化方法 81
5.3.1 人机交互动力学模型简化及其基本特性 82
5.3.2 人机交互动力学模型的近似离散动态线性化 83
5.4 无模型自适应滑模控制器设计与稳定性分析 85
5.4.1 无模型自适应控制器 85
5.4.2 伪分块雅可比矩阵估计算法 86
5.4.3 无模型自适应滑模控制器设计 88
5.4.4 稳定性分析 90
5.5 仿真验证 92
5.5.1 三自由度理想状态下速度跟踪仿真 93
5.5.2 三自由度干扰状态下速度跟踪仿真 99
5.5.3 五自由度无模型自适应滑模控制器速度跟踪仿真 103
5.6 本章小结 105
第6章 基于无监督对比学习的上肢康复动作识别方法 106
6.1 卷积神经网络算法理论基础 106
6.1.1 卷积神经网络 106
6.1.2 3D卷积神经网络 112
6.2 视频采样策略 114
6.2.1 单帧采样法 114
6.2.2 密集采样法 115
6.2.3 稀疏采样法 115
6.2.4 分段采样法 116
6.2.5 滑动间隔采样法 117
6.3 多尺度时空分解卷积网络模型 118
6.3.1 多尺度特征融合模块 118
6.3.2 3D卷积的时空分解 119
6.3.3 多尺度时空分解卷积模块 121
6.4 无监督对比学习模型 122
6.4.1 数据增强模块 122
6.4.2 特征提取模块 124
6.4.3 多层感知机模块及模型优化模块 125
6.5 实验及结果分析 126
6.5.1 上肢康复动作数据集 126
6.5.2 实验环境 127
6.5.3 实验及结果分析 128
6.6 本章小结 133
第7章 基于时域卷积神经网络的运动意图识别方法 134
7.1 运动意图识别方法理论基础 134
7.1.1 机器学习方法 134
7.1.2 时域卷积神经网络 137
7.2 多尺度时域卷积神经网络模型 140
7.2.1 sEMG信号特征提取 140
7.2.2 多尺度特征提取模块 142
7.2.3 分类模块 143
7.2.4 模型参数选取及训练 144
7.3 多流时域卷积神经网络模型 145
7.3.1 多流特征提取模块 146
7.3.2 基于注意力机制的动态特征融合模块 147
7.3.3 模型参数选取及训练 149
7.4 实验及结果分析 150
7.4.1 数据采集 150
7.4.2 噪声分析及处理 153
7.4.3 实验结果分析 154
7.4.4 可视化分析 156
7.5 本章小结 167
第8章 上肢康复机器人参考轨迹获取与被动运动跟踪控制 169
8.1 上肢康复参考轨迹问题 169
8.2 基于运动学方程求解上肢运动轨迹的采集与转换 171
8.2.1 人体健康侧上肢运动学模型 171
8.2.2 康复训练参考轨迹的转换 173
8.2.3 实验验证 174
8.3 康复机器人辅助人体上肢被动运动的控制 178
8.3.1 被动运动轨迹捕捉与跟踪控制器设计 178
8.3.2 关节角度模糊控制器设计 179
8.3.3 仿真验证 180
8.3.4 实验测试 182
8.4 本章小结 184
第9章 参考轨迹约束的上肢康复机器人主动交互运动控制 186
9.1 主动交互运动控制的问题 186
9.2 上肢康复机器人主动交互运动控制 188
9.2.1 运动意图获取与无模型自适应滤波器 190
9.2.2 参考轨迹约束的人机交互阻抗控制器 192
9.3 主动交互运动控制仿真验证 194
9.3.1 仿真模型的建立 194
9.3.2 五自由度主动交互训练控制仿真 196
9.3.3 三自由度主动交互训练控制仿真 199
9.4 人机交互阻抗控制器在被动运动轨迹跟踪控制中的应用 200
9.5 本章小结 202
第10章 虚拟现实辅助交互训练系统的开发 204
10.1 虚拟现实技术用于康复训练的问题 204
10.2 虚拟现实辅助交互训练系统 205
10.2.1 OpenSceneGraph 3D图形引擎 205
10.2.2 虚拟环境中的模型控制 206
10.2.3 交互训练系统开发 208
10.3 实验测试与仿真验证 212
10.3.1 关节目标角度的无模型自适应滤波 212
10.3.2 参考轨迹的采集 212
10.3.3 实验测试与仿真验证结果 214
10.4 实际训练效果检验 216
10.5 本章小结 219
第11章 上肢康复机器人运动功能评价方法的研究 221
11.1 运动功能评价的主要内容 221
11.2 临床上肢运动功能康复评价方法 223
11.3 决策分析评价方法 225
11.3.1 AHP 226
11.3.2 模糊综合评价法 229
11.3.3 自校正AHP-模糊分析评价法 232
11.4 基于自校正AHP-模糊分析的上肢康复机器人运动功能评价模型 237
11.4.1 建立评价指标体系 237
11.4.2 构建评语体系 240
11.4.3 确定权重系数 241
11.4.4 确立隶属度函数 243
11.4.5 建立综合评价模型 244
11.5 算法验证 245
11.6 本章小结 247
参考文献 249
附录 267