陳鋒、湯敏 發表於 2014-02-18 17:50:02
對可穿戴型助力機器人控制策略進行分析。 根據研究目的及人體結構和功能的特殊性和複雜性，通過將人體下肢作適當簡化及必要的假設，提出基於骨－肌肉功能模型的下肢助力機器人控制方法，該方法通過對骨－肌肉模型中的彈性係數和阻尼係數的調節能為人體下肢運動提供助力支持。 同時，通過人－機間交互力信息實現人體下肢的運動預判。
利用機器增強人類肌肉的力量和感知能力，同時保留人的靈活性和直接操作的感覺是機器人研究領域之一。 人體的所有運動都與力及其控制有關，助力系統利用特定裝置給人提供一定的力補償，降低人自身能量的消耗，或是對那些有異樣運動行為的人提供治療或矯形。
根據助力對象的不同，可穿戴型助力機器人可分為兩類：1）直接式：直接給使用者提供動力，如下肢助力、背部助力及上肢助力等，這種情況下，助力裝置的運動需超前於人體相應的運動。 2）間接式：分擔使用者的勞動負荷，諸如背負的重物、搬運的貨物等，從而達到減輕使用者勞動強度的目的，這種模式需要機器與使用者同步運動。
由於助力裝置基本是剛性體，整體柔順性差，這樣人與裝置運動時會造成不協調與不自然，這便涉及到關節自由度的確定及其驅動問題。 在運動辨識上，國外多數採用肌電信息作為人體運動信息的檢測方法，這就要求搞清人體各肌肉塊的功能，選擇最能反應人體運動狀況的肌肉塊，但很多動作通常是靠肌肉群來完成，一塊肌肉的收緊與鬆弛並不能完成全部動作，這給電極的安放及信號的提取帶來很大的困難，肌電信號是人體的生理反映，它會受到人自身狀況及環境因素的影響，如汗液的分泌、衣服厚薄、鬆緊等。 通過對國內外可穿戴型助力機器人的研究現狀進行分析，結合多維力傳感器方面的研究成果，提出基於人－機交互力信息的運動信息獲取方法及肌肉功能模型的控制方法。
1 人體運動的描述和人體簡化模型
人是人－機－環境系統中的主導因素。 在人體運動位置檢測中，高速攝影機實地拍攝是最常用的方法。 由於這種方法是非接觸式的記錄，因此不影響人的實際運動，最能真實反映人的實際運動情況。 對於該文的研究來說，上述檢測系統顯得過於龐大，且受到空間的約束，顯然不適用。 因此，採用一種即實用又簡捷的運動信息檢測系統是該文研究中必要環節。從研究方法來說，對對象進行研究離不開對對象進行合理的抽象，當分析各種動作時，姿勢分析特別是人體各部分之間的相對位置分析是關鍵，將特定時刻各個關節點的位置連接起來，就能形成棍狀鏈式結構，將人體下肢簡化為一個多杆多關節棍狀鏈式結構，也就是一個具有有限運動自由度的系統，如圖 1 所示，以此結構作為計算模型對人體各部的運動和整體運動進行運動學及動力學分析。 表 1 為各關節活動度信息。
2 運動分析
髖關節及膝關節的協調屈伸運動是實現人行走功能的前提，助力機器人的助力腿可以看作為一個串聯機構。 它是由一系列連杆通過轉動關節串聯而成的。 通過自主軌跡規劃，助力機構可以完成類似雙足機器人的動作，如行走、跨越障礙等動作。表 2 為各杆 D－H 參數和關節變量。
由表 2 中的參數，可求出末端的位姿矩陣：
(1)
當步行助力機器人提供 100%助力時，這意味著助力機器人系統完全成為一個搭載器，對於下肢助力機器人來說，人的下肢就是其負載，人體下肢各段分散於裝置各段連杆之上，這點與普通操作臂型機器人不同（負載主要集中在末端）。 圖 2 為人體下肢與機器人混合圖，圖 3 為機器人的機械結構效果圖。由圖 2 中參數，利用二階拉格朗日方法得髖關節和膝關節處力矩 T1和 T2的動力學方程式：
(2)
其中： D 係數是與質量、速度、加速度等有關的函數。
3 人體下肢運動預判
步行助力機器人與使用者通過束帶緊密結合在一起，形成一個高度自動化的人－機一體化系統。 此系統要實時地獲得使用者的運動信息。 用於運動信息採集的典型傳感器有：sEMG（表面肌電傳感器）、肌肉壓力傳感器及關節角度傳感器等。
研究中，考慮對應於人體三維運動在裝置和人體間適當地配置測力點，根據各測力點感受到的人體運動時的多維力導向信息，以及事先設定的參考值，判斷下一刻動作是屈或伸，完成由人－機交互信息到使用者運動意圖的推理，這樣就不同於通過捆綁於人體上的肌電傳感器及角度儀用於檢測人體運動信息的方法。
4 仿小腿肌肉功能模型的下肢助力機器人控制分析
英國著名生理學家希爾（Hill A V）提出了一個由三個元素組成的肌肉結構力學模型，又稱三元素模型，用此反應肌肉的功能。 隨著對人體結構逐步深入的認識，不同的模型及分析方法被提出。
人體運動系統是由骨骼和固著在骨上的肌肉組成的，肌肉的收縮和舒張牽動骨骼，使人體能夠進行各種運動。 由於人體結構和功能的特殊性和複雜性，將人體下肢作適當簡化及必要的假設後，對人體下肢建立其功能模型，圖 4 為下肢的小腿部分骨－肌肉功能模型。 這裡，骨骼簡化為棍狀結構體，肌肉簡化為由彈簧－阻尼組成的阻抗模型。 其中： k 和 c 分別表示彈性係數和阻尼係數，並忽略了由摩擦力和機械傳動阻力引起的未知幹擾，模型的運動方程為：
其中： M 為肌肉產生的力矩［N·m］，I 為轉動慣量 ［kg·m2］，β 為關節角加速度 ［rad/s2］，ω 為關節速度 ［rad/s］，θ 為關節角度 ［rad］。
肌力的產生是由肌肉的收縮和舒張所引起的，由力矩定義可知：
其中：
其中： x 表示肌肉在收縮與舒張中的長度變量，由圖 4 可知，x 可按下式計算：
人在行走時，主要是通過髖關節及膝關節的屈伸運動來實現其行走功能，雙腿的擺動多分布於矢狀面內。 助力機器人的助力機器臂可以看作為一個開式運動鏈，它是由一系列連杆通過轉動關節串聯而成，開鏈的一端固定在腰帶上，末端安裝有特別製作的金屬鞋底，髖關節及膝關節屈伸運動由伺服電動機驅動，關節的相對運動導致連杆的運動，使助力腿完成類似人的下肢步行動作。
步行助力機器人與人體下肢通過束帶緊密聯繫在一起，如圖 5 所示，步行助力機器人的最終運動是通過位於使用者與裝置間的各測力點感受到的人體運動時的多維力信息來完成自主運動，不需要任何操縱臺或外部控制設備，形成一個高度自動化的人－機混合系統。 助力機器人要達到助力的功能，首先，對使用者下肢運動預判;其次，助力裝置除克服自身動力矩（主要由裝置自身重量引起的重力矩）外，還要降低人體肌肉對關節所能產生的力作用，即降低肌力，從而達到助力的目的。 結合裝置自身的動力矩，對式（3）進行如下調整：
其中： Mexoskeleton是對外骨骼裝置進行動力學分析後的關節動力矩; μ 為修正因子;助力機器人連杆裝置的轉動慣量計算如下：
近似計算人體各段轉動慣量的公式如下：
其中： X1為體重［kg］; X2為身高［cm］; Bi0，Bi1，Bi2為二元回歸方程係數。
同時，角加速度可表示如下：
其中： dt 可以近似地認為是實際控制系統中的控制採樣周期 T ，即 dt =·T ，整理合併後可得：
式（7）所確立的力與角速度間的對應關係式是建立在人體肌肉功能模型之上，是形成系統伺服規則的重要依據。
5 實驗
實驗以原型樣機為對象，利用人－機間的交互力傳感器進行人－機行走實驗，除使用者手拿一個緊急停止按鈕外，整個過程由計算機獨立控制，無任何操縱杆或控制面板。 圖 6 是人－機混合系統控制框圖，圖7 是單腿混合助力系統運動時的輸出響應曲線。 圖7 中，根據人－機間交互力的方向與外骨骼助力機器人關節旋轉方向的關係，把系統的每個往復運動分為過渡和助力兩個階段，由圖 7 可知，助力階段所佔比例越大，則助力效果就越明顯。 通過進一步調節控制模型中的彈性係數及阻尼系統可以改變過渡和助力兩個階段的相對佔有時間。
a:右小腿
b:右大腿
6 結語
實驗表明，基於人體肌肉功能模型的控制方法可以為人體下肢運動提供助力支持，該方法與假想柔順控制方法相比，可降低系統對人－機交互信息的依賴性，但此方法需要提供必要的人體參數，如下肢各段的長度、各段的轉動慣量等，因此它對人體模型的準確性要求較高。「助力多少」是對助力效果最直接的認定，是助力機器人重要性能指標之一，「助力多少」依賴於助力階段與過渡階段之間的相對佔有時間，對「助力多少」的確定將是作者下一步研究的內容。
——本文選自電子發燒友網2月《可穿戴技術特刊》「透視新設計」欄目，轉載請註明出處，違者必究！
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴