近年来,随着人们生活方式的改变和人口老龄化,脑卒中患者数量显著增加,全球脑卒中患者超过8 000万
[1]。脑卒中通常会导致人类的肢体功能障碍,例如偏瘫和截瘫。目前,瘫痪患者的康复治疗包括物理治疗、康复训练等
[2]。康复训练是康复医学中采用职业治疗和物理治疗相结合的中枢神经系统损伤偏瘫患者的治疗方法
[3]。有别于传统的康复训练,在康复训练中融入机器人技术,可以有效节省人工成本和治疗费用,提高康复训练效果。因此,康复训练机器人成为研究热点
[4]。针对不同的患肢,康复机器人可分为上肢康复机器人和下肢康复机器人。本文主要提出一种适用于DULLR的基于位置闭环的柔顺性控制方法。
1986年Maples等
[5]提出了阻抗控制的概念,发现将力反馈信号转换为位移误差和速度误差可以实现刚度和阻尼控制,通过刚度和阻尼控制相结合来实现阻抗控制。一系列阻抗控制方法被应用于康复机器人研究当中,例如,Santos等
[6]介绍了一种模块化下肢外骨骼机器人的最优阻抗控制器。Huo等
[7]介绍了一种使用测角仪、肌电图和力敏电阻(force sensing resistor,FSR)传感器的膝关节人外骨骼机器人阻抗降低控制器。Sado等
[8]在上肢康复机器人中使用一个简单的阻抗控制器,具有恒定的刚度和阻尼比,可以由医师调整
[9]。上述所有控制器各有优缺点,由于环境的不确定性,如粗糙的平面和桌面上的干扰物及一些额外干扰,使恒定刚度和阻尼柔顺性控制不能很好地适应环境的变化
[10]。自适应阻抗控制能很好地解决这一问题。例如,Roveda 等
[11]通过模型预测最优控制的方法预测了阻抗控制中的刚度和阻尼,从而达到变阻抗效果,以满足机器人在不同环境中的应用。Mujica等
[12]开发了一种鲁棒变导纳控制器以满足人机合作过程中对未知载荷的适应性。Zhong等
[13]开发了一种基于非线性扰动观测器的自适应双边阻抗控制器在人机交互过程中使用户更舒适。Foroutannia 等
[14]提出了一种自适应模糊阻抗控制器,该控制器主要管理人、机器人和环境之间的机械相互作用,并处理内部控制参数的不确定性。
对于DULLR,自适应柔顺性控制是一个很好的方法,能够根据环境的变化自适应产生柔顺效果。本文方法分以下两个步骤实现:首先,采用模糊PID控制器,对轨迹进行良好跟踪。然后,采用基于位置的自适应柔顺性控制器,在改变运动速度和方向的情况下保持稳定性。该控制器可根据患者的特征和训练环境在物理治疗运动中获得较好的柔顺效果。因为阻抗系数是可变的,根据末端力传感器数据会每次迭代阻抗控制参数系数。