基于肌電觸發的上肢康復訓練機器人的實現

方又方， 喻洪流， 官 龍， 易金花， 張 穎， 石 萍

（上海理工大學 醫療器械與食品學院，上海 200093）

現代康復理論與實踐證明，由各種疾病引起的肢體功能障礙，除了手術治療和藥物治療之外，科學的康復訓練起著重要的作用［1－3］.運動療法是肢體功能障礙有效的康復方法之一.運動療法的實現方式多種多樣，其共同點是通過身體相關部位的肌肉產生收縮，引起關節的運動.傳統的康復訓練是由康復醫師根據自身的治療經驗輔助患者完成各種動作，但這種訓練方式存在許多不足之處［4］，如訓練效率低下，訓練強度得不到保證，缺乏客觀評價康復訓練效果的數據，患者參與治療的主動性和積極性不強等.近年來，康復機器人作為一種新的運動神經康復治療技術，發展十分迅速，利用機器人技術對肢體功能障礙患者進行康復訓練具有重要的意義［5－6］.康復訓練機器人的主要功能是幫助有肢體功能障礙的患者完成運動動作，從而使患者的部分運動機能得到恢復.

國內外對康復訓練機器人已經展開了廣泛的研究.國外代表性的高校有加利福尼亞大學、斯坦福大學、芝加哥大學、麻省理工學院、日本Akita Prefectural大學、華盛頓大學和瑞士蘇黎世大學，另外，美國Motorika 公司、瑞士Hocoma 公司、美國Myomo公司、意大利BioRobotics研究所、意大利TecnoBody公司等企業也相繼研發了一些代表性產品，功能都比較強大，并具有主動運動、被動運動等多種訓練方式.2004年清華大學研制了二連桿機構的康復裝置，具有主動、被動、助力及抗阻等訓練模式，其助力訓練模式是按照指定運動軌跡通過力矩反饋實現［7］.2008年哈爾濱工業大學研制的穿戴式偏癱上肢康復機械臂系統［8］，具有5個自由度，能夠進行主動、被動訓練，同時具備力矩反饋功能，能夠提取并識別四通道的表面肌電信號（surface electromyography signal，簡稱sEMG）作為控制源，驅動機械臂按照一定的運動軌跡進行康復訓練.2012年華中科技大學研發的上肢康復裝置采用氣動肌肉的驅動方式［9］，具有3個自由度，實現了主動輔助訓練、被動訓練和阻抗訓練模式，也可以使用四通道的sEMG控制該機械裝置.雖然國內多家科研機構也進行了康復機器人的相關研究，但使用表面肌電信號作為控制信號源實現助力運動的目前只有上述提到的華中科技大學和哈爾濱工業大學兩例.在助力運動訓練中，患者利用殘存的肌肉力量的同時，借助康復訓練機器人的帶動實現功能障礙肢體的康復訓練.助力運動模式能夠最大程度上發揮患者的主觀能動性，達到更加有效的訓練效果，這在臨床康復中越來越受到重視.華中科技大學和哈爾濱工業大學兩例的共同特征是具備多通道sEMG識別功能，雖然在算法的選用和具體的控制系統實現方面又具備各自的特征，但sEMG 都需要讀入到與康復訓練機器人分離的計算機系統中進行運算與處理，這不僅增加了整個系統的體積，也消耗了大量的控制系統資源.

本文基于32位單片機設計了一套肌電采集裝置，能夠提取出一級肌力以上的患者的表面肌電信號，結合嵌入式動力控制系統驅動上肢康復訓練機器人進行助力訓練.

1 基本機械結構

傳統的具有三維空間運動功能的電動上肢康復訓練機器人多數將關節驅動電機及附屬的減速箱安裝在對應的上肢關節處.這類設計顯然增大了患者視野范圍內的設備體積，往往會增加患者訓練時的心理壓力，同時由于電機這類大功率設備距離患者較近，使得其噪音與電磁輻射［10－13］對患者的不良影響增大.為了克服這些影響，研制了一種三自由度中央驅動式上肢康復訓練機器人.該機器人的特點是使用集中安裝在設備底座的驅動電機作為動力輸出裝置，經過減速箱減速，并利用磁粉離合器作為動力級別調控裝置，最后通過套筒及齒輪將動力傳遞輸出到上肢的肘關節與肩關節處，完成肩關節屈伸、肩關節收展及肘關節屈伸這3個自由度的運動.通過采用套筒形式及錐齒輪傳動，將動力從3個獨立的動力源互不干擾地傳到肩關節和肘關節，如圖1所示.

圖1 三自由度中央驅動式上肢康復訓練機器人總體結構Fig.1 Overall structure of central driven upper limb rehabilitation training robot with three degress of freedom

三自由度中央驅動式上肢康復訓練機器人的以上結構還可以方便地轉換左／右手臂進行康復訓練，滿足設計要求.3個自由度的關節活動范圍如表1所示.

表1 關節活動范圍Tab.1 Rangeofmotion

本文的上肢康復訓練機器人機械系統的運動具有關聯性，其運動會相互影響，肩關節的屈曲／伸展運動會影響肩關節的內收／外展和肘關節的屈曲／伸展的運動，肩關節的內收／外展運動會影響肘關節的屈曲／伸展的運動.所以，要準確控制各關節運動就要考慮相互之間的影響.通過理論計算以及實驗驗證得到3個自由度相互影響的公式為

式中，γ 為肩關節屈伸角度；α 為肩關節收展角度；β為肘關節屈伸角度；θM1為驅動肩關節屈伸自由度的電機輸出角度；θM2為驅動肩關節收展自由度的電機輸出角度；θM3為驅動肘關節屈伸自由度的電機輸出角度.

2個關節3個自由度的示意圖如圖2所示.

圖2 3個自由度對應角度示意圖Fig.2 Diagrammatic sketch of angles corresponding to the three degrees of fredom

在單片機程序中實際使用該算法時，需要各自乘以3個自由度對應的減速比才是電機輸出對應的實際運動關系.

2 系統設計方案

2.1 整體設計

整體方案示意圖如圖3所示.在整個上肢康復機器人訓練系統中，整體電氣控制系統主要由底層動力控制系統與頂層嵌入式用戶控制系統組成，本文的主要任務是設計并運用動力控制系統，通過檢測患者的肌電信號，判斷其運動意圖，繼而實現基于肌電信號觸發的助力訓練.對于底層動力控制系統，其結構主要由供電系統、運算控制單元、動力輸出單元和執行機構組成.需要注意的是肌電觸發的助力訓練是建立在單關節和多關節的被動訓練實現的基礎之上的.

圖3 系統總體結構框圖Fig.3 Block diagram of overall structure of the system

2.2 底層動力系統設計

動力系統的結構框圖如圖4所示（見下頁）.底層動力系統是整個上肢康復機器人的動力來源，它將由供電系統分配給電機驅動器和磁粉驅動器［14］的電能，在控制系統的配合下分配輸出給整個機械結構，最終轉化為機械能和熱能.底層動力系統的主要功能是接收由用戶控制系統發出的控制命令，控制3臺步進電機運動，調整3臺磁粉離合器輸出力矩，采集6個光電編碼器的數據.本文中的三自由度中央驅動式上肢康復機器人通過用戶控制系統設置訓練計劃來完成被動訓練，通過檢測患者肌電信號來觸發助力訓練.

三自由度中央驅動式上肢康復訓練機器人的動力由步進電機提供，磁粉離合器具備力矩調節功能，它配合減速箱完成動力的傳動與調節.該康復訓練機器人的設計目標是完成3個自由度的訓練，設計中需要有3臺步進電機，它們分別用于驅動肩關節的屈曲／伸展運動、肩關節的內收／外展運動和肘關節屈曲／伸展運動；3臺步進電機輸出經過減速箱減速后傳遞到3臺獨立的磁粉離合器，再連接齒輪傳動到關節活動處.磁粉離合器型號在圖4中已標出.

2.3 動力控制系統設計

動力控制系統的結構框圖如圖5 所示（見下頁）.運算控制單元是動力控制系統的核心部分，不僅要接收用戶控制系統的控制指令，還要將控制指令解析，并發送指令使動力輸出單元執行.本文的設計采用4塊控制板進行控制，包括1塊主控制板和3 塊子控制板.主控制板負責接收用戶控制系統的控制指令，并將其解析后分別傳輸給3塊子控制板，同時接收并采集關節側的運動速度和角度等反饋信息，肌電信號的采集和處理也是由主控制板完成.3塊子控制板分別控制肩關節屈曲／伸展運動的電機、肩關節內收／外展運動的電機、肘關節屈曲／伸展運動的電機，根據上層控制板發送的指令驅動對應的電機運轉，既采集電機的角度和轉速等反饋信號，同時又動態調節電機轉速和磁粉離合器的傳動力矩.

圖4 動力輸出單元結構框圖Fig.4 Structural diagram of power supply unit

圖5 運算控制單元結構框圖Fig.5 Structural diagram of arithmetic control unit

3 表面肌電信號處理及助力訓練模式實現

3.1 表面肌電信號處理

表面肌電信號是一種非常微弱的生物電信號，肢體運動相關聯的很多信息可以通過表面肌電信號提取出來.人體的各種形式的運動，都是由大腦中樞神經及其支配的骨骼肌協調配合來完成的.不同患者的表面肌電信號存在差異，相同的患者在不同肌肉的位置上也存在差異，但是，仍然具有一些共同的特點.

a.表面肌電信號屬于一種微弱的生物電信號，正常的肌肉運動所產生的電位最大幅度不超過5mV，一般為100μV到2 mV之間，對于腦卒中患者來說，肌電信號的強度大概為20μV，甚至比這個值更低.

b.表面肌電信號屬于交流電壓信號，人的肌力越大，其幅值就越大，大致呈正比關系.表面肌電信號的電壓幅值與其肌肉的松弛、握緊度存在著近似線性比例的關系.

c.表面肌電信號其頻率較低，范圍主要集中在10～500Hz之間，在300Hz以上，頻率就顯著衰減.絕大部分的能量主要集中在20～150Hz之間.

d.表面肌電信號是一種隨機信號，并且為非平穩信號，其統計學特性隨著時間的變化而發生變化.由于肌電信號是在不同的運動單元的肌纖維上的多個動作電位在采集的信號區域疊加而成，所以，對于每次的測量都有一定的隨機性.

健康人肌電強度的峰峰值可以達到1～3mV，腦卒中患者肌電信號幅度一般在100μV 以下，大約比正常人減少數倍甚至數百倍之多.由于諸多原因，表面肌電信號的幅度小、信噪比較低，易受到周圍環境中的電磁場輻射干擾和檢測儀器內部電子噪聲的干擾，所以，對表面肌電信號的采集、分析和處理還存在很多的難點.鑒于肌電信號的上述特點，結合信號放大的基本常識，所以，對肌電采集電路設計提出如下要求：a.高增益性；b.高輸入阻抗性；c.優越的頻率響應；d.高共模抑制比；e.低噪聲、低漂移.

運用表面電極對肌電信號進行采集時，其能量主要集中在500 Hz以下，對于表面肌電放大器的頻帶一般設置為20～500 Hz之間，且頻帶外的衰減速率一般不低于40 dB／十倍頻程.此外.合理的設計電路的接地方式、采用50 Hz陷波器克服工頻干擾等措施也是有效且必須的抗干擾手段.本文的肌電采集電路主要分為采集電極、前置放大電路、雙T濾波電路、選頻電路、增益可調電路幾個部分組成，其框圖如圖6所示.

圖6 表面肌電信號提取電路Fig.6 sEMG extraction circuit

需要注意的是，經過以上步驟提取出的肌電信號是正負交變的交流信號，為了便于使用單片機采集該肌電信號，故要對上述信號進行絕對值處理以及限制信號幅度，同時為了提高識別準確度，使用運放進行處理得到包絡線，雙側肌電信號的采集波形圖的最終結果如圖7所示.

圖7 手臂上下用力時信號波形圖Fig.7 Graph of signal waveform during the swinging of arm

3.2 助力訓練模式的實現

本文設計的基于肌電信號的助力訓練是檢測患者的肌電信號來判斷運動意圖，所以，需要檢測患者的兩路肌電信號的強弱來對比，從而判斷其想要運動的方向.設計中首先分別檢測兩路肌電信號的強度是否達到啟動值，若其中的任何一路達到了啟動值的大小，則進入下個判斷條件.將兩路肌電信號取差值，判斷差值是否大于設定閾值，若大于，才能驅動電機運轉，程序流程圖如圖8所示.

圖8 肌電助力訓練程序流程圖Fig.8 Flow chart of sEMG force－assist training program

本文設計中有肌電信號的調速功能，患者不同的肌電強度對應著不同的電機轉速.主要思路為，當肌電信號增大時，電機的速度增大，并且是增加速運動，即肌電強度越大，其速度的變化越大.

4 肌電信號采集及速度調節實驗

4.1 肌電信號訓練動作識別實驗

本文實驗選用肩關節的屈曲和伸展這一自由度作為肌電助力訓練的實驗對象.實驗提取的是正常人手臂的肌電信號，所以，采集到的信號幅度較大，設置的閾值也相對較大.針對不同的患者其最佳的閾值不同，閾值選取的好壞直接影響其訓練動作的完成程度.為了找出較好的閾值范圍，通過粗略觀測前期肌電信號波形圖，實驗分別設定閾值為600，1 000，1 400mV，做3組對照實驗.要求實驗者手臂分別向上、向下用力20次，并規定向上為步進電機正轉、向下為步進電機反轉.分別記錄識別次數、誤識別次數和不識別次數，得到數據如表2—4所示.

表2 閾值為600mV 時訓練動作識別情況Tab.2 Recognition result of training when the thresholdvalueis600mV

表3 閾值為1 000mV 時訓練動作識別情況Tab.3 Recognition result of training when the thresholdvalueis1000mV

表4 閾值為1 400mV 時訓練動作識別情況Tab.4 Recognition result of training when the thresholdvalueis1400mV

從表2—4中可以看出，當閾值設置過低時，容易造成識別率降低，并且是由誤識別所造成.因為，在采集信號的過程中，若使用者在沒有訓練意圖的情況下觸發了肌肉產生信號，且信號值到達了所設定的閾值，也會產生相應的動作，所以，就造成了誤識別.當閾值設置過高，使用者其產生的肌電信號強度達不到閾值的大小，也會造成識別率降低，甚至不識別.所以，綜上，對于閾值的設定，要根據患者的采集的肌電信號的強弱來挑選一個合適的值，不同的使用者其設定的閾值不同.

4.2 基于肌電信號的速度調節實驗

為了驗證肌電強弱可以調節其訓練速度的大小，在設定閾值為1 000mV 的時候，患者運用不同的肌肉強度運動，記錄信號的強度大小和電機轉速的大小，如表5所示.

表5 不同肌電信號強度對應的電機轉速Tab.5 Motor speed varying with the sEMG signal intensity

由表5得出電機轉速隨肌電信號強度變化圖，如圖9所示，從曲線可以看出，隨著肌電信號的變強，其訓練關節的電機轉速逐漸變快，并且在加速上升過程中加速度是增大的，即肌電信號越強，其速度變化得越快.

圖9 電機轉速隨肌電信號強度變化曲線Fig.9 Curve of motor speed varying with the sEMG signal intensity

5 討論與結論

本課題來源于上海市科技支撐項目“腦卒中患者用智能交互式上肢康復訓練機器人關鍵技術研究”，并且是在實驗室研制的三自由度中央驅動式上肢康復訓練機器人機械樣機的基礎上進行控制系統研發.本文是基于第一套單芯片控制方案的改進方案，針對樣機，利用LPC17XX 系列單片機，提出并實現了一種多芯片分布式控制方案.通過分析人體表面肌電信號的特性和肌電信號的處理方法，設計了具有高輸入阻抗、低噪聲的肌電信號采集電路，最終通過運算放大電路提取到可以用于單片機采集控制的有效肌電信號.利用采集到的肌電信號設計了一種基于肌電信號觸發的助力訓練控制模式，助力訓練級別軟件可調，機械臂能夠實時響應肌電信號輸入，通過實驗驗證可以看出，輸出速度與兩通道的肌電信號差值成二次函數關系，同時，設定不同的閾值對識別患者的運動意圖有一定的影響，閾值設置過低，則難以區分是運動意圖還是誤動作干擾信號，但是，如果閾值設置過高，由于患者肌電信號達不到設定值，識別率也會降低.

目前上肢康復機器人的主要控制方式有力矩反饋控制、表面肌電信號控制及腦電信號控制等方式.其中，力矩反饋控制方式用得最多，該方式是通過檢測電機運行時的輸出力矩實現；腦電信號控制由于提取難度較大而用得較少；表面肌電信號能夠在一定程度上反應神經肌肉的活動，具有無創性、實時性、操作簡單、多靶點測量等優點［15］.目前，國內外對于人體肌肉電信號的分析主要有頻域分析法和時域分析法［16－19］，表面肌電信號控制用于控制假肢的研究較為常見，用于上肢康復訓練機器人進行康復訓練則相對較少.

本文針對一對拮抗肌和肩關節的一個自由度進行助力訓練，在接下來的研究中，將對肌電觸發控制進一步改進，分別采集三對肌肉的信號，通過分析判斷來綜合控制機械臂實現更準確的運動.同時，對肌電信號的測試也需要進一步進行臨床試驗測試，從而不斷提高該康復訓練系統的可靠性和實用性.

［1］Ostwald S K，Davis S，Hersch G，et al.Evidence－based educational guidelines for stroke survivors after discharge home［J］.Journal of Neuroscience Nursing，2008，40（3）：173－179.

［2］夏軍，周新萍，夏宏杰.早期康復訓練對腦卒中患者偏癱肢體功能恢復的影響［J］.卒中與神經疾病，2007，14（6）：372－373.

［3］戴玲，陳旗，王彤.神經肌肉促進技術在偏癱上肢康復訓練中的臨床應用［J］.中國康復醫學雜志，2004，19（11）：827－829.

［4］胡宇川，季林紅.從醫學角度探討偏癱上肢康復訓練機器 人 的 設 計［J］.中 國 臨 床 康 復，2004，8（34）：7754－7756.

［5］Riener R，Nef T，Colombo G.Robot－aided neurorehabilitation of the upper extremities［J］.Medical and Biological Engineering ＆Computing，2005，43（1）：2－10.

［6］Mehrholz J，Platz T，Kugler J，et al.Electromechanical and robot—assisted arm training for improving arm function and activities of daily living after stroke［J］.Stroke，2009，40（5）：392－393.

［7］胡宇川，季林紅.一種偏癱上肢復合運動的康復訓練機器人［J］.機械設計與制造，2004，（6）：47－49.

［8］李慶玲，孔民秀，杜志江，等.5－DOF 上肢康復機械臂交互式康復訓練控制策略［J］.機械工程學報，2008，44（9）：169－176.

［9］吳軍.上肢康復機器人及相關控制問題研究［D］.武漢：華中科技大學，2012.

［10］陳永校.電機噪聲的分析和控制［M］.杭州：浙江大學出版社，1987：67.

［11］王建民，讓余奇.電機噪聲分析及抑制措施［J］.船電技術，2010，30（8）：8－11.

［12］諸自強，陳永校.電機電磁噪聲的輻射聲功率［J］.大電機技術，1987（1）：23－27.

［13］劉鳴，景建方.降低電機噪聲的方法研究［J］.船電技術，2011，31（12）：21－24.

［14］郝潤科，楊一波.絕緣柵雙極型晶體管（IGBT）驅動及保護電路的研究［J］.上海理工大學學報，2004，26（3）：283－285.

［15］王健.sEMG信號分析及其應用研究進展［J］.體育科學，2000，20（4）：56－60.

［16］Sbriccoli P，Bazzucchi I，Rosponi A，et al.Amplitude and spectral characteristics of biceps Brachii sEMG depend upon speed of isometric force generation［J］.Journal of Electromyography and Kinesiology，2003，13（2）：139－147.

［17］Reddy N P，Gupta V.Toward direct bio－control using surface EMG signals：Control of finger and wrist joint models［J］.Medical Engineering ＆Physics，2007.29（3）.398－403.

［18］Disselhorst－Klug C，Schmitz－Rode T，Rau G.Surface electromyography and muscle force：Limits in sEMGforce relationship and new approaches for applications［J］.Clinical Biomechanics，2009，24（3）.225－235.

［19］羅志增，嚴庭芳.基于HMM 的表面肌電信號模式分類［J］.華中科技大學學報：自然科學版，2008，36（4）：72－75.