康復機器人的人機交互控制技術研究進展

魯守銀袁魯浩

(1.山東建筑大學 機器人技術與智能系統研究院，山東 濟南250101；2.山東建筑大學 信息與電氣工程學院，山東濟南250101)

0 引言

近年來，隨著人口老齡化程度的日趨加深，腦卒中疾病及意外事故所引起的運動障礙患者顯著增多[1]。現代康復醫學和臨床實踐表明，有效的運動康復訓練能夠減緩患者運動功能殘疾，加速腦卒中等患者運動障礙的康復進程。康復機器人可以幫助患者實現相關的運動功能訓練，亦可幫助患者恢復或提高其運動功能、日常生活活動能力(Activities of Daily Living，ADL)以及生活質量(Quality of Life，QOL)。與傳統醫師康復治療訓練相比，康復機器人的訓練過程更加平穩可控，既可保證運動訓練的效率和強度，又可在康復過程中記錄康復的實時數據，以便于醫療效果評價。康復機器人是緩解康復醫療資源緊張、提高康復運動訓練水平的有效技術解決方案之一，具有很好的應用價值和社會意義[2]。因此，康復機器人技術應用研究獲得了人們的廣泛關注[3-6]。

針對運動障礙患者不同治療訓練方式的差別，根據機器人提供康復訓練模式的不同，康復機器人可分為被動訓練和主動訓練兩種。按照腦卒中患者三期康復治療網[1]的規定，根據患者運動功能障礙情況及其患肢治療過程的不同階段，需要采取不同的治療方案。被動康復訓練主要適用于患者的康復初期，在這一階段的患者一般肌力較弱，可能不具備自己運動的能力，此時需要由康復機器人帶動患肢按照預定的活動路線或運動軌跡完成訓練動作；在康復中后期，經過訓練后，肌力得到了一定的恢復，此時患者可能更需要根據自己的意愿進行相關運動康復訓練。這種根據患者自己運動意圖，依靠患者自身力量或部分借助外力完成運動康復訓練的方式，也稱為主動康復訓練。在主動康復訓練過程中，通過患者的主動參與，將更加有助于促進肢體運動功能的恢復，即主動訓練的康復效果較被動訓練更為顯著[2]。但是，與被動康復訓練相比，由于需要感知患者的運動意圖并據此控制機器人完成相應的運動軌跡或動作等，所以實現機器人主動康復訓練將會更加困難[7]。

由于在康復訓練過程中，康復機器人和患者肢體要進行運動意圖的交互和直接的物理接觸，所以康復機器人的控制復雜程度高，控制方式或控制系統的穩健性、柔順性將直接影響到康復機器人的性能和康復效果。因此，開發更安全可靠、更有效的交互控制系統以提高康復機器人的性能和康復效果，是當前康復機器人應用研究道路上亟待解決的重要問題之一。

文章分析了機器人康復運動訓練需求，給出了康復機器人系統的功能設計；綜述了比例、積分、微分(Proportion Integral Differential，PID)控制、滑模控制、模糊控制、自適應控制等在被動訓練康復機器人系統應用研究中的進展情況；重點介紹了目前在主動訓練康復機器人系統中患者運動意圖感知和人機交互控制技術的研究應用現狀；探究了康復機器人交互控制的穩定性與安全性研究進展；討論了康復機器人研究中有待進一步研究的問題，并展望了康復機器人的應用前景。

1 康復機器人需求分析及功能設計

目前，康復機器人主要面向肢體運動障礙患者，特別是由腦卒中引起的癱瘓患者。在腦卒中患者中，由于其肢體運動癱瘓的病變位置不同，癱瘓的肢體和嚴重程度也會有所不同，所以運動康復的治療方案也不同。如上肢偏癱患者的康復運動主要通過對上臂或手部的主動或被動康復訓練，加強其肌肉組織的力度，實現臂部或手部的動作功能恢復或好轉，以保證患者的日常生活質量。因此，上肢運動康復可采用臂部運動康復機器人或手部運動康復機器人；為了對踝關節、膝關節和髖關節等下肢關節運動障礙患者進行康復訓練，可采用腿部康復機器人和踝關節康復機器人等下肢關節的康復訓練，以維持其相關關節活動度、防止下肢肌肉痙攣，促進其受損的神經系統的結構和功能等在一定程度上組織再生，從而提高患者的康復程度[8]。

經過多年發展，康復機器人研究已經出現了很多技術成果，包括機器人本體機械設計、主動控制、柔順性控制、治療方案設計、康復治療評價等很多單項技術已經開始在臨床得到了應用。但是，在現有康復機器人整機系統的臨床應用推廣方面，還存在成本高、大規模推廣難度大以及康復治療效果有限等問題，特別是下肢康復機器人技術大規模臨床應用的差距更大，尚有很多問題有待進一步探討[9]。

運動康復療法對肢體運動障礙患者康復起著非常重要的作用。康復機器人是緩解目前運動康復醫療資源緊張、提高康復水平的一個重要技術解決方案，機器人輔助運動康復治療具有非常重要的應用價值和社會意義。為配合或替代康復醫護人員對患者進行康復治療，康復機器人應具備如下主要功能[10]:

(1)康復機器人訓練模式設計

康復訓練方法是康復機器人系統設計的重要內容，運動障礙患者早期治療方案一般是被動訓練治療方案，而中后期康復治療主要采取主動訓練方式，以激發患者中樞神經系統的恢復或重塑，從而恢復患肢運動功能。因此，在康復機器人功能設計時，應至少可以提供被動或主動康復訓練兩種訓練模式中的一種模式，以輔助患者進行相應的康復訓練。

(2)患者康復訓練任務的運動軌跡控制

針對患者具體情況的不同，治療方案也不同，其康復運動自由度數量及組合方式、運動方式(轉動、移動、復合運動)、運動幅度、運動時間、運動頻率、運動規律等康復運動形式多種多樣，所以機器人的控制系統應能具備訓練任務的運動軌跡控制功能，并驅動機器人帶動患肢及其相關部位完成運動康復訓練。

(3)康復訓練過程中的實時力/力矩調節

不同患者或患者不同康復階段，康復治療方案不同，所采用的康復運動形式及其運動過程中的康復力/力矩也會有所變化。康復過程的力度差異可能會很大，如在腦卒中上肢運動障礙患者康復運動治療早期，患者患肢無法自己活動，應以被動康復訓練為主，主要完成肌力的運動訓練。在這一階段的康復治療過程中，要求機器人要滿足運動要求，在牽引、拖拽患者上臂時，機器人要能克服患肢阻力，帶動患肢相關部位達到需要運動范圍的各個位置，患者上肢處于被動跟隨機器人運動的狀態；在患者具備一定的自主活動能力可以進行半主動康復治療階段時，機器人驅動系統也可以提供較小的力或力矩，根據患者運動意圖，由機器人跟隨患者輔助其上臂運動；患者的上肢力量足夠大時，為了強化上肢力量訓練，機器人在隨上肢運動時，需要提供一定的反向阻尼，促進上肢及神經系統的康復。

(4)機器人本體狀態實時感知和運動控制

為了完成康復治療方案的訓練運動，機器人在工作過程中要能實時感知其各關節位移、速度、力/力矩等本體運動參數、患者運動意圖和患者生理指標信息以及環境相關信息等，并基于上述相關信息，根據治療方案的運動流程實現機器人實時運動控制，完成訓練任務。

(5)充分的安全防護保障措施

由于康復機器人的服務對象是運動障礙患者，行動不便，因此機器人的安全性就更加重要。在硬件設計上，機器人機械設計和控制系統設計要充分考慮機械安全裝置及足夠的量程安全設置，并能根據機器人實時狀態信息保證安全運行；在軟件設計上，要考慮控制參數的極限閾值設置與調整，確保控制機械系統的運行安全；對于患者，也要考慮人體生理信號的實時監測，并制定患者生理信號出現異常時的處置預案；在突發事件時(比如停電)，機器人系統要有相應的處置預案。

(6)康復治療信息智能處理功能

機器人在康復治療過程中，應將患者治療方案、患者生理指標、機器人本體狀態等信息實時保存、記錄，并具備一定的統計分析功能，以便于醫師對患者康復情況進行定量分析。

(7)足夠的人機交互能力

康復機器人需要將醫師為患者制訂的康復治療方案中的訓練流程轉化為機器人能執行的動作，并輔助患者完成訓練任務，因此機器人應具備與醫師就治療方案進行交互的功能；在治療過程中，機器人應能根據患者的身體情況、患肢康復情況和運動意圖來調節運動狀態，所以機器人和患者之間應有充分的交互能力。

2 被動訓練康復機器人控制技術

被動康復訓練可適用于康復訓練治療全過程，特別是在患者肌力較弱、無法靠自身力量活動時，被動康復訓練是康復治療的主要方式。被動康復訓練的主要目標是提高肌肉張力，恢復患肢的主動活動能力，并緩解肌肉痙攣可能給患者帶來的身體傷害。在被動訓練康復機器人控制技術方面，采用的控制技術不但涵蓋了PID控制、滑模控制、模糊控制、自適應控制等，為了提高控制效果，還普遍采用了多種控制方法相結合的混合控制技術[6-11]。

對于被動訓練康復機器人的控制問題，PID控制是最基本的控制方法。因為康復機器人一般采用電機驅動的、多自由度機電系統，其控制系統建模復雜，而PID控制具有不依賴于被控對象模型的特點，利用PID控制方法基本可以獲得較為理想的控制效果。YU等[12]利用PID控制方法對其所研究的康復機器人實施了控制，并取得了較為理想的控制效果。為了達到更好的效果，許多學者還選擇了將經典PID控制方法與其他控制方法相結合的控制方案[13]。

由于滑模控制具有響應快、穩健性好和物理實現容易等優點，在機器人控制領域得到了廣泛的應用。針對下肢康復機器人的末端軌跡跟蹤問題，沈顯慶等[14]采用雙曲面正切函數的滑模控制器，對機器人末端進行直接控制，減弱了傳統滑模控制存在的抖振問題，提高了誤差收斂速度，實驗結果也表明了雙曲面正切函數滑模控制器的有效性。MADANI等[15]給出了一種模塊化控制系統結構體系，利用快速終端滑模方法控制外骨骼完成了康復任務。李醒等[16]提出了一種基于數據驅動的無模型滑模控制方法，并以5自由度外骨骼上肢康復機器人為仿真對象，仿真實驗證明了該方法的可行性。黃明等[17]通過基于代理的滑模控制方法，討論了由氣動肌肉驅動的2自由度可穿戴式康復機器人的腕關節康復訓練位置控制問題。YANG等[18]針對5自由度外骨骼機器人系統建模不確定性和未知擾動的問題，設計了基于有限時間擾動觀測器的非奇異快速終端滑模控制器，實現了關節角度的跟蹤。

模糊控制是一種基于模糊邏輯推理的智能控制方法，可用于對難以建立精確數學模型的控制系統進行穩健性控制，特別是在非線性時變系統控制方面優勢明顯。JU等[19]設計了一種可以協助神經肌肉障礙患者進行康復訓練的2自由度康復機器人系統，給出了一種可以跟蹤運動軌跡并保持運動方向恒定力/力矩的模糊邏輯控制器。吳青聰等[20]研究了模糊滑模導納控制方法，給出了基于上肢康復機器人平臺的模糊滑模導納控制算法，實驗驗證了所提控制方法的可行性。為了消除滑模控制方法產生的抖振現象，結合模糊控制技術和滑模控制技術，RAHMANI等[21]研究了一種7自由度外骨骼式上肢康復機器人，設計了一種新的快速模糊滑模控制器，保證了系統對外部干擾和未知動力學模型的穩健性。

自適應控制方法可以通過參數在線調整或估計，有效解決康復機器人控制系統存在的參數不確定或參數變化未知等問題。王峰等[22]基于自適應控制算法開發了機器人控制系統，實驗結果驗證了機器人系統軌跡跟蹤控制的可行性。梁旭等[23]通過自適應模糊逼近器對人與機器人系統動態不確定性進行估計，設計了自適應模糊控制器，經過多組對比實驗驗證了自適應控制器的有效性。

3 主動訓練康復機器人控制技術

在被動訓練階段，只需要機器人帶動患肢沿著預定的運動軌跡活動即可，機器人運動軌跡是預先設定的，在被動訓練治療過程中，患者只是被動參與。但在主動訓練康復階段，為了提高康復效果和患者參與訓練的積極性，需要機器人按照患者運動意圖提供主動訓練康復運動[23]。因此，為了提高患者在機器人輔助訓練過程中的參與度，需要機器人與患者之間加強交互，并根據所感知的患者運動意圖來控制機器人關節的活動，從而帶動患肢進行康復訓練運動。與被動訓練相比，主動康復訓練的控制問題難度更大，主要需要解決如下幾個方面的問題:(1)患者運動意圖的感知技術；(2)人機交互控制技術；(3)控制系統安全穩定問題；(4)人機交互模式問題。

3.1 感知技術

主動訓練過程中，實時有效的感知技術是保證康復機器人訓練效果的首要條件。通過感知系統，機器人可以獲取患者主觀運動意圖，然后再結合感知系統檢測到的機器人自身狀態信息及相應的控制策略，從而實現機器人與患者的主動訓練康復運動。

感知系統要求既能感知患者和機器人本體的狀態信息，還要能夠幫助實現患者與機器人的信息交互和物理交互。感知系統是形成閉環機器人控制系統，保證機器人系統控制精度的主要組成部分，也是保證利用力、位置等信息反饋實現機器人系統柔順控制的必要環節。另外，通過感知系統所獲取的相關評估信號也是康復機器人性能評估標定的主要指標。

目前，機器人感知系統比較成熟的感知技術包含了人機運動信息和人體生理信息等感知技術。康復機器人感知系統所用的傳感器可分為物理信息傳感器和生理信息傳感器。物理信息傳感器主要用于康復訓練過程中人機交互運動的位置、力等物理信息感知；生理信息傳感器主要用于患者的肌電或腦電信息等生理信息的感知。

3.1.1 運動信息感知技術

在機器人康復運動訓練過程中，人機交互運動信息主要包括位置(速度、加速度)信息和力信息。目前，檢測運動信息的物理量信息傳感器主要包括位置傳感器、角位移傳感器、加速度傳感器、力傳感器等。傳感器設備種類較多，如位置傳感器就有光電編碼器、磁編碼器、霍爾傳感器、電位計等多種傳感方式。其中，光電編碼器、電位計等位置/角位移傳感器等可安裝在康復機器人的某些關節電機內部或電機旋轉軸上，用于檢測關節位置/角度運動信息等。李劍鋒等[24]研制的踝功能康復機器人安裝了絕對式編碼器，檢測其3個運動關節的角位移和角速度的信息，為機器人的軌跡跟蹤提供了反饋控制信息；CHIRI等[25]將霍爾傳感器安裝在關節旋轉軸上，不但用來測量肢體旋轉關節的角位移，還充當了限位開關，保證了機構旋轉關節的活動范圍。

除了位置/角位移傳感器外，為了更好地感知患者身體相關部位的姿態，加速度計、彎曲度傳感器、陀螺儀、數據手套等感知裝置或技術也得到了廣泛的應用。其中，彎曲度傳感器、陀螺儀及加速度計等傳感器與位置/角位移傳感器類似，主要是安裝在機器人的活動關節上用來檢測患者的運動狀態。一般情況下，陀螺儀和加速度計兩者經常綜合使用。加速度計可安裝在待測物的水平面上，由于重力作用，待測物體轉動時加速度計的敏感軸會產生轉動，加速度也會產生變化，從而可以體現待測物體的姿態變化。陀螺儀可用來檢測待測物體的動態角速率，通過對角速率積分從而得到待測物體的姿態角度。ESQUENAZI等[26]采用陀螺儀檢測患者姿態，通過計算獲得患者的質心活動軌跡和步態特征，實現了機器人輔助患者行走的功能。為了降低陀螺儀和加速度計的測量誤差，減少傳感器數據融合得到姿態數據的漂移現象等噪聲干擾，可以考慮利用濾波算法對姿態數據的噪聲和漂移進行校正處理，以提高其測量精度[27]。

在康復機器人主動訓練過程中，人機交互的力信息是非常重要的感知信息，力信息主要是指由于人體上下肢肌肉收縮所形成的作用于機器人關節機構的力，也稱為交互力。可以通過將力傳感器安裝在機械結構中進行交互力的測量，也可通過人機交互系統動力學建模進行估計。康復機器人進行交互力的信息檢測時，常用的力傳感器主要有多維力傳感器、電容式力傳感器、應變式力傳感器、壓阻式力傳感器、觸覺傳感器、電子皮膚等。但在進行交互力測量時，一般需要借助機器人的機械結構才能實現，所以力信息的獲取較為復雜，不如人體生理信號檢測方便靈活，所以這也限制了基于交互力的康復機器人控制方式的應用[28]。相比于人體生理指標信息，力信號測量的準確性和可靠性更高，同時也能更好地反映患者的主管運動意圖，因此基于交互力信息的康復機器人控制性能更加可靠。

3.1.2 基于表面肌電信號的感知技術

現有的康復機器人主要通過人機交互力信息來獲得患者的主觀運動意圖，但由于交互力信息的滯后性和康復訓練過程中主觀運動意圖建模困難，因此基于交互力感知技術尚不能很好地解決人機交互控制的安全柔順性問題。基于人體肌電信息的康復機器人交互控制也是目前的研究熱點之一。肌電信號(Electromyogram，EMG)來源于人體運動神經元，能夠反映出人體骨骼肌的激活狀態，是中樞神經系統支配的肌肉神經控制信號。肌電信號大約先于骨骼肌收縮100 ms產生[29]，通過人體肌電信號獲得患者的運動意圖，可以很好地提高患者在康復訓練過程的主動參與程度。

表面肌電信號(surface Electromyography，sEMG)是骨骼肌的肌纖維運動單元動作產生的電位變化信息[30]，可以將電極貼合在相應的皮膚表面來獲取該部位的肌電信息，在一定程度上表征神經肌肉的活動情況[31]。由于sEMG信息電信號微弱，所以在測量時具有很大程度的不穩定性，對于同一個人同一個動作所采集到的肌電信號都可能不同。所以，如何提取肌電信號特征是進行基于肌電信號的交互控制首先要解決的問題。目前，常用的提取sEMG信號特征的方法主要有頻域法、時域法和時頻域法等。常用的頻域法包括倒頻譜分析、功率譜估計等特征計算方法；時域法主要有均值、絕對值積分、均方根、過零點率、平方和等方法；時頻域法目前較常見的有小波變換法和維格納分布[9]方法。

表面肌電信號具有如下特點:信號獲取較為簡便，不需要較為復雜的機械結構；傳統力傳感器檢測到的力信息是所有肌肉群作用下的肢體運動情況，表面肌電信號可以反映特定肌肉群的電活動程度，可以獲得對肢體的運動意圖進行更加細致的感知；基于表面肌電信號的交互控制靈活，可實現健肢對患肢的主從控制；表面肌電信號比常規檢測到的力信號靈敏度高，對于患肢自主活動能力較弱的患者，使用表面肌電信號檢測患者主觀運動意圖更為合適。目前，肌電信號已廣泛應用于康復治療過程中。肌電信號的檢測一般是通過在人體皮膚表面粘貼一組貼片電極來測量表面肌電信號，并經過放大、濾波等信號處理后，可判斷出各肌肉的活動程度，從而識別出人體患肢的動作模式并控制康復機器人的運動。單一通道的肌電信號只能反映某些特定肌肉的活動情況，為了獲取患者主觀運動意圖，一般情況下最好基于多塊肌肉電信號的活動情況，才能較為可靠地獲得患者主觀運動意圖[32]。

在康復訓練過程中，如何通過肌電信號識別出患者的主觀運動意圖，是康復機器人人機交互控制的關鍵所在。丁其川等[33]介紹了肌電信號判別患者主觀運動意圖的方法有離散動作模態分類、關節連續運動量估計及關節剛度/阻抗估計，并介紹了基于sEMG的主觀運動意圖識別技術現狀。

3.1.3 基于腦電信號的感知技術

人類大腦是由眾多神經元組成的，人們的思維活動就是這些神經元之間相互聯系的反應，這些反應是通過人體大腦皮質中樞神經系統的神經元細胞電生理活動來實現的。人們的思維活動也會引起神經系統神經元的活動變化，影響神經元的電活動特性，從而反映為腦電信號(Electroencephalogram，EEG)發生了相應的變化。腦電信號是大腦皮質錐體細胞突觸在活動時產生的離子交換而形成的電波信號，是神經元細胞之間傳遞信息時產生的生物電信號。

腦電信號的傳統分析方法主要包括時域分析、頻域分析和譜分析等，近年來，隨著非線性動力學和神經網絡的深入研究及廣泛應用，人工神經網絡和非線性動力學分析等腦電信號分析方法也得到了廣泛的關注[34]。

(1)時頻分析法

早期腦電信號分析方法是在時域信號中直接提取其特定波形特征的信息，常用的分析方法主要有波形參數分析和波辨識、峰值檢測、直方圖分析、自回歸模型(Autoregressive model，AR)、相關分析、方差分析等時域分析方法。相對于時域描述，腦電信號的頻域表示更加的簡單直觀，所以有很多腦電信號的研究結果是在頻域下得到的，如階比譜分析、包絡分析、頻譜分析、全息譜分析、倒頻譜分析等方法都是常用的頻域分析方法。

時頻分析方法則兼有上述兩種方法優點，可在時域上將信號的頻率特性展示出來，在描述腦電信號的局部頻率及其幅值特性方面具有明顯優點。

(2)高階譜分析法

高階譜分析方法是對功率譜分析法的推廣，也是腦電信號分析的一種常用方法。由于腦電信號不是單純的高斯分布，所以采用二階譜分析時，可能會丟失部分非線性高階信息，影響腦電信號分析效果。因此，針對隨機的非高斯過程的腦電信號，采用高階譜分析法可以從更高階概率描述隨機信號，獲得包含偏離分布程度、信號相位等更多的非線性信息。另外，在理論上高階譜對高斯噪聲有更好的抑制能力，可提高腦電信號參數估計的可靠性。

由于高階譜計算量隨階數的增加而更加復雜，所以腦電信號高階譜分析法一般情況下采用雙譜分析法，其可以挖掘出常規腦電圖無法顯示的深層次隱含信息。劉海紅等[35]基于不同注意力狀態下的幾組腦電信號，采用雙譜分析法研究了雙譜切片特征值，結果表明不同腦電部位的信號在相同意識狀態下的非線性耦合特性存在差異性，體現了雙譜分析在腦電分析中的潛在價值。

(3)非線性分析法

近年來的研究結果表明，如把腦電信號視為系統輸出，則人類大腦神經系統是一個復雜的非線性動力學系統[36]。隨著腦電信號非線性動力學的發展，洛倫茲散點圖、李雅普諾夫指數、關聯維數、復雜度、奇異譜等非線性方法在腦電信號分析中得到廣泛應用，非線性動力學已成為研究大腦和腦電信號的有效技術手段[34]。

(4)人工神經網絡方法

人工神經網絡常被簡稱為神經網絡，是對人類大腦思維功能進行抽象、對人腦神經網絡進行模擬的一種并行計算模型，是由大量的節點(或神經元)相互連接而形成的復雜網絡。人工神經網絡結構主要包括網絡輸入層、網絡隱藏層和網絡輸出層。早期人工神經網絡的隱藏層較少，所以結構一般較為簡單，隨著隱藏層的增多以及多種網絡結構模型的提出，目前逐漸出現了很多類型的神經網絡模型，其中卷積神經網絡模型在腦電信號的分析領域中得到較為廣泛的應用[37]。

除了上述4種類腦電信號的分析方法外，其他的一些腦電信號研究方法如基于經驗模態分解與隨機森林的腦電信號分類法[38]等，也在很大程度上拓展了腦電信號分析方法的研究應用，對于研究大腦功能機理也起到了很大的推動作用。

3.2 人機交互控制技術

在康復機器人進行主動康復訓練過程中，為了給患者提供一個有效的康復訓練環境，安全可靠的人機交互控制系統是關鍵要素之一[39]。人機交互控制系統需要根據康復訓練任務要求，將感知系統獲得的患者運動意圖和機器人的實時狀態信息作為反饋信息，采取一定的控制策略，構建人機交互閉環控制系統，實現機器人的安全可靠控制。安全可靠的人機交互控制技術，是康復機器人實現康復訓練的首要條件，直接影響主動康復訓練中患者的參與程度及機器人康復訓練功能的實現，在很大程度上直接影響了康復機器人的功能和康復效果。

3.2.1 基于運動信號的交互控制

運動信號主要是指在患肢訓練過程肢體活動時，通過相應傳感器采集獲得的肢體關節等部位的位置、角度、力等運動信息，基于運動信號的控制可分為位置/力控制和阻抗控制，其中位置/力控制又可分為位置控制、力控制、力位混合控制等多種交互控制方式。

(1)位置/力控制方式

位置控制康復機器人主要是指進行主動訓練時，康復機器人帶動患肢根據預定的運動軌跡活動，輔助患者完成訓練任務。這種控制方式主要以運動軌跡的誤差或運動速度的誤差作為控制對象，使機器人跟蹤預定軌跡進行運動，從而使機器人帶動肢體沿著預設軌跡活動進行康復訓練。CEMPINI等[40]研制了外骨骼式手部康復機器人，采用位置閉環控制方式實現了對機械手的運動控制。張林靈等[41]針對上肢康復機器人位置控制問題，研究了運動方向信息處理系統，濾除了運動過程的抖動，提高了機器人位置控制準確性，保證了機器人康復訓練過程的安全性和舒適性。

力控制是指基于傳感器檢測獲得的患者肢體產生的力/力矩信息，對與患者接觸的機器人執行器末端或關節作用力/力矩所做的控制，如IQBAL等[42]研制的外骨骼機器人就采用了力反饋控制系統。力控制以患者和機器人之間的交互力作為控制對象，使機器人可以根據患者運動意圖進行相應的運動，從而幫助患者完成康復訓練任務。王昱等[43]針對上肢康復機器人，設計了融合視覺反饋的觸覺反饋系統，研究分析了基于力跟蹤的康復機器人上肢訓練的效果。AGARWAL等[44]針對外骨骼康復機器人，采用力/力矩信號作為前饋信號的PID控制，在不引起振蕩的情況下減少延時，實現了扭矩的迅速產生，得到了較好的期望轉矩軌跡。力/力矩信息可通過機器人結構中安裝的力/力矩傳感器直接測量，也可通過人機系統的動力學模型獲得。力/力矩信號是對患者主觀運動意圖的直接反映，因此基于力信號的交互控制較為可靠穩定。

力位混合控制是指根據位置的偏差和力/力矩的偏差作為反饋信號對康復機器人進行控制，從而控制機器人實現人機交互，輔助患者完成主動康復訓練。JONES等[45]針對外骨骼式的康復機器人，采用了力和位置2類信息作為反饋控制信號，實現了外骨骼機器人的實時控制，保證了機器人康復訓練過程的控制精度和系統安全性。王曉峰等[46]設計了基于無模型自適應的康復機器人主動訓練控制方法，以交互力矩為輸入，結合機器人末端點和參考軌跡相對位置、補償力的信息，設計了阻抗控制器調節各關節預定速度，并結合無模型自適應、離散滑模趨近律的速度控制器，完成了機器人各關節的速度跟蹤。

(2)阻抗控制

阻抗控制是對機器人期望機械阻抗實施控制，此概念在1985年就被提了出來[47]，是剛性控制和阻尼控制的推廣。康復機器人的阻抗控制技術可分為基于力/力矩和基于位置的阻抗控制兩類。

在基于力/力矩的阻抗控制中，力/力矩控制回路作為內環回路，根據實際位置信號調整所需的力/力矩，從而實現期望的力/力矩阻抗。而基于位置的阻抗控制系統的內環回路是位置控制回路，根據反饋的力/力矩信息實時調整期望的運動軌跡。在機器人應用中，基于力/力矩的阻抗控制需要精確的系統動力學模型，并且對系統的不確定性以及時變參數的變化非常敏感，其優點是控制器的響應帶寬較高[48]。所以，對于機器人建模精度較差的系統，可以使用自適應/穩健軌跡跟蹤方法保證跟蹤誤差的精度。同時，由于常用的伺服電機控制系統一般都具有位置/速度控制模式，針對康復機器人的位置控制系統，采用基于位置的阻抗控制技術比較容易實現，這種算法較為成熟，性能也較為穩定，因此基于位置的阻抗控制得到了更加廣泛的實際應用[49]。

基于阻抗控制技術的機器人系統力控制和位置控制不需要在力控制子空間和位置控制子空間之間切換，阻抗控制可通過控制機器人末端執行機構的運動和接觸力之間的關系，達到動態行的理想控制效果，所以阻抗控制技術可實現康復機器人的主動柔順，盡可能地降低機械機構與患者肢體間的對抗程度，可為患者帶來一個更加舒適、安全的人機交互，減少患肢再次被傷害的可能性。在采取阻抗控制的機器人系統中，可以利用位置、速度、加速度的誤差作為反饋信號。HUSSEIN等[50]針對康復機器人步態訓練，基于阻抗控制技術設置了基于速度誤差的柔順偏離窗口，以患者腳底和腳踏板之間的作用力作為反饋信號，控制窗口內訓練步態的速度。

3.2.2 基于肌電信號的交互控制

基于肌電信號的控制方法也可以提供根據患者主觀運動意圖的控制策略[51]。表面肌電信號可從驅動肢體關節動作的肌肉提取，蘊含了肌力和關節角加速度等很多信息，可為輔助患者康復訓練的機器人多模態控制策略提供交互信息，并且由于肌電信號比肢體關節實際動作超前產生，可為機器人運動的預測提供信息，也可補償機器人系統動力學模型計算所造成的時間延遲。因此，基于表面肌電信號的康復機器人控制成為了人機交互控制中的常用方法之一，也成為了機器人運動康復的一種主動訓練方式之一。

人體肌肉群的激活情況可由表面肌電信號反映，并且通過對患者表面肌電信號的分析，可以得到患者的運動類型、力量大小等主觀意圖，所以采用患者表面肌電信號作為控制信號的機器人運動控制也體現了患者的主觀運動意圖，從而可以達到患者通過機器人輔助實現患肢進行運動康復的目的。

針對偏癱患者的運動康復訓練，可以根據患肢的患病程度采取不同的交互控制策略。對于健肢活動自如的患者，可以通過健肢控制患肢進行相關的運動康復訓練，也可以利用患肢的肌電信號作為控制信號設計機器人的交互控制器。這樣就使得患者能主動收縮患肢的肌肉，能通過患者主觀意識的練習來促進患肢肌力及神經功能的康復。對于較為嚴重的偏癱患者，其患肢肌肉可能已嚴重萎縮，可以通過重建肌肉相關神經來進行控制，從而使嚴重癱瘓的患者也可通過表面肌電信號進行運動康復訓練。ZHANG等[52]研究了基于肌電信號的上肢康復機器人肩肘復合運動模式識別與控制方法，開發了一種表面肌電信號采集系統，利用表面肌電信號的特性干擾動作模式，采用肌電積分法確定目標運動的起點和終點，實驗驗證了機器人系統的目標運動識別率和相應的反應速度的有效性。

3.2.3 基于腦電的交互控制

對于肌肉萎縮嚴重的患者來說，肌電信號采集是比較困難的，所以運用腦電信號可能是一個比較好的替代方法。腦電信號可以直接反應患者的主觀運動意圖，且實時性強，可以更為快速地識別運動意圖。20世紀90年代末，CHAPIN等[53]為了確定運動皮層神經元是否可以用于實時設備控制，通過實驗進行了驗證，結果表明利用腦皮層神經元信號可以用于機器人手臂運動控制，這些結果為癱瘓病人的機器人運動康復提供了可行性。

目前，腦電信號的獲取方式主要包括植入式和非植入式。其中，植入式腦電信號獲取方式的優點是采集的信號空間分辨率高、信噪比高，包含的信息豐富，便于提取到較為精確可靠的控制信號，而缺點是電極植入手術具有較大的風險，有可能給患者帶來另外的傷害，所以多數患者可能是不愿意接受的。非植入式腦電信號采集方式主要采集的是患者頭部表皮的腦電圖信號，從而實現大腦和外部世界基于腦電信號的信息溝通，其缺點是腦電圖信號抗干擾能力差。

由于腦電信號能真實反映患者的主觀運動意圖，所以對于無法采集肌電信號的肢體癱瘓患者可以通過腦電信號來識別其運動意圖，從而控制康復機器人實現自主康復運動訓練，這為該類患者提供一種不需要肌肉系統也能夠與外界環境進行運動意圖交互的新渠道[54]。運動康復訓練可以加快腦卒中癱瘓患者大腦皮層運動功能恢復，也可通過外界刺激誘導患者備用或新生神經環路形成，也可強化原來正確的神經環路或修正錯誤的神經環路[55]。運用腦電信號對患者進行思維訓練可以促進其神經可塑性，對于腦卒中癱瘓患者運動功能恢復具有非常重要的意義。基于腦電信號的康復機器人交互控制，就是采集能夠表達患者運動思維的腦電信號，進行特征分析，基于模式分類結果實現患者運動意圖的識別，再利用這些識別結果作為康復機器人的控制指令，控制機器人帶動患者進行運動康復訓練，促進患者的運動康復。

利用腦電信號交互控制技術關鍵是設計有效的腦機接口(Brain Computer Interface，BCI)。腦機接口是指人腦神經與外部設備間建立的直接連接通路，是一種人腦神經思維信息與外部設備進行信息交互和功能整合的技術。腦機接口為開發一種利用大腦信號控制的新交流機制提供了機會，其可以不依賴于外周神經-肌肉系統來實現直接的意圖表達或控制操作，這種技術對那些運動障礙的人非常有幫助[54-55]。通過腦機接口技術就可以開發出利用腦電信號的控制裝置，可以幫助肢體運動障礙嚴重患者、語言交流障礙患者與外部環境進行信息交互。

根據功能，腦機接口可分為:(1)只能單向獲得大腦的信息；(2)只能向大腦單向輸入信息；(3)能夠與大腦雙向交流信息。目前，關于腦機接口技術的應用研究主要集中在只能單向獲得大腦信息的腦機接口技術[56]。HOCHBERG等[57]利用四肢癱瘓患者的侵入式腦電信號成功地實現了機械臂的運動控制。但是，侵入式的腦機接口由于涉及開顱、將探針植入灰質等操作，存在很大的人身安全隱患，不可避免地會造成一些神經元細胞的壞死，具有較大的危害性。并且電極植入時間久了，可能會在電極周圍的腦細胞中出現疤痕組織，影響后續的腦電信號接收。在半侵入式的腦機接口中，需要將電極植入到大腦的顱骨內部，處于腦膜外而非灰質內，所測得的腦電信號比非侵入式測量的信號更清晰，具有更好的精度和靈敏度。

非侵入式的腦機接口一般布置在頭皮外，雖然得到的腦電信號是低質量的，但是可以避免手術給患者帶來的危害。因此，非侵入式的腦機接口在實際應用中仍然是最為優選的方式，也是目前最成熟的腦機接口技術。非侵入式腦機接口常用方法是運動想象法，從腦電信號中提取運動意圖的方法是讓受試者想象自己的左右手或身體某部位運動，根據大腦控制身體相關部位運動的神經區域提取出的腦電信號分析識別出不同激活度信息。這種基于運動想象的腦電信息分析方法在康復機器人交互控制領域得到了非常廣泛的應用[58]。

目前，基于腦電信號的機器人交互控制研究主要集中在離線的分類識別和回歸分析，只是說明了基于腦電信號進行康復機器人交互控制的廣泛應用前景，但是要想達到實際應用的程度，還有一定的距離。所以，實時的機器人腦機接口交互控制還面臨著很多的挑戰，即(1)采集的實時腦電信號不具備離線研究所用腦電信號的數據完整性，識別準確性肯定也會受到影響；(2)需要保證基于腦電信號的交互控制實時性，這不但要求基于腦電信號進行患者運動意圖識別，更重要的是如何保證基于當前腦電信號進行運動意圖的預測；(3)在實際應用中，針對真正無法進行任何思想溝通交流的患者，如何確認其大腦想象的肢體運動意圖的準確性等，都是要進一步考慮的問題。

4 交互控制的穩定性與安全性

在康復機器人輔助患者進行運動康復的過程中，機器人和患者之間的物理交互是必不可少的，因此如何保證交互過程中的安全問題是首先要解決的問題之一。同時，由于機器人系統存在動力學不確定性，且人機物理交互過程也經常發生一些動作沖突，所以現有的康復機器人交互控制閉環系統的穩定性問題還是很難解決的一個問題。

為了提高外骨骼康復系統與患者交互過程中的靈活性，AGUIRRE-OLLINGER等[59]提出了一種新的下肢外骨骼控制方法，通過增加一個由低通濾波角加速度乘以負增益組成的反饋回路來模擬慣性補償提岀一種對慣量進行補償的閉環控制器，實驗表明該控制器可以使患者獲得穩定的關節活動頻率。針對患者與外骨骼機器人交互系統中的不確定性和非線性問題，基于模型參考自適應阻抗控制，BI等[60]建立了基于位置控制內環的人機交互動力學模型，提出了一種外骨骼康復機器人交互力控制方法，并依據李雅普諾夫穩定性理論進行了自適應控制器設計，實驗驗證了該方法在外骨骼式手部康復訓練機器人非線性人機交互力控制的有效性和穩健性。

針對康復機器人與患者進行直接物理交互可能導致的系統穩定性問題，許多研究人員采取一些創新的控制技術開展了大量的研究工作，也取得了很多有價值的研究成果。YU等[61]采用一種新型緊密型串聯彈性驅動器，提出了一種步態康復機器人的交互控制策略，給出了該控制器下閉環系統穩定性的理論證明。MENDOZA等[62]針對康復機器人輔助治療系統，提出了一種改進的基于波的雙側遙操作方案，保證了遙操作器的穩定性。LI等[63]基于無源性判據和絕對穩定性判據，研究了雙用戶觸覺遙操作系統與三邊觸覺系統的穩定控制結構，并就絕對穩定性判據和無源性判據的保守性進行了證明。KASHIRI等[64]采用李雅普諾夫方法研究了柔性關節機器人系統的穩定性、無源性以及系統全局漸近收斂性問題，提出了一種將虛質量融入位置控制模式中的控制方法，實驗表明當任務執行過程中存在較大位置誤差時，系統仍然具有較為理想的阻尼響應性能。

5 展望

最近幾年來，各種各樣的康復機器人不斷涌現，為了保證機器人的安全穩定運行，很多學者或技術人員采取了多種多樣的人機交互控制技術，也取得很多富有成效的研究成果。但是，從現有的科技文獻來看，康復機器人的人機交互控制仍然存在許多有待進一步研究的技術問題:(1)如何評價機器人康復訓練效果?這是涉及考慮采取什么樣的人機交互控制策略的前提條件。由于患者的個體差異性及其訓練策略的不同等，康復機器人訓練效果評價標準也很難統一，因而如何設計合理的機器人和患者之間的交互控制策略也就具有很大的挑戰性。(2)如何精準地感知患者的運動意圖?康復機器人的目的是輔助患者進行康復訓練，因此為了保證機器人的康復訓練效果，精準、穩定地感知患者的運動意圖是進行康復機器人的交互控制的前提條件。(3)如何保證機器人的安全穩定性?由于機器人和患者之間存在緊密的物理交互，因此機器人的穩定性問題是人機交互控制必須解決的關鍵問題之一，否則有可能存在對患者二次傷害的隱患。

總之，隨著康復機器人相關技術的快速發展，不久的將來必將會有安全穩定、更加有效的康復訓練機器人走進醫院、社區、家庭，造福更多的患者。