搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
康复机器人--设计建模控制与实验
0.00     定价 ¥ 188.00
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购25本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787030488336
  • 作      者:
    作者:侯增广//王卫群//彭亮|责编:姚庆爽
  • 出 版 社 :
    科学出版社
  • 出版日期:
    2022-08-01
收藏
内容介绍
本书首先综述了近年来国内外康复机器人领域的应用及研究进展,在此基础上结合作者课题组近年来在康复机器人领域的研究成果,对康复机器人的基础理论与关键技术进行梳理。全书主要内容包括:康复机器人研究的神经科学和康复医学的基础知识,康复机器人的国内外研究现状,上肢和下肢康复机器人的设计、建模和辨识技术,基于生物电信号的人体运动意图识别技术,人机交互控制与康复训练方法,以及康复机器人的临床试验与康复评定技术等。 本书可供机械、控制、信息等相关专业的研究生阅读,也可作为康复医学、机器人及自动化等相关方向的科研人员与工程技术人员的参考书。
展开
精彩书摘

第1章绪论
  1.1神经损伤与神经康复
  1.1.1中枢神经损伤
  人体中枢神经系统包括脑和脊髓,掌管着人体与外界信息的传递、交互及处理,是各种心理活动的生物学基础,并支配人体各器官活动,包括肢体运动。人体中枢神经受到损伤往往会造成肢体功能障碍,形成偏瘫、截瘫,甚至四肢瘫。中枢神经损伤的主要来源包括脑卒中(stroke)、脊髓损伤(spinal cord injury,SCI)、外伤性脑损伤(traumatic brain injuries,TBI)等。
  中风也叫脑卒中,亦称脑血管意外(cerebrovascular accident,CVA),是指突然发生的、由脑血管病变引起的局限性或全脑性功能障碍,持续时间超过24小时或引起死亡的临床症候群[1]。它包括缺血性脑血栓、脑栓塞、脑出血和蛛网膜下腔出血,其中最为常见的两种类型如图1.1所示[2],具有发病率高、死亡率高、致残率高、复发率高,以及并发症多的特点。
  图1.1脑卒中的两种基本类型[2]
  近年来,随着生活水平的提高、饮食结构的变化和人口的老龄化,脑卒中患者数量显著增加。据统计,过去40年里发展中国家的脑卒中患病率每年增长超过100%[3];我国目前脑卒中的年患病率大约为115.61~219例/10万人,即每年新增患者约为150万~200万人[4]。脑卒中已经成为致死和致残的首要疾病之一[5,6]。
  脊髓损伤是指由各种原因引起的脊髓结构、功能的损害,造成损伤水平面以下运动、感觉、自主神经功能障碍[1]。根据损伤水平面所处脊椎位置的不同,脊髓损伤可引起不同程度的截瘫或者四肢瘫。根据美国脊髓损伤协会(American SpinalInjury Association, ASIA)发布的脊髓损伤神经学分类方法,脊髓损伤可以根据损伤程度分成5级[7]。
  A 级,完全脊髓损伤,最低的骶段(S4~ S5)没有任何感觉或运动功能。
  B 级,不完全脊髓损伤,包括最低位骶段(S4~S5)在内的神经损伤平面以下有感觉功能,但没有运动功能;且身体任何一侧神经损伤平面以下无三个节段以上的运动功能保留。
  C 级,不完全脊髓损伤,损伤平面以下运动功能保留,且单个损伤平面以下半数以上关键肌的肌力小于3级,表明患者可以克服重力进行主动运动。
  D 级,不完全脊髓损伤,损伤平面以下运动功能保留,且半数以上关键肌的肌力大于或等于3级。
  E 级,正常,所有节段的运动和感觉功能均正常,且既往有 SCI。无 SCI 者,不分级。
  脊髓损伤根据损伤的位置,可以分为颈椎脊髓损伤、胸椎脊髓损伤和腰骶脊髓损伤。人体脊椎的结构[8]如图1.2所示,从上往下依次为颈椎(C1~C6)、胸椎(T1~T12)、腰椎(L1~L5)、骶骨(S1~S5)和尾骨。在临床上,医生通常直接根据患者脊髓损伤的位置和程度对患者进行损伤级别评定。例如,患者的颈椎第6块椎骨发生完全脊髓损伤,通常称为颈6完全脊髓损伤(C6,AISA=A),同样,患者的胸椎第3块椎骨发生不完全脊髓损伤,且损伤平面以下有感觉功能无运动功能,则称为胸3不完全脊髓损伤(T3,AISA=B)。
  最近几年,由于交通事故、自然灾害频发,脊髓损伤发生率居高不下。1996~2006年,全世界脊髓损伤的年发病率约为10.4~83例/100万人[9]。目前,脊髓损伤的患病率仍在35例/100万人左右[10]。据测算,我国每年新增的脊髓损伤患者达60000人;我国的脊髓损伤患者总数比世界其他任何国家都多[11]。
  外伤性脑损伤是外力导致的颅骨、脑膜、脑血管和脑组织的形变所引起的神经功能障碍。根据《柳叶刀神经病学》2019年的报道,我国自2016年以来的年发病率约为313例/10万人,仅次于四肢创伤,在发展中国家中名列前茅[1]。外伤性脑损伤的主要致伤原因包括交通事故、工伤、运动损伤等,可导致认知、语言、运动等功能障碍。重度脑损伤的康复治疗一般需要持续很多年,部分患者需要长期照顾。
  中枢神经损伤往往引起肢体功能紊乱,尤其是偏瘫、截瘫、四肢瘫等肢体残疾。据中国残疾人联合会发布的测算数据,2010年末全国残疾人总数为8502万人,其中肢体残疾患者为2472万人,占残疾人总数的29.1%,在各类残疾人口中占比最大[12]。瘫痪患者或者长期卧床需要专门的护理人员,或者行动不便给正常生活和工作带来很多困难,给患者及其家庭带来极大痛苦和沉重的经济负担。
  图1.2人体脊椎结构图[8]
  1.1.2中枢神经损伤的康复治疗
  瘫痪患者在患病急性期一般需要针对不同的病因进行原发病的治疗,该阶段以手术和药物治疗为主。经过急性期的治疗之后,针对患肢进行康复治疗以恢复其运动功能往往需要更长的时间。针对患肢的康复治疗应在患者病情稳定后尽早展开,这对患者的肢体功能恢复更为有利。例如,对于脑卒中造成的偏瘫患者,其康复治疗应在患者病情稳定后1~7周开始为宜;一般认为,神经系统的功能康复效果在发生功能障碍后3个月内较显著,约在6个月内结束,此后神经系统功能恢复的可能性相对较小[13]。
  目前针对瘫痪患者的康复治疗方法主要包括物理疗法、作业疗法、运动疗法等。物理疗法主要是应用物理因子,如电、光、声、磁、水、蜡等作用于人体,并通过人体的神经、体液、内分泌等生理调节机制促使患者康复的一类疗法。作业疗法是有目的、有针对性地从日常生活活动、职业劳动和认知活动中选择一些作业项目对患者进行训练以缓解症状、改善功能。运动疗法是徒手或者借助器械以使患肢产生主动或者被动的运动,恢复其运动功能。运动疗法是针对瘫痪患者最基本、最有效的康复治疗方法。在实际康复治疗中,往往同时采用多种疗法以获得较理想的康复效果。
  1.1.3神经康复的可塑性原理
  康复训练主要对应于康复医学中的作业疗法和运动疗法,它基于中枢神经的可塑性理论。该理论认为,为了主动适应和反映外界环境的各种变化,中枢神经(包括脑神经、脊髓神经等)能发生局部的结构和功能的改变,并维持一段时间,这就是可塑性(plasticity)。目前,生物学和临床医学的研究并不支持高度分化的神经系统具有再生能力,然而,各种动物实验及临床试验,都能发现脑局部损伤后丧失的部分功能可以有某种程度的恢复。同时,先进的神经影像技术和非侵入式刺激研究,如正电子发射体层摄影术(positron emission tomography,PET)、功能磁共振成像(functional magnetic resonance imaging,fMRI)、经颅磁刺激(transcranialmagnetic stimulation,TMS)等,揭示中枢神经损伤后可以通过运动训练及行为学习而不断重塑[14]。康复医学的大量临床试验也证明,对瘫痪肢体长期的、足够强度的康复训练对患肢神经系统康复和运动功能恢复非常有效[15,16]。
  1.2康复机器人
  传统康复训练方法主要通过手动或者借助简单器械对患者肢体进行康复,即由医生、护士或者理疗师用手或借助简单器械带动患肢对患者作一对一或多对一训练。对于下肢瘫痪患者,为了支撑患者身体并带动其腿部做康复运动,传统康复训练方法往往需要3名护士做辅助,劳动强度大且效率低下,极大影响了患者及医护人员参与康复训练的热情。同时,伴随着人员成本的不断上升,传统康复方法造成整个康复治疗过程费用增加,进一步加重了患者家庭及社会负担。因此,有必要研发先进的康复训练技术,以降低医护人员劳动强度和康复治疗费用,提高康复训练效果。
  随着机器人技术的日益成熟,越来越多的研究人员致力于将先进的机器人技术应用于瘫痪患者的康复训练。康复机器人基于先进机器人技术同时结合医学康复理论,能够克服传统康复训练方法的不足。康复机器人能减少辅助训练的医护人员数量,减轻医护人员的繁重劳动;借助各种传感器和控制技术,康复机器人可以实现多种训练方法和灵活的训练轨迹;同时,它可以对患者运动功能进行定量评估并灵活调整训练处方,以获得更加科学的康复训练方法,提高康复效果。因此,康复机器人技术具有广阔的应用前景。
  第2章康复机器人研究现状与分析
  2.1引言
  根据训练肢体所处人体位置的不同,康复机器人可以分为上肢康复机器人和下肢康复机器人两大类。这两类机器人又可以细分为各个关节的单关节机器人及多关节联合训练机器人,如针对手部关节、腕部关节、踝关节等的康复机器人。总体看来,目前上肢康复机器人技术相对比较成熟,并且已有较为成功的临床应用和相对成熟的产品。例如,瑞士 Hocoma 公司的 Armeo 系列上肢康复机器人[17]、美国交互式运动技术公司(Interactive Motion Technologies Inc.)的 InMotion 系列上肢康复机器人[18]等都已经投向市场。而目前下肢康复机器人技术相对落后,还远远没有获得令人满意的临床效果[19]。以瑞士 Hocoma 公司的 Lokomat 下肢康复机器人为例,这种康复机器人在欧美已经得到较为广泛的应用,其临床效果也被大量研究和评估;然而,这些阶段性研究结果表明,Lokomat 的临床效果在统计学意义上甚至不如传统康复训练方法[20,21]。其他下肢康复机器人或者功能过于单一,或者功能多但是训练效果未得到证实。总之,目前用于下肢康复训练的机器人系统在技术上和应用效果上都有待进一步研究和验证。
  2.2上肢康复机器人的研究现状与分析
  康复机器人技术的研究首先是从上肢康复机器人开始的。回顾上肢康复机器人技术的发展历史对下肢康复机器人技术研究同样具有重要参考价值。
  2.2.1主要的上肢康复机器人平台
  根据康复机器人和患者上肢之间的接触和交互方式,上肢康复机器人可以大致分为两种形式,即末端牵引式和外骨骼式。末端牵引式上肢康复机器人只与患者手部或者前臂位置接触并交互,患者上肢各关节和康复机器人关节之间没有一一对应关系。而外骨骼式上肢康复机器人的关节和连杆机构分别与患者上肢关节和手臂一一对应[22]。
  在末端牵引式上肢康复机器人的研究方面,以麻省理工学院机械工程系的Newman 实验室为代表,其早期的核心产品为 MIT-MANUS[23~26],如图2.1(a)所示[19]。MIT-MANUS 第一台样机由 Newman 实验室于1991年设计完成,能

展开
目录
目录
前言
第1章绪论1
1.1神经损伤与神经康复1
1.1.1中枢神经损伤1
1.1.2中枢神经损伤的康复治疗3
1.1.3神经康复的可塑性原理4
1.2康复机器人4
第2章康复机器人研究现状与分析6
2.1引言6
2.2上肢康复机器人的研究现状与分析6
2.2.1主要的上肢康复机器人平台6
2.2.2上肢康复机器人研究现状分析12
2.3下肢康复机器人的研究现状与分析12
2.3.1传统下肢康复训练方法和简易下肢康复器械12
2.3.2下肢康复机器人的主要类型14
2.3.3行走站立式下肢康复机器人的研究现状16
2.3.4坐卧式下肢康复机器人的研究现状20
2.3.5下肢康复机器人关键技术分析22
第3章上肢康复机器人设计25
3.1引言25
3.2系统介绍与机构设计25
3.2.1系统介绍25
3.2.2机构设计26
3.2.3工作空间与奇异性分析27
3.2.4运动学分析31
3.2.5速度运动学与力反馈分析34
3.3电控系统设计36
3.3.1控制系统结构36
3.3.2驱动电路37
3.4软件系统设计37
3.4.1系统架构37
3.4.2工作流程及主要模块实现38
3.4.3虚拟现实训练环境设计实例40
3.5小结41
第4章下肢康复机器人设计42
4.1引言42
4.2下肢机构设计42
4.2.1现有下肢机构的关节设计方法43
4.2.2本书的优化设计方法和相关优化算法46
4.2.3新型下肢机构设计和优化48
4.2.4新型下肢机构运动学分析60
4.2.5仿真与讨论64
4.3其他主要机构67
4.3.1新型坐卧式下肢康复机器人整体介绍67
4.3.2就座工艺和相关机构设计68
4.3.3个性化调节机构设计75
4.4电控系统方案设计78
4.5小结81
第5章康复机器人动力学系统建模82
5.1引言82
5.2机器人动力学分析82
5.2.1拉格朗日法82
5.2.2降维模型法88
5.2.3动力学方程性质93
5.3人机系统动力学分析94
5.3.1问题简化94
5.3.2拉格朗日–达朗贝尔方法94
5.3.3工作空间模型推导法97
5.4基于动力学模型的机器人运动控制仿真100
5.4.1计算转矩控制100
5.4.2人机交互系统仿真101
5.4.3仿真结果103
5.5小结105
第6章康复机器人动力学系统辨识106
6.1引言106
6.2机械臂动力学系统辨识方法的研究现状106
6.2.1一步辨识法与分步辨识法106
6.2.2动力学系统建模108
6.2.3激励轨迹设计与优化109
6.2.4参数估计算法111
6.2.5传统系统辨识方法应用于下肢康复机器人时存在的问题及解决办法111
6.3下肢机构动力学系统建模112
6.3.1惯性系统建模113
6.3.2关节摩擦力建模115
6.3.3初始动力学模型117
6.4激励轨迹设计和优化118
6.4.1激励轨迹设计及优化问题的建立118
6.4.2SPSO算法119
6.4.3间接随机生成算法120
6.4.4激励轨迹优化问题求解121
6.5下肢机构PDM的改进123
6.5.1第一种改进算法:递归简化算法123
6.5.2第二种改进算法:递归优化算法127
6.6实验与讨论129
6.6.1参数估计实验130
6.6.2动力学模型PDM、SDM、ODM及CDM性能的比较实验134
6.6.3讨论138
6.7小结138
第7章基于生物电信号的人体运动意图识别139
7.1引言139
7.2sEMG信号的特点及预处理方法139
7.3基于sEMG模式分类的意图识别141
7.3.1特征提取142
7.3.2特征分类146
7.3.3实验结果与分析148
7.4基于sEMG估计肢体关节角度153
7.4.1基于sEMG估计肢体关节角度的非线性模型153
7.4.2数据采集与处理方法154
7.4.3实验结果与分析156
7.5基于sEMG估计肢体的关节主动力/力矩162
7.5.1基于BP神经网络的主动力估计163
7.5.2基于肌肉骨骼模型的主动力矩估计170
7.6基于EEG的人体运动意图识别方法180
7.6.1实验设计和EEG信号的采集180
7.6.2基于EEG的ADL分类181
7.6.3分类结果及讨论189
7.7小结191
第8章人机交互控制与康复训练方法192
8.1引言192
8.2被动训练中的控制策略192
8.2.1位置控制策略193
8.2.2主动柔顺控制198
8.2.3仿真202
8.2.4实验209
8.3主动训练中的交互控制策略211
8.3.1参考位置的生成212
8.3.2实现患者的运动意图214
8.3.3自适应人机交互接口214
8.3.4仿真与实验220
8.4基于sEMG的主动康复训练228
8.4.1sEMG的采集和处理228
8.4.2阻尼式主动训练231
8.4.3弹簧式主动训练234
8.5基于FES技术的康复训练237
8.5.1FES原理及应用现状237
8.5.2FES辅助康复踏车训练的运动学与人体骨骼肌模型241
8.5.3基于模糊迭代学习的电刺激康复踏车控制方法244
8.6小结257
第9章康复机器人临床试验与康复评定258
9.1康复机器人临床研究的现状及难点分析258
9.2临床试验设计与训练过程260
9.2.1研究目的260
9.2.2上肢康复机器人系统介绍260
9.2.3病例选择标准261
9.2.4训练方案262
9.2.5临床试验过程264
9.3量表评定265
9.3.1量表评定方法265
9.3.2统计学分析265
9.3.3量表评定结果及分析265
9.4基于机器人传感信息的康复评定267
9.4.1患者在机器人辅助训练中的规律性现象268
9.4.2基于机器人传感信息的评价指标270
9.4.3机器人评价指标与FM-UL量表评分的线性回归模型272
9.4.4肌电信号对康复评定的有效补充274
9.4.5机器人康复评定技术小结279
9.5本章临床试验的几点不足279
9.6小结280
第10章总结与展望281
10.1本书内容总结281
10.2技术展望282
参考文献285
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证