泛研网

公众版 查看说明
全球科研项目数据库2026版

基于人体关节模型的顺应康复外骨骼设计和控制

项目来源

国家自然科学基金(NSFC)

项目主持人

李国民

项目受资助机构

华中科技大学

立项年度

2017

立项时间

未公开

项目编号

U1713204

研究期限

未知 / 未知

项目级别

国家级

受资助金额

300.00万元

学科

工程与材料科学-机械设计与制造-机械仿生学与生物制造

学科代码

E-E05-E0507

基金类别

联合基金项目-重点支持项目-NSFC-深圳机器人基础研究中心项目

关键词

人体状态监测 ; 人体关节模型 ; 康复机器人 ; 顺应驱动 ; 外骨骼 ; Exoskeletons ; Rehabilitation robots ; Human body state monitoring ; Compliant actuators ; Human-joint models

参与者

胡波；彭小波；白坤；高杰；冀晶晶；王东海；张晓燕；丁秋萍；郝兵杰

参与机构

深圳市职业病防治院；深圳大学

项目标书摘要：物理康复训练可以帮助运动功能损伤患者进行神经再生或重建，对于患者运动功能的恢复有着非常重要的作用。为实现科学高效的机器辅助训练并减少康复过程中的医疗人员和资源，本课题将围绕人机顺应开展康复外骨骼机器人研究。.关节是人体运动的基础，对其结构和运动特征的深入认知是实现康复外骨骼对人体运动高度顺应以及人机融合的前提。因此，本课题将通过对人体主要关节的结构和运动特性分析以及对不同关节的共性总结，提出高度顺应人体关节运动的外骨骼设计和控制方法，并以此为基础，通过研究人体运动多肢体协同和负载分配规律，实现以全身型康复外骨骼为中心的系统康复训练，并更好解决训练过程中外骨骼驱动顺应控制和人体参数在线测量等核心问题。本课题的研究将为实现人体结构和运动精确的数学表达，发展基于智能体模的人性化机械—传感—驱动一体化设计和顺应控制方法，并形成具有更好人机相容性的外骨骼康复装备做出贡献。

Application Abstract: Physical therapy which facilitates to rebuild/reconnect human neuromuscular systems plays a crucial part in the rehabilitation process for people with motor function injuries.Robot-/machine-aided therapy which allows for effective and efficient training can greatly alleviate the workload and intensity of therapists and reduce the medical costs involved in rehabilitation.Targeted for improving the human-machine compliance and cooperation in robot-aided therapy,the proposed research focuses on the key studies for developing rehabilitative exoskeleton systems...Human joints are the essential components forming human motions.Therefore,the understanding on both the structures and motion patterns of the joints is the key for developing exoskeletons that adapt to and cooperate closely with human wearers.This proposal aims at developing new design criteria and control methods for rehabilitative exoskeletons to achieve better human-machine compliance by constructing models that precisely characterize and render the motion patterns of different human joints.By studying the coordination and load distributions among the limbs of a human body,the design methods for developing a full-body exoskeleton facilitating systematic and comprehensive rehabilitations will be established;and techniques for building sensing and actuator systems which allows for real-time parameter monitoring and compliance control will be developed.The proposed studies are expected to contribute on systematically formulating human motions and developing design and control methods for adaptable exoskeletons for rehabilitation.

项目受资助省

湖北省

项目结题报告(全文)

物理康复训练能帮助运动功能损伤患者进行神经再生或重建，有助于患者运动功能的恢复。为实现科学高效的机器辅助训练并减少康复过程中的医疗人员和资源，本项目围绕人机顺应开展康复外骨骼机器人研究，旨在通过对人体主要关节的结构和运动特性分析及对不同关节的共性总结，实现人体结构和运动精确的数学表达，发展人性化机械—传感—驱动一体化设计和顺应控制方法，并形成具有更好人机相容性的外骨骼康复装备。该项目在人体关节建模、感知与重构，非对称外骨骼设计、驱动控制及智能化康复策略等关键问题上取得了突破。提出了基于外部有限测量观测人体内部力位信息的方法，建立了关节特征通用化、参数化表达理论。基于关节模型提出了仿生顺应式外骨骼关节设计。提出基于人机闭合运动链的人体关节运动观测方法，开发融合磁场的嵌入式运动测量系统，实现了人体运动/力状态和运动意图的实时感知。设计了面向中风康复的非对称外骨骼(躯干及下肢),提出了基于机器学习的步态康复智能进化策略，通过测量健肢运动，指导患侧外骨骼在不同步态相位分别实现支撑和顺应，以促进递进式步态康复。为实现患侧肢体受电刺激自主运动，辅助外骨骼驱动，发展了电流干涉扫描方法，实现非侵入靶向电刺激。研制了坐到站运动辅助装置和康复外骨骼系统；搭建了基于磁场传感的分布式位移、力、阻抗测量重构平台和虚拟现实训练场景；研究了基于机器视觉的步态识别与评价方法，建立了可用于下肢康复外骨骼康复效果评价的步态识别体系。该系统有效克服了过度简化的关节设计在人机关节错位时造成人体不适和伤害的局限，可支撑44%的体重并减少人体髋、膝、踝25%以上的关节内力、力矩峰值，并用于中风康复的临床实验。

  • 排序方式：
  • 1
  • /

  • 1.用于偏瘫患者下肢康复训练的多功能轮椅设计和分析

    • 关键词：
    • 下肢康复;坐站转换;OpenSim仿真;肌肉力
    • 聂倩文
    • 指导老师：华中科技大学 白坤
    • 学位论文

    随着机电一体化和计算机技术的发展,越来越多的学者将目光投向医疗康复领域。在我国,脑卒中患者的发病率居高不下,发病年龄呈现越来越低的趋势,大多患者在紧急治疗后出现偏瘫、行动困难的状况,最佳康复手段是由护理师协助完成长期训练任务,由于康复护理资源的缺乏,很多患者不得不选择居家静养,错过最佳康复期。本文根据他们的实际需求,设计一款用于下肢康复训练的多功能轮椅,通过支撑人体重力的方式辅助使用者完成坐站转换,通过肌肉训练恢复肌力,刺激受损神经组织的恢复。首先以健康青年人为研究对象,利用Vicon运动捕捉系统采集人体主动完成坐站转换过程中的运动数据,使用Open Sim计算运动中的关节角和关节力矩。通过分析计算结果,将减重支撑作为减轻下肢负担的核心,确定骨盆作为轮椅作用对象,坐骨结节作为主要受力点,使用圆弧对坐骨结节轨迹进行拟合,作为轮椅末端执行器的设计标准。基于人体运动轨迹和偏瘫康复方法,完成多功能轮椅的设计。在结构设计方面,多功能轮椅提供抬腿、仰背和坐站转换三种功能,以轮椅式结构为框架便于患者的移动。辅助站立结构采用电动推杆和平行连杆作为执行机构,还原拟合的圆弧轨迹,同时末端执行器始终水平,保证身体平衡。在控制方面,使用PC建立人机交互界面,PC通过USBCAN模块与驱动器通信,对电机的转速和电流（力矩）进行控制,以实现被动训练和半主动训练两种模式,用于康复的不同时期。将三维结构模型导入骨骼肌肉模型形成耦合模型,将电动推杆运动和人机交互力作为仿真输入,进行逆运动学耦合仿真分析。结果表明,轮椅辅助模式具有良好的舒适性,耦合仿真中关节力矩明显降低,可以降低从坐到站过程中下肢关节负担,验证结构设计合理性。最后,根据设计制作实物样机,通过辅助坐站转换实验,分析其性能状况。实验中,多功能轮椅能够帮助实验对象平稳完成从坐到站动作,足底压力明显降低。通过Open Sim进行生物力学分析,结果显示,和人体主动完成坐站转换相比,辅助站立实验中关节力矩和肌肉力明显下降,减轻了患者下肢关节和肌肉负担。因此可以得出结论,轮椅辅助站立设计在坐站转换中起到一定辅助作用,可以做进一步的临床研究。

    ...

  • 2.基于人体行走特征矢量图的步态识别方法研究

    • 关键词：
    • 步态识别;步态特征;深度学习;残差网络;LSTM
    • 黄海娜
    • 指导老师：深圳大学 彭小波
    • 学位论文

    城市地铁、火车站、机场等公共场所具有人员密集程度高、客流量大等特点,它们是犯罪潜逃甚至恐怖分子袭击的重要场所,这些场合对智能视觉监控技术的需求日益增加,人体步态作为一种具有非接触、非侵犯性、难以伪装和模仿及可远距离检测等特点的新型生物特征,其在交通公共安全领域中将发挥无可替代的作用。在人工智能快速发展的推动下,基于步态的身份识别技术也有了新的突破,但技术上还存在着因服饰改变、外携物品、视角问题、步行速度等带来的挑战以及不能做到实时处理,使得基于步态的身份识别与监控系统无法大面积投入使用。本文针对多视角下的服饰改变、携带物等协变量导致身份识别不理想的问题,以深度学习技术为基础,提出基于人体行走特征矢量图的步态识别方法,主要工作如下:（1）针对步态识别任务多数要求能实时处理在室外较复杂环境的情况,提出基于基础网络为Mobilenet的人体姿态估计算法OpenPose进行人体行走特征矢量图的获取,即首先使用YOLOV3网络结合步态轮廓高宽比方法对数据集进行步态平均周期的提取,以此作为步态时空网络的超参数timestep的设置,之后剔除与步态识别任务无贡献的头部PAFs且进行数据标准化,最后将PAFs按照时间序列进行堆叠,则形成了本文提出的人体行走特征矢量图。在CASIA-B部分数据集进行了实验,实验结果表明,这种方法获得的特征描述既保留丰富的时空信息又避免了冗余信息不利于时空网络的特征学习、模型的训练,能较好解决服饰改变、携带物等协变量引发的识别困难的问题。（2）针对现有的步态特征学习与识别算法对多视角下的服饰改变、携带物等协变量问题导致算法鲁棒性差的问题进行了创新,设计了一种能较好解决多视角下的服饰改变、有携带物影响的神经网络,即把人体行走步态矢量图作为输入的步态时空网络,该时空网络是基于残差学习模块学习步态空间特征和基于LSTM学习步态时间特征的特征学习与识别网络,在网络末端Softmax层进行分类判决。（3）组建了18个视角下的三种步行状态（普通、服饰改变、携带物）的室外数据库,且在数据库进行了多视角下同状态和跨状态实验,验证了基于人体行走特征矢量图的步态识别方法的适用性及鲁棒性。最后,在上述算法研究的基础上,利用Tensorflow、OpenCV、PyQt设计和实现了基于人体行走特征矢量图的身份识别系统,并使用该系统在自建数据库中完成了步态识别测试,取得了较好的效果,说明所提方法能有效提升多视角下考虑服饰改变、携带物的算法识别率和鲁棒性。

    ...

  • 3.特定虚拟场景下的脑电信号分析与运动特征提取

    • 关键词：
    • 脑机接口技术;公共空间模式;支持向量机;粒子群算法;卷积神经网络
    • 杨辉跃
    • 指导老师：深圳大学 彭小波
    • 学位论文

    脑-接口技术（Brain Computer Interface,BCI）是指从人的大脑建立一条与外部辅助设备联系的通路以达到利用外部辅助设备完成大脑想要完成的任务,近些年来被广泛的研究并应用在医疗康复等众多领域。BCI技术主要目标是帮助患者进行恢复训练,甚至替代某些严重损伤的肢体。但是BCI的发展并不能满足实际的需求,其存在背景噪声较大导致信噪比较低、信号采集比较困难、由被试间差异等影响导致分类结果比较低等问题,所以目前BCI技术更多的是在研究阶段,距真正应用在生活中还存在一定的距离。本文基于脑电信号的研究基础,设计并开展针对右下肢不便患者的运动想象脑电信号（Electroencephalogram,EEG）采集实验,其目的是通过对信号的分析实现对不同任务的识别,从而给外部设备输出相关控制指令。主要工作内容如下:（1）基于对BCI系统前期的分析研究,本文基于Unity与Kinect技术设计并搭建了虚拟现实的实验平台,并将其分为训练实验部分和采集实验部分。阐述了运动想象脑电信号的产生机理、特点以及按照幅值大小进行了分类。（2）EEG信号特性分析。首先对采集的EEG信号进行预处理,并利用带通滤波以及独立成分分析（Independent Component Analysis,ICA）等方法去除噪声得到较为干净的信号。其次选择三通道数据,并分析脑电信号的时频特性确定选择三通道数据存在事件相关去同步（Event-Related Desynchronization,ERD）现象从而证实了选择数据的可分析性。同时由于不同被试之间存在生理差异,所以选择不同患者的最佳时频段作为后期的研究数据。最后利用公共空间模式（Common Spatial Pattern,CSP）的方法提取脑电信号的特征并分析特征值的可分性。（3）针对脑电信号分类效果不佳的现状,本文选择了PSO-SVM方法和改进的卷积神经网络（Convolutional Neural Network,CNN）方法对脑电信号进行分类。首先利用支持向量机（Support Vector Machine,SVM）方法对CSP提取的特征进行分类识别,同时利用粒子群优化算法（Particle Swarm Optimization,PSO）寻找SVM最优参数。其次设计了十层的CNN模型,并引用批量归一化（Batch Normalization,BN）以消除运算过程出现的梯度消失问题,结果表明BN-CNN模型在收敛速度和分类效果方面有较好的提升,同时分析了Dropout参数对BN-CNN网络的影响。最后对本文选择的两种算法的实验结果进行分析,表明改进后的BN-CNN网络在识别结果上更优。

    ...
  • 排序方式：
  • 1
  • /