基于 CPG 神经网络的下肢康复外骨骼机器人

                    基于 CPG 神经网络的下肢康复外骨骼机器人


                    基于 CPG 神经网络的下肢康复外骨骼机器人控制

PART 01

摘要：

鉴于目前下肢外骨骼机器人在医疗康复控制策略中遇到的建模困难、外部干扰大、适应性弱等问题。将基于CPG的仿生控制方法应用于下肢康复的外骨骼控制。通过采用动态赫比安学习算法来改进霍普夫振荡器。并构建CPG振荡器网络，实现步态信号研究，最终提高下肢外骨骼机器人运动性能，增强其适应性。通过病人的穿衣测试。经验证，CPG仿生控制外骨骼可与人体运动周期中产生的肢体控制信号相匹配，能有效控制下肢外骨骼，进行康复练习。

介绍：

随着人口老龄化的加剧和脊髓损伤患者人数的增加，下肢运动功能缺乏者的数量也在增加。帮助他们完成基本生活活动已成为亟待解决的问题。下肢康复外骨骼机器人可以有效解决许多医疗康复问题，使患者得到有效的康复效果。康复机器人可以减少治疗师单调的重复工作量，并采用科学和有效的方法使运动功能障碍患者康复。
同时，随着机器人和仿生学的飞速发展，生物控制方法在机器人领域的应用也引起了广泛关注，并逐渐成熟。在运动辅助过程中，辅助装置与人体的接触力应保持在一定范围内：另一方面，辅助装置应通过外力调整其位置，以符合人体。为了保证运动控制的灵活性，在运动辅助控制任务中，必须避免辅助装置对人体过度补偿力造成的伤害，同时，也必须避免补偿力不足，以达到相应的辅助效果。传统类型的运动辅助控制大致可分为基于模型的阻抗控制和基于 EMG 的建模控制。在前一种方法中，引入自适应算法来调整机器人的机械阻抗，从而优化关节位置偏差与作用于它的力之间的动态关系。后者收集并识别 EMG 以跟踪人类运动意图，并通过直接补偿