脑肌电同步反馈下康复助力机器人状态评价与参数优化

Improving the humanization and intelligentization，constructing the effective rehabilitation training strategy based on biological feedback are the urgent issues need to be studied for rehabilitation robots..Aiming to realize 'kinematic state evaluation and parameter optimization of rehabilitation robot' fusing 'synchronous feature extraction of EEG-EMG', several scientific issues are researched here, which include EEG-EMG dynamic feature fusion, kinematic state evaluation of the robot and power parameter optimization based on biofeedback. Based on parameter estimation and dynamic feature extraction of bioelectrical signals, new effective EEG-EMG synchronization analysis method is studied to describe the functional relationship between human motion intention and muscle response. And the algorithm for classification and evaluation on the rehabilitation states is proposed. Focusing on solving quantitative evaluation on kinematic state, a cluster learning algorithm fusing EEG-EMG characteristics and robotic kinematic state features is designed to obtain the biofeedback characteristics on corresponding motion pattern. Based on human-machine coupling dynamic analysis and matching optimization mechanism, the EEG-EMG synchronization characteristic is taken as the objective function to explore a power parameter optimization algorithm for rehabilitation robots. Furthermore, the humancentered rehabilitation training strategy is innovatively designed and the experimental prototype of Lower-limb rehabilitation robot with power-assist is developed based on EEG-EMG biofeedback. The research will lay the foundation for clinical application of rehabilitation robots.

提高康复机器人的智能化、人性化服务品质，构建生物反馈下完备有效的康复训练策略，是当前康复机器人亟待研究的问题。.本项目以融合"脑肌电同步特征"实现"康复机器人运动状态评价与参数优化"为研究目标，探讨康复机器人平台下脑肌电动态特征融合、机器人运动状态评价、基于生物反馈的助力参数优化等关键科学问题。基于生物电信号参数估计和动态特征提取方法，研究有效的脑肌电同步分析方法，获取人体运动意图和肌肉运动响应的功能联系，构建患者康复状态分类及评价新方法；研究融合脑肌电特征和机器人运动状态特征的聚类学习方法，获取对应运动模式下生物反馈特征，重点解决康复机器人运动状态定量评价问题；基于人机耦合动力学分析和匹配优化机制，提出以脑肌电同步特征为目标函数的康复机器人助力参数优化方法；进一步，创新设计"以人为中心"的康复训练策略，研制基于脑肌电反馈的下肢康复助力机器人实验样机，为康复机器人临床实用化奠定基础。

基于康复患者的运动功能状态实现康复机器人的个体适应性控制，进而制定完备有效的的康复训练策略，是当前神经康复及康复机器人领域的研究难点。本项目以实现融合脑肌电特征的康复运动功能评价和康复机器人自适应控制为总体目标，提出与人体运动模式相关的脑电、肌电动态特征提取及同步分析方法，构建基于粒子群优化的脑肌电特征融合及主观运动意图识别模型，提高对运动功能障碍患者运动意图识别的准确率，为康复机器人的个体适应性控制提供有效前提；从动态信号线性相干、非线性同步、方向耦合等角度提出了多层次脑肌电同步耦合特征分析指标，实现了神经肌肉功能能量耦合及方向关联特性的定量描述，并分析了健康被试和不同阶段康复患者特定运动模式下的神经肌肉功能耦合差异及变化规律，为深层次了解脑卒中引起的运动障碍病理机制并进行康复运动功能评价提供可行方法。. 引入人机交互力作用模型建立人-康复机器人耦合系统的运动学及动力学模型，提出了基于肌电特征提取和模糊评判的运动疲劳估计方法，构建了基于疲劳状态和运动意图反馈的康复机器人自适应交互控制策略，搭建单自由度下肢康复机器人控制平台进行实验研究，实现了主、被训练模式自适应调整的康复机器人柔顺控制；为提高康复患者的主动参与意识和康复信心，设计了基于肌电反馈的虚拟康复系统，通过康复运动意图的有效识别、疲劳程度的在线估计实现康复场景的自适应交互控制，临床实验测试表明该系统可用于医院和康复社区进行辅助康复。. 本项目研究成果为实现“以人为中心”人-机共融康复系统研究提供了可行基础，所研究的针对康复患者的运动意图识别方法、神经肌肉功能耦合评价方法、康复机器人自适应交互控制方法对于实现康复机器人生物反馈评价和状态优化、提高康复机器人的智能化、人性化服务品质、加速受损神经-肌肉系统的功能重建、激发患者的康复训练热情和主动参与意识，推动康复机器人的临床实用化进程，缓解我国医疗资源短缺问题，具有积极意义。