基于肩部肌肉表面肌电的下肢外骨骼控制系统

朱鹏霖 苏宗信 唐家曦 武彦言 于诗静 唐鹤云

0 引言

目前，随着机器人技术和康复医学的结合，用于康复的外骨骼机器人研发逐渐成为人们关注的重点[1]。相关调查结果显示，目前中国有各类残疾人总数超过 8000 万人，其中上下肢的肢体残疾人数超过1/3[2]，大多数残疾人在重返正常生活的过程中由于残障和功能弱化深受身心影响。研究显示，利用外骨骼康复机器人技术对肢体功能障碍患者进行康复训练具有重要意义[3]。Winter Green Research国际专业市场研究公司就外骨骼康复机器人的市场调研指出其近几年的市场需求增长惊人，有希望获得显著发展。目前，国内外许多研究机构及企业已经研发了不同控制系统的下肢外骨骼康复机器人，比如日本筑波大学研发的外骨骼HAL[4]，传感器种类繁多，设备体积大，穿戴困难，信号提取操作复杂；以色列ReWalk Robotics 公司研制的外骨骼机器人[5]，功能全面，但系统重量约为20.9 kg，使活动范围受到限制。为了实现更轻松有效的下肢康复训练，目前的一个研究热点是尝试研发下肢外骨骼康复机器人及其控制系统。

在研的外骨骼康复机器人主要包括传动系统和控制系统，控制系统采用的输入方式主要有力传感器、按键控制、表面肌肉电信号控制以及脑电仪(electroencephalograph，EEG)控制等[6]。力传感器和表面肌电信号控制能够实时检测患肢在任一自由度上是否有主动力，并通过反馈为相应自由度提供助力，帮助患肢实现康复运动。在按键控制的方式中，患者通过遥控装置对下肢佩戴的外骨骼康复机器人进行相应方向的移动控制。在脑电控制的方式中，患者可以通过大脑活动控制下肢活动。EEG的成功例子是2014年一位瘫痪少年在巴西世界杯开幕式上使用的一套由大脑活动控制的下肢动力机器人，该机器人将实时采集的密集脑电信号转化识别为人类的运动意图，从而实现足球的开球动作[7]，在此过程中需要高精度高密度的脑电信号，短期该技术难以普及[8]。在这4种控制方式中，表面肌电信号更易提取，表面肌电信号控制更适用于后期的主动康复和助力康复运动。

为了在满足外骨骼康复机器人可穿戴性好和安全性高的同时解决控制系统提取信号难度的问题，本文通过分析比对国内外下肢外骨骼康复机器人的外骨骼控制系统，结合分析人体上下肢肌电信号提取、处理与识别的难易度，提出一种采用模块化设计的新型外骨骼控制系统。

1 外骨骼控制系统整体框架结构设计

外骨骼控制系统包括动作检测模块、运动意图分析模块和关节驱动模块，如图1所示。其中动作检测模块与运动意图分析模块通过蓝牙等无线通信技术连接；运动意图分析模块与关节驱动模块相连接。运动检测模块采用三个单通道三贴片肌电信号传感器，分别用于采集三角肌前束、中束和斜方肌的表面电信号，占用三个模拟输入端口，采集肩部肌肉表面电信号信息。运动意图分析模块采用Arduino UNO板，该控制板的微型控制器为ATmega328，其支持6个模拟输入/输出端口以及14个数字输入/输出端口[9]，主要作用是接收采集的信号，对采集的肩部数据分析运动意图并控制关节驱动模块。关节驱动模块采用四个数字合金舵机，占用四个模拟输出端口，提供关节屈曲所需扭矩。

图1 基于肩部肌肉表面肌电的下肢外骨骼控制系统

2 外骨骼控制系统功能实现

2.1 动作检测模块

动作检测模块的信号输入端由3个三贴片的无线单通道肌电传感器组成，用于采集肩关节运动相关肌肉表面肌电信号。动作检测模块主要包括肌肉选取和肌电信号采集。

2.1.1 肌肉选取

肩关节表面的肌肉具有位置浅表、肌腹面积大、拮抗肌信号干扰小的特点，并且在肩关节运动中主动肌肉肌电信号特征明显，因此可以通过采集肩关节各个运动方向调动的主动肌肌电信号来判断肩关节运动状态，从而反应患者在特殊步态下的运动意图和状态。

肩关节在外展运动中主要调动的肌肉为冈上肌以及三角肌前束、中束；肩关节在前屈运动中主要调动的肌肉为肱二头肌长头、喙肱肌和三角肌前束；肩关节在后伸运动中主要调动的肌肉为斜方肌、大圆肌、三角肌后束和肱三头肌长头。综合来看由于冈上肌被浅表的斜方肌覆盖，大圆肌、喙肱肌、肱三头肌长头和肱二头肌长头信号受周边肌肉影响提取困难，所以选取三角肌前束、中束以及斜方肌用于区别三个动作分析患者的运动意图。

2.1.2 肌电信号采集

实验采用美国Noraxon公司的三贴片三通道无线表面肌电传感器。实验选定三角肌前束、中束和斜方肌作为信号源，采集频率为500 Hz。数据采集前均去除实验对象三块肌肉表面毛发并用酒精擦拭清洁。实验对象为一名男性(21岁，50.9 kg，170 cm)。单个通道的三个电极片分别佩戴在三块肌肉的肌腹、头部以及肌肉附近的骨性或非肌肉性部位。其中三角肌为三角形，起于锁骨外侧1/3、肩峰和肩胛冈，止于肱骨三角肌粗隆，分为前束、中束、后束。斜方肌为扁阔三角形，起于上项线、枕外隆凸、项韧带及全部胸椎棘突，选择止于肩胛冈的中束纤维。三角肌前束贴点可由锁骨体表最外侧点下三指确定；三角肌中束贴点可由肩胛骨肩峰下三指处确定；斜方肌贴点可由肩胛冈中点在冠状面做斜向上45°线四指处确定。

实验对象采取三点步步态，在10 m单行通道重复行走20次，每个样本包含三通道采集的实时肌电信号。最终得到实时采集静息状态以及动作状态的表面肌肉电信号20次平均信号。

2.2 运动意图分析模块

综合实验数据，肩关节前屈过程中，三角肌前束、三角肌中束、斜方肌表面电信号平均值接近；肩关节后伸过程中，三角肌前束电信号平均值与幅值均明显高于其他两块肌肉；肩关节外展过程中，三角肌中束以及斜方肌电信号明显高于三角肌前束。

根据实验数据特征可以做出肩关节三种动作的区分。在患者带动腋杖向前时，画圈式的手法包含外展与前屈的两种运动综合，此时可由强烈的三角肌中束以及斜方肌表面肌肉电信号提取识别。控制板模拟信号输入引脚根据达到阈值的三角肌中束以及斜方肌肌电数值，判断患者为步行开始阶段。当患者以杖做支撑重心准备前移时，三者电信号将趋于前屈的接近状态。控制板跟据未达到阈值的模拟接口信号，判断为行进中间状态，即单侧腿摆动期。患者最后后伸完成重心前移的阶段，符合肩关节后伸动作状态，三角肌前束将被持续激活表现出较高的表面肌电信号。控制板根据达到阈值的三角肌前束，判断为一个前进周期的后期阶段。

三个运动阶段起始信号均有标识性信号，运行过程中可以添加额外全栈诊断算法优化识别，首先对所有样本数据进行数据挖掘和筛选,使用k均值聚类算法进行可视化分析，为后续数据诊断打下基础；接着针对处理结果不理想的问题，利用粒子群算法对初始权值与阈值进行优化，使运动意图识别精确。至此患者三点步各时段运动意图特征提取基本完成(表1)。

表1 三点步各阶段以及非常规步态模拟信号阈值识别

通过三维步态分析实验，将受试者皮肤上贴标记点，即外表皮点，系统采集受试者步行原始数据，通过估算人体真实骨骼的位置，计算出相应骨骼点轨迹，最后将骨骼点数据结合骨骼模型，统一分析人体的各类运动，应用无量纲参数模型对人体运动数据进行拟合，从而得出人体运动速度与步长之间的关系，并应用于外骨骼康复机器人[10]。针对不同的受试者，用3D扫描仪对患者佩戴处的肢体进行扫描，生成三维人体模型，通过扫描得到的数据与标准设定的受试者基本数据(包括患者体重、大腿围、下肢长度等)进行比对，对相应的骨骼模型调整，从而得到个性化定制的外骨骼康复机器人外型[11]。

利用三维步态分析采集系统，采集受试者一个步态周期中髋关节、膝关节随时间变化的屈伸角度曲线，如图2所示。进一步处理数据，通过将屈伸角度换算为控制舵机达到相应角度的控制信号脉宽得到控制模拟信号曲线。将曲线一个周期内100个采集数据，按5个为一组进行简化，得到控制髋关节、膝关节的两个电信号脉宽数组，如图3所示。

图2 步态周期中髋、膝关节屈伸角度时间曲线

图3 控制舵机脉冲

2.3 关节驱动模块

为保证运动的仿真，关节的角度需要针对不同人进行个性化精确控制，关节驱动模块采用ASME-MRB系列磁编码大扭矩合金舵机，采用定位为角度伺服驱动器的舵机。系统的控制端采用开源的Arduino控制板以精确地控制舵机进行肌电采集分析后的关节驱动。正在进行舵机运转时，控制板通过模拟输出端口发送相应的脉冲宽度调制信号至舵机，控制其旋转方向。在运动意图分析模块中Arduino控制板通过输出不同占空比的脉冲宽度调制信号实现对舵机物理输出的角度和速度控制[12]。

通过表面肌电信号采集分析得出的三点步各阶段及非常规步态模拟信号阈值，将关节处舵机的工作周期分为三个阶段(起始为髋关节膝关节连线与地面法线平行)。第一阶段为患者外展至出杖动作，伴随患者重心向前移动，控制板模拟信号输入引脚根据达到阈值的三角肌中束以及斜方肌肌电数值，判断患者为步行开始阶段，控制膝关节和髋关节部位的舵机屈曲达到屈伸曲线的第一个值。第二阶段为出杖至支撑阶段，控制板跟据未达到阈值的模拟接口信号，判断为行进中间状态。通过上文预设脉宽数组实现控制单侧膝关节和髋关节完成支撑期以及对侧摆动期屈伸带动患者双腿完成前进。第三阶段为支撑完成行走阶段，控制板根据达到阈值的三角肌前束，判断为一个前进周期的后期阶段，控制髋关节、膝关节屈伸完成一个步行周期的步行前进。考虑到受试者在康复训练中出现肌电信号组合未达到阈值识别条件的问题，在运动意图分析模块中创新性地设计了阈值调节功能，以1 μV为一单位进行阈值大小调节。

3 控制系统性能的初步测试

性能测试实验采用了英国Vicon公司的三维步态分析系统结合美国Noraxon三贴片五通道无线表面肌电传感器。实验对象为2名男性(21岁，50.9 kg，170 cm；22岁，68 kg，180 cm)和1名女性(21岁，48 kg，168 cm)。

对于表面肌肉电信号控制的外骨骼康复机器人，出于安全性考虑目前需要患者配套使用腋杖，并采用三点步(图4)辅助行走。腋杖一方面支撑上身体重保证关节电机安全输出，另一方面保证受试者运动过程中的稳定性；受试者在行走过程中先出杖，再由外骨骼康复机器人分别带动下肢完成交替步行前进。该过程中患者移动腋杖的动作由三角肌以及斜方肌带动上臂屈伸外展完成，即系统通过采集在肩关节运动中的主动肌肉表面肌肉电信号，通过提取信号数据特征判断患者运动意图和运动状态，控制相关关节舵机实现辅助运动。基于上肢肩部肌肉表面肌电的外骨骼控制系统表面肌电信号提取容易，运动意图判断简单精确，并且可以实现神经可塑性诱导[13]。

图4 三点步步态

与按键控制的测试方法比较，患者只能通过操作人员手中的按键遥控，进行前后方向的移动，并且活动的方位需要在特殊的康复训练空间内，该方法仅适用于被动康复训练。

受试者于10 m×10 m开阔空间做3组重复独立实验，采用三点步步行，在10 m单行线重复往返运动20次，单个样本共采集130个运动周期。每个运动周期样本均包含步态数据以及实时斜方肌、三角肌前束、三角肌中束以及用于对照的传统方案采取的股直肌(左右)表面肌电数据，实验将实时表面肌电数据对应的控制板判断结果同根据步态数据得到的真实步行进度进行对比。得出系统方案对三点步步态中步行开始阶段、行进中间阶段、行进后期阶段三个阶段的识别率，见表2。

表2 三点步各阶段的识别率

基于股直肌肌电信号方案在实验中易受到步行运动幅度、周边肌肉干扰等因素影响，如身形较小的样本三识别率仅为30.8%。实验取120组步态周期中三个阶段均识别成功的步态周期为一个成功样本，通过最小二乘法对得到的样本进行均值求解，得出平均识别率为89.6%，验证了下肢外骨骼康复机器人控制系统有效控制舵机辅助人体完成康复训练的可行性。

4 讨论与结论

下肢残疾以及运动障碍患者下肢肌肉易萎缩导致肌电提取困难，并且易受周围肌群干扰。传统下肢肌电控制外骨骼康复机器人的方案存在较高的机器误判率，其中技术难度低，较为容易实现的融合下肢残余肌肉表面肌电的运动意图识别方案错误率超过50%，并且存在肌肉萎缩问题，导致无法获得运动的有效信息[14]。而融合多通道、多维度生物信息的运动意图识别方案，如美国北卡罗来纳州立大学 Huang 研究团队的基于下肢单侧16通道的表面肌电信号人体运动模态识别系统等识别率能达到90%以上，但繁琐的佩戴方法和高昂的技术成本短期无法普及[15-16]。

本文提出一种基于肩部肌肉表面肌电的下肢外骨骼控制系统可提高肌电接口识别准确率，降低穿戴操作难度以及技术实现成本。但由于人体正常运动十分复杂，基于肩部肌肉表面肌电信号的外骨骼控制系统仅针对一种特殊步态即三点步，并且配套操作者固定行进动作识别，对于更加复杂的运动还需实验验证其可行性。另外，由于个体生理差异，不同的操作者在操作外骨骼时仍需要对不同操作者的具体肌电和步态情况进行数据匹配调整。