摘要：目的研究在线调整与运动中人体上肢刚性值之间的关系,提高人体刚性值测量的精度以及评判在线调整能力。方法设计5类不同类型的上肢平面到达运动,通过施加快速扰动的方法,对运动过程的前期、前中期、中期、中后期和后期共5个位置的刚性值进行测量,探讨刚性值在受到在线调整影响时的变化规律,以及刚性幅值与运动精度之间的关系。结果运动过程中刚性一直变化,而且刚性值的变化影响了最终的运动误差。运动过程中在线调整的发生会引起刚性幅值的改变,尤其是运动后期的刚性幅值,但是目前没有发现这一变化与在线调整发生的时间或者内容存在密切的联系。结论在线调整在到达运动中扮演了重要的角色。考虑到在线调整的发生会引起刚性幅值的变化,在临床上,通过对患者在特定实验中刚性幅值的测量,结合其他医学诊断方法,可以更精确地表明患者当前在线调整功能的状况。

摘要：非接触式心电传感技术在长期睡眠心电监测领域展现了优异的应用前景,其中阵列式非接触心电传感技术取得了较好的发展,然而,该技术所用电极多为刚性的印制电路板(PCB),舒适性较差。同时,人体压力分布对该技术所获心电信号质量的影响规律尚未可知。针对这些不足,本研究设计了一种基于柔性印刷电路(FPC)的阵列式非接触睡眠心电监测系统。通过系统验证,证明了该系统所获取心电信号一致性较高且平均信噪比>38 dB。随后通过人体试验分析了人体压力对心电信号质量的影响。结果表明,当心电检测输入端所受压力<9 mmHg时,获得低信噪比心电信号的概率P高于54.17%;反之,则P低于5.94%,证明人体压力是影响电容耦合心电信号质量的关键因素之一。

摘要：现有非接触式睡眠心电监测技术对于人体多体位的心电信号有效获取存在一定局限性。本研究设计了一种隔着衣服与床单能够获取人体多体位睡眠心电信号的监测系统。采用柔性导电织物作为电极材料,将心电采集电极制成拱门型状,利用电容耦合感应变化电场,把心电信号从人体耦合至织物电极。采用10 GΩ的高阻值电阻作为偏置电阻,结合高输入阻抗的仪表放大器对信号进行差分处理。使用数字滤波技术去除心电信号中的噪声,运用状态机逻辑算法自动提取心电信号的波形特征。通过人体试验对比分析了本系统与条状型非接触式电极以及接触式心电采集系统获取的心电信号质量。结果表明,该系统在非皮肤接触条件下可以获取良好的睡眠心电信号,R波检出率在95%以上。

摘要：在康复机器人辅助脑卒中患者进行康复训练时,为激发患者的主动参与意识,康复机器人应按照患者康复需求提供其所需的辅助力矩。本文针对腕功能康复机器人提出一种按需辅助控制策略:首先制定能力评估规则,并依据该规则评估患者能力;然后设计控制器,控制器可基于评估结果求解出患者完成康复训练任务所需的辅助力矩,并下发指令至电机;最后控制电机输出指令值,辅助患者完成康复训练任务。将该控制策略应用于腕功能康复机器人,不仅实现了按需辅助的训练模式,而且能够避免辅助力矩激增,同时康复治疗师可在线调节能力评估规则中的多个参数,为不同康复状态的患者定制任务难度。本文所提方法不依赖于力学传感器信息,降低了开发成本且易于实现,具有一定的工程应用价值。

摘要：目的探究健康志愿者使用康复机器人进行上肢画圆运动中实时视觉轨迹反馈对于志愿者运动学习能力的影响。方法 2018年7至9月,右利手健康志愿者24例按运动能力基准水平测试分为两组,一组包含视觉、成绩和实时轨迹三种反馈(V+KP+KR组),另一组仅包含视觉和成绩两种反馈(V+KR组),两组均进行各自不同条件下的顺时针画圆任务训练,每节20次,共5节,3 d后进行1节保持测试。通过设计的圆度偏移量(RS)和完成时间两个参数对两组运动过程进行评估。结果两因素重复测量方差分析显示,RS值组间和组内均存在交互作用(F=6.029, P 13.126, P 12.465, P <0.001)。对于完成时间,组间和组内不存在交互作用(F=1.606, P=0.228),组间主效应不显著(F=0.55, P=0.477),组内主效应显著(F=3.95, P=0.031)。结论实时轨迹反馈可以帮助志愿者在运动学习早期阶段快速掌握运动任务要领,从而帮助其提升新任务的快速学习能力,但在运动学习中后期对于运动学习能力的提升效果不显著。志愿者在运动学习中后期对于实时轨迹反馈的依赖性逐渐减少,进而更加依靠运动本体感觉来完成任务。

摘要：近年来,电子游戏技术的迅速发展改变了传统用户与计算机之间的交互方式。其中的一些技术,比如虚拟现实（virtual reality,VR）技术和运动追踪技术改变了用户在传统游戏中的体验与应用范围[1]。随着计算机硬件技术与软件系统的发展和改进,虚拟现实技术正被广泛应用于军事、医疗、管理、设计、教育、娱乐等各个领域。特别在康复医学领域,虚拟现实技术的引入不仅可以节约成本,降低风险,

摘要：目的通过采集和分析人体三维运动数据,研究老年人左、右手喝水动作的运动学特性。分析左、右手动作的差异,为镜像康复设备的设计和精准康复训练方案的制定提供数据支持和理论基础。方法选取16名右利手的老年人为实验对象,实验对象分别用左、右手完成喝水动作。应用运动捕捉系统采集实验者上肢的三维运动轨迹,分析实验对象在喝水动作中,左、右肩、肘、腕关节的三维运动角度和角速度的相关性。结果左、右手在肩关节的矢状轴角度、肘关节的屈伸角度、肩关节的旋内旋外角度、肘关节旋内旋外的角度上具有高度相关性(相关系数r>0.8);在肩关节冠状轴的角度、腕关节掌屈背伸的角速度上具有低度相关性(0.3<r<0.5);在肩关节冠状轴的角速度上具有微弱相关性(0.1<r<0.3);在其余上肢的关节角度和角速度上具有显著相关性(0.5<r<0.8)。结论健康老年人在完成喝水动作中,主要利用肩关节的旋内旋外活动和肘关节的屈伸、旋内旋外活动。右手在关节屈伸角度的运动幅度上大于左手,而在关节旋内旋外角度的运动幅度方面小于左手。在镜像康复机器人设计和康复轨迹规划中,应尊重左、右手的差异,实现精准康复的目的。

摘要：目的针对现有上肢康复训练系统提供视觉和触觉反馈无法关联的问题,本文以自主研发的末端牵引式上肢康复机器人为基础,研究基于力跟踪的视觉与触觉反馈融合技术及其对于上肢训练的效果。方法在虚拟环境中构建力学模型的基础上,本文设计两种与视觉反馈融合的触觉反馈,分别为两物体间靠近时的排斥力以及物体在介质平面移动时的摩擦力,进而采用基于力跟踪的机器人控制算法将虚拟环境中构建的力反馈通过操纵杆传递给用户。招募8例健康受试者,分别在有无反馈融合模式下进行对照训练。在训练过程中采集受试者与系统的实际和期望力反馈,以及三角肌前束、三角肌后束、肱二头肌和肱三头肌的表面肌电信号。计算有反馈融合模式下期望与实际力反馈之间的均方根误差,用于表征基于力跟踪的多感觉反馈融合效果。计算两种模式下的肌电积分值(i EMG)和单位时间内肌电幅值(EMG/T)以探究融合反馈技术对上肢运动训练的影响。结果在有反馈融合模式下,实际与期望交互力反馈的均方根误差为(0.757±0.171) N;肱二头肌、肱三头肌、三角肌前束和后束的i EMG均显著大于无反馈融合模式下(|t|> 7.965, P 6.363, P <0.001)。结论设计的上肢康复机器人训练系统可以精确地将虚拟环境中构建的力反馈传递给用户,通过视觉与触觉融合增加机器人系统对于训练者外周神经功能的刺激,促使训练者付出更多的努力。基于力跟踪的视觉与触觉反馈融合技术的优势在于可以在虚拟环境中自由构建力学模型,力反馈模式不受空间位置的限制,且可以在同一位置叠加两种以上的力学模型,从而使力反馈效果与虚拟环境中的视觉反馈更加匹配,激发训练者的运动康复兴趣,增强人机交互体验感。

摘要：在上肢康复机器人辅助训练过程中,对于软瘫期脑卒中患者通常采用被动训练策略。为了激发患者的主动康复意愿,对于逐渐具备主动发力能力的患者,康复治疗师会采用机器人助动训练策略。本文针对末端牵引式上肢康复机器人,提出一种基于交互力模糊判别的人体上肢运动功能评估方法以及按需辅助的人机交互控制策略。首先设计了基于计算力矩控制器的被动训练和结合势能场的助动训练模式,然后将训练过程中三维力传感器采集的交互力信息引入至模糊推理系统中,提出了主动参与度σ,并设计相应的辅助策略算法实现两种训练模式的自适应调整。最后通过试验证明了主动参与度σ与表面肌电信号之间的相关性。并且,相较于仅通过交互力大小进行模式调整的控制策略,该方法具有更快的响应速度,使机器人在训练过程中更具安全性。

摘要：目的通过分析康复机器人辅助训练过程中沿不同轨迹运动的上肢肌肉协同特性,探究运动轨迹对上肢肌肉骨骼特性的影响,为康复机器人训练轨迹优化设计提供基础实验数据与指导。方法首先在末端牵引式康复机器人系统中设计3种上肢运动训练轨迹(L1为直线,L2为弧线,L3为半圆),然后采集12名健康志愿者在沿3种训练轨迹上肢运动过程中的表面肌电信号,并使用非负矩阵分解算法进行肌肉协同特性的获取,对不同轨迹组间肌肉协同结构的相似系数、屈肌占比以及募集模式积分系数进行对比分析,探讨康复机器人不同训练轨迹对上肢肌肉骨骼特性的影响。结果同一训练轨迹中各志愿者的肌肉协同结构具有较高相似性(平均SI>0.81)。各轨迹组的肌肉协同结构中的屈肌占比随运动进程逐渐增加。各轨迹组的肌肉协同募集模式均具有时序特性,前期伸肌起主要作用,后期屈肌起主要作用,中期屈肌占比随轨迹曲率增加而增加。轨迹L1与L2、L2与L3协同结构非常相似(SI>0.90),而L1与L3协同结构较为相似(SI>0.75)。结论康复机器人辅助上肢的训练轨迹对上肢肌肉特性有一定影响,不同训练轨迹带来的肌肉协同结构较为相似,但是运动过程中屈肌群占比及协同贡献度会为了协调动作而发生变化。由此可推测不同训练轨迹对不同肌群的训练强度可能会有所不同。康复机器人训练轨迹设计需根据康复需求进行优化设计。