用于上肢运动扭矩的柔性关节机器人动力学参数辨识

徐剑桥¹ 陈其浩²宋睿³

1 上海市测量技术研究院

2 东方航空技术有限公司

3 上海市测量技术研究院

摘要：随着康复机器人的广泛应用，人-机器人物理交互的安全性和有效性已成为研究的重点。近年来的研究表明，在线测量机器人与人体之间的作用力对于上肢外骨骼的应用至关重要。然而，现有的临床评分方法通常基于单一变量（如移动距离或速度），难以全面评估肢体运动。因此，本研究提出了一种结合多个特征的新评分方法，以提高评分的鉴别能力，特别是在患者数量较少的情况下。我们引入了一种新的评分系统，即肘关节屈曲/伸展、前臂旋前/旋后、腕关节屈曲/伸展、腕关节桡偏/尺偏，通过电刺激而在肌肉中产生的扭矩，该数值能量化脊髓损伤患者使用动力外骨骼时的运动能力。未来，该方法有望通过机器人测量数据指导机器人动作，并用于即经皮脊髓刺激等干预措施。

关键词：康复机器人；上肢扭矩测量；力/扭矩传感器；机械设计；控制策略

Dynamic parameter identification of flexible joint robot for upper limb movement torque

Xu Jianqiao¹ Chen Qihao² Song Rui³

1 Shanghai Institute of Surveying Technology

2 China Eastern Aviation Technology Co. LTD

3 Shanghai Institute of Surveying Technology

Abstract：With the wide application of rehabilitation robots, the safety and effectiveness of human-robot physical interaction has become the focus of research. Recent studies have shown that online measurement of the force between robot and human body is crucial for the application of upper limb exoskeleton. However, the existing clinical scoring methods are usually based on a single variable, such as moving distance or speed, which makes it difficult to comprehensively assess limb movement. Therefore, this study proposes a new scoring method that combines multiple features to improve the discriminative power of the score, especially when the number of patients is small. We introduced a new scoring system, namely elbow flexion/extension, forearm pronation/supination, wrist flexion/extension, and wrist flexion/ulnar deviation, to quantify the torque generated by electrical stimulation in the muscles, which can quantify the mobility of patients with SCI using the powered exoskeleton. In the future, this method is expected to guide robot actions from robot measurement data and be used in interventions such as instant percutaneous spinal cord stimulation.

Keywords: Rehabilitation robot; upper limb torque measurement; force/torque sensor; mechanical design; control strategy

1. 引言：

上肢康复不及时会导致严重的功能障碍和生活质量下降，甚至可能引发二次损伤和长期残疾^[1]。对于脊髓损伤患者而言，及时有效的康复训练尤为重要，因为这不仅关系到他们的运动功能恢复，还影响到他们的心理健康和社会参与能力。近年来，康复机器人，特别是上肢外骨骼的研究，取得了显著进展。上肢外骨骼能够辅助患者进行肢体运动，促进神经肌肉的重塑和功能恢复^[2]。

康复机器人作为一种结合了多学科发展成果的智能设备，已经在康复医疗领域得到了广泛应用。康复机器人可以帮助患者进行长时间、高强度的重复性训练，克服了传统人工康复训练中存在的易疲劳、多次训练存在差异性等问题^[3]。上肢康复机器人主要用于辅助患者肩部、肘部和手部等上肢关节的运动训练，通过主/被动康复训练，加强患者肌肉组织的强度和手部做精细动作的灵活度[4]。随着康复机器人的广泛应用，人-机器人物理交互的安全性和有效性已成为研究的重点[5-6]。上肢外骨骼通过提供外部动力，帮助患者完成自主难以实现的运动，从而加速康复进程。然而，现有的临床评分方法通常基于单一变量(如移动距离或速度) ，难以全面评估肢体运动的复杂性和多样性。这种单一变量的评分方法在评估上肢外骨骼的效果时存在明显的局限性，无法充分反映患者的实际康复情况[7]。

为了解决这一问题，我们提出了一种结合多个特征的新评分方法，以提高评分的鉴别能力，特别是在患者数量较少的情况下。我们引入了一种新的评分系统，能够量化脊髓损伤患者使用康复外骨骼时的运动能力。该方法通过综合考虑多个运动特征，如肘关节屈伸（F/E）、前臂旋前旋后（P/S）、腕关节屈伸（F/E）和腕关节桡偏（R/U），提供更全面和准确的评估结果。此外，新评分方法还能够实时反馈患者的运动状态，帮助临床医生和康复治疗师更好地制定和调整康复计划。未来，该方法有望通过机器人测量数据指导机器人动作，并用于即经皮脊髓刺激等干预措施，从而进一步提升康复效果。这种多特征评分方法不仅提高了评估的准确性和可靠性，还为个性化康复治疗提供了新的思路和工具。

2. 动力学参数识别方法

如图1所示，MAHI Exo-II是一种用于上肢康复的外骨骼机器人，具有四个主动自由度：肘关节屈伸（F/E）、前臂旋前旋后（P/S）、腕关节屈伸（F/E）和腕关节桡偏（R/U）[8]。每个关节上的编码器提供精确的配置测量，并基于指令扭矩进行关节扭矩测量。受试者坐在椅子上，右侧佩戴上肢外骨骼，如图2所示。手臂插入外骨骼中，前臂和手固定在手柄上，以确保关节对齐并限制代偿运动。实验中收集的数据将用于后续分析和比较。

外骨骼机器人通过模拟输出电极片连接到数据采集设备的模拟输入端，开始记录数据。三轴可穿戴速度计放置在右侧髋关节上方的外骨骼上，记录每次运动期间的速度。当受试者开始运动时，运动数据通过电极片转化为电信号，并记录在设备的板载存储器（1 GB）上，随后进行数据后处理。每次测试时，机器人被移动到中立位置，受试者被要求保持放松。首先不引起肢体运动，然后以10N的增量增加运动，每个运动重复3次，间隔5秒。整个过程中，机器人通过PD控制器保持肢体在中立位，记录保持该状态所需的扭矩，作为刺激引起的合力扭矩的间接测量。

图1 （A）. MAHI Exo-II上肢康复的外骨骼机器人实验装置；（B）受试者进行测试照片

数据分析包括关节特定位置、速度和力矩的信号，机器人需要将受试者保持在静态中立状态。位置通过编码器测量，速度通过数据采集系统计算，扭矩通过指令电流乘以电机的转矩常数估算。数据分析分离出每个运动事件，并在运动前后使用缓冲液考虑时间过程。每个运动幅度的峰值扭矩通过每个数据窗口的最大扭矩减去最小扭矩得到，这些值为每个幅度水平的3次刺激试验的平均值。每个关节的扭矩值根据每个电极和每个参与者的最大峰值扭矩在0到1之间标准化，以便比较。然后将每个受试者在每个关节上对每个电极位置的运动归一化扭矩与运动幅度绘制成曲线，并进行统计学分析。

3. 实验结果与分析

本研究旨在对上肢运动的影响进行定量和客观的评估。我们使用上肢机器人外骨骼系统来测量肌肉在电刺激下产生的扭矩。通过记录机器人在中立位保持肢体所需的扭矩，分析不同刺激幅度对保持扭矩的影响。如图2显示，随着刺激幅度的增加，保持扭矩也相应增加。不同自由度的上肢所需的最小刺激幅度各不相同。

我们还研究了电极位置对关节水平扭矩输出的影响。电极A位于脊髓较高位置，在较低刺激水平下即可在所有关节产生可测量的保持扭矩。这与脊髓解剖学描述一致，电极A位置预计会激活更多的运动神经元池[9]。相比之下，电极B的刺激导致各关节的最大保持扭矩普遍较低。

两种电极位置的主要区别在于对近端肌肉的刺激效果。文献表明，电极A较电极B更易激活近端运动神经元池。因此，电极A刺激下肘关节屈伸的平均最大扭矩较大。这表明我们能够通过机器人系统识别电极放置位置与激活的运动神经元池的特异性对应关系。

表1 用于上肢的柔性关节机器人实现的最大标准化扭矩值

Table 1 Maximum standardized torque values achieved by the flexion-joint robot joint for the upper limb

图2. 用于上肢柔性关节机器人运动的每个自由度的标准化扭矩和幅度。上面一行表示电极A的每个幅度的最大峰扭矩，下面一行表示电极B的最大峰扭矩。

在部分测试受试者组中，我们观察到某些指标表现出不规则性。这种不规则性可能源于受试者对自身动作的不确定性，或是由于机器人测量的局限性，因为机器人在产生运动时必须克服静摩擦。受试者反应的其他差异性可能与我们使用的电极类型有关，因为与膜外电极相比，表面电极在位置精确度方面较低[10-11]。我们的研究结果表明，上肢机器人外骨骼可以作为数据收集工具来量化健康受试者的颈椎数据。力矩测量可以补充现有的通过肌电图测量肌肉激活的方法，肌电图在经皮脊髓刺激中更为常用。这是因为机器人测量量化了由多个肌肉群的聚集激活在关节水平产生的合力扭矩的大小和方向[12]。肌电图测量个体肌肉对神经调节的反应，为参与运动或扭矩输出的肌肉组合提供了深入的信息[13]。未来的方法可以结合扭矩测量和肌电图记录，建立一个更完整的经皮脊髓刺激效应模型。我们的研究结果为进一步研究上肢机器人外骨骼结合经皮脊髓刺激的应用提供了希望。未来的研究方向包括在不同电极位置进行测试，并采用模式或序贯刺激[14]。这些努力将使我们能够更全面地描述经皮脊髓刺激在整个上肢工作空间中产生运动的潜力，并量化作为上肢康复治疗干预的颈椎经皮脊髓刺激的可控性和可重复性。

4. 结论

在部分测试受试者组中，我们发现某些指标表现出不规则性。这种不规则性可能源于受试者对自身动作的不确定性，或是由于机器人测量的局限性，因为机器人在产生运动时必须克服静摩擦。受试者反应的其他差异性可能与我们使用的电极类型有关，因为与膜外电极相比，表面电极在位置精确度方面较低。我们的研究结果表明，上肢机器人外骨骼可以作为数据收集工具来量化健康受试者的颈椎数据。力矩测量可以补充现有的通过肌电图测量肌肉激活的方法，肌电图在经皮脊髓刺激中更为常用。这是因为机器人测量量化了由多个肌肉群的聚集激活在关节水平产生的合力扭矩的大小和方向。肌电图测量个体肌肉对神经调节的反应，为参与运动或扭矩输出的肌肉组合提供了深入的信息。未来的方法可以结合扭矩测量和肌电图记录，建立一个更完整的经皮脊髓刺激效应模型。我们的研究结果为进一步研究上肢机器人外骨骼结合经皮脊髓刺激的应用提供了希望。未来的研究方向包括在不同电极位置进行测试，并采用模式或序贯刺激。这些努力将使我们能够更全面地描述经皮脊髓刺激在整个上肢工作空间中产生运动的潜力，并量化作为上肢康复治疗干预的颈椎经皮脊髓刺激的可控性和可重复性。

5. 参考文献

[1] 王敏,方篮天,黄晨燚.改良分级运动表象训练对脑卒中患者上肢运动功能效果的随机对照试验[J/OL].中国康复理论与实践,2024,(09):1069-1073

[2] 张广宇,李锐鹏,杨其华,等.上肢康复机械臂运动学和力学模型建立与分析[J].现代电子技术,2024,47(14):147-156.

[3] 戴一鸣,陈嘉琛,刘晨东,等.可穿戴柔性上肢外骨骼的研究进展与展望[J].哈尔滨工业大学学报,2024,56(08):1-16.

[4] 王直荣,陈章位,张翔.基于多基站的双臂机器人组合运动性能测量方法[J].中国计量,2021,(10):108-112.

[5] 孙丽杰,陈婉如,黄薛青,等.手术机器人主从运行延迟时间测量装置[J].上海计量测试,2023,50(05):44-48.

[6] 高瑞翔,杨青,房鹤飞.基于改良的D-H模型的机器人运动参数标定方法[J].上海计量测试,2018,45(S1):48-50.

[7] Muehlbacher A, Sadler A. Assessing the Value of Digital Technologies: A Case Study on Humanoid Robot Assistance in Neurorehabilitation[J].Value in Health,2023,26(12S):S179-S179.

[8] 蒋维栋,高德成,何银霞,等.工业机器人在计量检测工作中的应用前景[J].中国计量,2021,(07):121-122.

[9] 刘宇东,胡智,刘天意,等.关于提升计量仪器接收效率及质量的探讨[J].中国计量,2021,(06):46-49.

[10] 郑熙云,李业,成勇.基于对称同位拧紧方式的动态扭矩或转角测量系统[J].上海计量测试,2024,51(03):57-58+61.

[11] Giovanni M ,Robert R ,Stefano M .Integrating robot-assisted therapy into neurorehabilitation clinical practice: Where are now? Where are we heading?[J].NeuroRehabilitation,2022,51(4):537-539.

[12] Yingnan L ,Qingming Q ,Yifang L , et al.Customizing Robot-Assisted Passive Neurorehabilitation Exercise Based on Teaching Training Mechanism[J].BioMed Research International,2021,20219972560-9972560.

[13] 恒心,于旭东.智能上肢外骨骼机器人研究进展与展望[J].人工智能,2023,(06):43-58.

[14] [1]吴瑞豪,陈婉如,田禾箐.利用近场探头预判辐射发射测试结果及应用实例[J].上海计量测试,2021,48(04):28-30+35.