為幫助上肢功能障礙患者進行康復訓練，本文設計了一種4自由度上肢外骨骼康復機器人，并實現了語音和肌電兩種控制方案。本文基于RSC-4128語音芯片，實現了對特定人的識別。另外自制表面肌電（sEMG）信號采集電極，采集sEMG信號，并通過信號處理、時域特征提取、固定閾值算法等實現模式識別，還利用脈沖寬度調制（PWM）算法實現了對系統運動速度的調節。最后，對系統進行了語音和肌電控制的測試。結果表明語音控制平均識別率達93.1%，肌電控制平均識別率達90.9%，驗證了系統控制方案的可行性，為上肢康復機器人控制系統的進一步完善奠定了理論基礎。
引用本文： 王露露, 胡鑫, 胡杰, 方又方, 何榮榮, 喻洪流. 一種上肢外骨骼康復機器人的控制系統研究. 生物醫學工程學雜志, 2016, 33(6): 1168-1175. doi: 10.7507/1001-5515.20160185 復制
引言
近年來，腦卒中已成為威脅人類身心健康和生命安全的主要疾病之一，據2015年中國卒中大會《中國腦卒中防治報告2015》報告，我國40歲以上人群中約有15%的人群處于腦卒中高風險區，腦卒中已呈年輕化趨勢。腦卒中患者發病后通常會留下許多后遺癥，其中，約85%的患者伴有一側上肢功能障礙[1-2]，這主要因為中風時大腦中動脈供血區易發生病變導致[3]。現有的醫學理論和實踐已證明，早期的康復治療對腦卒中患者恢復其運動功能起著至關重要的作用[4]。
傳統上肢康復治療，主要依靠醫師對患者進行一對一的連續被動訓練，這種訓練模式耗時耗力，且缺乏量化和客觀評價。隨著機器人技術的不斷發展，機器人技術與醫學理論的結合，為康復治療提供了新的途徑。研究顯示，利用康復機器人技術對肢體功能障礙患者進行康復訓練具有重要意義[5]。目前上肢康復機器人已經成為康復領域的研究熱點，涌現了許多相關研究成果，其中比較有代表性的有瑞士Hocoma公司研發的上肢外骨骼康復機器人Amero power，Amero power功能較為全面，技術較為成熟，但裝置較為復雜[6]；美國華盛頓大學設計了一款7自由度(degrees of freedom,DOF)外骨骼動力臂CADEN-7，該動力臂利用繩索和滑輪組成傳動機構，可實現肩、肘、腕關節的復合運動，同時整合了多種上肢運動數據庫，訓練模式豐富，但其整體結構比較復雜，而且繩索易發生磨損及變形，控制精確度易受影響[7]；瑞士蘇黎世大學研發了ARMin系列上肢外骨骼康復機器人，其中ARMin III為最新一代[8]；此外，還有國內哈爾濱工業大學的5-DOF上肢外骨骼康復訓練器、華中科技大學的基于人工氣動肌肉驅動的3-DOF上肢康復機器人及安陽神方公司的6-DOF上肢外骨骼康復機器人等[9-11]。經研究不難發現，目前國內外上肢康復訓練設備多為臺式訓練設備，結構復雜、體積龐大、不便移動，同時控制方法也比較單一，這在極大程度上限制了上肢康復機器人進入社區、甚至家庭的可能。
針對上述問題，本文設計了一種4-DOF可穿戴式上肢外骨骼康復機器人，并基于此機器人，選取實用性強的語音控制和肌電控制，并將兩種控制方式結合起來，實現了對上肢外骨骼康復機器人的聯合控制。該機器人采用簡化機構設計，因此具有結構簡單、便于穿戴、控制以及訓練模式多樣等特點，更加人性化，可幫助上肢功能障礙患者進行康復訓練，從而促進其早日康復。同時，本文提出的控制方法可為上肢康復機器人控制系統的進一步完善奠定相應的理論基礎。
1 系統結構和功能簡介
本文設計的可穿戴式上肢外骨骼康復機器人，主要用于幫助上肢功能障礙患者進行上肢康復訓練。該機器人肩關節具有3個DOF、肘關節具有1個DOF，在肩關節和肘關節處各安裝了一個驅動電機，可輔助患者進行肩關節屈/伸訓練、肘關節屈/伸訓練、肩肘關節同步屈/伸訓練等被動訓練，也可輔助患者進行主動訓練。該機器人采用模塊化設計，主要包括語音控制模塊、肌電控制模塊、電源模塊、肩部訓練模塊和肘部訓練模塊。此外，該機器人的肩寬和兩臂長度均可調，能較好地適應不同患者的需求，其整體結構如圖 1所示。
圖1
系統整體結構圖
Figure1.
Overall structure of the system
在控制系統方面，該上肢外骨骼康復機器人設計了兩種控制模式：語音控制模式和肌電控制模式。結合兩種控制模式，可以更好地適應不同患者的實際情況。
2 控制系統總體設計
上肢外骨骼康復機器人控制系統總體設計框圖如圖 2所示，其中上位機通過藍牙/ WiFi向主微控制器單元(microcontroller unit,MCU)模塊發送指令，選擇當前采用何種控制方式；語音控制模塊、肌電控制模塊分別用于采集及處理患者的語音指令、表面肌電(surface eletromyogram,sEMG)信號，兩者采用RS-485標準通訊協議將數據傳輸至MCU模塊，RS-485標準是一種半雙工通信協議，數據信號采用差分傳輸方式傳輸，其通信接口具有物理連接方便、抗干擾能力強、傳輸距離遠等特點[12]；MCU模塊主要用來分析語音模塊、肘關節肌電模塊、肩關節肌電模塊傳輸過來的數據，產生相應指令，從而控制電機驅動模塊來驅動電機運轉，完成訓練動作，同時還可以向上位機實時反饋各個關節的角速度、角位移和人體肌電信號等信息，以便醫生對患者進行實時監測和康復評估。MCU模塊與電機驅動模塊之間也是采用RS-485通訊方式進行數據傳輸。需要注意的是，電機驅動模塊中，肩部和肘部電機均采用直流電機和帶有電流閉環、速度閉環和位置閉環的集成電機驅動器，電機內置的增量式光電編碼器反饋信號可直接進入驅動器。此外，為了保證數據傳輸的安全性和準確性，本系統選用Modbus協議作為RS-485網絡的應用層通信協議。Modbus協議是應用于電子控制器上的一種通用語言，通過此協議，控制器相互之間、控制器經由網絡(例如以太網)和其它設備之間可以通信[13]。
圖2
控制系統總體設計結構圖
Figure2.
Configuration diagram of general design of control system
3 語音控制模塊設計
3.1 語音控制模塊硬件設計
本設計采用特定人語音識別技術，所選語音芯片為美國Sensory公司的RSC-4128[14-15]。語音識別模塊結構如圖 3所示，其中電源模塊為整個系統正常工作提供合適電源；麥克風語音處理模塊用于采集并處理語音信號；系統代碼存儲模塊由美國SST公司的閃速型存儲器芯片SST39VF020 [16]和外圍電路構成，用于存儲語音系統控制程序代碼；語音模板存儲模塊采用美國微芯科技公司的串行電可擦可編程只讀存儲器(electrically erasable programmable read-only memory,EEPROM)24LC128存儲語音模板數據；指示燈模塊包括電源指示燈和語音核心模塊的工作狀態指示燈；功能按鍵模塊具有復位整個系統、啟動擦除EEPROM語音模板的數據和錄入新的語音模板程序的功能；音頻輸出是指系統的語音提示模塊，如以語音提示用戶進行語音模板的錄入、提示錄入是否成功、提示康復訓練時用戶輸入語音指令等。
圖3
語音識別模塊結構圖
Figure3.
Configuration diagram of speech recognition module
處理完語音信號后，通過輸出接口與MCU模塊進行數據通信，MCU模塊對所接收的數據進行處理并輸出相應的執行命令。
3.2 語音控制模塊軟件設計
本控制系統語音模塊可收錄7個語音指令，分別為彎曲、伸展、向上、向下、快速、慢速以及停止，分別對應肘關節屈/伸、肩關節屈/伸、肩肘關節同步屈/伸和停止功能。語音控制部分有兩種工作模式，分別是訓練模式和識別模式。本系統具有對特定人進行識別的功能，每當一個新的患者使用這套設備時，首先需要進入訓練模式，錄制語音控制指令模板，為后面的模式識別提供準確的模板庫，否則系統將無法成功識別正確的語音控制指令。訓練模式下，系統以語音提示患者輸入命令，患者輸入命令后，系統將提取并保存該命令，若成功，系統會再次提示要求重新輸入該指令，將前后兩個指令進行比對，若匹配，則將結果存入存儲器中，并進入下一個指令的訓練；反之，繼續本命令的訓練。7個語音指令均訓練完畢之后，系統可進入識別模式，患者開始根據自己的需求進行常規的康復訓練。在識別模式中，患者可輸入7個語音指令中的任何一個指令，系統會讀取當前指令，并與系統存儲器中的指令對比，若相同，則輸出對應結果。
4 肌電控制模塊設計
4.1 sEMG信號的采集
為了采集患者的前臂和上臂拮抗肌上的sEMG信號，本文自制了sEMG信號采集電極，電極檢測出的信號好壞對后續處理至關重要。肌電信號是一種微弱的生物電信號，信號幅度范圍為100~5 000 μv[17]，其能量通常集中在20~500 Hz之間[18-20]，在傳遞過程中易受到噪聲的干擾，因此必須進行放大、濾波及抑制干擾等處理。
sEMG信號采集電極部分的電路如圖 4所示。其中放大電路方面，電極采集的兩個信號J1和J2，首先分別經過一級由美國TI公司生產的TLC2252I運算放大器和外圍電路構成的高輸入阻抗緩沖放大電路，其作用是使信號與差分放大器輸入端阻抗匹配，減小信號失真、抗干擾；之后信號進入由美國ADI公司生產的AD620AR構成的差分放大電路中，AD620AR為高精度儀表放大器，它具有高共模抑制比，可將輸入的差分信號進行放大得到單端輸出信號；經差分放大后，后續還設有增益可調放大電路和后級放大電路對信號進行進一步放大。濾波電路方面，通過電阻和電容(resistor-capacitor,RC)高通濾波器，濾除20 Hz以下的信號；通過RC低通濾波器，濾除500 Hz以上的信號；采用兩個TLC2252I放大器及外圍電路組成50 Hz陷波電路抑制50 Hz工頻干擾。
圖4
sEMG信號采集電極模塊結構圖
Figure4.
Configuration diagram of sEMG extraction electrode module
4.2 sEMG信號的處理
經過上述sEMG信號采集電路提取的信號為正負交變的交流信號，需要對該信號進行進一步的處理，依次通過絕對值電路、積分電路、放大器、緩沖放大器等。首先，絕對值電路對來自sEMG信號采集電極部分的輸出信號進行全波整流；其次，積分電路對全波整流后的信號進行積分，得到與sEMG信號強度呈線性關系的直流電信號；接著，放大電路對信號進行進一步放大；緩沖放大器接收放大電路輸出的直流電信號，同時還接收調零信號，保證當輸入的直流電信號為0時，緩沖放大器輸出為0，當輸入不為0時，輸出與輸入信號呈線性關系的直流電信號。處理完以后的信號經過由美國Atmel公司生產的嵌入式微控制器ATMEGA16A-AU進行模/數(analog/digital，A/D)轉換后，通過RS-485接口傳輸給MCU模塊，由MCU模塊完成對sEMG信號的特征提取及模式識別處理，由識別結果決定輸入到驅動電路的控制信號，進而驅動上肢外骨骼機器人執行相應的動作。
4.3 特征提取及模式識別
特征提取的目的是提取隱藏在sEMG信號中的有用信息而去除不必要的信息和干擾[21]，適當特征的選取是提高模式識別的關鍵，提取特征時常用分析方法包括時域、頻域、時頻域等[22-23]，其中時域分析方法計算復雜度較低，應用廣泛。本文選取時域分析方法進行特征提取，并用固定閾值算法實現模式識別，下面以肘關節的屈曲/伸展為例。
(1) 特征提取：① 信號分組。將兩塊分別位于尺側腕屈肌、橈側腕屈肌上經sEMG信號電極采集的信號經過上述sEMG信號處理、A/D轉換進入單片機后得到的兩路信號分別記為S1和S2。從同一時刻的采樣點開始，對兩路信號分別以k個采樣點為一組，進行信號判斷。令兩路信號第i組第j個采樣點的幅值分別x1ij和x2ij (其中i=1，2，3，…，n；j=1，2，3，…，k)。
② 限幅處理。考慮到信號中可能存在一些幅值異常大或者比較小的噪聲干擾數據，會對特征提取造成一定影響，因此本設計在提取特征之前對信號進行限幅處理。
具體限幅方法為：若采樣值小于信號幅值下限，則令采樣值等于0，若采樣值大于信號幅值上限，則令該采樣值等于幅值上限值。設信號S1和S2的幅值下限分別為x1min和x2min，幅值上限分別為x1max和x2max。以信號S1為例，若x1ij＜x1min，則令x1ij=0；若x1ij＞x1max，則，令x1ij=x1max。
③ 特征提取。本設計選取經過上述信號處理后的信號的平均值作為特征值，進行后續判斷。將兩路信號第i組信號的平均值，分別記為 x1i和 x2i，由下列公式計算：
| $\overline{{{x}_{1i}}}=\frac{1}{k}\sum\limits_{j=1}^{k}{{{x}_{1ij}}~\left( i=1,2,3,\ldots ,n \right)}$ |
| $\overline{{{x}_{2i}}}=\frac{1}{k}\sum\limits_{j=1}^{k}{{{x}_{2ij}}~\left( i=1,2,3,\ldots ,n \right)}$ |
(2) 模式識別：計算出信號的特征值后，可利用特征值進行模式識別，模式識別包含兩層判別：首先判斷信號是否為有效的sEMG信號，其次判斷動作的方向，即肘關節動作為屈曲還是伸展，從而確定電機的轉向。判斷方式如下：
① 有效sEMG信號判斷。通常若sEMG信號幅值小于sEMG信號發生閾值，則認為沒有采集到有效的sEMG信號，不執行任何動作；反之，則認為采集到有效的sEMG信號。
本設計中采用固定閾值算法，即設信號S1和S2的信號發生閾值分別為M10和M20 (注意：M10＞0且M20＞0)。以信號S1為例，若 x1i＜M10，則認為沒有采集到有效的sEMG信號，不執行任何動作；若 x1i≥M10，則認為采集到有效的sEMG信號，可進入下一步。
② 動作方向判別。本設計通過對比兩路sEMG信號幅度均值大小，并判斷兩路sEMG信號均值的差值是否在設定閾值范圍內，來實現動作方向判別。
若 x1i =x2i，則不執行任何動作；若x1i＞x2i，則計算信號差值P，P=x1i－x2i，若P＞N1(N1為設定閾值，且N1＞0)，且過載標志位未置位，則驅動肘關節屈曲，反之，不執行任何動作；若x1i＜x2i，則計算信號差值Q，Q=x2i－ x1i，若Q＞N2(N2為設定閾值，且N2＞0)，且過載標志位未置位，則驅動肘關節伸展，反之，不執行任何動作。
4.4 實時調速功能
本文利用脈沖寬度調制(pulse-width modulation，PWM)算法實現康復訓練時的速度調節功能，其特征是輸出的PWM信號頻率一定，占空比隨采集到的sEMG信號強度發生改變。PWM信號占空比的改變，引起驅動電路中的電機驅動電壓有效值發生改變，從而實現速度調節。本文根據采集到的sEMG信號幅度均值大小，相應的改變驅動電路中PWM的占空比，設兩路sEMG信號最大幅度均值為M1max、M2max (M1max、M2max可通過試驗測得)，最大sEMG信號幅度均值和sEMG信號發生閾值之間數據段所對應的PWM信號占空比為1，占空比η計算方式如下：
| $\eta = \left\{ {\begin{array}{*{20}{l}} {\frac{{\overline {{x_{1i}}} - {M_{10}}}}{{{M_{1\max }} - {M_1}}} \times 100\% } & {\left( {\overline {{x_{1i}}} \overline {{x_{2i}}} } \right)}\\ {\frac{{\overline {{x_{2i}}} - {M_2}}}{{{M_{2\max }} - {M_{20}}}} \times 100\% } & {\left( {\overline {{x_{1i}}} \overline {{x_{2i}}} } \right)} \end{array}} \right.$ |
本肌電控制系統以美國Keil Software公司的KEIL軟件作為編程平臺，以C語言編程完成了對兩電極采集的sEMG信號的A/D轉換、閾值比較、sEMG信號幅度均值的等值比較和作差、差值驅動能力判定、過載標志位檢測以及占空比計算等過程的處理，從而實現了對上肢外骨骼康復機器人肩關節和肘關節運動方向的判斷和訓練速度的調節。
5 系統試驗測試
5.1 實驗樣機的試制
根據上述內容，本文課題組制作了sEMG信號采集電極、上肢外骨骼康復機器人語音控制和肌電控制電路板實物、上肢外骨骼康復機器人整體樣機，如圖 5所示。
圖5
系統實驗樣機
Figure5.
System prototype
5.2 語音控制系統測試
選取5名健康志愿者進行語音控制試驗，設定環境為較為安靜的室內環境，讓每位受試者經過訓練后，重復試驗20次，每次試驗分別依次完成彎曲、伸展、向上、向下、快速、慢速、停止等7個語音指令，控制外骨骼康復機器人分別執行肘關節屈曲、肘關節伸展、肩關節屈曲、肩關節伸展、肩肘關節同步屈曲、肩肘關節同步伸展、停止等對應動作。以語音指令成功控制外骨骼康復機器人執行對應動作為1次正確識別，試驗情況如表 1所示。
表1
語音指令正確識別率
Table1.
Recognition rate of voice control
試驗結果顯示，不同語音指令的識別存在一定差異，慢速和停止語音指令的識別率要略高于其他語音指令，分析差異原因可能與受試者熟練程度及環境等因素有關，與語音控制系統本身相關性不大。對整個語音控制系統來說，語音控制正確識別率均在90%以上，平均控制成功率為93.1%，具有較高的可靠性，通過語音控制模塊可以幫助因患者sEMG信號太弱而無法被檢測到的患者有效地進行康復訓練。
5.3 肌電控制系統測試
選取5名健康志愿者，進行肌電控制試驗，試驗要求各位受試者分別將sEMG信號采集電極佩戴在肱二頭肌/肱三頭肌拮抗肌組和尺側腕屈肌/橈側腕屈肌拮抗肌組上(肱二頭肌/肱三頭肌拮抗肌組控制肩部電機；尺側腕屈肌/橈側腕屈肌拮抗肌組控制肘部電機)，單獨進行肩關節屈曲、肩關節伸展、肘關節屈曲、肘關節伸展動作各50次，試驗情況如表 2所示。
表2
sEMG信號正確識別率
Table2.
Recognition rate of sEMG signal
由試驗情況表可知，肩關節動作識別率均在90%以上，平均正確識別率為92.6%；肘關節動作識別率均在86%以上，平均正確識別率為90.2%。如表 2所示，肘關節的正確識別率略低，分析其原因可能是控制肘關節電機的尺側腕屈肌/橈側腕屈肌拮抗肌組最佳位置不易尋找，但總的來說，肌電控制平均成功率為90.9%，可以滿足使用需求，驗證了肌電控制方案的可行性。
6 總結
目前國內外上肢康復訓練設備大多結構復雜、體積龐大，同時控制方法也比較單一，不夠人性化，因此本文提出一種新型的穿戴式上肢外骨骼康復機器人，并基于此機器人完成了其語音控制系統和肌電控制系統設計。該機器人結構簡單、便于穿戴、且控制方式和訓練模式多樣，能較好地適應不同患者的實際情況。其語音控制系統實現了對特定人的識別，保證了患者訓練的安全性；其肌電控制系統可實現患側肢控制的主動訓練和健側肢帶動患側肢的鏡像訓練，提高患者進行康復訓練的積極性。
經測試，該機器人的語音、肌電控制模塊軟硬件工作正常，安全可靠，具有良好的控制效果，可以與機械機構良好地配合，能輔助上肢功能障礙患者完成肩關節屈/伸、肘關節屈/伸、肩肘關節同步屈/伸等相關康復訓練，有助于患者的早日康復。
引言
近年來，腦卒中已成為威脅人類身心健康和生命安全的主要疾病之一，據2015年中國卒中大會《中國腦卒中防治報告2015》報告，我國40歲以上人群中約有15%的人群處于腦卒中高風險區，腦卒中已呈年輕化趨勢。腦卒中患者發病后通常會留下許多后遺癥，其中，約85%的患者伴有一側上肢功能障礙[1-2]，這主要因為中風時大腦中動脈供血區易發生病變導致[3]。現有的醫學理論和實踐已證明，早期的康復治療對腦卒中患者恢復其運動功能起著至關重要的作用[4]。
傳統上肢康復治療，主要依靠醫師對患者進行一對一的連續被動訓練，這種訓練模式耗時耗力，且缺乏量化和客觀評價。隨著機器人技術的不斷發展，機器人技術與醫學理論的結合，為康復治療提供了新的途徑。研究顯示，利用康復機器人技術對肢體功能障礙患者進行康復訓練具有重要意義[5]。目前上肢康復機器人已經成為康復領域的研究熱點，涌現了許多相關研究成果，其中比較有代表性的有瑞士Hocoma公司研發的上肢外骨骼康復機器人Amero power，Amero power功能較為全面，技術較為成熟，但裝置較為復雜[6]；美國華盛頓大學設計了一款7自由度(degrees of freedom,DOF)外骨骼動力臂CADEN-7，該動力臂利用繩索和滑輪組成傳動機構，可實現肩、肘、腕關節的復合運動，同時整合了多種上肢運動數據庫，訓練模式豐富，但其整體結構比較復雜，而且繩索易發生磨損及變形，控制精確度易受影響[7]；瑞士蘇黎世大學研發了ARMin系列上肢外骨骼康復機器人，其中ARMin III為最新一代[8]；此外，還有國內哈爾濱工業大學的5-DOF上肢外骨骼康復訓練器、華中科技大學的基于人工氣動肌肉驅動的3-DOF上肢康復機器人及安陽神方公司的6-DOF上肢外骨骼康復機器人等[9-11]。經研究不難發現，目前國內外上肢康復訓練設備多為臺式訓練設備，結構復雜、體積龐大、不便移動，同時控制方法也比較單一，這在極大程度上限制了上肢康復機器人進入社區、甚至家庭的可能。
針對上述問題，本文設計了一種4-DOF可穿戴式上肢外骨骼康復機器人，并基于此機器人，選取實用性強的語音控制和肌電控制，并將兩種控制方式結合起來，實現了對上肢外骨骼康復機器人的聯合控制。該機器人采用簡化機構設計，因此具有結構簡單、便于穿戴、控制以及訓練模式多樣等特點，更加人性化，可幫助上肢功能障礙患者進行康復訓練，從而促進其早日康復。同時，本文提出的控制方法可為上肢康復機器人控制系統的進一步完善奠定相應的理論基礎。
1 系統結構和功能簡介
本文設計的可穿戴式上肢外骨骼康復機器人，主要用于幫助上肢功能障礙患者進行上肢康復訓練。該機器人肩關節具有3個DOF、肘關節具有1個DOF，在肩關節和肘關節處各安裝了一個驅動電機，可輔助患者進行肩關節屈/伸訓練、肘關節屈/伸訓練、肩肘關節同步屈/伸訓練等被動訓練，也可輔助患者進行主動訓練。該機器人采用模塊化設計，主要包括語音控制模塊、肌電控制模塊、電源模塊、肩部訓練模塊和肘部訓練模塊。此外，該機器人的肩寬和兩臂長度均可調，能較好地適應不同患者的需求，其整體結構如圖 1所示。
圖1
系統整體結構圖
Figure1.
Overall structure of the system
在控制系統方面，該上肢外骨骼康復機器人設計了兩種控制模式：語音控制模式和肌電控制模式。結合兩種控制模式，可以更好地適應不同患者的實際情況。
2 控制系統總體設計
上肢外骨骼康復機器人控制系統總體設計框圖如圖 2所示，其中上位機通過藍牙/ WiFi向主微控制器單元(microcontroller unit,MCU)模塊發送指令，選擇當前采用何種控制方式；語音控制模塊、肌電控制模塊分別用于采集及處理患者的語音指令、表面肌電(surface eletromyogram,sEMG)信號，兩者采用RS-485標準通訊協議將數據傳輸至MCU模塊，RS-485標準是一種半雙工通信協議，數據信號采用差分傳輸方式傳輸，其通信接口具有物理連接方便、抗干擾能力強、傳輸距離遠等特點[12]；MCU模塊主要用來分析語音模塊、肘關節肌電模塊、肩關節肌電模塊傳輸過來的數據，產生相應指令，從而控制電機驅動模塊來驅動電機運轉，完成訓練動作，同時還可以向上位機實時反饋各個關節的角速度、角位移和人體肌電信號等信息，以便醫生對患者進行實時監測和康復評估。MCU模塊與電機驅動模塊之間也是采用RS-485通訊方式進行數據傳輸。需要注意的是，電機驅動模塊中，肩部和肘部電機均采用直流電機和帶有電流閉環、速度閉環和位置閉環的集成電機驅動器，電機內置的增量式光電編碼器反饋信號可直接進入驅動器。此外，為了保證數據傳輸的安全性和準確性，本系統選用Modbus協議作為RS-485網絡的應用層通信協議。Modbus協議是應用于電子控制器上的一種通用語言，通過此協議，控制器相互之間、控制器經由網絡(例如以太網)和其它設備之間可以通信[13]。
圖2
控制系統總體設計結構圖
Figure2.
Configuration diagram of general design of control system
3 語音控制模塊設計
3.1 語音控制模塊硬件設計
本設計采用特定人語音識別技術，所選語音芯片為美國Sensory公司的RSC-4128[14-15]。語音識別模塊結構如圖 3所示，其中電源模塊為整個系統正常工作提供合適電源；麥克風語音處理模塊用于采集并處理語音信號；系統代碼存儲模塊由美國SST公司的閃速型存儲器芯片SST39VF020 [16]和外圍電路構成，用于存儲語音系統控制程序代碼；語音模板存儲模塊采用美國微芯科技公司的串行電可擦可編程只讀存儲器(electrically erasable programmable read-only memory,EEPROM)24LC128存儲語音模板數據；指示燈模塊包括電源指示燈和語音核心模塊的工作狀態指示燈；功能按鍵模塊具有復位整個系統、啟動擦除EEPROM語音模板的數據和錄入新的語音模板程序的功能；音頻輸出是指系統的語音提示模塊，如以語音提示用戶進行語音模板的錄入、提示錄入是否成功、提示康復訓練時用戶輸入語音指令等。
圖3
語音識別模塊結構圖
Figure3.
Configuration diagram of speech recognition module
處理完語音信號后，通過輸出接口與MCU模塊進行數據通信，MCU模塊對所接收的數據進行處理并輸出相應的執行命令。
3.2 語音控制模塊軟件設計
本控制系統語音模塊可收錄7個語音指令，分別為彎曲、伸展、向上、向下、快速、慢速以及停止，分別對應肘關節屈/伸、肩關節屈/伸、肩肘關節同步屈/伸和停止功能。語音控制部分有兩種工作模式，分別是訓練模式和識別模式。本系統具有對特定人進行識別的功能，每當一個新的患者使用這套設備時，首先需要進入訓練模式，錄制語音控制指令模板，為后面的模式識別提供準確的模板庫，否則系統將無法成功識別正確的語音控制指令。訓練模式下，系統以語音提示患者輸入命令，患者輸入命令后，系統將提取并保存該命令，若成功，系統會再次提示要求重新輸入該指令，將前后兩個指令進行比對，若匹配，則將結果存入存儲器中，并進入下一個指令的訓練；反之，繼續本命令的訓練。7個語音指令均訓練完畢之后，系統可進入識別模式，患者開始根據自己的需求進行常規的康復訓練。在識別模式中，患者可輸入7個語音指令中的任何一個指令，系統會讀取當前指令，并與系統存儲器中的指令對比，若相同，則輸出對應結果。
4 肌電控制模塊設計
4.1 sEMG信號的采集
為了采集患者的前臂和上臂拮抗肌上的sEMG信號，本文自制了sEMG信號采集電極，電極檢測出的信號好壞對后續處理至關重要。肌電信號是一種微弱的生物電信號，信號幅度范圍為100~5 000 μv[17]，其能量通常集中在20~500 Hz之間[18-20]，在傳遞過程中易受到噪聲的干擾，因此必須進行放大、濾波及抑制干擾等處理。
sEMG信號采集電極部分的電路如圖 4所示。其中放大電路方面，電極采集的兩個信號J1和J2，首先分別經過一級由美國TI公司生產的TLC2252I運算放大器和外圍電路構成的高輸入阻抗緩沖放大電路，其作用是使信號與差分放大器輸入端阻抗匹配，減小信號失真、抗干擾；之后信號進入由美國ADI公司生產的AD620AR構成的差分放大電路中，AD620AR為高精度儀表放大器，它具有高共模抑制比，可將輸入的差分信號進行放大得到單端輸出信號；經差分放大后，后續還設有增益可調放大電路和后級放大電路對信號進行進一步放大。濾波電路方面，通過電阻和電容(resistor-capacitor,RC)高通濾波器，濾除20 Hz以下的信號；通過RC低通濾波器，濾除500 Hz以上的信號；采用兩個TLC2252I放大器及外圍電路組成50 Hz陷波電路抑制50 Hz工頻干擾。
圖4
sEMG信號采集電極模塊結構圖
Figure4.
Configuration diagram of sEMG extraction electrode module
4.2 sEMG信號的處理
經過上述sEMG信號采集電路提取的信號為正負交變的交流信號，需要對該信號進行進一步的處理，依次通過絕對值電路、積分電路、放大器、緩沖放大器等。首先，絕對值電路對來自sEMG信號采集電極部分的輸出信號進行全波整流；其次，積分電路對全波整流后的信號進行積分，得到與sEMG信號強度呈線性關系的直流電信號；接著，放大電路對信號進行進一步放大；緩沖放大器接收放大電路輸出的直流電信號，同時還接收調零信號，保證當輸入的直流電信號為0時，緩沖放大器輸出為0，當輸入不為0時，輸出與輸入信號呈線性關系的直流電信號。處理完以后的信號經過由美國Atmel公司生產的嵌入式微控制器ATMEGA16A-AU進行模/數(analog/digital，A/D)轉換后，通過RS-485接口傳輸給MCU模塊，由MCU模塊完成對sEMG信號的特征提取及模式識別處理，由識別結果決定輸入到驅動電路的控制信號，進而驅動上肢外骨骼機器人執行相應的動作。
4.3 特征提取及模式識別
特征提取的目的是提取隱藏在sEMG信號中的有用信息而去除不必要的信息和干擾[21]，適當特征的選取是提高模式識別的關鍵，提取特征時常用分析方法包括時域、頻域、時頻域等[22-23]，其中時域分析方法計算復雜度較低，應用廣泛。本文選取時域分析方法進行特征提取，并用固定閾值算法實現模式識別，下面以肘關節的屈曲/伸展為例。
(1) 特征提取：① 信號分組。將兩塊分別位于尺側腕屈肌、橈側腕屈肌上經sEMG信號電極采集的信號經過上述sEMG信號處理、A/D轉換進入單片機后得到的兩路信號分別記為S1和S2。從同一時刻的采樣點開始，對兩路信號分別以k個采樣點為一組，進行信號判斷。令兩路信號第i組第j個采樣點的幅值分別x1ij和x2ij (其中i=1，2，3，…，n；j=1，2，3，…，k)。
② 限幅處理。考慮到信號中可能存在一些幅值異常大或者比較小的噪聲干擾數據，會對特征提取造成一定影響，因此本設計在提取特征之前對信號進行限幅處理。
具體限幅方法為：若采樣值小于信號幅值下限，則令采樣值等于0，若采樣值大于信號幅值上限，則令該采樣值等于幅值上限值。設信號S1和S2的幅值下限分別為x1min和x2min，幅值上限分別為x1max和x2max。以信號S1為例，若x1ij＜x1min，則令x1ij=0；若x1ij＞x1max，則，令x1ij=x1max。
③ 特征提取。本設計選取經過上述信號處理后的信號的平均值作為特征值，進行后續判斷。將兩路信號第i組信號的平均值，分別記為 x1i和 x2i，由下列公式計算：
| $\overline{{{x}_{1i}}}=\frac{1}{k}\sum\limits_{j=1}^{k}{{{x}_{1ij}}~\left( i=1,2,3,\ldots ,n \right)}$ |
| $\overline{{{x}_{2i}}}=\frac{1}{k}\sum\limits_{j=1}^{k}{{{x}_{2ij}}~\left( i=1,2,3,\ldots ,n \right)}$ |
(2) 模式識別：計算出信號的特征值后，可利用特征值進行模式識別，模式識別包含兩層判別：首先判斷信號是否為有效的sEMG信號，其次判斷動作的方向，即肘關節動作為屈曲還是伸展，從而確定電機的轉向。判斷方式如下：
① 有效sEMG信號判斷。通常若sEMG信號幅值小于sEMG信號發生閾值，則認為沒有采集到有效的sEMG信號，不執行任何動作；反之，則認為采集到有效的sEMG信號。
本設計中采用固定閾值算法，即設信號S1和S2的信號發生閾值分別為M10和M20 (注意：M10＞0且M20＞0)。以信號S1為例，若 x1i＜M10，則認為沒有采集到有效的sEMG信號，不執行任何動作；若 x1i≥M10，則認為采集到有效的sEMG信號，可進入下一步。
② 動作方向判別。本設計通過對比兩路sEMG信號幅度均值大小，并判斷兩路sEMG信號均值的差值是否在設定閾值范圍內，來實現動作方向判別。
若 x1i =x2i，則不執行任何動作；若x1i＞x2i，則計算信號差值P，P=x1i－x2i，若P＞N1(N1為設定閾值，且N1＞0)，且過載標志位未置位，則驅動肘關節屈曲，反之，不執行任何動作；若x1i＜x2i，則計算信號差值Q，Q=x2i－ x1i，若Q＞N2(N2為設定閾值，且N2＞0)，且過載標志位未置位，則驅動肘關節伸展，反之，不執行任何動作。
4.4 實時調速功能
本文利用脈沖寬度調制(pulse-width modulation，PWM)算法實現康復訓練時的速度調節功能，其特征是輸出的PWM信號頻率一定，占空比隨采集到的sEMG信號強度發生改變。PWM信號占空比的改變，引起驅動電路中的電機驅動電壓有效值發生改變，從而實現速度調節。本文根據采集到的sEMG信號幅度均值大小，相應的改變驅動電路中PWM的占空比，設兩路sEMG信號最大幅度均值為M1max、M2max (M1max、M2max可通過試驗測得)，最大sEMG信號幅度均值和sEMG信號發生閾值之間數據段所對應的PWM信號占空比為1，占空比η計算方式如下：
| $\eta = \left\{ {\begin{array}{*{20}{l}} {\frac{{\overline {{x_{1i}}} - {M_{10}}}}{{{M_{1\max }} - {M_1}}} \times 100\% } & {\left( {\overline {{x_{1i}}} \overline {{x_{2i}}} } \right)}\\ {\frac{{\overline {{x_{2i}}} - {M_2}}}{{{M_{2\max }} - {M_{20}}}} \times 100\% } & {\left( {\overline {{x_{1i}}} \overline {{x_{2i}}} } \right)} \end{array}} \right.$ |
本肌電控制系統以美國Keil Software公司的KEIL軟件作為編程平臺，以C語言編程完成了對兩電極采集的sEMG信號的A/D轉換、閾值比較、sEMG信號幅度均值的等值比較和作差、差值驅動能力判定、過載標志位檢測以及占空比計算等過程的處理，從而實現了對上肢外骨骼康復機器人肩關節和肘關節運動方向的判斷和訓練速度的調節。
5 系統試驗測試
5.1 實驗樣機的試制
根據上述內容，本文課題組制作了sEMG信號采集電極、上肢外骨骼康復機器人語音控制和肌電控制電路板實物、上肢外骨骼康復機器人整體樣機，如圖 5所示。
圖5
系統實驗樣機
Figure5.
System prototype
5.2 語音控制系統測試
選取5名健康志愿者進行語音控制試驗，設定環境為較為安靜的室內環境，讓每位受試者經過訓練后，重復試驗20次，每次試驗分別依次完成彎曲、伸展、向上、向下、快速、慢速、停止等7個語音指令，控制外骨骼康復機器人分別執行肘關節屈曲、肘關節伸展、肩關節屈曲、肩關節伸展、肩肘關節同步屈曲、肩肘關節同步伸展、停止等對應動作。以語音指令成功控制外骨骼康復機器人執行對應動作為1次正確識別，試驗情況如表 1所示。
表1
語音指令正確識別率
Table1.
Recognition rate of voice control
試驗結果顯示，不同語音指令的識別存在一定差異，慢速和停止語音指令的識別率要略高于其他語音指令，分析差異原因可能與受試者熟練程度及環境等因素有關，與語音控制系統本身相關性不大。對整個語音控制系統來說，語音控制正確識別率均在90%以上，平均控制成功率為93.1%，具有較高的可靠性，通過語音控制模塊可以幫助因患者sEMG信號太弱而無法被檢測到的患者有效地進行康復訓練。
5.3 肌電控制系統測試
選取5名健康志愿者，進行肌電控制試驗，試驗要求各位受試者分別將sEMG信號采集電極佩戴在肱二頭肌/肱三頭肌拮抗肌組和尺側腕屈肌/橈側腕屈肌拮抗肌組上(肱二頭肌/肱三頭肌拮抗肌組控制肩部電機；尺側腕屈肌/橈側腕屈肌拮抗肌組控制肘部電機)，單獨進行肩關節屈曲、肩關節伸展、肘關節屈曲、肘關節伸展動作各50次，試驗情況如表 2所示。
表2
sEMG信號正確識別率
Table2.
Recognition rate of sEMG signal
由試驗情況表可知，肩關節動作識別率均在90%以上，平均正確識別率為92.6%；肘關節動作識別率均在86%以上，平均正確識別率為90.2%。如表 2所示，肘關節的正確識別率略低，分析其原因可能是控制肘關節電機的尺側腕屈肌/橈側腕屈肌拮抗肌組最佳位置不易尋找，但總的來說，肌電控制平均成功率為90.9%，可以滿足使用需求，驗證了肌電控制方案的可行性。
6 總結
目前國內外上肢康復訓練設備大多結構復雜、體積龐大，同時控制方法也比較單一，不夠人性化，因此本文提出一種新型的穿戴式上肢外骨骼康復機器人，并基于此機器人完成了其語音控制系統和肌電控制系統設計。該機器人結構簡單、便于穿戴、且控制方式和訓練模式多樣，能較好地適應不同患者的實際情況。其語音控制系統實現了對特定人的識別，保證了患者訓練的安全性；其肌電控制系統可實現患側肢控制的主動訓練和健側肢帶動患側肢的鏡像訓練，提高患者進行康復訓練的積極性。
經測試，該機器人的語音、肌電控制模塊軟硬件工作正常，安全可靠，具有良好的控制效果，可以與機械機構良好地配合，能輔助上肢功能障礙患者完成肩關節屈/伸、肘關節屈/伸、肩肘關節同步屈/伸等相關康復訓練，有助于患者的早日康復。