踝關節外骨骼可用來提高人的行走效率，輔助老年人、運動功能障礙患者等進行日常活動或康復訓練，但外骨骼的助行模式會對穿戴者的下肢肌肉激活與協調模式產生影響。本文利用一款繩驅動踝關節外骨骼，設計了不同助力時機與助力大小組合的助行模式，采集了7名穿戴者在跑步機上以1.25 m/s速度水平行走時的下肢表面肌電信號，研究不同助行模式對穿戴者下肢肌肉激活與協調模式的影響。實驗結果表明，比目魚肌激活程度在踝關節外骨骼助力時有明顯降低，在助力時機為步態周期49%、助力大小為0.7 N·m/kg時，最高可降低（38.5 ± 10.8）%。并且，相對于助力時機，助力大小對比目魚肌激活程度影響更為顯著。踝關節外骨骼不同模式助行時，所測量下肢肌肉可分解為5個基本協同模式，且合適的助力時機與助力大小條件下，下肢肌肉協調模式和正常行走相比改變較小。此外，比目魚肌-脛骨前肌、股直肌-半腱肌的協同收縮度在外骨骼助力時比正常行走均有升高。本研究有助于理解健康穿戴者如何調整自身的神經肌肉控制機制來適應不同外骨骼助力，并為選擇合適的助行模式以及合理利用外骨骼提高行走效率提供依據。
引用本文： 王偉, 丁建全, 汪毅, 劉藝程, 張娟娟, 劉景泰. 踝關節外骨骼助行模式對下肢肌肉激活與協調模式的影響. 生物醫學工程學雜志, 2022, 39(1): 75-83. doi: 10.7507/1001-5515.202107040 復制
引言
人體自主運動本質上是在中樞神經系統（central nervous system，CNS）的支配下，相關肌肉、關節以及骨骼聯合運動產生的[1]。人體擁有數量眾多的骨骼肌，以便實現高度靈活的自主運動，但這些骨骼肌仍然遵循有限的協調模式來完成人體各種運動[2]。這種神經系統內在的協調模式被定義為肌肉協同（muscle synergy，MS），是指完成特定運動時一組肌肉的共同激活。肌肉協同可以極大程度地降低中樞神經系統對于骨骼肌控制的復雜度，并且可以反映骨骼肌在收縮時間和收縮強度兩個維度上的特征和相互關系[3]。Ivanenko等[4]研究了人不同行走速度以及負重條件下的下肢肌肉協調模式，發現盡管單個骨骼肌的激活程度可能隨著速度和負重不同而發生變化，但這些行走條件下所測量的下肢骨骼肌均可用5個肌肉協調模式進行描述。Cappellini等[5]通過研究表明人行走和跑步有著共同的協同模式，腿部肌肉在每個協調模式中也有相近的收縮強度，但在其中一個協調模式的激活時間上兩種運動表現出明顯差異。由于骨骼肌的活動源自大腦和脊髓，肌肉協同分析可以揭示神經-肌肉系統之間的聯系，有利于增進對病理性步態損傷、運動技能學習以及輔助裝置作用的理解[6-9]。
近年來，隨著機械工程學與生物醫學工程學的發展，下肢外骨骼機器人作為一類能夠對人體步行運動進行輔助的設備，已逐漸被用來提高健康人的行走效率，或者輔助腦卒中、腦癱、腓骨肌無力等運動功能障礙患者或行動不便的老年人進行日常活動以及康復訓練。已有研究證實了踝關節外骨骼對于提高人的行走效率、降低能量消耗，以及改善運動障礙患者步態特性方面的有效性[10-11]。如Collins等[12]開發的被動彈性外骨骼，可有效降低健康穿戴者行走時的機體能量消耗。Gomez-Vargas等[13]開發的T-FLEX動力踝關節外骨骼可以明顯改善腦卒中患者的下肢關節運動范圍，降低步態異常度。Orekhov等[14]開發的輕量型自主式踝關節外骨骼，可以明顯提高輕度腦癱兒童的行走速度，降低行走能量消耗。除機體能量消耗與步態特征的改變之外，使用者穿戴外骨骼行走時，外骨骼輔助位置附近的肌肉激活以及肌肉協同模式也會受到影響。Takahashi等[15]開發的動力踝關節外骨骼，可使得受試者行走時患側比目魚肌激活程度明顯下降。Li等[16]定量分析了下肢外骨骼輔助膝關節和髖關節對人體行走時下肢肌肉協調模式的影響，結果顯示穿戴外骨骼助行時肌肉協同有明顯改變。李懷仙[17]研究發現負重行走時，外骨骼對膝關節進行輔助降低了膝伸肌的肌肉激活，改變了下肢肌肉協同的權重。然而，以上研究多只針對外骨骼提供某種特定的助行模式，助行模式的變化往往會對使用者的穿戴體驗、肌肉活動、步態模式等產生顯著影響[18-19]，但目前仍然缺乏外骨骼不同助行模式輔助時健康穿戴者下肢肌肉激活與協調模式變化方面的研究。
因此，本文研究了踝關節外骨骼助行時，不同助力時機以及助力大小組成的多種助行模式對人體下肢肌肉收縮與協調模式的影響。本文在課題組設計和開發的繩驅動輕量型踝關節外骨骼助行系統基礎上，招募了多名健康受試者在跑步機上穿戴外骨骼水平行走，并施加由不同助力時機以及助力大小組成的助行模式，同時運用無線表面肌電測量系統采集助力側的下肢肌肉表面肌電信號（surface electromyography，sEMG）。隨后，對不同外骨骼輔助模式助力行走和正常無外骨骼行走時人體下肢肌肉收縮強度進行了定量分析，通過協同收縮系數分析了拮抗肌和主動肌之間協調性的變化。最后，通過非負矩陣分解方法對采集的sEMG進行肌肉協同提取，分析了不同外骨骼助力模式對人體下肢肌肉協同的影響，此外也分析了不同行走速度時外骨骼助行肌肉協同的變化。本研究希望有助于深入對人體神經肌肉系統對于外骨骼不同輔助模式的調整與學習策略的理解，以期為選擇合適的助行模式以及合理利用外骨骼提高行走效率提供依據。
1 方法與實驗
1.1 實驗設備
本文使用的踝關節外骨骼采用了仿生結構，如圖1所示，電機動力通過鮑登繩索傳遞到外骨骼，且助力方向與人小腿跖屈肌收縮方向一致，從而輔助穿戴者進行踝關節跖屈運動。結構主體分為小腿框架、足部框架與后足懸臂三個部分，為了保證輕量化，三部分均由碳纖維材料制作。小腿框架近端處采用魔術貼綁帶與穿戴者小腿相固定，以提高穿戴舒適性。足部框架連接了外骨骼踝關節軸與固定于外骨骼鞋跖趾關節處的前腳掌板，從而保證外骨骼與腳踝的同步運動。鮑登繩索一端與電機輸出軸相連，另一端穿過小腿框架輔助固定桿連接到固定在足后懸臂上的拉力傳感器。電機轉動使鮑登繩索向上拉動足后懸臂，產生平行于小腿跖屈肌的拉力，從而提供踝關節跖屈輔助力矩，如圖1所示。足后懸臂在此提供了一定的柔順性，可以提高人機交互的舒適性與安全性[20]。此外，在外骨骼鞋足跟的外側安裝了觸碰開關用來檢測足跟觸地事件，以此作為步態周期的起始。為了最大程度減輕設備的附加質量，擺脫設備質量與體積的限制，同時能夠為人體行走提供足夠的助力，外骨骼驅動系統與控制系統均離體放置。踝關節外骨骼主體結構總重量為577 g。
圖1
繩驅動輕量型踝關節外骨骼助行系統及踝關節外骨骼跖屈輔助方式
Figure1.
The tethered lightweight ankle exoskeleton system for human walking assistance and plantarflexion assistance provided by the exoskeleton
1.2 外骨骼助力設計
踝關節外骨骼在每個步態周期的助力力矩軌跡參照人行走時的生理踝關節力矩進行設計，如圖2所示，并通過定義4個參數來描述該力矩軌跡的形式[18]，分別為峰值時間、峰值力矩、上升時間、下降時間，各參數含義如下：① 峰值時間：輔助力矩達到最大值的時刻，用步態周期百分比表示；② 峰值力矩：輔助力矩的最大值，以 N?m/kg表示；③ 上升時間：輔助力矩在支撐初期從0 N?m/kg上升到力矩峰值的時間，用步態周期百分比表示；④ 下降時間：輔助力矩從力矩峰值下降到0 N?m/kg的時間，用步態周期百分比表示。
圖2
踝關節外骨骼助力力矩軌跡
Figure2.
Torque trajectory of the ankle exoskeleton
為了提供精確、快速的助力力矩跟蹤控制，本文采用了比例微分結合自適應迭代學習（proportional derivative with adaptive iterative learning control，PD-AILC）的力矩跟蹤控制方法。AILC控制器與PD控制器并聯結合，PD控制器能夠實現快速無超調力矩跟蹤，AILC控制器用以快速消除力矩跟蹤誤差。根據前期實驗，PD-AILC控制器的力矩跟蹤誤差RMSE小于1 N?m，可以滿足實驗要求。
為了研究助力時機與助力大小對穿戴者下肢肌肉激活以及協調模式的影響，在此設計了不同的峰值時間以及峰值力矩的助力模式。助力時機的調節是通過外骨骼力矩軌跡中峰值時間參數的改變進行調整，根據健康人行走時步態周期中生理踝關節力矩的峰值時刻[20]，將峰值時間參數范圍限制在步態周期的45%～53%之間，并設置了46%、49%、52% 三種不同的外骨骼助力峰值時間，分別代表外骨骼助力時機早、助力時機適中以及助力時機晚。助力大小的調節是通過力矩軌跡中峰值力矩參數的改變來進行，考慮到要能夠提供一定程度助力又不會引起受試者身體的強烈不舒適，設置了0.3、0.5、0.7 N?m/kg三種不同的助力峰值力矩，分別代表較小的外骨骼助力、適中的助力以及較大的助力。施加的9種不同助力模式如表1所示。上升時間和下降時間由于在助行時對穿戴者主觀感受的影響較小，在此根據個人行走偏好進行設置。
表1
不同峰值時間與峰值力矩的助力模式
Table1.
Different assistive patterns of different peak time and peak torques
1.3 受試者信息
本文招募了7名身體健康、半年內無下肢肌肉骨骼疾病以及有一定外骨骼使用經驗的男性受試者進行實驗，年齡（24.0 ± 3.4）歲，身高（176.3 ± 5.5）cm，體重（65.6 ± 7.1）kg。實驗經南開大學倫理審查委員會批準，實驗前所有受試者均閱讀了實驗說明，自愿參加實驗，并簽署了知情同意書。
1.4 實驗方案
實驗共分為兩個階段進行。第一階段為適應階段，用于訓練和熟悉外骨骼助行；第二階段為數據采集階段，用于在助行過程中采集受試者的下肢肌電信號。
受試者在第一天進行第一階段適應練習。受試者按要求穿戴踝關節外骨骼，在跑臺上以1.25 m/s速度水平行走。過程中，從峰值力矩由低到高逐漸施加1.1中的9種助力模式，每個模式持續一段時間，以確保受試者能夠適應這些外骨骼助力條件。
受試者在休息一天后進行第二階段數據采集實驗，以避免疲勞對實驗的影響。采集之前按照標準流程對受試者皮膚進行處理[21]，粘貼表面肌電測量傳感器，并通過彈性繃帶進行綁縛以確保實驗過程中傳感器不會滑動與脫落。受試者經過5 min熱身之后，開始在跑步機上以1.25 m/s的速度水平行走，持續2 min，期間不穿外骨骼，測量正常行走（normal walking，NW）時的sEMG信號。隨后，受試者穿戴外骨骼在跑臺上以1.25 m/s速度水平行走，同時以隨機順序被施加9種助力模式，即ASS1~ASS9，每種助力模式持續2 min。受試者在每組行走測試之間都進行適當休息以排除肌肉疲勞對實驗結果的影響。
1.5 數據處理與分析
在每個行走條件中，通過無線表面肌電測量系統Trigno（Delsys，美國）采集最后30 s的sEMG信號進行分析，采樣頻率為5 000 Hz。共采集外骨骼助力側下肢8塊骨骼肌的sEMG信號：脛骨前肌、比目魚肌、內側腓腸肌、外側腓腸肌、股直肌、股內側肌、股外側肌以及半腱肌，如圖3所示。根據生理解剖特性，脛骨前肌、比目魚肌、腓腸肌內側與腓腸肌外側在人體行走時踝關節跖背屈運動中起到主要作用，同時腓腸肌內側與腓腸肌外側也參與膝關節屈伸運動。股直肌、股外側肌、股內側肌和半腱肌在行走時對于膝關節的屈伸以及髖關節的屈曲和伸展均起到一定作用。采集到的原始sEMG信號采用高通濾波（2階巴特沃斯濾波器，Fc = 20 Hz）、全波整流以及低通濾波（2階巴特沃斯濾波器，Fc = 10 Hz）進行預處理，并進行歸一化。sEMG信號經過預處理后，計算均方根值（root mean square，RMS）來定量描述肌肉激活程度。本研究使用配對t檢驗，對不同助力模式和正常行走之間的下肢肌肉活躍度RMS值進行比較，使用ANOVA對比了不同助力時機以及不同助力大小之間的下肢肌肉活躍度RMS值，P ≤ 0.05表示組間差異具有統計學意義。
圖3
實驗測量的下肢肌肉生理解剖圖
Figure3.
Anatomy of lower limb muscles that measured in the experiment
1.6 肌肉協同模式提取與分析
通過非負矩陣分解算法（non-negative matrix factorization，NMF）[22]來提取所測量下肢肌肉sEMG信號中的肌肉協同模式。對于預處理后的sEMG信號，構建如下多通道sEMG信號原始矩陣：
 '/> |
其中，M為測量的sEMG信號通道數，N為sEMG信號采樣點個數，
為分解的肌肉協同個數，
為分解后的激活權值矩陣，
為分解后的激活時序矩陣，
為重構矩陣。根據Ivanenko等[4]的研究，人正常行走時的下肢肌肉可以分解為5個協同模式，因此，在本文中設定k = 5。
除此之外，為了解外骨骼助力如何影響步態模式中主動肌和拮抗肌的協同收縮策略，在此利用協同收縮度指標（co-contraction index，CCI）[23]比較了助力模式和正常行走模式的比目魚肌-脛骨前肌、股直肌-半腱肌的協同收縮度，計算公式為：
 |
其中，
與 
分別表示在一個步態周期中脛骨前肌和比目魚肌共同激活的區域、股直肌和半腱肌共同激活的區域，
、
、
、
分別表示脛骨前肌、比目魚肌、股直肌、半腱肌單獨激活的區域。
2 結果分析與討論
2.1 下肢肌肉激活程度
圖4與圖5顯示了正常行走與外骨骼助力行走時的助力側小腿和大腿sEMG曲線，圖6為對應的肌肉激活程度RMS值。
圖4
不同助力模式下的小腿肌肉激活曲線
Figure4.
Exoskeleton-side shank muscle activities over the whole stride in different ankle exoskeleton assistances
圖5
不同助力模式下的大腿肌肉激活曲線
Figure5.
Exoskeleton-side thigh muscle activities over the whole stride in different ankle exoskeleton assistances
圖6
不同助力模式下的助力側下肢肌肉激活RMS值
*表示與正常行走相比差異具有統計學意義，
* indicates a statistically significant reduction versus normal walking,
所測量的下肢肌肉中，比目魚肌激活程度RMS值在所有外骨骼助力模式中比NW模式均有明顯降低，sEMG曲線在峰值處有明顯下降，且具有統計學意義。在ASS6模式下，RMS值為0.299 ± 0.064，相比于正常行走降低了（38.5 ± 10.8）%（P ≤ 0.05）。此外，通過方差分析，比目魚肌激活程度在低力矩、中力矩與大力矩輔助時差異具有統計學意義（P ≤ 0.05），但在早助力、中助力與晚助力之間的差異無統計學意義。在小腿肌肉中，其余測量肌肉激活程度RMS值與正常行走時相比有一定變化，但其差異不具有統計學意義。相比于小腿肌肉，大腿肌肉活躍度在踝關節外骨骼助力時受影響較小，如圖5所示。其中，股直肌在外骨骼助力時，sEMG曲線在站立階段有所升高，在擺動階段有所降低，這可能是由于踝關節助力增加了蹬地推離時刻的推進力，從而幫助膝關節伸展，減少了股直肌的收縮作用，但與此同時增加了落地緩沖時的沖擊力，從而引起支撐初期的激活程度升高。對于半腱肌，sEMG曲線在站立階段后期幅值隨著外骨骼峰值時間靠后有明顯升高，這可能是因為隨著助力時間變晚，蹬地推離時間延長，步長增大，使得支撐后期的髖關節伸展角度增大，導致髖伸肌激活程度增加。
根據上述分析，踝關節外骨骼助力對助力側的比目魚肌影響較大。根據解剖特性，比目魚肌慢肌纖維比例較高，在行走中起到主要作用[24]，而內、外側腓腸肌由于快肌纖維成分較多，在跑步、跳躍等動作中作用顯著。由于本文中的踝關節外骨骼助力作用主要體現在行走蹬地推離階段，因此比目魚肌肌肉激活程度的下降也表明了該外骨骼助行的有效性，此結果也符合Jackson等[25]關于踝關節外骨骼助力的研究。在ASS6模式下，比目魚肌與外側腓腸肌激活程度降低幅度最大，其他肌肉激活程度也沒有明顯升高。這表明踝關節外骨骼助行模式的改變會對下肢肌肉激活有較為顯著的影響，合適的助力時機與助力大小能夠更大程度地減少跖屈肌的激活，進而減少肌肉收縮的能量消耗，有助于提高行走效率。
2.2 下肢肌肉協同模式
所提取的肌肉協同模式激活權值和激活時序如圖7和圖8所示。對于肌肉協同1～4，外骨骼助力時的激活時序與正常行走相比較為一致，但各個肌肉在不同協同模式中的激活權值有所改變。對于肌肉協同5，除了各個肌肉在該協同模式中的激活權值有所改變外，在外骨骼助力時間較晚時，該協同模式的激活時序也有所改變。
圖7
不同助力模式下肌肉協調模式的激活權值矩陣
Figure7.
Synergy weights in different ankle exoskeleton assistances
協同模式1主要以脛骨前肌激活為主，表現為站立初期與擺動期的激活。此外，還包含有少量股直肌、股內側肌和股外側肌激活成分，但當施加外骨骼助力后，其權值逐漸減小。可能原因在于外骨骼助力輔助了部分伸膝運動，雖然助力直接作用于踝關節，但行走時下肢髖、膝、踝關節是一個協調運動過程，因此單個關節的助力可能對相鄰關節產生一定影響。協同模式2主要以比目魚肌、內外側腓腸肌激活為主，表現為從站立初期激活程度逐漸上升，到支撐后期達到峰值。協同模式3以內、外側腓腸肌激活為主，表現為支撐中期迅速上升并在支撐后期到達峰值，體現了腓腸肌快速收縮的特性。該模式中比目魚肌激活權值相比內、外側腓腸肌較低，并且在施加助力后權值有所降低，結合其激活時序，表明踝關節外骨骼的助力在蹬地推離階段作用明顯，主要減弱了小腿三頭肌中比目魚肌的收縮活動。協同模式4以股四頭肌激活為主，表現為步態站立初期激活。協同模式5主要為半腱肌激活，體現在擺動后期伸髖運動以及腳跟觸地時支撐體重時激活。在外骨骼助力峰值時間較晚時，該模式的激活時序在擺動階段有明顯升高。
根據以上分析，在當前實驗條件下，外骨骼助力峰值時間在46%與49%時，下肢肌肉協同模式相較于正常行走時激活時序無明顯改變，協同內肌肉激活權值有較小改變；而助力峰值時間在52%時，會引起髖伸肌肌肉協同激活時序在擺動階段的增加，相比人體正常行走模式有所改變。該結果表明人體下肢肌肉協調模式在外骨骼輔助時會受到影響，尤其在不合適的輔助模式時，這也符合Li[16]的研究，但當輔助模式較為合適時，這種影響較小，并接近于人體自然行走的協調模式。
圖8
不同助力模式下肌肉協調模式的激活時序矩陣
Figure8.
Synergy activations in different ankle exoskeleton assistances
對于不同的行走速度條件，Cappellini等[5]研究表明下肢肌肉活動依然可以用5個基本的肌肉協同組合進行描述。隨著行走速度的加快，大部分下肢肌肉會有更大的激活，但激活時間仍然能由5個肌肉協同模式決定。在此，我們對2名受試者分析了不同行走速度踝關節外骨骼不同助力模式的肌肉協同模式，行走速度為1 m/s（－20% Baseline，慢速）、1.25 m/s（0% Baseline，中速）、1.5 m/s（+20% Baseline，快速），行走坡度為0°。結果表明，在不同行走速度下，不同外骨骼輔助模式助力行走時，依然可以將測量肌肉分解為5個基本肌肉協同模式，但在涉及小腿三頭肌的協同模式2和3中，激活權值和激活時序均有明顯改變。
2.3 下肢肌肉協同收縮度
外骨骼助力時比目魚肌-脛骨前肌、股直肌-半腱肌的協同收縮度如圖9所示。
在外骨骼助力時比NW模式均有升高，在ASS9模式下升高（36.9 ± 28.5）%（P ≤ 0.05），在ASS6模式下升高（36.2 ± 22.6）%（P ≤ 0.05），均具有統計學意義。
在外骨骼助力時比NW模式均有升高，在ASS6模式下升高（36.2 ± 38.6）%，具有較大個體差異性，但變化不具有統計學意義。股直肌和半腱肌的協同收縮度升高主要體現在擺動階段半腱肌激活的增加。
圖9
不同助力模式下脛骨前肌和比目魚肌、股直肌和半腱肌的協同收縮度
*表示與正常行走相比差異具有統計學意義，
* indicates a statistically significant reduction versus normal walking,
3 結論
為了深入理解人體神經肌肉系統對于踝關節外骨骼助行模式的調整與學習方式，進而為選擇合適的助行模式以及合理利用外骨骼提高行走效率提供依據，本文研究了踝關節外骨骼助行時，不同助力時機以及助力大小組成的多種助行模式對人體下肢肌肉收縮與協調模式的影響。本文利用一款繩驅動踝關節外骨骼，設計了不同助力時機與助力大小組合的外骨骼助行模式，采集了多名健康被試者的下肢sEMG，定量分析了下肢相關肌肉激活的變化，并進行肌肉協同提取，分析了不同外骨骼助力模式對人體下肢協調模式的影響。結果表明比目魚肌激活程度在踝關節外骨骼助力時有明顯降低，在助力時機為步態周期49%，助力大小為0.7 N?m/kg時降低程度最大。助力力矩峰值的大小對比目魚肌激活程度有明顯影響。在外骨骼助行時，所測量下肢肌肉依然可分解為5個肌肉協同模式，且對于合適的助力時機與助力大小，下肢肌肉協調模式和正常行走相比改變較小。此外，外骨骼的助力會增加主動肌與拮抗肌之間的協同收縮度。綜上所述，通過合理選擇外骨骼助力模式能夠最大程度減少穿戴者相關位置的肌肉激活程度，提高行走效率，并接近于人體自然行走的協調模式。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：劉景泰、張娟娟負責實驗設計、文章構思及審閱；王偉負責外骨骼系統開發、文章構思、實驗設計、數據分析與稿件撰寫；丁建全、汪毅、劉藝程負責數據采集、處理與分析。
倫理聲明：本研究通過南開大學倫理委員會的審批。
引言
人體自主運動本質上是在中樞神經系統（central nervous system，CNS）的支配下，相關肌肉、關節以及骨骼聯合運動產生的[1]。人體擁有數量眾多的骨骼肌，以便實現高度靈活的自主運動，但這些骨骼肌仍然遵循有限的協調模式來完成人體各種運動[2]。這種神經系統內在的協調模式被定義為肌肉協同（muscle synergy，MS），是指完成特定運動時一組肌肉的共同激活。肌肉協同可以極大程度地降低中樞神經系統對于骨骼肌控制的復雜度，并且可以反映骨骼肌在收縮時間和收縮強度兩個維度上的特征和相互關系[3]。Ivanenko等[4]研究了人不同行走速度以及負重條件下的下肢肌肉協調模式，發現盡管單個骨骼肌的激活程度可能隨著速度和負重不同而發生變化，但這些行走條件下所測量的下肢骨骼肌均可用5個肌肉協調模式進行描述。Cappellini等[5]通過研究表明人行走和跑步有著共同的協同模式，腿部肌肉在每個協調模式中也有相近的收縮強度，但在其中一個協調模式的激活時間上兩種運動表現出明顯差異。由于骨骼肌的活動源自大腦和脊髓，肌肉協同分析可以揭示神經-肌肉系統之間的聯系，有利于增進對病理性步態損傷、運動技能學習以及輔助裝置作用的理解[6-9]。
近年來，隨著機械工程學與生物醫學工程學的發展，下肢外骨骼機器人作為一類能夠對人體步行運動進行輔助的設備，已逐漸被用來提高健康人的行走效率，或者輔助腦卒中、腦癱、腓骨肌無力等運動功能障礙患者或行動不便的老年人進行日常活動以及康復訓練。已有研究證實了踝關節外骨骼對于提高人的行走效率、降低能量消耗，以及改善運動障礙患者步態特性方面的有效性[10-11]。如Collins等[12]開發的被動彈性外骨骼，可有效降低健康穿戴者行走時的機體能量消耗。Gomez-Vargas等[13]開發的T-FLEX動力踝關節外骨骼可以明顯改善腦卒中患者的下肢關節運動范圍，降低步態異常度。Orekhov等[14]開發的輕量型自主式踝關節外骨骼，可以明顯提高輕度腦癱兒童的行走速度，降低行走能量消耗。除機體能量消耗與步態特征的改變之外，使用者穿戴外骨骼行走時，外骨骼輔助位置附近的肌肉激活以及肌肉協同模式也會受到影響。Takahashi等[15]開發的動力踝關節外骨骼，可使得受試者行走時患側比目魚肌激活程度明顯下降。Li等[16]定量分析了下肢外骨骼輔助膝關節和髖關節對人體行走時下肢肌肉協調模式的影響，結果顯示穿戴外骨骼助行時肌肉協同有明顯改變。李懷仙[17]研究發現負重行走時，外骨骼對膝關節進行輔助降低了膝伸肌的肌肉激活，改變了下肢肌肉協同的權重。然而，以上研究多只針對外骨骼提供某種特定的助行模式，助行模式的變化往往會對使用者的穿戴體驗、肌肉活動、步態模式等產生顯著影響[18-19]，但目前仍然缺乏外骨骼不同助行模式輔助時健康穿戴者下肢肌肉激活與協調模式變化方面的研究。
因此，本文研究了踝關節外骨骼助行時，不同助力時機以及助力大小組成的多種助行模式對人體下肢肌肉收縮與協調模式的影響。本文在課題組設計和開發的繩驅動輕量型踝關節外骨骼助行系統基礎上，招募了多名健康受試者在跑步機上穿戴外骨骼水平行走，并施加由不同助力時機以及助力大小組成的助行模式，同時運用無線表面肌電測量系統采集助力側的下肢肌肉表面肌電信號（surface electromyography，sEMG）。隨后，對不同外骨骼輔助模式助力行走和正常無外骨骼行走時人體下肢肌肉收縮強度進行了定量分析，通過協同收縮系數分析了拮抗肌和主動肌之間協調性的變化。最后，通過非負矩陣分解方法對采集的sEMG進行肌肉協同提取，分析了不同外骨骼助力模式對人體下肢肌肉協同的影響，此外也分析了不同行走速度時外骨骼助行肌肉協同的變化。本研究希望有助于深入對人體神經肌肉系統對于外骨骼不同輔助模式的調整與學習策略的理解，以期為選擇合適的助行模式以及合理利用外骨骼提高行走效率提供依據。
1 方法與實驗
1.1 實驗設備
本文使用的踝關節外骨骼采用了仿生結構，如圖1所示，電機動力通過鮑登繩索傳遞到外骨骼，且助力方向與人小腿跖屈肌收縮方向一致，從而輔助穿戴者進行踝關節跖屈運動。結構主體分為小腿框架、足部框架與后足懸臂三個部分，為了保證輕量化，三部分均由碳纖維材料制作。小腿框架近端處采用魔術貼綁帶與穿戴者小腿相固定，以提高穿戴舒適性。足部框架連接了外骨骼踝關節軸與固定于外骨骼鞋跖趾關節處的前腳掌板，從而保證外骨骼與腳踝的同步運動。鮑登繩索一端與電機輸出軸相連，另一端穿過小腿框架輔助固定桿連接到固定在足后懸臂上的拉力傳感器。電機轉動使鮑登繩索向上拉動足后懸臂，產生平行于小腿跖屈肌的拉力，從而提供踝關節跖屈輔助力矩，如圖1所示。足后懸臂在此提供了一定的柔順性，可以提高人機交互的舒適性與安全性[20]。此外，在外骨骼鞋足跟的外側安裝了觸碰開關用來檢測足跟觸地事件，以此作為步態周期的起始。為了最大程度減輕設備的附加質量，擺脫設備質量與體積的限制，同時能夠為人體行走提供足夠的助力，外骨骼驅動系統與控制系統均離體放置。踝關節外骨骼主體結構總重量為577 g。
圖1
繩驅動輕量型踝關節外骨骼助行系統及踝關節外骨骼跖屈輔助方式
Figure1.
The tethered lightweight ankle exoskeleton system for human walking assistance and plantarflexion assistance provided by the exoskeleton
1.2 外骨骼助力設計
踝關節外骨骼在每個步態周期的助力力矩軌跡參照人行走時的生理踝關節力矩進行設計，如圖2所示，并通過定義4個參數來描述該力矩軌跡的形式[18]，分別為峰值時間、峰值力矩、上升時間、下降時間，各參數含義如下：① 峰值時間：輔助力矩達到最大值的時刻，用步態周期百分比表示；② 峰值力矩：輔助力矩的最大值，以 N?m/kg表示；③ 上升時間：輔助力矩在支撐初期從0 N?m/kg上升到力矩峰值的時間，用步態周期百分比表示；④ 下降時間：輔助力矩從力矩峰值下降到0 N?m/kg的時間，用步態周期百分比表示。
圖2
踝關節外骨骼助力力矩軌跡
Figure2.
Torque trajectory of the ankle exoskeleton
為了提供精確、快速的助力力矩跟蹤控制，本文采用了比例微分結合自適應迭代學習（proportional derivative with adaptive iterative learning control，PD-AILC）的力矩跟蹤控制方法。AILC控制器與PD控制器并聯結合，PD控制器能夠實現快速無超調力矩跟蹤，AILC控制器用以快速消除力矩跟蹤誤差。根據前期實驗，PD-AILC控制器的力矩跟蹤誤差RMSE小于1 N?m，可以滿足實驗要求。
為了研究助力時機與助力大小對穿戴者下肢肌肉激活以及協調模式的影響，在此設計了不同的峰值時間以及峰值力矩的助力模式。助力時機的調節是通過外骨骼力矩軌跡中峰值時間參數的改變進行調整，根據健康人行走時步態周期中生理踝關節力矩的峰值時刻[20]，將峰值時間參數范圍限制在步態周期的45%～53%之間，并設置了46%、49%、52% 三種不同的外骨骼助力峰值時間，分別代表外骨骼助力時機早、助力時機適中以及助力時機晚。助力大小的調節是通過力矩軌跡中峰值力矩參數的改變來進行，考慮到要能夠提供一定程度助力又不會引起受試者身體的強烈不舒適，設置了0.3、0.5、0.7 N?m/kg三種不同的助力峰值力矩，分別代表較小的外骨骼助力、適中的助力以及較大的助力。施加的9種不同助力模式如表1所示。上升時間和下降時間由于在助行時對穿戴者主觀感受的影響較小，在此根據個人行走偏好進行設置。
表1
不同峰值時間與峰值力矩的助力模式
Table1.
Different assistive patterns of different peak time and peak torques
1.3 受試者信息
本文招募了7名身體健康、半年內無下肢肌肉骨骼疾病以及有一定外骨骼使用經驗的男性受試者進行實驗，年齡（24.0 ± 3.4）歲，身高（176.3 ± 5.5）cm，體重（65.6 ± 7.1）kg。實驗經南開大學倫理審查委員會批準，實驗前所有受試者均閱讀了實驗說明，自愿參加實驗，并簽署了知情同意書。
1.4 實驗方案
實驗共分為兩個階段進行。第一階段為適應階段，用于訓練和熟悉外骨骼助行；第二階段為數據采集階段，用于在助行過程中采集受試者的下肢肌電信號。
受試者在第一天進行第一階段適應練習。受試者按要求穿戴踝關節外骨骼，在跑臺上以1.25 m/s速度水平行走。過程中，從峰值力矩由低到高逐漸施加1.1中的9種助力模式，每個模式持續一段時間，以確保受試者能夠適應這些外骨骼助力條件。
受試者在休息一天后進行第二階段數據采集實驗，以避免疲勞對實驗的影響。采集之前按照標準流程對受試者皮膚進行處理[21]，粘貼表面肌電測量傳感器，并通過彈性繃帶進行綁縛以確保實驗過程中傳感器不會滑動與脫落。受試者經過5 min熱身之后，開始在跑步機上以1.25 m/s的速度水平行走，持續2 min，期間不穿外骨骼，測量正常行走（normal walking，NW）時的sEMG信號。隨后，受試者穿戴外骨骼在跑臺上以1.25 m/s速度水平行走，同時以隨機順序被施加9種助力模式，即ASS1~ASS9，每種助力模式持續2 min。受試者在每組行走測試之間都進行適當休息以排除肌肉疲勞對實驗結果的影響。
1.5 數據處理與分析
在每個行走條件中，通過無線表面肌電測量系統Trigno（Delsys，美國）采集最后30 s的sEMG信號進行分析，采樣頻率為5 000 Hz。共采集外骨骼助力側下肢8塊骨骼肌的sEMG信號：脛骨前肌、比目魚肌、內側腓腸肌、外側腓腸肌、股直肌、股內側肌、股外側肌以及半腱肌，如圖3所示。根據生理解剖特性，脛骨前肌、比目魚肌、腓腸肌內側與腓腸肌外側在人體行走時踝關節跖背屈運動中起到主要作用，同時腓腸肌內側與腓腸肌外側也參與膝關節屈伸運動。股直肌、股外側肌、股內側肌和半腱肌在行走時對于膝關節的屈伸以及髖關節的屈曲和伸展均起到一定作用。采集到的原始sEMG信號采用高通濾波（2階巴特沃斯濾波器，Fc = 20 Hz）、全波整流以及低通濾波（2階巴特沃斯濾波器，Fc = 10 Hz）進行預處理，并進行歸一化。sEMG信號經過預處理后，計算均方根值（root mean square，RMS）來定量描述肌肉激活程度。本研究使用配對t檢驗，對不同助力模式和正常行走之間的下肢肌肉活躍度RMS值進行比較，使用ANOVA對比了不同助力時機以及不同助力大小之間的下肢肌肉活躍度RMS值，P ≤ 0.05表示組間差異具有統計學意義。
圖3
實驗測量的下肢肌肉生理解剖圖
Figure3.
Anatomy of lower limb muscles that measured in the experiment
1.6 肌肉協同模式提取與分析
通過非負矩陣分解算法（non-negative matrix factorization，NMF）[22]來提取所測量下肢肌肉sEMG信號中的肌肉協同模式。對于預處理后的sEMG信號，構建如下多通道sEMG信號原始矩陣：
| '/> |
其中，M為測量的sEMG信號通道數，N為sEMG信號采樣點個數， 為分解的肌肉協同個數， 為分解后的激活權值矩陣， 為分解后的激活時序矩陣， 為重構矩陣。根據Ivanenko等[4]的研究，人正常行走時的下肢肌肉可以分解為5個協同模式，因此，在本文中設定k = 5。
除此之外，為了解外骨骼助力如何影響步態模式中主動肌和拮抗肌的協同收縮策略，在此利用協同收縮度指標（co-contraction index，CCI）[23]比較了助力模式和正常行走模式的比目魚肌-脛骨前肌、股直肌-半腱肌的協同收縮度，計算公式為：
|
其中， 與 分別表示在一個步態周期中脛骨前肌和比目魚肌共同激活的區域、股直肌和半腱肌共同激活的區域，、、、 分別表示脛骨前肌、比目魚肌、股直肌、半腱肌單獨激活的區域。
2 結果分析與討論
2.1 下肢肌肉激活程度
圖4與圖5顯示了正常行走與外骨骼助力行走時的助力側小腿和大腿sEMG曲線，圖6為對應的肌肉激活程度RMS值。
圖4
不同助力模式下的小腿肌肉激活曲線
Figure4.
Exoskeleton-side shank muscle activities over the whole stride in different ankle exoskeleton assistances
圖5
不同助力模式下的大腿肌肉激活曲線
Figure5.
Exoskeleton-side thigh muscle activities over the whole stride in different ankle exoskeleton assistances
圖6
不同助力模式下的助力側下肢肌肉激活RMS值
*表示與正常行走相比差異具有統計學意義，
* indicates a statistically significant reduction versus normal walking,
所測量的下肢肌肉中，比目魚肌激活程度RMS值在所有外骨骼助力模式中比NW模式均有明顯降低，sEMG曲線在峰值處有明顯下降，且具有統計學意義。在ASS6模式下，RMS值為0.299 ± 0.064，相比于正常行走降低了（38.5 ± 10.8）%（P ≤ 0.05）。此外，通過方差分析，比目魚肌激活程度在低力矩、中力矩與大力矩輔助時差異具有統計學意義（P ≤ 0.05），但在早助力、中助力與晚助力之間的差異無統計學意義。在小腿肌肉中，其余測量肌肉激活程度RMS值與正常行走時相比有一定變化，但其差異不具有統計學意義。相比于小腿肌肉，大腿肌肉活躍度在踝關節外骨骼助力時受影響較小，如圖5所示。其中，股直肌在外骨骼助力時，sEMG曲線在站立階段有所升高，在擺動階段有所降低，這可能是由于踝關節助力增加了蹬地推離時刻的推進力，從而幫助膝關節伸展，減少了股直肌的收縮作用，但與此同時增加了落地緩沖時的沖擊力，從而引起支撐初期的激活程度升高。對于半腱肌，sEMG曲線在站立階段后期幅值隨著外骨骼峰值時間靠后有明顯升高，這可能是因為隨著助力時間變晚，蹬地推離時間延長，步長增大，使得支撐后期的髖關節伸展角度增大，導致髖伸肌激活程度增加。
根據上述分析，踝關節外骨骼助力對助力側的比目魚肌影響較大。根據解剖特性，比目魚肌慢肌纖維比例較高，在行走中起到主要作用[24]，而內、外側腓腸肌由于快肌纖維成分較多，在跑步、跳躍等動作中作用顯著。由于本文中的踝關節外骨骼助力作用主要體現在行走蹬地推離階段，因此比目魚肌肌肉激活程度的下降也表明了該外骨骼助行的有效性，此結果也符合Jackson等[25]關于踝關節外骨骼助力的研究。在ASS6模式下，比目魚肌與外側腓腸肌激活程度降低幅度最大，其他肌肉激活程度也沒有明顯升高。這表明踝關節外骨骼助行模式的改變會對下肢肌肉激活有較為顯著的影響，合適的助力時機與助力大小能夠更大程度地減少跖屈肌的激活，進而減少肌肉收縮的能量消耗，有助于提高行走效率。
2.2 下肢肌肉協同模式
所提取的肌肉協同模式激活權值和激活時序如圖7和圖8所示。對于肌肉協同1～4，外骨骼助力時的激活時序與正常行走相比較為一致，但各個肌肉在不同協同模式中的激活權值有所改變。對于肌肉協同5，除了各個肌肉在該協同模式中的激活權值有所改變外，在外骨骼助力時間較晚時，該協同模式的激活時序也有所改變。
圖7
不同助力模式下肌肉協調模式的激活權值矩陣
Figure7.
Synergy weights in different ankle exoskeleton assistances
協同模式1主要以脛骨前肌激活為主，表現為站立初期與擺動期的激活。此外，還包含有少量股直肌、股內側肌和股外側肌激活成分，但當施加外骨骼助力后，其權值逐漸減小。可能原因在于外骨骼助力輔助了部分伸膝運動，雖然助力直接作用于踝關節，但行走時下肢髖、膝、踝關節是一個協調運動過程，因此單個關節的助力可能對相鄰關節產生一定影響。協同模式2主要以比目魚肌、內外側腓腸肌激活為主，表現為從站立初期激活程度逐漸上升，到支撐后期達到峰值。協同模式3以內、外側腓腸肌激活為主，表現為支撐中期迅速上升并在支撐后期到達峰值，體現了腓腸肌快速收縮的特性。該模式中比目魚肌激活權值相比內、外側腓腸肌較低，并且在施加助力后權值有所降低，結合其激活時序，表明踝關節外骨骼的助力在蹬地推離階段作用明顯，主要減弱了小腿三頭肌中比目魚肌的收縮活動。協同模式4以股四頭肌激活為主，表現為步態站立初期激活。協同模式5主要為半腱肌激活，體現在擺動后期伸髖運動以及腳跟觸地時支撐體重時激活。在外骨骼助力峰值時間較晚時，該模式的激活時序在擺動階段有明顯升高。
根據以上分析，在當前實驗條件下，外骨骼助力峰值時間在46%與49%時，下肢肌肉協同模式相較于正常行走時激活時序無明顯改變，協同內肌肉激活權值有較小改變；而助力峰值時間在52%時，會引起髖伸肌肌肉協同激活時序在擺動階段的增加，相比人體正常行走模式有所改變。該結果表明人體下肢肌肉協調模式在外骨骼輔助時會受到影響，尤其在不合適的輔助模式時，這也符合Li[16]的研究，但當輔助模式較為合適時，這種影響較小，并接近于人體自然行走的協調模式。
圖8
不同助力模式下肌肉協調模式的激活時序矩陣
Figure8.
Synergy activations in different ankle exoskeleton assistances
對于不同的行走速度條件，Cappellini等[5]研究表明下肢肌肉活動依然可以用5個基本的肌肉協同組合進行描述。隨著行走速度的加快，大部分下肢肌肉會有更大的激活，但激活時間仍然能由5個肌肉協同模式決定。在此，我們對2名受試者分析了不同行走速度踝關節外骨骼不同助力模式的肌肉協同模式，行走速度為1 m/s（－20% Baseline，慢速）、1.25 m/s（0% Baseline，中速）、1.5 m/s（+20% Baseline，快速），行走坡度為0°。結果表明，在不同行走速度下，不同外骨骼輔助模式助力行走時，依然可以將測量肌肉分解為5個基本肌肉協同模式，但在涉及小腿三頭肌的協同模式2和3中，激活權值和激活時序均有明顯改變。
2.3 下肢肌肉協同收縮度
外骨骼助力時比目魚肌-脛骨前肌、股直肌-半腱肌的協同收縮度如圖9所示。 在外骨骼助力時比NW模式均有升高，在ASS9模式下升高（36.9 ± 28.5）%（P ≤ 0.05），在ASS6模式下升高（36.2 ± 22.6）%（P ≤ 0.05），均具有統計學意義。在外骨骼助力時比NW模式均有升高，在ASS6模式下升高（36.2 ± 38.6）%，具有較大個體差異性，但變化不具有統計學意義。股直肌和半腱肌的協同收縮度升高主要體現在擺動階段半腱肌激活的增加。
圖9
不同助力模式下脛骨前肌和比目魚肌、股直肌和半腱肌的協同收縮度
*表示與正常行走相比差異具有統計學意義，
* indicates a statistically significant reduction versus normal walking,
3 結論
為了深入理解人體神經肌肉系統對于踝關節外骨骼助行模式的調整與學習方式，進而為選擇合適的助行模式以及合理利用外骨骼提高行走效率提供依據，本文研究了踝關節外骨骼助行時，不同助力時機以及助力大小組成的多種助行模式對人體下肢肌肉收縮與協調模式的影響。本文利用一款繩驅動踝關節外骨骼，設計了不同助力時機與助力大小組合的外骨骼助行模式，采集了多名健康被試者的下肢sEMG，定量分析了下肢相關肌肉激活的變化，并進行肌肉協同提取，分析了不同外骨骼助力模式對人體下肢協調模式的影響。結果表明比目魚肌激活程度在踝關節外骨骼助力時有明顯降低，在助力時機為步態周期49%，助力大小為0.7 N?m/kg時降低程度最大。助力力矩峰值的大小對比目魚肌激活程度有明顯影響。在外骨骼助行時，所測量下肢肌肉依然可分解為5個肌肉協同模式，且對于合適的助力時機與助力大小，下肢肌肉協調模式和正常行走相比改變較小。此外，外骨骼的助力會增加主動肌與拮抗肌之間的協同收縮度。綜上所述，通過合理選擇外骨骼助力模式能夠最大程度減少穿戴者相關位置的肌肉激活程度，提高行走效率，并接近于人體自然行走的協調模式。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：劉景泰、張娟娟負責實驗設計、文章構思及審閱；王偉負責外骨骼系統開發、文章構思、實驗設計、數據分析與稿件撰寫；丁建全、汪毅、劉藝程負責數據采集、處理與分析。
倫理聲明：本研究通過南開大學倫理委員會的審批。
