柔性驱动手功能康复机器人控制系统的设计

摘要

　　脑卒中患病率高，是导致手功能受损的主要原因，对手部偏瘫患者的康复治 疗已经成为现代康复医学和康复工程的研究热点。目前国内外主要通过肌肉强度锻炼，完成运动学习来复原或改善患手的运动功能。在各种手功能康复方法中，机器人辅助康复疗法被广泛采用。手功能康复机器人的主要任务是辅助患者手部关节及手指完成屈曲/伸展运动。柔性驱动手功能康复机器人的手套具有质量轻、与人手的贴合度高的特点，近年来国内外研究人员对此进行大量研究，但其因缺少机械结构，导致运动传递不准确、控制难度较高。

　　本文主要针对一种柔性驱动手功能康复机器人控制系统进行研究，充分考虑到手功能康复机器人和人手之间的耦合性。通过控制鲍登线的伸长量来控制软体康复手套，从而带动患者的手完成手指关节的屈曲/伸展训练，并且可在指尖产生足够的指尖力来协助患者完成日常抓握动作，可以提高手功能障碍患者康复训练效果。本文的工作主要如下：

　　（1）设计了柔性驱动手功能康复机器人控制系统的总体方案。对已有的手功能康复机器人本体，进行了硬件系统和软件系统的设计与优化。

　　（2）手功能康复机器人运动学分析。利用三维运动捕捉系统记录手功能康复机器人运动轨迹得到各手指掌指关节和指尖坐标，由坐标计算得到各个时刻的手指弯曲角度。利用鲍登线伸长量和手指弯曲角度数据，通过系统辨识建立手功能康复机器人数学模型。

　　（3）设计了基于滑模控制算法的手功能康复机器人位置控制器，保证系统的稳定性。针对滑模控制带来的抖振问题，采用在线自适应方法调整滑模控制项的增益参数，削弱了滑模控制方法导致的抖振。MATLAB 仿真结果表明所设计的控制器可以达到康复医学和设计时提出的准确性。

　　（4）基于柔顺控制理论，研究了基于位置闭环的阻抗控制算法。在已有的位置控制器上，增加阻抗控制外环，处理实际力与期望力的差值得到位置修正量，通过位置控制器跟踪期望的位置，实现抓握力的控制。MATLAB仿真结果表明，该方法具有可靠的力跟踪能力。

　　（5） 搭建实验平台，进行位置控制实验和抓握力控制实验。实验结果表明， 在自适应滑模位置控制下手指弯曲角度稳态精度可达 2°，系统的上升时间可达0.47s;在基于自适应滑模位置控制的阻抗控制下，手指抓握力稳态精度可达 0.6N,系统上升时间可达 0.27s.验证了该控制系统精度高、响应快，具有良好的鲁棒性。

　　该柔性驱动手功能康复机器人控制系统不仅会增强手功能运动障碍患者的康复效果，加快康复进程，还将推动康复领域事业的发展，更好地解决人机交互问题，让科技真正的为人们的生活服务。

　　关键词：手功能康复；柔性驱动；滑模控制；力控制；鲁棒性

Abstract

　　The high prevalence of stroke is a major cause of impaired hand function. The treatment and rehabilitation of patients with hemiplegia has become a research topic in modern rehabilitation medicine and rehabilitation engineering. At present, at home and abroad, the main methods are by strengthen the strength of muscle and complete exercise learning to recover or improve motor functions of the hand. Among various methods of hand rehabilitation, robot-assisted rehabilitation is widely used. The main task of a hand rehabilitation robot is to assist the patient's hand joints and fingers to complete flexion / extension movements. The flexible driving hand rehabilitation robothas the characteristics of light weight and high fit with human hands. In recent years, although researchers at home and abroad have conducted a lot of research on this, due to the lack of mechanical structure, the motion transmission is inaccurate and the control is difficult.

　　This paper mainly focuses on the control system of a flexible-driven hand rehabilitation robot, where the coupling between the hand rehabilitation robot and the human hand have been fully considered. The soft rehabilitation gloves are controlled by controlling the elongation of Bowden wire, so as to drive the patient's hand to complete the flexion / extension training of the finger joint, and can generate sufficient fingertip force at the fingertip to assist the patient to complete the daily gripping action. This can improve the effect of rehabilitation training for patients with hand dysfunction.The work of this paper is as follows:

　　（1） Design the overall scheme of flexible-driven hand rehabilitation robot control system. Based on the existing hand rehabilitation robot body, the hardware platform and software platform are designed and optimized further.

　　（2） Perform kinematic analysis on the rehabilitation hand. The 3D motion capture system is utilized to capture the trajectory of the rehabilitation training process for the coordinates of the joints of the hand rehabilitation robot, thereby calculating the bending angle of the fingers at each moment according to the coordinates. Using the data of Bowden wire elongation and finger bending angle, the mathematical model of hand rehabilitation robot was established through systematic identification method.

　　（3） Based on the sliding mode control algorithm, the position controller of the hand rehabilitation robot is designed to ensure the stability of the system. Aiming at the chattering problem caused by sliding mode control, the gain parameters of the sliding mode control are adaptively adjusted online, such that the chattering caused by the sliding mode control method is weakened. The MATLAB simulation results show that the designed controller can achieve the safety and accuracy proposed in rehabilitation medicine and design.

　　（4） Based on the compliance control theory, the closed-loop impedance control algorithm for the position is studied. On the existing position controller, an impedance control outer loop is added. The difference between the actual force and the expected force is processed to obtain the position correction amount, and the desired position is tracked by the position controller to realize the control of grip. The MATLAB simulation results verify the reliable force tracking ability of the control method.

　　（5） Build experimental platform, the position control experiment and the grip control experiment are tested. The results show that the steady-state accuracy of finger bending angle controlled by adaptive sliding mode can reach up to 2°， and the rise time can reach up to 0.47s. The steady-state accuracy of finger grip controlled by impedance control based on adaptive sliding mode position control can reach up to 0.6N, and the rise time can reach up to 0.27s. The flexible-driven hand rehabilitation robot control system has a high precision, a fast response, a good robustness, which is validated in the experiment.

　　The flexible driving hand rehabilitation robot control system will not only enhance the rehabilitation effect of patients with hand function disorders, and speed up the recovery process, but also promote the development of the cause of rehabilitation, better solve the problem of human-computer interaction, and make technology truly serve people's lives.

　　Key Words: Hand Rehabilitation; Flexible Drive; Sliding Mode Control; Force Control; Robust

目录

　　第 1 章 绪论

　　1.1 课题研究背景及意义

　　本课题来源于上海市科委部分地方院校能力建设项目--上肢康复机器人关键技术研究与样机研制（项目编号：16070502900）。

　　2015 年世界卫生组织指出，全球 60 岁以上的人群已占总人口的 12.24%,且这一比例正逐年增加。而脑卒中作为老龄化人群中的高发病，其发病率高达11.2%[1-2].据统计，在我国的脑卒中患者中年龄在 40 岁以上的人数已达到 1036万人，每年新发病在 200 万人以上[3-4].临床发现，随着医疗技术的进步，越来越多的脑血管疾病患者能够得到及时的手术治疗，但仍有很大一部分患者在手术后会出现后遗症，肢体偏瘫和运动障碍是脑卒中后遗症的主要表现之一。在由脑卒中引起的偏瘫患者中，以手部功能障碍的人群居多。人手是人与外界环境沟通交流的重要工具，科学研究表明，人平均每天要进行约 1500 次的抓握动作[5]. 因此偏瘫患者手部的康复对于患者的日常生活辅助有重要意义。

　　研究显示，持续高强度的重复训练可以提高中风后患者手部肌肉的力量，有助于手部功能的恢复[6].传统的中风康复治疗中，需要治疗师与患者进行一对一的手把手式康复治疗，这种方法不仅成本高、劳动量大，而且无法保证康复训练效果和强度，缺乏康复训练参数，导致无法对训练参数优化来获得最佳治疗方案[7].近年来，机器人技术越来越多地应用于康复训练，人们期望机器人能够提供比人工治疗更好的训练和定量的评估恢复状态。研究表明，患者通过康复训练机器人辅助进行手部康复训练的康复效果比进行传统的物理治疗的效果要好[8-11].

　　由于人体运动监视器的存在，康复机器人带动患侧手进行训练时，也会刺激外周神经，传入大脑感觉运动皮层。患者反复进行运动训练，可以促进潜伏神经通路的启用和神经轴突发芽，促使运动功能改善和恢复。因此，手功能康复机器人逐渐成为手功能康复机构研究中的热门课题[12].

　　目前市场上的手功能康复机器人还存在如下问题：康复运动功能比较单一，腕关节的运动研究较少，无法满足人们的实际生活要求；缺乏对患者手指关节力矩、角度、速度的精确实时控制；结构复杂，不便携；无法精确反馈手功能康复机器人训练过程中的力和位置信息；训练过程单一，缺乏趣味性，不利于患者参与训练实现早日康复。因此，研究高性价比的手功能康复机器人需求迫切。

　　2016 年 3 月 9 日，人力资源社会保障部、国家卫生计生委民政部、财政部、中国残联发表关于《新增部分医疗康复项目纳入基本医疗保障支付范围的通知》通知将康复综合评定等 20 项医疗康复项目纳入基本医疗保险支付范围，并要求各级残联要协助政府有关部门贯彻落实医疗康复保障政策，加强并积极争取社会力量对残疾人实施康复救助。2017 年 2 月 28 日，国务院印发《"十三五"国家老龄事业发展和养老体系建设规划》，指出要加强康复医师、康复治疗师、康复辅助器具配置人才培养，广泛开展偏瘫肢体综合训练、认知知觉功能康复训练等老年康复护理服务。2017 年 11 月 8 日，国家卫计委发布《康复医疗中心基本标准（试行）》《护理中心基本标准（试行）》及管理规范，文件特别提到，要"打通专业康复医疗服务、临床护理服务向社区和居家康复、护理延伸的'最后一公里',表明了医疗康复机器人的重要性。

　　因此本文设计的以患者为中心、以人性化的位置控制和力控制为着力点的柔性驱动手功能康复机器人控制系统，就是为了保证手功能运动障碍患者康复训练模式的多样性，训练动作的准确性，以及穿戴的舒适性，希望能给手功能运动障碍患者的康复治疗和日常生活带来便利，改善他们的生活。

　　1.2 国内外手功能康复机器人研究现状

　　人体共有 206 块骨骼，而每只手就有 29 块，这些骨头由 123 条韧带联系在一起[13],人手结构如此复杂，中风后康复的难度也相对增大，帮助人手恢复运动功能的手功能康复机器人的研制也随即变得复杂和多样化。手部功能康复机器人的研究最早起源于欧美，而真正实现手部功能康复机器人的产品化是在 21 世纪初。

　　1.2.1 国外手功能康复机器人研究现状

　　连续被动（Continuous Passive Motion, CPM）型康复手，是目前为止唯一经过临床康复应用并验证有效的手功能康复机器人。CPM 机带动患肢进行重复往复运动，防止肌肉萎缩，肢体肿胀，提高肌力，增大关节活动度，减轻关节周围组织粘连，帮助修复损伤的运动神经。最早的 CPM 机不带反馈，是手功能康复机器人发展前期研制成果。采用开环控制，无法反馈康复手运动过程中的手指关节弯曲角度信息及接触力信息，运动的方式由预先编辑的固定程序控制，患者无法主动参与到康复训练过程中。由于手部指关节运动的复杂性，针对手部康复的CPM 机目前比较少，但也有产品面市：法国 KINETEC 公司研制的手指手腕关节康复器[14],如图 1-1 所示；德国 Otto Bock 公司生产的 Wave Flex 型手指康复装置[15],如图 1-2 所示；德国 ORMED 公司生产的 ARTRMOT 型手指康复装置[16],如图 1-3 所示；韩国 MAREF 方式研制的 RELIVER RL-100 型手部康复训练仪[17],如图 1-4 所示。

　　带反馈的 CPM 机，是在初期的 CPM 机上加入部分传感器，采集接触力和手指弯曲角度信息作为反馈实现闭环控制。主要有美国 Rutgers 大学 Burdea 设计的 Rutgers 手指康复装置[18],如图 1-5 所示，康复手手掌部位处的 L 型平台上安装了 4 个微型气缸，每个气缸与球形关节相连，在末端装有指套，气缸驱动手指进行弯曲和伸展运动。该康复手安装有非接触霍尔传感器和红外传感器，通过测量气缸的转动角度和位移计算出手指关节的弯曲角度用于反馈实现闭环控制，但由于气缸安装在手掌内部，手指的运动空间受到限制。

　　除 CPM 机外，还有一类重复主动运动（Active Repetitive Motion,ARM）型手部康复机器人，用于已达一定肌力水平的患者的康复训练。该类康复机器人通常带有反馈系统，患者可有意识地参与或一定程度地控制机器人的运动，达到更好的康复效果。主要有美国 Deaconess Health System 机构设计的 Hand MentorTM 康复手和加拿大维多利亚大学研制的 ARM 康复手。如图 1-6 所示，美国Deaconess Health System 机构设计的 Hand Mentor TM 康复手[19],可以连续被动弯曲伸展训练，同时能感知手指屈肌痉挛引起的压力并诱导手指运动。该康复手的手套尺寸可以调整，可以适应大多成人手的尺寸，稳定可靠，是目前美国康复医疗机构已经使用较为成熟的手部康复设备之一。

　　加拿大维多利亚大学研制的具有 CPM 功能的康复手，如图 1-7 所示，可以独立实现 0°到 90°的掌骨指骨关节弯曲伸展康复训练，并安装了多个关节力传感器，主动训练下可以根据手指弯矩大小提供约束力矩，实现主动约束康复训练，它的最突出之处在于实现了 MCP 和 PIP 关节独立训练。

　　从人的脑部或手部获取肌肉活动的生物电信号，通过对生物电信号的分析获得手指的动作意图，发送指令给康复手带动患手运动，符合人体的生理机能，是一种很有应用前景的控制模式。美国 Carnegie Mellon 大学机器人研究所 2004 年研制的手指康复装置[20],该机构利用肌电信号识别患者活动意图，驱动装置带动患者手指运动。如图 1-8 所示，该装置利用气缸驱动，连杆传递力，但由于未配备有效传感器系统，无法反馈手指康复训练时的运动信息。

　　中风后手部的康复训练中以未受影响的手为主手，以患手为从手，主手的活动带动从手的活动，从手装有多个位置传感器和力传感器采集关节信号实现实时交互，达到康复训练的目的。日本岐阜大学研制的基于 VR 技术的手指康复机器人如图 1-9[21]所示，其有 18 个自由度，集成了位置传感器以及力传感器，采用的 是主从控制方法实现对患肢的康复训练，即健侧佩戴数据手套进行运动信息数据采集驱动控制患侧外骨骼，医师能够较方便地评价康复效果。此外，该机器人采用了 VR 技术，患者可根据康复理疗医师建议设定的可视化输入指示独立完成康复训练。不足之处是采用台式设计，便携性差，造价高，难以实现平民化应用。

　　虚拟现实型康复手，采用虚拟现实技术构建虚拟的三维环境，并具备触觉辅助系统，辅助患者在虚拟的三维环境中完成预设的任务或游戏，进而完成康复训练。代表性研究成果主要有美国罗格斯大学和新泽西州理工大学研制的虚拟现实康复手[22],如图 1-10 所示。

　　1.2.2 国内手功能康复机器人研究现状

　　国内对于手部康复机器人的研究起步较晚，但最近几年随着国内康复理论的发展、完善和康复机器人的需求加大，国内科研机构及医疗器械制造公司加大了资金投入和研发力度，部分研究成果已经进入市场。研究较为突出的主要有以下高校和企业研究机构：浙江杭州亚太医疗器械有限公司研制的 YTK-E 型手指关节康复器[23],如图 1-11 所示，康复器为台式装置，采用关节轴心方式带动手指运动。在进行康复治疗时，将患者手指与可以调节长度的指夹杆固定，通过更换固定杆来对左、右手分别进行康复治疗。

　　北京航空航天大学机器人研究所在该领域也有涉及，2009 年研发了一种外骨骼式康复手[24],如图 1-12,该康复手采用伸缩传动机构，利用位置和力补偿双闭环系统，可以实现被动和主动两种运动模式，最大关节角度误差为 1.5°左右。

　　哈尔滨工业大学机器人研究所在该领域作了较多的研究[25-29].图 1-13 是哈尔滨工业大学机器人研究所医工学实验室研制的一种 CPM 机，具有集成化、操作方便、适用性强等特点，适用于手指创伤功能康复，采用单自由度的驱动机构模拟手指的自然运动来带动创伤手指关节进行弯曲、伸展连续被动活动，使得康复过程中的机械手辅助力能够一直垂直作用于手指，防止对手指创伤关节周围软组织的损害。

　　现人手自由度，关节运动角度以及各手指的抓握力，从而衡量康复的有效性。

　　而现有的手功能康复机器人刚性外骨骼式结构存在质量重，自适应差、存在刚性冲击等缺点；而柔性穿戴式康复机器人质量轻、与人手贴合度高但因缺少机械结构，导致运动传递不准确、控制难度较高。因此，如何提高手功能康复机器人的准确性、稳定性、可靠性，成了当下手功能康复机器人控制研究最为关心的问题。

　　1.3 手功能康复训练机器人控制方法研究现状

　　为了使手功能康复机器人能够安全精确地带动患者手指进行康复运动，不仅需要出色的硬件结构，而且需要控制系统的设计。设计手功能康复机器人控制系统的目的就是实现在安全范围内，手功能康复机器人的位置、速度等状态变量能够精确跟踪给定轨迹。对于手功能康复机器人的控制，有多方面的原因造成其控制精度的降低：（1）电机在工作过程中存在机械摩擦、转矩波动、环境扰动等因素；（2）由于存在静摩擦和库仑摩擦使得手功能康复机器人系统在定位控制跟踪需要不断改变方向的参考信号从而造成较大的定位和轨迹跟踪误差；（3）由于手功能康复机器人与患者手指之间存在约束，具有闭链特征，所以系统在运行过程中会受到外部干扰的影响，比如负载的突变，工作环境的变化等干扰，如果控制系统没有较强的鲁棒性就会导致控制系统性能变差；（4）辨识得到的被控标称模型与实际被控对象间的误差，控制系统建模中忽略的结构性不确定因素；（5）传动部件有限刚性和间隙引起的位置误差；（6）零部件和材料结构的几何误差及其它因素造成的精度降低。

　　传统的PID控制由于算法简单、鲁棒性好以及可靠性高等优点，被广泛应用，尤其适用于可建立精确数学模型的确定性控制系统。但PID控制器参数整定对于实际控制的适应性很差，对于参数波动的系统无法获得较高的控制性能。所以针对具有特殊结构、参数耦合特性的手功能康复机器人，传统的PID 控制已经不能满足系统的要求。手功能康复机器人控制器的设计重点在于如何抑制人手及外部因素带来的干扰和降低模型的不确定性给控制系统造成的影响，使手功能康复机器人的轨迹跟踪精度更高。

　　1.3.1 滑模变结构控制方法

　　苏联学者Emeleyanov在20世纪60年代初提出的滑模变结构控制方法，其以独特的优点和特性为具有模型不确定的系统，为系统的稳定性和一致性问题提供可靠方案，且设计过程思路清晰。从根本上看，滑模变结构控制是一类特殊的非线性控制，其非线性表现在控制的不连续性。这种控制策略与其他控制的不同之处是控制系统的"结构"不固定，滑模变结构控制系统的结构可以在动态过程中根据系统当前的状态（如偏差及其各阶导数等）不断变化，迫使系统按照预定的"滑动模态"的状态轨迹运动[30].因为滑动模态可以被设计且与对象参数扰动无关，所以滑模变结构控制具有一系列优点，比如快速响应、对参数变化及扰动不敏感、无须系统在线辨识、物理实现简单等。

　　Utkin介绍了对滑模变结构控制的前期研究工作[31],随后Young第一次提出在机器人控制问题中采用变结构控制器[32],通过使系统进入滑动模态，利用设计的控制器消除了关节间的非线性耦合，从而有效地解决了机器人的定点调节问题。

　　经历了50多年的发展，滑模变结构控制已形成了一个相对独立的研究分支，成为自动控制系统的一种一般的设计方法，适用于线性与非线性系统、连续与离散系统、确定与不确定系统等。

　　滑模变结构控制需要满足以下设计目标：（1）滑动模态存在；（2）满足到达条件。即在切换面？？（？？） = 0以外的相轨迹将在有限时间内到达切换面；（3）滑模运动渐近稳定并具有良好的动态特性。

　　以上滑模变结构的三个设计目标可归纳为两个设计问题，一是切换函数的设计问题，二是和控制律的求取问题。在实际的控制系统中，由于系统具有存在惯性、时间延迟等特性，使滑模变结构控制在滑动模态下存在不可避免的高频抖振。

　　抖振能够影响控制系统的精确性，易激发系统中的高频未建模动态，从而破坏系统的性能，更严重的是可能使系统产生振荡或失去稳定。因此，关于如何消除滑模变结构控制信号抖振现象就成为滑模变结构研究的关键问题，许多学者从不同的角度提出了不同的解决办法。

　　文献[33]用了一种基于鲁棒滑模和时延估计（CSMTDE）的笛卡尔自适应控制，控制受不确定非线性动力学和外力作用的冗余外骨骼机器人 ETS-MARSE.

　　通过选择滑动笛卡尔曲面和滑动关节曲面实现鲁棒性和准确性，系统地解决了闭环系统的稳定性，确保了输出跟踪误差的渐近收敛。

　　准滑模控制是通过在边界层外采用正常的滑模控制，而在边界层内采用连续状态反馈控制来实现的，因此能够有效地避免或削弱了抖振现象。文献[34]采用SMC 与边界层（SMCBL）相结合的方法，消除了系统的抖振现象，提高了系统的性能。但是由于采用准滑动模态，降低了系统的鲁棒性以及系统的跟踪精度。文献[35-36]也在各自的控制系统中提出了带滤波器的滑模控制，实现了控制器输出信号的平滑。文献[37-38]采用动态滑模控制实现了移动机器人的跟踪控制，明显地消除了产生的抖振现象。

　　文献[39-40]通过模糊控制和滑模控制的不同结合方法， 在保证滑模到达条件的前提下，利用模糊控制降低了抖振， 提高了系统的鲁棒性。文献[41-43]分别利用神经网络的学习能力，通过与滑模控制的不同结合， 消除或降低了抖振，并提高了系统的鲁棒性。遗传算法、支持向量机等优化方法在解决非线性问题时具有很好的鲁棒性、全局最优性、可并行性以及高效率等优点。因此，也可以用来消除滑模控制的抖振。文献[44-48]分别针对不同的非线性系统设计了模糊滑模控制器或自适应滑模控制器，采用遗传算法或支持向量机对控制器参数或模糊规则进行离线优化，有效地消除了抖振。综上所述，滑模变结构控制的不变性和抖振之间是一种"相生相克"的关系：保证不变性的高频切换控制正是产生抖振的根本原因，强鲁棒性、快速性和抖振的对立统一是滑模变结构控制的鲜明特征。

　　1.3.2 阻抗控制方法手功能康复机器人的控制研究现阶

　　段主要集中在手指位置控制上，对于手功能康复机器人和人手的接触力控制研究较少。上世纪八十年Hogan[49]在机器人末端与环境的接触控制研究中提出了众所周知的阻抗控制方法理论。阻抗控制将力和位置纳入同一个控制体系，具有较少的计算量以及较强的鲁棒性等优点，是处理机器人力控制的一个高效的方法，得到了广泛的研究。阻抗控制本质上是一种间接的力控制，其特点是不直接控制期望的位置和力，而是通过实时调整机器人末端的位置（或速度）和作用力之间对应的动态关系，从而实现机器人的柔顺性控制[50].阻抗控制分为基于力和位置的两种不同控制结果，基于力的阻抗控制是通过控制关节驱动力矩来实现末端接触力和位移的调整；而基于位置的阻抗控制是根据机器人与环境的接触力偏差调整机器人末端的位置来实现。

　　基于力的阻抗控制方法中，机器人根据末端与环境的接触力通过反馈控制机器人关节力矩来体现机器人末端阻抗特性。在实际应用中，实时检测机器人末端位置和接触力，并格局反馈位置和期望阻抗模型产生期望力输出，取期望力与实际接触力之差，由机器人动力学模型根据力的误差计算得到控制力矩作为关节驱动力，使机器人的系统表现为期望的阻抗模型特征。因此基于力的阻抗控制必须首先确定机器人精确的动力学模型，然后才能实现期望的阻抗模型和精确的接触力控制。

　　基于位置的阻抗控制由两部分组成，分别是位置控制内环和阻抗控制外环，位置控制内环对期望位置、位置补偿量和实际位置三个数据进行处理，使机器人的实际位置跟踪上期望位置。而阻抗控制外环是处理期望力与实际力的差值，得到位置修正量，这些将通过实际检测机器人与环境间的作用力不断地调节目标阻抗模型参数，然后通过位置控制器控制机器人的位置实现力控制。文献[51]主要针对机械臂在阻抗控制作用力不稳定和位置控制安全避碰方面的问题，设计了以操作空间线性解耦位置控制为内环的阻抗控制器，采用作用力误差实时调整参考轨迹的方式，实现了机械臂有效的力跟踪阻抗控制和避碰控制。文献[52]为减小机器人在采摘过程中对果蔬的损伤，提出了一种基于位置内环的阻抗控制方法，用于末端执行器双指抓取果蔬的抓持力跟踪，实现了机器人的柔性抓取，减小了抓取果蔬损伤，保证了采摘品质。

　　目前对于手功能康复机器人系统的研究大部分聚焦于功能实现，在仿生结构设计方面，由于手部空间狭小，对自由度的选择有所取舍。为实现手指自由运动，动力源主要采用微型直流电机，传动方式选择连杆机构或者绳轮机构，目前对于自由度的选取、质量、机构效率都有待进一步提高。在控制方法方面，基于多刚体机器人控制方法，大多数学者以手功能康复机器人系统的运动控制研究，或者基于运动控制的康复训练模式研究为重点，少数学者侧重于对手功能康复机器人进行人机接触力的研究[53].缺乏有关手功能康复机器人人机接口建模、接触力控制方法等方面的深入研究。本文旨在给出更优的手功能康复机器人位置控制方案，同时对手功能康复机器人的力控制问题展开研究，获得切实有效的控制方法。

　　1.4 课题主要研究内容

　　本课题研究一种能够符合人手运动机理，提高患者康复训练效果的柔性驱动手功能康复机器人控制系统。本文的研究对象为鲍登线柔性驱动的可穿戴式手功能康复机器人，通过电机转动推动一端固定在圆盘传动机构另一端固定在软体康复手套手指末端的鲍登线运动，从而驱动手功能康复机器人带动患者手部运动。

　　为此，本文从精确控制手功能康复机器人手指弯曲角度和手指的抓握力角度入手，开展手功能康复机器人控制系统的研究。总体研究框图如图 1-14 所示。

　　具体研究内容包括：

　　（1）研究柔性驱动手功能康复机器人控制系统的实现方案。通过对手功能康复机器人的机械结构，硬件系统，软件系统等进行深入的研究，完成柔性驱动手功能康复机器人系统的设计，满足患者的康复治疗要求。

　　（2）柔性驱动手功能康复机器人运动学分析。研究基于最小二乘的系统辨识方法，得到鲍登线伸长和收缩过程中手功能康复机器人的运动规律，使手功能康复机器人的运动控制过程具有更深的理论基础，从而能够实现更加准确的控制。

　　（3）柔性驱动手功能康复机器人位置控制算法设计。针对柔性驱动手功能康复机器人系统的未建模部分以及外界的干扰，研究基于自适应趋近律的滑模控制器，并进行仿真实验。

　　（4）研究以自适应滑模控制器为内环，以阻抗环节为外环的手功能康复机器人柔顺控制策略，为手功能康复机器人增加患手抓握动作的训练，以期望达到恢复患者手部肌肉力量的目的。

　　（5）建立柔性驱动手功能康复机器人系统实验平台，设计手指的屈曲/伸展训练实验和重复抓握静物实验考察柔性驱动手功能康复机器人的系统性能，验证系统用于手功能运动障碍患者康复训练治疗的有效性。

　　第 2 章 手功能康复机器人控制系统总体设计
　　2.1 手功能康复机器人本体
　　2.2 控制系统整体结构
　　2.3 硬件系统设计
　　2.3.1 电源电路设计
　　2.3.2 驱动通信电路
　　2.3.3 传感器选型
　　2.4 软件系统设计
　　2.5 本章小结

　　第 3 章 柔性驱动手功能康复机器人的运动学分析
　　3.1 手指运动学分析
　　3.2 手功能康复机器人运动测量实验
　　3.3 手功能康复机器人动态特性模型辨识
　　3.3.1 食指动态模型
　　3.3.2 最小二乘辨识
　　3.4 手功能康复机器人运动学分析结果
　　3.5 本章小结

　　第 4 章 手指位置控制及抓握力控制研究
　　4.1 基于滑模控制的手指位置控制算法设计
　　4.1.1 滑模控制原理
　　4.1.2 滑模控制器设计
　　4.2 位置控制仿真与分析
　　4.3 基于阻抗控制的力控制算法设计
　　4.3.1 基于位置的阻抗控制策略
　　4.3.2 阻抗参数分析
　　4.4 力控制仿真与分析
　　4.5 本章小结

　　第 5 章 手功能康复机器人控制系统实现
　　5.1 上位机控制系统实现
　　5.2 嵌入式硬件控制系统实现
　　5.3 嵌入式软件系统实现
　　5.3.1 通信子程序
　　5.3.2 传感器数据采集子程序
　　5.3.3 位置控制子程序
　　5.3.4 力控制程序
　　5.4 实验及结果分析
　　5.4.1 手指屈曲/伸展实验及结果分析
　　5.4.2 抓握静物实验及结果分析
　　5.5 本章小结

　　第 6 章 总结与展望

　　6.1 工作结论总结

　　本文为柔性驱动手功能康复机器人控制系统设计了基于自适应趋近律滑模控制的手指位置控制器和基于阻抗控制的手指抓握力控制器。利用 Vicon 光学运动捕捉系统捕捉手功能康复机器人带动人手进行运动训练过程中手指的运动轨迹。通过控制软件导出手指上各标记点的坐标，经过计算得到各个手指弯曲的角度。利用系统辨识的方法在最小二乘准则下得到鲍登线伸长量与手指弯曲角度的关系。采用 RFP 弯曲传感器采集手指实际的弯曲角度，利用手指的实际弯曲角度与期望角度的误差以及误差的变化量设计滑模自适应位置控制器，使手指的屈曲/伸展运动控制更加准确。采用 RFP 力传感器采集手指的实际抓握力，将实际力值与期望力值的误差转化为位置的修正量，将转化后的手指位置修正量加到原来的参考位置之后，得到修正的期望位置值。将实时更新的期望位置作为滑模自适应位置控制器的输入，通过跟踪期望位置，实现力的跟踪。

　　本研究所完成的工作以及得到的结论总结如下：

　　（1） 利用 Vicon 系统和基于最小二乘的系统辨识方法对手功能康复机器人手指进行了运动学分析，得到手指的弯曲角度与对应的鲍登线伸长量之间的关系，为手功能康复机器人手指的运动控制以及手指抓握力控制打下基础。

　　（2） RFP 弯曲传感器用于反馈手功能康复机器人手指实际的弯曲角度，根据滑模控制的实现原理，设计了自适应滑模位置控制算法，将滑模控制器的趋近速度设计为自适应，削弱了手指位置控制系统的抖振，提高了系统的稳定性。

　　（3） RFP 力传感器用于实时反馈抓握动作训练过程中手指实际的抓握力，利用阻抗控制的实现原理，设计了基于手指位置控制内环和阻抗控制外环的手指抓握力跟踪算法，实现了力的稳定和准确跟踪，提高抓握动作训练过程的舒适性和柔顺性，改善患者手部康复训练的效果。

　　（4） 对现有的柔性驱动手功能康复机器人外观进行了优化，并对硬件做了部分优化，包括电源电路、CAN 通信电路等，使柔性驱动手功能康复机器人更加安全、稳定。

　　6.2 未来工作展望

　　面对人口老龄化的严峻形势和中风偏瘫患者数量庞大的现状，在近几年以及未来的几十年里，对于柔性驱动手功能康复机器人控制系统的研究将仍然是一个可深入挖掘的比较前沿和热门的领域。如何提高手功能康复机器人训练动作的准确性，人机交互的柔顺性，仍然是该领域值得深入研究的重点和难点问题。基于本文的研究，在今后对于柔性驱动手功能康复机器人的研究工作当中，还有许多需要去完善和提高的地方： （1）采用基于最小二乘估计的系统辨识方法对手功能康复机器人手指进行运动学分析与采用深度神经网络进行系统辨识的方法相比，虽然在算法的复杂度方面有所降低，所要求的样本数据减少，但是这两种方法对于描述系统模型的精确性还有待比较；（2）采用阻抗控制算法对手功能康复机器人手指抓握力进行控制，仅针对给定物体的目标阻抗。对于未知模型的被抓握物体，如何提高阻抗控制算法的自适应性，如何改善手指抓握力跟踪性能有待进一步研究。

　　参考文献
　　[1] Valery, L, Feigin. Stroke epidemiology in the developing world[J]. Lancet, 2005.
　　[2] World Health Organization. World report on ageing and health 2015[M]. Switzerland: WHOPress, 2015.
　　[3] 王坚， 王爱民， 曹阳。 基于力反馈的手部康复训练装置研究进展[J]. 测控技术， 2013,32（02）：1-4.
　　[4] 贾晓宏。 40岁以上脑卒中患者过千万[N]. 北京晚报， 2013-10-27（2）。
　　[5] Preising B , Hsia T C , Mittelstadt B . A literature review: robots in medicine[J]. IEEEEngineering in Medicine & Biology Magazine, 1991, 10（2）：13-22.
　　[6] Tsoupikova D , Stoykov N S , Corrigan M , et al. Virtual Immersion for Post-Stroke HandRehabilitation Therapy[J]. Annals of Biomedical Engineering, 2015, 43（2）：467-477.
　　[7] 郭晓辉， 王晶， 杨扬， et al. 基于虚拟现实的下肢主被动康复训练系统研究[J]. 西安交通大学学报， 050（2）：124-131.
　　[8] Takahashi C D , Der-Yeghiaian L , Le V , et al. Robot-based hand motor therapy after stroke[J].Brain, 2008, 131（2）：425-437.
　　[9] Wolf S L , Winstein C J , Miller J P , et al. Effect of Constraint-Induced Movement Therapy onUpper Extremity Function 3 to 9 Months After Stroke: The EXCITE Randomized ClinicalTrial[J]. The Journal of the American Medical Association, 296.
　　[10] Ueki S , Kawasaki H , Ito S , et al. Development of a Hand-Assist Robot With Multi-Degreesof-Freedom for Rehabilitation Therapy[J]. Mechatronics IEEE/ASME Transactions on, 2012,17（1）：p.136-146.
　　[11] Kutner NG, Zhang R, Butler AJ, et al. Quality- of- life change associated with robotic- assistedtherapy to improve hand motor function in patients with subacute stroke: A randomized clinicaltrial[J]. Physical Therapy,2010,90（4）：493-504.
　　[12] Heo P , Gu G M , Lee S J , et al. Current hand exoskeleton technologies for rehabilitation andassistive engineering[J]. international journal of precision engineering & manufacturing, 2012,13（5）：807-824.
　　[13] 孙玉杰。 手持器械手柄的人机安全性研究[D]. 南开大学， 2011.
　　[14] 法国 Otto Bock 公司 WaveFlex[OL]. 2010[2010-09-14]. http://www.ottobock.de.
　　[15] 德国Otto Bock公司WaveFlex[OL]. 2010[2010-09-14]. http://www.ottobock.de.
　　[16] 德国ORMED公司ARTROMOT[OL]. 2010[2010-09-16]. http://www.ormed.com.
　　[17] 韩国 MAREF 公司 RELIVERRL-100[OL]. 2010[2010-09-17]. http://www.dsmaref.com.
　　[18] Bouzit M, Burdea G, Popescu G, et al. The Rutgers Master II - New Design Force-FeedbackGlove[C]. IEEE/ASME International Conference Transactions on Mechatronics, 2002,7（2）：256-263.
　　[19] Wolbrecht E T , Reinkensmeyer D J , Bobrow J E . Pneumatic Control of Robots forRehabilitation[J]. The International Journal of Robotics Research, 2010, 29（1）：23-38.
　　[20] Dicicco M , Lucas L , Matsuoka Y . Comparison of control strategies for an EMG controlledorthotic exoskeleton for the hand[C]// Robotics and Automation, 2004. Proceedings. ICRA '04.
　　2004 IEEE International Conference on. IEEE, 2004.
　　[21] Ito S , Kawasaki H , Ishigure Y , et al. A design of fine motion assist equipment for disabledhand in robotic rehabilitation system[J]. Journal of the Franklin Institute, 2011, 348（1）：p.79-89.
　　[22] Adamovich S V , August K , Merians A , et al. A virtual reality-based system integrated withfmri to study neural mechanisms of action observation-execution: a proof of concept study.[J].restor neurol neurosci, 2009, 27（3）：209-223.
　　[23] 杭州亚泰医疗器械有限公司YTK-E[OL]. 2010[2010-09-17]. http://www.yatai-medical.com.
　　[24] Wang S W S , Li J L J , Zheng R Z R . Active and passive control algorithm for an exoskeletonwith bowden cable transmission for hand rehabilitation[C]// IEEE International Conference onRobotics & Biomimetics. IEEE, 2010.
　　[25] 张付祥。 创伤手指康复机械手系统研究[D]. 哈尔滨工业大学， 2007.
　　[26] 李刚。 康复机械手电机控制及电源系统研究[D]. 哈尔滨工业大学， 2006.
　　[27] 姜永波。 康复机械手嵌入式系统设计与实现[D]. 哈尔滨工业大学， 2008.
　　[28] 李书鹏。 基于ARM的仿生康复手嵌入式系统的硬件设计[D]. 哈尔滨工业大学， 2005.
　　[29] Fu Y , Zhang F , Ma X , et al. Development of a CPM Machine for Injured Fingers[J].Conference proceedings:. Annual International Conference of the IEEE Engineering inMedicine and Biology Society. IEEE Engineering in Medicine and Biology Society.Conference, 2005, 5:5017-5020.
　　[30] 刘金琨。 滑模变结构控制MATLAB仿真 （第3版） 基本理论与设计方法[M]. 清华大学出版社， 2015.
　　[31] Utkin, V. Variable structure systems with sliding modes[J]. IEEE Transactions on AutomaticControl, 1977, 22（2）：212-222.
　　[32] Young, Kar-Keung D . Controller Design for a Manipulator Using Theory of Variable StructureSystems[J]. IEEE Transactions on Systems, Man and Cybernetics, 1978, 8（2）：101-109.
　　[33] Brahim B , Saad M , Cristóbal Ochoa Luna, et al. Adaptive Tracking Control of an ExoskeletonRobot With Uncertain Dynamics Based on Estimated Time-Delay Control[J]. IEEE/ASMETransactions on Mechatronics, 2018, PP（99）。
　　[34] Barhaghtalab M H , Meigoli V , Haghighi M R G , et al. 六自由度 IRB-120 机器人机械手的滑模控制与边界层控制[J]. Journal of Central South University, 2018, 25（9）：2219-2244.
　　[35] Yan W , Qi-Dan Z , Hao M , et al. Command filter sliding mode robust tracking control ofunderactuated surface vessels[J]. Electric Machines and Control, 2013, 17（5）：4208-4213.
　　[36] Hu F , Chen F , Yu M . Sliding Mode Control of Three-Links Spatial Robot Based on LowPass Filter[C]// International Conference on Cybernetics. IEEE, 2018.
　　[37] Yuhua X , Chongwei Z , Wei B , et al. Dynamic Sliding Mode Controller Based on ParticleSwarm Optimization for Mobile Robot's Path Following[C]// Information Technology andApplications, 2009. IFITA '09. International Forum on. IEEE, 2009.
　　[38] Mehrjerdi H , Saad M . Dynamic tracking control of mobile robot using exponential slidingmode[J]. 2010.
　　[39] Xiuxiang C , Ting W , Yongkun Z , et al. An adaptive fuzzy sliding mode control for angletracking of human musculoskeletal arm model[J]. Computers & Electrical Engineering, 2018,72:214-223.
　　[40] Wu Q , Wang X , Chen B , et al. Design and Fuzzy Sliding Mode Admittance Control of a SoftWearable Exoskeleton for Elbow Rehabilitation[J]. IEEE Access, 2018:1-1.
　　[41] Tien Dung Le, Hee-Jun Kang, Young-Soo Suh. Chattering-Free Neuro-Sliding Mode Controlof 2-DOF Planar Parallel Manipulators. 2013, 10（1）：801-815.
　　[42] Wu, Qingcong, Wang, et al. Development of an RBFN-based neural-fuzzy adaptive controlstrategy for an upper limb rehabilitation exoskeleton[J]. Mechatronics: The Science ofIntelligent Machines, 2018.
　　[43] Lin C K . Nonsingular Terminal Sliding Mode Control of Robot Manipulators Using Fuzzy Wavelet Networks[J]. IEEE Transactions on Fuzzy Systems, 2006, 14（6）：849-859.
　　[44] Riani A , Madani T , Benallegue A , et al. Adaptive integral terminal sliding mode control forupper-limb rehabilitation exoskeleton[J]. Control Engineering Practice, 2018, 75（jun.）：108-117.
　　[45] Nojavanzadeh D , Badamchizadeh M . Adaptive Fractional-order Non-singular Fast TerminalSliding Mode Control for Robot Manipulators[J]. IET Control Theory & Applications, 2016.
　　[46] He J , Luo M , Zhang Q , et al. Adaptive Fuzzy Sliding Mode Controller with NonlinearObserver for Redundant Manipulators Handling Varying External Force[J]. Journal of BionicEngineering, 2016, 13（4）：600-611.
　　[47] Chen P C , Chen C W , Chiang W L . GA-based modified adaptive fuzzy sliding modecontroller for nonlinear systems[J]. Expert Systems with Applications, 2009, 36（3）：5872-5879.
　　[48] Baek J , Jin M , Han S . A New Adaptive Sliding Mode Control Scheme for Application toRobot Manipulators[J]. IEEE Transactions on Industrial Electronics, 2016:1-1.
　　[49] Hogan N . Impedance control - An approach to manipulation. I - Theory. II - Implementation.III - Applications[J]. Journal of Dynamic Systems Measurement & Control, 1985, 107:1-24.
　　[50] 李佳。 套索传动系统建模及柔顺控制研究[D]. 东南大学， 2016.
　　[51] 汪双， 刘满禄， 张华。 机械臂力跟踪阻抗和避碰控制仿真研究[J].自动化与仪表， 2017,32（05）：44-49.
　　[52] 王学林， 肖永飞， 毕淑慧， et al. 机器人柔性抓取试验平台的设计与抓持力跟踪阻抗控制[J]. 农业工程学报， 2015, 31（1）：58-63.
　　[53] 毕千。 手部外骨骼系统基础理论及其控制技术研究[D]. 浙江大学， 2015.
　　[54] 何雷。 手功能康复训练机器人的设计与实现[D]. 上海师范大学， 2019.
　　[55] 罗逸苇。 Vicon 三维运动捕捉系统在人体运动分析中的应用[J]. 浙江工贸职业技术学院学报， 2007（01）：44-47.
　　[56] Lee J W , Rim K . Maximum finger force prediction using a planar simulation of the middlefinger[J]. Archive Proceedings of the Institution of Mechanical Engineers Part H Journal ofEngineering in Medicine, 1990, 204（38）：169-178.
　　[57] Figliolini G , Ceccarelli M . A novel articulated mechanism mimicking the motion of indexfingers[J]. Robotica, 2002, 20（1）：13-22.
　　[58] 李超， 袁锐波， 丘世因， et al. 外骨骼康复机械手的结构设计及仿真分析[J]. 机械与电子，2016, v.34;No.281（02）：18-21.
　　[59] Cempini M, Rossi S M M D , Lenzi T , et al. Kinematics and design of a portable and wearableexoskeleton for hand rehabilitation[C]// IEEE International Conference on RehabilitationRobotics. IEEE, 2013.
　　[60] 杨岩江。 手功能康复外骨骼的机构设计与分析[D]. 合肥工业大学， 2018.
　　[61] 吴昊， 毛新涛， 刘鹭航， et al. 柔性关节空间机械臂的自适应滑模控制[J]. 宇航学报，2019, 40（6）：703-710.
　　[62] 樊仲光， 梁家荣， 肖剑。 广义系统的有限时间滑模变结构控制[J]. 信息与控制， 2010,39（4）。
　　[63] 葛淼， 张亚东， 李科宏， et al. 基于滑模控制的卡尔曼滤波在列车定位中的研究[J]. 铁道标准设计， 063（005）：148-152.
　　[64] 孙灵芳， 邢宇， 李斌。 二阶滑模控制方法及其对环形倒立摆的控制应用[J]. 制造业自动化， 2015, v.37（22）：56-59. 孙灵芳， 邢宇， 李斌。 二阶滑模控制方法及其对环形倒立摆的控制应用[J]. 制造业自动化， 2015, v.37（22）：56-59.
　　[65] 刘品杰。 基于混合仿真平台的智能变结构控制及其应用研究[D]. 河北工业大学， 2007.
　　[66] 张庆丰。 基于滑模变结构的机器人关节控制系统研究[D]. 浙江工业大学， 2010.

致谢

　　毕业论文的书写即将接近尾声，起身站立，窗外嫩绿的枝丫，随风摆动，似乎在向我招手，等待我的诉说。是的，此时我的内心正在独白，感叹岁月荏苒，时光飞逝，三年的读研生涯接近尾声。回想这三年的求学生活，是老师们对我的谆谆教诲，教会了我诚实、勇敢、担当，从容。

　　值此论文完成之际，首先要特别感谢我的导师李传江教授，在繁重的教学和工作任务的情况下，仍然一直对我在生活、科研、实践经历和课题研究中给予关心和指导。导师学识渊博、治学严谨、淡定从容、胸怀宽阔，指引了我人生的方向。不论是在学术研究还是项目实践中，导师都给了我很多的机会，得以让我的研究生生涯非常充实。在此，向尊敬的恩师致以最崇高的敬意和最诚挚的感谢！

　　感谢朱燕飞老师在论文撰写过程中给予我的耐心指导和宝贵建议，每一次的请教、交流都让我受益匪浅。

　　感谢我的师姐任见，师兄何雷、张鑫等，感谢我的同门陈婧宇、张茹茹、李丹、杨鹿情、张慧芳等，感谢我的师妹曹晶晶、何海燕，感谢我的师弟刘孟喆、张之建、张振亚等在课题研究、论文写作以及生活中给予我的帮助，此刻我唯有感激，感谢你们出现在我的生命里。

　　感谢我的父母，父母的辛勤养育，他们是我求学路上的坚强后盾，在我面临人生选择的迷茫之际，给予我的支持，他们对我无私的爱与照顾是我不断前进的动力。

　　感谢所有关心和帮助过我的老师、同学和朋友，祝愿你们心想事成，万事顺意！感恩之余，诚恳地请各位老师对我的论文多加批评指正。

　　本文参考和引用了国内外有关论著，从中受益匪浅，在此也向各位学者表示感谢！

　　最后，我要向百忙之中抽出宝贵时间对我的论文进行审阅并提出宝贵意见的专家们致以诚挚的谢意！

（如您需要查看本篇毕业设计全文，请您联系客服索取）