随着人口老龄化现象的加剧与交通事故的频繁发生,由之造成的运动功能障碍患者数量也与日俱增。科学的康复训练对于肢体运动功能障碍的治疗具有极好的效果,然而由于缺乏足够数量的专业康复医师,导致大量患者病情加重,甚至痛失基本的运动能力。机器人可以长期稳定地进行康复训练,机器人技术的快速发展为解决康复问题提供了新的思路,康复机器人可以减轻了医师的工作量,相对于地增多了康复治疗的受众人数。康复训练分为主动训练与被动训练两种,被动训练机器人按照规定的动作运行,引领患者运动,实现较为简单;主动训练过程需要感知人体运动意图,致使康复机器人跟随人体意图控制动作,肢体运动意图的准确感知技术成为了主动康复技术的难点。本文围绕主动意图感知技术在康复机器人的应用进行了深入地研究工作。首先依据目标需求设计并加工六自由度外骨骼式上肢康复机器人,为了保证意图理解的准确,防止对人体运动信息的误解,本文研究了肌肉电信号的动作特征选择问题,提高了肌肉电信号本身的识别准确度,随后提出基于视觉反馈的安全感知框架,有效地避免了人体运动意图误判产生的严重后果。本文的主要研究内容如下:(1)上肢康复机器人平台搭建本文通过对上肢康复训练的要求与人体尺寸的分析调研,设计了六自由度外骨骼上肢康复机器人结构。肩关节屈曲伸展、肩关节内收外摆、肘关节屈曲伸展、腕关节屈曲伸展四种动作采用驱动机构直接驱动。由于外骨骼结构的机器人旋转部分的驱动装置需要放置在机器人结构的外侧,上臂内旋外旋与前臂内旋外旋采用齿轮-导轮-导轮三点共面的方式固定,以保证了机器人与人体的运动同轴。之后,分别利用ANSYS和Adams完成了康复机器人结构的静力学仿真与运动学仿真,保障了机器人结构的安全性与运动的合理性。在此之后,本文对上肢康复机器人中的伺服电机、减速器、电气及控制系统进行了选型分析。在此基础上完成了机器人的加工与装配,实现了机器人本体的设计。最后,采用MFC编写上位机的运动控制软件,依照康复要求控制机器人进行动作,实现被动康复训练。(2)基于肌肉电信号的上肢运动意图感知研究本文在肱二头肌、肱三头肌、肱桡肌和尺侧腕屈肌四处肌肉的中部采集了肌肉电信号;采用时域log统计量特征、小波包分解后的log统计量特征与经验模态分解后的log统计量特征作为上肢运动模式的表示特征量,将特征量输入到人体神经类似结构的神经网络分类器进行模式分类,对上肢的8种日常动作进行学习与分类,实现96.7%精度。为了提高分类精度,加快分类速度,本文随后采用了粒子群算法与萤火虫算法对分类特征进行了选择,将原始的192个特征量降低为89个,并以此对上肢运动时的肌肉电信号的特点进行了一定的分析,本文认为较高频段的信号更能表征肢体运动的模式。(3)基于视觉反馈的安全式主动感知技术研究由于肌肉电信号本身复杂性与外部干扰的影响,单纯地通过肌肉电信号的意图获取精度有限,在康复训练中,错误的动作是完全不可接受的,导致主动康复训练难以应用到实际康复训练中。本文针对这一情况,将肌肉电信号辨识的动作通过虚拟动画展示给患者,患者则采用头部动作的方式,实现了动作意图辨识结果的二次确认,保障了感知意图进行训练的安全性。具体处理方法如下:患者采用点头动作表示认同辨识结果,采用摇头动作表示拒绝辨识结果,机器人使用Kinect2.0采集患者头部的视频动作,首先利用AdaBoost的人脸定位方法确定患者头部位置,锁定感兴趣区域,随后提取视频动作过程中感兴趣区域的光流,采用投票法、Sigmoid决策法与tanh决策法给出头部动作的辨识结果,进而完成反馈确认过程。为了保证决策的有效,本文最后对决策算法的参数进行了一定的优化。通过上述部分的工作,本文完成了上肢康复机器人主动意图感知的研究工作。经过康复训练实验,证明本文的方法具有较好的效果,为主动康复提供了一种新的途径。