随着中风患者的逐年增长,对于中风患者的康复治疗也显得越来越重要,通过使用康复机器人进行训练治疗也成为国内外研究的热点之一。较传统的康复治疗,机器人辅助康复训练不仅可以节省人力,而且还可以获得更精确的恢复信息和训练情况,更有利于医生了解患者的恢复情况对症施医,从而到达更好的康复训练效果。本文主要围绕手臂康复治疗时产生肌肉疲劳会影响训练这一问题展开研究。使用新的检测方法获取手臂的疲劳信息,后对采集到的信息进行处理分析再对上肢恢复训练进行控制。患者在进行康复训练时会产生疲劳,这种疲劳会表现为手臂肌肉的震颤。通过手臂肌肉震颤的检测,可以辅助患者康复训练避免训练者二次伤害。并且通过肌肉膨胀程度的检测可以判断患者训练的有效性,寻找患者的最佳训练强度。本文的研究工作主要可以分为一下三个部分。首先,搭建肌力的测量平台,并对采集到的肌力信息完成处理和分析。首先对比肌电、脑电和肌力三种信息源的特征,并解释肌力信号当成信号源的必要性。然后搭建由传感器、放大电路、单片机和上位机共同组成的肌力检测平台。通过Flexiforce传感器采集手臂肌肉膨胀时产生的压力,放大后由单片机进行A/D转换后通过串口通讯传给上位机,使用Matlab对肌力做时域和频域的分析,通过对比手臂在有无负重情况下肌肉的疲劳状况,得到肌肉疲劳特性并总结影响肌肉疲劳的因素。提出通过检测手臂肌肉膨胀程度来确定患者的最佳训练强度的新方法。其次,应用贝叶斯正规化BP神经网络预测肌肉疲劳。为提高梯度下降法神经网络预测肌肉疲劳的准确性,提出用贝叶斯正规化反向传播进行改进。通过贝叶斯正规化神经网络的公式推导,阐述应用此模型的可行性和优势,通过Matlab仿真验证模型的可行性,实现肌肉疲劳的预测。最后,通过六自由度康复训练机器人的力/位混合控制完成辅助训练。训练中机器人末端的约束方向上进行力控制,将机器人末端视为冗余的,调整机器人末端力的差值,对冗余自由度作力的优化,实现训练中力和位置的跟随,利用Matlab仿真验证此方法具有可行性。