基于六維力傳感器運動意圖的識別

劉環宇, 王 鈺, 陳明祥, 高孟揚, 田啟磊

(青島大學機電工程學院, 山東 青島 266071)

隨著中國老齡化情況的加劇,腦中風成為老年人第一大殺手[1],引起運動功能障礙的患者人數也明顯增加[2-3]。人工康復和多次訓練的差異性給卒中患者帶來了巨大的經濟成本和恢復效果的低效性[4-6],再加上人工康復成本高、任務重、周期長[7-9],耽誤腦卒中患者康復的最佳時間,造成永久性偏癱。隨著輔助設備需求的增長,開發適合患者需求的輔助康復系統和康復設備[10-13]非常必要。因此,康復機器人與患者之間的交互控制至關重要,建立人機交互系統機制可以提高卒中患者的康復醫療效果[14-15]。張大林[16]提出了一種使用圖表示和分層注意機制上的基于腦電信號的意圖識別,通過注意狀態檢測模塊判斷上肢運動實時的狀態,然后運動意圖識別模塊使用集中和分心狀態下建立的模型。Sirintuna研發了一種基于人工神經網絡的分類器,通過從人體手臂肌肉獲得的肌電圖信號判斷人體的運動意圖,并在一個導納控制體中使用該分類器約束手臂運動,達到預期的方向[17]。但是由于生物電信號具有非線性、時變性、易受干擾等性質[18],并且信號特征很大程度上依賴于患者,患者本身也因為卒中的影響導致信號識別成功率降低。因此,基于生物電信號的意圖檢測不僅在信號處理中比較復雜[19-20],而且還存在很大的誤判概率?；诖?本文提出了基于六維力傳感器進行運動意圖判斷的方法,通過外部六維力傳感器采集人機交互力,人體的運動意圖可以基于該信號做進一步分析,具有采集簡便、穩定性高的優點。相較于其他研發外骨骼式的力傳感器識別運動意圖,本研究提出借助UR協作機器人作為一種非捆綁式輔助康復設備,依靠OptoForce六維力傳感器的靈敏性和穩定性建立數據接收系統,提高對運動信號的準確識別。

1 六維力傳感器數據的收集與處理

六維力傳感器采用的是OptoForce六維力傳感器,可用于測量3個相互垂直力(Fx,Fy,Fz)的大小和方向,以及繞3軸的力矩(Mx,My,Mz)的大小和方向。

1.1 六維力傳感器數據接收實現算法

數據接收算法主要用于獲取機器人運動過程中詳細的狀態信息,如位置、速度、關節電流及力矩等,并將實時采集的數據通過網線傳輸通信的方式傳輸到上位機。該算法程序是基于Visual studio 2019版平臺實現,用C++匯編語言編寫,實現了實時采集力和力矩數據功能。程序流程如圖1所示。首先,對程序進行系統的初始化操作,定義數組結構,便于對3個力分量和3個力矩分量進行接收。在程序運行的過程中,手動設置服務端與客戶端的IP和端口,然后運行程序且采集機器人的實時運動力數據?？蛻舳诉B接成功后,對采集的數據進行相應的轉換,把處理過的數據按照順序存儲到文本文檔。

圖1 程序流程

關于客戶端與服務端之間的網絡通信,采用的是套接字。在Winsock(windows socket)中,通過操作該句柄實現網絡通信和管理。套接字有3種,本文采用的是流式套接字,可提供雙向、有序、可靠的數據傳輸。socket通信方式的面向連接流分為4部分,分別是將套接字綁定(bind)到本地的地址和端口;服務端的監聽(listen);服務端的接收(accept)連接及數據的互相傳輸。socket通訊框架如圖2所示。

上位機進行數據傳輸需要設置IP和端口地址進行連接。監聽模塊用來檢查是否連接成功,當連接成功時,顯示已監聽,否則顯示監聽失敗。

1.2 數據處理

當患者在運動過程中,除了手部抖動產生的誤差外,也可能會由于六維力傳感器本身和外部環境的影響,原始數據會產生隨機的噪音,對系統的穩定性造成一定影響。因此,需要進行濾波處理。該系統采用了二階低通濾波對數據進行濾波處理。

二階低通濾波頻率傳遞函數Gs表達式為

(1)

式中,ωn為截止頻率;ξ為阻尼比;s為復變量。

通過收集一組力值數據,采樣時間為0.008 s(機器人以125 Hz的頻率向用戶發一次數據),利用Matlab中的Curve Fitting工具箱對采集的數據進行8項sum of sine擬合,傳感器數據擬合如圖3所示。得出8個擬合截止頻率,擬合曲線各階所對應的頻率如表1所示。設阻尼比為1,將第一階、二階、三階頻率代入,比較濾波效果,截止頻率對比如圖4所示。

表1 擬合曲線各階所對應的頻率

圖3 傳感器數據擬合

由圖4可以看出,當取第一階對應頻率作為截止頻率時,濾波數據具有較大的延時性,隨著各階頻率的增大,延時性減小,但是數據中所夾雜的噪音逐漸增多,其中第三階對應頻率的濾波效果最佳,因此,將該頻率作為截止頻率。但是,低通濾波的截止頻率除了衰減高頻信號外,也會在一定程度上衰減角頻率臨近截止頻率的信號,因此最后截止頻率需要比第三階對應的頻率稍大,即取截止頻率為ωn=2.90 rad/s。

選定截止頻率后,本文通過Matlab中的階躍響應函數step確定阻尼比。分別取各阻尼比為0.5、0.7、0.8、1代入系統的傳遞函數中,進行仿真,各阻尼比對應的濾波如圖5所示,對比階躍響應進入穩態范圍時所對應的調整時間,選擇最佳阻尼比為0.7。二階低通濾波效果如圖6所示,濾波數據滯后性僅0.2 s,濾波效果滿足系統要求。

圖5 各阻尼比對應的濾波

2 運動意圖算法的建立

在主動運動的控制過程中,運動意圖判斷算法通過判斷患者手部對于六維力傳感器作用力的方向,決定UR10機器人對應電機的運動方向,即X的正負方向、Y的正負方向、Z的正負方向。

2.1 運動意圖的識別

主動運動的過程中,需要實時判斷患者的運動意圖,即判斷往哪個方向運動。初始狀態是當UR10機器人啟動時,傳感器實時顯示力值的大小。機器人末端運動意圖判斷公式為

kact=Fact-Fini

(2)

式中,Fact為傳感器實時的數據;Fini為傳感器初始狀態數據;kact為傳感器的相對變化。

由于外部環境以及人體顫動的干擾易使得系統對手部運動意圖產生誤判,因此需要給系統加入容積偏差σ,六維力傳感器的相對變化如圖7所示。

圖7 六維力傳感器的相對變化

由圖7可以看出,在t=0.85以后,力值大小變化幅度增大,這是患者手部進行運動前抖動造成,在此之前,力值變化均勻。為了避免患者抖動對實驗產生的誤差,本文中的值在原來的基礎擴大,取3 N為其容積偏差。當-σ≤kact≤+σ時,表示患者手作用力處于容積偏差范圍內,患者手部處于靜止運動狀態;當kact≥+σ時,表示患者手部朝著坐標軸正方向運動;當kact≤-σ時,表示患者手部朝著坐標軸負方向運動。

其中,容積偏差的公式為

(3)

(4)

式中,N表示采樣點數,xi表示采樣值,單位為牛頓。

2.2 主動運動算法的建立

從六維力傳感器中收集UR10機器人末端執行器所受到的患者給予施加的六個自由度的力和力矩,即[Fx,Fy,Fz,Mx,My,Mz]。沿x,y,z方向的力介紹,六維力傳感器坐標如圖8所示。主動運動算法是指系統判斷患者施加合力大小來判斷是否跟隨移動。運動意圖識別算法如圖9所示。

圖8 六維力傳感器坐標

首先系統判斷患者的運動意圖,當-σ≤kact≤+σ,患者手部處于靜止運動趨勢,此時末端執行器的速度為零。反之,設定阻抗力切換閥值Fres,Fres為主動運動正常運動時所需的主動力,不同患者其值是不同的。通過六維力傳感器獲取x、y、z方向的力Fax、Fay、Faz,合成實時狀態下患者施加在TCP末端的力Fact,如果Fact>Fres且小于20 N,那么末端執行器會按照相應的速度進行康復運動。

3 實驗與分析

3.1 六維力傳感器

OptoForce六維力傳感器基于光學原理,用光學傳感器測量物體對傳感器的力和扭矩,與UR10機器人搭配使用,實現更高級的自動化和控制功能。六維力傳感器如圖10所示。傳感器安裝在UR10機器人末端執行器上,通過電纜連接到UR10控制器傳輸傳感器采集的數據。其內置的數據處理軟件將原始傳感器數據轉化為物體的力和扭矩值,使機器人能夠理解物體與末端執行器之間的相互作用。為保證其精度,使用傳感器之前,必須進行校準,并對機器人進行負載辨識,避免其本身的重量產生力信號的誤差。

圖10 六維力傳感器

3.2 實驗原理與分析

為了實現精確的空間運動控制,本文采用的movel(pose,a,v)是一種笛卡爾運動指令,用于控制機器人末端執行器的空間運動方向,pose參數表示機器人末端執行器的目標點的三維坐標;a表示運動過程的TCP加速度;v表示運動過程的TCP速度。運動算法流程如圖11所示。

圖11 運動算法流程

線程一通過對患者施加的力與容積偏差判斷識別患者是否有運動意圖。如果判定成功,那線程二將會通過機器人內部算法將合力Fact分解到x軸、y軸、z軸,并且通過合力與位置之間的函數關系式,從而獲取下一個位置點(Fact[0]為x軸方向的力大小,Fact[1]為y軸方向的力大小,Fact[2]為z軸方向的力大小,r值大小為患者小臂的長度)。

通過計算出的三維位置坐標賦予到UR10機器人的movel指令中,UR10機器人則會根據運動參數運動到下一個目標點。為了保護患者安全,設置UR10碰撞檢測墻,超過碰撞力最大值則緊急制停,建立速度與合力的關系式,限制機器人末端的速度。

在機器人末端運動過程中,六維力傳感器實時監測機器人末端受到的外力變化情況。根據合力大小與方向,動態計算施加的減速度,以調整機器人末端的運動速度。具體地,當外力與機器人的運動方向相反時,系統會計算需要施加的正向減速度,以減緩機器人的運動速度;而當外力與機器人的運動方向相同時,系統會計算需要施加的反向減速度,以避免機器人加速前進。

3.3 實驗測試

為了更好地體現機器人能夠很好地識別患者的意圖方向,患者進行了主動取杯實測,實驗測試如圖12所示?；颊邚某跏嘉恢贸霭l,去抓遠處取裝有水的杯子,然后患者把有水的杯子拿到眼前,最后,患者回到初始位置。機器人末端能夠跟隨患者的取水意而運動,證明了運動算法的準確性。

圖12 實驗測試

4 結束語

本文為了提升人機交互中運動意圖信號識別的穩定性,提出了將六維力傳感器進行數據的采集與運動意圖的識別。與普通傳感器相比,六維力傳感器能夠更準確、更穩定的識別3個互相垂直的力的大小與方向。實驗測試結果表明,本設計的數據采集、處理與識別系統,能夠很好地運用在上肢康復運動中,滿足患者的運動需求,達到了預期的期望,為上肢主動康復的有效控制提供了新的解決方案。接下來將會在患者特定的運動軌跡和運動姿態上進行進一步研究。