一种上肢机器人优化方法、装置及上肢机器人

1.本发明涉及机械臂设计技术领域，具体而言，涉及一种上肢机器人优化方法、装置及上肢机器人。


背景技术：

2.近年来随着社会老龄化的进程，患有运动功能障碍的患者不断增多，人们对改善和治疗运动功能障碍的设备的关注度越来越高，在国内外已经出现多种医疗上肢机器人，医用上肢机器人技术在康复领域逐步得到大量的应用与进步。而现有的医用上肢机器人的机构设计，仅考虑机构学指标，以提高机器人的机械素质为优化目标，无法对机器人机构与人体交互过程中出现的运动学和动力学特征进行表征，也无法表征人体生理上与心理上的舒适性，会出现机器人机械素质高但使用者舒适度欠佳，导致使用者训练意愿较差，康复训练效果也较差。


技术实现要素：

3.本发明解决的问题是如何改善上肢机器人的设计。
4.为解决上述问题，本发明提供一种上肢机器人优化方法，包括：
5.基于hill方程与hill肌肉三元素对上肢的肌肉和骨骼建模，获得肌肉骨骼模型，其中，所述肌肉骨骼模型用于描述所述上肢在运动时肌肉的物理特征和力学性能；对所述上肢进行运动捕捉，获得实验数据，使用所述肌肉骨骼模型处理所述实验数据，获得末端位移轨迹，其中，所述末端位移轨迹包括上肢末端位移轨迹和机械臂末端位移轨迹的一种；对上肢机器人进行等效简化，获得运动学模型；使用所述运动学模型处理所述末端位移轨迹，逆向处理获得人机交互力，其中，所述人机交互力用于表示所述上肢与所述机械臂之间产生的交互力；通过所述肌肉骨骼模型对所述人机交互力进行仿真，获得舒适度指标；通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度，其中，所述机械臂参数包括长度和质量，所述最大舒适度表示在仅改变所述机械臂参数的前提下，所述舒适度指标能达到的最大值；将所述最大舒适度对应的所述机械臂参数作为所述上肢机器人的优化结果。
6.可选地，所述通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度包括：
7.基于所述机械臂的工作需求确定所述机械臂参数的边界条件，其中，所述边界条件包括第一力臂的长度和质量、第二力臂的长度和质量、第三力臂的长度和质量；通过遗传算法，在所述边界条件内对所述机械臂的三个力臂赋值，计算所述机械臂在不同赋值下的人机交互力大小，以获得最大人机交互力；提取所述最大人机交互力，通过所述肌肉骨骼模型处理所述最大人机交互力，获得所述最大舒适度。
8.可选地，所述通过所述肌肉骨骼模型对所述人机交互力进行仿真，获得舒适度指标包括：
9.将肌肉的最大等距力、所述肌肉关于每一个关节轴的力臂以及作用于每个关节轴的广义力输入所述肌肉骨骼模型计算获得所述肌肉的激活值，所述激活值用于描述所述上肢肌肉的激活情况。
10.可选地，所述将肌肉的最大等距力、所述肌肉关于每一个关节轴的力臂以及作用于每个关节轴的广义力输入所述肌肉骨骼模型计算获得所述肌肉的激活值包括：
11.通过以下公式计算所述激活值：
[0012][0013]
其中，n表示所述肌肉骨骼模型中涉及到的n块肌肉，am表示离散时间步长第m块肌肉的激活水平，表示肌肉m的最大等距力，r
m,j
表示第m块肌肉关于第j关节轴的力臂，τj表示作用于第j关节轴的广义力。
[0014]
可选地，在所述将肌肉的最大等距力、所述肌肉关于每一个关节轴的力臂以及作用于每个关节轴的广义力输入所述肌肉骨骼模型计算获得所述肌肉的激活值之后，还包括：
[0015]
通过所述激活值获得肌肉可操作度；根据预设的工况系数获得人机功效学指数；基于所述肌肉可操作度和所述人机功效学指数获得所述舒适度指标。
[0016]
可选地，所述基于所述肌肉可操作度和所述人机功效学指数获得所述舒适度指标包括：
[0017]
通过以下公式获得所述舒适度指标：
[0018][0019]
其中，ρo、ρs表示预设的阻碍指数，κ
α
、κe表示预设的增益指数，表示所述肌肉可操作度，ωe表示所述人机功效学指数。
[0020]
可选地，所述对所述上肢进行运动捕捉，获得实验数据，使用所述肌肉骨骼模型处理所述实验数据，获得末端位移轨迹包括：
[0021]
对所述上肢进行运动捕捉，获得运动捕捉数据；通过scaling工具对所述运动捕捉数据进行比例放缩，并逆向求得关节运动学数据，所述关节运动学数据包括手臂的旋转角度、肩关节的内收或外展角度、手臂绕肩部的角度和肘部弯曲角度；通过所述肌肉骨骼模型对所述关节运动学数据进行仿真，获得所述末端位移轨迹。
[0022]
可选地，所述对上肢机器人进行等效简化，获得运动学模型包括：
[0023]
对所述上肢机器人进行三自由度的dh建模，获得所述运动学模型。
[0024]
相对于现有技术，考虑到使用者在训练过程中的舒适性，本发明对上肢肌肉骨骼以及机械臂进行分别建模，获得肌肉骨骼模型和机械臂的运动学模型，可以利用两个模型分别表征上肢与机械臂的角度、位移和受力数据及双方之间的关系；肌肉骨骼模型既能对上肢的实验数据进行仿真，又能对运动学模型得出的人机交互力进行处理，获得量化后的舒适度指标，最后通过遗传算法改变机械臂的参数，求解最大舒适度对应的机械臂参数作为优化结果，保证在考虑机械臂人体工程学的基础上，又能考虑到上肢机构骨骼在训练中的激活情况，优化出最佳的机械臂参数。
[0025]
第二方面，本发明提供了一种上肢机器人优化装置，包括：
[0026]
第一建模模块，其用于基于hill方程与hill肌肉三元素对上肢的肌肉和骨骼建模，获得肌肉骨骼模型，其中，所述肌肉骨骼模型用于描述所述上肢在运动时肌肉的物理特征和力学性能；第一处理模块，其用于对所述上肢进行运动捕捉，获得实验数据，使用所述肌肉骨骼模型处理所述实验数据，获得末端位移轨迹，其中，所述末端位移轨迹包括上肢末端位移轨迹和机械臂末端位移轨迹的一种；第二建模模块，其用于对上肢机器人进行等效简化，获得运动学模型；第二处理模块，其用于使用所述运动学模型处理所述末端位移轨迹，逆向处理获得人机交互力，其中，所述人机交互力用于表示所述上肢与所述机械臂之间产生的交互力；获得模块，其用于通过所述肌肉骨骼模型对所述人机交互力进行仿真，获得舒适度指标；优化模块，其用于通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度，其中，所述机械臂参数包括长度和质量，所述最大舒适度表示在仅改变所述机械臂参数的前提下，所述舒适度指标能达到的最大值；输出模块，其用于将所述最大舒适度对应的所述机械臂参数作为所述上肢机器人的优化结果。
[0027]
本发明上肢机器人优化装置相对于现有技术所具有的有益效果与上述上肢机器人优化方法一致，此处不赘述。
[0028]
第三方面，本发明提供了一种上肢机器人，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的上肢机器人优化方法。
[0029]
本发明上肢机器人相对于现有技术所具有的有益效果与上述上肢机器人优化方法一致，此处不赘述。
附图说明
[0030]
图1为本发明实施例上肢机器人优化方法的流程示意图；
[0031]
图2为本发明实施例上肢机器人优化方法步骤s200细化后的流程示意图；
[0032]
图3为本发明实施例上肢机器人优化方法步骤s600细化后的流程示意图；
[0033]
图4为本发明实施例上肢机器人优化方法步骤s500细化后的流程示意图；
[0034]
图5为本发明实施例上肢机器人优化之前的舒适度-时间关系图；
[0035]
图6为本发明实施例上肢机器人优化之后的舒适度-时间关系图。
具体实施方式
[0036]
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
[0037]
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
[0038]
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”；术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0039]
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0040]
上肢机器人，通过机械机构辅助提供患者神经重塑所需的定量的可重复的功能导向运动支持，有效促进神经系统的功能重塑、代偿和再生，换言之，上肢机器人可以对患者的上肢进行动作辅助，使患者能主动或被动地弯曲受影响的肢体，以减少上肢活动时发生的肌肉痉挛，另一方面还可以刺激神经，使大脑能形成新的神经连接。通过上肢机器人辅助患者进行上肢运动，可以有效减缓肌肉和关节萎缩，实现“思行合一”的主动康复效果。
[0041]
自二十世纪以来，国内外研发出多种上肢机器人辅助患者进行上肢健侧和患侧的康复训练，如健侧臂和患侧臂互为镜像的双臂训练机器人、具有单侧机械臂的训练机器人等。在训练机器人的机构设计上，均单纯考虑机构学指标，如扩大机构的工作空间，使训练机器人可以完全适配上肢的活动范围；提升机器人的可操作度和各同向性，使机器人在各个角度、各个动作幅度上具有相同的性能。这些指标仅可表征机构的运动学和动力学特征，无法表征机器人机构与上肢交互过程中由上肢机构和上肢机构骨骼系统构成的广义闭环机构的运动学和动力学特征，也无法表征交互过程中生理以及心理上的舒适性。在使用者通过训练机器人进行实际训练时，可能会存在机械臂的机械性能好但是使用体验不高的情况。因此，本发明通过对上肢肌肉骨骼与上肢机器人的机械臂进行建模，建立耦合仿真平台，通过引入上肢与上肢机器人在人机交互过程中里传递特性，建立上肢机器人的机械臂与上肢交互时的评价指标，即舒适度指标。通过优化舒适度指标，利用多目标遗传算法对上肢机器人进行结构优化，获得具有较高舒适度的机械臂参数设计。
[0042]
如图1所示，本发明实施例提供的一种上肢机器人优化方法，包括：
[0043]
步骤s100，基于hill方程与hill肌肉三元素对上肢的肌肉和骨骼建模，获得肌肉骨骼模型，其中，所述肌肉骨骼模型用于描述所述上肢在运动时肌肉的物理特征和力学性能。
[0044]
hill肌肉模型是迄今应用最为广泛的肌肉结构力学模型，该模型通过与肌肉的生物组织相对应的收缩元(ce，contracting element)、串联弹性元(se，series elastic element)和并联弹性元(pe，parallel elastic element)三个基本单元描述肌肉的物理特征和力学性能。
[0045]
不同肌肉的工作特性并不相同，本发明主要针对上肢的肩部、肘部、大臂和小臂建立肌肉骨骼模型，通过肌肉骨骼模型描述上肢在运动时肩部、肘部、大臂和小臂的肌肉的物理特征和力学性能。
[0046]
优选地，使用opensim对上肢的肌肉和骨骼进行建模。
[0047]
opensim是一款基于c++和java语言开发的运用于肌肉模型开发，生物力学仿真与分析的开源性软件。
[0048]
在使用opensim建模方法对上肢的运动进行分析时，先使用通用模型在预设试验条件下进行模型优化，建立个性化模型。
[0049]
步骤s200，对所述上肢进行运动捕捉，获得实验数据，使用所述肌肉骨骼模型处理所述实验数据，获得末端位移轨迹，其中，所述末端位移轨迹包括上肢末端位移轨迹和机械臂末端位移轨迹的一种。
[0050]
在一实施例中，采集上肢的运动捕捉数据作为实验数据，然后将实验数据输入肌肉骨骼模型中，通过肌肉骨骼模型进行仿真，获得此次实验中，上肢末端的位移轨迹。将手腕(或手的其他位置)看作质点，所述质点在实验中的位移轨迹即为末端位移轨迹。
[0051]
由于在上肢机器人的训练过程中，是通过将人手与机械臂末端相连，实现机械臂施加辅助力，辅助人手进行位移，在训练时，上肢末端位移轨迹和机械臂末端位移轨迹均可作为末端位移轨迹。
[0052]
具体地，上肢末端位移轨迹为腕心-末端点的轨迹；机械臂末端位移轨迹为机械臂手柄位移轨迹。
[0053]
步骤s300，对上肢机器人进行等效简化，获得运动学模型。
[0054]
可选地，对所述上肢机器人进行三自由度的dh建模，获得所述运动学模型。
[0055]
可选地，通过simulink/multibody，对上肢机器人进行等效简化，获得等效的运动学模型。
[0056]
dh建模，是由denavit和hartenberg提出的一种建模方法，主要用在机器人运动学上，这种方法在每个力臂上建立一个坐标系，通过齐次坐标变换来实现两个力臂上坐标的变换，在多力臂串联的系统中，多次使用齐次坐标变换，以建立首末坐标系的关系。
[0057]
对机械臂进行dh建模，用于研究手柄相对坐标系与世界坐标系之间的转换，可以通过位移轨迹计算出机械臂的受力情况。
[0058]
在一实施例中，对三自由度的机械臂进行建模，因机械臂具有三个力臂，则将三个力臂分别记为第一力臂、第二力臂和第三力臂。将第一力臂作为机械臂初端，将第三力臂作为机械臂末端，机械臂末端还连接有手柄。将初端作为原点，建立坐标系，通过机械臂的dh参数进一步建立手柄坐标系的变换矩阵。
[0059]
步骤s400，使用所述运动学模型处理所述末端位移轨迹，逆向处理获得人机交互力，其中，所述人机交互力用于表示所述上肢与所述机械臂之间产生的交互力。
[0060]
获得由步骤s300得出的末端位移轨迹，通过运动学模型进行计算，可以获得人机交互力，由于上肢机器人在人机交互中是通过绑带进行连接的，故在上肢与机械臂末端之间添加一个人机交互力模拟绑带的受力。
[0061]
在一实施例中，上肢机器人具有镜像的两条机械臂，一条为健侧机械臂，另一条为患侧机械臂。所述健侧机械臂用于被正常的上肢主动牵引，患侧机械臂用于在所述检测机械臂被牵引后，通过预设的算法进行关于健侧机械臂的镜像阻抗运动，辅助患侧上肢运动。在机械臂的健侧，由上肢牵引健侧机械臂运动时，除去机械臂的运动产生的惯性力外，接触力主要来自机械臂的自重，而在实际测量中，绑带受力在竖直方向的分力近似等于机械臂的自重，故绑带受力即可近似看作人机交互力。
[0062]
步骤s500，通过所述肌肉骨骼模型对所述人机交互力进行仿真，获得舒适度指标。
[0063]
使用肌肉骨骼模型模拟人机交互力，获得该人机交互力下上肢各个肌肉的激活值。所述激活值代表肌肉的激活程度，与肌肉力正相关。当激活值＝1时，表示肌肉完全被激活；当激活值为0时，表示肌肉完全没被调动，处于放松状态。
[0064]
通过激活值获得肌肉的被调动程度后，基于激活值进一步获得肌肉在参与运动时的灵活性，然后在预设的工况下，通过灵活性定量计算获得上肢舒适度。
[0065]
步骤s600，通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度，其中，所述机械臂参数包括长度和质量，所述最大舒适度表示在仅改变所述机械臂参数的前提下，所述舒适度指标能达到的最大值。
[0066]
具体地，机械臂参数包括第一力臂的质量和高度、第二力臂的质量和高度、第三力臂的质量和高度。
[0067]
在一实施例中，所述机械臂参数如下表所示：
[0068]
参数第一力臂第二力臂第三力臂高度/长度157.5mm492mm425mm质量1.28kg0.762kg0.346kg
[0069]
其中，第一力臂为肩关节，第二力臂为大臂，第三力臂为小臂。
[0070]
可选地，遗传算法使用matlab实现，对机械臂的高度/长度和质量进行迭代优化，计算出使肌肉的灵活性更高的机械臂参数，获得最大舒适度，从而计算出该舒适度下对应的机械臂参数。
[0071]
步骤s700，将所述最大舒适度对应的所述机械臂参数作为所述上肢机器人的优化结果。
[0072]
将最大舒适度对应的机械臂参数作为最终的优化结果，优化结果中包含上肢机器人第一力臂即肩关节的高度和质量，第二力臂即大臂长度及质量，第三力臂即小臂长度及质量。
[0073]
如图6所示，在一实施例中，利用本发明优化方法优化后的机械臂参数如下表所示：
[0074]
参数第一力臂第二力臂第三力臂高度/长度172.4716mm450.0484mm389.5152mm质量1.48kg0.832kg0.3675kg
[0075]
其中，该机械臂参数对应的舒适度为0.2635。
[0076]
可选地，使用遗传算法以最大人机交互力为目标，优化机械臂参数。
[0077]
通过肌肉的激活值与舒适度公式可知，舒适度与交互力呈正相关关系，当某个机械臂参数的人机交互力更大时，此机械臂参数对应的舒适度也更大，故在一实施例中，直接以最大人机交互力为目标，优化机械臂参数，可以获得最优的机械臂参数。
[0078]
可选地，如图3所示，所述通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度包括：
[0079]
步骤s601，基于所述机械臂的工作需求确定所述机械臂参数的边界条件，其中，所述边界条件包括第一力臂的长度和质量、第二力臂的长度和质量、第三力臂的长度和质量。
[0080]
在一实施例中，基于机械臂的使用者的上肢数据确定机械臂参数的边界条件，换言之，机械臂的长度/高度和比例应符合使用者的肩膀、大臂和小臂的长度和比例，若比例特别失调，则一定会出现使用者与机械臂不适配的情况。
[0081]
在另一实施例中，基于使用者的上肢运动范围确定机械臂参数的边界条件，即，通过对机械臂参数的设计，使机械臂的活动范围可以完全覆盖使用者上肢的活动范围。当机
械臂的活动范围完全超出使用者上肢的活动范围时，有可能出现使用者不适的情况。
[0082]
在又一实施例中，边界条件如下表所示：
[0083]
参数第一力臂第二力臂第三力臂高度/长度157.5
±
15mm492
±
50mm425
±
50mm质量1.28
±
0.2kg0.762
±
0.07kg0.346
±
0.04kg
[0084]
步骤s602，通过遗传算法，在所述边界条件内对所述机械臂的三个力臂赋值，计算所述机械臂在不同赋值下的人机交互力大小，以获得最大人机交互力。
[0085]
通过将机械臂参数进行初始种群的赋值，先后进行选择、自适应交叉、变异、生成新种群，然后对新种群进行适应度计算(即通过肌肉骨骼模型进行交互力仿真)，最后判断当前仿真出的交互力是否为最大值，若是，则将此交互力作为最大交互力，并与此交互力对应的机械臂参数一同记录。
[0086]
步骤s603，提取所述最大人机交互力，通过所述肌肉骨骼模型处理所述最大人机交互力，获得所述最大舒适度。
[0087]
通过肌肉骨骼模型处理人机交互力，获得激活值，通过激活值计算肌肉可操作度，引入预设的工况系数，进而对舒适度进行量化，获得最大舒适度。
[0088]
可选地，将肌肉的最大等距力、所述肌肉关于每一个关节轴的力臂以及作用于每个关节轴的广义力输入所述肌肉骨骼模型计算获得所述肌肉的激活值，所述激活值用于描述所述上肢肌肉的激活情况。
[0089]
计算每一块肌肉的激活值，用于描述上肢肌肉的激活情况。
[0090]
在一实施例中，通过opensim中的用staticoptimization工具仿真计算相关肌肉的激活值，在本实施例中，相关肌肉共有十块。
[0091]
在一实施例中，通过肌肉骨骼模型对上肢进行仿真，保留与上肢伸展运动相关的四个关节，其中，elv_angle表示手臂的前后旋转，shoulder_elv表示肩部的内收和外展，shoulder_rot表示手臂绕肩部的内转和外转，elbow_flexion表示肘部弯曲。
[0092]
可选地，通过以下公式计算所述激活值：
[0093][0094]
其中，n表示所述肌肉骨骼模型中涉及到的n块肌肉，am表示离散时间步长第m块肌肉的激活水平，表示肌肉m的最大等距力，r
m,j
表示第m块肌肉关于第j关节轴的力臂，τj表示作用于第j关节轴的广义力。
[0095]
n表示肌肉骨骼模型中被激活肌肉的数量，n为定值10，即与上肢伸展运动相关的十块肌肉。j表示第j个关节轴，在本实施例中，共保留了4个与上肢伸展运动相关的关节，故j取值为[1，4]。
[0096]
根据肌肉的建模理论hill三要素和hill方程，l
mt
为肌肉-肌腱长度，l
t
为肌腱长度，lm为肌纤维长度，α为羽状角，他们之间有关系式l
mt
＝l
t
+l
m cosα，为肌纤维和肌腱等长收缩时的最大张力。
[0097]
可选地，每隔预设时刻获得一次肌肉的激活值。
[0098]
在一个周期的仿真过程中，由于仿真的内容包括上肢与机械臂的训练过程，故上
肢与机械臂的交互动作不断变化，肌肉的激活值也会随着交互动作的变化而变化。
[0099]
在一实施例中，每隔预设时刻获得一次肌肉的激活值，例如，每隔1秒钟，通过上述计算激活值的公式获得十个相关肌肉的激活值，然后对激活值进行后续处理，以获得交互过程中不同时刻的舒适度指标。
[0100]
可选地，如图4所示，在所述将肌肉的最大等距力、所述肌肉关于每一个关节轴的力臂以及作用于每个关节轴的广义力输入所述肌肉骨骼模型计算获得所述肌肉的激活值之后，还包括：
[0101]
步骤s510，通过所述激活值获得肌肉可操作度。
[0102]
通过肌肉的激活值计算出肌肉的可操作度，其中，可操作度表示肌肉的灵活程度。
[0103]
在一实施例中，肌肉的可操作性度由以下公式计算：
[0104][0105][0106][0107]
其中，ω
α
表示肌肉传递速率，表示肌肉可操作度，ω
α
和分别为工作空间内所有ω
α
和的集合，因此，max{ω
α
}和是人类特定的最大的肌肉信息传递速率(mitr)和肌肉信息可操作度(mim)。
[0108]
步骤s511，根据预设的工况系数获得人机功效学指数。
[0109]
人机功效学指数由以下公式计算：
[0110][0111]
其中，ωe表示人机功效学指数，其由系数re决定。
[0112]
re是一个逐步线性的评分，其与人体工程学满意度成反比，从1(令人满意的工作姿势)到15(受伤的高风险)。通常在可接受(re＝1)或低风险(re＝{2,3})姿势可能需要修正或不需要，在一实施例中，re在中低等风险的工况下的取3。
[0113]
步骤s512，基于所述肌肉可操作度和所述人机功效学指数获得所述舒适度指标。
[0114]
最终由人机功效学指数和肌肉可操作度共同计算出舒适度指标，通过本发明的方法，将舒适度量化，保证计算和优化出更舒适的上肢机器人的机械臂。
[0115]
通过将衡量肌肉活动的肌肉可操作度(即上肢肌肉的灵活程度)，以及衡量人体工程学的指数-人机功效学指数进行融合，得到舒适度指标。
[0116]
可选地，步骤s512包括：
[0117]
通过以下公式获得所述舒适度指标：
[0118][0119]
其中，表示舒适度指标，ρo和ρs表示预设的阻碍指数，κ
α
和κe表示与肌肉传递速率和肌肉可操作度均相关的增益指数，其取值均为预设值，表示所述肌肉可操作度，ωe表示所述人机功效学指数。
[0120]
ρo和ρs是与运动过程中关节是否有干涉以及是否遇到阻碍有关，在本实施例中，因关节无干涉、无障碍，故ρo、ρs取值均预设为1。
[0121]
当涉及更大的力/加速度的任务时，κ
α
更容易被肌肉传递速率捕获，故κ
α
在0和1之间取更大值，否则更容易被肌肉可操作度捕获，则κe在0和1之间取更大值，故在本实施例中，κ
α
和κe均取0.5。
[0122]
在一实施例中，如图5所示，机械臂初始参数对应的舒适度为0.2507。舒适度表示在机械臂运动过程中舒适度的最小值。
[0123]
可选地，如图2所示，步骤s200包括：
[0124]
步骤s201，对所述上肢进行运动捕捉，获得运动捕捉数据。
[0125]
步骤s202，通过scaling工具对所述运动捕捉数据进行比例放缩，并逆向求得关节运动学数据，所述关节运动学数据包括手臂的旋转角度、肩关节的内收或外展角度、手臂绕肩部的角度和肘部弯曲角度。
[0126]
在一实施例中，采集正常人的运动捕捉数据，利用scaling工具对模型进行比例放缩，放缩的比例由需求而定。
[0127]
通过比例放缩后的模型仿真上肢的肌肉与骨骼的运动情况，获得关节运动学数据，即手臂的旋转角度、肩关节的内收或外展角度、手臂绕肩部的角度和肘部弯曲角度。因本发明中涉及上肢的伸展
[0128]
步骤s203，通过所述肌肉骨骼模型对所述关节运动学数据进行仿真，获得所述末端位移轨迹。
[0129]
通过肌肉骨骼模型对四个关节的运动角度、幅度进行仿真，模拟出上肢肌肉骨骼在该角度的运动情况，从而获得位移轨迹，所述位移轨迹作为下步骤机械臂的运动学模型的输入值。
[0130]
本发明的完整实施例包括：先建立上肢的肌肉骨骼模型，具体先使用opensim的通用模型，然后在机械臂康复的试验条件下通过scaling工具进行模型放缩，建立个性化模型，作为肌肉骨骼模型，保留与上肢伸展运动相关的四个关节(elv_angle,shoulder_elv,shoulder_rot和elbow_flexion)。然后通过simulink/multibody建立上肢机器人健侧的运动学模型，模型参数包括肩关节、大臂和小臂的长度及质量。由运动捕捉系统获得实验数据，经过逆向运动学工具求得四个关节的运动学数据，通过opensim仿真运动学数据，获得末端位移轨迹，此处的末端位移轨迹可以是腕心-末端点的位移轨迹，也可以是机械臂末端手柄的位移轨迹(因在实验中腕心与机械臂末端用绑带相连，可以看做一个点)。然后通过multibody(或matlab)处理末端位移轨迹，获得人机交互力。利用opensim中的staticoptimization工具仿真计算相关的十块肌肉的激活值，通过激活值可以计算出衡量肌肉灵活性的肌肉传递速率和肌肉可操作度，进而引入人机功效学指数，通过表示肌肉灵活性的肌肉传递速率和肌肉可操作度，结合衡量人体工程学标准的人机功效学指数，获得舒适度指标。然后通过遗传算法，改变机械臂参数计算最大舒适度指标，对应获得最优的机械臂参数。
[0131]
本发明另一实施例提供的一种上肢机器人优化装置，包括：
[0132]
第一建模模块，其用于基于hill方程与hill肌肉三元素对上肢的肌肉和骨骼建模，获得肌肉骨骼模型，其中，所述肌肉骨骼模型用于描述所述上肢在运动时肌肉的物理特
征和力学性能；
[0133]
第一处理模块，其用于对所述上肢进行运动捕捉，获得实验数据，使用所述肌肉骨骼模型处理所述实验数据，获得末端位移轨迹，其中，所述末端位移轨迹包括上肢末端位移轨迹和机械臂末端位移轨迹的一种；
[0134]
第二建模模块，其用于对上肢机器人进行等效简化，获得运动学模型；
[0135]
第二处理模块，其用于使用所述运动学模型处理所述末端位移轨迹，逆向处理获得人机交互力，其中，所述人机交互力用于表示所述上肢与所述机械臂之间产生的交互力；
[0136]
获得模块，其用于通过所述肌肉骨骼模型对所述人机交互力进行仿真，获得舒适度指标；
[0137]
优化模块，其用于通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度，其中，所述机械臂参数包括长度和质量，所述最大舒适度表示在仅改变所述机械臂参数的前提下，所述舒适度指标能达到的最大值；
[0138]
输出模块，其用于将所述最大舒适度对应的所述机械臂参数作为所述上肢机器人的优化结果。
[0139]
本发明上肢机器人优化装置相对于现有技术所具有的有益效果与上述上肢机器人优化方法一致，此处不赘述。
[0140]
本发明又一实施例提供的一种上肢机器人，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的上肢机器人优化方法。
[0141]
本发明上肢机器人相对于现有技术所具有的有益效果与上述上肢机器人优化方法一致，此处不赘述。
[0142]
现将描述可以作为本发明的服务器或客户端的电子设备，其是可以应用于本发明的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0143]
上肢机器人包括计算单元，其可以根据存储在只读存储器(rom)中的计算机程序或者从存储单元加载到随机访问存储器(ram)中的计算机程序，来执行各种适当的动作和处理。在ram中，还可存储设备操作所需的各种程序和数据。计算单元、rom以及ram通过总线彼此相连。输入/输出(i/o)接口也连接至总线。
[0144]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。在本技术中，所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现
本发明实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0145]
虽然本公开披露如上，但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

技术特征：
1.一种上肢机器人优化方法，其特征在于，上肢机器人包括机械臂，所述上肢机器人优化方法包括：基于hill方程与hill肌肉三元素对上肢的肌肉和骨骼建模，获得肌肉骨骼模型，其中，所述肌肉骨骼模型用于描述所述上肢在运动时肌肉的物理特征和力学性能；对所述上肢进行运动捕捉，获得实验数据，使用所述肌肉骨骼模型处理所述实验数据，获得末端位移轨迹，其中，所述末端位移轨迹包括上肢末端位移轨迹和机械臂末端位移轨迹的一种；对上肢机器人进行等效简化，获得运动学模型；使用所述运动学模型处理所述末端位移轨迹，逆向处理获得人机交互力，其中，所述人机交互力用于表示所述上肢与所述机械臂之间产生的交互力；通过所述肌肉骨骼模型对所述人机交互力进行仿真，获得舒适度指标；通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度，其中，所述机械臂参数包括长度和质量，所述最大舒适度表示在仅改变所述机械臂参数的前提下，所述舒适度指标能达到的最大值；将所述最大舒适度对应的所述机械臂参数作为所述上肢机器人的优化结果。2.根据权利要求1所述的上肢机器人优化方法，其特征在于，所述通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度包括：基于所述机械臂的工作需求确定所述机械臂参数的边界条件，其中，所述边界条件包括第一力臂的长度和质量、第二力臂的长度和质量、第三力臂的长度和质量；通过遗传算法，在所述边界条件内对所述机械臂的三个力臂赋值，计算所述机械臂在不同赋值下的人机交互力大小，以获得最大人机交互力；提取所述最大人机交互力，通过所述肌肉骨骼模型处理所述最大人机交互力，获得所述最大舒适度。3.根据权利要求1或2所述的上肢机器人优化方法，其特征在于，所述通过所述肌肉骨骼模型对所述人机交互力进行仿真，获得舒适度指标包括：将肌肉的最大等距力、所述肌肉关于每一个关节轴的力臂以及作用于每个关节轴的广义力输入所述肌肉骨骼模型计算获得所述肌肉的激活值，所述激活值用于描述所述上肢肌肉的激活情况。4.根据权利要求3所述的上肢机器人优化方法，其特征在于，所述将肌肉的最大等距力、所述肌肉关于每一个关节轴的力臂以及作用于每个关节轴的广义力输入所述肌肉骨骼模型计算获得所述肌肉的激活值包括：通过以下公式计算所述激活值：其中，n表示所述肌肉骨骼模型中涉及到的n块肌肉，a
m
表示离散时间步长第m块肌肉的激活水平，表示肌肉m的最大等距力，r
m,j
表示第m块肌肉关于第j关节轴的力臂，τ
j
表示作用于第j关节轴的广义力。5.根据权利要求2所述的上肢机器人优化方法，其特征在于，在所述将肌肉的最大等距力、所述肌肉关于每一个关节轴的力臂以及作用于每个关节轴的广义力输入所述肌肉骨骼
模型计算获得所述肌肉的激活值之后，还包括：通过所述激活值获得肌肉可操作度；根据预设的工况系数获得人机功效学指数；基于所述肌肉可操作度和所述人机功效学指数获得所述舒适度指标。6.根据权利要求2所述的上肢机器人优化方法，其特征在于，所述基于所述肌肉可操作度和所述人机功效学指数获得所述舒适度指标包括：通过以下公式获得所述舒适度指标：其中，表示舒适度指标，ρ
o
、ρ
s
表示预设的阻碍指数，κ
α
、κ
e
表示预设的增益指数，表示所述肌肉可操作度，ω
e
表示所述人机功效学指数。7.根据权利要求2所述的上肢机器人优化方法，其特征在于，所述对所述上肢进行运动捕捉，获得实验数据，使用所述肌肉骨骼模型处理所述实验数据，获得末端位移轨迹包括：对所述上肢进行运动捕捉，获得运动捕捉数据；通过scaling工具对所述运动捕捉数据进行比例放缩，并逆向求得关节运动学数据，所述关节运动学数据包括手臂的旋转角度、肩关节的内收或外展角度、手臂绕肩部的角度和肘部弯曲角度；通过所述肌肉骨骼模型对所述关节运动学数据进行仿真，获得所述末端位移轨迹。8.根据权利要求2所述的上肢机器人优化方法，其特征在于，所述对上肢机器人进行等效简化，获得运动学模型包括：对所述上肢机器人进行三自由度的dh建模，获得所述运动学模型。9.一种上肢机器人优化装置，其特征在于，包括：第一建模模块，其用于基于hill方程与hill肌肉三元素对上肢的肌肉和骨骼建模，获得肌肉骨骼模型，其中，所述肌肉骨骼模型用于描述所述上肢在运动时肌肉的物理特征和力学性能；第一处理模块，其用于对所述上肢进行运动捕捉，获得实验数据，使用所述肌肉骨骼模型处理所述实验数据，获得末端位移轨迹，其中，所述末端位移轨迹包括上肢末端位移轨迹和机械臂末端位移轨迹的一种；第二建模模块，其用于对上肢机器人进行等效简化，获得运动学模型；第二处理模块，其用于使用所述运动学模型处理所述末端位移轨迹，逆向处理获得人机交互力，其中，所述人机交互力用于表示所述上肢与所述机械臂之间产生的交互力；获得模块，其用于通过所述肌肉骨骼模型对所述人机交互力进行仿真，获得舒适度指标；优化模块，其用于通过遗传算法，改变所述机械臂的机械臂参数，求解所述机械臂的最大舒适度，其中，所述机械臂参数包括长度和质量，所述最大舒适度表示在仅改变所述机械臂参数的前提下，所述舒适度指标能达到的最大值；输出模块，其用于将所述最大舒适度对应的所述机械臂参数作为所述上肢机器人的优化结果。10.一种上肢机器人，其特征在于，包括存储有计算机程序的计算机可读存储介质和处
理器，所述计算机程序被所述处理器读取并运行时，实现如权利要求1-8任一项所述的上肢机器人优化方法。

技术总结
本发明提供了一种上肢机器人优化方法、装置及上肢机器人，所述上肢机器人优化方法包括：基于Hill方程与Hill肌肉三元素对上肢的肌肉和骨骼建模，获得肌肉骨骼模型；对上肢进行运动捕捉，获得实验数据，使用肌肉骨骼模型处理实验数据，获得末端位移轨迹；对上肢机器人进行等效简化，获得运动学模型；使用运动学模型处理末端位移轨迹，逆向处理获得人机交互力；通过肌肉骨骼模型对人机交互力进行仿真，获得舒适度指标；通过遗传算法，改变机械臂的机械臂参数，求解机械臂的最大舒适度；将最大舒适度对应的机械臂参数作为上肢机器人的优化结果，既保证了机械臂的人体工程学设计，又保证上肢机器人在使用时的舒适度。保证上肢机器人在使用时的舒适度。保证上肢机器人在使用时的舒适度。


技术研发人员：李俊超 张佳楫 左国坤 施长城 宋涛
受保护的技术使用者：中国科学院宁波材料技术与工程研究所
技术研发日：2022.03.25
技术公布日：2022/7/5