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%,已经严重影响了人们的日常生活。
据有关统计,我国每年新增脑卒中患者约为250 万,到 2020 年,我国的脑卒中患者达到 2000万人。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。
科学研究发现,人平均每天要进行约1500 次的抓握动作,是人与外界环境沟通交流的重要工具。因此对于偏瘫患者手部的康复与患者的日常生活辅助都有重要意义。
现有的实验研究已经证实通过对患者进行连续被动增强性的周期性训练可以提高中风后期患者的手部运动功能。手部康复机器人因其既能够较好地辅助康复治疗师对偏瘫患者进行康复治疗,同时也可让患者进行自主康复辅助训练,目前逐渐引起社会各界的广泛关注。
手部康复机器人是由驱动器、力传递机构、执行机构和控制模块组成的机电一体化系统,能带动手指进行指定的运动,其不同的控制模式可以实现不同功能的康复辅助训练。
手部康复机器人的研究最早起源于欧美,在 21 世纪初,国外就有产品化的手部康复机器人,如美国卡耐基梅隆大学的手部外骨骼机器人,日本岐阜大学研制的手部运动辅助康复机器人,美国 KMI 公司研制的 Hand Mentor 康复器等。而我国对手部康复机器人的研究相对较晚,大部分的手部康复机器人还停留在实验研发阶段,如哈尔滨工业大学的创伤手指康复外骨骼手,北京航空航天大学的手指外骨骼等。
01
人体手部特性分析
在人体手部特性中,手部各骨骼的尺寸以及各关节所需的驱动力距均会对康复机器人的结构设计、动力选型产生影响。因此本文介绍健康手的自由度、关节运动角度、抓握力大小的标准数值,可供手部康复机器人的结构设计、动力选型提供参考。
人手生物学特性分析
人手由 27 块骨骼组成,具有 20 个自由度,可实现灵活精致的运动。其中拇指有 3 个关节,分别是指间( interphalangeal ,IP) 关节、掌指( metacarpophalangeal,MCP) 关节、腕掌( carpometacarpal,CMC) 关节。
IP关节与 MCP 关节均能实现屈/伸 1 个自由度,CMC关节能实现屈/伸、收/展 2 个自由度。食指、中指、无名指、小拇指均由 3 个关节组成,分别是远端指间( distal inter-phalangeal ,DIP ) 关 节、近 端 指( proximal interphalangeal ,PIP ) 关 节、掌 指( metacarpophalangeal,MCP) 关节,其中 DIP 关节和PIP 关节能实现屈/伸 1 个自由度,MCP 关节能实现屈/伸、收/展 2 个自由度。因此人手具有 20 个自由度能够完成复杂的动作。而偏瘫患者手部的肌肉处于挛缩状态导致部分关节不能自主运动,自由度和关节的活动范围大大减少。
人手运动特性分析
美国伊利诺伊理工学院的 Jones 等指出维持人手 MCP、PIP、DIP 3 个关节正常运动的扭矩分别为 2. 0 N·m 、0. 75 N·m 、0. 25 N·m。Lince 等指出人手在抓握过程中各手指抓握力的分配: 拇指51% ± 0. 01% 、食 指 25% ± 0. 05 %、中 指 12% ± 0. 04%、无名指 7%±0. 02%、小指 4%± 0. 02%,大致服从 1 /2 倍依次递减关系。Ang 等实验得出健手手部各关节的最大运动角度,拇指 IP、MCP、CMC关节最大运动角度分别为 98. 8° ± 4. 9°、23. 5° ± 3. 1°、25. 2°±3. 6°,四指的 DIP、PIP、MCP 关节最大运动角度分别是 69. 4°±7. 9°、103. 4°±1. 1°、90. 4°± 2. 5°。表 1 为在日常生活活动中对单手指指尖力进行单独检测的数值结果。
手部康复机器人能否精准复现人手自由度、关节运动角度以及各手指的抓握指尖力是衡量其康复有效性的重要参数。此外,手部康复机器人的驱动方式、机械结构、驱动力传递方式、可携带性也都会对康复辅助效果产生影响。其中手部康复机器人的机械结构是决定康复辅助效果的关键,对驱动方式的选择、是否具有可携带性以及控制方式的选择均有较大影响。
02
手部康复机器人的结构
柔性穿戴式
柔性穿戴式是指通过弹簧、鲍登线、气动肌肉等弹性元件将驱动力传递到人手并利用弹性元件带动手指运动的手部康复机器人。柔性穿戴式虽发展不如刚性外骨骼式早,但近些年来发展迅速。
马来西亚的研究人员采用双手协同康复训练,通过对患者健康手的数据采集来实现对患手的运动控制。柔性手套采用的是橡皮绳与绳索的组合驱动,用橡皮绳来实现手指的伸展运动,手指屈曲是通过电机带动手背部绳索并克服橡皮绳拉力实现的。
东北大学的 Yang 等提出了通过绳索耦合的方式来实现 MCP、PIP、DIP 3 个关节的关联运动,使得柔性绳索式手套在驱动过程中其关节运动轨迹更符合健康手运动规律。
柔性穿戴式的手部康复机器人相比于刚性外骨骼式具有质量轻、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。目前国内外研究人员主要通过使用传感器采集运动数据来实现系统的闭环控制,提高运动的精准性。国内外手部康复机器人的特性总结见下表 。
03
手部数据采集
为保证手部康复机器人的运动准确性和有效性,需要实时检测出人手的关节运动角度以及驱动力矩/力,实现系统的闭环控制,提高系统的精度和稳定性。国内外手部数据采集的方法一般用到传感器元件和运动捕捉系统。
关节角度采集
用于测量关节运动角度的传感器有电位器、柔性电阻感应器、曲率传感器。其中柔性电组感应器体积小、易安装,被广泛用于关节运动角度测量。现在已有基于摄像头的运动角度测量软件,工作原理是通过在手指关节处进行标记,在运动过程中摄像头自动捕捉标记点,最后在电脑上实时显示标记点的角度信息。
驱动力矩/力采集
测量手部驱动力矩/力大小的传感器有力矩传感器、气 压 传 感 器、垫片式压力传感器,其中垫片式压力传感器被广泛用于测量康复机器人的手指拉力。
其他数据采集
运动轨迹的采集使用已有的运动捕捉系统,如 MoCap、Prime 13,可显示手指关节标定点的实时运动轨迹。此外,用于手部数据采集的传感器还有加速度传感器、EMG 传感器,分别用于测量人手位置姿态和采集人手前臂的肌电信号。
04
控制模式
目前手部康复机器人的控制模式按照运动信号来源可分为主动控制和被动控制。
主动控制
主动控制主要用于前臂有残余肌力的轻度偏瘫患者,其运动信号来自患者本身的生理信号。
主动控制包括: 主从控制、肌电控制、脑电控制。主从控制是通过传感器采集患者健手侧的力、角度、扭矩等信息,实时传输到患手侧,利用健康手的正常运动信息辅助患手实现康复训练。
Leonardis 等2015 年提出的手部外骨骼是通过采集健手的肌电信号控制患手完成屈/伸运动的。肌电控制是通过采集患者手部对应肌群的肌电信号,对肌电信号进行分析和处理,获得正确的患手运动意图,进而实现对电机的控制。
意大利的 Lince 等通过采集前臂表面肌电信号来控制驱动电机电流大小,进而控制各手指上力的大小。目前手部康复机器人的主动控制大多为肌电控制。脑电控制则是通过采集患者的脑电信号,通过提取信号中有效的运动意图,进而控制整个装置。
Randazzo 等设计的 mano 柔性欠驱动康复机器人,用于患者的日常生活活动辅助和神经康复。患者需佩戴脑电头盔进行脑电信号采集,仅用脑电图来译码出运动表象,进而控制外骨骼手。
被动控制
被动控制主要用于前臂无残余肌力的重度偏瘫患者,其运动信号来源是直接来自控制器。
其包括:预设定控制、运动捕捉控制、轨迹控制等。预设定控制是现有手部康复机器人中运用最广的被动控制方法,通过预设定电机或者气泵的驱动参数来实现康复机器人运动轨迹的预设定,进而实现康复辅助训练。
意大利的研究员设计的 HES 外骨骼手、新加坡国立大学的气动外骨骼手,均通过按键控制外骨骼的屈/伸运动,患者仅需操作按键就能实现预想的康复训练。
运动捕捉控制是利用红外摄像头、超声波测距探头等来捕捉需抓取的物体,在人手靠近物体时,提前感知物体位置信息并反馈给控制器,最后实现电机的运动。
Popov 等设计的外骨骼手套,主要用于日常生活辅助。其手腕下方有一红外测距传感器,当手靠近物体时,红外测距传感器会自动捕捉到物体并将信息实时传递给控制模块,进而控制电机工作,实现被动控制。
05
小结及展望
从近些年研究情况可以看出,柔性穿戴式手部康复机器人正迅速发展,尤其是绳索式和气动肌肉式。传统的刚性外骨骼式手部康复机器人也在从减重方面进行改进,目前运用较多的是利用3D打印成型技术和刚柔耦合的方式,使得外骨骼机器人更加轻便、柔顺。同时传感器技术的融入,使得手部康复更加智能化。
目前手部康复机器人相比 20 世纪90 年代,已有很大进步,但仍有需深入研究之处。
①手部触感保留问题。手部康复机器人均需要穿戴在人手上,但是穿戴后会使患者在康复辅助过程中丧失手指的触感,而触感是人手日常生活中的主要功能之一。
②康复机器人的适应性。不同人的手指长短粗细均有差异。而现有的刚性/柔性康复机器人都不能很好地适应患手尺寸,使得外骨骼手的使用具有局限性。
③便携性问题。虽然现在手部康复机器人已从刚性外骨骼慢慢转为柔性穿戴式,其重量已大大减少,但因其驱动仍然用到电机或气泵,导致其不便于长期携带,限制了手部康复机器人的使用范围。为使手部康复机器人走进家庭、社区,更好地服务人类,便携的柔性手部康复机器人必将成为手部康复机器人的主流。同时,很多手部康复机器人已经与虚拟现实技术结合,相信随着虚拟现实( virtual reality,VR) 技术的不断成熟,未来的手部康复训练也将更具趣味性。
参考文献
[1] 昌赢,孟青云,喻洪流 . 手部康复机器人技术研究进展[J].北京生物医学工程,2018,Vol. 37 No. 6