融合功能性電刺激的助行康復(fù)外骨骼機(jī)器人混合控制策略研究進(jìn)展

孟 琳 侯 捷 董洪濤 劉 源 徐 瑞 明 東＃*

1(天津大學(xué)醫(yī)學(xué)工程與轉(zhuǎn)化醫(yī)學(xué)研究院，天津 300072)2(天津大學(xué)精密儀器與光電子工程學(xué)院，天津 300072)

引言

截止2017年，全球腦卒中死亡率下降了33%，但發(fā)病率不降反升，僅中國(guó)帶病生存的腦卒中患者高達(dá)1300 萬(wàn)[1-2]。 其中80%～90%的卒中患者病后存在行走障礙的后遺癥，嚴(yán)重影響患者生活質(zhì)量，給患者家庭及社會(huì)帶來(lái)沉重經(jīng)濟(jì)負(fù)擔(dān)[3-4]。 傳統(tǒng)康復(fù)方法通常是臨床醫(yī)生配合器械，指導(dǎo)患者進(jìn)行被動(dòng)重復(fù)功能性動(dòng)作訓(xùn)練，使其經(jīng)長(zhǎng)期康復(fù)訓(xùn)練后恢復(fù)部分或全部運(yùn)動(dòng)功能。 然而，僅約有40%～50%的患者可在這種強(qiáng)化治療中獲益[5]，僅有少數(shù)偏癱患者能恢復(fù)到正常步行程度[6]。 近年來(lái)，醫(yī)療技術(shù)提高與科技水平發(fā)展促進(jìn)了康復(fù)輔助手段的興起和快速發(fā)展，一方面有效緩解了康復(fù)醫(yī)療人力資源的緊張狀況，另一方面較傳統(tǒng)康復(fù)方法，功能性康復(fù)技術(shù)更側(cè)重于患者運(yùn)動(dòng)功能的重建、替代、訓(xùn)練和適應(yīng)，有望極大地提高患者生存質(zhì)量。

功能性電刺激(functional electrical stimulation，F(xiàn)ES)通過(guò)對(duì)人體肌肉施加刺激電流，激活肌肉收縮，從而使患者能夠自主完成相應(yīng)動(dòng)作[7]。 FES 在實(shí)現(xiàn)功能性運(yùn)動(dòng)輔助的同時(shí)，可以增強(qiáng)肌力以及促進(jìn)神經(jīng)可塑性，從而提高運(yùn)動(dòng)康復(fù)效果[8]。 該技術(shù)最早被應(yīng)用于足下垂的矯正[9]，現(xiàn)已被廣泛應(yīng)用于下肢康復(fù)[10-15]。 雖然FES 對(duì)患者運(yùn)動(dòng)功能康復(fù)已有實(shí)際應(yīng)用及商業(yè)化產(chǎn)品，但仍存在明顯的局限性，如:電刺激驅(qū)動(dòng)肌肉的力矩有限，肌肉作為非線性元件難以精準(zhǔn)控制，同時(shí)長(zhǎng)時(shí)連續(xù)電刺激易引發(fā)肌肉疲勞等，這些問(wèn)題嚴(yán)重限制了基于FES 的運(yùn)動(dòng)康復(fù)系統(tǒng)的實(shí)際臨床應(yīng)用。

近年來(lái)，研究者們提出了融合FES 與下肢康復(fù)機(jī)器人的混合控制方法:一方面利用外骨骼機(jī)器人或矯形器的高效力矩驅(qū)動(dòng)優(yōu)勢(shì)，彌補(bǔ)FES 對(duì)患者肌肉驅(qū)動(dòng)不足的缺陷，同時(shí)有效延緩電刺激引發(fā)肌肉疲勞的發(fā)生[16-18]；另一方面，通過(guò)FES 激活肌肉自主收縮，可以實(shí)現(xiàn)患者最大程度的主動(dòng)康復(fù)訓(xùn)練[19-20]。 研究者們認(rèn)為FES 與外骨骼機(jī)器人驅(qū)動(dòng)相結(jié)合，發(fā)揮了兩種康復(fù)技術(shù)的優(yōu)勢(shì)，實(shí)現(xiàn)了更為優(yōu)化的主被動(dòng)結(jié)合的康復(fù)輔助模式[21-24]。

筆者綜述了面向助行康復(fù)的FES 與外骨骼混合控制策略研究現(xiàn)狀，分別從FES 與被動(dòng)矯形器結(jié)合的單向控制方法和與主動(dòng)外骨骼結(jié)合的混合控制方法剖析了其相關(guān)技術(shù)與難點(diǎn)(見(jiàn)圖1)，討論了構(gòu)建人機(jī)信息交互環(huán)路的關(guān)鍵問(wèn)題，以及如何設(shè)計(jì)出合理高效混合控制策略，以實(shí)現(xiàn)動(dòng)態(tài)控制分配，并對(duì)本領(lǐng)域未來(lái)發(fā)展方向進(jìn)行總結(jié)與展望。

圖1 融合FES 與下肢康復(fù)機(jī)器人的混合控制策略分類原理Fig.1 Schematic diagram of the classification principle of hybrid FES-robotic control strategies

1 FES 單向控制策略

FES 與矯形器結(jié)合的下肢助行系統(tǒng)多采用足踝矯形器(ankle-foot orthosis， AFO)、膝-足-踝矯形器(knee-ankle-foot orthosis， KAFO)和髖-膝-足-踝矯形器(hip-knee-ankle-foot orthosis， HKAFO)。 矯形器雖然不具備主動(dòng)驅(qū)動(dòng)的功能，但其可在步態(tài)周期站立階段通過(guò)限制或鎖死關(guān)節(jié)為患者提供支撐作用，或采用彈簧離合器、關(guān)節(jié)耦合器等儲(chǔ)能機(jī)械設(shè)計(jì)實(shí)現(xiàn)關(guān)節(jié)的驅(qū)動(dòng)，從而降低FES 的驅(qū)動(dòng)力矩需求[25]。 因此，矯形器與FES 結(jié)合的混合系統(tǒng)控制模型以FES 控制為主，即FES 單向控制，其控制策略可分為開(kāi)環(huán)FES 和閉環(huán)FES 方法(見(jiàn)表1)。

表1 FES 與矯形器結(jié)合的單向控制策略總結(jié)Tab.1 Summary of unidirectional FES-orthosis control principles

開(kāi)環(huán)FES 控制方法通常在步態(tài)擺動(dòng)期對(duì)選定肌肉施加電刺激，驅(qū)動(dòng)關(guān)節(jié)運(yùn)動(dòng)，以完成相應(yīng)擺動(dòng)動(dòng)作，但不能對(duì)運(yùn)動(dòng)關(guān)節(jié)角度或力矩進(jìn)行精確控制。 FES 控制模式的開(kāi)關(guān)(on/off)由穿戴者所處步態(tài)相位階段控制。 步態(tài)相位檢測(cè)多采用過(guò)足底開(kāi)關(guān)[26]，手動(dòng)開(kāi)關(guān)[27]，或者基于運(yùn)動(dòng)學(xué)信號(hào)的機(jī)器學(xué)習(xí)識(shí)別模型[28-29]實(shí)現(xiàn)，如圖2 所示。 Krishnamoorthy等[26]和Farris 等[27]設(shè)計(jì)的FES-矯形器混合助行系統(tǒng)，結(jié)合了FES 與平衡重力式矯形器GBO(gravitybalanced orthosis) 和關(guān)節(jié)耦合矯形器JCO(jointcoupled orthosis)，分別采用了足底開(kāi)關(guān)和手動(dòng)開(kāi)關(guān)判斷站立期和擺動(dòng)期，站立期鎖定膝關(guān)節(jié)，擺動(dòng)期施加電刺激于對(duì)應(yīng)肌肉，協(xié)助患者完成邁步動(dòng)作。Bulea 等[28]和Chang 等[29]采用有限狀態(tài)機(jī)(finite state machine， FSM)方法，通過(guò)運(yùn)動(dòng)信號(hào)(足底開(kāi)關(guān)、膝關(guān)節(jié)角度、慣性測(cè)量單元(inertial measurement unit， IMU)運(yùn)動(dòng)信息)進(jìn)行五個(gè)步態(tài)相位階段識(shí)別，從而實(shí)現(xiàn)更復(fù)雜的FES 時(shí)序控制。 Bulea 等[28]在站立中期和擺動(dòng)期電刺激股四頭肌，分別用于穩(wěn)定膝關(guān)節(jié)和協(xié)助患者邁步，相較單一FES，混合系統(tǒng)可降低40%電刺激強(qiáng)度，并實(shí)現(xiàn)更接近于正常步態(tài)的膝關(guān)節(jié)運(yùn)動(dòng)。 Chang 等[29]設(shè)計(jì)的FES-矯形器助行系統(tǒng)，增加了坐姿和站立的狀態(tài)轉(zhuǎn)換功能，狀態(tài)轉(zhuǎn)換時(shí)膝關(guān)節(jié)解鎖，依序打開(kāi)或關(guān)閉對(duì)股四頭肌和臀大肌的電刺激，完成狀態(tài)轉(zhuǎn)換后重新鎖定膝關(guān)節(jié)。

圖2 FES 單向控制策略原理Fig.2 Schematic diagram of unilateral FES-orthosis control strategies

然而，開(kāi)環(huán)FES 控制策略采用固定刺激模式，參數(shù)無(wú)法根據(jù)被試者進(jìn)行個(gè)體化及實(shí)時(shí)調(diào)整，其輔助力矩可能無(wú)法滿足患者運(yùn)動(dòng)需求。 閉環(huán)FES 控制策略采用人機(jī)交互信息，例如，根據(jù)關(guān)節(jié)角度[30-31]、人機(jī)交互力矩[32]和人工智能控制算法，實(shí)時(shí)調(diào)整FES 控制參數(shù)，驅(qū)動(dòng)患者患肢達(dá)到更理想的運(yùn)動(dòng)關(guān)節(jié)角度軌跡，并有效降低運(yùn)動(dòng)過(guò)程中患者與矯形器之間的交互力矩，在提高患者主動(dòng)康復(fù)參與度的同時(shí)保證使用安全性和舒適性。

現(xiàn)有研究多采用關(guān)節(jié)角度作為閉環(huán)FES 控制反饋信號(hào)。 Seel 等[30]通過(guò)放置于腳面的IMU 傳感器的6 軸信息實(shí)現(xiàn)了踝關(guān)節(jié)角度測(cè)量與步態(tài)相位階段識(shí)別，基于預(yù)設(shè)關(guān)節(jié)角度軌跡實(shí)時(shí)反饋踝關(guān)節(jié)角度誤差， 采用迭代學(xué)習(xí)控制(iterative learning control， ILC)算法，調(diào)整下一步態(tài)周期的電刺激幅值。 Jailani 等[31]建立了膝關(guān)節(jié)運(yùn)動(dòng)力學(xué)模型和仿真肌肉輸出力矩與FES 參數(shù)關(guān)系的肌肉模型，基于預(yù)設(shè)關(guān)節(jié)角度軌跡和模糊邏輯控制(fuzzy logic control， FLC)算法，反饋膝關(guān)節(jié)角度誤差，實(shí)時(shí)調(diào)整電 刺 激 脈 沖 寬 度。 Stauffer 等[32]結(jié) 合WALKTRAINER 助行矯形器和14 導(dǎo)FES 發(fā)展了下肢混合助行系統(tǒng)，通過(guò)矯形器上的力傳感器實(shí)時(shí)反饋當(dāng)前步態(tài)周期的交互力矩，基于最小化人機(jī)交互力矩方法，調(diào)整優(yōu)化下一步態(tài)周期的電刺激幅值，幅值調(diào)整步長(zhǎng)為±5 mA。

2 FES 與外骨骼融合控制策略

融合FES 與外骨骼機(jī)器人的助行康復(fù)系統(tǒng)可以有效對(duì)患者肌肉主動(dòng)運(yùn)動(dòng)與外部輔助進(jìn)行自適應(yīng)調(diào)整，從而提高患者主動(dòng)康復(fù)的效果。 其中關(guān)鍵技術(shù)難點(diǎn)在于如何設(shè)計(jì)合理高效的融合控制策略，以實(shí)現(xiàn)FES 與外骨骼之間的動(dòng)態(tài)控制分配。 現(xiàn)有研究的控制策略主要可分為外骨骼主控和交互控制，其基本原理如圖3 所示。

圖3 FES 與外骨骼融合控制策略原理Fig.3 Schematic diagram of cooperative FES-exoskeleton control strategies

2.1 外骨骼主導(dǎo)控制策略

外骨骼控制模型多數(shù)采用基于關(guān)節(jié)角度反饋的PID(proportional-integral-derivative， PID)控制、PD(proportional-derivative， PD)控制和自適應(yīng)控制(adaptive control)等方法(見(jiàn)表2):基于健康被試者數(shù)據(jù)建立運(yùn)動(dòng)學(xué)模型，獲得預(yù)定關(guān)節(jié)角度軌跡，通過(guò)實(shí)時(shí)反饋關(guān)節(jié)角度以調(diào)節(jié)電機(jī)輸出力矩，實(shí)現(xiàn)理想關(guān)節(jié)角度軌跡跟蹤[33-39]；相對(duì)的，F(xiàn)ES 系統(tǒng)大多采用開(kāi)環(huán)控制模型，基于所處步態(tài)階段實(shí)施相應(yīng)FES開(kāi)關(guān)控制[33-36]，電刺激參數(shù)固定。

表2 外骨骼主導(dǎo)的控制策略總結(jié)Tab.2 Summary of exoskeleton-leading control principles

Kirsch 等[33]研發(fā)的髖關(guān)節(jié)驅(qū)動(dòng)混動(dòng)外骨骼(semi-active hybrid orthosis，SEAHO)，利用手動(dòng)開(kāi)關(guān)結(jié)合有限狀態(tài)機(jī)算法區(qū)分邁左腿、邁右腿和站立期三種步態(tài)階段，外骨骼基于理想角度軌跡對(duì)髖關(guān)節(jié)進(jìn)行PID 閉環(huán)控制，F(xiàn)ES 則依據(jù)髖關(guān)節(jié)角度進(jìn)行切換，其具體控制過(guò)程為:站立期外骨骼鎖死膝關(guān)節(jié)，為患者提供足夠支撐；擺動(dòng)期外骨骼解除膝關(guān)節(jié)鎖死并驅(qū)動(dòng)髖關(guān)節(jié)運(yùn)動(dòng)，依據(jù)髖關(guān)節(jié)角度變化依次對(duì)腓腸肌、腘繩肌和股四頭肌施加電刺激，協(xié)助患者完成踝關(guān)節(jié)趾屈蹬地、膝關(guān)節(jié)屈曲和伸展。 Spencer等[34]提出了相似的控制策略，實(shí)現(xiàn)了協(xié)助患者完成從坐姿到站立的運(yùn)動(dòng)轉(zhuǎn)換。 3 位脊髓損傷患者參與實(shí)驗(yàn)，結(jié)果表明，與不使用FES 相比，混合驅(qū)動(dòng)系統(tǒng)可使外骨骼髖關(guān)節(jié)、膝關(guān)節(jié)電機(jī)輸出扭矩分別降低18%和8%。 Kurokawa 等[35]設(shè)計(jì)的混動(dòng)外骨骼，利用足底開(kāi)關(guān)判斷站立期和擺動(dòng)期，髖關(guān)節(jié)采用氣動(dòng)驅(qū)動(dòng)并與足底開(kāi)關(guān)同步，F(xiàn)ES 則依據(jù)足底開(kāi)關(guān)進(jìn)行切換，其具體控制過(guò)程為:在站立階段，電刺激股四頭肌以穩(wěn)定膝關(guān)節(jié)，在擺動(dòng)期電刺激腓腸肌、比目魚(yú)肌驅(qū)動(dòng)踝關(guān)節(jié)趾屈，隨后電刺激脛骨前肌幫助踝關(guān)節(jié)屈曲完成邁步動(dòng)作。 運(yùn)動(dòng)實(shí)驗(yàn)中，通過(guò)檢測(cè)肌肉的電刺激響應(yīng)(M 波)對(duì)肌肉疲勞狀態(tài)進(jìn)行評(píng)定，并且通過(guò)優(yōu)化電刺激時(shí)序以減少多通道肌肉電刺激引發(fā)的響應(yīng)干擾。

Alouane 等[36]基于膝關(guān)節(jié)運(yùn)動(dòng)學(xué)模型提出了自適應(yīng)控制方法:利用關(guān)節(jié)角度信號(hào)對(duì)電刺激下股四頭肌產(chǎn)生力矩進(jìn)行估計(jì)，并作為系統(tǒng)模型的外部干擾輸入；理想關(guān)節(jié)角度和實(shí)際關(guān)節(jié)角度作為自適應(yīng)控制器的輸入信號(hào)，確定電機(jī)補(bǔ)償力矩幅值，實(shí)現(xiàn)膝關(guān)節(jié)運(yùn)動(dòng)角度軌跡跟蹤控制。 其模型優(yōu)勢(shì)在于不需要復(fù)雜的肌肉骨骼模型，有效降低了算法復(fù)雜度。 對(duì)一位健康受試者的驗(yàn)證實(shí)驗(yàn)表明，混合系統(tǒng)可使外骨骼電機(jī)輸出扭矩降低約19%。

研究者們提出利用交互信息和智能控制方法，實(shí)現(xiàn)更高效的混合驅(qū)動(dòng)。 Kevin 等[37]利用外骨骼髖關(guān)節(jié)輸出力矩建立了肌肉輸出力矩估計(jì)模型用于調(diào)整下一步態(tài)周期電刺激幅值、開(kāi)始時(shí)間和持續(xù)時(shí)間，對(duì)3 位脊髓損傷患者的驗(yàn)證實(shí)驗(yàn)表明，混合系統(tǒng)可使外骨骼電機(jī)輸出扭矩降低約34%。 該團(tuán)隊(duì)亦提出了基于人機(jī)交互力矩的肌肉疲勞檢測(cè)方法，如果當(dāng)前步態(tài)周期內(nèi)的主動(dòng)輸出力矩幅值小于前一步態(tài)周期的最大輸出力矩的三分之一，則判定患者出現(xiàn)肌肉疲勞狀況，系統(tǒng)將停止電刺激2 min[38]。Del-Ama 等[39]提出了以人機(jī)交互力矩作為反饋的FES 雙閉環(huán)控制模型，即不同肌肉采用不同的FES控制模型:對(duì)股四頭肌(膝關(guān)節(jié)伸展運(yùn)動(dòng))采用PID控制，對(duì)腘繩肌(膝關(guān)節(jié)彎曲運(yùn)動(dòng))則采用ILC 控制，在模型中通過(guò)最小化交互力矩來(lái)調(diào)整電刺激脈沖寬度。 同時(shí)，根據(jù)人機(jī)交互力矩調(diào)節(jié)膝關(guān)節(jié)驅(qū)動(dòng)器剛度，提高外骨骼輸出穩(wěn)定性。 Del-Ama 同樣考慮了肌肉疲勞模型，通過(guò)計(jì)算基于電刺激的肌肉力矩相對(duì)時(shí)間的積分TTI(torque time integral， TTI)評(píng)估肌肉疲勞狀態(tài)，當(dāng)TTI 下降達(dá)到19%時(shí)認(rèn)為出現(xiàn)肌肉疲勞，停止施加電刺激。

2.2 FES 與外骨骼交互控制策略

由于外骨骼主導(dǎo)的控制策略未能有效實(shí)現(xiàn)FES和外骨骼的交互控制以及驅(qū)動(dòng)輸出的動(dòng)態(tài)分配，因此，有研究者提出了FES 與外骨骼交互控制策略:通過(guò)預(yù)定義的理想關(guān)節(jié)運(yùn)動(dòng)軌跡和基于反動(dòng)力學(xué)的下肢運(yùn)動(dòng)力學(xué)模型，估算關(guān)節(jié)所需總驅(qū)動(dòng)力矩，基于所需力矩，根據(jù)特定控制算法在FES 和外骨骼驅(qū)動(dòng)間進(jìn)行分配，結(jié)合下肢肌肉模型，實(shí)現(xiàn)對(duì)電刺激參數(shù)和電機(jī)力矩輸出的動(dòng)態(tài)調(diào)整(見(jiàn)表3)。

表3 FES 與外骨骼交互控制策略總結(jié)Tab.3 Summary of cooperative FES-exoskeleton control principles

研究者多采用Hill-type 肌骨模型來(lái)估計(jì)電刺激的肌肉輸出力矩[52-53]。 該模型描述了肌肉的激勵(lì)、收縮動(dòng)力學(xué)和疲勞效應(yīng)，但其算法復(fù)雜。 因此，一些研究者提出了簡(jiǎn)化模型，將電刺激強(qiáng)度與肌肉輸出力矩的關(guān)系簡(jiǎn)化為延時(shí)和增益兩個(gè)特征參數(shù)[40]，或利用神經(jīng)網(wǎng)絡(luò)模型對(duì)肌骨系統(tǒng)建模[51]。

在肌肉建模的基礎(chǔ)上，研究者們提出了最大化肌肉輸出力矩，外骨骼驅(qū)動(dòng)輔助的交互控制策略。Quintero 等[40]研發(fā)了膝關(guān)節(jié)驅(qū)動(dòng)混合控制方法，以關(guān)節(jié)角度為反饋基于預(yù)設(shè)軌跡進(jìn)行外骨骼PD 閉環(huán)控制，另一方面以關(guān)節(jié)角度和外骨骼輸出力矩為輸入信號(hào)，結(jié)合梯度投影算法，通過(guò)實(shí)時(shí)調(diào)整電刺激的幅值和持續(xù)時(shí)間，最大化股四頭肌輸出力矩。 研究者對(duì)一名截癱患者進(jìn)行了系統(tǒng)驗(yàn)證實(shí)驗(yàn)，結(jié)果表明FES 下股四頭肌驅(qū)動(dòng)在運(yùn)動(dòng)中輸出功率占比可達(dá)到55%，但該方法有可能導(dǎo)致肌肉的快速疲勞。

研究者們還提出了最小化系統(tǒng)輸入的控制策略。 Kirsch 等[41]提出了基于關(guān)節(jié)角度誤差和系統(tǒng)輸入的成本函數(shù)最小值優(yōu)化方法，結(jié)合非線性模型預(yù)測(cè)控制( nonlinear model predictive control，NMPC)方法[42-44]，實(shí)現(xiàn)了兩種驅(qū)動(dòng)間的動(dòng)態(tài)分配，并增加對(duì)肌肉疲勞的建模。 研究者對(duì)2 名脊髓損傷患者進(jìn)行系統(tǒng)驗(yàn)證實(shí)驗(yàn)，結(jié)果表明系統(tǒng)可實(shí)現(xiàn)理想的控制動(dòng)態(tài)分配和關(guān)節(jié)運(yùn)動(dòng)軌跡，減少了患者肌肉疲勞。 Alibeji 等[45-46]在混合髖膝踝電機(jī)、6 通道FES 和支撐腿主動(dòng)驅(qū)動(dòng)的單腿10 輸入、4 自由度下肢運(yùn)動(dòng)模型中，通過(guò)最小化系統(tǒng)輸入得到關(guān)節(jié)最優(yōu)運(yùn)動(dòng)軌跡和10 個(gè)系統(tǒng)輸入最優(yōu)值，并利用肌肉協(xié)同原理將最優(yōu)系統(tǒng)輸入降維處理為2 個(gè)激勵(lì)信號(hào)[54]。該系統(tǒng)設(shè)計(jì)了應(yīng)用于協(xié)同效應(yīng)激活的自適應(yīng)前饋控制器，在對(duì)電機(jī)的控制中增加了基于關(guān)節(jié)角度誤差的PD 反饋控制，提高了系統(tǒng)穩(wěn)定性和魯棒性。在此基礎(chǔ)上Alibeji 等[47]提出了動(dòng)態(tài)姿勢(shì)協(xié)同(dynamic postural synergies)控制方法，將行走分割為有限個(gè)動(dòng)態(tài)姿勢(shì)，分別計(jì)算每個(gè)動(dòng)態(tài)姿勢(shì)的協(xié)同作用并按順序激活，通過(guò)最小化動(dòng)態(tài)姿態(tài)的位置誤差和最小化系統(tǒng)激活狀態(tài)，實(shí)現(xiàn)兩種驅(qū)動(dòng)的動(dòng)態(tài)分配。 Alibeji 等后續(xù)的研究通過(guò)增加肌肉疲勞建模，實(shí)現(xiàn)了對(duì)肌肉疲勞狀態(tài)的檢測(cè)。 Romero-Sanchez等[48]利用4 種方法對(duì)肌肉輸出力和電機(jī)輸出力矩進(jìn)行歸一化處理，并分別計(jì)算系統(tǒng)輸入最小的成本函數(shù)，以獲得最優(yōu)驅(qū)動(dòng)分配方案，最終得到下肢行走模型對(duì)每條腿15 塊肌肉的最優(yōu)FES 驅(qū)動(dòng)曲線及最優(yōu)電機(jī)驅(qū)動(dòng)曲線。

此外，一些研究者還提出了基于中樞模式發(fā)生器(central pattern generators， CPG)的仿生控制方法，以感覺(jué)反饋?zhàn)詣?dòng)激活運(yùn)動(dòng)驅(qū)動(dòng)單元，產(chǎn)生步行、奔跑等節(jié)律性運(yùn)動(dòng)模式，不僅降低了運(yùn)動(dòng)控制回路的延遲時(shí)間，而且有效降低了對(duì)控制信號(hào)維數(shù)的要求[55-58]。 Ren 等[49-50]用CPG 模塊內(nèi)部網(wǎng)絡(luò)耦合和外來(lái)信號(hào)反饋實(shí)現(xiàn)了FES 和外骨骼驅(qū)動(dòng)輔助同步。Ren 團(tuán)隊(duì)利用4 個(gè)相互耦合的Matsuoka 神經(jīng)振蕩器構(gòu)成的CPG 網(wǎng)絡(luò)，來(lái)生成FES 和下肢外骨骼的參考軌跡，其中，兩個(gè)振蕩器相互組合用于生成FES 的參考軌跡，另外兩個(gè)振蕩器相互組合用于生成外骨骼的參考軌跡。 FES 控制采用在線調(diào)節(jié)模塊將實(shí)測(cè)的關(guān)節(jié)角度作為FES 兩個(gè)Matsuoka 振蕩器的反饋信號(hào)輸入，實(shí)現(xiàn)FES 的參考軌跡和實(shí)測(cè)的關(guān)節(jié)角度同步，結(jié)合反運(yùn)動(dòng)學(xué)模型和Hill-type 肌肉模型實(shí)時(shí)調(diào)整電刺激脈沖寬度；膝關(guān)節(jié)電機(jī)基于外骨骼參考軌跡進(jìn)行PID 閉環(huán)控制，其控制原理如圖4 所示。研究者對(duì)4 位健康受試者進(jìn)行系統(tǒng)驗(yàn)證實(shí)驗(yàn)，利用實(shí)際交互力矩評(píng)價(jià)控制系統(tǒng)的有效性，結(jié)果表明系統(tǒng)可實(shí)現(xiàn)FES 和外骨骼驅(qū)動(dòng)同步，且外骨骼可實(shí)現(xiàn)理想的關(guān)節(jié)運(yùn)動(dòng)軌跡。

圖4 FEXO Knee 下肢康復(fù)外骨骼交互控制原理圖[50]Fig.4 Interactive control diagram of FEXO Knee [50]

2.3 基于電生理信號(hào)的交互控制策略

基于生物電信號(hào)的控制策略是人機(jī)交互技術(shù)的重要基礎(chǔ)。 將表面肌電(surface electromyography，sEMG)[51，59]、 腦電 (electroencephalogram， EEG)[60-62]等電生理信號(hào)作為控制器輸入，通過(guò)識(shí)別患者運(yùn)動(dòng)意圖，實(shí)現(xiàn)對(duì)FES 以及外骨骼的控制。 Chen等[51]在iLeg 下肢康復(fù)外骨骼中，髖膝關(guān)節(jié)驅(qū)動(dòng)器采用阻抗控制，臀大肌和股四頭肌的FES 則采用前饋＋反饋的控制方法:在前饋控制中，利用下肢六導(dǎo)sEMG 信號(hào)估計(jì)患者肌肉的主動(dòng)收縮力矩[63-65]，進(jìn)而確定FES 的脈沖寬度，使電刺激強(qiáng)度與肌肉的主動(dòng)力矩成正比來(lái)激發(fā)患者的自主運(yùn)動(dòng)，實(shí)現(xiàn)康復(fù)訓(xùn)練的正反饋的效果；反饋控制則利用外骨骼驅(qū)動(dòng)力矩計(jì)算肌肉輸出力矩與期望值之差調(diào)整電刺激的脈沖寬度，并通過(guò)與FES 的前饋控制相結(jié)合，進(jìn)一步提高了系統(tǒng)穩(wěn)態(tài)精度[66]，對(duì)一位健康受試者和一位脊髓損傷患者的驗(yàn)證實(shí)驗(yàn)證明了控制系統(tǒng)的有效性。

腦-機(jī)接口(brain-computer interface， BCI)是在人腦與計(jì)算機(jī)或其他電子設(shè)備之間建立的不依賴于常規(guī)大腦信息輸出通路(外周神經(jīng)和肌肉組織)的全新對(duì)外信息交流和控制技術(shù)，可通過(guò)采集和解碼EEG 信號(hào)以獲取用戶的意圖，從而實(shí)現(xiàn)對(duì)外圍設(shè)備的控制[67-70]。 一些研究者提出了BCI 與FES 結(jié)合的康復(fù)策略，通過(guò)運(yùn)動(dòng)意圖檢測(cè)激活對(duì)肌肉的電刺激，由感覺(jué)反饋形成閉環(huán)，以獲得更好的運(yùn)動(dòng)康復(fù)效果[71-74]。 Chung 等[74]研發(fā)了基于運(yùn)動(dòng)想象(motor imagery， MI)的腦-機(jī)接口，通過(guò)解碼患者運(yùn)動(dòng)意圖觸發(fā)對(duì)脛骨前肌的電刺激，對(duì)10 位脊髓損傷患者的實(shí)驗(yàn)表明，與單獨(dú)的FES 康復(fù)訓(xùn)練相比，F(xiàn)ES與BCI 相結(jié)合對(duì)患者的平衡和步態(tài)改善有更好的效果。 Irimia 和Poboroniuc 等[61-62]發(fā)展了BCI 與FES 和外骨骼相結(jié)合的系統(tǒng)，其中外骨骼提供輔助驅(qū)動(dòng)和軌跡控制作用。 Irimia 等[61]利用BCI 判斷患者左、右手臂的屈伸運(yùn)動(dòng)意圖，觸發(fā)對(duì)肱二頭肌、肱三頭肌的電刺激和肘部電機(jī)驅(qū)動(dòng)。 5 位脊髓損傷患者的實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)可實(shí)現(xiàn)患者手臂運(yùn)動(dòng)功能的改善。 然而，目前基于BCI 的FES 與外骨骼交互控制策略的相關(guān)研究較少，仍待深入研究。

3 總結(jié)與展望

融合FES 和外骨骼機(jī)器人的混合助行康復(fù)系統(tǒng)發(fā)揮了兩種康復(fù)方法的優(yōu)勢(shì)。 研究者們已經(jīng)證明了混合控制策略的可行性，F(xiàn)ES 驅(qū)動(dòng)肌肉自主運(yùn)動(dòng)一方面可提高患者主動(dòng)康復(fù)參與度，另一方面其產(chǎn)生的驅(qū)動(dòng)力矩可有效減少外骨骼的功率需求，從而降低機(jī)械系統(tǒng)的尺寸和重量。 外骨骼機(jī)器人的高效力矩驅(qū)動(dòng)優(yōu)勢(shì)可以彌補(bǔ)FES 對(duì)患者肌肉驅(qū)動(dòng)不足且難以實(shí)現(xiàn)精確控制的缺陷，提高運(yùn)動(dòng)輔助驅(qū)動(dòng)效果。 筆者綜合分析了現(xiàn)有混合控制策略的技術(shù)特點(diǎn)及已有系統(tǒng)的臨床實(shí)驗(yàn)結(jié)果，多數(shù)混合康復(fù)系統(tǒng)仍處于實(shí)驗(yàn)室階段，臨床被試數(shù)量不足，且對(duì)于合理有效的混合控制策略的設(shè)計(jì)尚無(wú)一致性結(jié)論。 面向研究領(lǐng)域亟待解決問(wèn)題，研究者們可從以下幾個(gè)方面開(kāi)展深入研究，以實(shí)現(xiàn)更安全、高效的混合康復(fù)系統(tǒng)。

1)構(gòu)建人機(jī)信息交互緊密環(huán)路，實(shí)現(xiàn)精確運(yùn)動(dòng)意圖識(shí)別，提高患者主動(dòng)康復(fù)參與度。 現(xiàn)有研究采用運(yùn)動(dòng)學(xué)信號(hào)(足底開(kāi)關(guān)、膝關(guān)節(jié)角度、IMU 運(yùn)動(dòng)信息)、電生理信號(hào)(如肌電)等結(jié)合智能算法檢測(cè)識(shí)別患者運(yùn)動(dòng)意圖，未來(lái)隨著生物信號(hào)傳感技術(shù)的不斷發(fā)展，可用于運(yùn)動(dòng)意圖檢測(cè)的信號(hào)種類將大大拓寬，例如基于運(yùn)動(dòng)想象的腦-機(jī)接口等，系統(tǒng)可根據(jù)患者運(yùn)動(dòng)意圖自適應(yīng)地調(diào)整FES 參數(shù)和外骨骼輔助，實(shí)現(xiàn)“按需協(xié)助”和患者“所思即所動(dòng)”的理想運(yùn)動(dòng)控制效果，結(jié)合觸覺(jué)、聽(tīng)覺(jué)等多模態(tài)反饋，可進(jìn)一步提高患者康復(fù)訓(xùn)練的積極性和康復(fù)效果。

2)設(shè)計(jì)更合理高效的混合控制策略，并提高混合驅(qū)動(dòng)系統(tǒng)的安全性。 研究者們已提出基于CPG仿生模型、Hill-type 肌肉模型等方法對(duì)外骨骼和FES 控制進(jìn)行動(dòng)態(tài)分配，未來(lái)隨著控制算法的改進(jìn)以及對(duì)人體神經(jīng)肌骨模型建模的深入研究，有望實(shí)現(xiàn)更精細(xì)的混合驅(qū)動(dòng)控制，使康復(fù)機(jī)器人能隨患者柔順運(yùn)動(dòng)，避免對(duì)人體造成二次傷害，提高系統(tǒng)的安全可靠性。

3)推進(jìn)混合助行康復(fù)系統(tǒng)的臨床應(yīng)用。 現(xiàn)階段，大多數(shù)系統(tǒng)的控制策略仍處于實(shí)驗(yàn)驗(yàn)證階段，僅進(jìn)行了少量患者測(cè)試，并且多數(shù)研究?jī)H進(jìn)行了單次實(shí)驗(yàn)，尚無(wú)專門(mén)研究證明混合康復(fù)技術(shù)對(duì)患者長(zhǎng)期康復(fù)的效用，因此需要進(jìn)一步的臨床測(cè)試來(lái)證明系統(tǒng)的有效性和安全性。

目前，我國(guó)運(yùn)動(dòng)障礙患者基數(shù)龐大，智能康復(fù)機(jī)器人技術(shù)有著巨大的社會(huì)需求與應(yīng)用市場(chǎng)。 隨著微型傳感、電子、機(jī)械等高新技術(shù)的不斷發(fā)展，混合助行康復(fù)系統(tǒng)有望作為更有效的康復(fù)手段，應(yīng)用于臨床康復(fù)，造福廣大患者。