一、机器人辅助神经康复训练的研究进展(论文文献综述)
薛夏利,邓钟义,孙君志,李宁,任文博,周凌,合烨[1](2022)在《康复机器人领域10年研究热点:基于Web of Science数据库的文献计量学分析》文中指出背景:由于传统的康复训练方法对慢性损伤患者的功能恢复效果有限,康复机器人在慢性损伤的康复训练中正得到越来越多的研究和应用。目的:解析和追踪近10年康复机器人领域相关研究的热点和前沿,为未来研究提供一定指导。方法:计算机检索2010-2020年在Web of Science数据库SCIE核心数据合集发表的康复机器人相关研究,检索条件为"TS=(rehabilitation robot OR rehabilitation robotics)"。运用CiteSpace 5.7可视化软件,从高影响力国家/地区、作者、高频关键词及突现词等方面解析康复机器人研究的热点与前沿。结果与结论:(1)最终纳入3 194篇文献,近年来康复机器人的研究热度一直持续不减,相关文献年发表量呈现稳定增长的趋势,美国发文量位居首位,中国紧跟其后;(2)美国西北大学以发文量161篇位居机构第一位;瑞士苏黎世大学教授Riener R以发文量48篇位居作者第一位;(3)研究形成了9个具有代表性的关键词聚类,并随时间推移呈现研究重点和方向的转变趋势;(4)近10年研究热点主要集中在康复机器人的智能控制、任务分析与学习、性能和可靠性、康复机器人人机交互方式如何通过机器智能与生物智能的融合,实现机器人与人的自然、精准交互等方面;(5)目前,康复机器人在上肢和神经损伤领域的应用最广泛,关于脑机接口、虚拟现实、柔性可穿戴式、任务分析和外骨骼类的康复机器人研究越来越引起人们的关注,是近年来康复机器人研究的前沿和热点领域,代表着未来的研究发展趋势,是今后研究可以参考的方向。未来康复机器人领域的研究应着重关注以下方面:一是关注患者功能需求,提高生活质量;二是加强多学科交叉合作,构建区域国家合作网络。
陶璟,霍宇飞,于随然[2](2021)在《面向儿童的下肢康复外骨骼机器人研发进展》文中认为我国儿童康复面临专业人才不足,国产专门化医疗器械及先进康复技术匮乏的严峻问题,严重影响了儿童康复实践工作的开展。一些先进国家已开始儿童康复外骨骼技术的探索并取得一定成果,证实了该技术原理可行性、临床有效性和良好的发展潜力。因此,面向儿童的外骨骼康复系统研发不仅是面向切实人民需求的,也是我国在先进机器人和康复医疗技术领域取得话语权和核心竞争力所必要的。本文首先分析了现有常规儿童运动康复治疗方法的局限性,在此基础上综述了现有儿童下肢康复外骨骼系统技术特点及其临床应用进展和初步结论,进一步分析了儿童康复外骨骼机器人关键共性研究问题和特性研发技术难点,为我国自主研发该类技术和系统提供依据。
鲁守银,袁鲁浩[3](2021)在《康复机器人的人机交互控制技术研究进展》文中提出康复机器人的应用研究能够有效地解决脑卒中疾病或意外事故引起的运动障碍患者运动康复需求的问题,是国际机器人领域的一个研究热点。文章从康复机器人的需求和功能设计、主被动训练康复机器人控制技术、患者运动意图信息感知技术和人机交互控制技术以及人机交互控制的安全稳定性等方面综述了康复机器人关键技术的研究进展,展望了人机交互控制技术的发展趋势,以期为康复机器人的研发工作提供一些借鉴。
王雨辉,杨玉凤,闫润润,王艳君,李艳红[4](2021)在《康复机器人辅助脑卒中患者步态重建训练的研究进展》文中研究表明阐述了脑卒中致残率之高和康复机器人在辅助康复训练中的重要地位,详细介绍了不同康复机器人辅助脑卒中患者改善偏瘫步态的可能机制、临床研究以及关键技术,指出了康复机器人辅助脑卒中患者步态重建在临床应用中的优势与不足,展望了康复机器人未来应向智能化、精准化、便捷化、家庭化发展,以更好地辅助脑卒中患者步态重建训练。
程雪,白定群,彭晓华[5](2021)在《下肢外骨骼康复机器人在脑卒中康复中的应用和研究进展》文中提出脑卒中是导致成年人永久性残疾的原因之一[1]。2/3的脑卒中患者存在行走障碍,跌倒风险较高且活动能力明显下降[2]。随着脑卒中发病率和致残率的逐年增高,卒中后康复需求问题也日益显着。研究表明脑卒中神经康复要点包括:高强度、高剂量、高重复性、任务导向性训练、自上而下(例如经颅磁刺激)与自下而上(例如机器人辅助训练)的方法的结合[3—6]。而康复机器人自20世纪80年代起就逐渐用于运动功能障碍的患者,尤其是神经功能受损所致的行走障碍[7]。
程洪,黄瑞,邱静,王艺霖,邹朝彬,施柯丞[6](2021)在《康复机器人及其临床应用综述》文中进行了进一步梳理对康复机器人及其临床应用研究进展进行了综述,从运动障碍康复机器人和认知障碍康复机器人方面对康复机器人进行了归纳总结,并针对每项技术提出了一些发展趋势的展望。最后以脑卒中患者的临床康复为例介绍了康复机器人在其康复训练中的临床应用案例及其发展趋势。
何炳蔚,张月,邓震,朱兆聚,朱明珠[7](2021)在《医疗机器人与医工融合技术研究进展》文中指出随着人们对医疗健康手段和过程提出精准、微创、高效及低成本等方面的更高要求,医疗机器人与医工融合技术受到了世界各国的极大关注,并由此得到了日新月异的发展.目前医工融合技术主要集中于外科手术、康复及辅助护理等方面的机器人研究与开发,但随着人工智能和人机交互重要技术的突破和进展,将在临床医疗、医疗康复等方面取得重大理论创新和技术突破,未来有可能会应用到医疗健康的各个领域.
张楠[8](2021)在《一种动力型步行装置对脑卒中患者步行功能的影响》文中提出研究目的:观察一种新型步行装置——Kickstart步行辅助系统对脑卒中偏瘫患者步行能力的影响;探究Kickstart步行辅助系统对脑卒中偏瘫患者步行姿态的变化。研究方法:本研究共招募来自上海市养志康复医院(上海市阳光康复中心)符合纳入标准的脑卒中住院患者30例,随机分为观察组和对照组各15例。两组均接受临床药物治疗和常规康复训练,观察组使用Kickstart步行辅助系统进行步行训练;对照组进行无辅具下的常规步行训练;两组均进行4周步行训练,每周5天,每天步行累计时长≥1小时。两组均需完成入组时及4周步行干预后测试,测试内容包括计时“起立-行走”测试(TUG)、10米步行测试(10MWT)、6分钟步行测试(6MWT),以及基于Vicon红外高速运动捕捉系统的三维步态测试。对正态分布的资料用t检验、非正态分布的资料用非参数检验进行统计学分析。研究结果:干预前后的组内比较,观察组和对照组的TUG、6MWT均有极显着统计学差异(p<0.01),观察组的10MWT有极显着统计学差异(p<0.01),对照组的10MWT有显着统计学差异(p<0.05)。两组干预前后差值组间比较,TUG和6MWT有显着统计学差异(p<0.05),10MWT无显着统计学差异(p>0.05)。观察组干预前后的步速、患侧单支撑百分比、双支撑百分比、步长对称比、步幅、健侧步长和步宽均有显着统计学差异(p<0.05),步态周期时间、步频、患侧摆动相百分比、患侧步长、单支撑对称比均无显着统计学差异(p>0.05);对照组所有步态时空参数均无显着统计学差异(p>0.05)。观察组干预前后踝关节背屈跖屈的活动范围具有极显着统计学差异(p<0.01)。两组干预前后差值组间比较,踝关节背屈跖屈、髋关节内收外展的活动范围有显着统计学差异(p<0.05)。研究结论:Kickstart步行辅助系统较常规步行训练能更好的改善脑卒中患者步行的姿势控制以及步行速度,对脑卒中患者的步行能力有积极的影响。
张宇[9](2021)在《神经认知步态康复机器人的多模感知与交互设计》文中指出当前我国进入老龄化社会,脑中枢系统疾病(脑卒中、帕金森症、痴呆等)发病率逐年升高,其带来的社会医疗、康复与护理等需求面临巨大挑战,研发先进的认知-运动功能康复机器人系统,已成为国内外康复工程和机器人领域的一个研究热点,然而康复机器人和助老机器人之间仍存在“后康复期”或者“康复平台期”的空白,尤其是家庭或者社区医疗机构场景中,面向伴有认知障碍、脑神经损伤的老年人群,缺乏可进行“感知-认知-运动”整合训练的认知运动康复机器人。本文围绕神经认知运动康复机器人的新型“感知-认知-运动”多模态智能感知系统的设计展开研究,重点构建“感知-认知-运动”协同训练反馈的多模态智能感知交互方法,实现康复机器人从“功能辅助”到“指导教师”的跨越,在机器人上实现人体姿态估计,探究利用视频图像判别人体稳定性的方法。主要研究内容有:(1)人体稳定性的研究,利用Vicon运动捕捉系统采集了详细的人体运动数据,对人体做不同动作时的稳定性进行了分析,利用单杆加足倒立摆模型,计算出了人体质心的动态稳定域,找到了一种判别人体失稳的计算方法;(2)对于存在认知障碍、脑神经损伤的需要认知-运动康复的老龄人群,基于类人机器人Pepper开发了一款神经认知步态康复机器人,利用机器人进行多模态感知与人机交互,深入研究了机器人的语音对话系统,实时地图构建与精准定位技术,实时人体追踪与避障功能,以便能够适应该类人群的运动康复和居家看护;(3)利用人工智能领域的人体姿态估计技术与机器人技术进行融合,实现了康复机器人的人体姿态估计,通过机器人的视觉进行人体关节点位置的检测,使机器人能够快速对目标的当前姿态、运动情况进行获取,根据人体姿态信息可以计算人体动态稳定域,探究通过人体运动的视频图像来判断人体稳定性的可行性解决方案;(4)将上述研究内容和神经认知步态康复机器人进行临床应用和第三方权威机构检测认证,验证了神经认知步态康复机器人对认知-运动协同训练起到正作用,为脑神经损伤和认知障碍人群提供了一种新的康复训练方法,为医疗康复机器人的发展指出了一个新的发展方向。
王刚[10](2021)在《基于人体生理信号的下肢康复机器人交互控制方法研究》文中进行了进一步梳理近年来,人口老龄化趋势逐渐上升,高龄人群由于自身免疫系统功能下降,极易受到疾病的困扰。其中,脑卒中就是一种极为常见的疾病,患者常伴有肢体麻木、下肢无力、偏瘫等症状,严重地危害着老年人身体健康。因而,对于脑卒中患者的康复治疗已迫在眉睫。传统的康复医疗手段是通过康复医师进行一对一治疗,但存在人员消耗大、康复周期长、效果有限等问题。相比传统的康复手段,下肢康复机器人灵活性更强、康复训练效率更高、减轻了康复医师的负担。但在康复训练过程中,患者存在主动运动意图,会出现机器人与患肢运动不匹配现象,容易造成人机对抗,且目前针对下肢康复机器人的人机交互控制策略研究稍显薄弱,很少考虑实际工况的复杂性,导致康复训练过程中存在着一些安全隐患。本文针对以上问题展开了深入研究,其主要研究内容如下:(1)针对人体下肢人机耦合动力学建模问题。分析人体下肢解剖结构,对其进行合理的简化。此外,在康复训练过程中,患肢与下肢康复机器人之间的交互力不可忽视。本文考虑患肢与机器人之间的交互力,从而构建一个非线性、时变、强耦合、柔顺且安全的下肢人机耦合动力学模型。下肢人机耦合动力学模型的建立为后续人机交互控制器的设计奠定了基础。(2)针对人体下肢多关节连续运动意图识别问题。通过采集下肢相关肌肉的表面肌电(surface Electromyography,s EMG)信号,建立多通道s EMG信号与下肢多关节连续运动量的映射模型,从而有效识别下肢多关节连续运动意图,为患者提供合理、安全的康复训练轨迹。此外,采用神经-模糊修正器在线修正个体差异以及姿态变化对模型的影响,为患者提供安全、舒适的康复训练环境。(3)针对在线求解时变矩阵平方根问题。从控制角度出发,借鉴积分控制思想,提出了噪声抑制归零神经网络模型以及广义噪声抑制归零神经网络模型。通过理论分析,严格证明了所提出模型的稳定性、全局收敛且指数收敛性。最后通过仿真实验,验证了所提出模型具有良好的鲁棒性,为人机交互控制方法的研究提供了算法框架。(4)针对下肢康复机器人人机交互控制器设计问题。结合人体主动运动意图提出了一种归零神经网络控制器。进一步,考虑噪声干扰情况,提出了噪声抑制归零神经网络控制器,提高了控制器的鲁棒性。此外,为避免患者在康复训练过程中受到二次损伤,提出了一种基于归零神经网络的模型预测控制器,有效地约束了下肢康复机器人的运动范围和速率,为患者康复训练提供了安全保障。
二、机器人辅助神经康复训练的研究进展(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、机器人辅助神经康复训练的研究进展(论文提纲范文)
(1)康复机器人领域10年研究热点:基于Web of Science数据库的文献计量学分析(论文提纲范文)
文章快速阅读: |
文题释义: |
0引言Introduction |
1 资料和方法Data and methods |
1.1 文献来源和检索策略 |
1.2 文献筛查 |
1.3 研究工具 |
2 结果Results |
2.1 发文量分析 |
2.2 地域分析 |
2.3 基于研究机构合作共现的研究热点分析 |
2.4 高影响力作者及合作关系分析 |
2.5 高被引文献分析 |
2.6 基于关键词共现的研究热点分析 |
2.7 基于关键词聚类的研究热点及前沿分析 |
2.8 基于相关文献共被引聚类分析 |
2.9 基于突现词检测算法的研究前沿分析 |
3 讨论Discussion |
3.1 康复机器人的国际研究现状 |
3.2 康复机器人研究热点国家(地区)、机构和作者 |
3.3 康复机器人领域研究热点、前沿与趋势 |
3.4 康复机器人存在的问题及挑战 |
3.5 研究的局限性 |
(2)面向儿童的下肢康复外骨骼机器人研发进展(论文提纲范文)
1 我国儿童康复训练服务需求与现状困境 |
2 脑瘫儿童的常规运动疗法及局限性 |
3 面向儿童的下肢康复外骨骼系统研发及其临床应用进展 |
3.1 外骨骼康复机器人功能原理 |
3.2 国内外已有儿童下肢康复外骨骼机器人产品样机的技术特点和相关临床应用进展 |
3.3 面向儿童的下肢康复外骨骼机器人关键研发技术 |
4 小结 |
(3)康复机器人的人机交互控制技术研究进展(论文提纲范文)
0 引言 |
1 康复机器人需求分析及功能设计 |
(1) 康复机器人训练模式设计 |
(2) 患者康复训练任务的运动轨迹控制 |
(3) 康复训练过程中的实时力/力矩调节 |
(4) 机器人本体状态实时感知和运动控制 |
(5) 充分的安全防护保障措施 |
(6) 康复治疗信息智能处理功能 |
(7) 足够的人机交互能力 |
2 被动训练康复机器人控制技术 |
3 主动训练康复机器人控制技术 |
3.1 感知技术 |
3.1.1 运动信息感知技术 |
3.1.2 基于表面肌电信号的感知技术 |
3.1.3 基于脑电信号的感知技术 |
(1) 时频分析法 |
(2) 高阶谱分析法 |
(3) 非线性分析法 |
(4) 人工神经网络方法 |
3.2 人机交互控制技术 |
3.2.1 基于运动信号的交互控制 |
(1) 位置/力控制方式 |
(2) 阻抗控制 |
3.2.2 基于肌电信号的交互控制 |
3.2.3 基于脑电的交互控制 |
4 交互控制的稳定性与安全性 |
5 展望 |
(4)康复机器人辅助脑卒中患者步态重建训练的研究进展(论文提纲范文)
0 引言 |
1 康复机器人改善脑卒中患者偏瘫步态的可能机制 |
2 康复机器人改善脑卒中患者偏瘫步态的临床研究 |
2.1 A3型康复机器人 |
2.2 步态锻炼辅助机器人(gait exercise assist ro-bot,GEAR) |
2.3 Lokomat机器人 |
2.4 其他康复机器人 |
3 康复机器人改善脑卒中患者偏瘫步态的关键技术 |
3.1 虚拟现实技术 |
3.2 运动控制技术 |
3.3 运动意图感知技术 |
4 结语 |
(5)下肢外骨骼康复机器人在脑卒中康复中的应用和研究进展(论文提纲范文)
1 下肢外骨骼康复机器人 |
2 下肢外骨骼康复机器人在脑卒中康复中的应用研究 |
2.1 步态 |
2.1.1 基于运动学分析方法的研究: |
2.1.2 基于肌肉活动分析方法的研究: |
2.1.3 基于能量消耗分析方法的研究: |
2.2 平衡功能 |
2.3 功能独立性 |
(6)康复机器人及其临床应用综述(论文提纲范文)
1 引言(Introduction) |
2 人机系统的运动认知再学习(Motor and cognitive relearning of human-robot system) |
3 运动障碍康复机器人(Rehabilitation robots for motor dysfunctions) |
3.1 上肢康复训练机器人 |
3.2 下肢康复训练机器人 |
3.3 踝足康复训练机器人 |
1)轻量化的康复机器人设计 |
2)人机协同康复训练技术 |
3)康复训练与评估一体化技术 |
4 认知障碍康复机器人(Rehabilitation robots for cognitive dysfunctions) |
1)基于多模态信息的鲁棒人机交互技术 |
2)视/听/触觉反馈下的患者康复训练方法 |
5 脑卒中康复临床应用案例及发展趋势(Clinical cases in stroke rehabilitation and its trends) |
1)运动和认知协同康复训练技术 |
2)基于多模态的闭环康复训练技术 |
6 结论(Conclusion) |
(7)医疗机器人与医工融合技术研究进展(论文提纲范文)
0 引言 |
1 医疗机器人的研究现状 |
1.1 远程手术技术 |
1.2 手术导航技术 |
2 医工融合技术的研究现状 |
2.1 康复机器人 |
1) 模块化. |
2) 智能化. |
3) 轻型化. |
4) 柔性化. |
5) 集成化. |
2.2 穿戴式+虚拟环境康复技术 |
3 医工融合技术的发展趋势 |
4 结语 |
(8)一种动力型步行装置对脑卒中患者步行功能的影响(论文提纲范文)
摘要 |
abstract |
1 前言 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
2 文献综述 |
2.1 脑卒中 |
2.1.1 流行病学 |
2.1.2 脑卒中后常见下肢功能障碍 |
2.2 脑卒中患者步行辅助训练装置 |
2.2.1 FES |
2.2.2 AFO |
2.2.3 下肢外骨骼机器人 |
2.2.4 Kickstart步行辅助系统 |
2.3 脑卒中患者下肢步行能力评价方式 |
2.3.1 临床评估 |
2.3.2 三维步态分析 |
2.4 总结 |
3 研究对象与方法 |
3.1 研究对象 |
3.2 干预方案 |
3.2.1 试验组(观察组)干预方案 |
3.2.2 对照组(常规步行组)干预方案 |
3.3 研究方法 |
3.3.1 场地 |
3.3.2 仪器与设备 |
3.3.3 测试流程与步骤 |
3.4 数据处理 |
3.5 统计分析 |
4 研究结果 |
4.1 受试者基本信息 |
4.2 受试者步行功能测试结果 |
4.3 受试者步态时空参数结果 |
4.4 受试者髋、膝和踝三维关节活动范围结果 |
5 讨论 |
5.1 Kickstart步行辅助系统对脑卒中患者步行功能的影响 |
5.2 Kickstart步行辅助系统对脑卒中患者步态时空参数的影响 |
5.3 Kickstart步行辅助系统对脑卒中患者髋、膝和踝三维关节运动学的影响 |
5.4 研究的局限性 |
6 结论 |
参考文献 |
致谢 |
附录1 |
附录2 |
附录3 参与会议 |
(9)神经认知步态康复机器人的多模感知与交互设计(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 运动康复机器人研究现状 |
1.2.2 新型感知-认知康复机器人研究现状 |
1.2.3 人体姿态估计技术研究现状 |
1.2.4 类人机器人Nao和 Pepper研究现状 |
1.3 本章小结 |
第2章 人体姿态数据采集及稳定性分析 |
2.1 实验场地、设备介绍 |
2.2 人体姿态数据采集 |
2.2.1 实验方案设计 |
2.2.2 人体姿态数据采集及预处理 |
2.3 人体姿态数据处理 |
2.3.1 一种3D坐标变换2D坐标的新方法 |
2.3.2 不同运动状态下的人体稳定性分析 |
2.4 本章小结 |
第3章 基于Pepper机器人的多模感知与交互设计 |
3.1 机器人样机介绍 |
3.2 基于Pepper机器人的感知和交互技术研究 |
3.2.1 多模感知及交互设计 |
3.2.2 情感语音交互设计 |
3.2.3 同步地图创建及精准定位研究 |
3.2.4 基于Pepper机器人的实时人体追踪设计 |
3.3 本章小结 |
第4章 基于Pepper机器人的人体姿态估计研究 |
4.1 人体姿态估计网络设计 |
4.2 人体姿态估计在Pepper机器人上的应用 |
4.3 康复机器人深度学习应用解决方案 |
4.4 本章小结 |
第5章 神经认知步态康复机器人临床试用 |
5.1 应用于临床的Pepper机器人设计 |
5.2 神经认知步态康复机器人临床试用及结果 |
5.2.1 实验患者招募、筛选及确定 |
5.2.2 实验环境及实验过程 |
5.2.3 机器人临床试用结果 |
5.3 临床用户报告及第三方检测报告 |
5.4 结果分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 不足与展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(10)基于人体生理信号的下肢康复机器人交互控制方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题来源 |
1.2 研究目的和意义 |
1.3 下肢康复机器人研究现状及发展趋势 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 人体下肢运动意图识别方法研究现状及发展趋势 |
1.5 人机交互控制方法研究现状及发展趋势 |
1.6 本文的主要内容和技术路线 |
1.7 小结 |
第2章 下肢康复机器人人机耦合动力学建模与分析 |
2.1 引言 |
2.2 人体下肢生理结构分析 |
2.3 人体下肢多关节连杆模型的构建 |
2.4 下肢多关节人机耦合动力学模型的构建 |
2.5 小结 |
第3章 基于sEMG信号的下肢多关节连续运动估计 |
3.1 引言 |
3.2 基于sEMG信号的多关节角度估计 |
3.2.1 sEMG信号采集以及处理 |
3.2.2 RBF神经网络的建立 |
3.2.3 仿真实验 |
3.2.4 小结 |
3.3 基于多通道sEMG信号的多关节力矩估计 |
3.3.1 sEMG信号采集及特征提取 |
3.3.2 映射模型的建立 |
3.3.3 仿真实验 |
3.4 小结 |
第4章 基于归零神经网络的时变矩阵平方根在线求解算法 |
4.1 引言 |
4.2 归零神经网络综述 |
4.3 数学基础 |
4.3.1 问题的描述与定义 |
4.3.2 归零神经网络模型和激活函数 |
4.4 不同噪声下的归零神经网络模型的构建 |
4.4.1 改进Z型函数及其噪声抑制归零神经网络模型的构建 |
4.4.2 噪声抑制归零神经网络模型的构建 |
4.4.3 时变矩阵平方根问题的控制理论分析 |
4.5 理论分析 |
4.5.1 无噪声干扰下NSZNN 模型与GNSZNN 模型收敛性分析 |
4.5.2 噪声干扰下NSZNN 模型与GNSZNN 模型收敛性分析 |
4.6 不同的NSZNN模型的构建 |
4.7 数值仿真结果 |
4.8 小结 |
第5章 下肢康复机器人人机交互控制 |
5.1 引言 |
5.2 控制器设计 |
5.2.1 ZNN 控制器和NSZNN 控制器设计 |
5.2.2 MPCZNN控制器设计 |
5.3 仿真实验 |
5.3.1 ZNN控制器仿真实验 |
5.3.2 NSZNN控制器仿真实验 |
5.3.3 不同控制器对比实验 |
5.3.4 MPCZNN控制器仿真实验 |
5.3.5 康复训练不同时期控制对比 |
5.4 小结 |
第6章 总结与展望 |
6.1 研究工作总结 |
6.2 研究的创新点 |
6.3 研究展望 |
致谢 |
参考文献 |
作者简介 |
攻读硕士学位期间研究成果 |
四、机器人辅助神经康复训练的研究进展(论文参考文献)
- [1]康复机器人领域10年研究热点:基于Web of Science数据库的文献计量学分析[J]. 薛夏利,邓钟义,孙君志,李宁,任文博,周凌,合烨. 中国组织工程研究, 2022(14)
- [2]面向儿童的下肢康复外骨骼机器人研发进展[J]. 陶璟,霍宇飞,于随然. 中国康复医学杂志, 2021(11)
- [3]康复机器人的人机交互控制技术研究进展[J]. 鲁守银,袁鲁浩. 山东建筑大学学报, 2021(05)
- [4]康复机器人辅助脑卒中患者步态重建训练的研究进展[J]. 王雨辉,杨玉凤,闫润润,王艳君,李艳红. 医疗卫生装备, 2021(10)
- [5]下肢外骨骼康复机器人在脑卒中康复中的应用和研究进展[J]. 程雪,白定群,彭晓华. 中国康复医学杂志, 2021(10)
- [6]康复机器人及其临床应用综述[J]. 程洪,黄瑞,邱静,王艺霖,邹朝彬,施柯丞. 机器人, 2021(05)
- [7]医疗机器人与医工融合技术研究进展[J]. 何炳蔚,张月,邓震,朱兆聚,朱明珠. 福州大学学报(自然科学版), 2021(05)
- [8]一种动力型步行装置对脑卒中患者步行功能的影响[D]. 张楠. 上海体育学院, 2021(09)
- [9]神经认知步态康复机器人的多模感知与交互设计[D]. 张宇. 中国科学院大学(中国科学院深圳先进技术研究院), 2021(08)
- [10]基于人体生理信号的下肢康复机器人交互控制方法研究[D]. 王刚. 长春工业大学, 2021(08)