面向因病痛或自然衰老等原因腿部运动功能受到轻度影响的患者或老年人，本文提出了一种可穿戴外骨骼机器人系统，通过体重支撑的方式减轻双腿在行走过程中对髋、膝、踝关节和腿部肌肉的负载，以实现行走辅助的功能。考虑到使用人群的心理诉求和病症特点，有别于固定式或跟随式康复机器人上配有的减重系统，本文提出的外骨骼机器人结构美观，轻巧便携。系统通过足底压力传感器实时对使用者的步态进行分析，通过步态相的划分，针对各步态相提出不同的控制策略。通过座椅上的压力传感器实时监测外骨骼提供支撑力度的大小，且驱动控制使用比例-积分-微分 (PID) 控制技术进行力矩控制。机器人系统总重 12.5 kg，站立时平均辅助支撑约 10 kg，行走中平均辅助支撑约 3 kg，起到了一定的体重支撑效果，减轻了行走和站立时对下肢的压力。
引用本文： 谢峥, 王明江, 黄武龙, 雍珊珊, 王新安. 基于实时步态分析的行走辅助外骨骼机器人系统. 生物医学工程学杂志, 2017, 34(2): 265-270. doi: 10.7507/1001-5515.201607075 复制
引言
照顾行动不便的老年人，已经成为老龄化国家的社会性问题。例如膝关节骨性关节炎[1]，作为一种终身性疾病，会造成膝关节疼痛、无力和不同程度的活动受限，一方面严重影响了老年人的健康水平和生活质量，另一方面从心理上也影响了老年人的运动积极性。这种不能行走或不愿行走的情况会使腿部肌肉力量逐渐变弱，最后甚至会造成卧床不起。适当的康复治疗可以改善症状、延缓病情的发展，将病情控制在一定程度内。最积极有效的方法，是在无需看护的情况下，提供一种可以辅助行走的设备，帮助其继续行走[2]。辅助行走的机器人作为一种自动执行任务的机器装置[3]，用以协助人体的行走功能，特别是为患者的日常行走活动提供方便，已经成为了该领域的研究热点。
行走辅助机器人的研究根据用户的病症程度和训练目的不同，选择不同的结构、助力方式和控制方法。其中包括：位置固定多配合跑步机使用的行走辅助机器人，例如 Vashista 等[4]设计的主动式骨盆拴系辅助；位置可以根据用户的动作而移动的行走辅助机器人，例如 Dine 等[5]使用固定在老人身上的惯性测量单元来跟踪他们的姿态，评估质量中心和零力矩点，从而使移动机器人与用户的步行运动保持同步，并从用户背部进行支持。然而以上两种类型的行走辅助机器人更适合于病情较为严重的人群。对于症状较为轻微，但仍然需要提供日常生活独立行走辅助以增强行走能力的人群，Kim 等[6]设计了智能移动步行器，以小车的方式通过简化算法实现对地形斜度的评估和适应；Kawamoto 等[7]则利用肌电信号和简单动作相的划分实现反馈控制的混合下肢助力（hybrid assistive leg，HAL）系统等。
本文提出的基于实时步态分析的行走辅助外骨骼机器人系统，采用可穿戴的移动式体重支撑结构，以向上托举骨盆为助力方式，减轻双腿在行走过程中对髋、膝、踝关节和腿部肌肉的负载，从而减轻患处的负荷，增强行走能力，达到辅助行走的功能。通过足底压力传感信息对步态相进行划分，使用支撑座上的压力传感信息实时监测系统提供的人机之间上托助力的大小，使用多重反馈的控制方法提高安全性和柔顺性。
1 结构设计
1.1 助力方式
图 1 所示为文献[5]中对人行走过程进行的三维几何建模，下半身各部分的建模使用了带有质点的棍棒图[8]，而上半身的质量整合在了一个质点上。在康复训练中，为了减少患者行走过程中的负担，使其更轻松地保持身体的平衡性，康复设备的设计会采用悬吊[9]或托举骨盆[10]的方式支撑部分体重，而设备所受的反作用力最终会作用在地面。人在行走过程中，双脚承担全部体重，地面对脚的反作用力基本指向骨盆附近的人体重心位置[11]，所以本文提出的外骨骼机器人以地面反作用力的作用点为支撑点，沿地面反作用力的方向，向上对人体重心进行支撑，在骨盆下方与人体接触实现减重助力，相较其他康复训练设备，在行走过程中助力更加自然，即由地面从左右脚脚底支撑点发力FL 和FR，经外骨骼机器人传到骨盆下方的裆部位置，汇合为向上的托举支撑力FS。
图1
人行走步态的三维几何模型
Figure1.
Three dimensional geometric model of human gait
1.2 结构设计
基于实时步态分析的行走辅助外骨骼机器人结构如图 2 所示，主要包括 4 个部分：支撑座、大腿连杆、小腿连杆、足部底座。支撑座与大腿连杆之间通过一个半圆形滑道连接，大腿连杆可以在滑道上沿矢状轴方向做前后滑动，支撑座可以相对滑道沿矢状轴旋转，与文献[12]相比，在滑道上使用了 V 型槽设计，避免了死锁情况的发生。大腿连杆与小腿连杆连接，可以沿冠状轴旋转，大腿连杆装有电池、力矩电机、减速器、离合器、传动部件和处理单元。小腿连杆与足部底座相连，可以沿冠状轴和垂直轴旋转。足部底座装有金属卡扣，可以和鞋子卡紧固定。在支撑座和鞋子里分别装有压力传感器，用来采集支撑力和足底压力。大小腿连杆上装有高精度 6 轴惯性导航模块，监测大小腿连杆间的角度。大小腿连杆之间形成的连接为唯一主动关节，外骨骼通过主动控制该关节的打开，将地面的反作用力支撑到盆骨底部。支撑座与使用者裆部的卡位，结合支撑腿的足底支撑点，形成了外骨骼的稳定性和平衡性。力矩电机、减速器和离合装置主要集中在大腿连杆后部，一方面去除了放在大腿连杆前部对行走的阻碍，另一方面有助于使用者抬腿时大腿连杆在滑道上的滑动。
图2
结构设计
Figure2.
Structural design
2 控制方法
2.1 传感与步态划分
本文使用压阻式薄膜压力传感器，布设在第一脚趾骨末端和后脚跟处，以监测足底压力的变化，如图 3 所示。同时在支撑座上放置了多个压力传感器，综合表征支撑力的大小，如图 4 所示。文献[2]在足底安装了地面反作用力传感器，同时在腿部使用了肌电采集装置，建立了步态相内髋膝关节屈曲和伸展动作时肌电信号的对应关系，将步态相分别划分为左右脚的摆动相和支撑相，以预设的能量辅助比例为目标进行反馈控制。文献[13]为了准确评估摆动速度，将单腿的步态分为了 8 个阶段：初始接触、承重反应、站立中期、站立末期、摆动之前、初始摆动、摆动中期、摆动末期。本文提出的基于实时步态分析的行走辅助外骨骼机器人系统，驱动大小腿连杆间的连接，以地面为支撑点发力，所以不对摆动期进行细分，只将支撑期细分为脚跟着地期、全脚掌着地期、脚尖着地期，用以改善机械结构在支撑期和摆动期切换时的动作延时，增加动作过程的柔顺性，如图 5 所示。
图3
足底压力传感器分布
Figure3.
Plantar pressure sensor distribution
图4
支撑座压力传感器分布
Figure4.
Support base pressure sensor distribution
图5
步态相的划分
Figure5.
Gait phase division
2.2 驱动与控制
本文使用力矩电机配合伺服控制器的驱动方式，伺服控制器以比例-积分-微分（proportion-integral-derivative，PID）控制的方式完成输出力矩控制，主处理器单元根据传感信息和控制算法向伺服控制器发送指令，完成逻辑环闭环反馈控制。如图 6 所示，控制框图中，传感单元采集左右脚前后两点的压力数据、支撑座中的支撑力信息、大小腿连杆的角度信息，提供给处理器单元，用于分析单足的步态相、同一时间点双足的步态情况，计算实时的支撑力数据，根据不同情况下预设的支撑力参考范围调整对输出力矩的实时要求，判断安全状态，根据系统需要的反应速度和负载情况设定伺服控制器的 PID 参数，经过 PID 反馈控制环输出电流给力矩电机，以驱动机械结构运动，由人和机械结构的交互产生传感单元采集的信息，完成逻辑闭环反馈控制。伺服控制器有电流环、速度环、位置环三个调节器。PID 控制中，给定值r（t）与实际输出值y（t）构成控制偏差e（t），经比例、微分、积分运算后，将输出信号u（t）作为被控对象的输入信号。即：
| $\begin{array}{c}e(t) = r(t) - y(t)\\u(t) = {K_P}[e(t) + \frac{1}{{{T_i}}}\int\limits_0^t {e(t){\rm{d}}t} + {T_d}\frac{{{\rm{d}}e(t)}}{{{\rm{d}}t}}]\\G(s) = \frac{{U(s)}}{{E(s)}} = {K_P}(1 + \frac{1}{{{T_i}s}} + {T_d}s)\end{array}$ |
其中KP 表示比例系数；Ti 表示积分时间常数；Td 表示微分时间常数。
图6
控制框图
Figure6.
Block of control
如图 7 所示，系统实时监测左右脚前后点足底压力、支撑座压力、大小腿连杆角度、紧急制动信息，判断单足所处的步态相以及双足所处的步态相，结合使用者与支撑座的接触情况和安全信息，计算电机输出力矩值。
图7
控制算法
Figure7.
Control algorithm
步态长期的不对称性可能会导致动态平衡控制能力的降低等问题[14]，为解决这一问题，文献[15]中的外骨骼将健侧运动特征转换为了患侧的运动参考，而本文为了解决这一问题，采用双支撑相按比例分配的原则，设置外骨骼双腿需要提供的支撑力。即：
| $\begin{array}{l}{N_{\rm{L}}} = \frac{{{F_{\rm{L}}}}}{{{F_{\rm{L}}} + {F_{\rm{R}}}}} \times N\\{N_{\rm{R}}} = \frac{{{F_{\rm{R}}}}}{{{F_{\rm{L}}} + {F_{\rm{R}}}}} \times N\end{array}$ |
其中FL 表示左脚前后两压力点的综合压力值，FR 表示右脚前后两压力点的综合压力值，NL 表示外骨骼左腿应承担的支撑力值，NR 表示外骨骼右腿应承担的支撑力值，N 表示总支撑力的需求值。综合压力值在不同的步态相按照不同的比例系数对前后压力点进行累计。而所承担的支撑力值会转化为电机的输出力矩。
3 实现与结果
对 PID 参数的调节，比例单元 P 调节响应速度，积分单元 I 消除稳态误差，微分单元 D 减弱超调趋势。外骨骼系统需要根据穿戴者的动作迅速做出反应和调整。PID 参数的调试如图 8 所示，综合考虑反应速度和负载情况，PID 选定为 4 000、400、0 的组合。
图8
PID 参数调节图
Figure8.
PID parameter adjustment
主要受力构件选择轻质、高强度的合金钢材料，受力小的构件选择铝合金材料并做空心化处理。最终的整机重量约为 12.5 kg，其中包括两块 24 V 6 AH 的充电锂电池，站立时减重约 10 kg，行走中平均辅助支撑约 3 kg，续航大于 2 h，实物如图 9 所示。
图9
外骨骼实物图
Figure9.
Picture of real products
在体验证实验中，足底压力在行走过程中呈现周期性变化，各周期之间存在一定的差异。每只鞋的前后两个压力传感点中，后面传感点的压力会比前面传感点的压力出现着地临界值的时间早，并且后面传感点的压力出现离地临界值的时间也会早于前面传感点的压力，这样就可以有效区分单足支撑相中的三种情况。根据行走的习惯，当身体重心压力习惯性地集中在脚的后部时，后面传感点的压力在高位的持续时间会较长；当身体重心压力习惯性地集中在脚的前部时，前面传感点的压力在高位的持续时间会较长。在支撑相中，后面传感点的压力在高位波动中出现局部下降的低谷时，一般会对应前面传感点的压力出现局部峰值的情况。支撑力会在双脚支撑时较大，单脚支撑时较小，再根据行走过程中骨盆的上下浮动，呈现周期性的变化。
4 结论与展望
本文提出的基于实时步态分析的行走辅助外骨骼机器人系统，利用可移动的减重装置在站立和行走过程中对人体进行支撑，有效地减小了下肢各关节和肌肉所承受的压力。对于老年人或腿部运动功能受到轻度影响的患者，具有辅助行走的功能，增强了其行走的能力，减轻了病痛。穿戴方面，仅需穿入配套的鞋子中，打开开关便可以使用，体积小，轻便。通过对步态的细分控制，将外骨骼本身的重量直接转移到了地面，不会对用户造成影响。通过预设的方式，可以改变对支撑力的要求。为了携带更加便利、运动更加自然，下一步还可在结构和重量上进行优化。助力的稳定性和柔顺性方面则可通过改善外骨骼双腿的协同性来进一步提高。
引言
照顾行动不便的老年人，已经成为老龄化国家的社会性问题。例如膝关节骨性关节炎[1]，作为一种终身性疾病，会造成膝关节疼痛、无力和不同程度的活动受限，一方面严重影响了老年人的健康水平和生活质量，另一方面从心理上也影响了老年人的运动积极性。这种不能行走或不愿行走的情况会使腿部肌肉力量逐渐变弱，最后甚至会造成卧床不起。适当的康复治疗可以改善症状、延缓病情的发展，将病情控制在一定程度内。最积极有效的方法，是在无需看护的情况下，提供一种可以辅助行走的设备，帮助其继续行走[2]。辅助行走的机器人作为一种自动执行任务的机器装置[3]，用以协助人体的行走功能，特别是为患者的日常行走活动提供方便，已经成为了该领域的研究热点。
行走辅助机器人的研究根据用户的病症程度和训练目的不同，选择不同的结构、助力方式和控制方法。其中包括：位置固定多配合跑步机使用的行走辅助机器人，例如 Vashista 等[4]设计的主动式骨盆拴系辅助；位置可以根据用户的动作而移动的行走辅助机器人，例如 Dine 等[5]使用固定在老人身上的惯性测量单元来跟踪他们的姿态，评估质量中心和零力矩点，从而使移动机器人与用户的步行运动保持同步，并从用户背部进行支持。然而以上两种类型的行走辅助机器人更适合于病情较为严重的人群。对于症状较为轻微，但仍然需要提供日常生活独立行走辅助以增强行走能力的人群，Kim 等[6]设计了智能移动步行器，以小车的方式通过简化算法实现对地形斜度的评估和适应；Kawamoto 等[7]则利用肌电信号和简单动作相的划分实现反馈控制的混合下肢助力（hybrid assistive leg，HAL）系统等。
本文提出的基于实时步态分析的行走辅助外骨骼机器人系统，采用可穿戴的移动式体重支撑结构，以向上托举骨盆为助力方式，减轻双腿在行走过程中对髋、膝、踝关节和腿部肌肉的负载，从而减轻患处的负荷，增强行走能力，达到辅助行走的功能。通过足底压力传感信息对步态相进行划分，使用支撑座上的压力传感信息实时监测系统提供的人机之间上托助力的大小，使用多重反馈的控制方法提高安全性和柔顺性。
1 结构设计
1.1 助力方式
图 1 所示为文献[5]中对人行走过程进行的三维几何建模，下半身各部分的建模使用了带有质点的棍棒图[8]，而上半身的质量整合在了一个质点上。在康复训练中，为了减少患者行走过程中的负担，使其更轻松地保持身体的平衡性，康复设备的设计会采用悬吊[9]或托举骨盆[10]的方式支撑部分体重，而设备所受的反作用力最终会作用在地面。人在行走过程中，双脚承担全部体重，地面对脚的反作用力基本指向骨盆附近的人体重心位置[11]，所以本文提出的外骨骼机器人以地面反作用力的作用点为支撑点，沿地面反作用力的方向，向上对人体重心进行支撑，在骨盆下方与人体接触实现减重助力，相较其他康复训练设备，在行走过程中助力更加自然，即由地面从左右脚脚底支撑点发力FL 和FR，经外骨骼机器人传到骨盆下方的裆部位置，汇合为向上的托举支撑力FS。
图1
人行走步态的三维几何模型
Figure1.
Three dimensional geometric model of human gait
1.2 结构设计
基于实时步态分析的行走辅助外骨骼机器人结构如图 2 所示，主要包括 4 个部分：支撑座、大腿连杆、小腿连杆、足部底座。支撑座与大腿连杆之间通过一个半圆形滑道连接，大腿连杆可以在滑道上沿矢状轴方向做前后滑动，支撑座可以相对滑道沿矢状轴旋转，与文献[12]相比，在滑道上使用了 V 型槽设计，避免了死锁情况的发生。大腿连杆与小腿连杆连接，可以沿冠状轴旋转，大腿连杆装有电池、力矩电机、减速器、离合器、传动部件和处理单元。小腿连杆与足部底座相连，可以沿冠状轴和垂直轴旋转。足部底座装有金属卡扣，可以和鞋子卡紧固定。在支撑座和鞋子里分别装有压力传感器，用来采集支撑力和足底压力。大小腿连杆上装有高精度 6 轴惯性导航模块，监测大小腿连杆间的角度。大小腿连杆之间形成的连接为唯一主动关节，外骨骼通过主动控制该关节的打开，将地面的反作用力支撑到盆骨底部。支撑座与使用者裆部的卡位，结合支撑腿的足底支撑点，形成了外骨骼的稳定性和平衡性。力矩电机、减速器和离合装置主要集中在大腿连杆后部，一方面去除了放在大腿连杆前部对行走的阻碍，另一方面有助于使用者抬腿时大腿连杆在滑道上的滑动。
图2
结构设计
Figure2.
Structural design
2 控制方法
2.1 传感与步态划分
本文使用压阻式薄膜压力传感器，布设在第一脚趾骨末端和后脚跟处，以监测足底压力的变化，如图 3 所示。同时在支撑座上放置了多个压力传感器，综合表征支撑力的大小，如图 4 所示。文献[2]在足底安装了地面反作用力传感器，同时在腿部使用了肌电采集装置，建立了步态相内髋膝关节屈曲和伸展动作时肌电信号的对应关系，将步态相分别划分为左右脚的摆动相和支撑相，以预设的能量辅助比例为目标进行反馈控制。文献[13]为了准确评估摆动速度，将单腿的步态分为了 8 个阶段：初始接触、承重反应、站立中期、站立末期、摆动之前、初始摆动、摆动中期、摆动末期。本文提出的基于实时步态分析的行走辅助外骨骼机器人系统，驱动大小腿连杆间的连接，以地面为支撑点发力，所以不对摆动期进行细分，只将支撑期细分为脚跟着地期、全脚掌着地期、脚尖着地期，用以改善机械结构在支撑期和摆动期切换时的动作延时，增加动作过程的柔顺性，如图 5 所示。
图3
足底压力传感器分布
Figure3.
Plantar pressure sensor distribution
图4
支撑座压力传感器分布
Figure4.
Support base pressure sensor distribution
图5
步态相的划分
Figure5.
Gait phase division
2.2 驱动与控制
本文使用力矩电机配合伺服控制器的驱动方式，伺服控制器以比例-积分-微分（proportion-integral-derivative，PID）控制的方式完成输出力矩控制，主处理器单元根据传感信息和控制算法向伺服控制器发送指令，完成逻辑环闭环反馈控制。如图 6 所示，控制框图中，传感单元采集左右脚前后两点的压力数据、支撑座中的支撑力信息、大小腿连杆的角度信息，提供给处理器单元，用于分析单足的步态相、同一时间点双足的步态情况，计算实时的支撑力数据，根据不同情况下预设的支撑力参考范围调整对输出力矩的实时要求，判断安全状态，根据系统需要的反应速度和负载情况设定伺服控制器的 PID 参数，经过 PID 反馈控制环输出电流给力矩电机，以驱动机械结构运动，由人和机械结构的交互产生传感单元采集的信息，完成逻辑闭环反馈控制。伺服控制器有电流环、速度环、位置环三个调节器。PID 控制中，给定值r（t）与实际输出值y（t）构成控制偏差e（t），经比例、微分、积分运算后，将输出信号u（t）作为被控对象的输入信号。即：
| $\begin{array}{c}e(t) = r(t) - y(t)\\u(t) = {K_P}[e(t) + \frac{1}{{{T_i}}}\int\limits_0^t {e(t){\rm{d}}t} + {T_d}\frac{{{\rm{d}}e(t)}}{{{\rm{d}}t}}]\\G(s) = \frac{{U(s)}}{{E(s)}} = {K_P}(1 + \frac{1}{{{T_i}s}} + {T_d}s)\end{array}$ |
其中KP 表示比例系数；Ti 表示积分时间常数；Td 表示微分时间常数。
图6
控制框图
Figure6.
Block of control
如图 7 所示，系统实时监测左右脚前后点足底压力、支撑座压力、大小腿连杆角度、紧急制动信息，判断单足所处的步态相以及双足所处的步态相，结合使用者与支撑座的接触情况和安全信息，计算电机输出力矩值。
图7
控制算法
Figure7.
Control algorithm
步态长期的不对称性可能会导致动态平衡控制能力的降低等问题[14]，为解决这一问题，文献[15]中的外骨骼将健侧运动特征转换为了患侧的运动参考，而本文为了解决这一问题，采用双支撑相按比例分配的原则，设置外骨骼双腿需要提供的支撑力。即：
| $\begin{array}{l}{N_{\rm{L}}} = \frac{{{F_{\rm{L}}}}}{{{F_{\rm{L}}} + {F_{\rm{R}}}}} \times N\\{N_{\rm{R}}} = \frac{{{F_{\rm{R}}}}}{{{F_{\rm{L}}} + {F_{\rm{R}}}}} \times N\end{array}$ |
其中FL 表示左脚前后两压力点的综合压力值，FR 表示右脚前后两压力点的综合压力值，NL 表示外骨骼左腿应承担的支撑力值，NR 表示外骨骼右腿应承担的支撑力值，N 表示总支撑力的需求值。综合压力值在不同的步态相按照不同的比例系数对前后压力点进行累计。而所承担的支撑力值会转化为电机的输出力矩。
3 实现与结果
对 PID 参数的调节，比例单元 P 调节响应速度，积分单元 I 消除稳态误差，微分单元 D 减弱超调趋势。外骨骼系统需要根据穿戴者的动作迅速做出反应和调整。PID 参数的调试如图 8 所示，综合考虑反应速度和负载情况，PID 选定为 4 000、400、0 的组合。
图8
PID 参数调节图
Figure8.
PID parameter adjustment
主要受力构件选择轻质、高强度的合金钢材料，受力小的构件选择铝合金材料并做空心化处理。最终的整机重量约为 12.5 kg，其中包括两块 24 V 6 AH 的充电锂电池，站立时减重约 10 kg，行走中平均辅助支撑约 3 kg，续航大于 2 h，实物如图 9 所示。
图9
外骨骼实物图
Figure9.
Picture of real products
在体验证实验中，足底压力在行走过程中呈现周期性变化，各周期之间存在一定的差异。每只鞋的前后两个压力传感点中，后面传感点的压力会比前面传感点的压力出现着地临界值的时间早，并且后面传感点的压力出现离地临界值的时间也会早于前面传感点的压力，这样就可以有效区分单足支撑相中的三种情况。根据行走的习惯，当身体重心压力习惯性地集中在脚的后部时，后面传感点的压力在高位的持续时间会较长；当身体重心压力习惯性地集中在脚的前部时，前面传感点的压力在高位的持续时间会较长。在支撑相中，后面传感点的压力在高位波动中出现局部下降的低谷时，一般会对应前面传感点的压力出现局部峰值的情况。支撑力会在双脚支撑时较大，单脚支撑时较小，再根据行走过程中骨盆的上下浮动，呈现周期性的变化。
4 结论与展望
本文提出的基于实时步态分析的行走辅助外骨骼机器人系统，利用可移动的减重装置在站立和行走过程中对人体进行支撑，有效地减小了下肢各关节和肌肉所承受的压力。对于老年人或腿部运动功能受到轻度影响的患者，具有辅助行走的功能，增强了其行走的能力，减轻了病痛。穿戴方面，仅需穿入配套的鞋子中，打开开关便可以使用，体积小，轻便。通过对步态的细分控制，将外骨骼本身的重量直接转移到了地面，不会对用户造成影响。通过预设的方式，可以改变对支撑力的要求。为了携带更加便利、运动更加自然，下一步还可在结构和重量上进行优化。助力的稳定性和柔顺性方面则可通过改善外骨骼双腿的协同性来进一步提高。
