随着社会的进步和人类科技文明的发展,下肢康复机器人在医疗康复领域得到迅速发展。人们对康复医疗的需求也随之增加。由于国内康复医疗设备的发展相对较晚,多数医院虽有康复科,但没有专业的康复训练设备,全靠医师手动弯曲患者的关节来帮助患者进行康复训练。这种方式效率低下且治疗医师的康复手法很难做到统一,康复效果参差不齐。少数康复科虽然有简单的下肢康复训练器,但这些传统的训练器无传感器的加入,或传感器的加入仅仅是为了优化机器人的某一项功能,并不具备运动感知系统,因此,无法做到智能康复。通过多传感器的加入能够准确识别患者的运动意图,判断患者的主/被动康复训练模式,并帮助医师精准获取患者身体的各项数据达到智能康复的效果是本文研究的主要内容,根据上述问题,本文开展了如下研究:1.移动式下肢康复机器人外骨骼与患者腿部的交互作用研究。患者康复训练行走时的辅助力是由外骨骼提供,根据外骨骼结构特点明确外骨骼与患者腿部的作用方式、关节电机的驱动原理、绑腿杆的布置位置、结构及功能等。2.建立外骨骼动力学模型,利用拉格朗日方程建立下肢外骨骼动力学模型,得到运动关节驱动力矩和人-机耦合力模型。通过对外骨骼与人体的受力仿真进行分析,得到交互力的作用位置并规划人-机交互力传感器的设计方案。3.康复机器人传感器的设计。人-机交互力的获取是下肢康复机器人运动感知的重要基础,是判断主/被动康复训练模式的前期。为了准确采集患者腿部的压力数据,设计一种基于应变片的绑腿杆式交互力传感器来实现人-机交互力的获取。位于大、小腿处的传感器分别采集腿部不同位置的交互力进行数据互补,并配合减重值传感器实现数据融合。利用位于患者身体上方的4个拉力传感器采集患者的拉力值数据,并根据拉力值的变化规律来确定患者的步态周期,实现减重值及步态周期的获取。将步态周期数据与交互力值数据进行数据关联和数据融合,并利用神经网络算法进行主/被动模式的判断。4.信号处理器的设计。为减少传感器的电磁干扰及输出信号的串扰等问题,利用硬件滤波电路对传感器的输出信号进行一级滤波,再利用卡尔曼滤波算法对信号进行二级滤波,通过软、硬件滤波相结合的方式实现传感器信号的平滑输出。5.设计多传感器融合的运动感知系统,并进行实验验证。将交互力数据与步态周期数据进行融合。设计基于多传感器融合的运动感知实验。通过在实验室采集志愿者的实验数据并在医院进行临床测试采集患者的实验数据,建立对照组验证主/被动模式判断的准确性。