图1 髋关节助力外骨骼 HEX
Fig. 1 Hip assistance exoskeleton HEX
北京大学学报(自然科学版) 第60卷 第3期 2024年5月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 60, No. 3 (May 2024)
doi: 10.13209/j.0479-8023.2024.032
国家自然科学基金(62073038)和北京理工大学高层次人才研究基金资助
收稿日期: 2023–05–25;
修回日期: 2023–09–22
摘要 针对现有下肢助力外骨骼研究中缺少对关节层面的运动学分析以及缺少对髋关节外骨骼助力机制的研究这一现状, 对一款髋关节助力外骨骼在多种助力模式下的运动进行采集和分析, 得到被试在不穿戴外骨骼、外骨骼零助力、外骨骼低助力、外骨骼中助力、外骨骼高助力和外骨骼阻力共 6 种模式下的运动数据, 并通过逆运动学计算和数据分析, 得到关节角度曲线和步态特征。实验结果在关节层面明确了髋关节外骨骼的助力机制, 可为助力外骨骼的设计和运动控制提供参考。
关键词 下肢助力外骨骼; 运动学分析; 人体行走运动; 步态特征
外骨骼机器人是一种典型的穿戴式机器人, 在人体运动辅助与运动增强方面具有重要作用。下肢外骨骼的主要功能包括健全个体的运动增强[1–5]、残疾人个体的行走辅助[6]以及具有运动疾病(例如脑卒中)个体的运动康复[7–15]。面向健全个体运动增强的外骨骼可以降低穿戴者运动的代谢能量消耗, 增强穿戴者的力量、耐力和负荷能力[6], 对提高人体的体能具有重要意义。
国内外的研究者已经研制出多款面向健全个体运动增强的下肢外骨骼。Gregorczyk 等[16]研制了一款下肢外骨骼, 并分析在负重行走时穿戴外骨骼对代谢消耗和生物力学特征的影响, 为设计该类外骨骼提供了重要参考。Walsh 等[1,17]开发了一种半被动的腿部外骨骼, 并通过穿戴者的代谢消耗评价其性能, 实验数据表明, 对外骨骼关节弹簧和阻尼的控制可以降低穿戴者的代谢消耗。Mooney 等[18]研发了一款可以为踝关节蹬地提供跖屈辅助的动力下肢外骨骼, 实验结果表明, 穿戴该外骨骼可以使穿戴者的代谢消耗平均降低 8%。Collins 等[19]研制了一款不消耗能量的踝关节外骨骼, 可以降低 7.2%的行走代谢消耗, 表明在没有额外能量来源情况下, 行走的能量效率也可以得到改善。Bougrinat 等[20]研制了一款轻量的踝关节外骨骼, 通过穿戴者的肌肉活动性变化来评价其性能, 穿戴者的肌肉活动性通过测量肌电(EMG)信号得到, 实验结果表明, 该外骨骼可将穿戴者比目鱼肌和腓肠肌的肌肉活动性分别最大降低至 37%和 44%。Sawicki 等[21–22]研制了一款气动动力踝关节外骨骼, 通过训练, 穿戴者在平地行走时通过穿戴该外骨骼可以降低比目鱼肌活动性 28%; 在斜坡行走时, 通过穿戴该外骨骼可以降低比目鱼肌活动性 16%～25%。Xu 等[23]设计了一款仿生膝关节外骨骼, 并提出一种基于步态事件检测的辅助力矩控制策略, 穿戴者可以实现多种速度的行走。Li 等[24]设计了一种可以提供踝关节跖屈辅助的柔软外骨骼, 并设计一种人在环中的自适应控制方法, 实现穿戴者多种速度的行走。
对下肢助力外骨骼的现有研究中, 大多通过测量穿戴者的代谢消耗或表面肌电信号来评价外骨骼的运动增强效果[6], 对被试穿戴外骨骼行走的系统运动学分析(例如对髋膝踝关节角度、行走步长和行走周期的分析等)较少。并且, 现有的下肢外骨骼大多数是腿部外骨骼或踝关节外骨骼, 对只在髋关节加助力的外骨骼的助力机制研究较少。
本文研制一款髋关节助力外骨骼, 可以为人体提供髋关节助力。通过使用运动捕捉系统和压力跑台, 采集被试不穿戴外骨骼以及穿戴该外骨骼在零助力、低助力、中助力、高助力和阻力 5 种模式下的运动数据, 计算不同模式下下肢主要关节的角度曲线, 得到不同模式下双脚支撑期占比和行走步长等步态特征的变化, 系统地分析髋关节外骨骼的助力机制。
本研究使用的外骨骼平台是北京大学工学院研制的一款髋关节助力外骨骼 HEX(Hip EXoskeleton) (图 1)。HEX 可以为穿戴者在髋关节提供力矩。大腿处的绑带套由大功率无刷电机驱动, 电机内部集成了行星减速器。HEX 驱动器的额定力矩可以达到 10Nm, 短时间的峰值力矩可以达到 20Nm。电机输出端装有一个量程为 20Nm 的单轴扭矩传感器。在电机末端装有本研究组自行开发的编码器, 用于位置和速度的测量。本研究还定制了驱动器, 用来实现位置、速度、扭矩和阻尼的控制。
外骨骼HEX重量较轻, 约 3kg, 具有不同长度的大腿绑套, 以便适应不同身高的穿戴者。HEX 可以提供主动力矩和阻力力矩, 输出力矩曲线的形状可以进行设计来满足实验要求, 并且可以通过图形用户界面进行调整。外骨骼有多种助力模式, 包括零力矩模式、助力模式以及阻力模式。零力矩模式指通过检测外骨骼与穿戴者之间的交互力来调整驱动力矩, 使交互力保持为零, 即让穿戴者既没有助力, 也感受不到因穿戴外骨骼形成的阻力; 助力模式指在穿戴者行走过程中, 外骨骼根据传感器数据, 实时判断当前的步态阶段, 并在合适的步态阶段为穿戴者提供助力; 阻力模式指外骨骼根据传感器数据, 实时判断当前的步态阶段, 并在相应的步态阶段为穿戴者提供阻力, 此时整个外骨骼类似一个阻尼装置。
本研究致力于分析人体在穿戴髋关节外骨骼时, 在不同助力模式下运动学状态的变化。实验中采用三维运动捕捉系统 Raptor-4(美国 Motion Ana-lysis)采集人体运动学信息, 共使用 8 个摄像头。被试的 marker 点采用 Helen-Hayes 方法贴点, 全身共贴 28 个 marker 点。其中, 头部 3 个点, 前胸 2 个点, 背部 3 个点, 左臂肩部 1 个点, 左臂肘部 1 个点, 左臂腕部 1 个点, 左腿髋关节出 2 个点, 左腿膝关节处 1 个点, 左腿踝关节处 1 个点, 左脚跟处 1 个点, 左脚尖 2 个点, 右臂和右腿的贴点与左臂和左腿相同。实验场景如图 2 所示。
实验中, 被试分别以 3 种速度在 6 种运动模式下运动, 并记录 marker 点的三维坐标。3 种行走运动速度为 0.6, 0.8 和 1.1m/s。6 种运动模式分别为不穿戴外骨骼、零助力模式、低助力模式、中助力模式、高助力模式和阻力模式。第一种模式是不穿戴外骨骼的一般行走, 后 5 种模式都是穿戴外骨骼的行走。外骨骼助力的力矩峰值在低助力模式行走模式下为 3Nm, 中助力模式下为 6Nm, 高助力模式下为 9Nm, 阻力模式下为 3Nm。3 名被试参与试验, 具体信息如表 1 所示。
实验流程如下。
图1 髋关节助力外骨骼 HEX
Fig. 1 Hip assistance exoskeleton HEX
被试穿戴髋关节外骨骼在跑步机上行走。被试全身贴了 marker 点, 用于三维运动捕捉系统采集 marker 点的三维坐标
图2 实验场景图
Fig. 2 Experimental scene
1)对三维运动捕捉系统进行坐标系标定和摄像头校正。
2)为被试佩戴 marker 点, 并确认所有 marker点都能被摄像头采集到。
表1 实验被试信息
Table 1 Information of subjects
被试编号性别年龄身高/cm体重/kg 1男2517073 2男2318165 3男2817366
3)被试保持静止站立 10 秒左右, 记录数据, 作为数据处理时标定数据的依据。
4)被试站上跑台, 跑台的速度设定为 0.6m/s, 被试在跑台上行走。跑台的速度稳定且被试的运动状态稳定后, 开始记录数据, 持续 20 秒左右。
5)将跑台的速度分别改为 0.8 和 1.1m/s, 分别重复执行步骤 4, 3 种速度的运动都完成后, 被试休息 1 分钟。
6)被试穿戴外骨骼, 髋关节处和背部的 marker点从原来的位置改贴到外骨骼表面, 外骨骼的助力模式设置为低助力模式。
7)被试站上跑台, 跑台的速度设定为 0.6m/s, 被试在跑台上行走。跑台的速度稳定且被试的运动状态稳定后, 开始记录数据, 持续 20 秒左右。
8)将跑台的速度分别改为 0.8 和 1.1m/s, 分别重复执行步骤 7, 3 种速度的运动都完成后, 被试休息 1 分钟。
9)将外骨骼的助力模式设置为中助力模式、高助力模式、零助力模式和阻力模式, 分别重复执行步骤 7 和 8。
10)将得到的数据进行逆运动学计算和分析, 得到被试在不同速度行走时的运动学状态和步态 特征。
实验和数据处理的基本流程如图 3 所示。
图3 人体运动实验及数据处理流程
Fig. 3 Schematic diagram of human motion experiment and data process
图 4～6 展示被试在不穿戴外骨骼和穿戴外骨骼的不同助力模式下的髋、膝和踝关节的关节角度曲线。将 3 名被试多个步态周期的数据进行统计分析, 得到一个步态周期内的平均值和标准差。步态周期的划分标准是以左脚跟与地面接触作为步态周期的开始, 以左脚跟再次与地面接触作为步态周期的结束。关节角度的方向定义为髋关节角度以屈曲为正, 伸展为负; 膝关节角度以屈曲为正, 伸展为负; 踝关节角度以背屈为正, 跖屈为负。
实线表示平均值, 对应颜色的阴影表示标准差。下同
图4 髋关节角度曲线
Fig. 4 Hip joint angle
图5 膝关节角度曲线
Fig. 5 Knee joint angle
从图 4 可以看出, 各个运动模式下, 髋关节角度曲线在不同行走速度时均具有一定的差异, 伸展方向幅值(即向前摆腿的最大角度)的差异最显著。行走速度越大, 髋关节角度伸展方向的幅值越大, 表明行走的步长越大。外骨骼助力效果可以通过髋关节角度屈曲方向的幅值得到很好的体现。被试未穿戴外骨骼时, 髋关节角度屈曲方向的最大幅值约0.6rad; 低助力模式下, 幅值增大到约 0.7rad; 中助力模式下, 幅值增大到约为 0.8rad; 高助力模式下, 幅值增大到约 0.9rad。在零助力模式下, 该幅值仍在 0.6rad 左右, 与未穿戴外骨骼时的幅值接近。阻力模式下, 该幅值降低到 0.5rad 左右。髋关节角度屈曲方向最大幅值在不同助力模式下具有差异, 说明髋关节助力外骨骼的助力作用主要表现为对摆腿运动的助力效果, 从而导致摆动腿向前摆动最大角度的差异。
图6 踝关节角度曲线
Fig. 6 Ankle joint angle
从图 5 可以看出, 不同运动模式下膝关节角度曲线的差异主要体现在膝关节弯曲的最大角度。被试未穿戴外骨骼时, 该最大角度约 1rad; 在外骨骼助力模式下有所增大, 最大可以达到 1.2rad 左右; 在零助力模式和阻力模式下仍为 1rad 左右。该最大角度体现了被试行走步长的变化, 行走步长越大, 膝关节在摆腿过程中弯曲的角度越大。
从图 6 可以看出, 被试在不同行走速度下, 踝关节角度曲线表现出较大的差异。本研究中脚蹬地作用通过蹬地过程中踝关节角度的变化量来评价。被试行走速度越快, 蹬地过程中踝关节角度变化越大, 脚蹬地后的跖屈角度越大。穿戴外骨骼后, 脚蹬地在一个步态周期中发生的相对时间没有太大的变化。被试以 1.1m/s 的速度行走时, 外骨骼助力模式下脚蹬地时的背屈角度变大, 脚蹬地后的跖屈角度也变大, 即蹬地过程中踝关节角度的变化量变大。被试以 0.6 和 0.8m/s 的速度行走时, 效果不太明显, 说明在被试以较大速度行走时, 脚蹬地的作用较大, 此时外骨骼对脚蹬地的助力作用效果比较明显。
综上所述, 虽然髋关节外骨骼的助力力矩直接作用在髋关节上, 但对膝关节和踝关节的运动也有影响。外骨骼的助力会增大膝关节摆腿时弯曲的角度, 也会提升被试快速行走时脚蹬地的作用效果。
除关节角度外, 本研究还分析被试在不穿戴外骨骼或穿戴外骨骼不同运动模式下的步态特征, 包括步态周期和双脚支撑期占比。
图 7 展示被试在不同行走速度和不同运动模式下步态周期的平均值。本研究中一个步态周期指一条腿脚跟触地到同一条腿脚跟再次触地的时间。被试不穿戴外骨骼时, 在 0.6, 0.8 和 1.1m/s 的行走速度下, 步态周期分别为 1.42, 1.33 和 1.15s, 即 3 种速度下的行走步长为 0.426, 0.532 和 0.633m。因此, 行走速度越大, 行走步长越大, 步态周期越小。值得注意的是, 助力越大时, 不同速度步态周期之间的差异越不明显。例如, 在高助力模式下, 在 0.6, 0.8 和 1.1m/s 的行走速度下, 步态周期分别为 1.25, 1.25 和 1.15s, 即 3 种速度下的行走步长为 0.375, 0.5和 0.633m。可以看出, 在高助力模式下, 不同行走速度的步态周期很接近, 但不同行走速度的步长差别很大。被试以 0.6m/s 速度行走时, 随着助力的增大, 步态周期表现出减小的趋势; 以 1.1m/s 速度行走时, 随着助力的增大, 步态周期没有明显的变化。因此可以得出以下结论: 在中低速行走时, 外骨骼的助力效果主要通过增大行走步长和减小行走周期来实现。
图 8 展示被试在不同行走速度和不同助力模式下的双脚支撑期占比的平均值。本研究中双脚支撑期占比指一个步态周期中双脚都与地面接触的时间长度与步态周期的比值。不穿戴外骨骼时, 双脚支撑期占比随着行走速度的增大而降低, 即行走速度越大, 双脚支撑期的相对时间越小, 单脚支撑期的相对时间越长。在外骨骼助力模式下, 不同行走速度的双脚支撑期占比的差别变小, 特别是在高助力模式下, 以 0.6m/s 速度行走的双脚支撑期与以 0.8m/s 速度行走的双脚支撑期占比非常接近。当速度为 0.6m/s 时, 随着助力增大, 双脚支撑期占比降低。当速度为 1.1m/s 时, 随着助力增大, 双脚支撑期占比呈现增高的趋势。因此, 在低速行走时, 外骨骼的助力效果主要依靠降低双脚支撑期的相对时间来实现, 在较大速度行走时, 外骨骼的助力效果主要依靠增大腿摆动的助力作用以及提高双脚支撑期的相对时间来实现。
本研究对一款髋关节外骨骼的穿戴行走实验进行运动数据采集与运动学分析。针对 3 种不同的行走速度, 以及被试不穿戴外骨骼、穿戴外骨骼在低助力、中助力、高助力、零助力和阻力下的 6 种运动模式, 采集运动数据, 计算髋膝踝关节角度、步态周期和双脚支撑期占比, 分析髋关节外骨骼的助力机制。
图7 不同行走速度和不同运动模式下的步态周期
Fig. 7 Gait periods with various walking speeds and various motion modes
图8 不同行走速度和不同运动模式下的双脚支撑期占比
Fig. 8 Proportion of double support period with various walking speed and various motion modes
对关节角度的计算与分析结果表明, 虽然髋关节外骨骼的助力力矩直接作用在髋关节上, 但是对髋关节、膝关节和踝关节的运动都有影响。对于髋关节, 助力作用主要表现为对摆腿运动的助力效果, 实现摆动腿向前摆动最大角度的增大; 对于膝关节, 助力作用主要表现为摆腿过程中膝关节弯曲角度增大; 对于踝关节, 助力作用主要体现在以较大速度行走时, 脚蹬地作用较大。对行走步态周期和双脚支撑期占比的分析结果表明, 外骨骼的助力效果主要通过增大行走步长来实现。在低速行走时, 外骨骼的助力效果主要依靠降低双脚支撑期的相对时间来实现; 在较大速度行走时, 外骨骼的助力效果主要依靠增加双脚支撑期的相对时间来实现。本文的研究结果有助于明确髋关节外骨骼的助力机制, 可为助力外骨骼的设计和运动控制提供基础。
参考文献
[1] Walsh C J, Endo K, Herr H. A quasi-passive leg exoskeleton for load-carrying augmentation. Interna-tional Journal of Humanoid Robotics, 2007, 4(3): 487–506
[2] Zoss A, Kazerooni H. Architecture and hydraulics of a lower extremity exoskeleton // ASME International Mechanical Engineering Congress and Exposition. Or-lando, 2005: 1447–1455
[3] Kazerooni H, Steger R, Huang L. Hybrid control of the Berkeley lower extremity exoskeleton (BLEEX). The International Journal of Robotics Research, 2006, 25 (5/6): 561–573
[4] Pratt J E, Krupp B T, Morse C J, et al. The RoboKnee: an exoskeleton for enhancing strength and endurance during walking // IEEE International Conference on Robotics and Automation. New Orleans, LA, 2004: 2430–2435
[5] Elliott G, Sawicki G S, Marecki A, et al. The bio-mechanics and energetics of human running using an elastic knee exoskeleton // 2013 IEEE 13th interna-tional conference on rehabilitation robotics (ICORR). Seattle, WA, 2013: 1–6
[6] Young A J, Ferris D P. State of the art and future directions for lower limb robotic exoskeletons. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2016, 25(2): 171–182
[7] Jezernik S, Colombo G, Keller T, et al. Robotic Orthosis Lokomat: a rehabilitation and research tool. Neuromodulation: Technology at the Neural Interface, 2003, 6(2): 108–115
[8] Blaya J A, Herr H. Adaptive control of a variable-impedance ankle-foot orthosis to assist drop-foot gait. IEEE Transactions on Neural Systems and Rehabilita-tion Engineering, 2004, 12(1): 24–31
[9] Kawamoto H, Hayashi T, Sakurai T, et al. Development of single leg version of HAL for hemiplegia // 2009 Annual International Conference of the IEEE Engi-neering in Medicine and Biology Society. Minneapolis, MN, 2009: 5038–5043
[10] Banala S K, Agrawal S K, Scholz J P. Active Leg exoskeleton (ALEX) for gait rehabilitation of motor-impaired patients // 2007 IEEE 10th International Confe-rence on Rehabilitation Robotics. Noordwijk, 2007: 401–407
[11] Winfree K N, Stegall P, Agrawal S K. Design of a minimally constraining, passively supported gait training exoskeleton: ALEX II // 2011 IEEE interna-tional Conference on Rehabilitation Robotics. Zurich, 2011: 1–6
[12] Zanotto D, Stegall P, Agrawal S K. ALEX III: a novel robotic platform with 12 DOFs for human gait training // 2013 IEEE International Conference on Robotics and Automation. Karlsruhe, 2013: 3914–3919
[13] Veneman J F, Kruidhof R, Hekman E E G, et al. Design and evaluation of the LOPES exoskeleton robot for interactive gait rehabilitation. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2007, 15(3): 379–386
[14] Hollander K W, Ilg R, Sugar T G, et al. An efficient robotic tendon for gait assistance. Journal of Biome-chanical Engineering, 2006, 128(5): 788–791
[15] Hu J, Lim Y J, Ding Y, et al. An advanced rehabilita-tion robotic system for augmenting healthcare // 2011 Annual International Conference of the IEEE Enginee-ring in Medicine and Biology Society. Boston, 2011: 2073–2076
[16] Gregorczyk K N, Hasselquist L, Schiffman J M, et al. Effects of a lower-body exoskeleton device on meta-bolic cost and gait biomechanics during load carriage. Ergonomics, 2010, 53(10): 1263–1275
[17] Walsh C J. Biomimetic design for an under-actuated leg exoskeleton for load-carrying augmentation [D]. Cambridge, MA: Massachusetts Institute of Techno-logy, 2006
[18] Mooney L M, Rouse E J, Herr H M. Autonomous exoskeleton reduces metabolic cost of human walking during load carriage. Journal of Neuroengineering and Rehabilitation, 2014, 11(1): 1–11
[19] Collins S H, Wiggin M B, Sawicki G S. Reducing the energy cost of human walking using an unpowered exoskeleton. Nature, 2015, 522: 212–215
[20] Bougrinat Y, Achiche S, Raison M. Design and deve-lopment of a lightweight ankle exoskeleton for human walking augmentation. Mechatronics, 2019, 64: 102297
[21] Sawicki G S, Ferris D P. Mechanics and energetics of level walking with powered ankle exoskeletons. Jour-nal of Experimental Biology, 2008, 211(9): 1402–1413
[22] Sawicki G S, Ferris D P. Mechanics and energetics of incline walking with robotic ankle exoskeletons. Journal of Experimental Biology, 2009, 212(1): 32–41
[23] Xu D, Liu X, Wang Q, Knee exoskeleton assistive torque control based on real-time gait event detection. IEEE Transactions on Medical Robotics and Bionics, 2019, 1(3): 158–168
[24] Li Z, Li Q, Huang P, Xia H, et al. Human-in-the-loop adaptive control of a soft exo-suit with actuator dyna-mics and ankle impedance adaptation. IEEE Tran-sactions on Cybernetics, 2023, 53(12): 7920–7932
Kinematics Analysis of Human Body Wearing a Hip-Joint-Assisted Exoskeleton
Abstract Faced with the problem that existing studies on lower-limb powered exoskeleton lack joint-level kinematics analysis and assistance principle of hip exoskeleton, motion of human body wearing a hip assisted exoskeleton with multiple assist modes was recorded and analyzed. Motion data of human walking without exoskeleton, with transparent, low assistance mode, middle assistance mode, high assistance mode and resistance mode were obtained. Based on inverse kinematics and data processing, joint angles and gait characteristics were obtain. These results are helpful in clarifying the assistance principle of the hip exoskeleton, and may benefit design and motion control of assisted exoskeletons.
Key words lower-limb assisted exoskeleton; kinematics analysis; human walking; gait characteristics