Design and validation of a 3-DOF wrist rehabilitation trainer with BP-PID impedance control

当一个人遭受中风或手臂严重受伤时，手腕往往会变得僵硬且失去反应。如果没有规律的运动，关节周围的组织可能会粘连在一起，大脑控制手部的能力也会逐渐退化。医生们知道，让手腕进行全范围的运动对于防止这种僵硬和帮助神经愈合至关重要。然而，让患者正确地进行运动是非常困难的。人类的手腕是一个复杂的、三维的铰链，它不像门铰链那样围绕一个单一的固定点旋转。相反，随着手的弯曲、倾斜或扭转，其旋转中心会发生轻微偏移。如果机械装置试图强迫手腕围绕一个与人体自然运动不匹配的固定点运动，可能会导致疼痛、造成肌肉劳损，甚至损坏关节。多年来，工程师们一直致力于制造一种能够自然移动手腕而不产生这种对齐偏差的机器人，同时还要能为无法自主运动的患者提供恰到好处的帮助。

中国的一个研究小组设计并测试了一种新设备来解决这一特定问题。他们创造了一个三维手腕训练器，它可以进行物理调整以匹配人类手腕的移动中心。不同于那些可能强迫手部进入僵硬路径的旧机器，该设备使用了一种特殊的补偿结构。想象一下手腕是一根可以轻微拉伸和收缩的柔性杆；该机器通过允许握把随着手的移动而靠近或远离旋转中心，来模拟这种行为。这种调整确保了机器的旋转点与患者实际的关节保持一致，从而防止了因两个中心不匹配而产生的痛苦摩擦。该设备能够引导手部完成三种不同类型的运动：手腕的上下弯曲、左右倾斜，以及旋转前臂使掌心向上或向下。

为了确保设备的安全性与有效性，研究人员首先在计算机上构建了一个该机器的虚拟版本。他们在计算机上模拟了设备在不同条件下的运动情况，包括人类手臂的重量以及机器齿轮内部的摩擦力。这些计算机测试表明，该设备可以处理手腕复杂的组合运动，而不会出现卡顿或失去控制的情况。他们还发现，移动手腕所需的力会根据运动方向和摩擦力的存在而发生变化。这些信息对于设计机器的“大脑”——即控制系统——至关重要。

研究人员开发了一种先进的控制方法来管理设备的运动。他们将标准的控制算法与一种被称为神经网络的人工智能技术相结合。该系统就像一个具备自我学习能力的驾驶员。它并不使用一套固定的规则，而是不断监测机器试图到达的位置与患者手腕实际位置之间的差异。然后，它会实时调整自身的设置以纠正任何误差。这使得机器能够对人体肢体不可预测的力量做出平滑反应，仅提供足够的协助来帮助患者运动，而不会完全接管动作。研究人员还为机器编写了名为“阻抗控制”的策略，这使得设备感觉起来是柔软且具有顺应性的，就像弹簧一样，而不是僵硬且死板的。这确保了如果患者产生抵抗或发生意外移动，机器会温柔地让步，而不是强行推动关节。

随后，团队制作了一个物理原型进行测试，并邀请了三名健康志愿者参与实地测试，以观察其在现实世界中的表现。结果显示，该设备能够成功引导手腕完成比传统机器更广泛的运动范围。具体而言，与常规训练的限制相比，该设备使志愿者多进行了31.5度的弯曲、28.5度的倾斜以及12.4度的旋转。该机器还能高精度地追踪预设的运动路径，与旧的控制方法相比，其施加力量的误差减少了近四分之一到三分之一。

或许最重要的一点是，研究人员测量了志愿者手腕肌肉的电活动，以观察该设备是否真的在帮助身体工作。他们发现，当机器辅助运动时，手腕肌肉的放电强度远高于志愿者自主尝试移动或运动受限时的强度。在某些情况下，肌肉的电信号增加了高达425%。这表明该设备不仅仅是在为患者移动手臂，它还在积极刺激肌肉和神经，鼓励身体参与康复过程。通过将机器的运动与人体的自然几何结构相匹配，并利用智能控制系统来适应患者，研究人员创造出了一种在机械结构上合理且在生物学效应上有效的工具，有助于帮助人们恢复手腕功能。