题目：一种新型医疗康复机器人的关键技术研究

随着社会老龄化的加剧，康复医疗产业成为一个新兴的产业。康复机器人成为近年来的研究热点，众多涉及被动训练和主动训练的轨迹跟踪算法都取得了较好的效果，但对训练模式之间的过渡过程研究却较少涉及。下肢康复机器人配合功能电刺激使用可以取得更好的训练效果，如何获取信息以更好地控制功能电刺激成为应用的关键。本文针对这些问题，归纳总结了下肢康复机器人的关键技术要点，研究了肌肉痉挛判定方法、训练意图辨识以及肌电信号趋势预测三个方面的关键技术。并在下肢康复机器人样机上对关键技术进行了验证，取得了较为满意的效果。

全文工作内容主要包含以下几个方面：

（1）通过分析蹬踏运动特点、常用单闭环直流调速系统的特点以及肌肉痉挛的特点，提出了痉挛判断的方法。通过规定痉挛意图判定时间以及限定扭矩下电机堵转时间将痉挛判断时间标准化。肌肉痉挛判定标准的数字化提高了康复训练的安全性。

（2）利用“当前”模型的改进卡尔曼滤波算法对速度进行预测，通过预测速度与实际速度之间的隐含关系得到了训练意图的判断方法。通过完备的测试集合完善了判断方法，从而得到了不同训练模式下改变训练意图的判定方法。为控制系统实现训练模式之间的平稳过渡提供了可靠的依据，有效提高了康复机器人康复训练刚度控制的动态性能。

（3）利用状态回声网络（ESN）对肌肉电信号进行建模。采用粒子群算法（PSO）对ESN的参数进行优化，对PSO中粒子的更新速度进行了修改以提高优化速度。并在此基础利用教师信息的数据关联性设计合理的优化目标函数，经过优化后的ESN网络在预测肌电信号趋势方面取得了较好的效果。

（4）利用下肢康复机器人样机对关键技术进行了验证，实验结果表明控制系统在这些测试中都取得了较满意的控制效果。

本文通过采集下肢康复机器人电机的运行参数，利用改进卡尔曼滤波对运行参数进行预测。通过不同训练状态下运行参数预测结果与实际运行参数的关系得到了训练意图，这种间接获取训练意图的方法使得下肢康复机器人的结构较为紧凑，提高了设备的可靠性。利用ESN预测肌电信号趋势，为后期通过肌电信号获取训练意图奠定了基础。