下肢康复训练减重支撑系统的研究现状

目的：下肢减重康复训练已成为下肢功能康复重要的治疗方法之一,因其在恢复步行能力、纠正步态、改善平衡、减轻肌肉痉挛、减少心肺负荷等方面具有优势,故下肢减重康复训练越来越受到众多学者的关注。然而,下肢康复训练减重支撑系统是下肢减重康复训练必不可少的一部分,因为合理舒适的减重支撑系统对于减重康复训练的效果具有较大的影响。因此随着科技的发展下肢康复训练减重支撑系统也在一步步改进以满足患者的需求。本文对下肢康复训练减重支撑系统的国内外研究现状进行综述,并展望其发展趋势。方法：通过查阅国内外相关文献,同时融合本单位的相关经验分析总结进行综述。结果：目前所使用的减重支撑系统（BWS）主要有悬吊减重系统、斜床背部支撑减重系统、水浮力减重系统、空气压差式减重系统等。结论：上述几种减重系统都有其缺点,在使用时具有一定的局限性,因此需要进行相关技术的进一步改进以设计出更加自然、合理的下肢减重支撑系统以满足更多患者的需求,故下肢康复训练减重支撑系统具有广阔的发展空间和良好的应用前景。     

俯卧式脊柱康复训练仪运动学建模与分析

为了改善现有脊柱康复训练设备的功能单一、结构复杂、训练模式不合理的现状。本研究通过对人体爬行运动进行建模,实现新型智能脊柱康复训练仪的设计。用Denavit-Hartenberg法对爬行训练仪进行运动学建模,得到其正逆运动学方程。使用MATLAB建模软件在预设康复轨迹下进行运动学仿真实验,对运动学求解进行验证。实验结果表明,脊柱康复训练仪能在预定轨迹下按爬行训练的要求运动,验证了脊柱康复训练仪结构设计的合理性。同时,由机械把手位置信息通过逆运动学方程计算得到的各关节的角度误差最大不大于3°,验证了所得运动学方程的有效性。     

基于减重步行训练的下肢康复机器人结构设计与分析

提出了一款基于气囊式减重原理的下肢康复训练机器人。它集主动训练与被动训练、静态平衡与功能评定于一体,适用于下肢偏瘫的脑卒中患者。装置的机械结构包括减重支持结构、步行器、拉伸锁定结构配合U型架、箱体结构和外框架辅助结构。对跑步机这一运动部件用SolidWorks软件进行三维建模,并用有限元分析软件Ansys进行应力计算表明:跑步机最大应力值为3.593 2 MPa,最大变形值为1.062 7 mm,均在材料容许范围以内,验证了设计的合理性与可行性。     

坐姿下肢康复训练系统的结构设计与分析

目的设计一台基于坐姿的下肢康复训练系统,以帮助各类下肢运动功能障碍患者实现髋、膝、踝关节的有效康复训练。方法首先设计坐姿下肢康复训练系统的整体结构;然后采用SolidWorks对系统整体结构进行三维建模,并用有限元分析软件Ansys对主要受力部件进行变形量分析和强度校核;最后对实体样机进行调试,验证本训练系统设计的可行性和合理性。结果该系统主要包括可移动训练座椅、外骨骼机械腿、髋关节间距调节装置以及电控部分。座椅支撑最大的等效应力为5.2315 MPa,且最大变形量仅为0.0128 mm;移动导杆最大等效应力为204.59MPa,最大变形量为1.72 mm;脚踝部分最大等效应力为97.326 MPa,脚踝部分最大变形量为0.62mm。该训练系统可以满足身高在155~190 cm内的患者使用。机械腿膝关节运动到最大及最小极限角度的可靠性组内相关系数(intraclass correlation coefficient,ICC)分别为0.823和0.895;踝关节运动到背屈、趾屈极限位角度的可靠性ICC值分别为0.861和0.833。结论本训练系统各主要受力部件的强度和变形量都能满足要求;能够达到髋、膝、踝三关节预定动作范围,可带动受试者实现各种模式的下肢康复训练,具有较好的可行性和合理性。     

基于人体动力学模型的下肢康复机器人控制方法

为解决目前针对骨科术后患者的下肢康复机器人种类少且交互性弱等问题,该文设计了一种基于人体动力学建模和拉压力传感器实现人机交互的新型坐卧式下肢康复机器人。该系统通过实时监测人机交互力,调整髋关节、膝关节、踝 关节训练角度,验证建立的数学模型,对比实际采集的关节角度,得出数学模型在 Matlab 拟合和 Adams 仿真中力矩变化趋势相同,且最大均方差不超过 0.81N/m,实验对比完全被动和智能被动状态的关节角度有明显调整,证明该系统提升了患者的主动参与性。     

基于深度相机和神经网络的下肢关节力矩估计

目的 通过深度相机和神经网络估计人在直线行走时髋、膝和踝关节的屈伸力矩。方法 利用光学运动捕捉系统、测力板和Azure Kinect深度相机采集20个人的步态信息,受试者被要求以其偏好的步行速度直线行走,同时踏在测力板上。并利用Visual 3D仿真得到关节力矩作为参考值,分别训练人工神经网络（artificial neural network,ANN）模型与长短期记忆（long short-term memory,LSTM）模型进行关节力矩估计。结果 ANN模型估计髋、膝和踝关节的关节力矩的相对均方根误差（relative root mean square error,rRMSE）分别为15.87%~17.32%、18.36%~25.34%和14.11%~16.82%,相关系数分别为0.81~0.85、0.69~0.74和0.76~0.82。LSTM模型具有更好的估计效果,rRMSE分别为8.53%~12.18%、14.32%~18.78%和6.51%~11.83%,相关系数分别达到了0.89~0.95、0.85~0.91和0.90~0.97。结论 本文证实了利用深度相机和神经网络无接触估计人体下肢关节力矩方案的可行性,其中LSTM模型具有更佳的表现。关节力矩估计结果与现有研究相比具有更好的精度,潜在应用场景包含远程医疗、个性化康复方案制定以及矫形器辅助设计等。     

基于统计参数映射分析跑鞋跟掌落差对下肢关节负荷的影响

目的 探讨在相同跑速下穿着不同落差跑鞋对下肢关节负荷的影响,为跑鞋设计和跑步者选购跑鞋提供依据。方法 18名男性跑步者分别穿着零落差和10 mm落差跑鞋以(4.0±0.2) m/s速度完成测试,使用红外高速运动捕捉系统和三维测力台同步采集下肢运动学参数和地面反作用力(ground reaction force, GRF)。使用统计参数映射法(statistical parameter mapping, SPM)分析跑鞋跟掌落差对支撑期垂直GRF、下肢关节三维力矩的影响。结果 跑鞋跟掌落差对垂直GRF无影响,对下肢关节部分力矩-时间序列影响显著。与穿着零落差跑鞋相比,穿着10 mm落差跑鞋在27%～38%支撑期髋关节内旋力矩增加,在47%～75%支撑期膝关节伸展力矩增加,在16%～33%、25%～30%、12%～25%支撑期踝关节跖屈力矩、外翻力矩和外旋力矩降低。结论 与穿着零落差跑鞋相比,穿着10 mm落差跑鞋在支撑前期髋关节负荷增加,踝关节负荷降低,在支撑中期膝关节负荷增加。建议跑步者结合自身特点及跑鞋跟掌落差对下肢关节负荷特征的影响,选择适合自己的跑鞋。