1.1 研究目的及意义

根据世界卫生组织的报告，在2000-2050年期间年龄超过60岁的人口比例将从11%增致22%，届时，超过60岁的人口数量将达到20亿，全世界有超过一半（54%）的老年人生活在亚洲，22%的老年人生活在欧洲。许多国家已经步入老龄化社会，于此同时，全球约有6.5亿残疾，占世界人口的10%，其中生活在发展中国家的残疾人占80%。“2013中国残疾人统计年鉴”报告显示中国总的残疾人数量为3795万人。随着人口老龄化和残疾人群的增加，这种衰退趋势将更加明显，这将会严重影响他们的日常生活。

目前，大多数康复机装置多采用电机丝杠的刚性驱动方式，极易因训练角度和训练力调节不当对患者造成二次伤害。针对这一问题，在前期的研究中研究开发了一种气动肌肉驱动的动康复训练机器人，气动肌肉是一种与人类肌肉输出特性类似的柔性气动驱动器件，能够提供柔顺性的康复训练，有效避免了因施力或弯曲角度过大而造成的二次伤害；同时能够为患者提供被动康复训练、主动康复训练等不同模式的训练方式，以适应不同康复程度的患者。在前期研究的基础上，进一步完善该康复机器人的控制系统，使其在确保康复训练过程自然、安全的前提下提高患者的主动参与性是下一步研究的重点。

由于肌肉与关节、韧带是相互关联的，并且有研究表明：人体表面肌电信号与对应关节的运动状态以及相应肌肉的活动状态也存在有一定的联系，可用来反映人体关节和肌肉的不同状态。此外，由于表面肌电信号与人体的肢体运动直接相关，表面肌电控制系统具有仿生性好、动作自然等优点，表面肌电信号己成为人一机仿生系统最为理想的控制信号源因此，表面肌电信号与康复机器人的有机结合，将有助于提高病人在康复训练中的主动参与性，并进一步提升对患肢的康复训练效果。虽然，将表面肌电信号作为康复机器人理想控制源来实现对患肢的康复训练这一方面的研究还不多，但肌电信号已在生物电反馈、体育训练以及临床诊断等领域，特别是肌电假肢控制领域得到了广泛的应用，这也在一定程度上为表面肌电信号控制康复机器人的研究提供了借鉴。

本课题旨在研究基于表面肌电信号的踝关节康复机器人控制系统。主要是在现有的踝关节康复机器人样机的基础上，通过获取人体表面肌电信号，从中提取肌肉活动的特征信息，并借此控制供气压力，实现对受伤踝关节的智能康复训练。本课题的研究具有控制和机构学方面的理论价值和实际的应用价值。

1.2 国内外研究现状

（1）运动意图识别。生物信号里面包含很多关于人体运动的信息，研究发现，表面肌电信号(surface Electromyography, sEMG)与肌肉活动和运动状态之间存在着很大的关联。sEMG 产生在肌肉收缩之前，所以它可以用来预测运动意图。Hudgins和P.Parker等人采用两通道肌电仪进行采集上肢相关肌肉的表面肌电信号，提取它们的平均绝对值（MAV）、平均绝对值的变化率（MAVS）、过零点数、信号的斜率变化数、波形长度作为特征值向量，利用多层感知器对上肢假肢的四个类别的动作进行判别。K.Englehart和B.Hudgins等人采用四通道肌电仪进行采集上肢相关肌肉的表面肌电信号，提取信号的短时傅里叶系数（STFT）、小波变换系数（WT）、小波包变换系数（WPT）作为特征值向量，利用线性判别分析器对上肢假肢的六个类别的动作模式进行判别。E.Lamouier和A.Andrade等人采用五通道肌电仪进行采集相关肌肉的表面肌电信号，提取信号的自回归系数（AR）作为特征值向量，利用多层感知器对肌电假肢的四个类别的动作模式进行判别。因此，本课题采用肌电信号来预测运动意图。

（2）肌肉疲劳评估。目前利用肌电信号评估肌肉疲劳已有了众多研究，大多数学者工作是探究何种指标能够更好的评估肌肉疲劳，而考虑指标是否能够良好的应用于实时评估肌肉疲劳的研究却鲜有报道。但实时评估肌肉疲劳在现实生活中却有着重要意义，例如，在康复训练过程中，若患者无法感知到肌肉疲劳且无外部实时疲劳监测系统，则可能导致患者肌肉的二次损伤，加重病情。黄鹏等人制作了便携式肌肉疲劳检测系统，使用均方根、肌电积分值、过零率、均值频率、中值频率以及疲劳指数( fatigue index，FI)等指标实时评估肌肉疲劳；Chang K．M．等人研制无线肌电釆集系统，监测中值频率用来实时评估肌肉疲劳；Chen S．W．等人通过实时分析肌电信号的和中位频率评估肌肉疲劳。由此可见，应用于实时评估肌肉疲劳时采用时、频域指标居多，够可靠地评估肌肉疲劳状态。