29、基于功能性电刺激和迭代学习控制的手部康复及高性能导电水凝胶电极研究

基于功能性电刺激和迭代学习控制的手部康复及高性能导电水凝胶电极研究

基于功能性电刺激的手部康复系统

在手部康复领域，功能性电刺激（FES）是一种重要的手段。在康复过程中，通常会将表面电极附着在前臂的外部伸肌和屈肌上，以此来激发手部的运动。不过，手部康复系统是一个多输入多输出的复杂系统，涉及多个肌肉、关节和电极。如果对与手部关节运动对应的特定肌肉进行建模，需要考虑电极与肌肉的匹配关系，以及其他电极对该肌肉的耦合效应。而且，手部的运动会改变电极和肌肉的相对位置，这会增加建模的复杂性。

为了降低手部系统模型的复杂性，提出了一种名为线性映射矩阵的新关系模型。该模型可以直接构建关节运动和电极之间的关系，而无需考虑实际肌肉模型的参数。使用电极阵列进行电刺激时，刺激点可以根据情况实时调整，这在很大程度上提高了系统的灵活性。

手部康复训练主要针对手腕和手指的伸展运动。因此，线性映射矩阵中仅考虑前臂肌肉引起的手腕和手指运动，并将它们的关节角度状态定义为系统的输出。手指关节的运动状态可以定义为：
[y_{fi} = y_f(\theta_{i1}, \theta_{i2})]
其中，(i = 1, 2, \cdots, 5) 分别表示手部的五根手指，(y_f) 表示手指的关节角度向量，(\theta_{i1}) 和 (\theta_{i2}) 分别表示每根手指的前两个关节角度。在前臂肌肉进行临时电刺激时，手腕也会在矢状面和额状面产生屈伸运动，因此手腕的运动状态定义为：
[y_{wj} = y_w(\theta_{wj})]
其中，(y_w) 表示手腕的关节角度，(j = 1, 2) 分别表示手腕在矢状面和额状面的运动，(\theta_{wj}) 表示每个平面的