Роботный массаж

М.В. Архипов, В.Ф. Головин, В.В. Журавлев

Адаптивное и интеллектуальное управление роботами для восстановительной медицины

ГОУ Московский государственный индустриальный университет, г. Москва. e-mail: medicalrobot@mail.ru

Введение

Для восстановительной медицины известны роботы, выполняющие манипуляции на мягких тканях и суставах [1]. Манипуляции на мягких тканях выполняются при непосредственном контакте руки робота с мягкими тканями, вызывая их различные деформации. Манипуляции на суставах деформируют мягкие ткани через движение конечностей в суставах. Медицинские цели этой механотерапии – реабилитация, терапия для больных пациентов, для здоровых но устающих людей – это профилактика, оздоровление, сохранение и повышение работоспособности, причем объективными показателями эффективности должны быть измеряемые биомедицинские параметры состояния пациента. Поэтому организация биотехнического управления с обратными связями по биомедицинским параметрам является актуальной и рассматривается в данной работе. Это управление является приоритетным и образует внешний контур, управление по вектору биомедицинских параметров В.

Чтобы достичь необходимого состояния пациента механотерапевтическая система воздействует на пациента механически. Это механическое воздействие описываемое вектором R измеряется, образуя внутренний контур позиционно-силового управления.

Таким образом, иерархическая система робота должна иметь три уровня управления: исполнительный – позиционно-силовое управление; тактический – биотехническое управление; ситуационный уровень – управление в системе врач-робот-пациент.

Уровень позиционно-силового управления

Для робота, манипулирующего на мягких тканях, основными задачами являются следующими. Первая – подход руки робота к мягкой ткани до контакта и давление с заданным усилием F₀. Это задача силового управления F→F₀, и решается введением обратной связи по усилию. Вторая задача – движение инструмента робота вдоль поверхности мягкой ткани с заданной скоростью и обеспечением нормального к поверхности мягкой ткани усилия F₀ⁿ без превышения тангенциальной составляющей F₀^τ. Эта задача позиционно-силового управления, методы которого известны в немедицинских приложениях для сборки, обдирки, финишной обработки [2]. Известные методы позиционно-силового управления представляются тремя классами: раздельное (по приводам или по времени), согласованное, комбинированное. Поскольку в этих работах рассматривается взаимодействие твердых тел, то движение организуется вдоль связи. Мягкая ткань деформируется и не может образовывать связь. Однако, возможна другая интерпретация связей, удобная для алгоритмизации, когда связь представляется некоторой кривой-образом X₀'(t), связанной с заданной траекторией движения X₀(t). Причем, эта кривая X₀'(t) точно отслеживается следящими приводами. Появляется ряд вариантов позиционно-силового управления манипуляциями на мягких тканях в зависимости от способа задания X₀'(t).

1) Кривая X₀'(t) задается обучением точек над поверхностью мягкой ткани. Следящие приводы отслеживают X₀'(t) и добавочный силовой привод, закрепленный на конечном звене, обеспечивает усилие F₀ⁿ. Робот может иметь различное число степеней подвижности. Минимально одну степень – в случае планарного робота. В общем пространственном случае робот имеет шесть степеней подвижности для отслеживания любой пространственной кривой, плюс седьмой силовой привод в направлении Fⁿ. X₀'(t) = X₀(t)+ ΔX₀(t). Три обозначенных вектора имеют одинаковую ориентацию (n, s, a), где n, s, a – подвекторы нормали, касательной, подхода и отличаются по положению на величину деформации мягкой ткани или компенисирующей пружины Δp, необходимой для обеспечения F₀ⁿ

Δp = (Δ∙sin a∙cos o, Δ∙sin a∙ sin o, Δ∙cos o),

где o, a, t – углы Эйлера, определяющие ориентацию, Δ – смещение вдоль инструментальной оси.

2) Точки кривой X₀'(t) задаются силовым обучением (при повторах – силовым самообучением), когда в обученной точке обеспечивается заданное усилие F₀ⁿ. Через эти точки проходит интерполированная кривая X₀'(t), а множество как угодно близких многочисленных обученных точек определяет кривую X₀(t), для которой F₀=f(X₀). Поэтому следящие приводы отслеживают кривую X₀(t) лишь в обученных точках, а в остальных точках ошибаются в зависимости от разности X₀'(t) - X₀(t). Этот вариант не требует отдельного силового привода.

3) Обучением задаются точки вблизи или в контакте с поверхностью мягкой ткани и планируется интерполированная траектория X₀'(t). Затем выполняется пошаговый алгоритм

	если ,
	если ,
	если ,

где - смещение вдоль инструментальной оси.

Для роботов типа PUMA такой алгоритм реализуется программными прерываниями с опросом датчика усилия и командой TOOL MOVE.

4) Возможно совмещение методов 2 и 3, когда отслеживается не интерполированная траектория а корректируемая с учетом измерения Fⁿ.

5) Управление по тангенциальному усилию F^τ осуществляется за счет изменения нормального усилия.

	если ,
	если .

6) При возможности повторных проходов выполняется пошаговый уточняющий алгоритм постепенного приближения Fⁿ к F₀ⁿ.

Уровень биотехнического управления

Для контура биотехнического управления цель определяется как обеспечение и поддержание заданного вектора биомедицинских параметров пациента B₀ в заданном диапазоне ±ε_B при некотором начальном состоянии B_Z. Вектор состояния пациента может включать следующие измеряемые компоненты: B=(f, p, K, R, g)*, где f – частота сердечных сокращений, p – артериальное давление, K – коэффициент упругости мягких тканей, R – электро-кожное сопротивление, g – электропроводимость биологически активных точек.

Управляющим воздействием, которое меняет состояние пациента, является вектор R, состоящий из следующих измеряемых компонент: R=(X, V, F, n ,N), где X – траектория перемещения инструмента, V – скорость перемещения, F – усилие взаимодействия инструмента и мягкой ткани, n – число повторений, N – номер программы манипуляций. Векторы B и R являются вектор-функциями времени.

Таким образом, объектом управления является взаимодействующая система робот-пациент, как преобразователь вектора R в вектор B. Реакции компонент вектора B появляются с запаздыванием к воздействиям R, поэтому в первом линейном приближении модель объекта управления представляется передаточной матрицей W(p)=(w_i,j(p)). Запаздывание компонент учитывается в апериодических звеньях . Метод обратных задач предлагает для компенсации запаздывания в объекте проектировать регулятор как пропорционально-дифференциальный. Для этого необходимо располагать данными об отклонениях B₀ – B, производных этих отклонений и соответствующих параметрах воздействия R. Эти данные могут быть получены при наблюдениях эксперта-врача за процессом механотерапии пациента.

По причине изменчивости параметров объекта управления, влияния неизмеренных параметров воздействия и состояния, предлагается использовать нечеткие представления и нечеткое управление. Данные получаются как срезу в определенные моменты времени значений . По диапазонам параметров строится функции принадлежности и характерные продукционные правила. Другой способ – пользоваться таблицей данных как обучающей выборкой гибридной сети.

Для первых исследований строится релейная система, в которой управляющее воздействие R имеет два значения, соответствующие возбуждению и торможению, а, следовательно, переключение двух программ воздействий. Также два других выхода регулятора предупреждают о необходимости перехода на мануальные воздействия или прекращение манипуляций.

Для реализации биотехнического управления разрабатывается система передачи данных с измерительных элементов в персональный компьютер, обработки данных в пакете программ MATLAB, и вывод данных из пакета в систему управления робота.

Список литературы

1. Головин В.Ф. Мехатронная система для манипуляции на мягких тканях. // Мехатроника, автоматизация, управление. – М.: 2002, №7.

2. Гориневский Д.Н., Формальский А.М., Шнейдер А.Ю., Управление манипуляционными системами на основе информации об усилиях. – М.: Физматлит, 1994, 368 с.