本发明涉及上肢康复训练，属于康复训练领域。
背景技术：
1、在进行上肢运动康复时，康复师通常通过徒手或借助医疗器械的方式对患者进行康复训练。随着患者数量的增加和康复师数量的有限，人工成本不断上升，康复机器人成为一种有效的解决途径。但是当前能同时兼顾全上肢康复训练器械较少，同时，医疗机器人可对全过程进行辅助的作用至关重要，因此，一体化的康复装置以及多样化的康复策略具有一定的市场。
2、近年来，上肢康复机器人系统的训练策略不再单一，主要体现为主被动训练的结合以及全周期康复过程的统筹。然而，训练策略调整的时机仍较为模糊。评估患者情况是康复训练中的关键环节，旨在根据患者情况进行实时策略调整，以确保患者在训练过程中的安全性和训练效果。因此，监控康复过程不仅是康复机器人系统的重要特征，也是调整训练策略的重要依据。现有评估方法通过物理位置、力量测量或视觉模拟量表作为辅助指标，但在康复过程中不具备实时性和直观性，训练效果不好，且安全性差。
技术实现思路
1、针对现有上肢康复机器人训练效果不好，且安全性差的问题，本发明提供一种上肢全周期康复训练装置及方法。
2、本发明所述上肢全周期康复训练装置，包括康复机械臂1、肌电采集单元2、摄像头3、对侧康复手套5、上位机6和平台7；康复机械臂1、肌电采集单元2、摄像头3和对侧康复手套5设置在平台7上；
3、康复机械臂1包括机械臂1-1、力传感器1-2和康复训练手柄1-3，机械臂1-1末端通过力传感器1-2连接康复训练手柄1-3；机械臂1-1在康复训练中通过康复训练手柄1-3来辅助患者上肢运动，力传感器1-2用于实时反馈机械臂1-1和患者手臂之间的作用力；
4、肌电采集单元2，用于采集肌电信号进行运动意图识别；
5、摄像头3，用于采集患者健侧手部动作，镜像指导患侧手指训练；
6、对侧康复手套5包括机械手套5-1和控制装置5-2；机械手套5-1由控制装置5-2通过线索牵引带动手指进行康复训练；
7、上位机6，用于接收力传感器1-2、肌电采集单元2和摄像头3采集的信息，还用于给机械臂1-1和控制装置5-2发送训练指令。
8、优选地，还包括显示器4，用于训练过程中通过数字孪生平台反映患者状态。
9、本发明所述上肢全周期康复训练方法，上肢全周期康复训练包括软瘫期、痉挛期和恢复期三个周期的手臂训练和手指训练；
10、软瘫期训练策略：由上位机6给机械臂1-1发送手臂训练指令进行手臂被动训练，由上位机6给控制装置5-2发送手指训练指令以实现手指被动训练；
11、痉挛期训练策略：手臂训练时，利用采集的肌电信号进行手臂运动意图识别，并根据该手臂运动意图驱动机械臂1-1进行助力康复训练，当力传感器1-2采集的机械臂1-1和手臂之间的作用力超限时机械臂1-1制动保护；手指训练时，利用视觉和肌电信号加权耦合的方式对患者健侧进行手指运动意图识别，控制装置5-2根据该手指运动意图驱动机械手套5-1牵引患侧手指进行康复训练。
12、优选地，软瘫期的手臂训练过程为：上位机6按预设康复计划给机械臂1-1发送手臂训练指令，机械臂1-1按照预定轨迹带动患者的手臂进行被动训练；训练路径规划包括直线路径规划和圆弧路径规划，通过笛卡尔路径规划和逆运动学求解机械臂各关节角度的变化来实现，笛卡尔路径规划包括圆弧插补和直线插补。
13、软瘫期的手指训练过程为：上位机6按预设康复计划给控制装置5-2发送手指训练指令，控制装置5-2控制驱动装置、调节舵机，实现对机械手套5-1的牵引，帮助手部完成助力实现被动康复训练。
14、优选地，痉挛期的手臂训练过程为：
15、a1、采集患者手臂肌电信号，进行滤波预处理后进行特征提取，将提取的特征转换为numpy向量，并输入手臂运动意图分类网络，得到手臂运动意图；
16、a2、上位机6根据手臂运动意图给机械臂1-1下达康复指令，机械臂1-1助力康复训练手柄1-3上的患者手臂进行相应康复动作；
17、a3、监测力传感器反馈数据，当超过预设的作用力阈值时，机械臂1-1制动保护，结束训练。
18、优选地，手臂运动意图分类网络的训练数据集的构建过程为：
19、a11、将电极片贴在健康人的手臂运动参与肌群上；
20、手臂运动参与肌群包括肱二头肌、肱三头肌、三角肌后束和胸大肌；
21、a12、根据预先设计的手臂动作方案移动手臂，并记录每个特定动作的肌电信号；手臂动作方案包括手臂前后移动、左右移动和斜角度移动；
22、a13、对采集到的肌电信号进行多频带滤波处理，具体过程为：
23、首先是对工频干扰噪声进行处理，采用了50hz陷波滤波器去除工频干扰，然后采用10～90hz带通滤波器去除低频运动伪影和高频噪声，保留有用的肌电信号成分；
24、a14、提取肌电信号中的活跃部分，具体过程为：
25、首先，限定采样滑动窗口大小为1000个采样点，滑动步长为10个采样点；限定活跃阈值：对于每个通道，计算其绝对值信号的平均值作为该通道的活跃阈值，活跃阈值按下式计算：
26、tj＝k·mean(|xj|)
27、其中，tj是第j个通道的活跃阈值，k是比例系数，经过调整取为1.3，xj是第j个信号的通道；
28、利用采样滑动窗口遍历所有肌电信号，在每个滑动窗口内，计算窗口内信号的绝对值均值；如果窗口内任何一个通道的均值超过其阈值，则该窗口被认为是活跃窗口，并保存该窗口的信号；如果窗口内任何一个通道的均值都低于其活跃阈值，则抛弃该窗口的信号；
29、a15、对滤波并保留活跃部分的肌电信号进行特征提取；
30、特征提取的过程为：计算肌电信号的八个特征，八个特征包括标准差、均方根、最小值、最大值、过零点、平均幅度变化、均方根值以及波形长度；
31、a16、将a15提取的特征转换为numpy向量构建手臂运动意图分类网络的训练数据集。
32、优选地，痉挛期的手指训练过程为：
33、b1、采集患者健侧手指肌电信号，进行滤波预处理后进行特征提取，将提取的特征转换为numpy向量；
34、b2、利用摄像头3采集患者健侧手部动作，上位机6采用大津算法对摄像头捕捉的图像帧进行二值化预处理，将图像转换为张量；
35、b3、将b1的numpy向量和b2的张量加权耦合后输入手指运动意图分类网络，得到手指运动意图；
36、b4、上位机6根据手指运动意图给控制装置5-2下达康复指令，控制装置5-2根据该手指运动意图驱动机械手套5-1牵引患侧手指进行康复训练。
37、优选地，手指运动意图分类网络的训练数据集包括肌电部分和视觉部分；
38、肌电部分的训练数据集构建过程为：
39、b11、将电极片贴在健康人的手指运动参与肌群上；
40、手指运动参与肌群包括负责各手指弯曲的屈肌群中的指浅屈肌、指深屈肌、负责各手指伸展的伸肌群中的指总伸肌、指伸肌小肌、示指伸肌，以及负责拇指屈伸的拇长屈肌、拇长伸肌；
41、b12、根据预先设计的手指动作方案抓握手指，并记录每个特定动作的肌电信号；手指动作方案包括伸展、握拳和半握拳；
42、b13、对采集到的肌电信号进行多频带滤波处理，具体过程为：
43、首先是对工频干扰噪声进行处理，采用了50hz陷波滤波器去除工频干扰，然后采用10～90hz带通滤波器去除低频运动伪影和高频噪声，保留有用的肌电信号成分；
44、b14、提取肌电信号中的活跃部分，具体过程为：
45、首先，限定采样滑动窗口大小为1000个采样点，滑动步长为10个采样点；限定活跃阈值：对于每个通道，计算其绝对值信号的平均值作为该通道的活跃阈值，活跃阈值按下式计算：
46、tj＝k·mean(|xj|)
47、其中，tj是第j个通道的活跃阈值，k是比例系数，经过调整取为1.3，xj是第j个信号的通道；
48、利用采样滑动窗口遍历所有肌电信号，在每个滑动窗口内，计算窗口内信号的绝对值均值；如果窗口内任何一个通道的均值超过其阈值，则该窗口被认为是活跃窗口，并保存该窗口的信号；如果窗口内任何一个通道的均值都低于其活跃阈值，则抛弃该窗口的信号；
49、b15、对滤波并保留活跃部分的肌电信号进行特征提取；
50、特征提取的过程为：计算肌电信号的八个特征，八个特征包括标准差、均方根、最小值、最大值、过零点、平均幅度变化、均方根值以及波形长度；
51、b16、将b15提取的特征转换为numpy向量，以构建手指运动意图分类网络的肌电部分训练数据集；
52、视觉部分的训练数据集构建过程为：
53、利用摄像头3采集患者健侧手部动作，上位机6采用大津算法对摄像头捕捉的图像帧进行二值化预处理，将图像转换为张量，以构建手指运动意图分类网络的视觉部分训练数据集。
54、优选地，恢复期的手臂训练过程为：
55、c1、通过力传感器1-2实时采集患者通过康复训练手柄1-3施加的力，力传感器1-2为六维力传感器，力传感器1-2输出的原始信号表示为v2；
56、c2、对原信号进行剔除干扰处理后获取补偿力f2＝c·v2；
57、式中，c为六维力传感器的静态标定矩阵，并按式c＝a-1获取，式中，a为标定6×6系数矩阵；
58、c3、当补偿力f2超过预设力阈值fthreshold并且持续时间超过1秒时，系统调整机械臂1-1阻力减小，返回执行步骤c1；否则保持当前整机械臂1-1阻力返回执行步骤c1；
59、机械臂1-1阻力r按下式获取：
60、r＝k·f2+δa
61、式中，k是预设的比例系数，δa为可控的增幅；
62、通过降低增幅δa的数值来降低阻力r。
63、优选地，恢复期的手指训练过程为：
64、控制装置5-2通过线索牵引带动手指进行康复训练，机械手套5-1中连接的阻尼系统为手指每个动作施加阻尼力fd：
65、fd＝b·v
66、式中，b表示阻尼系数，v为线索收缩的运动速度；
67、阻尼系数b按下式进行动态调整：
68、b(t)＝b0+α·t
69、式中，b0为初始阻尼系数，α为阻尼系数的调整速率，t为康复训练时间。
70、本发明的有益效果：本发明采取全周期主被动一体化的训练方案。根据脑卒中患者软瘫期、痉挛期、恢复期三个不同康复期的不同训练目的采取了不同的训练方法：当患者处于软瘫期时，上肢肌力和肌张力都很低，完全丧失运动能力，通过基于轨迹规划的自主导航人机交互方式带动患肢被动训练，以重复性运动帮助患者患肢增强肌肉力量，减轻患者关节僵硬等症状；痉挛期时，肌肉痉挛导致运动困难，肌张力增大，通过基于表面肌电信号的人机交互方式识别患者的运动意图，在患者主动意识参与的情况下为患者提供助力运动，能够形成主被动训练；患者处于恢复期时，患者肌力和肌张力逐渐恢复到正常水平，进行基于六维力/力矩传感器检测患肢力信息以及基于自适应阻尼的阻抗训练。
71、本发明实现全手臂一体化设计。机器人系统包括机械手臂和机械手套两部分，分别进行手臂和手指的康复训练。基于肌电信号检测实现运动意图识别，并控制末端牵引式机器人辅助肢体运动。通过视觉手势识别技术设计主动式镜像康复手套，对手指进行对应动作的康复训练。机械手套可以通过计算机程序设定、摄像头拍照或采集肌电信号三种交互方式进行手指的精细运动。
72、本技术的原理是针对患者不同阶段的生理状态，对手臂手指切换使用主被动式康复方式，并对康复训练进行数据采集，后在以血氧为基础的评价体系下结合数字孪生平台展示康复数据，进行分析与反馈。基于本原理制定稳定、精确的个性化训练模式和定量化的康复方案，帮助患者调整康复训练方案，激发患者康复的潜力，加速损伤脑组织、肌肉组织的恢复，加快康复进程，提高康复疗效，以实现最优的手部康复治疗。本技术的优势在于针对脑卒中患者的不同病况设计定制化的康复方案，激发患者康复训练的积极性，促进运动神经元的原位再生和功能重组，以此提高康复疗效；在于融入了近红外光谱肌氧信号检测技术，通过数字孪生平台实时反映患者综合康复状态，能够更全面地判断出患者所处的康复阶段与训练需求，提供合理方案。
1.上肢全周期康复训练装置，其特征在于，包括康复机械臂(1)、肌电采集单元(2)、摄像头(3)、对侧康复手套(5)、上位机(6)和平台(7)；康复机械臂(1)、肌电采集单元(2)、摄像头(3)和对侧康复手套(5)设置在平台(7)上；
2.根据权利要求1所述上肢全周期康复训练装置，其特征在于，还包括显示器(4)，用于训练过程中通过数字孪生平台反映患者状态。
3.上肢全周期康复训练方法，基于权利要求1或2任一权项所述装置实现，其特征在于，上肢全周期康复训练包括软瘫期、痉挛期和恢复期三个周期的手臂训练和手指训练；
4.根据权利要求3所述上肢全周期康复训练方法，其特征在于，软瘫期的手臂训练过程为：上位机(6)按预设康复计划给机械臂(1-1)发送手臂训练指令，机械臂(1-1)按照预定轨迹带动患者的手臂进行被动训练；训练路径规划包括直线路径规划和圆弧路径规划，通过笛卡尔路径规划和逆运动学求解机械臂各关节角度的变化来实现，笛卡尔路径规划包括圆弧插补和直线插补。
5.根据权利要求3所述上肢全周期康复训练方法，其特征在于，痉挛期的手臂训练过程为：
6.根据权利要求5所述上肢全周期康复训练方法，其特征在于，手臂运动意图分类网络的训练数据集的构建过程为：
7.根据权利要求5所述上肢全周期康复训练方法，其特征在于，痉挛期的手指训练过程为：
8.根据权利要求7所述上肢全周期康复训练方法，其特征在于，手指运动意图分类网络的训练数据集包括肌电部分和视觉部分；
9.根据权利要求3所述上肢全周期康复训练方法，其特征在于，恢复期的手臂训练过程为：
10.根据权利要求3所述上肢全周期康复训练方法，其特征在于，恢复期的手指训练过程为：
