一种基于分层控制的髋关节助力外骨骼机器人及助力效果评价方法

摘要: 本申请涉及人体辅助设备领域,特别是涉及一种基于分层控制的髋关节助力外骨骼机器人及助力效果评价方法。背景技术:1、人体髋关节在行走过程中承担着主要的动力输出和负荷...
一种基于分层控制的髋关节助力外骨骼机器人及助力效果评价方法

本申请涉及人体辅助设备领域,特别是涉及一种基于分层控制的髋关节助力外骨骼机器人及助力效果评价方法。

背景技术:

1、人体髋关节在行走过程中承担着主要的动力输出和负荷承载功能。franks等人采用髋-膝-踝外骨骼仿真器探究不同关节辅助对步行代谢成本的影响,试验结果表明,仅髋关节辅助和仅踝关节辅助分别可降低步行代谢成本26%和30%,而仅膝关节辅助仅降低13%。髋关节外骨骼在节省代谢能耗方面优于踝关节外骨骼,其原因在于髋关节更靠近人体质心,相较于膝关节和踝关节,髋关节外骨骼对腿部惯性的增加更小,而腿部惯性直接影响使用者的能耗与穿戴舒适性。因此,髋关节是助力外骨骼的理想辅助目标。

2、现有髋关节助力外骨骼在以下几个方面存在不足:

3、(1)在机械结构方面,现有外骨骼系统多采用单自由度或两自由度髋关节设计,仅能实现矢状面内的屈曲和伸展运动,无法充分适配人体髋关节在行走过程中伴随的外展、内收及旋转等多平面运动。人体髋关节实际具有三个转动自由度,包括矢状面内的前屈与后伸、冠状面内的内收与外展、水平面内的旋转。现有单自由度或两自由度设计导致人机运动学不匹配,在步态过程中产生运动干涉,影响穿戴舒适性和助力效果。此外,部分系统采用金属材料制造本体结构,整机质量较大,增加了穿戴者的额外代谢消耗。

4、(2)在步态相位识别方面,现有方法主要分为阈值法和机器学习法两类。阈值法通过设定固定阈值检测步态事件,方法简单、计算量小,但在步速变化或复杂行走场景下适应性差、识别稳定性不足;当步速变化时,固定阈值难以适应信号幅值和周期的变化,导致识别准确率下降。机器学习方法中,部分算法模型复杂度高,如深度神经网络,预测延时较长,难以满足外骨骼实时控制对步态识别模块的响应速度要求;部分算法对不同步态相位的识别精度不均衡,尤其对足跟着地和足跟离地等过渡相位的识别准确率偏低,影响控制系统在关键步态时刻的助力时序准确性。

5、(3)在控制方法方面,现有髋关节助力外骨骼多采用单一控制策略。灵敏度放大控制虽能实现对人体动作的随动,但系统易失稳,鲁棒性较差,且依赖精准的系统动力学模型;肌电控制通过表面肌电信号识别运动意图,但电极贴附要求高,易受皮肤状态和出汗等因素干扰,实际应用不便;基于振荡器的控制适用于周期性运动,但难以适应步速变化等非周期性扰动。上述方法在控制精度、响应速度、抗干扰能力和助力平滑性等方面存在不同程度的不足,难以同时满足助力输出的精确跟踪和良好的人机协同性。

技术实现思路

1、本申请的目的是提供一种基于分层控制的髋关节助力外骨骼机器人及助力效果评价方法,可通过解决现有单自由度或两自由度设计中人机运动学不匹配的问题,同时提高步态相位识别的准确性和控制过程的响应速度。

2、为实现上述目的,本申请提供了如下方案:

3、第一方面,本申请提供了一种基于分层控制的髋关节助力外骨骼机器人,所述基于分层控制的髋关节助力外骨骼机器人包括:腰部装置、髋关节装置、腿部组件、惯性测量单元和步态感知控制组件;所述腰部装置固定于穿戴者的躯干;所述腿部组件和所述惯性测量单元均固定于穿戴者的大腿;所述惯性测量单元与所述步态感知控制组件无线连接;所述惯性测量单元用于采集穿戴者的运动姿态数据;所述运动姿态数据包括:三轴加速度和三轴角速度;所述步态感知控制组件嵌设于所述腰部装置内部;所述步态感知控制组件与所述髋关节装置电连接;所述步态感知控制组件用于基于运动姿态数据采用支持向量机算法识别穿戴者的步态相位,根据步态相位生成期望助力力矩,并通过分层控制策略对生成期望助力力矩进行跟踪调节生成控制指令;所述步态相位包括:足跟着地、足掌着地、足跟离地和摆动期;所述分层控制策略包括:上层模型预测控制和下层比例微分控制;所述髋关节装置分别与所述腰部装置和所述腿部组件固定连接;所述髋关节装置用于根据控制指令输出助力力矩,并将助力力矩通过所述腿部组件作用于穿戴者的大腿,辅助穿戴者进行髋关节屈伸运动;所述髋关节装置具有三个转动自由度;所述转动自由度包括:矢状面内的前屈与后伸自由度、冠状面内的内收与外展自由度和水平面内的旋转自由度;其中,所述前屈与后伸自由度为主动助力输出方向;所述内收与外展自由度和旋转自由度为被动适应方向。

4、第二方面,本申请还提供了一种基于分层控制的髋关节助力外骨骼机器人助力效果评价方法,所述基于分层控制的髋关节助力外骨骼机器人助力效果评价方法包括:s1.辅助穿戴者穿戴基于分层控制的髋关节助力外骨骼机器人,并进行初始化;s2.在至少三个不同步速条件下,分别采集穿戴者在穿戴助力状态和穿戴未助力状态的人机交互力和下肢肌电信号;s3.对各状态下的人机交互力进行步态周期分割和均值处理,计算各状态下的交互力下降率;s4.对各状态下的下肢肌电信号进行步态周期分割和均方根值计算,计算各状态下的肌电下降率;s5.分别计算各状态下的人机交互力和肌电信号的标准差和变异系数;s6.根据交互力下降率和肌电下降率评价基于分层控制的髋关节助力外骨骼机器人的助力效果,并根据各状态下人机交互力和肌电信号的标准差和变异系数评价助力稳定性,得到助力效果评价结果和助力稳定性评价结果。

5、根据本申请提供的具体实施例,本申请公开了以下技术效果:

6、本申请通过髋关节装置采用矢状面主动助力、冠状面和水平面被动顺应的三自由度髋关节设计,降低了刚性结构对人体多平面运动的干涉,解决了现有单自由度或两自由度设计中人机运动学不匹配的问题,提高了人机运动学匹配性与穿戴舒适性;通过采用基于支持向量机的步态相位识别模型,提高了步态相位识别的准确性;通过采用上层模型预测控制与下层比例微分控制相结合的分层控制策略,提高了力矩跟踪精度和动态响应性能,缩短了控制响应时间,并保证了助力输出的平滑性与系统稳定性。

1.一种基于分层控制的髋关节助力外骨骼机器人,其特征在于,所述基于分层控制的髋关节助力外骨骼机器人包括:腰部装置、髋关节装置、腿部组件、惯性测量单元和步态感知控制组件;

2.根据权利要求1所述的基于分层控制的髋关节助力外骨骼机器人,其特征在于,所述腰部装置包括:背板、电子仓和连接支架;

3.根据权利要求1所述的基于分层控制的髋关节助力外骨骼机器人,其特征在于,所述髋关节装置包括:电机支架、电机、过渡板和轴连接组件;

4.根据权利要求3所述的基于分层控制的髋关节助力外骨骼机器人,其特征在于,所述腿部组件包括:过渡块、碳板和大腿辅助挡板;

5.根据权利要求1所述的基于分层控制的髋关节助力外骨骼机器人,其特征在于,所述步态感知控制组件包括:步态相位分类模块和分层控制器;

6.根据权利要求5所述的基于分层控制的髋关节助力外骨骼机器人,其特征在于,所述滚动优化具体包括:以穿戴者的运动姿态数据作为状态反馈,以步态相位的期望助力力矩作为优化输出,通过最小化包含状态跟踪误差和控制增量惩罚的代价函数,并满足关节角度约束、力矩幅值约束及其变化率约束,求解最优控制序列,输出期望助力力矩。

7.根据权利要求5所述的基于分层控制的髋关节助力外骨骼机器人,其特征在于,所述滤波处理包括:采用一阶低通滤波器对运动姿态数据进行滤波降噪,得到滤波后的运动姿态数据,并对滤波后的运动姿态数据进行归一化,得到归一化后的运动姿态数据;所述一阶低通滤波器的滤波参数根据运动姿态数据的采样频率设定;

8.一种基于分层控制的髋关节助力外骨骼机器人助力效果评价方法,其特征在于,所述基于分层控制的髋关节助力外骨骼机器人助力效果评价方法包括:

9.根据权利要求8所述的基于分层控制的髋关节助力外骨骼机器人助力效果评价方法,其特征在于,所述三个不同步速包括:0.8m/s、1.0m/s和1.2m/s。

10.根据权利要求8所述的基于分层控制的髋关节助力外骨骼机器人助力效果评价方法,其特征在于,所述人机交互力通过安装于穿戴者的大腿前侧和后侧的压力传感器采集;所述下肢肌电信号通过贴附于穿戴者下肢的目标肌群肌腹处的肌电信号传感器采集;所述压力传感器采样频率为200hz;所述肌电信号传感器采样频率为500hz;所述目标肌群包括:股直肌、股二头肌、半腱肌和股外侧肌。