一种基于多模态融合与双机协同的外骨骼搬运助力控制方法及系统与流程

本发明涉及外骨骼机器人控制，尤其是涉及一种基于多模态融合与双机协同的外骨骼搬运助力控制方法及系统。

背景技术：

1、外骨骼机器人在工业搬运、物流分拣及康复医疗场景中应用广泛，主要用于辅助人体进行重物搬运并减轻腰部和下肢肌肉负担，但在复杂动态环境下的人机交互控制仍面临诸多挑战。

2、现有技术存在以下缺陷：一、在运动意图识别层面，传统的控制策略大多仅依赖单一维度的表面肌电信号（semg）或简单的运动学、动力学阈值进行判定。单靠肌电信号极易受出汗、电极位移等噪声干扰；而仅依赖运动学阈值则存在明显的识别迟滞，无法兼顾不同负载与速度工况。现有算法未能将人体生物电信号与环境力学参数如足底压力进行深度前融合，难以实现对人体微小发力趋势的超前、准确感知。二、在双腿协同控制层面，现有的算法往往忽略了搬运动作中双下肢受力的高度动态关联性，在面对不平整地面、非对称偏心重物搬运等极端复杂工况时，无法根据左右足实际的受力差异与关节力矩差异进行动态的力矩再分配，易引发人体失衡甚至人机对抗现象。三、在助力执行层面，目前多数外骨骼采用的是预设恒定刚度的重力补偿或正弦助力模型。在实际作业中，搬运物体的重量是随机变化的，且穿戴者的腰部肌肉会随着高强度作业产生不可避免的疲劳。固定模式的助力输出无法适应实时负载变化，更无法在人体肌肉疲劳时主动增加辅助深度，导致助力输出僵硬、缺乏柔顺的伴随感。

技术实现思路

1、本发明的主要目的在于提供一种基于多模态融合与双机协同的外骨骼搬运助力控制方法，解决现有外骨骼系统在复杂场景下意图识别迟滞、协同性差及输出僵硬及控制精准性较低的问题。

2、为解决上述技术问题，本发明所采用的技术方案是：一种基于多模态融合与双机协同的外骨骼搬运助力控制方法，包括以下步骤：

3、实时获取多源感知数据并进行预处理，提取运动助力特征，所述运动助力特征包括双髋位置差、左右足底压力差、交互力矩差及腰部竖脊肌表面肌电信号的均方根值与平均功率频率；并基于动力学观测器在线预估当前搬运重物的质量；

4、构建多模态分层意图识别模型，并输入所述运动助力特征，依次执行空间门控与基础协同校验、生物电与空间先验预测以及动力学加权校验，对用户的搬运起步意图进行分层判定；仅当双足姿态处于安全阈值内、检测到肌肉发力与重心前移趋势，且运动学或动力学特征大于设定阈值时，判定用户的搬运起步意图为真；

5、有限状态机根据意图识别结果控制外骨骼在待机监测、过渡等待、助力执行和柔顺退出四个状态之间切换；

6、在助力执行状态下，基于双髋位置差、左右足底压力差与交互力矩差，计算左右腿力矩分配系数；结合重物质量与依据平均功率频率特征提取的肌肉疲劳度，基于负载-疲劳双自适应的仿生力矩模型生成目标助力力矩；将分别乘以左右腿力矩分配系数，生成独立的左右腿助力指令并执行；

7、在检测到搬运结束时，控制输出力矩按指数规律平缓衰减至零。

8、优选方案中，预处理包括：

9、采用卡尔曼状态观测器解算关节平滑角速度、角加速度；

10、基于系统动力学模型剥离重力项、惯性项、摩擦项，解耦得到纯净人机交互力矩；

11、对semg信号带通滤波并提取表征肌肉发力强度的均方根值、表征肌肉疲劳度的平均功率频率；

12、基于足底压力数据计算左右足底压力中心点cop轨迹与足底压力差。

13、优选方案中，采用扩展卡尔曼滤波器对重物质量m进行在线动态预估，具体包括：

14、构建离散状态转移方程为：

15、；

16、其中，，为时刻预估的重物质量，为过程噪声；

17、动力学非线性观测方程为：

18、；

19、其中，分别为时刻的髋关节位置、平滑角速度及角加速度；为重物负载对应的动力学回归矩阵，主要映射负载的重力项与惯性项参数；为测量噪声，服从均值为0、协方差矩阵为的高斯分布，即；

20、在每个控制周期内循环执行状态预测、协方差预测、计算观测函数的雅可比矩阵、计算卡尔曼增益、状态最优估计更新以及误差协方差更新，输出最优的平滑负载质量预估值m。

21、优选方案中，多模态分层意图识别模型具体包括：

22、第一层：仅在髋关节处于预设的搬运有效角度范围内且左右双腿髋关节的位置差绝对值小于设定的安全阈值时，激活后续识别流程；

23、第二层：实时监测腰部竖脊肌表面肌电信号的均方根值与足底压力中心，当检测到均方根值发生阶跃性突变且足底压力中心出现特征性前移时，判定用户具有搬运起步趋势，底层驱动器提前待命；

24、第三层：当平滑关节速度或纯净人机交互力矩任意一项超过对应设定阈值时，最终判定搬运起步意图为真。

25、优选方案中，有限状态机流转控制，具体为：

26、待机监测状态：电机输出力矩为零，底层持续执行多源感知与多模态分层意图识别；

27、过渡等待状态：当意图判定为真时触发状态跃迁进入该状态，实时监测关节运动方向与速度，若检测到用户出现反向运动或长时间静止则返回待机监测状态，若到达最佳助力角则切换至助力执行状态；所述最佳助力角为髋关节屈曲角度大于预设阈值且处于搬运有效行程区间内；

28、助力执行状态：调用动态双机耦合协同力矩分配及双自适应力矩执行模块执行助力；

29、柔顺退出状态：在检测到直立或速度归零时切入，使输出力矩按指数规律卸载后返回待机监测状态。

30、优选方案中，柔顺退出状态中，输出力矩按如下指数规律卸载：

31、；

32、其中，为切入柔顺退出状态瞬间的实时力矩，为阻尼时间常数。

33、优选方案中，步骤s4中动态双机耦合协同力矩分配具体包括：

34、以左侧数据减去右侧数据统一定义双髋位置差、足底压力差以及左右交互力矩差，构建耦合策略动态计算左侧初始权重：

35、；

36、其中，为各特征的归一化反馈增益系数；

37、引入饱和限幅保护机制，计算最终的左侧和右侧实际分配系数：

38、；

39、；

40、其中，与为系统预设的安全边界阈值。

41、优选方案中，负载-疲劳双自适应正弦仿生力矩模型为：

42、；

43、其中，为系统设定的基础助力刚度系数；为负载自适应补偿项，为ekf在线预估的重物质量，为负载增益，为疲劳自适应补偿项，为疲劳增益，为基于平均功率频率提取的肌肉疲劳函数；为髋关节角度映射策略。

44、优选方案中，所述肌肉疲劳函数的计算方式为：

45、；

46、其中，为初始时刻竖脊肌表面肌电信号的平均功率频率，为实时检测的竖脊肌表面肌电信号的平均功率频率。

47、第二方面，提供了一种基于多模态融合与双机协同的外骨骼搬运助力控制系统，适用于所述的一种基于多模态融合与双机协同的外骨骼搬运助力控制方法，包括：

48、数据采集处理模块，用于实时获取多源感知数据并进行预处理，提取运动助力特征，所述运动助力特征包括双髋位置差、左右足底压力差、交互力矩差及腰部竖脊肌表面肌电信号的均方根值与平均功率频率；并基于动力学观测器在线预估当前搬运重物的质量；

49、意图识别模型模块，用于构建多模态分层意图识别模型，并输入所述运动助力特征，依次执行空间门控与基础协同校验、生物电与空间先验预测以及动力学加权校验，对用户的搬运起步意图进行分层判定；仅当双足姿态处于安全阈值内、检测到肌肉发力与重心前移趋势，且运动学或动力学特征大于设定阈值时，判定用户的搬运起步意图为真；

50、状态机切换模块，用于有限状态机根据意图识别结果控制外骨骼在待机监测、过渡等待、助力执行和柔顺退出四个状态之间切换；

51、力矩计算模块，用于在助力执行状态下，基于双髋位置差、左右足底压力差与交互力矩差，左右腿力矩分配系数；结合重物质量与依据平均功率频率特征提取的肌肉疲劳度，基于仿生力矩模型生成目标助力力矩；将分别乘以左右腿力矩分配系数，生成独立的左右腿助力指令并执行；

52、循环待机模块，用于在检测到搬运结束时，控制输出力矩按指数规律平缓衰减至零。

53、本发明提供了一种基于多模态融合与双机协同的外骨骼搬运助力控制方法及系统，针对现有搬运外骨骼在复杂动态环境中意图识别迟滞、双腿协同性差及助力输出僵硬的问题，构建了多源感知网络同步采集髋关节运动学、人机交互力矩、腰部竖脊肌表面肌电信号及足底压力分布，结合扩展卡尔曼滤波器在线预估重物质量；通过空间门控校验、生物电与足底压力先验预测及动力学加权校验构成的多模态分层意图识别模型，实现动作意图的超前预测；引入动态双机耦合协同力矩分配机制，根据双髋位置差、足底压力差和交互力矩差实时调配左右腿非对称补偿比例；建立负载-疲劳双自适应仿生力矩模型，根据实时负载与肌肉疲劳度动态修正助力输出；并通过有限状态机实现待机监测、过渡等待、助力执行及柔顺退出四个状态的全周期流转控制。本发明可广泛应用于下肢外骨骼机器人的工业搬运、物流分拣及康复医疗场景，显著提升复杂工况下的人机协同柔顺性与作业安全性。