外骨骼机器人的步态模型调整方法及系统与流程

本申请属于智能控制，具体涉及一种外骨骼机器人的步态模型调整方法及系统。

背景技术：

1、外骨骼机器人作为一种辅助人类运动的智能设备，在医疗康复、工业作业及日常生活中展现出巨大的应用潜力。其核心价值在于通过精准的步态控制，帮助用户完成行走、上下楼梯、跨越障碍等复杂动作，提升生活质量与工作效率。然而，外骨骼机器人在实际应用中，如何精准感知用户意图并适应复杂多变的动态环境，仍是制约其性能的关键挑战。

2、目前，现有的外骨骼机器人步态检测方法大多依赖单一类型的感知设备，例如仅通过惯性测量单元（imu）等身体附着传感器来捕捉用户的动作数据。这种单一传感器方案在面对复杂地形或突发环境变化时，难以全面获取和理解周围环境的变化信息，导致系统无法及时调整步态策略，容易出现误判或反应迟缓的问题，这不仅影响设备的实用性与舒适性，更可能对用户的人身安全构成潜在威胁。

3、因此，如何在动态环境中将前方地形特征与用户自身动作信息进行有效结合，实现对复杂步态模式的精准识别和提前调整，是本领域技术人员亟需解决的技术问题。

技术实现思路

1、针对以上问题，本申请提供外骨骼机器人的步态模型调整方法及系统，用于解决现有外骨骼机器人步态检测方法依赖单一传感器导致环境信息获取不全面、环境信息与用户动作信息缺乏整合、反应迟缓及步态误判的问题。

2、为实现上述目的，一方面，本申请提供一种外骨骼机器人的步态模型调整方法，包括：

3、获取外骨骼机器人的动作数据集合，所述动作数据集合至少包括用户动作数据和地形特征数据；

4、将所述用户动作数据、所述地形特征数据带入步态模型，获取外骨骼机器人前方区域的坡度数据和障碍物密度数据，并根据所述外骨骼机器人前方区域的坡度数据和障碍物密度数据生成环境复杂度初始评价结果；

5、检测所述动作数据集合的变化频率，且响应于所述动作数据集合的变化频率出现波动情况，结合所述环境复杂度初始评价结果，生成环境复杂度终极评价结果；

6、响应于外骨骼机器人前方环境存在安全隐患，获取所述用户动作数据中的步态子集以及与所述步态子集相对应的历史子集；

7、响应于所述步态子集与所述历史子集不匹配，根据所述用户动作数据确定用户行走意图，并结合所述环境复杂度终极评价结果确定步态调整临时策略；

8、再次获取用户动作数据，并根据再次获取到的用户动作数据修正所述步态调整临时策略，获得步态调整终极策略；

9、响应于所述步态调整终极策略与所述环境复杂度终极评价结果匹配，根据所述步态调整终极策略调整所述步态模型中至少部分用于控制外骨骼机器人步态生成逻辑的系数值，获得调整后的步态模型。

10、一方面，本申请提供了一种外骨骼机器人的步态模型调整系统，包括：

11、数据采集模块，用于获取外骨骼机器人的动作数据集合，所述动作数据集合至少包括用户动作数据和地形特征数据；

12、初始评价模块，用于将所述用户动作数据、所述地形特征数据带入步态模型，获取外骨骼机器人前方区域的坡度数据和障碍物密度数据，并根据所述坡度数据和障碍物密度数据生成环境复杂度初始评价结果；

13、终极评价模块，用于检测所述动作数据集合的变化频率，且响应于所述动作数据集合的变化频率出现波动情况，结合所述环境复杂度初始评价结果，生成环境复杂度终极评价结果；

14、子集获取模块，用于响应于外骨骼机器人前方环境存在安全隐患，获取所述用户动作数据中的步态子集以及与所述步态子集相对应的历史子集；

15、临时策略生成模块，用于响应于所述步态子集与所述历史子集不匹配，根据所述用户动作数据确定用户行走意图，并结合所述环境复杂度终极评价结果确定步态调整临时策略；

16、策略修正模块，用于再次获取用户动作数据，并根据再次获取到的用户动作数据修正所述步态调整临时策略，获得步态调整终极策略；

17、模型调整模块，用于响应于所述步态调整终极策略与所述环境复杂度终极评价结果匹配，根据所述步态调整终极策略调整所述步态模型中至少部分用于控制外骨骼机器人步态生成逻辑的系数值，获得调整后的步态模型。

18、本申请的实施例提供了一种外骨骼机器人的步态模型调整方法及系统，通过多传感器融合与动态步态调整的深度结合，结合视觉智能技术，不仅提升了环境感知精度，还增强了外骨骼机器人的动态适应性与安全可靠性。具体的，通过将融合用户动作数据与地形特征数据，以形成步态模型，借助视觉智能对前方地形进行结构化感知，从而全面获取地面的坡度变化和障碍物分布信息，解决了单一传感器信息不全的问题。同时，本申请实施例中，通过持续检测动作数据集合的变化频率。一旦检测到波动超出预设阈值，立即触发动态干扰评估，将环境变化因素融入评价结果，生成更加精确的环境复杂度终极评价结果。这一机制使得外骨骼机器人能够在环境突变时感知到变化，而非等到步态失误发生后才被动反应，从而有效克服了相关技术中反应迟缓的隐患。

19、再次，本申请的实施例将环境复杂度终极评价结果、步态子集、历史子集、用户意图信息融合判断，利用视觉智能对前方地形特征的精准识别能力，以使得外骨骼机器人能够同时结合前方地形和用户当前姿势进行整体判断，避免了因单一维度信息不足导致的步态误判，提升了外骨骼机器人在复杂地形下的步态检测精度、动态响应速度和行走安全性。

20、最后，本申请的实施例，再次获取用户动作数据作为反馈，通过适应性参数更新机制修正临时策略，生成更加精准的终极策略。进一步地，在确认终极策略与环境复杂度评价结果匹配后，该方法将调整步态模型中的系数值（如步幅调节系数、步频调节系数、关节扭矩分配系数、重心偏移补偿系数等），使步态模型在后续类似地形下能够直接调用优化后的参数。这种闭环反馈和模型持续优化机制，使得外骨骼机器人能够随着环境和用户状态的变化不断智能改进，而非每次重新计算，让外骨骼机器人在复杂环境中具备较佳的视觉感知与步态自适应能力，从而实现了在复杂环境下的持续适应能力。

1.一种外骨骼机器人的步态模型调整方法，其特征在于，所述方法包括：

2.根据权利要求1所述的外骨骼机器人的步态模型调整方法，其特征在于，所述响应于所述步态调整终极策略与所述环境复杂度终极评价结果匹配，根据所述步态调整终极策略调整所述步态模型中至少部分用于控制外骨骼机器人步态生成逻辑的系数值，获得调整后的步态模型，包括：

3.根据权利要求2所述的外骨骼机器人的步态模型调整方法，其特征在于，所述根据所述步态调整终极策略与所述环境复杂度终极评价结果，确认安全隐患是否排除，包括：

4.根据权利要求1所述的外骨骼机器人的步态模型调整方法，其特征在于，所述用户动作数据通过惯性测量单元采集；

5.根据权利要求1所述的外骨骼机器人的步态模型调整方法，其特征在于，所述检测所述动作数据集合的变化频率，且响应于所述动作数据集合的变化频率出现波动情况，结合所述环境复杂度初始评价结果，生成环境复杂度终极评价结果，包括：

6.根据权利要求1所述的外骨骼机器人的步态模型调整方法，其特征在于，所述获取所述用户动作数据中的步态子集以及与所述步态子集相对应的历史子集，包括：

7.根据权利要求6所述的外骨骼机器人的步态模型调整方法，其特征在于，所述响应于所述步态子集与所述历史子集不匹配，包括：

8.根据权利要求1所述的外骨骼机器人的步态模型调整方法，其特征在于，所述根据所述用户动作数据确定用户行走意图，包括：

9.根据权利要求1所述的外骨骼机器人的步态模型调整方法，其特征在于，所述根据再次获取到的用户动作数据修正所述步态调整临时策略，获得步态调整终极策略，包括：

10.一种外骨骼机器人的步态模型调整系统，其特征在于，包括：