CN101533578A - 一种仿人机器人模拟人体上肢潜意识动作姿态的方法 - Google Patents

Abstract

本发明公开了一种仿人机器人模拟人体上肢潜意识动作姿态的方法，该方法分析了生物力学指标即肌肉硬度、肌电信号与人体各关节运动转角的关系，建立了人体上肢7个分支动作的舒适度分值与其相应关节运动转角的函数关系，并依据此关系，建立以舒适度最佳为目标的评价及优化模型，通过对仿人机器人7自由度上肢模型的各分支动作角度进行优化求解，得到与人体潜意识动作姿态一致的仿人机器人上肢位姿。本发明实现了仿人机器人对人体潜意识动作姿态的模拟，提高了仿人机器人位姿的拟人化程度，可依据与客观试验数据相对应的机器人操控动作舒适度分值，对操控界面的布局进行评价，摆脱了以往仅依靠主观舒适度评价指标的局限。

Description

一种仿人机器人模拟人体上肢潜意识动作姿态的方法

技术领域

本发明涉及人机工程学和机器人学领域，涉及仿人机器人上肢位姿的生成方法，尤其涉及一种仿人机器人模拟人体上肢潜意识动作姿态的方法。

背景技术

人机工程学的研究是人机环境布局评价及优化设计的重要手段，也是减少人机环境布局设计缺陷所引起的误操作和人体疲劳损伤等问题的重要途径，但由于人机工程学的理论与方法多为机理性研究，所提出的设计方法主要集中于宏观指导和主观评价，缺乏必要的人机评价及优化设计客观试验依据及辅助检测装备。因此，人机环境布局评价及优化设计的客观试验依据及辅助检测装备是其有待解决的重要问题。

目前，人机环境布局评价及优化设计主要依据已有设计经验，在样机制造出之后，由测试人员或者人机工效专家进行现场主观评价，进而对不合理之处进行更改，但以上方法并没有依据客观试验数据，难以真实而有效地实现对人机环境布局的客观评价及优化设计，这极大地制约了人机工程学在人机环境布局评价及优化设计领域的应用，也成为该领域的一大瓶颈。正是基于上述原因，一些学者将具有拟人位姿的仿人机器人引入该领域，但大多数仿人机器人的位姿生成通常采用示教再现法和D-H法等，这些方法虽然在一定程度上模拟了人体的动作姿态，但尚未在人体动作姿态和机器人位姿之间建立联系，进而利用人体潜意识动作规律控制仿人机器人的位姿生成，将人体动作姿态舒适度准则即人体潜意识动作规律运用于仿人机器人位姿的生成，使其位姿与人体潜意识动作姿态一致。因此，将对人体潜意识动作规律的研究成果应用于仿人机器人位姿的生成领域是实现其拟人位姿的一个重要途径，同时也为人机环境布局评价及优化设计提供了客观试验依据及辅助检测装备。

发明内容

本发明的目的在于依据人体潜意识动作就是人体最舒适动作姿态这一基本思想，提出了一种仿人机器人模拟人体上肢潜意识动作姿态的方法，将人体动作姿态舒适度准则即人体潜意识动作规律运用于仿人机器人上肢位姿的生成，使仿人机器人上肢位姿与人体上肢潜意识动作姿态一致，提高了其拟人程度。

为了实现上述目的，本发明采取如下的技术解决方案：

(1)根据人体舒适与疲劳的生物力学机理，即肌肉主动收缩产生肌力对外做功，确定肌力(肌肉硬度、肌电信号)为研究肌肉疲劳的生物力学指标；

(2)根据人体上肢的结构及其运动特征，将人体上肢动作分解为7个分支动作，分别为上臂侧举、上臂水平屈伸，上臂旋转、前臂弯曲、前臂旋转、手腕弯曲和手腕侧屈，并确定每个分支动作的关节运动转角范围和实现运动的相关肌肉群权重；

(3)通过上述生物力学指标的客观试验，结合主观实验和仿真实验数据，对所测得的数据进行处理，将个体之间有差异的肌力和血流特性数据转换成可以相互比较的肌肉舒适度分值，进而得到每个分支动作舒适度分值与其相应关节运动转角的函数关系；

(4)根据人体上肢的结构及其运动特征，建立7自由度上肢动作姿态计算模型，同时基于(3)中所述7个分支动作舒适度分值与其相应关节运动转角的函数关系，以人体动作姿态舒适度最佳为目标，建立以人体上肢7个分支动作关节运动转角为变量的上肢动作姿态舒适度评价及优化模型；

(5)利用Matlab优化模块中的“惩罚函数法”，通过优化程序计算，得出最佳舒适度下人体抓取已知目标点时潜意识动作姿态的各关节运动转角；

(6)利用上述评价及优化模型所得到的各关节运动转角参数作为机器人相关关节驱动电机的输入量，实现仿人机器人对人体潜意识动作姿态的真实模拟。

本发明依据人体舒适度的生物力学指标客观试验所得到的数据，通过对数据的处理，在分别得出人体上肢7个分支动作舒适度分值与其相应关节运动转角的函数关系后，进一步以人体动作姿态舒适度最佳为目标，将7个分支动作舒适度分值与其相应关节运动转角的函数关系拟合成以人体上肢7个分支动作关节运动转角为变量的上肢动作姿态舒适度评价及优化模型，得出人体最舒适动作姿态即为人体潜意识动作姿态，并将此研究成果应用于机器人上肢位姿的生成，实现仿人机器人上肢位姿的拟人化。本发明方法具有以下优点：1、该方法源于对人体潜意识动作姿态的研究，此研究基于客观生物力学试验，得出了客观的人体上肢动作姿态舒适度分值与其各关节运动转角的函数关系；2、该方法的原理来源对人体动作姿态舒适度的研究，因此，利用该方法控制位姿生成的仿人机器人拟人化程度更高；3、该方法形式简单，易于实现。

附图说明

图1是本发明所述仿人机器人模拟人体上肢潜意识动作姿态的方法流程图。

图2是人体上肢运动模型的坐标系示意图。图中：坐标系O₀X₀Y₀Z₀为基础坐标系，坐标系O₁X₁Y₁Z₁～O₇X₇Y₇Z₇各为局部坐标系；坐标原点O₀、O₁、O₂重合在肩关节，坐标原点O₃、O₄建立在肘关节上，坐标原点O₅、O₆建立在腕关节，坐标原点O₇建立在手掌心，L₁、L₂、L₃分别代表上臂长、前臂长和掌心距；A₁～A₇分别代表上肢运动模型的7个自由度，分别是：A₁代表上臂侧举、A₂代表上臂水平屈伸，A3代表上臂旋转、A₄代表前臂弯曲、A₅代表前臂旋转，A₆代表手腕弯曲，A₇代表手腕侧屈。

图3是在Matlab中上肢动作姿态优化程序流程图。

图4是仿人机器人手掌触摸其上臂肩部示意图。

具体实施方式

以下结合附图和实施例对本发明作进一步的详细说明。

本发明所述的一种仿人机器人模拟人体上肢潜意识动作姿态的方法，其实现流程如附图1所示，实现方案的具体步骤如下：

1、建立人体上肢7个分支动作舒适度分值与其相应关节运动转角的函数关系

根据人体舒适与疲劳的生物力学机理，即肌肉主动收缩产生肌力对外做功，确定肌力(肌肉硬度、肌电信号)为研究肌肉疲劳即人体舒适度的定量生物力学指标，通过该生物力学指标的客观试验，结合主观实验和仿真实验数据，对所测得的数据进行处理，将个体之间有差异的肌力数据转换成可以相互比较的肌肉舒适度分值，进而得到每个分支动作舒适度分值和相应关节运动转角的函数关系。

依据人体上肢的结构及其运动特征，将人体上肢动作分解为7个分支动作，分别为上臂侧举、上臂水平屈伸，上臂旋转、前臂弯曲、前臂旋转、手腕弯曲和手腕侧屈，并确定每个分支动作的关节运动转角范围和实现运动的相关肌肉群权重，定义其初始角度和终止角度，详见表1-1。

表1-1 上肢动作范围和主要肌群

对上述7个分支动作分别进行人体舒适度测试试验，在每个分支动作测试试验中，试验者从初始角度开始测量，以10°为单位增量改变角度，在每一相应测量位置停留设定的时间，测量人体上肢相关肌肉群的肌力数据，最终完成在每个分支动作试验中相应运动范围内的测量。由于试验个体存在差异，因此所测得的肌力数据(肌肉硬度、肌电信号)也不同，需对其进行处理才能在不同的试验个体之间进行比较。

具体实施方法：第一，运用等值化处理将所测试验个体间有差异的肌力数据转换成可以相互比较的分值数据，即分别将所测肌肉硬度和肌电信号值的最小值和最大值分别对应十分制的0分和10分，并计算出这种对应关系的比例系数，依照该比例系数进行变换，将试验所得的肌肉硬度和肌电信号值转换为得分值。在数据等值化处理后，将不同个体的数据进行综合和平均处理，得到不同分支动作的综合数据。第二，由于每个分支动作都是多个不同肌肉共同作用的结果，因此需要将不同肌肉的数据进行加权，并将多个肌肉的数据综合在一起，来反映分支动作的舒适性。第三，由于肌肉的生理横截面积是肌肉结构测量的重要参数，同时也是唯一直接与反映肌肉舒适性能的最大张力成正比的参数，因此选择上臂不同肌肉的生理横截面积(见表1-2)作为加权系数，分别将各分支动作下不同肌肉所对应的数据进行加权综合。第四，采用最小二乘法的三次多项式函数拟合法对上述加权后的数据进行拟合，得到人体上肢7个分支动作舒适度分值与其相应关节运动转角的函数关系，如下所示：

$f_1\left({\mathrm{\θ}}_1\right)=-0.0000012338{\mathrm{\θ}}_1^3+0.0008038852{\mathrm{\θ}}_1^2-0.0616327321{\mathrm{\θ}}_1+1.46145---(1-1)$

$f_2\left({\mathrm{\θ}}_2\right)=0.0000033422{\mathrm{\θ}}_2^3-0.0011117671{\mathrm{\θ}}_2^2+0.14212277{\mathrm{\θ}}_2+1.39854---(1-2)$

$f_3\left({\mathrm{\θ}}_3\right)=0.0000058033{\mathrm{\θ}}_3^3+0.001484465{\mathrm{\θ}}_3^2+0.046862098{\mathrm{\θ}}_3+0.41773---(1-3)$

$f_4\left({\mathrm{\θ}}_4\right)=0.00000114411{\mathrm{\θ}}_4^3+0.0000351901{\mathrm{\θ}}_4^2+{0.00319436\mathrm{\θ}}_4+2.1888---(1-4)$

$f_5\left({\mathrm{\θ}}_5\right)=0.00000214101{\mathrm{\θ}}_5^3+0.0000421522{\mathrm{\θ}}_5^2+{0.00621365\mathrm{\θ}}_5+1.3173---(1-5)$

$f_6\left({\mathrm{\θ}}_6\right)=0.00001061{\mathrm{\θ}}_6^3+0.00169623{\mathrm{\θ}}_6^2-{0.00551086\mathrm{\θ}}_6+0.29228---(1-6)$

$f_7\left({\mathrm{\θ}}_7\right)=0.00003112{\mathrm{\θ}}_7^3+0.00212648{\mathrm{\θ}}_7^2-{0.00226453\mathrm{\θ}}_7+2.346---(1-7)$

其中：f_i(θ₁)表示上臂侧举分支动作的舒适度分值；

      f_i(θ₂)表示上臂水平屈伸分支动作的舒适度分值；

      f_i(θ₃)表示上臂旋转分支动作的舒适度分值；

      f_i(θ₄)表示前臂弯曲分支动作的舒适度分值；

      f_i(θ₅)表示前臂旋转分支动作的舒适度分值；

      f_i(θ₆)表示手腕弯曲分支动作的舒适度分值；

      f_i(θ₇)表示手腕侧屈分支动作的舒适度分值；

      θ₁～θ₇表示7个分支动作对应关节运动转角。

表1-2 肌肉生理横截面积数值

 

肌肉种类	面积/cm2	肌肉种类	面积/cm2
				三角肌	20.9	大圆肌	8.77
三角肌后部	5.00	肱三头肌(长头)	11.6
				冈上肌	5.72	肱二头肌(长头)	3.20
肩胛下肌	16.30	肱二头肌(短头)	1.11
				冈下肌小圆肌	13.74	喙肱肌	1.60
胸大肌	13.6	斜方肌	13.8
				背阔肌	12.9	肱桡肌	1.29

2、建立7自由度上肢动作姿态计算模型

根据人体上肢的结构及其运动特征，建立7自由度上肢动作姿态计算模型，如附图2所示。

(1)建立人体上肢运动模型坐标系

将上肢模型简化为3个连杆，分别代表人的上臂、前臂和手。所建上肢运动模型的7个自由度分别是：A₁代表上臂侧举、A₂代表上臂水平屈伸，A₃代表上臂旋转、A₄代表前臂弯曲、A₅代表前臂旋转，A₆代表手腕弯曲，A₇代表手腕侧屈，通过上述7自由度动作就可以实现上肢对操作域空间内任意目标点的拾取。

依据回转变换矩阵原理进行上肢运动学模型的构建，以人体肩部球窝关节中心为坐标原点，建立空间基础坐标系O₀X₀Y₀Z₀，坐标系的X轴、Y轴、Z轴分别在通过肩部球窝关节中心的冠状轴、垂直轴和矢状轴上，且坐标轴正向依次为人直立姿态时肩关节正右方、肩关节正下方与肩关节正前方。各连杆局部坐标系初始位置时的X轴、Y轴和Z轴正向与基础坐标系同向，分别为人体的正右方、正下方和正前方，在附图2中，坐标系O₀X₀Y₀Z₀为基础坐标系，坐标系O₁X₁Y₁Z₁～坐标系O₇X₇Y₇Z₇为各局部坐标系，坐标原点O₀、O₁、O₂重合在肩关节，坐标原点O₃、O₄建立在肘关节上，坐标原点O₅、O₆建立在腕关节，坐标原点O₇建立在手掌心，L₁、L₂、L₃分别代表上臂长、前臂长和掌心距。

(2)构建人体上肢运动模型

通过上肢7自由度动作，建立以上臂臂长、前臂臂长、掌心距及上肢各动作关节角度为参数的上肢运动模型。

定义上肢处于初始位置时，上臂、前臂、手掌自然下垂，呈竖直向下状态，手掌、前臂与上臂向量同向，且前臂弯曲和手掌弯曲角度均为零度，如附图2所示，参照中国成年人人体尺寸标准GB10000-88，上肢模型中取50百分位男子人体尺寸参数，L₁＝313mm、L₂＝237mm、L₃＝92mm。

上肢运动模型中，采用4×4维位姿矩阵Q_i表示初始位置时坐标系O_iX_iY_iZ_i在坐标系O_i-1X_i-1Y_i-1Z_i-1中的位姿，则在附图2初始位置时可以得到相应的4×4维位姿矩阵Q₁、Q₂、Q₃、Q₄、Q₅、Q₆、Q₇。从生理学知识及人体的实际动作姿态考虑，本实施例规定肘关节在X₃O₃Z₃平面内与X₃O₃轴呈45°，其向量为 $\stackrel{\‾}{Q_{3}N}=\left[\begin{array}{ccc}\sqrt{2}/2& 0& \sqrt{2}/2\end{array}\right];$ 7个自由度关节A₁～A₇绕X₀、Z₁、Y₂、肘关节、Y₄、Z₅、X₆的旋转角度依次为θ₁，θ₂，θ₃，θ₄，θ₅，θ₆，θ₇，得到相应回转变换矩阵T₁，T₂，T₃，T₄，T₅，T₆，T₇。上肢关节旋转角度后相应坐标系O_iX_iY_iz_i在坐标系O_i-1X_i-1Y_i-1Z_i-1中的位姿矩阵P_i可表示为：P_i＝T_i*Q_i，则在上述分析基础上可以得到手掌掌心相对于基础坐标系的位姿矩阵T：

T＝T₁×Q₁×T₂×Q₂×T₃×Q₃×T₄×Q₄×T₅×Q₅×T₆×Q₆×T₇×Q₇(2-1)

其中：

$Q_1=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $Q_2=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $Q_3=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 313\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $Q_4=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$

$Q_5=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 237\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $Q_6=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $Q_7=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 92\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$

$T_1=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& \cos {\mathrm{\θ}}_1& -\sin {\mathrm{\θ}}_1& 0\\ 0& \sin {\mathrm{\θ}}_1& \cos {\mathrm{\θ}}_1& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $T_2=\left[\begin{array}{cccc}\cos {\mathrm{\θ}}_2& \sin {\mathrm{\θ}}_2& 0& 0\\ -\sin {\mathrm{\θ}}_2& \cos {\mathrm{\θ}}_2& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $T_3=\left[\begin{array}{cccc}\cos {\mathrm{\θ}}_3& 0& \sin {\mathrm{\θ}}_3& 0\\ -\sin {\mathrm{\θ}}_3& 0& \cos {\mathrm{\θ}}_3& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$

$T_4=\left[\begin{array}{cccc}\frac{1+\cos {\mathrm{\θ}}_4}{2}& -\frac{\sqrt{2}\sin {\mathrm{\θ}}_4}{2}& \frac{1-\cos {\mathrm{\θ}}_4}{2}& 0\\ \frac{\sqrt{2}\sin {\mathrm{\θ}}_4}{2}& \cos {\mathrm{\θ}}_4& -\frac{\sqrt{2}\sin {\mathrm{\θ}}_4}{2}& 0\\ \frac{1-\cos {\mathrm{\θ}}_4}{2}& \frac{\sqrt{2}\sin {\mathrm{\θ}}_4}{2}& \frac{1+\cos {\mathrm{\θ}}_4}{2}& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $T_5=\left[\begin{array}{cccc}\cos {\mathrm{\θ}}_5& 0& \sin {\mathrm{\θ}}_5& 0\\ -\sin {\mathrm{\θ}}_5& 0& \cos {\mathrm{\θ}}_5& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$

$T_6=\left[\begin{array}{cccc}\cos {\mathrm{\θ}}_6& \sin {\mathrm{\θ}}_6& 0& 0\\ -\sin {\mathrm{\θ}}_6& \cos {\mathrm{\θ}}_6& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$ 　 $T_7=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& \cos {\mathrm{\θ}}_7& -\sin {\mathrm{\θ}}_7& 0\\ 0& \sin {\mathrm{\θ}}_7& \cos {\mathrm{\θ}}_7& 0\\ 0& 0& 0& 1\end{array}\right]$

在上肢运动模型中，式(2-1)中的手掌的位姿矩阵T可表示为下面的4×4维矩阵：

$T=\left[\begin{array}{cccc}\stackrel{\‾}{n}& \stackrel{\‾}{o}& \stackrel{\‾}{a}& \stackrel{\‾}{p}\end{array}\right]=\left[\begin{array}{cccc}{n}_x& o_x& a_x& p_x\\ n_y& o_y& a_y& p_y\\ n_z& o_z& a_z& p_z\\ 0& 0& 0& 1\end{array}\right]---(2-2)$

其中，矢量n、o和a表示掌心的姿势；p表示基础坐标系原点指向掌心的矢量，其中p_x、p_y、p_z是掌心在基础坐标系中X轴、Y轴和Z轴上的坐标。

由式2-1和式2-2可得出掌心位置在基础坐标系中X轴、Y轴和Z轴上的坐标p_x、p_y、p_z与7个分支动作关节运动转角的函数关系。

3、以人体动作姿态舒适度最佳为目标，建立以人体上肢7个分支动作关节运动转角为变量的评价及优化模型，对各分支动作关节运动转角进行优化求解，得到人体最舒适的即潜意识的或本能的动作姿态。

为了能够量化评价上肢动作姿态的舒适性，定义了人体动作姿态的舒适性指标——舒适度S。由于人体的上肢动作姿态是7个自由度的分支动作相结合的结果，因此针对步骤1中人体上肢7个分支动作舒适度分值与其相应关节运动转角的函数关系，考虑7个分支动作对人体舒适性的综合贡献，依据各分支动作所涉及的主要肌肉横截面积占完成上肢动作姿态的7个分支动作的主要肌肉横界面积之和的比重，确定加权系数对7个分支动作的影响进行加权处理，得到人体上肢动作姿态舒适度综合评价函数S，其变量为各分支动作关节运动转角。各分支动作的主要肌肉群见表1-1，各肌肉横截面积见表1-2。通过计算得到7个分支动作的权重系数w分别为：w₁＝0.43，w₂＝0.23，w₃＝0.21，w₄＝0.08，w₅＝0.03，w₆＝0.01，w₇＝0.01，进而可得到以舒适度最佳为目标的评价及优化目标函数为：

min S＝w₁f₁(θ₁)+w₂f₂(θ₂)+w₃f₃(θ₃)+w₄f₄(θ₄)+w₅f₅(θ₅)+w₆f₆(θ₆)+w₇f₇(θ₇)  (3-1)

其中：

w_i——7个分支动作的舒适性权重，i＝1～7。

θ_i——与7个分支动作相对应的关节运动转角，i＝1～7。

f_i(θ_i)——人体上肢7个分支动作舒适度分值与其相应关节运动转角的函数关系，i＝1～7。见式(1-1)～(1-7)。

人体上肢完成某项作业时均有多种姿态，不同动作姿态的人体舒适度也不相同，其中基于舒适潜意识下，本能反应的动作姿态是人体感到最舒适，因此，有必要建立约束条件对人体动作姿态的舒适性进行优化求解。

针对步骤2所建立的7自由度上肢动作姿态计算模型，根据在实现动作姿态时拾取目标AIM点的向量坐标与掌心向量坐标相重合的特征，由此建立一组约束条件方程：

h₁(x)＝AIM(x)-p(x)＝0

(3-2)

h₂(x)＝AIM(y)-p(x)＝0

(3-3)

h₃(x)＝AIM(z)-p(z)＝0

(3-4)

其中：AIM(x)、AIM(y)、AIM(z)是目标点在基础坐标系X轴、Y轴和Z轴上的坐标分量，p_x、p_y、p_z为掌心在基础坐标系X轴、Y轴和Z轴上的坐标分量，是7个分支动作关节运动转角的函数，由式2-1和式2-2得到。

由表1-1可得人体上肢7个分支动作关节运动转角的范围，得出边界约束条件：

g₁(θ₁)＝-45°-θ₁≤0  g₂(θ₁)＝θ₁-90°≤0  (3-5，3-6)

g₃(θ₂)＝0-θ₂≤0      g₄(θ₂)＝θ₂-90°≤0  (3-7，3-8)

g₅(θ₃)＝-90°-θ₃≤0  g₆(θ₃)＝θ₃-70°≤0  (3-9，3-10)

g₇(θ₄)＝0-θ₄≤0      g₈(θ₄)＝θ₄-180°≤0(3-11，3-12)

g₉(θ₅)＝-100-θ₅≤0   g₁₀(θ₅)＝θ₅-100°≤0  (3-13，3-14)

g₁₁(θ₆)＝-60°-θ₆≤0  g₁₂(θ₆)＝θ₆-60°≤0  (3-15，3-16)

g₁₃(θ₇)＝-45°-θ₇≤0   g₁₄(θ₇)＝θ₇-10°≤0  (3-17，3-18)

采用Matlab优化模块中的“惩罚函数法”来实现这一非线性约束优化问题的求解。“惩罚函数法”是一种使用广泛且较有效的约束优化方法，在Matlab中它的求解主要由constr功能函数来实现，constr用来优化求解多变量函数约束最小值，其优化程序的流程图见附图3。输入目标点坐标，通过优化程序计算，得出最舒适姿态各分支动作相应关节运动转角角度。

4、利用步骤3中优化模型所得到的7个分支动作相应关节运动转角参数作为机器人相关关节驱动电机的输入量，实现仿人机器人对人体上肢潜意识动作姿态的模拟。

下面以仿人机器人手掌触摸其上臂肩部为例，如附图4所示，其运用本发明所述仿人机器人模拟人体上肢潜意识动作姿态的方法，具体实施过程如下：

(1)获取并输入拾取目标AIM点或掌心预到达位置目标点；通过仿人机器人的视觉系统，确定上臂肩部附近的目标位置，将其转化为坐标形式并输入优化程序，其坐标为：(50，-30，10)。

(2)通过优化程序进行求解计算，得出最优姿态下各分支角度；在评价及优化模型中，确立拾取目标或位置目标的等式约束和不等式约束，由目标点生成迭代初值，调用非线性约束函数进行优化求解，得出最优姿态下的各分支动作关节运动转角角度。该过程由程序自动进行，通过程序优化计算，得出：θ₁＝62°，θ₂＝46°，θ₃＝45°，θ₄＝135°，θ₅＝91°，θ₆＝29°，θ₇＝32°。

Claims (4)

1.一种仿人机器人模拟人体上肢潜意识动作姿态的方法，其特征在于，该方法主要包括如下步骤：

(1)根据人体舒适与疲劳的生物力学机理，确定肌力(肌肉硬度、肌电信号)为研究肌肉疲劳的生物力学指标；

(2)根据人体上肢的结构及其运动特征，将人体上肢动作分解为7个分支动作，分别为上臂侧举、上臂水平屈伸，上臂旋转、前臂弯曲、前臂旋转、手腕弯曲和手腕侧屈，并确定每个分支动作的关节运动转角范围和实现运动的相关肌肉群权重；

(3)通过上述生物力学指标的客观试验，结合主观实验和仿真实验数据，分别建立7个分支动作的舒适度分值与其相应关节运动转角的函数关系；

(4)根据人体上肢的结构及其运动特征，建立7自由度上肢动作姿态计算模型，同时以人体动作姿态舒适度最佳为目标，建立以人体上肢7个分支动作关节运动转角为变量的评价及优化模型；

(5)利用Matlab优化模块中的“惩罚函数法”，通过优化程序计算，得出最佳舒适度下人体抓取已知目标点时潜意识动作姿态的各关节运动转角；

(6)利用上述评价及优化模型所得到的各关节运动转角参数作为机器人相关关节驱动电机的输入量，实现仿人机器人对人体潜意识动作姿态的真实模拟。

2.如权利要求1所述的方法，其特征在于，所述各分支动作的舒适度分值和相应关节运动转角的函数关系是依照人体上肢关节运动舒适度测试试验数据确定的，试验步骤如下：

(1)受试者从初始角度开始动作，以相同的角度增量改变动作角度，最终完成每个分支动作试验中相应关节运动转角范围内肌力数据的测量；

(2)在每一分支动作的相应测量角度位置需停留设定的时间，测量人体上肢相关肌肉群的肌力数据；对所测得的数据进行处理，将个体之间有差异的肌力数据转换成可以相互比较的肌肉舒适度分值，进而得到每个分支动作舒适度分值与其相应关节运动转角的函数关系。

3.如权利要求1所述的方法，其特征在于，所述的7自由度上肢动作姿态计算模型按如下步骤进行建立：

(1)将人体上肢模型简化为3个连杆，分别代表人体的上臂、前臂和手，根据人体上肢3个关节运动形式的特点，将肩关节简化为3个自由度的球面副，肘关节和腕关节分别为2自由度的运动副；

(2)以上臂臂长、前臂臂长、掌心距和上肢各动作关节角度为参数，定义上肢处于初始位置时，上臂、前臂、手掌自然下垂，呈竖直向下状态，手掌、前臂与上臂向量同向，且前臂弯曲和手掌弯曲角度均为零度，参照中国成年人人体尺寸标准GB10000-88，上肢模型取50百分位男子人体尺寸参数，L₁＝313mm、L₂＝237mm、L₃＝92mm。；

(3)将所得到的每个分支动作舒适度分值和相应关节运动转角的函数关系通过加权处理，建立以人体上肢7个分支动作关节运动转角为变量的上肢动作姿态舒适度评价及优化模型；

(4)在所建立的7自由度上肢动作姿态计算模型中，约束条件包括掌心的向量坐标与目标点向量坐标重合方程和关节运动转角范围不等式。

4.如权利要求1或2所述的方法，其特征在于，所述的人体上肢7个分支动作舒适度分值与其相应关节运动转角的函数关系如下所示：

$f_1\left({\mathrm{\θ}}_1\right)=-0.0000012338{\mathrm{\θ}}_1^3+0.0008038852{\mathrm{\θ}}_1^2-0.0616327321{\mathrm{\θ}}_1+1.46145$

$f_2\left({\mathrm{\θ}}_2\right)=0.0000033422{\mathrm{\θ}}_2^3-0.0011117671{\mathrm{\θ}}_2^2+0.14212277{\mathrm{\θ}}_2+1.39854$

$f_3\left({\mathrm{\θ}}_3\right)=0.00000580{\mathrm{\θ}}_3^3+0.001484465{\mathrm{\θ}}_3^2+0.046862098{\mathrm{\θ}}_3+0.41773$

$f_4\left({\mathrm{\θ}}_4\right)=0.00000114411{\mathrm{\θ}}_4^3+0.0000351901{\mathrm{\θ}}_4^2-0.00319436{\mathrm{\θ}}_4+2.1888$

$f_5\left({\mathrm{\θ}}_5\right)=0.00000214101{\mathrm{\θ}}_5^3+0.0000421522{\mathrm{\θ}}_5^2+0.00621365{\mathrm{\θ}}_5+1.3173$

$f_6\left({\mathrm{\θ}}_6\right)=0.000001061{\mathrm{\θ}}_6^3+0.00169623{\mathrm{\θ}}_6^2-0.00551086{\mathrm{\θ}}_6+0.29228$

$f_7\left({\mathrm{\θ}}_7\right)=0.00003112{\mathrm{\θ}}_7^3+0.00212648{\mathrm{\θ}}_7^2-0.00226453{\mathrm{\θ}}_7+2.346$

其中：f_i(θ₁)表示上臂侧举分支动作的舒适度分值；

      f_i(θ₂)表示上臂水平屈伸分支动作的舒适度分值；

      f_i(θ₃)表示上臂旋转分支动作的舒适度分值；

      f_i(θ₄)表示前臂弯曲分支动作的舒适度分值；

      f_i(θ₅)表示前臂旋转分支动作的舒适度分值；

      f_i(θ₆)表示手腕弯曲分支动作的舒适度分值；

      f_i(θ₇)表示手腕侧屈分支动作的舒适度分值；

      θ₁～θ₇表示7个分支动作对应关节运动转角。

Images