CN106625604B - 基于助力外骨骼机器人的运动状态判别方法及系统 - Google Patents
基于助力外骨骼机器人的运动状态判别方法及系统 Download PDFInfo
- Publication number
- CN106625604B CN106625604B CN201611270182.XA CN201611270182A CN106625604B CN 106625604 B CN106625604 B CN 106625604B CN 201611270182 A CN201611270182 A CN 201611270182A CN 106625604 B CN106625604 B CN 106625604B
- Authority
- CN
- China
- Prior art keywords
- human body
- assistance exoskeleton
- pressure
- exoskeleton robot
- hip joint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0006—Exoskeletons, i.e. resembling a human figure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Rehabilitation Tools (AREA)
- Manipulator (AREA)
Abstract
本发明实施例提供一种基于助力外骨骼机器人的运动状态判别方法及系统。其中方法包括:采用角度传感器和压力传感器采集当前步态周期内人体左、右髋关节的角度值,人体左、右足底对所述助力外骨骼机器人的压力及助力外骨骼机器人的左、右足底踏板对地的压力;根据当前步态周期内人体左、右髋关节的角度值计算得出当前步态周期内人体左、右髋关节的加速度;根据人体左、右髋关节的加速度,人体左、右髋关节的角度值,人体左、右足底对所述助力外骨骼机器人的压力以及助力外骨骼机器人的左、右足底踏板对地的压力识别当前步态周期内人体的运动状态。本发明实施例简化了运动状态识别的算法,减少了运动状态识别的计算量,并且易于实现,实时性好。
Description
技术领域
本发明属于智能设备技术领域,尤其涉及一种基于助力外骨骼机器人的运动状态判别方法及系统。
背景技术
助力外骨骼机器人是一类模仿人体生理构造,能被人穿戴、协同穿戴者运动的同时辅助穿戴者的智能机械装置,它可以提高人们在行走耐久性、负重能力等特定方面的体能。助力外骨骼机器人在辅助人体行走时,需要在人体下肢关节动作之前,判断出人体的运动状态,然后根据人体的运动状态对人体各个关节提供适当的辅助扭矩,来帮助人体行走。目前,助力外骨骼机器人采用的运动状态判别的主流方法是:通过传感器采集人的关节运动信息,然后通过聚类或者马尔科夫模型等算法,进行运动状态判别,这类算法是通用的模式识别算法,理论严谨,误差也小。但是,这类算法较为复杂,计算量较大,实现起来较难,并实时性较差,不适用于实时控制系统。
发明内容
本发明实施例的目的在于提供一种基于助力外骨骼机器人的运动状态判别方法及系统,旨在解决现有的运动状态判别技术中采用的算法较为复杂,计算量较大,实现起来较难,并实时性较差,不适用于实时控制系统的问题。
本发明实施例是这样实现的,一种基于助力外骨骼机器人的运动状态判别方法,其中,所述助力外骨骼机器人的髋关节安装有角度传感器,所述助力外骨骼机器人的足底踏板的上下两面均安装有压力传感器,所述运动状态判别方法包括:
采用所述角度传感器和所述压力传感器采集当前步态周期内人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机;
根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右;
根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态。
另一方面,本发明实施例提供一种基于助力外骨骼机器人的运动状态判别系统,所述助力外骨骼机器人的髋关节安装有角度传感器,所述助力外骨骼机器人的足底踏板的上下两面均安装有压力传感器,所述运动状态判别系统包括:
数据采集单元,用于采用所述角度传感器和所述压力传感器采集当前步态周期内人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机;
加速度计算单元,用于根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右;
运动状态识别单元,用于根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态。
实施本发明实施例提供的一种基于助力外骨骼机器人的运动状态判别方法及系统具有以下有益效果:
本发明实施例通过在所述助力外骨骼机器人的髋关节安装有角度传感器,所述助力外骨骼机器人的足底踏板的上下两面均安装有压力传感器,然后采用所述角度传感器和所述压力传感器采集当前步态周期内人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机;根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右;根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态,从而简化了运动状态识别的算法,减少了运动状态识别的计算量,并且易于实现,实时性好,适用于实时性要求较高的助力外骨骼机器人的控制系统。
附图说明
图1是本发明实施例提供的一种基于助力外骨骼机器人的运动状态判别方法的示意流程图;
图2是本发明实施例提供的一种基于助力外骨骼机器人的运动状态判别方法中步骤S103的示意流程图;
图3是本发明另一实施例提供的一种基于助力外骨骼机器人的运动状态判别方法的示意流程图;
图4是本发明实施例提供的一种基于助力外骨骼机器人的运动状态判别系统的示意性框图;
图5是本发明另一实施例提供的一种基于助力外骨骼机器人的运动状态判别系统的示意性框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1是本发明实施例提供的一种基于助力外骨骼机器人的运动状态判别方法的示意流程图。其中,所述助力外骨骼机器人的髋关节安装有角度传感器,所述助力外骨骼机器人的足底踏板的上下两面均安装有压力传感器。参见图1所示,该方法可以包括以下步骤:
在S101中,采用所述角度传感器和所述压力传感器采集当前步态周期内人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机。
在本实施例中,所述助力外骨骼机器人的左、右髋关节处均安装有角度传感器,用于采集人体左、右髋关节的角度值φ左、φ右。所述助力外骨骼机器人左、右两个足底踏板的上、下面均安装有压力传感器,其中安装在左、右足底踏板上面的压力传感器分别用于采集人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人;安装在左、右足底踏板下面的压力传感器分别用于采集所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机。
在S102中,根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右。
在本实施例中,另当前步态周期为t1~t3,t2为当前步态周期内的中间时刻点,在当前步态周期内三个不同时间点t1、t2、t3采集到的人体左髋关节的角度值分别为φ左1、φ左2、φ左3,人体左髋关节的角度值分别为φ右1、φ右2、φ右3那么当前步态周期人体左、右髋关节的速度α左、α右的计算公式分别为:
在S103中,根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态。
图2示出了本实施例中步骤S103的具体实现时的示意流程图,参见图2所示,在本实施例中,步骤S103具体包括:
在S201中,根据所述人体左、右髋关节的加速度α左、α右识别出当前步态周期的行走模式,所述行走模式包括行走态、跑步态以及起坐态。
在本实施例中,步骤S201具体包括:
若所述人体左、右髋关节的加速度α左、α右的绝对值均小于第一加速度阈值,则当前步态周期内的行走模式为行走态;
若所述人体左、右髋关节的加速度α左、α右的绝对值均大于第一加速度阈值并小于第二加速度阈值,则当前步态周期内的行走模式为跑步态;
若所述人体左、右髋关节的加速度α左、α右均为零,则当前步态周期内的行走模式为起坐态。
在S202中,根据所述人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内在所述行走模式下人体的运动步态。
在本实施例中,步骤S202具体包括:
计算所述人体左足底对所述助力外骨骼机器人的压力F左人和所述助力外骨骼机器人的左足底踏板对地的压力F左机的第一比值;
计算所述人体右足底对所述助力外骨骼机器人的压力F右人和所述助力外骨骼机器人的右足底踏板对地的压力F右机的第二比值;
计算所述人体左、右足对所述助力外骨骼机器人的压力之和与所述助力外骨骼机器人的左、右足底踏板对地的压力之和的第三比值;
计算人体重力与人体重力和所述助力外骨骼机器人的重力之和的第四比值;
根据所述第一比值、所述第二比值、所述第三比值、所述第四比值、所述人体左、右髋关节的角度值φ左、φ右以及预先配置的运动步态识别策略识别所述当前步态周期内在所述行走模式下人体的行走步态。
进一步的,在本实施例中,所述根据所述第一比值、所述第二比值、所述第三比值、所述第四比值、所述人体左、右髋关节的角度值φ左、φ右以及预先配置的运动步态识别策略识别所述当前步态周期内在所述行走模式下人体的行走步态具体包括:
当所述行走模式为行走态时:
若所述第三比值等于所述第四比值,则所述运动步态为站立状态;
若所述第一比值大于第一支撑阈值,所述第二比值小于所述第一支撑阈值,则所述运动步态为左腿迈出状态;
若所述第一比值小于所述第一支撑阈值,所述第二比值大于所述第一支撑阈值,则所述运动步态为右腿迈出状态;
若所述第三比值小于所述第一支撑阈值,则所述运动步态为腿摆动状态;
若所述第一比值大于第二支撑阈值,所述第二比值小于第二支撑阈值,则所述运动步态为右腿下台阶、左腿下台阶状态;
若所述第一比值小于所述第二支撑阈值,所述第二比值大于所述第二支撑阈值,则所述运动步态为左腿下台阶、右腿上台阶状态。
当所述行走模式为跑步态时:
若所述第三比值等于所述第四比值,则所述运动步态为站立状态;
若所述第一比值大于第三支撑阈值,所述第二比值小于所述第三支撑阈值,则所述运动状态为左腿迈出状态;
若所述第一比值小于所述第三支撑阈值,所述第二比值大于所述第三支撑阈值,则所述运动状态为右腿迈出状态;
若所述第三比值小于所述第三支撑阈值,则所述运动状态为腿摆动状态。
当所述行走模式为起坐态时:
若所述第三比值等于所述第四比值,则所述运动步态为站立状态;
若所述人体左、右髋关节的角度值φ左、φ右相等、所述第一比值等于所述第二比值并且大于第四支撑阈值,则所述运动步态为下蹲状态;
若所述人体左、右髋关节的角度值φ左、φ右相等、所述第一比值等于所述第二比值并且小于所述第四支撑阈值,则所述运动步态为起立状态;
若所述人体左、右髋关节的角度值φ左、φ右相等并且所述第一比值和所述第二比值均等于所述第四支撑阈值,则所述运动步态为完全坐下状态。
以上可以看出,本实施例提供的一种基于助力外骨骼机器人的运动状态判别方法通过在所述助力外骨骼机器人的髋关节安装有角度传感器,所述助力外骨骼机器人的足底踏板的上下两面均安装有压力传感器,然后采用所述角度传感器和所述压力传感器采集当前步态周期内人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机;根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右;根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态,从而简化了运动状态识别的算法,减少了运动状态识别的计算量,并且易于实现,实时性好,适用于实时性要求较高的助力外骨骼机器人的控制系统。
图3是本发明另一实施例提供的一种基于助力外骨骼机器人的运动状态判别方法的示意流程图。参见图3所示,相对于上一实施例,本实施例提供的一种基于助力外骨骼机器人的运动状态判别方法在所述根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右之前还包括:
在S302中,对采集到的当前步态周期内的人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机数据进行卡尔曼滤波处理。
在本实施例中,由于在对采集到的数据进行计算前先对其进行卡尔曼滤波处理,从而可以去除采集到的误差数据,保证系统不会因为扰动而对运动状态做出错误的判断,提高了运动状态判别的准确性和可靠性。
此外,在本实施例中还可以在所述助力外骨骼机器人的左、右膝关节处各安装一角度传感器,用于在步态周期内采集人体左、右膝关节处的角度,其采集到的角度值的处理方法与上一实施例中髋关节处采集到的角度值的处理方法相同,主要用于辅助修正运动状态的判别结果,相对于上一实施例,能够进一步提高运动状态识别的准确性。
另外,需要说明的是,本实施例中的步骤S301以及步骤S303~S304由于分别与上一实施例中的步骤S101~步骤S103完全相同,因此,在此不再赘述。
因此,可以看出,本实施例提供的一种基于助力外骨骼机器人的运动状态判别方法同样简化了运动状态识别的算法,减少了运动状态识别的计算量,并且易于实现,实时性好,适用于实时性要求较高的助力外骨骼机器人的控制系统;此外,相对于上一实施例,还能够进一步提高运动状态识别的准确性和可靠性。
图4是本发明实施例提供的一种基于助力外骨骼机器人的运动状态判别系统的示意性框图。其中,所述助力外骨骼机器人的髋关节安装有角度传感器,所述助力外骨骼机器人的足底踏板的上下两面均安装有压力传感器。为了便于说明仅仅示出了与本实施例相关的部分。
参见图4所示,本实施例提供的一种基于助力外骨骼机器人的运动状态判别系统包括:
数据采集单元1,用于采用所述角度传感器和所述压力传感器采集当前步态周期内人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机;
加速度计算单元2,用于根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右;
运动状态识别单元3,用于根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态。
可选的,所述运动状态识别单元3包括:
行走模式识别子单元31,用于根据所述人体左、右髋关节的加速度α左、α右识别出当前步态周期的行走模式,所述行走模式包括行走态、跑步态以及起坐态;
运动步态识别子单元32,用于根据所述人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内在所述行走模式下人体的运动步态。
可选的,所述行走模式识别子单元31具体用于:
若所述人体左、右髋关节的加速度α左、α右的绝对值均小于第一加速度阈值,则当前步态周期内的行走模式为行走态;
若所述人体左、右髋关节的加速度α左、α右的绝对值均大于第一加速度阈值并小于第二加速度阈值,则当前步态周期内的行走模式为跑步态;
若所述人体左、右髋关节的加速度α左、α右均为零,则当前步态周期内的行走模式为起坐态。
可选的,所述运动步态识别子单元32具体用于:
计算所述人体左足底对所述助力外骨骼机器人的压力F左人和所述助力外骨骼机器人的左足底踏板对地的压力F左机的第一比值;
计算所述人体右足底对所述助力外骨骼机器人的压力F右人和所述助力外骨骼机器人的右足底踏板对地的压力F右机的第二比值;
计算所述人体左、右足对所述助力外骨骼机器人的压力之和与所述助力外骨骼机器人的左、右足底踏板对地的压力之和的第三比值;
计算人体重力与人体重力和所述助力外骨骼机器人的重力之和的第四比值;
根据所述第一比值、所述第二比值、所述第三比值、所述第四比值、所述人体左、右髋关节的角度值φ左、φ右以及预先配置的运动步态识别策略识别所述当前步态周期内在所述行走模式下人体的行走步态。
可选的,参见图5所示,在另一实施例中,所述运动状态判别系统还包括:
滤波处理单元4,用于对采集到的当前步态周期内的人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机数据进行卡尔曼滤波处理。
需要说明的是,本发明实施例提供的上述系统中的各个单元,由于与本发明方法实施例基于同一构思,其带来的技术效果与本发明方法实施例相同,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
因此,可以看出,本实施例提供的基于助力外骨骼机器人的运动状态判别系统同样简化了运动状态识别的算法,减少了运动状态识别的计算量,并且易于实现,实时性好,适用于实时性要求较高的助力外骨骼机器人的控制系统。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于助力外骨骼机器人的运动状态判别方法,其特征在于,所述助力外骨骼机器人的髋关节安装有角度传感器,所述助力外骨骼机器人的足底踏板的上下两面均安装有压力传感器,所述运动状态判别方法包括:
采用所述角度传感器和所述压力传感器采集当前步态周期内人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机;
根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右;
根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态。
2.如权利要求1所述的运动状态判别方法,其特征在于,所述根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右之前还包括:
对采集到的当前步态周期内的人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机数据进行卡尔曼滤波处理。
3.如权利要求1所述的运动状态判别方法,其特征在于,所述根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态包括:
根据所述人体左、右髋关节的加速度α左、α右识别出当前步态周期的行走模式,所述行走模式包括行走态、跑步态以及起坐态;
根据所述人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内在所述行走模式下人体的运动步态。
4.如权利要求3所述的运动状态判别方法,其特征在于,所述根据所述人体左、右髋关节的加速度α左、α右识别出当前步态周期的行走模式包括:
若所述人体左、右髋关节的加速度α左、α右的绝对值均小于第一加速度阈值,则当前步态周期内的行走模式为行走态;
若所述人体左、右髋关节的加速度α左、α右的绝对值均大于第一加速度阈值并小于第二加速度阈值,则当前步态周期内的行走模式为跑步态;
若所述人体左、右髋关节的加速度α左、α右均为零,则当前步态周期内的行走模式为起坐态。
5.如权利要求4所述的运动状态判别方法,其特征在于,所述根据所述人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内在所述行走模式下人体的运动步态具体包括:
计算所述人体左足底对所述助力外骨骼机器人的压力F左人和所述助力外骨骼机器人的左足底踏板对地的压力F左机的第一比值;
计算所述人体右足底对所述助力外骨骼机器人的压力F右人和所述助力外骨骼机器人的右足底踏板对地的压力F右机的第二比值;
计算所述人体左、右足对所述助力外骨骼机器人的压力之和与所述助力外骨骼机器人的左、右足底踏板对地的压力之和的第三比值;
计算人体重力与人体重力和所述助力外骨骼机器人的重力之和的第四比值;
根据所述第一比值、所述第二比值、所述第三比值、所述第四比值、所述人体左、右髋关节的角度值φ左、φ右以及预先配置的运动步态识别策略识别所述当前步态周期内在所述行走模式下人体的行走步态。
6.一种基于助力外骨骼机器人的运动状态判别系统,其特征在于,所述助力外骨骼机器人的髋关节安装有角度传感器,所述助力外骨骼机器人的足底踏板的上下两面均安装有压力传感器,所述运动状态判别系统包括:
数据采集单元,用于采用所述角度传感器和所述压力传感器采集当前步态周期内人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机;
加速度计算单元,用于根据当前步态周期内采集到的所述人体左、右髋关节的角度值φ左、φ右计算得出当前步态周期内所述人体左、右髋关节的加速度α左、α右;
运动状态识别单元,用于根据所述人体左、右髋关节的加速度α左、α右,人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内人体的运动状态。
7.如权利要求6所述的运动状态判别系统,其特征在于,还包括:
滤波处理单元,用于对采集到的当前步态周期内的人体左、右髋关节的角度值φ左、φ右,人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机数据进行卡尔曼滤波处理。
8.如权利要求6所述的运动状态判别系统,其特征在于,所述运动状态识别单元包括:
行走模式识别子单元,用于根据所述人体左、右髋关节的加速度α左、α右识别出当前步态周期的行走模式,所述行走模式包括行走态、跑步态以及起坐态;
运动步态识别子单元,用于根据所述人体左、右髋关节的角度值φ左、φ右,所述人体左、右足底对所述助力外骨骼机器人的压力F左人、F右人以及所述助力外骨骼机器人的左、右足底踏板对地的压力F左机、F右机识别所述当前步态周期内在所述行走模式下人体的运动步态。
9.如权利要求8所述的运动状态判别系统,其特征在于,所述行走模式识别子单元具体用于:
若所述人体左、右髋关节的加速度α左、α右的绝对值均小于第一加速度阈值,则当前步态周期内的行走模式为行走态;
若所述人体左、右髋关节的加速度α左、α右的绝对值均大于第一加速度阈值并小于第二加速度阈值,则当前步态周期内的行走模式为跑步态;
若所述人体左、右髋关节的加速度α左、α右均为零,则当前步态周期内的行走模式为起坐态。
10.如权利要求9所述的运动状态判别系统,其特征在于,所述运动步态识别子单元具体用于:
计算所述人体左足底对所述助力外骨骼机器人的压力F左人和所述助力外骨骼机器人的左足底踏板对地的压力F左机的第一比值;
计算所述人体右足底对所述助力外骨骼机器人的压力F右人和所述助力外骨骼机器人的右足底踏板对地的压力F右机的第二比值;
计算所述人体左、右足对所述助力外骨骼机器人的压力之和与所述助力外骨骼机器人的左、右足底踏板对地的压力之和的第三比值;
计算人体重力与人体重力和所述助力外骨骼机器人的重力之和的第四比值;
根据所述第一比值、所述第二比值、所述第三比值、所述第四比值、所述人体左、右髋关节的角度值φ左、φ右以及预先配置的运动步态识别策略识别所述当前步态周期内在所述行走模式下人体的行走步态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611270182.XA CN106625604B (zh) | 2016-12-30 | 2016-12-30 | 基于助力外骨骼机器人的运动状态判别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611270182.XA CN106625604B (zh) | 2016-12-30 | 2016-12-30 | 基于助力外骨骼机器人的运动状态判别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106625604A CN106625604A (zh) | 2017-05-10 |
CN106625604B true CN106625604B (zh) | 2019-05-07 |
Family
ID=58838409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611270182.XA Active CN106625604B (zh) | 2016-12-30 | 2016-12-30 | 基于助力外骨骼机器人的运动状态判别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106625604B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107714400A (zh) * | 2017-09-19 | 2018-02-23 | 安徽工程大学 | 引导下肢外骨骼助力机器人行走的智能拐杖控制方法 |
CN108247605B (zh) * | 2017-12-12 | 2020-03-20 | 深圳市罗伯医疗科技有限公司 | 一种紧急姿态控制方法和系统 |
CN109394472A (zh) * | 2018-09-19 | 2019-03-01 | 宁波杰曼智能科技有限公司 | 一种基于神经网络分类器的康复机器人运动意图识别方法 |
CN110405736B (zh) * | 2019-08-07 | 2021-01-26 | 广东博智林机器人有限公司 | 助行控制方法及系统、外骨骼机器人和终端 |
CN110405771A (zh) * | 2019-08-07 | 2019-11-05 | 广东博智林机器人有限公司 | 外骨骼机器人、助行控制方法、终端和计算机装置 |
CN110757460B (zh) * | 2019-11-05 | 2022-09-13 | 中国船舶重工集团公司第七0七研究所 | 柔性外骨骼机器人控制系统及控制方法 |
CN110861089B (zh) * | 2019-11-29 | 2020-11-06 | 北京理工大学 | 一种多机器人系统任务均衡分配协同工作控制方法 |
CN111469117B (zh) * | 2020-04-14 | 2022-06-03 | 武汉理工大学 | 一种刚柔耦合有源外骨骼的人体运动模式检测方法 |
CN111568700A (zh) * | 2020-04-16 | 2020-08-25 | 南方科技大学 | 一种下肢穿戴式机器人步态控制方法、装置和设备 |
CN111481405A (zh) * | 2020-04-22 | 2020-08-04 | 北京海益同展信息科技有限公司 | 一种运动指令的触发方法、装置和外骨骼设备 |
CN112618283B (zh) * | 2020-12-21 | 2022-12-27 | 南京伟思医疗科技股份有限公司 | 一种外骨骼机器人主动训练用步态协调助力控制系统 |
CN112790951B (zh) * | 2020-12-30 | 2023-03-10 | 上海傅利叶智能科技有限公司 | 识别重心的方法、辅助训练的方法及其系统、智能拐杖 |
CN113244090B (zh) * | 2021-07-16 | 2021-09-14 | 中国科学院自动化研究所 | 髋关节下肢外骨骼控制方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011092800A1 (ja) * | 2010-01-26 | 2011-08-04 | トヨタ自動車株式会社 | 歩行支援装置 |
CN103083027A (zh) * | 2013-01-10 | 2013-05-08 | 苏州大学 | 一种基于下肢关节运动信息的步态相位判别方法 |
CN105125216A (zh) * | 2015-08-29 | 2015-12-09 | 深圳市老年医学研究所 | 一种基于足底压力的步态检测系统 |
CN105147298A (zh) * | 2015-10-16 | 2015-12-16 | 北京机械设备研究所 | 一种外骨骼状态检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5128375B2 (ja) * | 2008-06-12 | 2013-01-23 | 本田技研工業株式会社 | 歩行補助装置の制御装置 |
-
2016
- 2016-12-30 CN CN201611270182.XA patent/CN106625604B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011092800A1 (ja) * | 2010-01-26 | 2011-08-04 | トヨタ自動車株式会社 | 歩行支援装置 |
CN103083027A (zh) * | 2013-01-10 | 2013-05-08 | 苏州大学 | 一种基于下肢关节运动信息的步态相位判别方法 |
CN105125216A (zh) * | 2015-08-29 | 2015-12-09 | 深圳市老年医学研究所 | 一种基于足底压力的步态检测系统 |
CN105147298A (zh) * | 2015-10-16 | 2015-12-16 | 北京机械设备研究所 | 一种外骨骼状态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106625604A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106625604B (zh) | 基于助力外骨骼机器人的运动状态判别方法及系统 | |
Huo et al. | Fast gait mode detection and assistive torque control of an exoskeletal robotic orthosis for walking assistance | |
CN103263339B (zh) | 老年人外骨骼助行机器人及防摔倒步态的仿生控制方法 | |
Qian et al. | Predictive locomotion mode recognition and accurate gait phase estimation for hip exoskeleton on various terrains | |
Yan et al. | A locomotion recognition system using depth images | |
Zhang et al. | Whole-body pose estimation in human bicycle riding using a small set of wearable sensors | |
Miao et al. | Adaptive switching control based on dynamic zero moment point for versatile hip exoskeleton under hybrid locomotion | |
Gong et al. | BPNN-based real-time recognition of locomotion modes for an active pelvis orthosis with different assistive strategies | |
Lee et al. | Real-time user-independent slope prediction using deep learning for modulation of robotic knee exoskeleton assistance | |
Li et al. | Reconstructing walking dynamics from two shank-mounted inertial measurement units | |
Yuan et al. | A realtime locomotion mode recognition method for an active pelvis orthosis | |
CN110338996B (zh) | 一种轮椅控制方法 | |
CN104887237B (zh) | 一种基于人体运动模式监测的行人导航方法 | |
Baptista et al. | new approach of cycling phases detection to improve FES-pedaling in SCI individuals | |
CN111728827B (zh) | 动力下肢外骨骼控制方法、装置和系统 | |
CN106217353A (zh) | 基于多轴加速度传感器的外骨骼机器人步态控制方法 | |
CN110587613B (zh) | 一种负压气动柔性膝关节外骨骼实时反馈与闭环控制方法 | |
Ishiguro et al. | Motion recognition using 3d accelerometer sensor network for mobility assistant robot | |
CN116766197A (zh) | 一种髋关节外骨骼助力控制方法 | |
Laschowski | Energy regeneration and environment sensing for robotic leg prostheses and exoskeletons | |
CN116115217A (zh) | 一种基于深度网络的人体下肢步态相位估计方法 | |
Khan et al. | Pathological gait abnormality detection and segmentation by processing the hip joints motion data to support mobile gait rehabilitation | |
CN115416003A (zh) | 一种面向老人的下肢外骨骼的按需辅助控制方法 | |
Chen et al. | Research on the human-following method, fall gesture recognition, and protection method for the walking-aid cane robot | |
Chen et al. | An adaptive gait learning strategy for lower limb exoskeleton robot |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |