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

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

基于助力外骨骼机器人的运动状态判别方法及系统

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。