CN106730629A - 下肢机器人及利用该机器人进行主动运动的控制方法 - Google Patents

Abstract

本发明涉及一种下肢机器人和利用该机器人进行主动运动的控制方法。其中，该下肢机器人用于与使用者配合使用，且包括机械腿、传感系统和控制系统。其中，传感系统用于采集使用者和机械腿各关节之间的力矩信号和关节绝对角度信号，并将力矩信号和关节绝对角度信号发送至控制系统。控制系统用于通过力矩信号和关节绝对角度信号估计出使用者下肢生理学步态轨迹信号，并根据生理学步态轨迹信号驱动机械腿。本发明利用传感系统采集到力矩信号和关节绝对角度信号，由控制系统对其进行估计，得出使用者下肢生理学步态轨迹信号，并根据生理学步态轨迹信号来驱动机械腿的关节的运动，实现了促使使用者主动进行运动的优点，并提高了使用者的运动效果。

Description

下肢机器人及利用该机器人进行主动运动的控制方法

技术领域

本发明涉及工控技术领域，具体而言，涉及一种下肢机器人及利用该机器人进行主动运动的控制方法。

背景技术

目前，国内很多研究机构已相继研究了各种类型的康复机器人，康复机器人可以模拟人类运动，可以帮助使用者解决生活困难，提高生活质量。但大多数机器人仍然只能进行简单的被动动作。

有鉴于此，特提出本发明。

发明内容

本发明的目的在于提出一种下肢机器人，以实现促使使用者主动进行运动，并提高使用者的运动效果。此外，为此，还提供一种利用该机器人进行主动运动的控制方法。

为了实现上述目的，一方面，提供了以下技术方案：

一种下肢机器人，其用于与使用者配合使用，且包括：

机械腿；

传感系统，用于采集使用者和机械腿各关节之间的力矩信号和关节绝对角度信号，并将力矩信号和关节绝对角度信号发送至控制系统；

控制系统，用于通过力矩信号和关节绝对角度信号估计出使用者下肢生理学步态轨迹信号，并根据生理学步态轨迹信号驱动机械腿。

优选地，控制系统具体包括：

上位机，用于根据经过模数转换后的关节角度信号和人机交互力矩信号，生成与生理学步态轨迹相关的第一运动控制指令和第二运动控制指令；

左腿驱动控制器，与上位机通信连接，用于接收第一编码器产生的下肢各关节的第一角度信号，还用于接收上位机发送来的第一运 动控制指令，并根据第一角度信号和第一运动控制指令来驱动左腿髋关节电机和左腿膝关节电机，以驱动左腿；

右腿驱动控制器，与上位机通信连接，用于接收第二编码器产生的下肢各关节的第二角度信号，还用于接收上位机发送来的第二运动控制指令，并根据第二角度信号和第二运动控制指令来驱动右腿髋关节电机和右腿膝关节电机，以驱动右腿；

左腿髋关节电机，与左腿驱动控制器相连；

左腿膝关节电机，与左腿驱动控制器相连；

第一光电编码器，设置在左腿髋关节电机和左腿膝关节电机的轴端，并与左腿驱动控制器相连，生成左腿髋关节电机的第一位置信号和左腿膝关节电机的第二位置信号，并将第一和第二位置信号分别反馈至左腿驱动控制器；

右腿髋关节电机，与右腿驱动控制器相连；

右腿膝关节电机，与右腿驱动控制器相连；

第二光电编码器，设置在右腿髋关节电机和右腿膝关节电机的轴端，并与右腿驱动控制器相连，生成右腿髋关节电机的第三位置信号和右腿膝关节电机的第四位置信号，并将第三和第四位置信号分别反馈至右腿驱动控制器；

采集卡，与关节绝对角度传感器和关节力矩传感器及上位机相连，用于对关节角度信号和人机交互力矩信号进行模数转换后输入到上位机；

传感系统具体包括：

关节绝对角度传感器，与采集卡相连，用于采集关节角度信号；

关节力矩传感器，与采集卡相连，用于采集人机交互力矩信号。

优选地，传感器系统对力矩信号和关节绝对角度信号进行放大并进行模数转换之后发送至控制系统。

优选地，左、右腿驱动控制器分别通过EtherCAT工业总线与上位机通信连接；采集卡通过PCI总线与上位机通信连接。

优选地，下肢机器人还包括：跑步台控制器和跑步台驱动电机及跑步台；跑步台控制器通过SCI串行总线与上位机通信连接；跑步台驱动电机通过SCI串行总线与上位机通信连接，以驱动跑步台。

优选地，下肢机器人还包括：

人机交互系统，与控制系统相连，用于接收使用者输入的指令，并进行运动监控和数据管理。

为了实现上述目的，另一方面，还提供了一种利用上述机器人进行主动运动的控制方法，该方法包括：

获取使用者与机械腿之间的力矩信号；

利用指数移动平均法对力矩信号进行估计；

结合估计得到的力矩，根据位置式阻抗控制方法，计算使用者下肢各关节的期望运动的关节角度；

根据期望运动的关节角度，通过最优化的方法计算得到生理学步态轨迹信号，并根据生理学步态轨迹信号控制机器人进行主动运动。

优选地，利用指数移动平均法对力矩信号进行估计具体包括：

根据以下公式对力矩信号进行估计：

其中，α表示遗忘因子；表示估计的力矩；i表示过去一段时间内的某一时间序列点标号；n取正整数；τ_i(t)表示时间序列中第i次采集到的力矩信号。

优选地，结合估计得到的力矩，根据位置式阻抗控制方法，计算使用者下肢各关节的期望运动的关节角度，具体包括：

根据下式确定期望运动的关节角度：

其中，Δq表示角度变化量；K、B、M分别表示阻抗系数；s表示拉普拉斯变换算子；表示所估计的力矩；q₀(t)表示当前运动的关节角度；q_d(t)表示期望运动的关节角度。

优选地，阻抗系数通过以下方式来确定：基于估计的力矩及其差分，利用模糊算法，采用五级三角形隶属度函数，来确定阻抗系数。

优选地，基于估计的力矩及其差分，利用模糊算法，采用五级三角形隶属度函数，来确定阻抗系数，具体包括：

计算估计的力矩及其差分的隶属度函数；

对隶属度函数进行推理，得到推理结果；

对推理结果进行综合；

采用重心法对综合结果进行解模糊；

根据解模糊的结果以及阻抗系数的最大值和最小值限定值，计算阻抗系数。

优选地，根据期望运动的关节角度，通过最优化的方法计算得到生理学步态轨迹信号，具体包括：

根据下式确定生理学步态轨迹信号：

q_n(t)＝a·q₀(t)+b；

其中，q_n(t)表示生理学步态轨迹；q₀(t)表示当前轨迹；a表示调整步态轨迹幅值的调整参数；b表示调整步态轨迹偏移的调整参数；J(a,b)表示评价函数；q_d(k)表示在一个步态周期内某个时间节点的期望关节角度；q_n(k,a,b)表示按照某一组a、b取值得到的最终关节角度。

优选地，调整参数采用梯度下降法，并通过最小化评价函数来予以确定。

优选地，调整参数采用梯度下降法，并通过最小化评价函数来予以确定具体包括：

根据下式对调整参数的值进行迭代，且使调整参数的值沿着评价函数梯度下降速率最快的方向迭代，并将使得评价函数取最小值时所对应的调整参数值确定为最终的调整参数：

优选地，根据生理学步态轨迹信号控制机器人进行主动运动具体包括：

将生理学步态轨迹信号发送至左、右腿驱动控制器；

左、右腿驱动控制器根据生理学步态轨迹信号，驱动左腿髋关节电机、左腿膝关节电机、右腿髋关节电机及右腿膝关节电机，使机器人关节运动到期望角度。

本发明实施例提供一种下肢机器人和利用该机器人进行主动运动的控制方法。其中，该下肢机器人用于与使用者配合使用，且包括机械腿、传感系统和控制系统。其中，传感系统用于采集使用者和机械腿各关节之间的力矩信号和关节绝对角度信号，并将力矩信号和关节绝对角度信号发送至控制系统。控制系统用于通过力矩信号和关节绝对角度信号估计出使用者下肢生理学步态轨迹信号，并根据生理学步态轨迹信号驱动机械腿。本发明利用传感系统采集到力矩信号和关节绝对角度信号，由控制系统对其进行估计，得出使用者下肢生理学步态轨迹信号，并根据生理学步态轨迹信号来驱动机械腿的关节的运动，实现了促使使用者主动进行运动的优点，并提高了使用者的运动效果。

附图说明

图1是根据本发明实施例的下肢机器人的结构示意图；

图2是根据本发明实施例的另一下肢机器人的结构示意图；

图3是根据本发明实施例的利用下肢机器人进行主动运动的控制方法的流程示意图；

图4是根据本发明实施例的隶属度函数的示意图。

具体实施方式

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

图1示例性地示出了下肢机器人的结构示意图。其中，该机器人10用于与使用者配合使用，且包括机械腿12、传感系统16和控制系统14。其中，传感系统16用于采集使用者和机械腿12各关节之间的力矩信号和关节绝对角度信号，并将力矩信号和关节绝对角度信号发送 至控制系统14；控制系统14用于通过力矩信号和关节绝对角度信号估计出使用者下肢生理学步态轨迹信号，并根据生理学步态轨迹信号驱动机械腿。

上述实施例中，每条机械腿有两个自由度，两个自由度分别对应人体下肢的髋、膝关节。两条机械腿用于固定使用者的双侧下肢。

在实际应用中，上述下肢机器人还可以包括悬吊系统，使用者通过悬吊系统(也称悬吊减重系统)可以处于直立位。

通过采用上述技术方案，利用传感系统16采集到力矩信号和关节绝对角度信号，由控制系统14对其进行估计，得出使用者下肢生理学步态轨迹信号，并根据生理学步态轨迹信号来驱动机械腿的关节的运动，实现了促使使用者主动进行运动的优点，并提高了使用者的运动效果。

优选地，上述传感器系统可以对力矩信号和关节绝对角度信号进行放大并进行模数转换之后再发送至控制系统。

具体地，上述控制系统可进一步包括：上位机、左腿驱动控制器、右腿驱动控制器、左腿髋关节电机、左腿膝关节电机、第一光电编码器、右腿髋关节电机、右腿膝关节电机、第二光电编码器和采集卡。其中，上位机用于根据经过模数转换后的关节角度信号和人机交互力矩信号，生成与生理学步态轨迹相关的第一运动控制指令和第二运动控制指令。左腿驱动控制器与上位机通信连接，用于接收第一编码器产生的下肢各关节的第一角度信号，还用于接收上位机发送来的第一运动控制指令，并根据第一角度信号和第一运动控制指令来驱动左腿髋关节电机和左腿膝关节电机，以驱动左腿。右腿驱动控制器与上位机通信连接，用于接收第二编码器产生的下肢各关节的第二角度信号，还用于接收上位机发送来的第二运动控制指令，并根据第二角度信号和第二运动控制指令来驱动右腿髋关节电机和右腿膝关节电机，以驱动右腿。左腿髋关节电机与左腿驱动控制器相连。左腿膝关节电机与左腿驱动控制器相连。第一光电编码器设置在左腿髋关节电机和左腿膝关节电机的轴端，并与左腿驱动控制器相连，生成左腿髋关节电机的第一位置信号和左腿膝关节电机的第二位置信号，并将第一和第二位置信号分别反馈至左腿驱动控制器。右腿髋关节电机与右腿驱动控制器相连。右腿膝关节电机与右腿驱动控制器相连。第二光电编码器设置在右腿髋关节电机和右腿膝关 节电机的轴端，并与右腿驱动控制器相连，生成右腿髋关节电机的第三位置信号和右腿膝关节电机的第四位置信号，并将第三和第四位置信号分别反馈至右腿驱动控制器。采集卡与关节绝对角度传感器和关节力矩传感器及上位机相连，用于对关节角度信号和人机交互力矩信号进行模数转换后输入到上位机。传感系统可进一步包括：关节绝对角度传感器和关节力矩传感器。其中，关节绝对角度传感器与采集卡相连，用于采集关节角度信号。关节力矩传感器与采集卡相连，用于采集人机交互力矩信号。

在上述实施例中，左、右腿驱动控制器可以分别通过EtherCAT工业总线与上位机通信连接。采集卡可以通过PCI总线与上位机通信连接；采集卡优选为A/D采集卡。

在上述实施例的基础上，上述下肢机器人还可以包括：跑步台控制器和跑步台驱动电机及跑步台。其中，该跑步台控制器可以通过SCI串行总线与上位机通信连接；跑步台驱动电机可通过SCI串行总线与上位机通信连接，以驱动所述跑步台。

上述实施例中，机械腿、悬吊系统及跑步台构成下肢机器人的机械本体。通过跑步台，使用者可以更好地进行训练等运动。

在一些实施例中，上述下肢机器人还可以包括人机交互系统。该人机交互系统与控制系统相连，用于接收使用者输入的指令，并进行运动监控和数据管理。

其中，人机交互系统、控制系统和传感器系统构成了下肢机器人的电气控制系统。使用者输入的指令可以设定训练方式以及运动参数。

图2示例性地示出了下肢机器人的结构图。

本领域技术人员应能理解，本发明实施例提供的下肢机器人还可以包括接口、存储设备和急停开关电路以及使用者可以进行操控的诸如鼠标和/或键盘等操控设备。其中，上位机可以通过接口分别与存储设备、急停开关电路、键盘鼠标连接。

本发明实施例提供了更好的人机交互接口，能更有效地激励患者主动参与运动的意识，有利于提高运动效果。

本发明实施例还提供一种利用上述机器人进行主动运动的控制方法。如图3所示，该方法可以包括：

S100：获取使用者与机械腿之间的力矩信号。

在本步骤之前还可以包括：对力矩信号进行放大、去噪以及加权平均处理。

在实际应用中，通过传感器系统采集使用者与机械腿之间的力矩。然后，通过放大器对力矩信号进行放大处理。接着，通过上位机和A/D采集卡读取放大后的力矩信号并进行去除噪声和对多个周期的数据加权平均的处理。

S110：利用指数移动平均法对力矩信号进行估计。

本步骤利用指数移动平均法估计使用者的长时间主动运动意图。该指数移动平均法也即指数平滑法或指数滑动平均法。该方法将任一期的指数平滑值确定为本期实际观察值与前一期指数平滑值的加权平均。该指数移动平均法为最新的力矩信息分配了更大的权值，使得力矩估计更准确。

作为示例，根据以下公式对力矩信号进行估计：

上式还可以表示为：

其中，α表示遗忘因子，优选地，α∈[0,1]；表示估计的力矩；i表示过去一段时间内的某一时间序列点标号；n取正整数；τ_i(t)表示时间序列中第i次采集到的力矩信号。

S120：结合估计得到的力矩，根据位置式阻抗控制方法，计算使用者下肢各关节的期望运动的关节角度。

该角度变化量为使用者下肢各关节当前实际角度与期望角度的偏差。

具体地，根据下式确定所述期望运动的关节角度：

其中，Δq表示角度变化量；K、B、M分别表示阻抗系数；s表示拉普拉斯变换算子；表示所估计的力矩；q₀(t)表示当前运动的关节角度；q_d(t)表示期望运动的关节角度。

为了提高系统的稳定性同时适应患者主动意图的变化，阻抗控制的阻抗系数可以通过模糊控制策略进行调整。

在一些优选的实施例中，阻抗系数可以通过以下方式来确定：基于所估计的力矩及其差分，利用模糊算法，采用五级三角形隶属度函数，来确定阻抗系数。

具体地，本步骤可以包括：

步骤A：计算所估计的力矩及其差分的隶属度函数。

例如，可以列出模糊规则集，其中符号的含义为，LN(large negative，大负)，N(negative，负)，Z(zero，零)，P(positive，正)，LP(large positive，大正)。可以使用质心加权平均方法来实现去模糊化，以使模糊控制器输出隶属度函数，例如，如图4所示。

步骤B：对上述隶属度函数进行推理，得到推理结果。

例如：可以根据下式计算推理结果：

其中，μ_ci(z)表示对一条模糊规则的推理结果；表示力矩的隶属度函数；表示力矩差分的隶属度函数。

步骤C：对推理结果进行综合。

例如，可以根据下式按照推理规则对推理结果进行综合：

式中，μ_c'(z)为综合推理结果；分别表示各条推理的结果。

步骤D：采用重心法对综合结果进行解模糊。

例如，可以根据下式对综合结果进行解模糊：

其中，z₀为模糊控制器输出变量。

步骤E：根据解模糊的结果以及阻抗系数的最大值和最小值限定值，计算阻抗系数。

例如，可以根据下式计算阻抗系数：

式中，K、B、M为阻抗系数；K_min、B_min、M_min分别为阻抗系数的最小值限定值；K_max、B_max、M_max分别为阻抗系数的最大值限定值。

S130：根据期望运动的关节角度，通过最优化的方法计算得到生理学步态轨迹信号，并根据该生理学步态轨迹信号控制机器人进行主动运动。

具体地，本步骤可以根据下式确定生理学步态轨迹信号：

q_n(t)＝a·q₀(t)+b；

其中，q_n(t)表示生理学步态轨迹；q₀(t)表示当前轨迹；a表示调整步态轨迹幅值的调整参数；b表示调整步态轨迹偏移的调整参数；J(a,b)表示评价函数；q_d(k)表示在一个步态周期内某个时间节点的期望关节角度；q_n(k,a,b)表示按照某一组a、b取值得到的最终关节角度。

上述a、b可以选取合适的值，使得生理学步态轨迹q_n(t)最大程度地接近期望轨迹。

上述评价函数代表了最终生理学步态轨迹和期望轨迹之间的误差，其值等于一个步态周期内最终生理学步态轨迹q_n(t)与期望轨迹二范数的平方和。

本实施例通过最小化评价函数可以得到与期望轨迹最接近的生理学步态轨迹相对应的调整参数a、b。

在一些优选地实施方式中，采用梯度下降法，通过最小化评价函数来确定调整参数a、b。

举例来说，根据下式确定调整参数a、b：

其中，对a、b的值进行迭代，且使a、b的值沿着评价函数J(a,b)梯度下降速率最快的方向迭代，则将使得评价函数J(a,b)取最小值时所对应的a、b值确定为最终的调整参数。

在一些优选的实施例中，根据生理学步态轨迹信号控制机器人进行主动运动的步骤具体可以通过步骤S140和步骤S150来实现。其中：

S140：将生理学步态轨迹信号发送至左、右腿驱动控制器。

具体地，本步骤可以包括：对生理学步态轨迹信号进行平滑滤波，将滤波之后的信号发送至左、右腿驱动控制器。

S150：左、右腿驱动控制器根据生理学步态轨迹信号，驱动左腿髋关节电机、左腿膝关节电机、右腿髋关节电机及右腿膝关节电机，使机器人关节运动到期望角度。

在实施过程中，左、右腿驱动控制器可以通过驱动电流驱动左腿髋关节电机、左腿膝关节电机、右腿髋关节电机及右腿膝关节电机，使机器人关节运动到期望角度。

下面以上述机器人作为训练机器人为例来详细说明本发明的工作过程。

在训练机器人工作时，上位机按照人机交互系统设定的训练模式和参数，计算期望的关节角度轨迹，通过EtherCAT工业总线将数据发送给左、右腿驱动控制器(即左、右腿关节驱动控制器)。然后，左、右腿驱动控制器通过电机轴端的第一和第二光电编码器获得左腿髋关节电机、左腿膝关节电机、右腿髋关节电机及右腿膝关节电机的位置信号、速度和加速度信息，并将它们反馈到左腿驱动控制器和右腿驱动控制器中，实现力矩、速度、位置的三层控制环路，对左腿髋关节电机、左腿膝关节电机、右腿髋关节电机及右腿膝关节电机的运动进行控制。上位机通过机器人关节绝对角度传感器读取髋、膝关节角度的实时数据，与期望关节角度进行比较，调整向左腿驱动控制器和右腿驱动控制器发送的运动指令，补偿髋、膝关节角度的运动误差。同时，上位机采集关节力矩传感器的信号对使用者主动力矩进行计算，得到使用者主动运动意图，通过自适应控制算法对期望关节角度进行调整，将调整后的期望关节角度发送给左、右腿驱动控制器。

需要说明的是，上述实施例中的运动可以表现为一种训练。

下面以使用者进行训练为例，详细说明利用上述机器人进行主动训练的控制方法。该方法可以包括：

步骤1：使用者通过悬吊减重系统处于直立位，使用者的双侧下肢分别与机器人的两条机械腿固定。

步骤2：通过人机交互系统设定主动训练使能状态，髋、膝关节的最大调整范围和训练步速。

步骤3：主动训练开始：机器人与使用者同时运动，使用者根据自身运动意愿主动施加力量。

步骤4：在使用者运动时，传感器系统采集使用者与机器人之间的人机交互力，通过放大器对信号进行放大处理，上位机通过A/D采集卡读取信号并进行诸如去除噪声和对多个周期的数据加权平均等处理，得到力矩信号。

步骤5：基于力矩信号，根据位置式阻抗控制策略计算出使用者各关节当前实际角度与期望角度的偏差。

步骤6：根据该偏差控制下肢机器人进行主动运动。

本发明实施例利用上述机器人对使用者进行基于人机交互力矩反馈的主动训练，在主动训练过程中，机器人各关节可以在使用者主动策略的控制下进行训练。

上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述，但是本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，其可以同时(并行)执行或以颠倒的次序执行，这些简单的变化都在本发明的保护范围之内。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (15)

1.一种下肢机器人，其用于与使用者配合使用，且包括机械腿；其特征在于，还包括：

传感系统，用于采集所述使用者和所述机械腿各关节之间的力矩信号和关节绝对角度信号，并将所述力矩信号和所述关节绝对角度信号发送至控制系统；

所述控制系统，用于通过所述力矩信号和所述关节绝对角度信号估计出所述使用者下肢生理学步态轨迹信号，并根据所述生理学步态轨迹信号驱动所述机械腿。

2.根据权利要求1所述的下肢机器人，其特征在于：

所述控制系统具体包括：

上位机，用于根据经过模数转换后的关节角度信号和人机交互力矩信号，生成与生理学步态轨迹相关的第一运动控制指令和第二运动控制指令；

左腿驱动控制器，与所述上位机通信连接，用于接收第一编码器产生的下肢各关节的第一角度信号，还用于接收所述上位机发送来的所述第一运动控制指令，并根据所述第一角度信号和所述第一运动控制指令来驱动左腿髋关节电机和左腿膝关节电机，以驱动左腿；

右腿驱动控制器，与所述上位机通信连接，用于接收第二编码器产生的下肢各关节的第二角度信号，还用于接收所述上位机发送来的所述第二运动控制指令，并根据所述第二角度信号和所述第二运动控制指令来驱动右腿髋关节电机和右腿膝关节电机，以驱动右腿；

所述左腿髋关节电机，与所述左腿驱动控制器相连；

所述左腿膝关节电机，与所述左腿驱动控制器相连；

所述第一光电编码器，设置在所述左腿髋关节电机和所述左腿膝关节电机的轴端，并与所述左腿驱动控制器相连，生成所述左腿髋关节电机的第一位置信号和所述左腿膝关节电机的第二位置信号，并将所述第一和第二位置信号分别反馈至所述左腿驱动控制器；

所述右腿髋关节电机，与右腿驱动控制器相连；

所述右腿膝关节电机，与右腿驱动控制器相连；

所述第二光电编码器，设置在所述右腿髋关节电机和所述右腿膝关节电机的轴端，并与所述右腿驱动控制器相连，生成所述右腿髋关节电机的第三位置信号和所述右腿膝关节电机的第四位置信号，并将所述第三和第四位置信号分别反馈至所述右腿驱动控制器；

采集卡，与关节绝对角度传感器和关节力矩传感器及所述上位机相连，用于对关节角度信号和人机交互力矩信号进行模数转换后输入到所述上位机；

所述传感系统具体包括：

所述关节绝对角度传感器，与所述采集卡相连，用于采集所述关节角度信号；

所述关节力矩传感器，与所述采集卡相连，用于采集所述人机交互力矩信号。

3.根据权利要求1所述的下肢机器人，其特征在于，所述传感器系统对所述力矩信号和所述关节绝对角度信号进行放大并进行模数转换之后发送至控制系统。

4.根据权利要求2所述的下肢机器人，其特征在于，所述左、右腿驱动控制器分别通过EtherCAT工业总线与所述上位机通信连接；所述采集卡通过PCI总线与所述上位机通信连接。

5.根据权利要求2所述的下肢机器人，其特征在于，所述机器人还包括：跑步台控制器和跑步台驱动电机及跑步台；所述跑步台控制器通过SCI串行总线与所述上位机通信连接；所述跑步台驱动电机通过SCI串行总线与所述上位机通信连接，以驱动所述跑步台。

6.根据权利要求1所述的下肢机器人，其特征在于，所述下肢机器人还包括：

人机交互系统，与所述控制系统相连，用于接收所述使用者输入的指令，并进行运动监控和数据管理。

7.一种利用上述权利要求1-6中任一所述机器人进行主动运动的控制方法，其特征在于，所述方法包括：

获取所述使用者与所述机械腿之间的力矩信号；

利用指数移动平均法对所述力矩信号进行估计；

结合估计得到的力矩，根据位置式阻抗控制方法，计算所述使用者下肢各关节的期望运动的关节角度；

根据所述期望运动的关节角度，通过最优化的方法计算得到生理学步态轨迹信号，并根据所述生理学步态轨迹信号控制所述机器人进行主动运动。

8.根据权利要求7所述的方法，其特征在于，所述利用指数移动平均法对所述力矩信号进行估计具体包括：

根据以下公式对所述力矩信号进行估计：

${\widehat{\mathrm{\τ}}}_{active,i}=\underset{j=0}{\overset{i}{\Σ}}\mathrm{\α}{(1-\mathrm{\α})}^{i-j}{\mathrm{\τ}}_i\left(t\right)$

其中，所述α表示遗忘因子；所述表示估计的力矩；所述i表示过去一段时间内的某一时间序列点标号；所述n取正整数；所述τ_i(t)表示时间序列中第i次采集到的力矩信号。

9.根据权利要求7所述的方法，其特征在于，所述结合估计得到的力矩，根据位置式阻抗控制方法，计算所述使用者下肢各关节的期望运动的关节角度，具体包括：

根据下式确定所述期望运动的关节角度：

$\left\{\begin{array}{c}\mathrm{\Δ}q=\frac{1}{(K+Bs+{\mathrm{Ms}}^2)}{\widehat{\mathrm{\τ}}}_{active}\left(t\right)\\ q_d\left(t\right)=q_0\left(t\right)-\mathrm{\Δ}q\end{array}\right.$

其中，所述Δq表示角度变化量；所述K、B、M分别表示阻抗系数；所述s表示拉普拉斯变换算子；所述表示所估计的力矩；所述q₀(t)表示当前运动的关节角度；所述q_d(t)表示所述期望运动的关节角度。

10.根据权利要求9所述的方法，其特征在于，所述阻抗系数通过以下方式来确定：基于所述估计的力矩及其差分，利用模糊算法，采用五级三角形隶属度函数，来确定所述阻抗系数。

11.根据权利要求10所述的方法，其特征在于，所述基于所述估计的力矩及其差分，利用模糊算法，采用五级三角形隶属度函数，来确定所述阻抗系数，具体包括：

计算所述估计的力矩及其差分的隶属度函数；

对所述隶属度函数进行推理，得到推理结果；

对推理结果进行综合；

采用重心法对综合结果进行解模糊；

根据解模糊的结果以及所述阻抗系数的最大值和最小值限定值，计算所述阻抗系数。

12.根据权利要求7所述的方法，其特征在于，所述根据所述期望运动的关节角度，通过最优化的方法计算得到生理学步态轨迹信号，具体包括：

根据下式确定所述生理学步态轨迹信号：

q_n(t)＝a·q₀(t)+b；

其中，所述q_n(t)表示所述生理学步态轨迹；所述q₀(t)表示当前轨迹；所述a表示调整步态轨迹幅值的调整参数；所述b表示调整步态轨迹偏移的调整参数；所述J(a,b)表示评价函数；所述q_d(k)表示在一个步态周期内某个时间节点的期望关节角度；所述q_n(k,a,b)表示按照某一组a、b取值得到的最终关节角度。

13.根据权利要求12所述的方法，其特征在于，所述调整参数采用梯度下降法，并通过最小化评价函数来予以确定。

14.根据权利要求13所述的方法，其特征在于，所述调整参数采用梯度下降法，并通过最小化评价函数来予以确定具体包括：

根据下式对所述调整参数的值进行迭代，且使所述调整参数的值沿着评价函数梯度下降速率最快的方向迭代，并将使得所述评价函数取最小值时所对应的所述调整参数值确定为最终的调整参数：

$\left[\begin{array}{c}{a}_i\\ b_i\end{array}\right]=\left[\begin{array}{c}{a}_{i-1}\\ b_{i-1}\end{array}\right]-\mathrm{\α}\left[\begin{array}{c}\frac{\∂}{\∂a}J\\ \frac{\∂}{\∂b}J\end{array}\right].$

15.根据权利要求7所述的方法，其特征在于，所述根据所述生理学步态轨迹信号控制所述机器人进行主动运动具体包括：

将所述生理学步态轨迹信号发送至所述左、右腿驱动控制器；

所述左、右腿驱动控制器根据所述生理学步态轨迹信号，驱动所述左腿髋关节电机、所述左腿膝关节电机、所述右腿髋关节电机及所述右腿膝关节电机，使所述机器人关节运动到期望角度。