CN108415250B - 一种防止老年人摔倒的人机协同控制系统及其控制方法 - Google Patents

一种防止老年人摔倒的人机协同控制系统及其控制方法 Download PDF

Info

Publication number
CN108415250B
CN108415250B CN201810134697.XA CN201810134697A CN108415250B CN 108415250 B CN108415250 B CN 108415250B CN 201810134697 A CN201810134697 A CN 201810134697A CN 108415250 B CN108415250 B CN 108415250B
Authority
CN
China
Prior art keywords
old
accompanying robot
robot
control target
falling
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
Application number
CN201810134697.XA
Other languages
English (en)
Other versions
CN108415250A (zh
Inventor
张小栋
穆小奇
韩焕杰
王亚宾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201810134697.XA priority Critical patent/CN108415250B/zh
Publication of CN108415250A publication Critical patent/CN108415250A/zh
Application granted granted Critical
Publication of CN108415250B publication Critical patent/CN108415250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明公开了一种防止老年人摔倒的人机协同控制系统及其控制方法，采用前馈‑反馈复合控制方法，以助老伴行机器人期望控制目标参量为整个控制输入，将特征提取后的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征作为前馈补偿环节，消除触滑觉力对助老伴行机器人控制目标参量的影响；将实际测得的助老伴行机器人的控制目标参量作为反馈环节，提高助老伴行机器人控制目标参量的精度，实现防止老年人摔倒的人机系统协同控制。本发明能够实现老年人与助老伴行机器人较好的协同控制，对助老伴行机器人控制目标参量进行实时检测，能够较精确的达到期望的控制目标，实现人机系统的平衡稳定，从而达到防止老年人摔倒的目的。

Description

一种防止老年人摔倒的人机协同控制系统及其控制方法
技术领域
本发明属于机器人控制技术领域，具体涉及一种防止老年人摔倒的人机协同控制系统及其控制方法。
背景技术
随着很多国家迅速步入老龄化社会，越来越多的老年人患有运动机能障碍或者由神经系统控制能力下降、肌肉力量降低等引起的下肢虚弱，但其对自力更生和独立活动有着强烈的愿望，另外，日益增长的老年人数量导致护理的年轻人员短缺，因此，特别需要开发助老伴行机器人来代替护士和家人照看老年人。
世界上很多学者研究了各种老年人助行机器人，主要有：J S Kong等人研制的Walking Aid，它可以识别行走方向和速度协助老年人在室外散步；G H Yuk等人研制的Smart Mobile Walker，日本先进科学技术研究所G Lee等人研究的JAIST RoboticWalker，A Asker等人研制的老年人多功能移动性辅助设备，M K Moon等人研究的老年人服务机器人，上海交通大学初步完成了智能助行机器人概念样机，先后研发了多种型号的WalkMate助行机器人，浙江大学研制了一种搀扶助行机器人系统ZJU Walker，日本早稻田大学Nihei等研制了Tread-Walk系统，爱尔兰都柏林大学Shane MacNamara等开发了PAM-AID助行器，美国弗吉尼亚大学开发了一种三轮结构的助行机器人MARC Smart Walker，我们实验室从2009年开始研究的第一代助老伴行服务机器人，对于这一代助老伴行机器人我们课题组提出了一种用于控制机器人的触滑觉感知的检测和识别方法，研究了基于触滑觉传感器驱动的控制技术，而后我们实验室又根据现有老年人服务机器人存在的问题:
(1)人机交互不够自然。虽然已经开发了多种助老助行机器人人机交互接口，但是仍处于通过人机接口对设备进行简单控制的阶段，对使用者行动意图的理解能力还很有限，无法达到自然交互的目的；
(2)安全保障系统不够完善。目前已有的助老助行服务机器人均处于试验研究阶段，对于各种环境下危险发生的可能性以及相应的保障措施研究不够，安全保障问题是制约助老助行服务机器人应用于实际生活的关键障碍；
(3)控制系统实时性较差，功耗较大，续航能力不高。从2015年开始研究了一种功能齐全、结构舒适、安全可靠的新型的助老伴行服务机器人，对于该机器人我们已经研究了机器人的结构、运动分析和基于触滑觉感知的人机自然交互控制方法；研究了姿态转换和移动、转向的控制方法；研究了结构特性分析和基于触滑觉传感器的机器人模糊控制。到目前为止，我们一直在研究该机器人，然而，对于该机器人的助行姿态来说，人机系统的稳定性是一个重要的问题。
老年人平衡控制系统的退化迫使研究人员更多地了解他们的平衡系统是如何运作的。因此，在过去的几十年里，许多研究人员对人类平衡和姿势控制进行了研究，D AWiner等人通过对人体行走动力学模型的分析，探讨了人体平衡的最佳姿态控制；C HLiang等人提出了一种新型的三脚架步行机器人，在行走时，通过控制平衡机构来调整平衡。现有一种老年人防摔拐杖，通过平衡传感器对拐杖进行加速度监测并自动展开保持稳定装置来防止老年人摔倒；还有一种介绍了老年人外骨骼助行机器人及防摔倒步态的仿生控制方法，实时获取机器人行走过程中的加速度、角速度信号，对信号处理并生成相应运动信号进而控制外骨骼躯干部件动作，全面的对外骨骼助行机器人摔倒状态进行判断并融合了人体的姿势反射机理。由于现有防止老年人摔倒控制方法中，大多采用较简单的控制方法，没能很好地设计有效的人机交互接口，缺少对机器人本身的控制目标控制及检测反馈的研究，不能很好的实现人机系统的协同控制。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种防止老年人摔倒的人机协同控制系统及其控制方法，能够实现老年人与助老伴行机器人较好的协同控制，对助老伴行机器人控制目标参量进行实时检测，能够较精确的达到期望的控制目标，实现人机系统的平衡稳定，从而达到防止老年人摔倒的目的。
本发明采用以下技术方案：
一种防止老年人摔倒的人机协同控制系统，包括设置在助老伴行机器人上的触滑觉传感器，触滑觉传感器依次经过运放滤波器和数据采集卡与计算机连接，计算机通过伺服驱动器与助老伴行机器人连接，计算机一方面作为触滑觉信号处理器，用于接收数据采集卡收集的滤波后的触滑觉力信号数据作为前馈补偿，以调整助老伴行机器人的期望控制目标；另一方面作为助老伴行机器人的控制器，将控制指令输出至伺服驱动器实现助老伴行机器人达到期望的控制目标；助老伴行机器人上设置有检测装置，检测装置与计算机连接，检测装置用于检测助老伴行机器人的控制目标参量，并以此作为反馈环节，确保助老伴行机器人达到期望的控制目标。
具体的，触滑觉传感器安装在助老伴行机器人的手柄处，用于采集老年人摔倒时其老年人手部施加在助老伴行机器人手柄上的触滑觉力信号。
具体的，触滑觉传感器选用PVDF压电薄膜传感器。
具体的，触滑觉传感器通过屏蔽线与运放滤波器连接。
一种防止老年人摔倒的人机协同控制系统的控制方法，采用前馈-反馈复合控制方法，以助老伴行机器人期望控制目标参量为整个控制输入，将特征提取后的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征作为前馈补偿环节，消除触滑觉力对助老伴行机器人控制目标参量的影响；将实际测得的助老伴行机器人的控制目标参量作为反馈环节，提高助老伴行机器人控制目标参量的精度，实现防止老年人摔倒的人机系统协同控制。
具体的，包括以下步骤：
S1、当老年人突然失去平衡时，通过触滑觉感知技术实时对老年人手部施加在助老伴行机器人手柄上的触滑觉力信号进行感知；
S2、对感知到的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号进行放大、带通滤波的预处理；
S3、通过特征提取方法，获取老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征，即老年人摔倒状态信息；
S4、将老年人摔倒状态信息作为前馈补偿环节，调整助老伴行机器人期望的控制目标，并以此为整个控制输入，采取前馈-反馈复合控制方法控制助老伴行机器人，以实现防止老年人摔倒。
进一步的，为了防止老年人摔倒，助老伴行机器人需停止移动来支撑老年人使其保持平衡，同时机器人本身不翻倒，从而引出助老伴行机器人与不同摔倒形态相对应的线位移和角位移两个控制目标参量，最后调整助老伴行机器人期望控制目标为整个控制输入。
进一步的，老年人摔倒状态信息包括摔倒倾向和摔倒程度，根据老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征，当短时间内幅值超过事先设定的阈值表示老年人有摔倒倾向；以触滑觉力信号时域特征的幅值大小表示摔倒程度。
进一步的，老年人摔倒形态包括前倾、后倾、左倾和右倾。
进一步的，前馈补偿采用粒子群优化-BP神经网络非线性补偿算法对触滑觉传感器在受到外界干扰时产生的误差进行补偿修正。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种防止老年人摔倒的人机协同控制系统，通过设置在助老伴行机器人上的触滑觉传感器实时采集老年人手部施加在助老伴行机器人手柄上的触滑觉力信号，通过运放滤波器将触滑觉传感器采集的原始触滑觉力信号进行放大滤波后由数据采集卡进行数据收集并发送给计算机，计算机一方面作为触滑觉信号处理器接收数据采集卡收集的滤波后的触滑觉力信号数据作为前馈补偿，以调整助老伴行机器人的期望控制目标，另一方面作为助老伴行机器人的控制器将控制指令输出至伺服驱动器驱动伺服电机实现助老伴行机器人达到期望的控制目标，以老年人突然失去平衡时手部施加到助老伴行机器人的触滑觉力信号作为前馈补偿环节，及时消除触滑觉力对助老伴行机器人控制目标参量的影响；同时，检测装置实时检测助老伴行机器人的控制目标参量作为反馈环节，提高助老伴行机器人控制目标的精度，更好的实现防止老年人摔倒的人机系统协同控制，改善人机交互的自然性和柔顺性。
进一步的，触滑觉传感器安装在助老伴行机器人的手柄处，能够更加自然友好的检测老年人的行走意图信号，以此判别老年人与机器人之间的人机交互作用关系和运动趋势，进而对机器人的速度进行调节，实现机器人对老年人的伴行助力作用。
进一步的，选用PVDF压电薄膜传感器是因为此传感器采用的敏感元件为PVDF压电薄膜。PVDF即聚偏二氟乙烯(Polyvinylidene fluoride)，是一种有机高分子压电材料，与其他压电材料相比，PVDF薄膜质量轻、韧性好等机械特性，并且具有频率带宽、灵敏度高、压电系数大、价格低廉等优点。由于PVDF压电薄膜材料具有优良的柔韧性和压电性能，故此传感器可较好的实现对触觉和滑觉的感知功能，从而更加准确的感知老年人的运动意图。
进一步的，采用屏蔽线的目的在于屏蔽电场耦合干扰，避免由于干扰引起的触滑觉传感器的检测误差。
一种防止老年人摔倒的人机协同控制系统的控制方法，采用前馈-反馈复合控制方法，以助老伴行机器人期望控制目标参量为整个控制输入，将特征提取后的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征作为前馈补偿环节，消除触滑觉力对助老伴行机器人控制目标参量的影响；将实际测得的助老伴行机器人的控制目标参量作为反馈环节，提高助老伴行机器人控制目标参量的精度，实现防止老年人摔倒的人机系统协同控制，能够实现老年人与助老伴行机器人较好的协同控制，对助老伴行机器人控制目标参量进行实时检测，能够较精确的达到期望的控制目标，实现人机系统的平衡稳定，从而达到防止老年人摔倒的目的。
进一步的，将老年人摔倒状态信息作为前馈补偿环节，调整助老伴行机器人期望的控制目标，消除触滑觉力对助老伴行机器人控制目标参量的影响；对助老伴行机器人控制目标参量进行实时检测，将实际测得的助老伴行机器人的控制目标参量作为反馈环节，提高助老伴行机器人控制目标参量的精度。本发明采用的前馈-反馈复合控制方法实现防止老年人摔倒的人机系统协同控制精度高、系统平衡稳定，改善人机交互的自然性和柔顺性。
进一步的，前馈补偿采用粒子群优化-BP神经网络非线性补偿算法目的在于对触滑觉传感器在受到外界干扰时产生的误差进行补偿修正，提高触滑觉传感器的检测精度。采用粒子群优化算法对BP神经网络的初始权值和阈值进行改进和筛选，然后在使用BP神经网络对于触滑觉传感器在受到外界干扰产生的误差进行补偿，可提高系统的泛化能力和稳定性。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为老年人摔倒的可能形态示意图，其中，(a)为正常站立姿态，(b)为前倾，(c)为后倾，(d)为左倾，(e)为右倾；
图2为本发明人机协同控制方法原理框图；
图3为本发明机协同控制系统框图。
具体实施方式
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
请参阅图3，本发明提供了一种防止老年人摔倒的人机协同控制系统，包括触滑觉传感器、运放滤波器、数据采集卡，计算机、伺服驱动器和相应的检测装置，触滑觉传感器依次经过运放滤波器和数据采集卡与计算机连接，计算机通过伺服驱动器与助老伴行机器人连接，助老伴行机器人上设置的检测装置与计算机连接，计算机用于将检测装置的数据和机器人期望控制目标进行比较分析。
触滑觉传感器安装在助老伴行机器人手柄上，用于采集老年人摔倒时其老年人手部施加在助老伴行机器人手柄上的触滑觉力信号。
运放滤波器用于对触滑觉传感器采集的原始触滑觉力信号进行放大滤波。
数据采集卡用于将放大滤波后的触滑觉力信号数据进行收集。
计算机一方面作为触滑觉信号处理器，用于接收数据采集卡收集的滤波后的触滑觉力信号数据作为前馈补偿，以调整助老伴行机器人的期望控制目标；另一方面作为助老伴行机器人的控制器，将控制指令输出至伺服驱动器。
伺服驱动器用于接收控制器命令生成脉冲信号至助老伴行机器人的伺服电机，驱动伺服电机实现助老伴行机器人达到期望的控制目标。
检测装置用于检测助老伴行机器人的控制目标参量，并以此作为反馈环节，确保助老伴行机器人达到期望的控制目标。
优选的，触滑觉传感器选用PVDF压电薄膜传感器，运放滤波器通过屏蔽线与触滑觉传感器连接。
请参阅图2，本发明一种防止老年人摔倒的人机协同控制系统的控制方法，包括以下步骤：
S1、当老年人突然失去平衡时，通过触滑觉感知技术实时对老年人手部施加在助老伴行机器人手柄上的触滑觉力信号进行感知；
S2、对感知到的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号进行放大、带通滤波的预处理；
S3、通过特征提取方法，获取老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征，即老年人摔倒状态信息(包括摔倒倾向和程度)；
在经过触滑觉感知、信号处理和特征提取后，获得的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征中，短时间内幅值超过事先设定的阈值表示老年人有摔倒倾向；触滑觉力信号时域特征的幅值大小表示摔倒程度。幅值大，摔倒程度也就大；幅值小，摔倒程度也就小。
S4、将老年人摔倒状态信息作为前馈补偿环节，调整助老伴行机器人期望的控制目标，并以此为整个控制输入，采取前馈-反馈复合控制方法控制助老伴行机器人，以实现防止老年人摔倒。
前馈补偿采用粒子群优化-BP神经网络非线性补偿算法对触滑觉传感器在受到外界干扰时产生的误差进行补偿修正。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
当老年人遇到意外情况时，如果老年人质心位置--速度状态不在动态稳定区域以内(稳度为负)，老年人就会不稳定而失去平衡，对于老年人，下肢肌力衰退会导致下肢支撑力不够，不足以支撑起老年人在跌倒时导致的身体下降；同时由于老年人神经系统控制能力下降，神经传导减慢，动作反应时间延长，也会导致老年人在发生跌倒时不能及时的调整身体以保持平衡，老年人可能的摔倒主要有前倾、后倾、左倾和右倾四种形态，参见图1。
在本实施例中，助老伴行机器人的控制目标和期望控制目标，其具体实现方式是：
根据老年人不同摔倒形态，参见图1，为了防止老年人摔倒，助老伴行机器人需停止移动来支撑老年人使其保持平衡，同时机器人本身不翻倒，从而引出助老伴行机器人与不同摔倒形态相对应的线位移和角位移两个控制目标参量，最后调整助老伴行机器人期望控制目标为整个控制输入；
整体控制采用前馈-反馈复合控制方法，具体实现方式如下：
以助老伴行机器人期望控制目标参量为整个控制输入，将特征提取后的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征作为前馈补偿环节，消除触滑觉力对助老伴行机器人控制目标参量的影响；
将实际测得的助老伴行机器人的控制目标参量作为反馈环节，提高助老伴行机器人控制目标参量的精度。
在本实施例中，采用粒子群优化-BP神经网络非线性补偿算法对触滑觉传感器在受到外界干扰时产生的误差进行补偿修正。从而通过前馈-反馈复合控制方法能更好的实现防止老年人摔倒的人机系统协同控制，改善人机交互的自然性和柔顺性。
当老年人突然失去平衡时，安装在助老伴行机器人手柄上的触滑觉传感器采集老年人手部施加在助老伴行机器人手柄上的触滑觉力信号；数据采集卡通过运放滤波器对采集到的触滑觉力信号进行带通滤波和放大；
然后，把采集到的触滑觉力信号发送到计算机，计算机一方面作为触滑觉信号处理器，用于接收数据采集卡收集的滤波后的触滑觉力信号数据作为前馈补偿，以调整助老伴行机器人的期望控制目标，另一方面作为助老伴行机器人的控制器，将控制指令输出至伺服驱动器；伺服驱动器接收控制器命令生成脉冲信号发送给助老伴行机器人的伺服电机，驱动伺服电机实现助老伴行机器人达到期望的控制目标；检测装置检测助老伴行机器人实际的控制目标参量作为反馈环节，确保助老伴行机器人达到期望的控制目标，达到防止老年人摔倒的目的。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (5)

1.一种防止老年人摔倒的人机协同控制系统的控制方法，其特征在于，防止老年人摔倒的人机协同控制系统包括设置在助老伴行机器人上的触滑觉传感器，触滑觉传感器安装在助老伴行机器人的手柄处，用于采集老年人摔倒时其老年人手部施加在助老伴行机器人手柄上的触滑觉力信号，触滑觉传感器选用PVDF压电薄膜传感器，触滑觉传感器依次经过运放滤波器和数据采集卡与计算机连接，触滑觉传感器通过屏蔽线与运放滤波器连接，计算机通过伺服驱动器与助老伴行机器人连接，计算机一方面作为触滑觉信号处理器，用于接收数据采集卡收集的滤波后的触滑觉力信号数据作为前馈补偿，以调整助老伴行机器人的期望控制目标；另一方面作为助老伴行机器人的控制器，将控制指令输出至伺服驱动器实现助老伴行机器人达到期望的控制目标；助老伴行机器人上设置有检测装置，检测装置与计算机连接，检测装置用于检测助老伴行机器人的控制目标参量，并以此作为反馈环节，确保助老伴行机器人达到期望的控制目标；
采用前馈-反馈复合控制方法，以助老伴行机器人期望控制目标参量为整个控制输入，将特征提取后的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征作为前馈补偿环节，消除触滑觉力对助老伴行机器人控制目标参量的影响；将实际测得的助老伴行机器人的控制目标参量作为反馈环节，提高助老伴行机器人控制目标参量的精度，实现防止老年人摔倒的人机系统协同控制，包括以下步骤：
S1、当老年人突然失去平衡时，通过触滑觉感知技术实时对老年人手部施加在助老伴行机器人手柄上的触滑觉力信号进行感知；
S2、对感知到的老年人手部施加在助老伴行机器人手柄上的触滑觉力信号进行放大、带通滤波的预处理；
S3、通过特征提取方法，获取老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征，即老年人摔倒状态信息；
S4、将老年人摔倒状态信息作为前馈补偿环节，调整助老伴行机器人期望的控制目标，并以此为整个控制输入，采取前馈-反馈复合控制方法控制助老伴行机器人，以实现防止老年人摔倒。
2.根据权利要求1所述的一种防止老年人摔倒的人机协同控制系统的控制方法，其特征在于，为了防止老年人摔倒，助老伴行机器人需停止移动来支撑老年人使其保持平衡，同时机器人本身不翻倒，从而引出助老伴行机器人与不同摔倒形态相对应的线位移和角位移两个控制目标参量，最后调整助老伴行机器人期望控制目标为整个控制输入。
3.根据权利要求1所述的一种防止老年人摔倒的人机协同控制系统的控制方法，其特征在于，老年人摔倒状态信息包括摔倒倾向和摔倒程度，根据老年人手部施加在助老伴行机器人手柄上的触滑觉力信号的时域特征，当短时间内幅值超过事先设定的阈值表示老年人有摔倒倾向；以触滑觉力信号时域特征的幅值大小表示摔倒程度。
4.根据权利要求1所述的一种防止老年人摔倒的人机协同控制系统的控制方法，其特征在于，老年人摔倒形态包括前倾、后倾、左倾和右倾。
5.根据权利要求1所述的一种防止老年人摔倒的人机协同控制系统的控制方法，其特征在于，前馈补偿采用粒子群优化-BP神经网络非线性补偿算法对触滑觉传感器在受到外界干扰时产生的误差进行补偿修正。
CN201810134697.XA 2018-02-09 2018-02-09 一种防止老年人摔倒的人机协同控制系统及其控制方法 Active CN108415250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810134697.XA CN108415250B (zh) 2018-02-09 2018-02-09 一种防止老年人摔倒的人机协同控制系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810134697.XA CN108415250B (zh) 2018-02-09 2018-02-09 一种防止老年人摔倒的人机协同控制系统及其控制方法

Publications (2)

Publication Number Publication Date
CN108415250A CN108415250A (zh) 2018-08-17
CN108415250B true CN108415250B (zh) 2020-08-28

Family

ID=63127072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810134697.XA Active CN108415250B (zh) 2018-02-09 2018-02-09 一种防止老年人摔倒的人机协同控制系统及其控制方法

Country Status (1)

Country Link
CN (1) CN108415250B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109259989B (zh) * 2018-11-07 2019-10-11 西安交通大学 一种助老伴行人手振动舒适度调节装置及其调节方法
CN112847398A (zh) * 2021-01-08 2021-05-28 北京工业大学 一种对助行安全异常自动采取保护方法
CN113940667B (zh) * 2021-09-08 2022-08-09 中国科学院深圳先进技术研究院 基于助行器的防摔倒助行方法、系统和终端设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101332145A (zh) * 2008-07-18 2008-12-31 西安交通大学 一种福利友好助行机器人
CN102125495A (zh) * 2010-12-21 2011-07-20 西安交通大学苏州研究院 带触滑觉传感器的多功能助老助行机器人
CN105105990A (zh) * 2015-09-14 2015-12-02 西安交通大学 一种助老机器人的伴行装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101530368B (zh) * 2009-04-02 2010-12-29 上海交通大学 助行机器人智能控制器
CN202015325U (zh) * 2010-12-21 2011-10-26 西安交通大学苏州研究院 带触滑觉传感器的多功能助老助行机器人
CN205184791U (zh) * 2015-09-02 2016-04-27 吉林大学 一种基于力/触觉引导的遥操纵手控器
TWI634885B (zh) * 2016-01-06 2018-09-11 國立交通大學 用於控制行走輔具的方法
KR101857765B1 (ko) * 2016-03-16 2018-05-14 (주)크레템 기립 보행 보조 로봇
KR101836636B1 (ko) * 2016-05-19 2018-03-09 현대자동차주식회사 착용식 보행 보조 로봇 시스템 및 그 제어 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101332145A (zh) * 2008-07-18 2008-12-31 西安交通大学 一种福利友好助行机器人
CN102125495A (zh) * 2010-12-21 2011-07-20 西安交通大学苏州研究院 带触滑觉传感器的多功能助老助行机器人
CN105105990A (zh) * 2015-09-14 2015-12-02 西安交通大学 一种助老机器人的伴行装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
下肢康复机器人按需辅助自适应控制方法;尹贵，张小栋等;《西安交通大学学报》;20171031;第51卷(第10期);39-45 *
智能助行机器人及其运动控制研究;韩锐;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20170615;I140-221 *
智能助行机器人概念样机设计;平伟;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20100415;I140-105 *
模型不确定的下肢康复机器人轨迹跟踪自适应控制;尹贵、张小栋等;《电子测量与仪器学报》;20161130;第30卷(第11期);1750-1756 *
用于助老助行机器人驱动控制的触滑觉检测识别方法;魏晓娟，张小栋;《计算机应用》;20140630;第34卷(第S1期);156-158 *
老年人助行机器人创新设计研究;石元伍、陈旺;《包装工程》;20170820;第38卷(第16期);97-101 *
魏晓娟，张小栋.用于助老助行机器人驱动控制的触滑觉检测识别方法.《计算机应用》.2014,第34卷(第S1期),156-158. *

Also Published As

Publication number Publication date
CN108415250A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
Kundu et al. Hand gesture recognition based omnidirectional wheelchair control using IMU and EMG sensors
CN108415250B (zh) 一种防止老年人摔倒的人机协同控制系统及其控制方法
Rupal et al. Lower-limb exoskeletons: Research trends and regulatory guidelines in medical and non-medical applications
Han et al. Human-machine interface for wheelchair control with EMG and its evaluation
Frizera-Neto et al. Empowering and assisting natural human mobility: The simbiosis walker
Stolyarov et al. Accurate heuristic terrain prediction in powered lower-limb prostheses using onboard sensors
Xu et al. Noninvasive human-prosthesis interfaces for locomotion intent recognition: A review
Frizera et al. The smart walkers as geriatric assistive device. the simbiosis purpose
CN109498375B (zh) 一种人体运动意图识别控制装置及控制方法
Martins et al. Online control of a mobility assistance Smart Walker
Sharma et al. Design of a low-cost five-finger anthropomorphic robotic arm with nine degrees of freedom
Li et al. Human posture detection method based on wearable devices
Prasad et al. Head-motion controlled wheelchair
Kian et al. Application of wearable sensors in actuation and control of powered ankle exoskeletons: A Comprehensive Review
Gupta MAC-MAN
CN105813011B (zh) 基于手机客户端的机械手装置临场感知信号检测方法
Chinimilli et al. Human locomotion assistance using two-dimensional features based adaptive oscillator
Martins et al. A novel human-machine interface for guiding: The NeoASAS smart walker
Pancholi et al. Use of artificial intelligence techniques to assist individuals with physical disabilities
Martins et al. A new integrated device to read user intentions when walking with a Smart Walker
Joel et al. RETRACTED ARTICLE: Human adaptive mechatronics system integrated with cybernetics loop using neuromuscular controller in occupational therapy for elderly person with disability
Liu et al. Multi-class SVM based real-time recognition of sit-to-stand and stand-to-sit transitions for a bionic knee exoskeleton in transparent mode
Bharali et al. A self-governing wheelchair for severely disabled patients in an indoor environment utilizing EEG and laser technologies
CN108743260B (zh) 一种具有多级摇臂结构的智能移位康复车
Attaullah et al. Wireless Robotic car control through human interface using eye movement

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