CN110695959A - 外骨骼机器人及其控制系统 - Google Patents

Abstract

本发明涉及一种外骨骼机器人及其控制器系统，包括背架、腰环、左/右大腿组件、左/右小腿组件、左/右鞋部，背架与腰环连接并位于其上方；左/右大腿组件与腰环左右两侧各通过一髋关节组件连接；左/右大腿组件与左/右小腿组件各通过一膝关节组件连接；左/右鞋部与左/右小腿组件各通过一踝关节组件连接；本方案主要用于人体负重支撑，可大幅度提高人体负载能力，且穿戴轻松，贴合人体力学，极大的提高使用者的锲合度。

Description

外骨骼机器人及其控制系统

技术领域

本发明涉及人体辅助设备领域，具体涉及一种外骨骼机器人及其控制系统。

背景技术

外骨骼机器人技术是融合传感、控制、信息、融合、移动计算,为操作者提供一种可穿戴的机械机构的综合技术。本文简要介绍了军事领域外骨骼世界机器人技术的发展现状与趋势。是指套在人体外面的机器人，也称"可穿戴的机器人"。

人体外骨骼助力机器人起源于美国1966年的哈德曼助力机器人的设想及研发，到今天整体仍处于研发阶段，能源供给装置以及高度符合人体动作敏捷及准确程度要求的控制系统和力的传递装置都有待大力投入研发和试验尝试[1]。以下是近些年有代表性的研究成果。

1日本外骨骼机器人HAL3它由筑波大学研发，功能为:帮助人行走、起立、坐下等下肢动作的动力辅助机器"机器人套装(Robot suit)"HAL(HabridAssist Legs)，该机器人主要由无线 LAN(局域网)系统、电池组、电机及减速器、传感器(地板反应力传感器、表面肌电传感器、角度传感器)、执行机构等组成，总重约17千克，设备较重，动力传动采用电机-减速器-外骨骼机构的方法。能够根据人体的动作意愿自动调整装置的助力大小。市场规划:将主要面向高龄护理、残疾人辅助、消防及警察等危险作业的用途，并且加强运动娱乐用途市场的开发力度，将针对各种用途进行HAL的设计生产。

2以色列:"外骨骼"助力装置ReWalk埃尔格医学技术公司研发的"ReWalk"用一副拐杖帮助维持身体平衡，由电动腿部支架、身体感应器和一个背包组成，背包内有一个计算机控制盒以及可再充电的蓄电池。使用者可以用遥控腰带选定某种设置，如站、坐、走、爬等，然后向前倾，激活身体感应器，使机械腿处于运动之中。主要用来助瘫痪者恢复行走能力。动力传动采用电机-减速器-外骨骼机构的方法，运动模式主要是装置带动人体动作，装置的助力大小由控制系统设定，不能跟随人的动作意愿而随时改变。市场规划主要是针对下肢瘫痪的顾客进行产品开发。

3美国伯克利大学军方合作项目--外骨骼助力机器人士兵服

该装置名为伯克利低位肢体外骨骼(Berkeley Lower Extremity Exoskeleton)或称作布利克斯(BLEEX)，是高级防御研究工程机构设计出来的，尝试将自动机械支柱与人的双腿相连，以降低负重，从而使步兵能够在负载更重的情况下行进更长的路程。这套设备主要由燃料供给及发动机系统、控制及检测系统、液压传动系统及外骨骼机构，使用这种装置的人要通过传动带将自身的腿与机械外骨骼的腿相连，背上要背一个装有发动机、控制系统的大背包，背包中同时还留有承载有效载荷的空间。动力传动过程为:发动机-液压系统-外骨骼机构。该装置能平衡掉设备的自重(有50千克)，使人穿着时无负载感觉，且控制系统将保证它的重心始终是在使用者的双脚上。该装置的背包中还可负载32千克重量。而对使用者而言，他则只感觉像是背了2千克一样。这种装置除了帮助士兵外，还可以协助医疗人员将伤员撤离开危险地区或使消防员能够携带很重的设备攀登上更多的楼层。

可穿戴的机器人服装将能够帮助部队提高战斗力和忍耐力。美国雷神公司最新研制的 "Raytheon Sarcos"模型拥有爪状手部。美国士兵穿戴这种装备后，他们的力气和忍耐力将比正常情况下提高20倍。对于洛克希德-马丁公司的HULC模型，穿戴者可以轻易携带200磅(约合91公斤)重的物体，而且能以更小的能量消耗完成更繁重的任务。目前，美国陆军士兵系统中心正在对机器人外骨骼进行军事试验。

4美国另一个军事合作项目，代表助力外骨骼机器人最新水平的Raytheon SarcosXOS图 2是Steve Jacobsen博士的得意之作机动外骨骼"XOS"，外骨骼"XOS"是为了创造出超人的士兵，而由美国国防部高等研究计划局(DARPA)提供了1000万美元的军事研究预算，经过7年秘密研发出来的，代表了机械外骨骼领域最尖端的技术。它的控制思想同BLEEX一样，控制系统通过检测系统和微机系统判断人的下个动作，从而决定加给人体多大的助力及速度，并且也是通过液压系统将力传给外骨骼机构，但它是全身武装的外骨骼，而BLEEX是下肢外骨骼机器人。"XOS"动作较从前的外骨骼设备动作要敏捷的多并且强有力。利用附在身体上的传感器，可以毫不延迟地反应身体的动作，输出强大的力量。当穿上"XOS"时，能举起 90.7kg的重物而人体感觉只有9千克，能连续举50-500次。但目前"XOS"有一个重大缺陷，就是自带的电池只能使用40分钟，如果解决这个问题，相信很快就可以实用化。

发明内容

本发明的目的在于克服现有技术的不足，提供一种外骨骼机器人，主要用于人体负重支撑，可大幅度提高人体负载极限，且穿戴轻松，贴合人体力学，极大的提高使用者的锲合度。

本发明的目的是通过以下技术方案来实现的：

一种外骨骼机器人，该机器人包括背架、腰环、左/右大腿组件、左/右小腿组件、左/右鞋部；

所述背架与所述腰环连接并位于其上方；

所述左/右大腿组件与腰环左右两侧各通过一髋关节组件连接；

所述左/右大腿组件与左/右小腿组件各通过一膝关节组件连接；

所述左/右鞋部与左/右小腿组件各通过一踝关节组件连接；

所述髋关节组件提供矢状面内的屈曲/后伸运动，冠状面内的外展/内收运动，水平面内的旋内/旋外运动三个自由度；

所述膝关节组件提供一个人体在矢状面的屈/伸运动自由度；

所述踝关节组件提供矢状面内踝关节背屈/跖屈，冠状面内内翻/外翻，水平面内的旋内/ 旋外三个自由度；

所述腰环提供一个在水平面内的旋内/旋外自由度；

所述左/右鞋部提供一个前脚掌和后脚掌之间的旋转自由度。

进一步的，所述背架前部设置有肩带和腰带。

进一步的，所述腰环由左活动件、右活动件、固定件组成，所述左活动件、右活动件各通过一外展转轴铰接在所述固定件左右两端，所述固定件与所述背架底部固定安装。

进一步的，所述固定件左右两端底侧各设置一块内收限位板，所述内收限位板用于限制所述髋关节组件内收运动范围为0°～10°。

进一步的，所述左活动件、右活动件内侧各固定一个限位块，所述左/右大腿组件内侧各安装一个弹性机械限位块；

所述弹性机械限位块与所在侧的左活动件、右活动件内侧配合用于限定所述髋关节组件外展运动范围为20°～30°；

所述弹性机械限位垫与对应的限位块配合使得髋关节组件在矢状面内屈曲运动范围为 120°～130°，后伸运动范围为10°～15°。

进一步的，所述弹性机械限位块与所述左/右大腿组件活动安装，其极限位置可调。

进一步的，所述髋关节组件由所述髋关节组件由髋关节盘式电机、髋关节法兰盘、髋关节谐波减速器、髋关节联结轴、腰环弯角杆、髋关节深沟球轴承、髋关节轴弹簧、髋关节轴承盖、大腿连接件、髋关节负载编码器、髋关节负载编码器盖组成；

所述髋关节盘式电机、髋关节法兰盘、髋关节谐波减速器、髋关节联结轴依次连接，髋关节联结轴一端伸入所述腰环弯角杆内与所述髋关节深沟球轴承、髋关节轴弹簧、髋关节轴承盖依次连接；

所述大腿连接件与髋关节轴承盖固定连接，大腿连接件外侧依次安装髋关节负载编码器和髋关节负载编码器盖。

进一步的，所述腰环弯角杆与对应侧的左活动件/右活动件一体成型而成。

进一步的，所述左/右大腿组件由旋轴、大腿杆下部、螺旋伸缩套筒、大腿杆上部组成，所述大腿杆上部通过旋轴与所述大腿连接件固定连接连接；

所述大腿杆上部与大腿杆下部之间通过所述螺旋伸缩套筒连接。

大腿杆顶部通过旋轴与所述，大腿杆底部与所述膝关节组件固定连接。

进一步的，所述膝关节组件由膝关节盘式电机、膝关节法兰盘、膝关节谐波减速器、膝关节联结轴、套筒、膝关节深沟球轴承、膝关节轴弹簧、膝关节轴承盖、小腿连接件、膝关节负载编码器、膝关节负载编码器盖组成；

所述膝关节盘式电机、膝关节法兰盘、膝关节谐波减速器、膝关节联结轴依次连接，膝关节联结轴一端伸入所述套筒内与所述膝关节深沟球轴承、膝关节轴弹簧、膝关节轴承盖依次连接；

所述小腿连接件与膝关节轴承盖固定连接，小腿连接件外侧依次安装膝关节负载编码器和膝关节负载编码器盖。

进一步的，所述套筒底部与小腿连接件前侧分布设置有第一限位块和第二限位块，所述第一限位块和第二限位块配合使得所述膝关节组件在矢状面的屈/伸运动范围为-150°～0°。

进一步的，所述左/右小腿组件螺旋伸缩机构和小腿杆组成，所述小腿杆通过螺旋伸缩机构与所述小腿连接件固定连接。

进一步的，所述踝关节组件由联轴段、膝关节轴、小腿连杆、底座套筒组成；

所述联轴段与小腿杆底部连接并设置一个减震弹簧，所述联轴段与所述小腿连杆通过膝关节轴连接；

所述小腿连杆底部与所述底座套筒旋转安装，所述底座套筒固定在所述左/右鞋部上。

进一步的，所述联轴段、膝关节轴、小腿连杆组成的连接机构满足所述踝关节内翻/外翻运动的范围为-35°～20°；

所述底座套筒旋转安装满足所述踝关节旋内/旋外运动的范围为-15°～50°。

进一步的，所述底座套筒底部与所述左/右鞋部之间安装有惯性传感器。

进一步的，所述左/右鞋部由前脚掌和后脚掌组成，所述前脚掌长度为整个脚长的四分之一，前脚掌和后脚掌之间通过铰链间接，使得前脚掌和后脚掌之间形成一个旋转自由度。

进一步的，所述左/右大腿组件、左/右小腿组件分别设置有大腿套环和小腿套环。

进一步的，还包括一个穿脱支撑机构，所述穿脱支撑机构由控制箱、伸缩部件、三角支撑部件组成，所述伸缩部件为三段式伸缩臂，所述三段式伸缩臂由一驱动电机驱动，该驱动电机位于所述控制箱顶部中间；

所述三角支撑部件安装在所述三段式伸缩臂末端；

穿脱状态下，所述三段式伸缩臂全部伸出，三角支撑部件位于底部与所述三段式伸缩臂末端之间形成三点支撑；

行走状态下，所述伸缩部件、三角支撑部件全部收纳于所述控制箱内。

进一步的，所述三角支撑部件由左辅助杆、右辅助杆、连杆、气缸组成，所述左辅助杆、右辅助杆之间至少通过两根所述连杆连接，所述气缸用于推动所述连杆；

穿脱状态下，气缸伸出，所述左辅助杆、右辅助杆、连杆形成门型架倾斜支撑与所述伸缩部件末端形成三点支撑；

行走状态下，气缸收回，所述左辅助杆、右辅助杆、连杆形成门M形收纳于所述控制箱内。

进一步的，穿脱状态下，所述左辅助杆、右辅助杆、连杆形成的门型架与所述伸缩部件之间形成的夹角为50°。

一种外骨骼机器人控制系统，其特征在于，该系统由传感器感知系统、控制系统和能源系统组成；

所述传感器感知系统用于获取人体部位于外骨骼机器人之间的人机交互数据；

所述控制系统根据传感器感采集的人机交互数据，控制外骨骼机器人在人主机辅工作模式和机主人辅工作模式之间相互切换并按照步态模型进行动作；

所述能源系统用于实现供能。

进一步的，所述人机交互数据包括双足足底压力、膝关节、髋关节角度、足部、背部等身体主要部位的角度和加速度、背板与背部、背带与前胸、以及大小腿与外骨骼之间的人机交互力。

进一步的，将所述足底划分成99个单元，以足底横向作为横轴，足底纵向为竖轴，由足跟最左侧为原点进行标号，共划分为15行，第1行均分为5格，标号1-5，第2-13行每行均分为7格，标号6-89，第15行均分为6格，标号90-95，第15行均分为4格，标号96-99；

三个区间(7,8,15)、(69,70,77,78)、(80,81,87,88)内各固定一个所述压力传感器。

进一步的，所述传感器感知系统还提供一个步态最优矩阵模型，所述步态最优矩阵模型建立方法为：

S100：参数定义，定义Fr_Heel、Fr_ToelF、L_encoder为左/右脚踝、左/右脚趾的压力传感器值和左/右膝关节编码器的值、F_min是左/右脚底压力传感器的接触值；

S200：步态模型建立，定义：

为收腿阶段；

为预支撑阶段；

为触地阶段；

为动态支撑阶段；

为稳态支撑阶段；

S300：定义一套完整的步态模型包括：

左腿收腿阶段→左腿预支撑阶段→左腿触地阶段→左腿动态支撑阶段→左腿稳态支撑阶段→左腿收腿阶段；

右腿收腿阶段→右腿预支撑阶段→右腿触地阶段→右腿动态支撑阶段→右腿稳态支撑阶段→右腿收腿阶段。

进一步的，所述所述大腿摆动角度特征通过安装在足部惯性传感器的陀螺仪Z轴角加速度值获取，大腿内收和外展角度特征通过该陀螺仪Y轴角加速度值或编码器获取。

进一步的，所述包括一个最优步态模型训练，包括：

S101：选择所述步骤S200建立的步态模型作为最优特征矩阵并作为模版步态；

S102：对模版步态进行训练，得到训练后的模糊-神经网络预测模型。

如果要求每小时不大于2km，则步态频率大约为f＝0.833Hz，且大约1.2s内足底压力传感器信号不可能同时大于F_min。

进一步的，膝关节的单个步态周期角度拟合曲线分为膝关节支撑相和膝关节摆动相；

所述膝关节支撑相的拟合公式为：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidencebounds):

a1＝19.07 (18.88,19.26)

b1＝5.041 (4.964,5.117)

c1＝0.1257 (0.1038,0.1476)

a2＝5.036 (4.843,5.228)

b2＝15.44 (15.01,15.88)

c2＝4.87 (4.751,4.988)

膝关节支撑相期望设计如下：

在支撑阶段判断之后，开始计时，如果t1(静态变量)>0.56s，则期望角度

所述膝关节摆动相的拟合公式为：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)+a3*sin(b3*x+c3)

Coefficients(with 95％confidence bounds):

a1＝62.71 (60.46,64.95)

b1＝5.023 (4.847,5.199)

c1＝-0.08447 (-0.1781,0.009178)

a2＝305.3 (-7.561e+005,7.567e+005)

b2＝18.15 (-177.3,213.6)

c2＝-4.85 (-63.31,53.61)

a3＝-294.4 (-7.567e+005,7.561e+005)

b3＝18.3 (-180.6,217.2)

c3＝-4.897 (-64.3,54.51)

膝关节摆动相期望设计如下：

在摆动阶段判断正确之后，开始计时，如果t2(静态变量)>0.62s，则期望角度

进一步的，所述单个步态周期内髋关节角度拟合曲线分为髋关节支撑相和髋关节摆动相；所述髋关节支撑相拟合公式：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidence bounds):

a1＝41.16 (40.56,41.76)

b1＝2.729 (2.667,2.792)

c1＝1.6 (1.564,1.635)

a2＝3.433 (3.274,3.593)

b2＝13.32 (12.9,13.74)

c2＝-0.2561 (-0.3927,-0.1195)

髋关节支撑相期望设计如下：

在支撑阶段判断之后，开始计时，如果t3(静态变量)>0.56s，则期望角度

所述髋关节摆动相拟合公式：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidence bounds):

a1＝44.05 (41.57,46.52)

b1＝1.882 (1.699,2.065)

c1＝-0.01887 (-0.04706,0.009316)

a2＝10.47 (10.01,10.94)

b2＝11.8 (11.48,12.12)

c2＝2.753 (2.644,2.862)

Goodness offit:

SSE:7.426

R-square:0.9996

Adjusted R-square:0.9996

RMSE:0.3609

髋关节摆动相期望设计如下：

在摆动阶段判断正确之后，开始计时，如果t4(静态变量)>0.62s，则期望角度

进一步的，所述人主机辅工作模式和机主人辅工作模式之间相互切的策略为：

S001：在低速行走、作业任务下外骨骼机器人处于人主机辅工作模式；

S002：当人体控制导致外骨骼可能进入到失稳或者伤害到人体的极限状态下，系统将实时检测到这一状态并自动切换到机主人辅模式下；

和，或；

设置切换按钮，当穿戴者受伤等特殊情况下，人体无法完成在回路中的控制作用时，穿戴者可以按下切换按钮，手动将外骨骼切换到机主人辅工作状态，让外骨骼自主携带人体完成任务。

进一步的，所述所述人主机辅模式的控制策略为：

S101：外骨骼服通过感知系统获得多点人机交互力、膝关节髋关节角度，踝部及背部姿态等综合获取人体的运动姿态；

S102：解算人体的运动意图，从而根据既定的柔顺控制策略，驱动外骨骼实时跟随人体，做出动作并帮助使用者节省力量达到助力目的；

所述机主人辅模式的控制策略为：

S201：基于人体仿生工程学，分析人体在行走、作业任务下的步态需求建立步态参数的变化规律；

S202：根据步态参数的变化规律建立人体在低速行走、作业任务下的步态模型；

S203：步态规划模型直接给出外骨骼的运动步态，驱动外骨骼执行器带动人体运动

进一步的，所述所述机主人辅模式的控制策略步骤S203之前，还包括一个步态运动稳定性预测，其具体步骤为：

S211：基于ZMP、FRI、极限环算法，建立人机双智能体典型行走作业工况下的稳定性判据；

S212：基于稳定性判据的外骨骼步态参数在线优化设计，再通过运动学反解模型，得到各驱动关节的运动信息，实现外骨骼步态的实施；

S213：结合稳定性判据及人机交互状态辨识，实时预测外部环境信息，通过步态指令切换及强化学习方式，实现外骨骼步态在线稳定性优化。

进一步的，所述所述步态参数包括步长L、步高H、单脚支撑时间t1、双脚支撑时间t2。

进一步的，所述控制系统还包括一个负载模型建模方法，其步骤为：

S301：参数设定，设电枢绕组的电感为L_a，电枢绕组的电阻为R_a，电枢电压为u_a，流过电枢的电流为i_a，电机轴的角速度为Ω，电机轴转角为θ；

S302：参数计算；

对电枢回路，根据基尔霍夫电压定律可得：

式中

为电枢反电动势，其大小与励磁磁通及转速成正比，方向与电枢电压u_a相反，K_e为反电动势系数；

电动机其电磁转矩方程为

M＝K_mi_a

其中K_m为电动机转矩系数，M为电枢电流产生电磁转矩；

电机轴上转矩平衡方程

其中：

J为折算到电机轴上的等效转动惯量，若电机转轴自身转动惯量为J_M，负载折算到电机转轴的转动惯量为J_ML，则J＝J_M+J_ML；

B为折算到电机轴上的粘性摩擦系数，若电机转轴自身转动粘性摩擦系数为B_M，负载折算到电机转轴的粘性摩擦系数为B_ML，则B＝B_M+B_ML；

M_L为电机轴上的转矩，即负载力矩；

由以上电机运动方程消去中间变量M,i_a,E_a，可以得到：

记

则

上式即为电枢控制直流电动机微分方程，其输入量为电枢电压u_a和负载转矩M_L，输出为电机轴转速Ω，u_a为控制输入，M_L为扰动输入；

当以电机轴转角为θ作为输出量时，带入关系

可以得到以转过角度作为输出时的微分方程为：

进一步的，所述负载模型建模之前还包括一个运动负载输入步骤，所述运动负载输入包括软件建模计算和数学动力模型求逆计算；

软件建模计算，外骨骼机器人机械结构设计好后，通过加入关节驱动输入，包括角度、角速度和角加速度等，结构运动起来后可以得到关节负载扭矩；该计算方法需要提前建立机械结构仿真模型，并能实现几种动作模式要求；

数学动力模型求逆计算，通过拉尔朗日建立多连杆机械数学模型，此时的模型参数一定要按照实际机械结构设计需要设定；机械系统的拉格朗日动力学模型为：

其中q＝[q₁ q₂ q₃]^T，H(q)为惯性矩阵，

是Coriolis项，G(q)是重力项，Τ＝[T₁ T₂ T₃] 表示作用在骨骼服上的合外力矩，T₁表示踝关节力矩，T₂表示膝关节力矩，T₃表示髋关节力矩； H(q)，

G(q)的具体形式如下

H₁₁(q)＝I_t+I_ub+m_sL_Gs ²+m_tL_s ²+m_tL_Gt ²+m_ubL_s ²+m_ubL_t ² +m_ubL_Gub ²+2m_tL_GtL_s cos(q₂)+2m_ubL_tL_s cos(q₂) +2m_ubL_GubL_t cos(q₃)+2m_ubL_GubL_scos(q₂+q₃)

H₁₂(q)＝I_t+I_ub+m_tL_Gt ²+m_ubL_t ²+m_ubL_Gub ²+2m_ubL_GubL_t cos(q₃) +m_ubL_t cos(q₂)+m_tL_GtL_scos(q₂)+m_ubL_GubL_s cos(q₂+q₃)

H₁₃(q)＝I_u+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)+m_ubL_GubL_s cos(q₂+q₃)

H₂₁(q)＝I_t+I_ub+m_tL_Gt ²+m_ubL_Gub ²+m_ubL_t ²+m_tL_GtL_scos(q₂) +m_ubL_sL_t cos(q₂)+2m_ubL_GubL_tcos(q₃) +m_ubL_sL_Gub cos(q₂+q₃)

H₂₂(q)＝I_t+I_ub+m_ubL_t ²+m_tL_Gt ²+m_ubL_Gub ² +2m_ubL_GubL_t cos(q₃)

H₂₃(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)

H₃₁(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃) +m_ubL_GubL_s cos(q₂+q₃)

H₃₂(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)

H₃₃(q)＝I_ub+m_ubL_Gub ²

G₁(q)＝-m_ubgL_s sin(q₁)-m_ubgL_t sin(q₁+q₂) -m_ubgL_Gub sin(q₁+q₂+q₃)-m_tgL_s sin(q₁) -m_tgL_Gt sin(q₁+q₂)-m_sgL_Gs sin(q₁)

G₂(q)＝-m_ubgL_Gub sin(q₁+q₂+q₃)-m_tgL_Gt sin(q₁+q₂) -m_ubgL_t sin(q₁+q₂)

G₃(q)＝-m_ubgL_Gub sin(q₁+q₂+q₃)

通过各种动作模式下步态运动输入，关节位姿、角速度、角加速度作为已知量，代入到系统拉格朗日模型中，就可以近似得到各关节负载扭矩。

进一步的，还包括一个减速器模型建立方法；

加入减速器之后，由能量守恒定理得到，电机扭矩可以提高μ倍，转速降低μ倍，μ为减速器的减速比，因此电机轴上转矩平衡方程修改为：

另外，需要将电机转轴上转动惯量折合到减速器输出轴上转动惯量，转换方式为：

J_r′_e＝J_re+μ²J_m

B_r′_e＝B_re+μ²B_m

其中Jre为减速器绕自身轴的转动惯量，Jm为电机绕自身轴转动惯量，J′_re为电机转轴上转动惯量折合到减速器输出轴上转动惯量，Bre为减速器绕自身轴的阻尼比，Bm为电机绕自身轴阻尼比，B′_re为电机转轴上转动惯量折合到减速器输出轴上阻尼比。

进一步的，还包括一个控制器设计，所述控制器设计为：

U_d＝k_p(θ-θ_exp)+k_i∫(θ-θ_exp)+k_dω_d。

进一步的，还包括一个电机减速器模块设计；

设电机模块的输入为控制器输出的电压控制量u(t)，输出为转矩M；

根据电机和减速器的工作原理，设计电机减速器的模型；

电机电枢回路方程：

其中，E_d＝K_eω_d

由于电感Ld数值很小，可以忽略，因此电枢电流表示为：

电动机电磁转矩方程为：

M_d＝K_mi_d

电机输出的力矩为T，T＝Md

加入减速比u后，将减速器输出的力矩T＇等效为：

T′＝uT＝u(T_M-J_Mα-B_Mω)。

进一步的，其中膝关节电机参数幅值限制如下：

max(T′)＝91N·m，

max(ω_d)＝2.86rad/s，

max(i_d)＝12.9A，

max(T)＝0.6N·m。

本发明的有益效果是：

(1)设计了穿脱辅助机构，支撑机构展开后可以稳定支撑外骨骼结构和负载，可以方便穿戴者的自进行加装/卸下背负载荷，使得穿脱方便，可随穿随脱；

(2)完美的步态设计，极大的提高了人体与骨骼机器人的贴合度，最大幅度提高人体负载极限；

(3)各关节自由度合理设计，更加符合人体力学；

(4)多种控制模式的切换，提高了安全性能，避免出现人体损伤。

附图说明

图1是外骨骼机器人整体结构示意图；

图2是外骨骼机器人背部示意图；

图3是髋关节结构示意图；

图4是外骨骼机器人系统髋关节结构和运动误差分析图；

图5是膝关节结构示意图；

图6是腰环及髋/膝关节限位结构示意图；

图7是腰环背部支撑结构示意图；

图8是踝关节结构示意；

图9是穿脱支撑机构伸出状态图；

图10是穿脱支撑机构收起状态图；

图11是控制系统技术方案；

图12是骨骼服感知系统布局；

图13是压力传感器布局；

图14是平地行走多阶段划分(膝关节编码器)；

图15是平地低速行走感知逻辑设计流程；

图16是典型动作任务指令规划示意图；

图17是动态平衡控制策略原理框图；

图18是人机耦合控制原理；

图19是机器学习自适应控制技术途径；

图20是单个周期膝关节期望角度变化曲线；

图21是单个周期髋关节期望角度变化曲线。

具体实施方式

下面结合具体实施例进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1、2所示，一种外骨骼机器人，该机器人包括背架100、腰环200、左/右大腿组件 300、左/右小腿组件400、左/右鞋部700；

背架100与腰环200连接并位于其上方；

左/右大腿组件300与腰环200左右两侧各通过一髋关节组件500连接；

左/右大腿组件300与左/右小腿组件400各通过一膝关节组件600连接；

左/右鞋部700与左/右小腿组件400各通过一踝关节组件900连接；

髋关节组件500提供矢状面内的屈曲/后伸运动，冠状面内的外展/内收运动，水平面内的旋内/旋外运动三个自由度；

膝关节组件600提供一个人体在矢状面的屈/伸运动自由度；

踝关节组件900提供矢状面内踝关节背屈/跖屈，冠状面内内翻/外翻，水平面内的旋内/ 旋外三个自由度；

腰环200提供一个在水平面内的旋内/旋外自由度；

左/右鞋部700提供一个前脚掌和后脚掌之间的旋转自由度。

作为一种优选实施例，背架100前部设置有肩带101和腰带102。

如图6所示，作为一种优选实施例，腰环200由左活动件201、右活动件202、固定件203组成，左活动件201、右活动件202各通过一外展转轴204铰接在固定件203左右两端，固定件203与背架100底部固定安装。

作为一种优选实施例，固定件203左右两端底侧各设置一块内收限位板212，内收限位板212用于限制髋关节组件500内收运动范围为0°～10°。

作为一种优选实施例，左活动件201、右活动件202内侧各固定一个限位块206，左/右大腿组件300内侧各安装一个弹性机械限位块205；

弹性机械限位块205与所在侧的左活动件201、右活动件202内侧配合用于限定髋关节组件500外展运动范围为20°～30°；

弹性机械限位垫205与对应的限位块206配合使得髋关节组件500在矢状面内屈曲运动范围为120°～130°，后伸运动范围为10°～15°。

作为一种优选实施例，弹性机械限位块205与左/右大腿组件300活动安装，其极限位置可调。

这种结构的优点是使腰环和背架整体性更好，受力状态更合理，同时还可以解决因人体髋关节和骨骼服髋关节不重合引起的骨骼服膝关节与人体膝关节在额妆面内的运动误差。图 4-图B中O1是人体髋关节外展内收水平轴，O2是骨骼服髋关节外展内收水平轴，由于这两个轴在额妆面内不重合，带来膝关节的外展内收运动误差B1C。解决这个问题的方法是采用误差补偿法，将骨骼服大腿绕髋关节的外展/内收结构变为骨骼服大腿、髋关节和腰环的活动件一起绕水平轴转动，且水平轴移到腰环上(腰环固定件与活动件的连接轴，如图4-图C所示O3位置),此时，骨骼服髋关节的外展/内收轴就与人体的髋关节水平轴处于一条铅垂线上，穿戴者穿着骨骼服进行外展/内收运动时，这样既避免了骨骼服膝关节与人体膝关节在额妆面内的位置误差，又避免了因位置误差导致的骨骼服膝关节与人体膝关节的干涉，提高了穿戴者的舒适性和运动的流畅性。另一方面将髋关节位置提高导致骨骼服大腿长度增大和骨骼服髋关节与人体髋关节在矢状面内的屈伸旋转轴线不重合，又导致了穿戴者运动时，骨骼服髋关节在矢状面内屈伸产生运动误差，为了弥补这一不足，结构上将腰环活动部件做成向下弯曲，将骨骼服髋关节在矢状面内的屈伸旋转轴线与人体轴线重合。

如图3所示，作为一种优选实施例，髋关节组件500由髋关节组件500由髋关节盘式电机501、髋关节法兰盘502、髋关节谐波减速器503、髋关节联结轴504、腰环弯角杆505、髋关节深沟球轴承506、髋关节轴弹簧507、髋关节轴承盖508、大腿连接件509、髋关节负载编码器510、髋关节负载编码器盖511组成；

髋关节盘式电机501、髋关节法兰盘502、髋关节谐波减速器503、髋关节联结轴504依次连接，髋关节联结轴504一端伸入腰环弯角杆505内与髋关节深沟球轴承505、髋关节轴弹簧507、髋关节轴承盖508依次连接；

大腿连接件509与髋关节轴承盖508固定连接，大腿连接件509外侧依次安装髋关节负载编码器510和髋关节负载编码器盖511。

人体髋关节外展运动范围为20°～30°，内收运动范围为10°，因此骨骼服在腰环的固定部件上设计了上下限位。下部限位限制骨骼服髋关节内收的最大位置(5°)，当骨骼服髋关节进行内收时，重心移到支撑腿上，由于支撑腿侧的腰环也有5°的运动空间，可以保证骨骼服进行髋关节内收达到10°要求，此时腰环固定部件和活动部件保持为一个整体，可以将载荷通过下肢传导到地面；上部限位限制骨骼服髋关节外展的最大位置，本着骨骼服关节运动角度比人体关节运动角度稍小的原则，将骨骼服髋关节作外展运动时的最大角度限制在 25°。在腰环活动件与背架之间设置连接弹簧，其作用有两个:其一是将背架与腰环形成三角形稳定结构；其二是为了在下肢外展到最大(30°)时，利用弹簧帮助下肢恢复到站立状态。当然，在下肢外展的时候也会受到弹簧的阻力，为了解决这个问题，腰环活动件处于水平位置的时候，将弹簧预设有一定的伸长量，此伸长量接近弹簧整个伸缩范围的一半，也就是下肢外展达到12°时，弹簧处于原长位置。

骨骼服髋关节在矢状面内屈曲运动范围为120°～130°，后伸运动范围为10°～15°，髋关节在矢状面内屈曲/后伸运动要设计机械限位。

作为一种优选实施例，腰环弯角杆505与对应侧的左活动件201/右活动件202一体成型而成。

如图6、7所示，作为一种优选实施例，左/右大腿组件300由旋轴207、大腿杆下部208、螺旋伸缩套筒209、大腿杆上部210组成，大腿杆上部210通过旋轴207与大腿连接件509固定连接连接；

大腿杆上部210与大腿杆下部208之间通过螺旋伸缩套筒209连接。

大腿杆208顶部通过旋轴207与，大腿杆208底部与膝关节组件600固定连接。

如图5所示，作为一种优选实施例，膝关节组件600由膝关节盘式电机501、膝关节法兰盘602、膝关节谐波减速器603、膝关节联结轴604、套筒605、膝关节深沟球轴承606、膝关节轴弹簧607、膝关节轴承盖608、小腿连接件609、膝关节负载编码器610、膝关节负载编码器盖611组成；

膝关节盘式电机501、膝关节法兰盘602、膝关节谐波减速器603、膝关节联结轴604依次连接，膝关节联结轴604一端伸入套筒605内与膝关节深沟球轴承606、膝关节轴弹簧607、膝关节轴承盖608依次连接；

小腿连接件609与膝关节轴承盖608固定连接，小腿连接件609外侧依次安装膝关节负载编码器610和膝关节负载编码器盖611。

作为一种优选实施例，套筒605底部与小腿连接件609前侧分布设置有第一限位块613 和第二限位块612，第一限位块613和第二限位块612配合使得膝关节组件600在矢状面的屈/伸运动范围为-150°～0°。

作为一种优选实施例，左/右小腿组件400螺旋伸缩机构和小腿杆901组成，小腿杆901 通过螺旋伸缩机构与小腿连接件609固定连接。

如图8所示，作为一种优选实施例，踝关节组件900由联轴段902、膝关节轴903、小腿连杆904、底座套筒905组成；

联轴段902与小腿杆901底部连接并设置一个减震弹簧907，联轴段902与小腿连杆904 通过膝关节轴903连接；

小腿连杆904底部与底座套筒905旋转安装，底座套筒905固定在左/右鞋部700上。

作为一种优选实施例，联轴段902、膝关节轴903、小腿连杆904组成的连接机构满足踝关节内翻/外翻运动的范围为-35°～20°；

底座套筒905旋转安装满足踝关节旋内/旋外运动的范围为-15°～50°。

作为一种优选实施例，底座套筒905底部与左/右鞋部700之间安装有惯性传感器。

作为一种优选实施例，左/右鞋部700由前脚掌和后脚掌组成，前脚掌长度为整个脚长的四分之一，前脚掌和后脚掌之间通过铰链间接，使得前脚掌和后脚掌之间形成一个旋转自由度。

作为一种优选实施例，左/右大腿组件300、左/右小腿组件400分别设置有大腿套环301 和小腿套环401。

如图9所示，作为一种优选实施例，还包括一个穿脱支撑机构800，穿脱支撑机构由控制箱1、伸缩部件2、三角支撑部件3组成。控制箱1固定在背架100上，同时腰环200的固定件203上还设置有至少两根对称的伸缩杆211用于支撑控制箱1。伸缩部件2为三段式伸缩臂，三段式伸缩臂由一驱动电机4驱动，该驱动电机4位于控制箱1顶部中间；

三角支撑部件3安装在三段式伸缩臂末端；

穿脱状态下，三段式伸缩臂全部伸出，三角支撑部件3位于底部与三段式伸缩臂末端之间形成三点支撑；

行走状态下，伸缩部件2、三角支撑部件3全部收纳于控制箱1内，参考图10所示。

作为一种优选实施例，三角支撑部件3由左辅助杆31、右辅助杆32、连杆33、气缸34组成，左辅助杆31、右辅助杆32之间至少通过两根连杆33连接，气缸34用于推动连杆33；

穿脱状态下，气缸34伸出，左辅助杆31、右辅助杆32、连杆33形成门型架倾斜支撑与伸缩部件2末端形成三点支撑；

行走状态下，气缸34收回，左辅助杆31、右辅助杆32、连杆33形成门M形收纳于控制箱1内。

作为一种优选实施例，穿脱状态下，左辅助杆31、右辅助杆32、连杆33形成的门型架与伸缩部件2之间形成的夹角为50°。

如图11所示，一种外骨骼机器人控制系统，其特征在于，该系统由传感器感知系统、控制系统和能源系统组成；

所述传感器感知系统用于获取人体部位于外骨骼机器人之间的人机交互数据；

所述控制系统根据传感器感采集的人机交互数据，控制外骨骼机器人在人主机辅工作模式和机主人辅工作模式之间相互切换并按照步态模型进行动作；

所述能源系统用于实现供能。

作为一种优选实施例，所述人机交互数据包括双足足底压力、膝关节、髋关节角度、足部、背部等身体主要部位的角度和加速度、背板与背部、背带与前胸、以及大小腿与外骨骼之间的人机交互力，其中传感器的分布参考图12所示。

作为一种优选实施例，将所述足底划分成99个单元，以足底横向作为横轴，足底纵向为竖轴，由足跟最左侧为原点进行标号，共划分为15行，第1行均分为5格，标号1-5，第2-13 行每行均分为7格，标号6-89，第15行均分为6格，标号90-95，第15行均分为4格，标号96-99；三个区间(7,8,15)、(69,70,77,78)、(80,81,87,88)内各固定一个所述压力传感器，其分布参考图13所示。

作为一种优选实施例，所述传感器感知系统还提供一个步态最优矩阵模型，所述步态最优矩阵模型建立方法为：

S100：参数定义，定义Fr_Heel、Fr_ToelF、L_encoder为左/右脚踝、左/右脚趾的压力传感器值和左/右膝关节编码器的值、F_min是左/右脚底压力传感器的接触值；

S200：步态模型建立，定义：

为收腿阶段；

为预支撑阶段；

为触地阶段；

为动态支撑阶段；

为稳态支撑阶段；

行走收腿阶段、预支撑阶段、触地阶段、动态支撑阶段、稳态支撑阶段五个步态，对行走过程膝关节编码器曲线的阶段划分如图14所示。

S300：定义一套完整的步态模型包括：

左腿收腿阶段→左腿预支撑阶段→左腿触地阶段→左腿动态支撑阶段→左腿稳态支撑阶段→左腿收腿阶段；

右腿收腿阶段→右腿预支撑阶段→右腿触地阶段→右腿动态支撑阶段→右腿稳态支撑阶段→右腿收腿阶段，具体可参考图15所示。

为完成典型作业任务，需对穿戴者的动作流程进行设计，并对动作模式及步态进行分解与规划，完成骨骼服各动作模式的平滑性切换。如：穿戴者的下肢动作主要包含静止站立、行走、蹲下、起立等运动模式，有以下动作子相：如①双腿站立；②左脚摆动右脚支撑；③左脚支撑在前，右脚支撑在后；④左脚支撑右脚摆动；⑤右脚支撑在前，左脚支撑在后；⑥左腿支撑，右腿抬腿准备；⑦左腿渐收，右腿摆动；⑧左腿收到最短位置，右膝关节触地；⑨左腿逐渐伸展，右腿摆动。典型动作任务指令规划如图16所示。

作为一种优选实施例，所述所述大腿摆动角度特征通过安装在足部惯性传感器的陀螺仪 Z轴角加速度值获取，大腿内收和外展角度特征通过该陀螺仪Y轴角加速度值或编码器获取。

作为一种优选实施例，所述包括一个最优步态模型训练，包括：

S101：选择所述步骤S200建立的步态模型作为最优特征矩阵并作为模版步态；

S102：对模版步态进行训练，得到训练后的模糊-神经网络预测模型。

如果要求每小时不大于2km，则步态频率大约为f＝0.833Hz，且大约1.2s内足底压力传感器信号不可能同时大于F_min。

如图20所示，作为一种优选实施例，膝关节的单个步态周期角度拟合曲线分为膝关节支撑相和膝关节摆动相；

所述膝关节支撑相的拟合公式为：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidencebounds):

a1＝19.07 (18.88,19.26)

b1＝5.041 (4.964,5.117)

c1＝0.1257 (0.1038,0.1476)

a2＝5.036 (4.843,5.228)

b2＝15.44 (15.01,15.88)

c2＝4.87 (4.751,4.988)

膝关节支撑相期望设计如下：

在支撑阶段判断之后，开始计时，如果t1(静态变量)>0.56s，则期望角度

所述膝关节摆动相的拟合公式为：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)+a3*sin(b3*x+c3)

Coefficients(with 95％confidence bounds):

a1＝62.71 (60.46,64.95)

b1＝5.023 (4.847,5.199)

c1＝-0.08447 (-0.1781,0.009178)

a2＝305.3 (-7.561e+005,7.567e+005)

b2＝18.15 (-177.3,213.6)

c2＝-4.85 (-63.31,53.61)

a3＝-294.4 (-7.567e+005,7.561e+005)

b3＝18.3 (-180.6,217.2)

c3＝-4.897 (-64.3,54.51)

膝关节摆动相期望设计如下：

在摆动阶段判断正确之后，开始计时，如果t2(静态变量)>0.62s，则期望角度

如图21所示，作为一种优选实施例，所述单个步态周期内髋关节角度拟合曲线分为髋关节支撑相和髋关节摆动相；

所述髋关节支撑相拟合公式：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidence bounds):

a1＝41.16 (40.56,41.76)

b1＝2.729 (2.667,2.792)

c1＝1.6 (1.564,1.635)

a2＝3.433 (3.274,3.593)

b2＝13.32 (12.9,13.74)

c2＝-0.2561 (-0.3927,-0.1195)

髋关节支撑相期望设计如下：

在支撑阶段判断之后，开始计时，如果t3(静态变量)>0.56s，则期望角度

所述髋关节摆动相拟合公式：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidence bounds):

a1＝44.05 (41.57,46.52)

b1＝1.882 (1.699,2.065)

c1＝-0.01887 (-0.04706,0.009316)

a2＝10.47 (10.01,10.94)

b2＝11.8 (11.48,12.12)

c2＝2.753 (2.644,2.862)

Goodness offit:

SSE:7.426

R-square:0.9996

Adjusted R-square:0.9996

RMSE:0.3609

髋关节摆动相期望设计如下：

在摆动阶段判断正确之后，开始计时，如果t4(静态变量)>0.62s，则期望角度

如图17所示，作为一种优选实施例，所述人主机辅工作模式和机主人辅工作模式之间相互切的策略为：

S001：在低速行走、作业任务下外骨骼机器人处于人主机辅工作模式；

S002：当人体控制导致外骨骼可能进入到失稳或者伤害到人体的极限状态下，系统将实时检测到这一状态并自动切换到机主人辅模式下；

和，或；

设置切换按钮，当穿戴者受伤等特殊情况下，人体无法完成在回路中的控制作用时，穿戴者可以按下切换按钮，手动将外骨骼切换到机主人辅工作状态，让外骨骼自主携带人体完成任务。

穿戴者典型动作任务主要考虑了平衡稳定问题、助力问题以及精确定位操作问题。在所有运动形式中，外骨骼都不能妨碍穿戴者运动，穿戴者与外骨骼之间作用力最小化，两者有机协调。通过两者之间的耦合协同控制实现人机一体控制，且控制规律需具有较强的鲁棒性和实时性。

精确定位操作与助力控制通过力位平行控制实现。实时测量人机之间接触力信息，通过力位平行控制算法、阻抗或力位混合控制策略，实现穿戴者与外骨骼协同柔顺控制，实现外骨骼无存在感下的精确定位操作与助力。

高频响、高精度伺服控制是实现骨骼服精确定位与无存在感柔顺的基础。通过运动学参数辨识，修正外骨骼运动学参数；设计高精度与传动刚度关节，提高运动精度。由关节角度传感器、肢体陀螺仪、躯体倾角仪采集的信息作为动力学仿真的状态量，通过骨骼服拉格朗日动力学方程，实时计算关节驱动力矩，实现关节前馈控制，提高其响应。

基于姿态、转角及压力等测量，识别运动趋势与作用力，并形成指令；再经运动学反解，形成各驱动关节的指令。穿戴者运动及作业时必须保持自身稳定，通过动力学方程实时计算等效质心，并判断质心是否在稳定区间及是否失稳。当具备失稳趋势时，通过动态稳定控制算法，实施关节阻力，保持作业中的动态平衡；当判断已失稳时，通过骨骼服髋关节做相应动作调整实现自我稳定纠正。

系统控制原理如图18所示，由内外控制环嵌套，双智能体鲁棒自适应控制等技术，实现骨骼服与穿戴者之间的主/从柔顺控制协调、实现“人主机辅”与“机主人辅”自适应切换与无存在感辅助操作。

图19所示，是实现几种动作模式对应的人机携行运动识别方法途径。通过离线训练方式对穿戴者典型动作模式与步态相位的分类器进行设计；在完成实际的动作任务过程中，通过在线识别方法实现人机交互行为感知，并根据MAP、MLLR等自适应识别算法，实时修正外骨骼运动步态识别模型参数，使运动步态识别模型更好的适应当前的穿戴者以及当前的运动行为。在实时自适应识别的基础上，实时修正外骨骼步态规划，实现高效、高舒适度、高稳定性人机耦合协同作业。

作为一种优选实施例，所述所述人主机辅模式的控制策略为：

S101：外骨骼服通过感知系统获得多点人机交互力、膝关节髋关节角度，踝部及背部姿态等综合获取人体的运动姿态；

S102：解算人体的运动意图，从而根据既定的柔顺控制策略，驱动外骨骼实时跟随人体，做出动作并帮助使用者节省力量达到助力目的；

所述机主人辅模式的控制策略为：

S201：基于人体仿生工程学，分析人体在行走、作业任务下的步态需求建立步态参数的变化规律；

S202：根据步态参数的变化规律建立人体在低速行走、作业任务下的步态模型；

S203：步态规划模型直接给出外骨骼的运动步态，驱动外骨骼执行器带动人体运动

作为一种优选实施例，所述所述机主人辅模式的控制策略步骤S203之前，还包括一个步态运动稳定性预测，其具体步骤为：

S211：基于ZMP、FRI、极限环算法，建立人机双智能体典型行走作业工况下的稳定性判据；

S212：基于稳定性判据的外骨骼步态参数在线优化设计，再通过运动学反解模型，得到各驱动关节的运动信息，实现外骨骼步态的实施；

S213：结合稳定性判据及人机交互状态辨识，实时预测外部环境信息，通过步态指令切换及强化学习方式，实现外骨骼步态在线稳定性优化

作为一种优选实施例，所述所述步态参数包括步长L、步高H、单脚支撑时间t1、双脚支撑时间t2。

作为一种优选实施例，所述控制系统还包括一个负载模型建模方法，其步骤为：

S301：参数设定，设电枢绕组的电感为L_a，电枢绕组的电阻为R_a，电枢电压为u_a，流过电枢的电流为i_a，电机轴的角速度为Ω，电机轴转角为θ；

S302：参数计算；

对电枢回路，根据基尔霍夫电压定律可得：

式中

为电枢反电动势，其大小与励磁磁通及转速成正比，方向与电枢电压u_a相反，K_e为反电动势系数；

电动机其电磁转矩方程为

M＝K_mi_a

其中K_m为电动机转矩系数，M为电枢电流产生电磁转矩；

电机轴上转矩平衡方程

其中：

J为折算到电机轴上的等效转动惯量，若电机转轴自身转动惯量为J_M，负载折算到电机转轴的转动惯量为J_ML，则J＝J_M+J_ML；

B为折算到电机轴上的粘性摩擦系数，若电机转轴自身转动粘性摩擦系数为B_M，负载折算到电机转轴的粘性摩擦系数为B_ML，则B＝B_M+B_ML；

M_L为电机轴上的转矩，即负载力矩；

由以上电机运动方程消去中间变量M,i_a,E_a，可以得到：

记

则

上式即为电枢控制直流电动机微分方程，其输入量为电枢电压u_a和负载转矩M_L，输出为电机轴转速Ω，u_a为控制输入，M_L为扰动输入；

当以电机轴转角为θ作为输出量时，带入关系

可以得到以转过角度作为输出时的微分方程为：

作为一种优选实施例，所述负载模型建模之前还包括一个运动负载输入步骤，所述运动负载输入包括软件建模计算和数学动力模型求逆计算；

软件建模计算，外骨骼机器人机械结构设计好后，通过加入关节驱动输入，包括角度、角速度和角加速度等，结构运动起来后可以得到关节负载扭矩；该计算方法需要提前建立机械结构仿真模型，并能实现几种动作模式要求；

数学动力模型求逆计算，通过拉尔朗日建立多连杆机械数学模型，此时的模型参数一定要按照实际机械结构设计需要设定；机械系统的拉格朗日动力学模型为：

其中q＝[q₁ q₂ q₃]^T，H(q)为惯性矩阵，是Coriolis项，G(q)是重力项，Τ＝[T₁ T₂ T₃] 表示作用在骨骼服上的合外力矩，T₁表示踝关节力矩，T₂表示膝关节力矩，T₃表示髋关节力矩； H(q)，

G(q)的具体形式如下

H₁₁(q)＝I_t+I_ub+m_sL_Gs ²+m_tL_s ²+m_tL_Gt ²+m_ubL_s ²+m_ubL_t ² +m_ubL_Gub ²+2m_tL_GtL_s cos(q₂)+2m_ubL_tL_s cos(q₂) +2m_ubL_GubL_t cos(q₃)+2m_ubL_GubL_scos(q₂+q₃)

H₁₂(q)＝I_t+I_ub+m_tL_Gt ²+m_ubL_t ²+m_ubL_Gub ²+2m_ubL_GubL_t cos(q₃) +m_ubL_t cos(q₂)+m_tL_GtL_scos(q₂)+m_ubL_GubL_s cos(q₂+q₃)

H₁₃(q)＝I_u+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)+m_ubL_GubL_s cos(q₂+q₃)

H₂₁(q)＝I_t+I_ub+m_tL_Gt ²+m_ubL_Gub ²+m_ubL_t ²+m_tL_GtL_scos(q₂) +m_ubL_sL_t cos(q₂)+2m_ubL_GubL_tcos(q₃) +m_ubL_sL_Gub cos(q₂+q₃)

H₂₂(q)＝I_t+I_ub+m_ubL_t ²+m_tL_Gt ²+m_ubL_Gub ² +2m_ubL_GubL_t cos(q₃)

H₂₃(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)

H₃₁(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃) +m_ubL_GubL_s cos(q₂+q₃)

H₃₂(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)

H₃₃(q)＝I_ub+m_ubL_Gub ²

G₁(q)＝-m_ubgL_s sin(q₁)-m_ubgL_t sin(q₁+q₂) -m_ubgL_Gub sin(q₁+q₂+q₃)-m_tgL_s sin(q₁) -m_tgL_Gt sin(q₁+q₂)-m_sgL_Gs sin(q₁)

G₂(q)＝-m_ubgL_Gub sin(q₁+q₂+q₃)-m_tgL_Gt sin(q₁+q₂) -m_ubgL_t sin(q₁+q₂)

G₃(q)＝-m_ubgL_Gub sin(q₁+q₂+q₃)

通过各种动作模式下步态运动输入，关节位姿、角速度、角加速度作为已知量，代入到系统拉格朗日模型中，就可以近似得到各关节负载扭矩。

作为一种优选实施例，还包括一个减速器模型建立方法；

加入减速器之后，由能量守恒定理得到，电机扭矩可以提高μ倍，转速降低μ倍，μ为减速器的减速比，因此电机轴上转矩平衡方程修改为：

另外，需要将电机转轴上转动惯量折合到减速器输出轴上转动惯量，转换方式为：

J′_re＝J_re+μ²J_m

B′_re＝B_re+μ²B_m

其中Jre为减速器绕自身轴的转动惯量，Jm为电机绕自身轴转动惯量，J′_re为电机转轴上转动惯量折合到减速器输出轴上转动惯量，Bre为减速器绕自身轴的阻尼比，Bm为电机绕自身轴阻尼比，B′_re为电机转轴上转动惯量折合到减速器输出轴上阻尼比。

作为一种优选实施例，还包括一个控制器设计，所述控制器设计为：

U_d＝k_p(θ-θ_exp)+k_i∫(θ-θ_exp)+k_dω_d。

作为一种优选实施例，还包括一个电机减速器模块设计；

设电机模块的输入为控制器输出的电压控制量u(t)，输出为转矩M；

根据电机和减速器的工作原理，设计电机减速器的模型；

电机电枢回路方程：

其中，E_d＝K_eω_d

由于电感Ld数值很小，可以忽略，因此电枢电流表示为：

电动机电磁转矩方程为：

M_d＝K_mi_d

电机输出的力矩为T，T＝Md

加入减速比u后，将减速器输出的力矩T＇等效为：

T′＝uT＝u(T_M-J_Mα-B_Mω)。

作为一种优选实施例，其中膝关节电机参数幅值限制如下：

max(T′)＝91N·m，

max(ω_d)＝2.86rad/s，

max(i_d)＝12.9A，

max(T)＝0.6N·m。

以上仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (38)

1.一种外骨骼机器人，其特征在于，该机器人包括背架(100)、腰环(200)、左/右大腿组件(300)、左/右小腿组件(400)、左/右鞋部(700)；

所述背架(100)与所述腰环(200)连接并位于其上方；

所述左/右大腿组件(300)与腰环(200)左右两侧各通过一髋关节组件(500)连接；

所述左/右大腿组件(300)与左/右小腿组件(400)各通过一膝关节组件(600)连接；

所述左/右鞋部(700)与左/右小腿组件(400)各通过一踝关节组件(900)连接；

所述髋关节组件(500)提供矢状面内的屈曲/后伸运动，冠状面内的外展/内收运动，水平面内的旋内/旋外运动三个自由度；

所述膝关节组件(600)提供一个人体在矢状面的屈/伸运动自由度；

所述踝关节组件(900)提供矢状面内踝关节背屈/跖屈，冠状面内内翻/外翻，水平面内的旋内/旋外三个自由度；

所述腰环(200)提供一个在水平面内的旋内/旋外自由度；

所述左/右鞋部(700)提供一个前脚掌和后脚掌之间的旋转自由度。

2.根据权利要求1所述的外骨骼机器人，其特征在于，所述背架(100)前部设置有肩带(101)和腰带(102)。

3.根据权利要求1所述的外骨骼机器人，其特征在于，所述腰环(200)由左活动件(201)、右活动件(202)、固定件(203)组成，所述左活动件(201)、右活动件(202)各通过一外展转轴(204)铰接在所述固定件(203)左右两端，所述固定件(203)与所述背架(100)底部固定安装。

4.根据权利要求3所述的外骨骼机器人，其特征在于，所述固定件(203)左右两端底侧各设置一块内收限位板(212)，所述内收限位板(212)用于限制所述髋关节组件(500)内收运动范围为0°～10°。

5.根据权利要求4所述的外骨骼机器人，其特征在于，所述左活动件(201)、右活动件(202)内侧各固定一个限位块(206)，所述左/右大腿组件(300)内侧各安装一个弹性机械限位块(205)；

所述弹性机械限位块(205)与所在侧的左活动件(201)、右活动件(202)内侧配合用于限定所述髋关节组件(500)外展运动范围为20°～30°；

所述弹性机械限位垫(205)与对应的限位块(206)配合使得髋关节组件(500)在矢状面内屈曲运动范围为120°～130°，后伸运动范围为10°～15°。

6.根据权利要求5所述的外骨骼机器人，其特征在于，所述弹性机械限位块(205)与所述左/右大腿组件(300)活动安装，其极限位置可调。

7.根据权利要求6所述的外骨骼机器人，其特征在于，所述髋关节组件(500)由所述髋关节组件(500)由髋关节盘式电机(501)、髋关节法兰盘(502)、髋关节谐波减速器(503)、髋关节联结轴(504)、腰环弯角杆(505)、髋关节深沟球轴承(506)、髋关节轴弹簧(507)、髋关节轴承盖(508)、大腿连接件(509)、髋关节负载编码器(510)、髋关节负载编码器盖(511)组成；

所述髋关节盘式电机(501)、髋关节法兰盘(502)、髋关节谐波减速器(503)、髋关节联结轴(504)依次连接，髋关节联结轴(504)一端伸入所述腰环弯角杆(505)内与所述髋关节深沟球轴承(505)、髋关节轴弹簧(507)、髋关节轴承盖(508)依次连接；

所述大腿连接件(509)与髋关节轴承盖(508)固定连接，大腿连接件(509)外侧依次安装髋关节负载编码器(510)和髋关节负载编码器盖(511)。

8.根据权利要求7所述的外骨骼机器人，其特征在于，所述腰环弯角杆(505)与对应侧的左活动件(201)/右活动件(202)一体成型而成。

9.根据权利要求8所述的外骨骼机器人，其特征在于，所述左/右大腿组件(300)由旋轴(207)、大腿杆下部(208)、螺旋伸缩套筒(209)、大腿杆上部(210)组成，所述大腿杆上部(210)通过旋轴(207)与所述大腿连接件(509)固定连接连接；

所述大腿杆上部(210)与大腿杆下部(208)之间通过所述螺旋伸缩套筒(209)连接。

大腿杆(208)顶部通过旋轴(207)与所述，大腿杆(208)底部与所述膝关节组件(600)固定连接。

10.根据权利要求9所述的外骨骼机器人，其特征在于，所述膝关节组件(600)由膝关节盘式电机(501)、膝关节法兰盘(602)、膝关节谐波减速器(603)、膝关节联结轴(604)、套筒(605)、膝关节深沟球轴承(606)、膝关节轴弹簧(607)、膝关节轴承盖(608)、小腿连接件(609)、膝关节负载编码器(610)、膝关节负载编码器盖(611)组成；

所述膝关节盘式电机(501)、膝关节法兰盘(602)、膝关节谐波减速器(603)、膝关节联结轴(604)依次连接，膝关节联结轴(604)一端伸入所述套筒(605)内与所述膝关节深沟球轴承(606)、膝关节轴弹簧(607)、膝关节轴承盖(608)依次连接；

所述小腿连接件(609)与膝关节轴承盖(608)固定连接，小腿连接件(609)外侧依次安装膝关节负载编码器(610)和膝关节负载编码器盖(611)。

11.根据权利要求10所述的外骨骼机器人，其特征在于，所述套筒(605)底部与小腿连接件(609)前侧分布设置有第一限位块(613)和第二限位块(612)，所述第一限位块(613)和第二限位块(612)配合使得所述膝关节组件(600)在矢状面的屈/伸运动范围为-150°～0°。

12.根据权利要求11所述的外骨骼机器人，其特征在于，所述左/右小腿组件(400)螺旋伸缩机构和小腿杆(901)组成，所述小腿杆(901)通过螺旋伸缩机构与所述小腿连接件(609)固定连接。

13.根据权利要求12所述的外骨骼机器人，其特征在于，所述踝关节组件(900)由联轴段(902)、膝关节轴(903)、小腿连杆(904)、底座套筒(905)组成；

所述联轴段(902)与小腿杆(901)底部连接并设置一个减震弹簧(907)，所述联轴段(902)与所述小腿连杆(904)通过膝关节轴(903)连接；

所述小腿连杆(904)底部与所述底座套筒(905)旋转安装，所述底座套筒(905)固定在所述左/右鞋部(700)上。

14.根据权利要求13所述的外骨骼机器人，其特征在于，所述联轴段(902)、膝关节轴(903)、小腿连杆(904)组成的连接机构满足所述踝关节内翻/外翻运动的范围为-35°～20°；

所述底座套筒(905)旋转安装满足所述踝关节旋内/旋外运动的范围为-15°～50°。

15.根据权利要求14所述的外骨骼机器人，其特征在于，所述底座套筒(905)底部与所述左/右鞋部(700)之间安装有惯性传感器。

16.根据权利要求15所述的外骨骼机器人，其特征在于，所述左/右鞋部(700)由前脚掌和后脚掌组成，所述前脚掌长度为整个脚长的四分之一，前脚掌和后脚掌之间通过铰链间接，使得前脚掌和后脚掌之间形成一个旋转自由度。

17.根据权利要求1所述的外骨骼机器人，其特征在于，所述左/右大腿组件(300)、左/右小腿组件(400)分别设置有大腿套环(301)和小腿套环(401)。

18.根据权利要求1所述的外骨骼机器人，其特征在于，还包括一个穿脱支撑机构(800)，所述穿脱支撑机构由控制箱(1)、伸缩部件(2)、三角支撑部件(3)组成，所述伸缩部件(2)为三段式伸缩臂，所述三段式伸缩臂由一驱动电机(4)驱动，该驱动电机(4)位于所述控制箱(1)顶部中间；

所述三角支撑部件(3)安装在所述三段式伸缩臂末端；

穿脱状态下，所述三段式伸缩臂全部伸出，三角支撑部件(3)位于底部与所述三段式伸缩臂末端之间形成三点支撑；

行走状态下，所述伸缩部件(2)、三角支撑部件(3)全部收纳于所述控制箱(1)内。

19.根据权利要求18所述的外骨骼机器人，其特征在于，所述三角支撑部件(3)由左辅助杆(31)、右辅助杆(32)、连杆(33)、气缸(34)组成，所述左辅助杆(31)、右辅助杆(32)之间至少通过两根所述连杆(33)连接，所述气缸(34)用于推动所述连杆(33)；

穿脱状态下，气缸(34)伸出，所述左辅助杆(31)、右辅助杆(32)、连杆(33)形成门型架倾斜支撑与所述伸缩部件(2)末端形成三点支撑；

行走状态下，气缸(34)收回，所述左辅助杆(31)、右辅助杆(32)、连杆(33)形成门M形收纳于所述控制箱(1)内。

20.根据权利要求19所述的外骨骼机器人，其特征在于，穿脱状态下，所述左辅助杆(31)、右辅助杆(32)、连杆(33)形成的门型架与所述伸缩部件(2)之间形成的夹角为50°。

21.一种用于权利要求1-20中任一项所述的外骨骼机器人控制系统，其特征在于，该系统由传感器感知系统、控制系统和能源系统组成；

所述传感器感知系统用于获取人体部位于外骨骼机器人之间的人机交互数据；

所述控制系统根据传感器感采集的人机交互数据，控制外骨骼机器人在人主机辅工作模式和机主人辅工作模式之间相互切换并按照步态模型进行动作；

所述能源系统用于实现供能。

22.根据权利要求21所述的外骨骼机器人，其特征在于，所述人机交互数据包括双足足底压力、膝关节、髋关节角度、足部、背部等身体主要部位的角度和加速度、背板与背部、背带与前胸、以及大小腿与外骨骼之间的人机交互力。

23.根据权利要求22所述的外骨骼机器人控制系统，其特征在于，将所述足底划分成99个单元，以足底横向作为横轴，足底纵向为竖轴，由足跟最左侧为原点进行标号，共划分为15行，第1行均分为5格，标号1-5，第2-13行每行均分为7格，标号6-89，第15行均分为6格，标号90-95，第15行均分为4格，标号96-99；

三个区间(7,8,15)、(69,70,77,78)、(80,81,87,88)内各固定一个所述压力传感器。

24.根据权利要求23所述的外骨骼机器人控制系统，其特征在于，所述传感器感知系统还提供一个步态最优矩阵模型，所述步态最优矩阵模型建立方法为：

S100：参数定义，定义Fr_Heel、Fr_ToelF、L_encoder为左/右脚踝、左/右脚趾的压力传感器值和左/右膝关节编码器的值、F_min是左/右脚底压力传感器的接触值；

S200：步态模型建立，定义：

为收腿阶段；

为预支撑阶段；

为触地阶段；

为动态支撑阶段；

为稳态支撑阶段；

S300：定义一套完整的步态模型包括：

左腿收腿阶段→左腿预支撑阶段→左腿触地阶段→左腿动态支撑阶段→左腿稳态支撑阶段→左腿收腿阶段；

右腿收腿阶段→右腿预支撑阶段→右腿触地阶段→右腿动态支撑阶段→右腿稳态支撑阶段→右腿收腿阶段。

25.根据权利要求24所述的外骨骼机器人控制系统，其特征在于，所述所述大腿摆动角度特征通过安装在足部惯性传感器的陀螺仪Z轴角加速度值获取，大腿内收和外展角度特征通过该陀螺仪Y轴角加速度值或编码器获取。

26.根据权利要求25所述的外骨骼机器人控制系统，其特征在于，所述包括一个最优步态模型训练，包括：

S101：选择所述步骤S200建立的步态模型作为最优特征矩阵并作为模版步态；

S102：对模版步态进行训练，得到训练后的模糊-神经网络预测模型。

如果要求每小时不大于2km，则步态频率大约为f＝0.833Hz，且大约1.2s内足底压力传感器信号不可能同时大于F_min。

27.根据权利要求26所述的外骨骼机器人控制系统，其特征在于，膝关节的单个步态周期角度拟合曲线分为膝关节支撑相和膝关节摆动相；

所述膝关节支撑相的拟合公式为：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidence bounds):

a1＝19.07(18.88,19.26)

b1＝5.041(4.964,5.117)

c1＝0.1257(0.1038,0.1476)

a2＝5.036(4.843,5.228)

b2＝15.44(15.01,15.88)

c2＝4.87(4.751,4.988)

膝关节支撑相期望设计如下：

在支撑阶段判断之后，开始计时，如果t1(静态变量)>0.56s，则期望角度

所述膝关节摆动相的拟合公式为：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)+a3*sin(b3*x+c3)

Coefficients(with 95％confidence bounds):

a1＝62.71(60.46,64.95)

b1＝5.023(4.847,5.199)

c1＝-0.08447(-0.1781,0.009178)

a2＝305.3(-7.561e+005,7.567e+005)

b2＝18.15(-177.3,213.6)

c2＝-4.85(-63.31,53.61)

a3＝-294.4(-7.567e+005,7.561e+005)

b3＝18.3(-180.6,217.2)

c3＝-4.897(-64.3,54.51)

膝关节摆动相期望设计如下：

在摆动阶段判断正确之后，开始计时，如果t2(静态变量)>0.62s，则期望角度

28.根据权利要求27所述的外骨骼机器人控制系统，其特征在于，所述单个步态周期内髋关节角度拟合曲线分为髋关节支撑相和髋关节摆动相；

所述髋关节支撑相拟合公式：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidence bounds):

a1＝41.16(40.56,41.76)

b1＝2.729(2.667,2.792)

c1＝1.6(1.564,1.635)

a2＝3.433(3.274,3.593)

b2＝13.32(12.9,13.74)

c2＝-0.2561(-0.3927,-0.1195)

髋关节支撑相期望设计如下：

在支撑阶段判断之后，开始计时，如果t3(静态变量)>0.56s，则期望角度

所述髋关节摆动相拟合公式：

f(x)＝a1*sin(b1*x+c1)+a2*sin(b2*x+c2)

Coefficients(with 95％confidence bounds):

a1＝44.05(41.57,46.52)

b1＝1.882(1.699,2.065)

c1＝-0.01887(-0.04706,0.009316)

a2＝10.47(10.01,10.94)

b2＝11.8(11.48,12.12)

c2＝2.753(2.644,2.862)

Goodness of fit:

SSE:7.426

R-square:0.9996

Adjusted R-square:0.9996

RMSE:0.3609

髋关节摆动相期望设计如下：

在摆动阶段判断正确之后，开始计时，如果t4(静态变量)>0.62s，则期望角度

29.根据权利要求21所述的外骨骼机器人控制系统，其特征在于，所述人主机辅工作模式和机主人辅工作模式之间相互切的策略为：

S001：在低速行走、作业任务下外骨骼机器人处于人主机辅工作模式；

S002：当人体控制导致外骨骼可能进入到失稳或者伤害到人体的极限状态下，系统将实时检测到这一状态并自动切换到机主人辅模式下；

和，或；

设置切换按钮，当穿戴者受伤等特殊情况下，人体无法完成在回路中的控制作用时，穿戴者可以按下切换按钮，手动将外骨骼切换到机主人辅工作状态，让外骨骼自主携带人体完成任务。

30.根据权利要求29所述的外骨骼机器人控制系统，其特征在于，所述所述人主机辅模式的控制策略为：

S101：外骨骼服通过感知系统获得多点人机交互力、膝关节髋关节角度，踝部及背部姿态等综合获取人体的运动姿态；

S102：解算人体的运动意图，从而根据既定的柔顺控制策略，驱动外骨骼实时跟随人体，做出动作并帮助使用者节省力量达到助力目的；

所述机主人辅模式的控制策略为：

S201：基于人体仿生工程学，分析人体在行走、作业任务下的步态需求建立步态参数的变化规律；

S202：根据步态参数的变化规律建立人体在低速行走、作业任务下的步态模型；

S203：步态规划模型直接给出外骨骼的运动步态，驱动外骨骼执行器带动人体运动。

31.根据权利要求30所述的外骨骼机器人控制系统，其特征在于，所述所述机主人辅模式的控制策略步骤S203之前，还包括一个步态运动稳定性预测，其具体步骤为：

S211：基于ZMP、FRI、极限环算法，建立人机双智能体典型行走作业工况下的稳定性判据；

S212：基于稳定性判据的外骨骼步态参数在线优化设计，再通过运动学反解模型，得到各驱动关节的运动信息，实现外骨骼步态的实施；

S213：结合稳定性判据及人机交互状态辨识，实时预测外部环境信息，通过步态指令切换及强化学习方式，实现外骨骼步态在线稳定性优化。

32.根据权利要求31所述的外骨骼机器人控制系统，其特征在于，所述所述步态参数包括步长L、步高H、单脚支撑时间t1、双脚支撑时间t2。

33.根据权利要求21所述的外骨骼机器人控制系统，其特征在于，所述控制系统还包括一个负载模型建模方法，其步骤为：

S301：参数设定，设电枢绕组的电感为L_a，电枢绕组的电阻为R_a，电枢电压为u_a，流过电枢的电流为i_a，电机轴的角速度为Ω，电机轴转角为θ；

S302：参数计算；

对电枢回路，根据基尔霍夫电压定律可得：

式中

为电枢反电动势，其大小与励磁磁通及转速成正比，方向与电枢电压u_a相反，K_e为反电动势系数；

电动机其电磁转矩方程为

M＝K_mi_a

其中K_m为电动机转矩系数，M为电枢电流产生电磁转矩；

电机轴上转矩平衡方程

其中：

J为折算到电机轴上的等效转动惯量，若电机转轴自身转动惯量为J_M，负载折算到电机转轴的转动惯量为J_ML，则J＝J_M+J_ML；

B为折算到电机轴上的粘性摩擦系数，若电机转轴自身转动粘性摩擦系数为B_M，负载折算到电机转轴的粘性摩擦系数为B_ML，则B＝B_M+B_ML；

M_L为电机轴上的转矩，即负载力矩；

由以上电机运动方程消去中间变量M,i_a,E_a，可以得到：

记

则

上式即为电枢控制直流电动机微分方程，其输入量为电枢电压u_a和负载转矩M_L，输出为电机轴转速Ω，u_a为控制输入，M_L为扰动输入；

当以电机轴转角为θ作为输出量时，带入关系

可以得到以转过角度作为输出时的微分方程为：

34.根据权利要求33所述的外骨骼机器人控制系统，其特征在于，所述负载模型建模之前还包括一个运动负载输入步骤，所述运动负载输入包括软件建模计算和数学动力模型求逆计算；

软件建模计算，外骨骼机器人机械结构设计好后，通过加入关节驱动输入，包括角度、角速度和角加速度等，结构运动起来后可以得到关节负载扭矩；该计算方法需要提前建立机械结构仿真模型，并能实现几种动作模式要求；

数学动力模型求逆计算，通过拉尔朗日建立多连杆机械数学模型，此时的模型参数一定要按照实际机械结构设计需要设定；机械系统的拉格朗日动力学模型为：

其中q＝[q₁ q₂ q₃]^T，H(q)为惯性矩阵，

是Coriolis项，G(q)是重力项，Τ＝[T₁ T₂T₃]表示作用在骨骼服上的合外力矩，T₁表示踝关节力矩，T₂表示膝关节力矩，T₃表示髋关节力矩；H(q)，G(q)的具体形式如下

H₁₁(q)＝I_t+I_ub+m_sL_Gs ²+m_tL_s ²+m_tL_Gt ²+m_ubL_s ²+m_ubL_t ²+m_ubL_Gub ²+2m_tL_GtL_s cos(q₂)+2m_ubL_tL_scos(q₂)+2m_ubL_GubL_t cos(q₃)+2m_ubL_GubL_scos(q₂+q₃)

H₁₂(q)＝I_t+I_ub+m_tL_Gt ²+m_ubL_t ²+m_ubL_Gub ²+2m_ubL_GubL_t cos(q₃)+m_ubL_t cos(q₂)+m_tL_GtL_s cos(q₂)+m_ubL_GubL_s cos(q₂+q₃)

H₁₃(q)＝I_u+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)+m_ubL_GubL_s cos(q₂+q₃)

H₂₁(q)＝I_t+I_ub+m_tL_Gt ²+m_ubL_Gub ²+m_ubL_t ²+m_tL_GtL_scos(q₂)+m_ubL_sL_t cos(q₂)+2m_ubL_GubL_t cos(q₃)+m_ubL_sL_Gub cos(q₂+q₃)

H₂₂(q)＝I_t+I_ub+m_ubL_t ²+m_tL_Gt ²+m_ubL_Gub ²+2m_ubL_GubL_t cos(q₃)

H₂₃(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)

H₃₁(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)+m_ubL_GubL_s cos(q₂+q₃)

H₃₂(q)＝I_ub+m_ubL_Gub ²+m_ubL_GubL_t cos(q₃)

H₃₃(q)＝I_ub+m_ubL_Gub ²

G₁(q)＝-m_ubgL_s sin(q₁)-m_ubgL_t sin(q₁+q₂)-m_ubgL_Gub sin(q₁+q₂+q₃)-m_tgL_s sin(q₁)-m_tgL_Gt sin(q₁+q₂)-m_sgL_Gs sin(q₁)

G₂(q)＝-m_ubgL_Gub sin(q₁+q₂+q₃)-m_tgL_Gt sin(q₁+q₂)-m_ubgL_t sin(q₁+q₂)

G₃(q)＝-m_ubgL_Gub sin(q₁+q₂+q₃)

通过各种动作模式下步态运动输入，关节位姿、角速度、角加速度作为已知量，代入到系统拉格朗日模型中，就可以近似得到各关节负载扭矩。

35.根据权利要求34所述的外骨骼机器人控制系统，其特征在于，还包括一个减速器模型建立方法；

加入减速器之后，由能量守恒定理得到，电机扭矩可以提高μ倍，转速降低μ倍，μ为减速器的减速比，因此电机轴上转矩平衡方程修改为：

另外，需要将电机转轴上转动惯量折合到减速器输出轴上转动惯量，转换方式为：

J′_re＝J_re+μ²J_m

B′_re＝B_re+μ²B_m

其中Jre为减速器绕自身轴的转动惯量，Jm为电机绕自身轴转动惯量，J′_re为电机转轴上转动惯量折合到减速器输出轴上转动惯量，Bre为减速器绕自身轴的阻尼比，Bm为电机绕自身轴阻尼比，B′_re为电机转轴上转动惯量折合到减速器输出轴上阻尼比。

36.根据权利要求35所述的外骨骼机器人控制系统，其特征在于，还包括一个控制器设计，所述控制器设计为：

U_d＝k_p(θ-θ_exp)+k_i∫(θ-θ_exp)+k_dω_d。

37.根据权利要求36所述的外骨骼机器人控制系统，其特征在于，还包括一个电机减速器模块设计；

设电机模块的输入为控制器输出的电压控制量u(t)，输出为转矩M；

根据电机和减速器的工作原理，设计电机减速器的模型；

电机电枢回路方程：

其中，E_d＝K_eω_d

由于电感Ld数值很小，可以忽略，因此电枢电流表示为：

电动机电磁转矩方程为：

M_d＝K_mi_d

电机输出的力矩为T，T＝Md

加入减速比u后，将减速器输出的力矩T＇等效为：

T′＝uT＝u(T_M-J_Mα-B_Mω)。

38.根据权利要求37所述的外骨骼机器人控制系统，其特征在于，其中膝关节电机参数幅值限制如下：

max(T′)＝91N·m，

max(ω_d)＝2.86rad/s，

max(i_d)＝12.9A，

max(T)＝0.6N·m。

Images