CN111267071A - 外骨骼机器人多关节联合控制系统和方法 - Google Patents

Abstract

本发明提供了一种外骨骼机器人多关节联合控制系统和方法，控制系统将全脚掌压力传感系统与肢体姿态传感系统的实时反馈信号输入到“多信号融合与解耦模型”，由模型对多种信号完成融合与解耦，并输出各类关节电机控制量，控制电机运转；运用神经网络搭建“多信号融合与解耦模型”，经过大量训练，生成具备多信号融合与解耦的成熟应用模型；根据控制系统中的人机交互传感系统对模型输出的各类关节电机控制量进行实时修正，起到辅助优化的作用，以达到外骨骼机器人的最佳穿戴效果；在关节电机控制方面，运用电机实时的电流闭环控制与位置(关节角度)闭环控制，实现电机的快速、精准控制。

Description

外骨骼机器人多关节联合控制系统和方法

技术领域

本发明涉及机器人控制技术领域，具体地，涉及一种外骨骼机器人多关节联合控制系统和方法，尤其涉及一种基于多信号融合、解耦、反馈的多关节联合控制的外骨骼机器人系统的控制方法。

背景技术

外骨骼机器人是模仿人体的骨骼结构及运动特点而设计出来的，依附于人体，帮助解放人体某方面功能或增强人体某方面性能的机器人。当前外骨骼机器人在人体穿戴的舒适性，尤其是外骨骼机器人跟随人体运动的合拍性是外骨骼机器人研究的关键技术。

参考专利文献CN110584954A公开的一种柔性连续体驱动型外骨骼机器人，现有技术在传感系统布置上，通常采用姿态传感器与脚底压力传感器相结合的传感系统组建方法，然而常用脚底压力传感器多为单点或双点布置，无法感知运动步态的支撑相脚底压力的完整变化过程；而姿态传感器的反馈信号为空间维度上的信号，且信号因为外骨骼在人体上绑缚的非刚性与肢体运动实际方向的不确定性，通常多数忽略了这个因素，或以数学空间计算解耦来获得电机控制维度的控制分量比较繁琐。此外，在常规的外骨骼机器人控制对全系统的人机交互力未能够实现全面的关注，阻碍了柔顺控制进一步提高。

要保障下肢外骨骼在跟随人体运动时的柔顺性和良好的助力效果，本发明从全脚掌压力与姿态传感、信号融合与解耦、人机交互三方面研究对提高下肢外骨骼机器人的控制性能进行了重点展开。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种外骨骼机器人多关节联合控制系统和方法。

根据本发明提供的一种外骨骼机器人多关节联合控制系统，包括传感反馈子系统和控制器；所述传感反馈子系统包括全脚掌压力传感模块；

所述全脚掌压力传感模块包括设置在脚掌着力点上的多个压敏传感器；所述脚掌着力点至少包括脚趾部位、前脚掌部位以及脚跟部位中的一处；

所述全脚掌压力传感模块能够随着使用者的行走输出一组脚底压力信号组；所述脚底压力信号组为多个压敏传感器反馈信号的集合；

所述控制器能够对脚底压力信号组进行调理和实时采集。

优选地，所述传感反馈子系统还包括肢体姿态传感模块；

所述肢体姿态传感模块包括设置在特征运动部位的多个姿态传感器；所述特征运动部位至少包括左小腿、左大腿、右小腿、右大腿以及腰中的一处；

所述肢体姿态传感模块能够随着使用者的运动实时监测与反馈每个部位的运动角度、运动角速度以及加速度，并作为肢体姿态信号组输出；

所述控制器利用CAN总线技术，将每个姿态传感器搭载于总线上，实时对每个传感模块进行访问，获取每个传感模块的运动信息。

优选地，所述传感反馈子系统还包括人机交互传感模块；

所述人机交互传感模块包括设置在穿戴连接接触部位的多个相互作用传感器；所述穿戴连接接触部位至少包括小腿绑缚处、大腿绑缚处、肩带背负处以及肩带绑缚处中的一处；所述相互作用传感器至少包括拉力传感器和压力传感器这两者之一；

所述人机交互传感模块能够随着使用者的运动输出一组人机交互力反馈信息；所述人机交互力反馈信息为多个相互作用传感器反馈信号的集合。

所述控制器能够对人机交互力反馈信息进行调理和实时采集。

优选地，所述外骨骼机器人多关节联合控制系统还包括基于神经网络的多信号融合与解耦模型；

所述基于神经网络的多信号融合与解耦模型为经过训练的神经网络模型。

优选地，所述神经网络模型经过如下训练：

采用设定组数的离散的标准步态周期的姿态信号、脚底压力信号以及相应的关节电机控制信号对神经网络模型进行训练，使其在不同步态传感信号输入时，能够得到满足设定要求的输出量去控制各类关节电机；

所述标准步态包括正常行走步态、下蹲步态、跳跃步态、跑步步态、上坡步态以及下坡步态中的任一种或任多种组合。

根据本发明提供的一种外骨骼机器人多关节联合控制方法，利用上述的外骨骼机器人多关节联合控制系统，在至少包括全脚掌压力传感模块、肢体姿态传感模块以及人机交互传感模块这三者之一的传感网络的基础上，结合经过训练的、基于神经网络的多信号融合与解耦模型，对多种信号完成融合与解耦，输出控制量控制各类关节电机；利用人机交互传感系统对控制量进行实时修正。

优选地，所述基于神经网络的多信号融合与解耦模型能够处理输入信号组，并计算输出控制量；

所述输入信号组包括：

-模型输入组1，即将脚底压力信号组；和

-模型输入组2，即姿态传感信号组。

优选地：

利用所述全脚掌压力传感模块，控制器能够全方位地采集到人在各类步态行走过程中脚底受力部位的变化与各部位受力的大小，从而反映支撑相的步态特点，进而能够区分腿部的支撑相与摆动相；

利用所述肢体姿态传感模块，控制器能够区分设定部位的姿态传感，获取人在运动时设定部位的姿态变化规律，覆盖腿部支撑相及摆动相的步态变化特征；获取姿态传感的设定部位至少包括下肢大腿姿态、小腿姿态以及躯干姿态这三者之一；

所述人机交互传感模块能够实时反馈各个部位的人机交互值，控制器能够利用人机交互值对各类关节电机控制量进行修正；不同功能的外骨骼采用不同的控制量修正算法。

优选地，所述外骨骼机器人多关节联合控制方法包括两个控制闭环，即第一闭环和第二闭环；

所述第一闭环是指基于全脚掌压力传感模、肢体姿态传感模块实时反馈信号，经基于神经网络的多信号融合与解耦模型输出各关节电机控制量，驱动关节电机的控制闭环；

所述第二闭环是指基于人机交互传感模块实时反馈信号，经控制量修正算法输出修正量作用于原控制量，得到修正后的电机控制量，驱动关节电机的控制闭环；

所述第一闭环的控制闭环周期时间大于第二闭环的控制闭环周期时间；

所述第二闭环还包括内环和外环，内环为电机电流闭环，外环为电机位置、关节角度闭环；

所述内环周期时间小于外环闭环周期时间。

根据本发明提供的一种外骨骼机器人多关节联合控制方法，利用上述的外骨骼机器人多关节联合控制系统，包括如下步骤：

步骤1：肢体姿态传感器信号采集；

步骤2：全脚掌压力传感器信号采集；

步骤3：姿态传感信号与压力传感信号输入基于神经网络的多信号融合与解耦模型；

步骤4：基于神经网络的多信号融合与解耦模型根据输入信号完成信号融合与解耦后输出各类关节电机的控制量；

步骤5：在步骤4中产生的各类关节电机控制量作用对应的关节电机驱动器；

步骤6：在步骤5中关节电机驱动器产生驱动信号作用于关节电机，电机执行动作控制外骨骼运动；

步骤7：人与外骨骼相互作用，产生人机交互力；另一方面，闭环控制返回步骤1，形成完整的第一闭环的闭环控制；

步骤8：人机交互传感器采集人机交互力信号，传送给控制量修正算法；

步骤9：控制量修正算法根据人机交互信号，得出修正量作用于原控制量，得到修正后的电机控制量，返回步骤5，形成完整的第二闭环的控制闭环。

与现有技术相比，本发明具有如下的有益效果：

1)采用更完善的传感器系统，能够准确感知实际步态状况，实现控制的准确性；

2)采用神经网络模型进行多信号的融合与解耦，减小信号的非线性造成的控制误差，减小控制干扰，是控制性能稳定且柔顺；

3)采用外骨骼人机交互传感系统的高速修正控制，在保证外骨骼功能的前题下，增强人机结合的舒适感受，减小阻碍感。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的控制原理示意图；

图2为本发明的控制流程示意图；

图3为本发明的基于神经网络的多信号融合与解耦模型示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

根据本发明提供的一种外骨骼机器人多关节联合控制系统，包括传感反馈子系统和控制器；所述传感反馈子系统包括全脚掌压力传感模块；

所述全脚掌压力传感模块包括设置在脚掌着力点上的多个压敏传感器；所述脚掌着力点至少包括脚趾部位、前脚掌部位以及脚跟部位中的一处；

所述全脚掌压力传感模块能够随着使用者的行走输出一组脚底压力信号组；所述脚底压力信号组为多个压敏传感器反馈信号的集合；

所述控制器能够对脚底压力信号组进行调理和实时采集。

所述传感反馈子系统还包括肢体姿态传感模块；

所述肢体姿态传感模块包括设置在特征运动部位的多个姿态传感器；所述特征运动部位至少包括左小腿、左大腿、右小腿、右大腿以及腰中的一处；

所述肢体姿态传感模块能够随着使用者的运动实时监测与反馈每个部位的运动角度、运动角速度以及加速度，并作为肢体姿态信号组输出；

所述控制器利用CAN总线技术，将每个姿态传感器搭载于总线上，实时对每个传感模块进行访问，获取每个传感模块的运动信息。

所述传感反馈子系统还包括人机交互传感模块；

所述人机交互传感模块包括设置在穿戴连接接触部位的多个相互作用传感器；所述穿戴连接接触部位至少包括小腿绑缚处、大腿绑缚处、肩带背负处以及肩带绑缚处中的一处；所述相互作用传感器至少包括拉力传感器和压力传感器这两者之一；

所述人机交互传感模块能够随着使用者的运动输出一组人机交互力反馈信息；所述人机交互力反馈信息为多个相互作用传感器反馈信号的集合。

所述控制器能够对人机交互力反馈信息进行调理和实时采集。

所述外骨骼机器人多关节联合控制系统还包括基于神经网络的多信号融合与解耦模型；

所述基于神经网络的多信号融合与解耦模型为经过训练的神经网络模型。

所述神经网络模型经过如下训练：

采用设定组数的离散的标准步态周期的姿态信号、脚底压力信号以及相应的关节电机控制信号对神经网络模型进行训练，使其在不同步态传感信号输入时，能够得到满足设定要求的输出量去控制各类关节电机；

所述标准步态包括正常行走步态、下蹲步态、跳跃步态、跑步步态、上坡步态以及下坡步态中的任一种或任多种组合。

根据本发明提供的一种外骨骼机器人多关节联合控制方法，利用上述的外骨骼机器人多关节联合控制系统，在至少包括全脚掌压力传感模块、肢体姿态传感模块以及人机交互传感模块这三者之一的传感网络的基础上，结合经过训练的、基于神经网络的多信号融合与解耦模型，对多种信号完成融合与解耦，输出控制量控制各类关节电机；利用人机交互传感系统对控制量进行实时修正。

所述基于神经网络的多信号融合与解耦模型能够处理输入信号组，并计算输出控制量；

所述输入信号组包括：

-模型输入组1，即将脚底压力信号组；和

-模型输入组2，即姿态传感信号组。

优选地：

利用所述全脚掌压力传感模块，控制器能够全方位地采集到人在各类步态行走过程中脚底受力部位的变化与各部位受力的大小，从而反映支撑相的步态特点，进而能够区分腿部的支撑相与摆动相；

利用所述肢体姿态传感模块，控制器能够区分设定部位的姿态传感，获取人在运动时设定部位的姿态变化规律，覆盖腿部支撑相及摆动相的步态变化特征；获取姿态传感的设定部位至少包括下肢大腿姿态、小腿姿态以及躯干姿态这三者之一；

所述人机交互传感模块能够实时反馈各个部位的人机交互值，控制器能够利用人机交互值对各类关节电机控制量进行修正；不同功能的外骨骼采用不同的控制量修正算法。

所述外骨骼机器人多关节联合控制方法包括两个控制闭环，即第一闭环和第二闭环；

所述第一闭环是指基于全脚掌压力传感模、肢体姿态传感模块实时反馈信号，经基于神经网络的多信号融合与解耦模型输出各关节电机控制量，驱动关节电机的控制闭环；

所述第二闭环是指基于人机交互传感模块实时反馈信号，经控制量修正算法输出修正量作用于原控制量，得到修正后的电机控制量，驱动关节电机的控制闭环；

所述第一闭环的控制闭环周期时间大于第二闭环的控制闭环周期时间；

所述第二闭环还包括内环和外环，内环为电机电流闭环，外环为电机位置、关节角度闭环；

所述内环周期时间小于外环闭环周期时间。

根据本发明提供的一种外骨骼机器人多关节联合控制方法，利用上述的外骨骼机器人多关节联合控制系统，包括如下步骤：

步骤1：肢体姿态传感器信号采集；

步骤2：全脚掌压力传感器信号采集；

步骤3：姿态传感信号与压力传感信号输入基于神经网络的多信号融合与解耦模型；

步骤4：基于神经网络的多信号融合与解耦模型根据输入信号完成信号融合与解耦后输出各类关节电机的控制量；

步骤5：在步骤4中产生的各类关节电机控制量作用对应的关节电机驱动器；

步骤6：在步骤5中关节电机驱动器产生驱动信号作用于关节电机，电机执行动作控制外骨骼运动；

步骤7：人与外骨骼相互作用，产生人机交互力；另一方面，闭环控制返回步骤1，形成完整的第一闭环的闭环控制；

步骤8：人机交互传感器采集人机交互力信号，传送给控制量修正算法；

步骤9：控制量修正算法根据人机交互信号，得出修正量作用于原控制量，得到修正后的电机控制量，返回步骤5，形成完整的第二闭环的控制闭环。

具体地，本发明的优选例公开了一种基于多信号融合与解耦的外骨骼机器人多关节联合控制方法。控制系统将全脚掌压力传感系统与肢体姿态传感系统的实时反馈信号输入到“多信号融合与解耦模型”，由模型对多种信号完成融合与解耦，并输出各类关节电机控制量，控制电机运转；运用神经网络搭建“多信号融合与解耦模型”，经过大量训练，生成具备多信号融合与解耦的成熟应用模型；根据控制系统中的人机交互传感系统对模型输出的各类关节电机控制量进行实时修正，起到辅助优化的作用，以达到外骨骼机器人的最佳穿戴效果；在关节电机控制方面，运用电机实时的电流闭环控制与位置(关节角度)闭环控制，实现电机的快速、精准控制。

针对目前外骨骼机器人控制中存在的不足，本发明的优选例提出了一种基于多信号融合与解耦的外骨骼机器人多关节联合控制方法，在实现外骨骼功能的情况下，提高外骨骼对人的跟随性，消除其对人的运动阻碍感。

本发明是通过以下技术方案实现的：

外骨骼机器人控制方法是以完善的传感系统为基础，其中包括全脚掌压力传感系统、肢体姿态传感系统以及人机交互传感系统。

全脚掌压力传感系统是在脚底高密度布置压力传感器，使控制系统能够全方位地采集到人在各类步态行走过程中脚底受力部位的变化与各部位受力的大小，准确反映支撑相的步态特点，有效区分腿部的支撑相与摆动相。

肢体姿态传感系统则包括下肢大小腿姿态、躯干姿态等反应步态特征的众多部位姿态传感，全面获取人在运动时不同部位的姿态变化规律，覆盖腿部支撑相及摆动相的步态变化特征。

人机交互传感系统则布置在外骨骼与人体的穿戴连接处，实时反馈各个部位的人机交互值。

对于复杂的传感系统反馈信号的应用，外骨骼机器人运用基于神经网络的多信号融合与解耦模型处理信号组，并计算输出控制量，如图3所示。对于多种类、强耦合的不同传感系统信号，采用当前备受关注的神经网络模型，来完成对复杂传感信号的处理与计算，将脚底压力信号组作为模型输入组1，将姿态传感信号组作为模型的输入组2，经过神经网络对输入信号的融合与解耦得出各类关节电机的控制量作用于电机。神经网络模型在使用前必须经过大量的训练，事先采用大量离散的标准步态周期的姿态信号、脚底压力信号以及相应的关节电机控制信号对神经网络模型进行训练，使其在不同步态传感信号输入时，能够得到稳定可靠的输出量去控制各类关节电机。

在关节电机控制过程中，采用电机控制位置与电流双闭环控制方法，保证电机控制精度。并引入人机交互传感系统，根据外骨骼机器人的不同功能，采用相匹配的关节电机控制量修正算法，对原控制量进行辅助修正，使外骨骼机器人在实现功能用途的基础上，做到柔顺性等控制性能上的提升。

如图2所示，第二闭环(双点画线内的控制闭环)的闭环频率比第一闭环(虚线框内的控制闭环)的闭环频率更高，闭环周期两者约相差一个数量级。

本发明的外骨骼机器人控制方法如下：

1)肢体姿态传感器信号采集；

2)全脚掌压力传感器信号采集；

3)姿态传感信号与压力传感信号输入基于神经网络的多信号融合与解耦模型；

4)基于神经网络的多信号融合与解耦模型根据输入信号完成信号融合与解耦后输出各类关节电机的控制量；

5)在4)中产生的各类关节电机控制量作用对应的关节电机驱动器；

6)在步骤5)中关节电机驱动器产生驱动信号作用于关节电机，电机执行动作控制外骨骼运动；

7)人与外骨骼相互作用，产生人机交互力；另一方面，闭环控制返回步骤1)，形成完整的第一闭环的闭环控制；

8)人机交互传感器采集人机交互力信号，传送给控制量修正算法；

9)控制量修正算法根据人机交互信号，得出修正量作用于原控制量，得到修正后的电机控制量，返回步骤5)，形成完整的第二闭环的控制闭环。

进一步地，本发明优选例的基于多信号融合与解耦的外骨骼机器人多关节联合控制方法，运用全脚掌压力传感系统、肢体姿态传感系统与人机交互传感系统组成完善的传感网络，搭建并训练基于神经网络的多信号融合与解耦模型，对多种信号完成融合与解耦，输出控制量控制各类关节电机；利用人机交互传感系统对控制量进行实时修正；并在电机自身控制中采用电流与位置(关节角度)双闭环。

传感器的布置采用充分性与关键部位不遗漏的原则，确保传感信号能完整可靠地体现步态运动全过程。

模型的输入信号为脚底压力信号组与肢体姿态信号组，输出为各类关节电机控制量，模型在使用前必须先经过大量的训练，训练数据包括各种类的步态数据，如正常行走、下蹲、跳跃、跑步、上坡、下坡等步态过程；训练完成后对训练成果进行评估，达到指标后方可使用，确保模型对各类步态的有效性。

引入人机交互传感系统用于对各类关节电机控制量的修正；不同功能的外骨骼采用不同的控制量修正算法。

控制方案由两个闭环控制组成，如图2所示，分别为第一闭环与第二闭环。第一闭环为外骨骼机器人整体控制闭环，第二闭环是各类关节电机控制量的内修正闭环，第一闭环的控制闭环周期时间比第二闭环的控制闭环周期时间大一个数量级。

本发明中的全脚掌压力传感系统、肢体姿态传感系统以及人机交互传感系统中传感器的布置采用充分性与关键部位不遗漏的原则，确保传感信号能完整可靠地体现步态运动全过程。

基于神经网络的多信号融合与解耦模型在使用前必须先经过大量的训练，采用事先获得的标准数据对模型进行大量训练，训练完成后对训练成果进行评估，达到指标后方可使用。标准数据包含各类步态，包括正常行走、下蹲、跳跃、跑步、上坡、下坡等步态过程，确保模型对各类步态的有效性。

控制方案由两个闭环控制组成，分别为第一闭环与第二闭环。第一闭环为外骨骼机器人控制的大闭环，第二闭环是控制的内闭环，第一闭环的控制闭环周期时间比第二闭环的控制闭环周期时间大一个数量级。

在第二闭环中间控制量控制的电机过程中，包含电机自身的双闭环控制，自身双闭环也分内环和外环，内环为电机电流闭环，外环为电机位置(关节角度)闭环，期内换闭环周期时间也小于外环闭环周期时间。

根据控制流程图，总结外骨骼机器人控制方法如下：

1)肢体姿态传感器信号采集；

2)全脚掌压力传感器信号采集；

3)姿态传感信号与压力传感信号输入基于神经网络的多信号融合与解耦模型；

4)基于神经网络的多信号融合与解耦模型根据输入信号完成信号融合与解耦后输出各类关节电机的控制量；

5)在4)中产生的各类关节电机控制量作用对应的关节电机驱动器；

6)在步骤5)中关节电机驱动器产生驱动信号作用于关节电机，电机执行动作控制外骨骼运动；

7)人与外骨骼相互作用，产生人机交互力；另一方面，闭环控制返回步骤1)，形成完整的第一闭环的闭环控制；

8)人机交互传感器采集人机交互力信号，传送给控制量修正算法；

9)控制量修正算法根据人机交互信号，得出修正量作用于原控制量，得到修正后的电机控制量，返回步骤5)，形成完整的第二闭环的控制闭环。

本发明优选的传感器系统说明如下：

一、全脚掌压力传感系统

全脚掌压力传感系统采用压敏电阻技术为依据，在脚掌主要着力点(包括脚趾部位、前脚掌部位、脚跟部位)高密度离散布置压敏传感器组成全脚掌压力传感系统，传感系统由外部电源供电，在人行走过程中，不同部位传感器根据所承受的压力的大小线性输出电压反馈量，系统控制器负责完成信号调理，同时系统控制器采用ADC功能模块，即模数转换模块实时采集调理后的双脚全脚掌压力变化。

二、肢体姿态传感系统

肢体姿态传感系统采用MEMS传感技术，将姿态传感器布置在左小腿、左大腿、右小腿、右大腿、腰等特征运动部位，组成整个肢体姿态传感系统。每个传感器模块集成微控制器，能够在运动中实时监测与反馈每个部位的运动角度、运动角速度及加速度。系统控制器采用CAN总线技术，将每个姿态传感器搭载于总线上，实时对每个传感模块进行访问，获取每个传感模块的运动信息。

三、人机交互传感系统

人机交互传感系统采用一类能够感知物体间相互作用力的传感器(包括拉力传感器、压力传感器等)组成的传感网络系统，传感器主要布置在人体与外骨骼机器人的穿戴连接接触部位，包括小腿绑缚处、大腿绑缚处、肩带背负或绑缚处等。传感器采用外部电源供电，由系统控制器完成对反馈信号的调理并通过ADC功能模块完成对各处人机交互力反馈信息的实时采集。

在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种外骨骼机器人多关节联合控制系统，其特征在于，包括传感反馈子系统和控制器；所述传感反馈子系统包括全脚掌压力传感模块；

所述全脚掌压力传感模块包括设置在脚掌着力点上的多个压敏传感器；所述脚掌着力点至少包括脚趾部位、前脚掌部位以及脚跟部位中的一处；

所述全脚掌压力传感模块能够随着使用者的行走输出一组脚底压力信号组；所述脚底压力信号组为多个压敏传感器反馈信号的集合；

所述控制器能够对脚底压力信号组进行调理和实时采集。

2.根据权利要求1所述的外骨骼机器人多关节联合控制系统，其特征在于，所述传感反馈子系统还包括肢体姿态传感模块；

所述肢体姿态传感模块包括设置在特征运动部位的多个姿态传感器；所述特征运动部位至少包括左小腿、左大腿、右小腿、右大腿以及腰中的一处；

所述肢体姿态传感模块能够随着使用者的运动实时监测与反馈每个部位的运动角度、运动角速度以及加速度，并作为肢体姿态信号组输出；

所述控制器利用CAN总线技术，将每个姿态传感器搭载于总线上，实时对每个传感模块进行访问，获取每个传感模块的运动信息。

3.根据权利要求1所述的外骨骼机器人多关节联合控制系统，其特征在于，所述传感反馈子系统还包括人机交互传感模块；

所述人机交互传感模块包括设置在穿戴连接接触部位的多个相互作用传感器；所述穿戴连接接触部位至少包括小腿绑缚处、大腿绑缚处、肩带背负处以及肩带绑缚处中的一处；所述相互作用传感器至少包括拉力传感器和压力传感器这两者之一；

所述人机交互传感模块能够随着使用者的运动输出一组人机交互力反馈信息；所述人机交互力反馈信息为多个相互作用传感器反馈信号的集合。

所述控制器能够对人机交互力反馈信息进行调理和实时采集。

4.根据权利要求1至3中任一项所述的外骨骼机器人多关节联合控制系统，其特征在于，所述外骨骼机器人多关节联合控制系统还包括基于神经网络的多信号融合与解耦模型；

所述基于神经网络的多信号融合与解耦模型为经过训练的神经网络模型。

5.根据权利要求4所述的外骨骼机器人多关节联合控制系统，其特征在于，所述神经网络模型经过如下训练：

采用设定组数的离散的标准步态周期的姿态信号、脚底压力信号以及相应的关节电机控制信号对神经网络模型进行训练，使其在不同步态传感信号输入时，能够得到满足设定要求的输出量去控制各类关节电机；

所述标准步态包括正常行走步态、下蹲步态、跳跃步态、跑步步态、上坡步态以及下坡步态中的任一种或任多种组合。

6.一种外骨骼机器人多关节联合控制方法，其特征在于，利用权利要求1至5中任一项所述的外骨骼机器人多关节联合控制系统，在至少包括全脚掌压力传感模块、肢体姿态传感模块以及人机交互传感模块这三者之一的传感网络的基础上，结合经过训练的、基于神经网络的多信号融合与解耦模型，对多种信号完成融合与解耦，输出控制量控制各类关节电机；利用人机交互传感系统对控制量进行实时修正。

7.根据权利要求6所述的外骨骼机器人多关节联合控制方法，其特征在于，所述基于神经网络的多信号融合与解耦模型能够处理输入信号组，并计算输出控制量；

所述输入信号组包括：

-模型输入组1，即将脚底压力信号组；和

-模型输入组2，即姿态传感信号组。

8.根据权利要求6所述的外骨骼机器人多关节联合控制方法，其特征在于：

利用所述全脚掌压力传感模块，控制器能够全方位地采集到人在各类步态行走过程中脚底受力部位的变化与各部位受力的大小，从而反映支撑相的步态特点，进而能够区分腿部的支撑相与摆动相；

利用所述肢体姿态传感模块，控制器能够区分设定部位的姿态传感，获取人在运动时设定部位的姿态变化规律，覆盖腿部支撑相及摆动相的步态变化特征；获取姿态传感的设定部位至少包括下肢大腿姿态、小腿姿态以及躯干姿态这三者之一；

所述人机交互传感模块能够实时反馈各个部位的人机交互值，控制器能够利用人机交互值对各类关节电机控制量进行修正；不同功能的外骨骼采用不同的控制量修正算法。

9.根据权利要求6至8中任一项所述的外骨骼机器人多关节联合控制方法，其特征在于，所述外骨骼机器人多关节联合控制方法包括两个控制闭环，即第一闭环和第二闭环；

所述第一闭环是指基于全脚掌压力传感模、肢体姿态传感模块实时反馈信号，经基于神经网络的多信号融合与解耦模型输出各关节电机控制量，驱动关节电机的控制闭环；

所述第二闭环是指基于人机交互传感模块实时反馈信号，经控制量修正算法输出修正量作用于原控制量，得到修正后的电机控制量，驱动关节电机的控制闭环；

所述第一闭环的控制闭环周期时间大于第二闭环的控制闭环周期时间；

所述第二闭环还包括内环和外环，内环为电机电流闭环，外环为电机位置、关节角度闭环；

所述内环周期时间小于外环闭环周期时间。

10.一种外骨骼机器人多关节联合控制方法，其特征在于，利用权利要求1至5中任一项所述的外骨骼机器人多关节联合控制系统，包括如下步骤：

步骤1：肢体姿态传感器信号采集；

步骤2：全脚掌压力传感器信号采集；

步骤3：姿态传感信号与压力传感信号输入基于神经网络的多信号融合与解耦模型；

步骤4：基于神经网络的多信号融合与解耦模型根据输入信号完成信号融合与解耦后输出各类关节电机的控制量；

步骤5：在步骤4中产生的各类关节电机控制量作用对应的关节电机驱动器；

步骤6：在步骤5中关节电机驱动器产生驱动信号作用于关节电机，电机执行动作控制外骨骼运动；

步骤7：人与外骨骼相互作用，产生人机交互力；另一方面，闭环控制返回步骤1，形成完整的第一闭环的闭环控制；

步骤8：人机交互传感器采集人机交互力信号，传送给控制量修正算法；

步骤9：控制量修正算法根据人机交互信号，得出修正量作用于原控制量，得到修正后的电机控制量，返回步骤5，形成完整的第二闭环的控制闭环。

Images