CN111685772A - 外骨骼机器人测量系统、行走步态建模分析方法和设备 - Google Patents

Abstract

一种外骨骼机器人测量系统、行走步态建模分析方法、设备和计算机可读存储介质，其中，所述方法包括：获取行走步态中髋关节转动角度的轨迹信号；根据所述轨迹信号和非线性振荡器模型确定建模误差；根据所述建模误差修正所述非线性振荡器模型的模型参数，所述模型参数包括非线性振荡器的幅值、相位和频率；根据修正后的所述模型参数更新所述非线性振荡器模型。本申请实施例根据髋关节转动角度的轨迹信号，即可实现步态轨迹的自适应同步，具备快速收敛特性、参数自适应性和噪声鲁棒性。

Description

外骨骼机器人测量系统、行走步态建模分析方法和设备

技术领域

本文涉及信息处理领域，尤指一种外骨骼机器人测量系统、行走步态建模分析方法、设备和计算机可读存储介质。

背景技术

行走运动是最重要的日常活动之一，步态的建模分析技术对步态诊断、健康评估、运动康复和辅助器具等具有重要的临床意义。

步态数字化建模技术能够定量化分析步长、步频、步宽等步态参数及各种异常步态情况，为分析异常步态原理和矫正异常步态、制定治疗方法提供必要的依据，同时也为制定康复治疗计划和评定康复疗效提供客观依据。

然而人体行走步态特征空间复杂，个体间差异性较大，且环境存在较强的耦合作用，难以直接进行数学建模和预测。目前步态建模方法大致可分为两类：(1)基于捕获的人体步态数据；(2)基于动力学建模方法；第一类是基于数据的方法，在捕获数据的基础上进行拟合预测，其模式较为固定，对环境变化、个体差异等适应性较差，第二类方法是基于动力学模型的方法，其可以精确还原解析行走步态下躯体运动学及动力学特征，但其依赖于一个精确的动力学模型，对于人体而言，各部位的惯量、阻尼和刚度等参数难以获取。

发明内容

本申请提供了一种外骨骼机器人测量系统、行走步态建模分析方法、设备和计算机可读存储介质，以实现步态轨迹的自适应同步。

本申请实施例提供了一种行走步态建模分析方法，包括：

获取行走步态中髋关节转动角度的轨迹信号；

根据所述轨迹信号和非线性振荡器模型确定建模误差；

根据所述建模误差修正所述非线性振荡器模型的模型参数，所述模型参数包括非线性振荡器的幅值、相位和频率；

根据修正后的所述模型参数更新所述非线性振荡器模型。

本申请实施例还提供一种外骨骼机器人测量系统，包括：腰带、主控仓、被动关节、主动关节和大腿连杆，其中

所述腰带与主控仓相连，所述腰带用于固定在被测者的腰部；

所述主控仓用于与所述被测者的背部贴合，所述主控仓内置有控制模块，所述控制模块用于获取编码器检测到的被测者髋关节转动角度的测量信号，根据所述测量信号进行步态的建模和分析；

所述被动关节包括两个，分别设置在所述腰带的两侧，所述被动关节包含无动力的轴承，提供冠状面旋转的自由度；

所述主动关节包括两个，分别与所述两个被动关节相连，提供矢状面旋转的自由度；所述主动关节内置有编码器，所述编码器与所述控制模块相连，用于基于所述主动关节的运动获得被测者行走步态中髋关节转动角度的测量信号；

所述大腿连杆包括两个，所述大腿连杆的一端与所述主动关节相连，另一端设置有绑带，通过绑带与所述被测者的大腿固定。

本申请实施例还提供一种行走步态建模分析设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述行走步态建模分析方法。

本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述行走步态建模分析方法。

与相关技术相比，本申请实施例包括：获取行走步态中髋关节转动角度的轨迹信号；根据所述轨迹信号和非线性振荡器模型确定建模误差；根据所述建模误差修正所述非线性振荡器模型的模型参数，所述模型参数包括非线性振荡器的幅值、相位和频率；根据修正后的所述模型参数更新所述非线性振荡器模型。本申请实施例根据髋关节转动角度的轨迹信号，即可实现步态轨迹的自适应同步，具备快速收敛特性、参数自适应性和噪声鲁棒性。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。

附图说明

附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1为本申请实施例的外骨骼机器人测量系统的示意图；

图2为本申请实施例的控制模块的组成示意图；

图3为本申请应用实例的外骨骼机器人测量系统中的电子系统的组成示意图；

图4为一段行走过程的髋关节运动轨迹；

图5为本申请实施例的行走步态建模分析方法的流程图；

图6(a)为本申请应用实例的振荡器跟踪同步效果，(b)为本申请应用实例的振荡器相轨迹输出，(c)为本申请应用实例的振荡器频率自适应结果，(d)为本申请应用实例的振荡器的幅值自适应结果；

图7为本申请应用实例的行走步态建模分析方法的流程图；

图8为本申请应用实例的自适应步态同步模型及其步态分析的系统框架；

图9为本申请应用实例的左右两侧的髋关节轨迹跟踪结果；

图10为本申请应用实例的两侧髋关节振荡器的相轨迹输出；

图11(a)为本申请应用实例的振荡器的频率自适应曲线，(b)为本申请应用实例的振荡器的幅值自适应曲线图；

图12为本申请应用实例的振荡器的相位输出；

图13为本申请应用实例的基于相位评估的步态阶段划分的结果。

具体实施方式

本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。

本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。

此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。

如图1所示，本申请实施例提供一种外骨骼机器人测量系统，该机器人系统具备穿戴的舒适性和运动的相容性，能够在不影响正常的行走运动的前提下准确测量髋关节的转动轨迹。

所述外骨骼机器人测量系统，包括：腰带101、主控仓102、被动关节103、主动关节104和大腿连杆105，其中

所述腰带101与主控仓102相连，所述腰带101用于固定在被测者的腰部。所述腰带101为刚柔耦合结构，与人体腹部连接，可通过可调节的绑带适应不同体型的人群。

所述主控仓102用于与所述被测者的背部贴合，形成一个发力的着力点，所述主控仓内置有控制模块，所述控制模块用于获取编码器检测到的被测者髋关节转动角度的测量信号，根据所述测量信号进行步态的建模和分析。

所述被动关节103包括两个，分别设置在所述腰带的两侧，所述被动关节包含无动力的轴承，提供冠状面旋转的自由度。所述主动关节104包括两个，分别与所述两个被动关节相连，提供矢状面旋转的自由度；所述主动关节内置有编码器，所述编码器与所述控制模块相连，用于基于所述主动关节的运动获得被测者行走步态中髋关节转动角度的测量信号。

也就是说，下半部分的两侧机构各有两个自由度，分别为在冠状面旋转的被动关节103和在矢状面旋转的主动关节104，该机器人通过位于主动关节104内置的编码器测量并记录行走过程中髋关节在矢状面的转动角度，主动关节104提供了纵向运动，例如大腿的前屈/后伸的自由度；被动关节103包括无动力的轴承，提供了横侧向运动，例如大腿的外展/内收的自由度。

所述大腿连杆105包括两个，所述大腿连杆105和大腿形状贴合，一端与所述主动关节104相连，另一端设置有大腿绑带106，通过大腿绑带106与所述被测者的大腿固定，从而在大腿前屈/后伸过程中带动主动关节旋转。

控制模块设置在控制仓中，如图2所示，在一实施例中，所述控制模块包括解码单元201和建模分析单元202，其中

所述解码单元201用于根据编码器提供的所述测量信号确定行走步态中髋关节转动角度的轨迹信号；

所述建模分析单元202用于根据所述轨迹信号和非线性振荡器模型确定建模误差；根据所述建模误差修正所述非线性振荡器模型的模型参数，所述模型参数包括非线性振荡器的幅值、相位和频率；根据修正后的所述模型参数更新所述非线性振荡器模型。

在一应用实例中，解码子单元201采用单片机301实现，建模分析单元202采用嵌入式计算平台树莓派302实现，参照图3，外骨骼机器人测量系统中的电子系统包括嵌入式计算平台树莓派302，负责编码器角度解码的单片机301，用于测量主动关节旋转角度的编码器303以及供电电池模块304组成。嵌入式计算平台由一个微型电脑树莓派3B+组成，安装了Ubuntu16.04操作系统和通用的ROS机器人操作系统，控制总线采用EtherCAT现场总线，使用分布式实时时钟技术对各节点的采样时间进行控制，角度传感器使用1000线的相对编码器进行测量，即一圈360度可以产生4000的角度分辨值。所有测量输入汇总到主控制器树莓派3B内部，并有其计算分析进行步态的建模和分析。

尽管步态轨迹复杂多变，且与环境个体的间的耦合性较大，但其都存在近似周期性的稳定振荡的特征，称之为准周期性信号。一段行走过程的髋关节运动轨迹如图4所示，其振荡频率周期、振荡幅值及其振荡相位都存在较大的波动。

对于周期性、准周期性信号的建模，非线性振荡器具有以下特性：

(1)具有稳定的振荡器极限环，并对外界扰动具有鲁棒性；

(2)当与输入信号进行耦合时具备自适应学习的特性；

(3)具有与其他动力学系统相位锁死同步特性；

(4)当与其他系统耦合是，具有共振频率获取能力。

本申请实施例采用非线性振荡器的方式对行走步态进行建模，基于上述步态特征，对振荡器提出了以下要求：

(1)具备在线的振荡器幅值自适应能力，能够根据输入的髋关节转动轨迹自动调整振荡器的幅值，使之与输入信号相符。

(2)具备在线的振荡器频率自适应能力，能够根据输入的髋关节转动轨迹自动调整振荡器的固有频率，使之与输入信号相符。

(3)具备在线的振荡器相位自适应能力，能够根据输入的髋关节转动轨迹自动调整振荡器的震荡相位，使之与输入信号相符。

(4)振荡器系统参数实时在线完成，并且参数自适应学习的暂态时间小于一个步态周期。

如图5所示，本申请实施例提供一种行走步态建模分析方法，包括：

步骤501，获取行走步态中髋关节转动角度的轨迹信号。

其中，对于准周期的行走步态中髋关节转动角度的轨迹信号z，由系统主动关节进行测量。

其中，主动关节内置的编码器测量得到行走步态中髋关节转动角度的测量信号，控制模块中的解码子单元根据该测量信号进行解码，得到所述轨迹信号z。

步骤502，根据所述轨迹信号和非线性振荡器模型确定建模误差。

在一实施例中，将所述轨迹信号z与所述非线性振荡器模型的输出信号

进行比较，得到建模误差F，

所述非线性振荡器模型为：

其中，x，y为非线性振荡器的状态向量，

为所述状态向量的长度，u为所述非线性振荡器的幅值，ω为所述非线性振荡器的频率，φ为所述非线性振荡器的相位，η为振荡器极限环的吸引系数，ε为学习因子系数。

x，y的初始值设置为0。u预设有初始值，为非线性振荡器固有幅值，其取值为最大的髋关节后伸角度，通常在0.3-0.5之间。ω预设有初始值，为非线性振荡器的固有频率，取为人自然行走的频率，通常在4-6之间。φ预设有初始值，为非线性振荡器的相位，范围在[0，2π]之间。η为振荡器极限环的吸引系数，其取值越大则状态向量向极限环的收敛速度越快，通常取值范围为5-20之间。ε为学习因子系数，当其取值较大对输入的信号同步较快，但对噪声的抑制能力较弱，取值要在两者之间平衡，通常选取1-10之间。振荡器微分方程等式右边的第一项为可变非线性阻尼项，可根据振荡器当前状态向量的长度和期望的长度的误差选择耗散能量亦或是注入能量，从而保证了其在振荡极限环附近的稳定性与收敛性。第二项为线性反馈项，用于确保系统状态变量以设定的固有频率ω进行振荡。第三项为同步反馈项，根据当前的输出与输入间的误差，反向修正信号的幅值、频率与相位参数，增强了其对复杂信号的适应能力。

步骤503，根据所述建模误差修正所述非线性振荡器模型的模型参数，所述模型参数包括非线性振荡器的幅值、相位和频率。

在一实施例中，按照下式根据所述建模误差F修正所述非线性振荡器模型中的幅值u、相位φ和频率ω：

其中，k_u，k_φ，k_ω分别为幅值的反馈增益、相位的反馈增益和频率的反馈增益，x，y为非线性振荡器的状态向量，

为所述状态向量的长度。

其中，k_u，k_φ，k_ω为正值，增益大小直接决定了振荡器的收敛速度和噪声抑制能力，大增益带来快收敛速度和较差的噪声抑制能力，小增益的收敛速度较慢，但噪声抑制能力比较强。该增益参数的选取根据信号的噪声水平与变化频率的快慢，当信号噪声较大时降低增益系数提升抗干扰能力，而噪声较小的情况下可以增大增益系数提升对外界信号波动的适应能力。

步骤504，根据修正后的所述模型参数更新所述非线性振荡器模型。

其中，修正后的所述非线性振荡器模型中的幅值u、相位φ和频率ω更新所述非线性振荡器模型。

在一实施例中，为验证该振荡器的自适应跟踪性能，设计频率、幅值可变的仿真信号如下，其中幅值a在1-2之间变化，ω在1.6π-2π之间波动，观察振荡器的跟踪自适应效果：

z＝asin(ωt)

a∈[1，2]，ω∈[1.6π，2π]

如图6(a)～(d)所示，图6(a)表明该自适应振荡器能够对幅值、频率可变的信号进行跟踪同步，两者之间的误差几乎为零。图6(b)为振荡器动力系统的相轨迹，由环内的轨迹可知，该轨迹由最开始的零点收敛到一个稳定的极限环中，并且该极限环的半径随着跟踪信号的幅值变化随之进行自适应调整。图6(c)为频率跟踪的效果，该方法能够适应实现频率的同步自适应，由图可知两个信号间存在一些延迟，但该延迟小于0.5s，符合满足步态建模的需求。图6(d)为信号幅值的跟踪效果，对于阶梯型的幅值跟踪符合需求，虽然在转折点出现一点超调，但该误差可以通过振荡器的实时修正进行补偿。

基于上述设计的自适应振荡器结果，可以对步长，步频，相位进行估计，同时可进一步提取髋关节的角速度和角加速度，对步态阶段进行切割，对运动意图进行评估。

在一实施例中，所述方法还包括：

根据所述模型参数提取步态参数，其中，步态参数包括步长、步频和步态相位。

在一实施例中，所述步频等于所述非线性振荡器的频率，所述步态相位等于所述非线性振荡器的相位，x，y为非线性振荡器的状态向量，所述步长等于所述状态向量的长度

基本步态参数的获取表如下所示：

在一实施例中，根据设计的振荡器动力学方程，对输出变量求导，得出光滑连续的角速度输出：

对该速度再次进行求导，进一步得到髋关节转角的角加速度：

在一实施例中，根据所述步态参数中的步态相位对步态阶段进行划分。

一个完整的行走步态包含了脚跟着地相、站立相、预摆动相和摆动相，其在步态时间空间中呈现交替现象，本申请实施例中使用振荡器的相位φ对个步态阶段进行区分，划分逻辑如下所示：

在一实施例中，所述方法还包括：

根据所述模型参数和轨迹信号进行运动意图评估。

在一实施例中，所述根据所述模型参数和轨迹信号进行运动意图评估，包括：

根据所述轨迹信号和所述模型参数中的频率确定轨道能量；

根据所述轨道能量和预设的阈值确定运动意图。

运动意图的评估主要可分为两类，停止到行走检测和行走到停止检测，本申请实施例中引入了周期性轨道的能量的概念，利用当前振荡器的能量大小，并设置一个可变阈值方法，实现停止到启动之间转换的检测。轨道能量的表达式如下：

在一实施例中，在步态为停止状态时，当所述轨道能量大于预设的第一阈值m₁，则所述运动意图为从停止状态转换为行走状态；在步态为行走状态时，当所述轨道能量小于预设的第二阈值m₂，则所述运动意图为从行走状态转换为停止状态。

在稳定的振荡状态下，该能量保持在一个常值附近，当振荡取值增强，该能量增加，当能量减弱，该能量降低，在停止状态下，该轨道能量为零。因此，可以在零值附近设立两个可变的阈值m₁和m₂，意图检测逻辑如下所示：

当前状态	条件	意图
			停止状态	E＞m<sub>1</sub>	停止-＞行走
行走状态	E＜m<sub>2</sub>	行走-＞停止

本申请实施例针对变幅值、频率和相位的准周期性步态轨迹建模问题，提出了基于自适应非线性振荡器的步态建模分析方法，提供了一套新的行走步态建模分析方法；本申请实施例所述方法能够仅仅利用两侧的髋关节角度轨迹可实时在线对行走步态进行建模、分析和预测，不依赖复杂的生物信息传感、力传感以及空间姿态传感等系统，并能够实现步态模式的自适应同步；通过本申请实施例，能够实现步态信号输入的实时幅值、频率与相位的自整定，并且参数收敛时间小于一个步态周期；本申请实施例的建模方法可进一步应用于运动意图的评估，运动相位评估，髋关节角速度、角速度获取和柔性驱动关节的控制，可为助力外骨骼机器人的控制提供额外的输入信息。

参照图7和图8，以一个应用实例为例进行说明。本应用实例的行走步态建模分析方法包括如下步骤：

步骤701，系统初始化。

其中，对参数的初始进行设定，包括振荡器的固有幅值u，频率ω，学习因子ε，极限环的吸引系数η，幅值自适应增益系数k_u，相位自适应增益系数k_Φ，频率自适应增益系数k_ω。

步骤702，髋关节轨迹测量。

其中，通过主动关节的编码器获取髋关节的转动角度，更新输入信号z。

步骤703，计算建模误差。

根据测量输入信号z以及振荡器的输出信号

计算建模误差

步骤704，参数自适应修正。

参照如下公式对振荡器的固有幅值，相位和频率的自适应修正：

步骤705，振荡器模型更新。

依据设定的振荡器动力学模型进行更新。

步骤706，步态参数提取。

步长，步频和步态相位的提取，按照如下的公式

步骤707，步态切割。

使用振荡器的相位变量φ，对个步态阶段切割为脚跟着地相、站立相、预摆动相和摆动相，切割逻辑如下所示

步骤708，运动意图评估。

运动意图的评估主要分为两类，停止到行走检测和行走到停止检测。定义轨道能量的表达式如下：

在零值附近设立两个可变的阈值m₁和m₂，通常来讲u＞m₁＞m₂＞0，意图检测逻辑如下所示：

当前状态	条件	意图
			停止状态	E＞m<sub>1</sub>	停止-＞行走
行走状态	E＜m<sub>2</sub>	行走-＞停止

步骤709，生成参数化步态结果。

以测量的髋关节转动角度数据作为输入，基于上述的步态参数提取和步态切割算法以及运动意图，获取行走过程中步频、补偿以及步态相位等数据，并根据切割算法获取行走过程在在触底相、支撑相、预摆动相以及摆动相的时间占比，生成行走步态的参数表，可与标准的临床步态参数进行对比进一步发掘步态特征。

步骤710，判断是否结束，若系统停机，则结束流程；若未停机，则返回执行步骤702。

使用本申请实施例提供的外骨骼机器人测量系统对一成年男子正常行走轨迹进行记录，并使用主控仓内置的控制模块对轨迹进行跟踪同步，学习适应参数，并对步态参数和分析结果进行记录。算法参数设置如下

参数	数值	参数	数值
				η	10	ε	5
k<sub>u</sub>	5	k<sub>φ</sub>	20
				k<sub>ω</sub>	20	u(0)	0
ω(0)	1.6π

左右两侧的髋关节轨迹跟踪结果如图9所示。

从图9可以看出，髋关节的原始输入数据中夹杂大量的噪声影响，并且幅值频率存在剧烈变化，对步态建模算法的自适应能力和噪声抑制能力提出了较高的要求。从跟踪结果来看，本申请实施例提出方法仍然能够跟踪原始信号，并对相位进行锁死同步，并且能够在一个行走步态周期内完成参数的稳态收敛，说明了本申请实施例的算法快速性、自适应性和鲁棒性。

图10为两侧髋关节振荡器的相轨迹输出，由图10可知，相轨迹从初始点原点出发，逐步收敛到振荡极限环上，该振荡极限环的幅值与输入的信号幅值有关，在一个范围内波动，因此呈现一个条带状。并且，环状的条带在空间中的分布呈现环状特性，因此可以在二维平面上设计一个环状阈值，当系统状态位于该环状阈值外代表行走状态，位于该环状阈值内代表停止状态。

图11(a)和(b)为自适应振荡器的频率和幅值自适应曲线图，图11(a)为频率自适应曲线，在停止行走状态下，该频率为零，由停止到行走过程中，该频率快速上升，并收敛到一个常值附近，表明该频率自适应的有效性。图11(b)为振荡幅值的自适应曲线，与上述分析类似，停止行走状态收敛到一个比较小的常值附近，在行走状态时收敛到一个较大的常值，与输入的髋关节步态模态相符。

图12为振荡器的相位输出，图13为基于相位评估的步态阶段划分的结果。由图12可知，在行走状态时振荡器的相位在[0，2π]之间连续递增，与实际的步态相位变化趋势相符，左侧两侧的振荡相位在稳态势趋于一致，间接验证了相位预估的准确性。于此同时，在由静止状态到行走状态时，相位的模态由无规律的波动迅速转化为周期性的递增模态，说明了相位预估的快速准确性。

仿真实验即人体行走实验表明，本申请实施例提供的方法能够实现步态轨迹的自适应同步，具备快速收敛特性，参数自适应性和噪声鲁棒性，并且基于自适应步态模型的步态参数的提取、步态分割和意图评估等分析方法满足步态分析的需求，并可为外骨骼辅助机器人的控制提供参考输入。

本申请实施例还提供一种行走步态建模分析设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述行走步态建模分析方法。

本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述行走步态建模分析方法。

在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (14)

1.一种行走步态建模分析方法，包括：

获取行走步态中髋关节转动角度的轨迹信号；

根据所述轨迹信号和非线性振荡器模型确定建模误差；

根据所述建模误差修正所述非线性振荡器模型的模型参数，所述模型参数包括非线性振荡器的幅值、相位和频率；

根据修正后的所述模型参数更新所述非线性振荡器模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述轨迹信号和非线性振荡器模型计算建模误差，包括：

将所述轨迹信号与所述非线性振荡器模型的输出信号进行比较，得到建模误差F，其中，所述非线性振荡器模型为：

其中，x，y为非线性振荡器的状态向量，

为所述状态向量的长度，u为所述非线性振荡器的幅值，ω为所述非线性振荡器的频率，φ为所述非线性振荡器的相位，η为振荡器极限环的吸引系数，ε为学习因子系数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述建模误差修正所述非线性振荡器模型的模型参数，包括：

按照下式根据所述建模误差F修正所述非线性振荡器模型中的幅值u、相位φ和频率ω：

其中，k_u，k_φ，k_ω分别为幅值的反馈增益、相位的反馈增益和频率的反馈增益，x，y为非线性振荡器的状态向量，

为所述状态向量的长度。

4.根据权利要求1所述的方法，其特征在于，所述根据所述建模误差修正所述非线性振荡器模型的模型参数之后，还包括：

根据所述模型参数提取步态参数，其中，步态参数包括步长、步频和步态相位。

5.根据权利要求4所述的方法，其特征在于，

所述步频等于所述非线性振荡器的频率，所述步态相位等于所述非线性振荡器的相位，x，y为非线性振荡器的状态向量，所述步长等于所述状态向量的长度

6.根据权利要求4所述的方法，其特征在于，所述根据所述模型参数提取步态参数之后，还包括：

根据所述步态参数中的步态相位对步态阶段进行划分，其中，划分方式包括：

7.根据权利要求1所述的方法，其特征在于，所述根据所述建模误差修正所述非线性振荡器模型的模型参数之后，还包括：

根据所述模型参数和轨迹信号进行运动意图评估。

8.根据权利要求7所述的方法，其特征在于，所述根据所述模型参数和轨迹信号进行运动意图评估，包括：

根据所述轨迹信号和所述模型参数中的频率确定轨道能量；

根据所述轨道能量和预设的阈值确定运动意图。

9.根据权利要求8所述的方法，其特征在于，

所述根据所述轨迹信号和所述模型参数中的频率确定轨道能量的步骤中，

按照下式确定所述轨道能量E：

其中，ω为频率，z为轨迹信号，

为所述轨迹信号对应的角速度。

10.根据权利要求8所述的方法，其特征在于，所述阈值包括第一阈值和第二阈值，所述根据所述轨道能量和预设的阈值确定运动意图，包括：

在步态为停止状态时，当所述轨道能量大于预设的第一阈值，则所述运动意图为从停止状态转换为行走状态；

在步态为行走状态时，当所述轨道能量小于预设的第二阈值，则所述运动意图为从行走状态转换为停止状态。

11.一种外骨骼机器人测量系统，其特征在于，包括：腰带、主控仓、被动关节、主动关节和大腿连杆，其中

所述腰带与主控仓相连，所述腰带用于固定在被测者的腰部；

所述主控仓用于与所述被测者的背部贴合，所述主控仓内置有控制模块，所述控制模块用于获取编码器检测到的被测者髋关节转动角度的测量信号，根据所述测量信号进行步态的建模和分析；

所述被动关节包括两个，分别设置在所述腰带的两侧，所述被动关节包含无动力的轴承，提供冠状面旋转的自由度；

所述主动关节包括两个，分别与所述两个被动关节相连，提供矢状面旋转的自由度；所述主动关节内置有编码器，所述编码器与所述控制模块相连，用于基于所述主动关节的运动获得被测者行走步态中髋关节转动角度的测量信号；

所述大腿连杆包括两个，所述大腿连杆的一端与所述主动关节相连，另一端设置有绑带，通过绑带与所述被测者的大腿固定。

12.根据权利要求11所述的系统，其特征在于，所述控制模块包括解码单元和建模分析单元，其中

所述解码单元用于根据所述测量信号确定行走步态中髋关节转动角度的轨迹信号；

所述建模分析单元用于根据所述轨迹信号和非线性振荡器模型确定建模误差；根据所述建模误差修正所述非线性振荡器模型的模型参数，所述模型参数包括非线性振荡器的幅值、相位和频率；根据修正后的所述模型参数更新所述非线性振荡器模型。

13.一种行走步态建模分析设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～10中任意一项所述的方法。

14.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1～10中任意一项所述的方法。

Images