CN112336340A - 一种腰部助力外骨骼机器人的人体运动意图识别方法 - Google Patents

一种腰部助力外骨骼机器人的人体运动意图识别方法 Download PDF

Info

Publication number
CN112336340A
CN112336340A CN202011102544.0A CN202011102544A CN112336340A CN 112336340 A CN112336340 A CN 112336340A CN 202011102544 A CN202011102544 A CN 202011102544A CN 112336340 A CN112336340 A CN 112336340A
Authority
CN
China
Prior art keywords
support vector
vector machine
binary tree
signals
signal
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.)
Pending
Application number
CN202011102544.0A
Other languages
English (en)
Inventor
徐兆红
何方剑
裘焱枫
郏云涛
田俊
许留凯
张克勤
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.)
Ningbo Industrial Internet Research Institute Co ltd
Original Assignee
Ningbo Industrial Internet Research Institute Co ltd
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 Ningbo Industrial Internet Research Institute Co ltd filed Critical Ningbo Industrial Internet Research Institute Co ltd
Priority to CN202011102544.0A priority Critical patent/CN112336340A/zh
Publication of CN112336340A publication Critical patent/CN112336340A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Epidemiology (AREA)
  • Mathematical Physics (AREA)
  • Rehabilitation Therapy (AREA)
  • Psychiatry (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Rehabilitation Tools (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种腰部助力外骨骼机器人的人体运动意图识别方法，特点是采集信号，建立信号‑行为动作数据库；对信号进行预处理及类别标定；随机抽取训练样本，将训练样本输入二叉树支持向量机多分类器中进行训练得到二叉树支持向量机模型；采用二叉树支持向量机模型实现当前人体运动意图识别；优点是采用的IMU和力传感器可靠性高，信号噪声少；采用滑动平均滤波方法实现效率高，不需要采用耗时的复杂滤波运算；相对于传统支持向量机，本发明所采用的二叉树支持向量机多分类器可以实现多分类，准确分出弯腰、直立、迈左腿行走和迈右腿行走四种运动状态；不但较好地识别了使用者的运动意图，而且解决了使用者行走、上下楼和搬运时的辅助助力问题。

Description

一种腰部助力外骨骼机器人的人体运动意图识别方法
技术领域
本发明涉及人工智能识别及控制领域，尤其是一种腰部助力外骨骼机器人的人体运动意图识别方法。
背景技术
作为外骨骼机器人领域的一类，腰部助力外骨骼机器人不但能辅助重劳力者和护理人员提高负重能力，缓解工作疲劳，延长工作寿命，提供工作效率，而且能保护重劳力者和护理人员的骨骼和肌肉，降低腰肌劳损和腰椎损伤的风险；除此之外，腰部助力外骨骼机器人还能辅助老年人，为人口老龄化带来的养老社会问题提供居家养老解决方案，辅助老年人行走、登山、徒步等活动，提高老年人生活自理能力。
识别人体运动意图需要融合多传感器信息进行决策，所以尽管腰部助力外骨骼机器人有明显的社会价值和经济价值，但是由于技术因素，当前的腰部助力外骨骼机器人产品面临人体运动意图难以检测与识别等实际问题。
发明内容
本发明所要解决的技术问题是提供一种腰部助力外骨骼机器人的人体运动意图识别方法，不但能较好地识别使用者的运动意图，而且能解决使用者行走、上下楼和搬运时的辅助助力问题。
本发明解决上述技术问题所采用的技术方案为：一种腰部助力外骨骼机器人的人体运动意图识别方法，包括以下步骤：
Figure 100002_DEST_PATH_IMAGE001
，采集信号，建立信号-行为动作数据库：在腰部助力外骨骼机器人的背部顶端安装背部IMU（惯性导航传感器）和背部力传感器，在腰部助力外骨骼机器人的左大腿绑带处安装左大腿IMU和左大腿力传感器，在腰部助力外骨骼机器人的右大腿绑带处安装右大腿IMU和右大腿力传感器，选择至少100位受试者穿戴腰部助力外骨骼机器人，采集每位受试者做弯腰10次以上和做直立10次以上时背部IMU和背部力传感器的信号，做迈左腿行走10次以上时左大腿IMU和左大腿力传感器的信号及做迈右腿行走10次以上时右大腿IMU和右大腿力传感器的信号，根据采集到的信号和其所对应的行为动作建立信号-行为动作数据库；
Figure 239064DEST_PATH_IMAGE002
，对信号进行预处理及类别标定：对信号-行为动作数据库中的信号采用滑动平均滤波方法进行预处理得到传感器信号序列，并对传感器信号序列进行类别标定，分别用1,2,3,4表示弯腰、直立、迈左腿行走和迈右腿行走；
Figure 100002_DEST_PATH_IMAGE003
，随机抽取信号-行为动作数据库中70%-90%的信号和每个信号所对应的行为动作作为训练样本，将训练样本输入二叉树支持向量机多分类器中进行训练得到二叉树支持向量机模型；
Figure 45697DEST_PATH_IMAGE004
，采用二叉树支持向量机模型实现当前人体运动意图识别：采集当前穿戴者穿戴腰部助力外骨骼机器人做运动时腰部助力外骨骼机器人的背部IMU、背部力传感器、左大腿IMU、左大腿力传感器、右大腿IMU和右大腿力传感器的实时信号，将实时信号输入到二叉树支持向量机模型中判断出当前类别，当判断出当前类别为1时，表示当前穿戴者的运动意图识别为弯腰；当判断出当前类别为2时，表示当前穿戴者的运动意图识别为直立；当判断出当前类别为3时，表示当前穿戴者的运动意图识别为迈左腿行走；当判断出当前类别为4时，表示当前穿戴者的运动意图识别为迈右腿行走。
所述的步骤
Figure 879660DEST_PATH_IMAGE001
和步骤
Figure 830299DEST_PATH_IMAGE004
中信号可通过传感器板STM32或Arduino或DSP中的一种来采集。
所述的步骤
Figure 525854DEST_PATH_IMAGE002
中采用滑动平均滤波方法进行预处理得到传感器信号序列的具体方法为：将每一个传感器当前的采样值与其过去的10次采样值求平均得到该传感器的平均采样值，并将得到的所有传感器的平均采样值按照时间序列进行排列得到传感器信号序列。
所述的步骤
Figure 878338DEST_PATH_IMAGE003
中随机抽取信号-行为动作数据库中75%的信号和每个信号所对应的行为动作作为训练样本。
所述的步骤
Figure 883203DEST_PATH_IMAGE003
中二叉树支持向量机多分类器的具体构建方法为：首先把步骤
Figure 321137DEST_PATH_IMAGE002
中的所有类别采用支持向量机随机分为两个子类，再将子类采用支持向量机进一步划分为两个次级子类，如此循环下去，直至得到一个单独的类别为止，最终得到一个由一系列支持向量机构成的二叉树分类树，完成二叉树支持向量机多分类器的构建。
与现有技术相比，本发明的优点在于一方面在腰部助力外骨骼机器人的背部顶端、左大腿绑带处和右大腿绑带处采用的IMU和力传感器可靠性高，信号噪声少；另一方面对信号-行为动作数据库中的信号采用滑动平均滤波方法实现效率高，不需要采用耗时的复杂滤波运算；还有一方面相较于传统支持向量机，二叉树支持向量机多分类器可以实现多分类，准确分出弯腰、直立、迈左腿行走和迈右腿行走四种运动状态；同时二叉树支持向量机模型可以部署在嵌入式系统中，价格便宜，实现容易，不但较好地识别了使用者的运动意图，而且解决了使用者行走、上下楼和搬运时的辅助助力问题。
附图说明
图1为本发明的流程示意图；
图2为本发明采用的二叉树支持向量机多分类器的结构示意图；
图3为本发明的结构示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示，一种腰部助力外骨骼机器人的人体运动意图识别方法，包括以下步骤：
Figure 53339DEST_PATH_IMAGE001
，采集信号，建立信号-行为动作数据库：在腰部助力外骨骼机器人的背部顶端安装背部IMU（惯性导航传感器）和背部力传感器，在腰部助力外骨骼机器人的左大腿绑带处安装左大腿IMU和左大腿力传感器，在腰部助力外骨骼机器人的右大腿绑带处安装右大腿IMU和右大腿力传感器，选择100位受试者穿戴腰部助力外骨骼机器人，采集每位受试者做弯腰10次以上和做直立10次以上时背部IMU和背部力传感器的信号，做迈左腿行走10次以上时左大腿IMU和左大腿力传感器的信号及做迈右腿行走10次以上时右大腿IMU和右大腿力传感器的信号，根据采集到的信号和其所对应的行为动作建立信号-行为动作数据库；
Figure 525908DEST_PATH_IMAGE002
，对信号进行预处理及类别标定：对信号-行为动作数据库中的信号采用滑动平均滤波方法进行预处理得到传感器信号序列，并对传感器信号序列进行类别标定，分别用1,2,3,4表示弯腰、直立、迈左腿行走和迈右腿行走；
采用滑动平均滤波方法进行预处理得到传感器信号序列的具体方法为：将每一个传感器当前的采样值与其过去的10次采样值求平均得到该传感器的平均采样值，并将得到的所有传感器的平均采样值按照时间序列进行排列得到传感器信号序列；
Figure 639358DEST_PATH_IMAGE003
，随机抽取信号-行为动作数据库中70%-90%的信号和每个信号所对应的行为动作作为训练样本，将训练样本输入二叉树支持向量机多分类器中进行训练得到二叉树支持向量机模型；
本发明中随机抽取信号-行为动作数据库中75%的信号和每个信号所对应的行为动作作为训练样本；
二叉树支持向量机多分类器的具体构建方法为：首先把步骤
Figure 626906DEST_PATH_IMAGE002
中的所有类别采用支持向量机随机分为两个子类，再将子类采用支持向量机进一步划分为两个次级子类，如此循环下去，直至得到一个单独的类别为止，最终得到一个由一系列支持向量机构成的二叉树分类树，完成二叉树支持向量机多分类器的构建，本发明的二叉树支持向量机多分类器的结构如图2所示；
Figure 664263DEST_PATH_IMAGE004
，采用二叉树支持向量机模型实现当前人体运动意图识别：采集当前穿戴者穿戴腰部助力外骨骼机器人做运动时腰部助力外骨骼机器人的背部IMU、背部力传感器、左大腿IMU、左大腿力传感器、右大腿IMU和右大腿力传感器的实时信号，将实时信号输入到二叉树支持向量机模型中判断出当前类别，当判断出当前类别为1时，表示当前穿戴者的运动意图识别为弯腰；当判断出当前类别为2时，表示当前穿戴者的运动意图识别为直立；当判断出当前类别为3时，表示当前穿戴者的运动意图识别为迈左腿行走；当判断出当前类别为4时，表示当前穿戴者的运动意图识别为迈右腿行走。
本发明步骤
Figure 788077DEST_PATH_IMAGE001
和步骤
Figure 72427DEST_PATH_IMAGE004
中信号可通过STM32传感器板或Arduino传感器板或DSP传感器板中的一种来采集。
如图3所示，电源板为传感器板、控制板和电机提供电源，将二叉树支持向量机模型部署在服务器上，控制板通过传感器板采集到信号后，通过网络上传至服务器端，由服务器端上的二叉树支持向量机模型对信号进行当前人体运动意图识别，并将人体运动意图的结果输出给控制板，控制板根据人体运动意图的结果控制腰部助力外骨骼机器人的电机进行相应的运动，传感器板、控制板和电机由腰部助力外骨骼机器人的电源板提供电源。

Claims (5)

1.一种腰部助力外骨骼机器人的人体运动意图识别方法，其特征在于包括以下步骤：
Figure DEST_PATH_IMAGE001
，采集信号，建立信号-行为动作数据库：在腰部助力外骨骼机器人的背部顶端安装背部IMU和背部力传感器，在腰部助力外骨骼机器人的左大腿绑带处安装左大腿IMU和左大腿力传感器，在腰部助力外骨骼机器人的右大腿绑带处安装右大腿IMU和右大腿力传感器，选择至少100位受试者穿戴腰部助力外骨骼机器人，采集每位受试者做弯腰10次以上和做直立10次以上时背部IMU和背部力传感器的信号，做迈左腿行走10次以上时左大腿IMU和左大腿力传感器的信号及做迈右腿行走10次以上时右大腿IMU和右大腿力传感器的信号，根据采集到的信号和其所对应的行为动作建立信号-行为动作数据库；
Figure 996002DEST_PATH_IMAGE002
，对信号进行预处理及类别标定：对信号-行为动作数据库中的信号采用滑动平均滤波方法进行预处理得到传感器信号序列，并对传感器信号序列进行类别标定，分别用1,2,3,4表示弯腰、直立、迈左腿行走和迈右腿行走；
Figure DEST_PATH_IMAGE003
，随机抽取信号-行为动作数据库中70%-90%的信号和每个信号所对应的行为动作作为训练样本，将训练样本输入二叉树支持向量机多分类器中进行训练得到二叉树支持向量机模型；
Figure 899367DEST_PATH_IMAGE004
，采用二叉树支持向量机模型实现当前人体运动意图识别：采集当前穿戴者穿戴腰部助力外骨骼机器人做运动时腰部助力外骨骼机器人的背部IMU、背部力传感器、左大腿IMU、左大腿力传感器、右大腿IMU和右大腿力传感器的实时信号，将实时信号输入到二叉树支持向量机模型中判断出当前类别，当判断出当前类别为1时，表示当前穿戴者的运动意图识别为弯腰；当判断出当前类别为2时，表示当前穿戴者的运动意图识别为直立；当判断出当前类别为3时，表示当前穿戴者的运动意图识别为迈左腿行走；当判断出当前类别为4时，表示当前穿戴者的运动意图识别为迈右腿行走。
2.根据权利要求1所述的一种腰部助力外骨骼机器人的人体运动意图识别方法，其特征在于所述的步骤
Figure 475358DEST_PATH_IMAGE001
和步骤
Figure 727348DEST_PATH_IMAGE004
中信号可通过传感器板STM32或Arduino或DSP中的一种来采集。
3.根据权利要求1所述的一种腰部助力外骨骼机器人的人体运动意图识别方法，其特征在于所述的步骤
Figure 627171DEST_PATH_IMAGE002
中采用滑动平均滤波方法进行预处理得到传感器信号序列的具体方法为：将每一个传感器当前的采样值与其过去的10次采样值求平均得到该传感器的平均采样值，并将得到的所有传感器的平均采样值按照时间序列进行排列得到传感器信号序列。
4.根据权利要求1所述的一种腰部助力外骨骼机器人的人体运动意图识别方法，其特征在于所述的步骤
Figure 6331DEST_PATH_IMAGE003
中随机抽取信号-行为动作数据库中75%的信号和每个信号所对应的行为动作作为训练样本。
5.根据权利要求1所述的一种腰部助力外骨骼机器人的人体运动意图识别方法，其特征在于所述的步骤
Figure 307999DEST_PATH_IMAGE003
中二叉树支持向量机多分类器的具体构建方法为：首先把步骤
Figure 42475DEST_PATH_IMAGE002
中的所有类别采用支持向量机随机分为两个子类，再将子类采用支持向量机进一步划分为两个次级子类，如此循环下去，直至得到一个单独的类别为止，最终得到一个由一系列支持向量机构成的二叉树分类树，完成二叉树支持向量机多分类器的构建。
CN202011102544.0A 2020-10-15 2020-10-15 一种腰部助力外骨骼机器人的人体运动意图识别方法 Pending CN112336340A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011102544.0A CN112336340A (zh) 2020-10-15 2020-10-15 一种腰部助力外骨骼机器人的人体运动意图识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011102544.0A CN112336340A (zh) 2020-10-15 2020-10-15 一种腰部助力外骨骼机器人的人体运动意图识别方法

Publications (1)

Publication Number Publication Date
CN112336340A true CN112336340A (zh) 2021-02-09

Family

ID=74361962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011102544.0A Pending CN112336340A (zh) 2020-10-15 2020-10-15 一种腰部助力外骨骼机器人的人体运动意图识别方法

Country Status (1)

Country Link
CN (1) CN112336340A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915447A (zh) * 2012-09-20 2013-02-06 西安科技大学 一种基于二叉树支持向量机的分类方法
CN109394472A (zh) * 2018-09-19 2019-03-01 宁波杰曼智能科技有限公司 一种基于神经网络分类器的康复机器人运动意图识别方法
CN109634419A (zh) * 2018-12-14 2019-04-16 上海迦立信息科技有限公司 康复机器人运动意图识别方法及其计算机可读存储介质
CN111631923A (zh) * 2020-06-02 2020-09-08 中国科学技术大学先进技术研究院 基于意图识别的外骨骼机器人的神经网络控制系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915447A (zh) * 2012-09-20 2013-02-06 西安科技大学 一种基于二叉树支持向量机的分类方法
CN109394472A (zh) * 2018-09-19 2019-03-01 宁波杰曼智能科技有限公司 一种基于神经网络分类器的康复机器人运动意图识别方法
CN109634419A (zh) * 2018-12-14 2019-04-16 上海迦立信息科技有限公司 康复机器人运动意图识别方法及其计算机可读存储介质
CN111631923A (zh) * 2020-06-02 2020-09-08 中国科学技术大学先进技术研究院 基于意图识别的外骨骼机器人的神经网络控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
牟少敏，时爱菊著: "《模式识别与机器学习技术》", 30 June 2019, 冶金工业出版社 *

Similar Documents

Publication Publication Date Title
CN111557828B (zh) 基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法
CN105561567B (zh) 一种计步及运动状态评估装置
CN109166275B (zh) 一种基于加速度传感器的人体跌倒检测方法
CN103519819B (zh) 步态分析方法及步态分析系统
Hurmuzlu et al. Presenting joint kinematics of human locomotion using phase plane portraits and Poincaré maps
CN107260180B (zh) 一种行走中基于小腿和脚的可穿戴步态检测方法及设备
CN103961109A (zh) 基于加速度信号和角速度信号的人体姿态检测装置
CN112754468A (zh) 一种基于多源信号的人体下肢运动检测及识别方法
CN103083027A (zh) 一种基于下肢关节运动信息的步态相位判别方法
CN113043248B (zh) 基于多源传感器的搬运装配全身外骨骼系统及控制方法
Papageorgiou et al. Hidden markov modeling of human normal gait using laser range finder for a mobility assistance robot
CN107536613B (zh) 机器人及其人体下肢步态识别装置和方法
CN112807001B (zh) 多步态意图识别和运动预测方法、系统、终端以及介质
Shen et al. Motion intent recognition for control of a lower extremity assistive device (LEAD)
CN114795831B (zh) 基于多源信息融合的运动训练设备及评价系统、方法
Lou et al. IMU-based gait phase recognition for stroke survivors
CN103632133B (zh) 人体姿态识别方法
CN114795855A (zh) 一种辅助腿部运动的可穿戴智能拐杖
CN112487902B (zh) 面向外骨骼的基于tcn-hmm的步态相位分类方法
CN112336340A (zh) 一种腰部助力外骨骼机器人的人体运动意图识别方法
Supanich et al. Machine learning-based exercise posture recognition system using mediapipe pose estimation framework
CN103736255B (zh) 下肢潜能开发训练用的循经导络导引反馈康复训练系统
CN112560594A (zh) 一种柔性外骨骼系统的人体步态识别方法
KR101603148B1 (ko) 적응적으로 특징과 채널을 선택하는 표면근전도 신호기반 보행단계 인식 방법
CN115019393A (zh) 一种基于卷积神经网络的外骨骼机器人步态识别系统及方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210209