CN112618285A - 一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法 - Google Patents
一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法 Download PDFInfo
- Publication number
- CN112618285A CN112618285A CN202011608384.7A CN202011608384A CN112618285A CN 112618285 A CN112618285 A CN 112618285A CN 202011608384 A CN202011608384 A CN 202011608384A CN 112618285 A CN112618285 A CN 112618285A
- Authority
- CN
- China
- Prior art keywords
- muscle
- moment
- exoskeleton
- torque
- genetic algorithm
- 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
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/16—Physical interface with patient
- A61H2201/1657—Movement of interface, i.e. force application means
- A61H2201/1659—Free spatial automatic movement of interface within a working area, e.g. Robot
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明属于外骨骼领域,公开一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法。所述方法将生物能计算方法嵌入遗传算法中求解最优的踝关节外骨骼辅助力矩;遗传算法的目标函数为使步态周期的生物能成本最小;遗传算法的个体是人体的生物力矩,每一个个体可求得对应的外骨骼辅助力矩,通过遗传算法求解得到种群里的最优个体,进而得到最优个体对应的最优外骨骼辅助力矩。相比于通过实验法遍寻不同的辅助力矩,本发明通过遗传算法得到的外骨骼辅助力矩具备理论上的合理性,因此在一定程度上保证了实验的安全性,并且以此作为基础调试辅助力矩,将提高辅助力矩迭代的速度。
Description
技术领域
本发明涉及外骨骼领域,特别涉及一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法,可用于步行踝关节外骨骼辅助力矩的设置和调试。
背景技术
外骨骼机器人模仿生物世界昆虫的外骨骼,是一种可穿戴设备,作为一种新型的机电设备,通过集成传感、控制、信息融合等技术,在为使用者提供保护的基础上,给使用者提供动力及其他服务。外骨骼技术有广阔的运用场景,在工业领域,外骨骼可以减轻工人负重,减少肌肉疲劳,降低腰肌劳损的风险;在医疗领域,外骨骼帮助行动不便的老人或残障人士恢复行动能力,帮助护理人员轻松抬起病人;在救灾领域,外骨骼可以帮助消防员或其他急救人员提供防护,携带氧气罐和其他呼吸设备;在军事领域,外骨骼将士兵背负的沉重的背包重量传导到地面,并提供充足的动力,减少在崎岖不平的山路上长途跋涉的能量消耗。
当前用于步行的踝关节外骨骼的辅助力矩主要是基于实验法制定,需要手动进行设置,曲线的样式相对来说比较简单,因需要遍历所有的曲线而使得调试过程比较繁琐,并且错误的辅助力矩可能会给人体带来损害。
发明内容
针对上述存在的技术问题,本发明提供一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法。
本发明采用如下技术方案实现:
一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法,所述方法将生物能计算方法嵌入遗传算法中求解最优的踝关节外骨骼辅助力矩;遗传算法的目标函数为使步态周期的生物能成本最小;遗传算法的个体是人体的生物力矩,每一个个体可求得对应的外骨骼辅助力矩,通过遗传算法求解得到种群里的最优个体,进而得到最优个体对应的最优外骨骼辅助力矩。
优选地,遗传算法设置四个约束,其中:
第一个约束为生物力矩约束,生物力矩数值须在0和跖屈肌总力矩之间;
第二个约束为外骨骼辅助力矩峰值约束,限定外骨骼的辅助力矩峰值为一定比例的跖屈肌总力矩最大值;
因为背屈肌肌肉效率过低,因此第三个约束为配合约束;
外骨骼辅助力矩不使人体产生拮抗力矩增量;一般来说,在非主要步态段施加辅助力矩的代谢收益太小,因此第四个约束是非主要步态段外骨骼不施加辅助力矩。
优选地,非主要步态段指步态周期10%之前以及65%之后的阶段。
优选地,四个约束均可转化为以生物力矩为主体变量来表达,以跖屈肌为例,表达形式如下所示:
0≤MMTU(t)≤MPFTOTAL(t)
MMTU(t)≥MPFTOTAL(t)-max(MPFTOTAL(t))k
MMTU(t)≥MMIN(t)
MMTU(t)=MPFTOTAL(t)(tp<10%或tp>65%)
其中,MMTU(t)为生物力矩,k为外骨骼辅助力矩峰值约束中的限定比例,MPFTOTAL(t)为完成步行所需的总力矩,MMIN(t)为生物力矩下限,tp为当前步态百分比。
优选地,,四个约束共同约定了生物力矩数值的上下界,通过一个元素数值均在0到1之间的数列x(t),即可代表一个生物力矩,如下所示:
MMTU(t)=Lb+x(t)(Ub-Lb)
其中,Lb为生物力矩的下界,Ub为生物力矩的上界。
优选地,将步态周期从0%到100%,每1%设置一个x,则总共有101个x构成x(t),一个x(t)代表一种生物力矩曲线。
优选地,为了防止陷入局部最优,通过曲线插值和曲线平滑的数值运算操作使生物力矩曲线达到一定的光滑程度。
优选地,遗传算法的目标函数为单个步态周期的小腿三头肌的生物能成本。
优选地,单个步态周期的小腿三头肌的生物能成本计算包括步骤:
S1、带入已知条件及生物力矩,生物力矩由遗传算法自行生成,已知条件包含:总力矩、肌肉肌腱单元长度、肌肉力臂、踝关节角度、肌肉最大力、最佳肌肉长度、肌腱原长和最大肌肉速度;
S2、步态周期各时间点的肌肉力矩除以实时肌肉力矩等于各个时间点的肌腱力。将肌腱力代入肌腱动力学方程,可以求出实时的肌腱刚度与肌腱伸长量。肌腱伸长量加上肌腱的静息放松长度等于肌腱长度;
S3、用肌肉肌腱单元在步态周期内各个时间点的长度LMTU(t)减去肌腱的实时长度LSEE等于肌肉的实时长度LCE,肌肉速度根据以下公式可以求得:
VCE=-ΔLCE/Δt
其中:ΔLCE为LCE的差分;Δt为单位采样时间。
S4、将肌肉力、肌肉速度和肌肉长度代入以下公式与方程,可以求得肌肉的激活程度a;
S5、将肌肉激活程度和肌肉速度代入肌肉能量学方程,可以求得该时间节点的生物能功率。对生物能功率在时间上求积分,可以求出步态周期跖屈肌和背屈肌所消耗的生物能成本,即遗传算法的目标函数。
优选地,肌肉能量学方程如下:
WMet=∫PMet(t)·dt
其中:PMet为肌肉的生物能功率;FMAX为肌肉最大力;VMAX为肌肉最大速度;fMet为肌肉速度对生物能功率的影响因子;为等于当前肌肉速度除以肌肉最大速度;PMet(t)为t时刻时的肌肉生物能功率。
相比于现有技术,本发明的优点在于:
(1)外骨骼辅助力矩的制定是外骨骼开发和调试必须要面对的关键问题,但人机之间的动力学关系复杂,尚未有简要精确的理论方法可以求解出完美的外骨骼辅助力矩,故而实际中多以实验结果导向的方式逐步调整优化外骨骼辅助力矩,效率不佳且容易陷入错误的优化方向。本发明生成的力矩曲线具备一定的理论基础,相当于筛掉了绝大多数不合理的曲线,从该曲线再进行调试会加快整个外骨骼辅助力矩曲线的迭代速度,进而提升外骨骼的开发效率和准确性。
(2)对于踝关节外骨骼来说,不同踝关节的辅助力矩会对人体造成不同的影响,有些会减少人体的代谢能消耗,有些会增加人体的代谢能成本,而有些可能会对人体造成损害。相比于通过实验法遍寻不同的辅助力矩样式,本发明通过遗传算法得到的外骨骼辅助力矩具备理论上的合理性,因此在一定程度上保证了实验的安全性,并且以此作为基础调试辅助力矩,将提高辅助力矩迭代的速度。
(3)通过实验法遍寻不同辅助力矩的过程具有一定的安全风险,本发明通过遗传算法得到的外骨骼辅助力矩具备理论上的合理性,这有利于外骨骼辅助力矩的调试过程,在一定程度上保证了实验的安全性。
附图说明
图1为本发明一个实施例中步行踝关节外骨骼辅助力矩生成方法的流程图。
图2为本发明一个实施例中基于双肌肉肌腱单元的踝关节肌骨系统模型;2(a)为肌肉肌腱单元(MTU);2(b)、2(c)为踝关节肌骨系统模型几何结构图。
图3为本发明一个实施例中遗传算法的目标函数计算流程图。
具体实施方式
下面结合附图和实施例对本发明的具体实施作进一步详细地说明。
如图1所示,一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法即将生物能计算方法嵌入遗传算法中求解最优的踝关节外骨骼辅助力矩。
需要说明的是,本发明由于采用普通遗传算法,为避免过于累赘,不对遗传算法的具体细节进行展开,下面重点描述本发明的主要创新之处。
如图2所示,本实施例中,首先搭建一个基于双肌肉肌腱单元(MTU)的踝关节肌骨系统模型,用以表征人体踝关节的运动,其中以肌肉肌腱单元代表肌肉群,刚性杆和铰链代表人体骨骼和关节。该模型中的各项常量参数取值如表1-1、表1-2所示。
表1-1肌骨系统模型的几何参数
表1-2肌骨系统模型的肌肉肌腱单元参数
本实施例中,向该踝关节肌骨系统模型导入一组常人行走时踝关节的一个步态周期的运动学数据和动力学数据(详情见于文献1:Collins S H,Wiggin M B,Sawicki GS.Reducing the energy cost of human walking using an unpowered exoskeleton[J].Nature,2015,522(7555):212-215.),可以求取得肌肉肌腱单元的原始长度LMTU0,肌肉肌腱单元在一个步态周期内的长度LMTU(t)以及双肌肉肌腱单元完成行走所需的对踝关节作用的总力矩MTOTAL(t)。
遗传算法的目标函数为使步态周期的生物能成本最小。将步态周期各时间节点的某一确定样式的人体的生物力矩作为输入量,通过一系列运算以求得生物力矩条件下的生物能成本,同时通过将完成步行所需的总力矩减去人体的生物力矩即可得出外骨骼辅助力矩。
本发明遗传算法的个体是人体的生物力矩,每一个个体可求得对应一个外骨骼辅助力矩,通过遗传算法求解种群里的最优个体(最优生物力矩),即可得到这个最优个体(最优生物力矩)对应的最优外骨骼辅助力矩。
基于遗传算法的步行踝关节外骨骼辅助力矩生成方法,总共设置四个约束。第一个约束为生物力矩约束,生物力矩数值须在0和跖屈肌总力矩之间;第二个约束为外骨骼辅助力矩峰值约束,限定外骨骼的辅助力矩峰值为一定比例的跖屈肌总力矩最大值;因为背屈肌肌肉效率过低,因此第三个约束为配合约束;外骨骼辅助力矩不使人体产生拮抗力矩增量;一般来说,在非主要步态段(步态周期10%之前以及65%之后的阶段,这些阶段内踝关节几乎不需做功)施加辅助力矩的代谢收益太小,因此第四个约束是非主要步态段外骨骼不施加辅助力矩。这四个约束均可转化为以生物力矩为主体变量来表达,以跖屈肌为例,表达形式如下所示:
0≤MMTU(t)≤MPFTOTAL(t)
MMTU(t)≥MPFTOTAL(t)-max(MPFTOTAL(t))k
MMTU(t)≥MMIN(t)
MMTU(t)=MPFTOTAL(t)(tp<10%或tp>65%)
其中,MMTU(t)为生物力矩,k为外骨骼辅助力矩峰值约束中的限定比例,MPFTOTAL(t)为完成步行所需的总力矩,MMIN(t)为生物力矩下限,tp为当前步态百分比。
以上约束共同约定了生物力矩数值的上下界,通过一个元素数值均在0到1之间的数列x(t),即可代表一个生物力矩,如下所示:
MMTU(t)=Lb+x(t)(Ub-Lb)
其中,Lb为生物力矩的下界,Ub为生物力矩的上界。
将步态周期从0%到100%,每1%设置一个x,则总共有101个x构成x(t)。一个x(t)就代表了一种生物力矩曲线。
为了防止陷入局部最优,随机的生物力矩曲线本身需要一定的光滑程度,因此需要通过曲线插值和曲线平滑的数值运算操作,每3个x对应生成一个0到1的随机数,这些随机数按生成顺序组成一个随机数序列,对这个随机数序列进行线性插值得出x(t),这样可以赋予曲线一定程度的光滑程度。对于生成的生物力矩曲线再进行平滑操作,进一步增加曲线的光滑性,并且通过多种群进行寻优,可以大幅降低陷入局部最优的概率。
遗传算法中目标函数为单个步态周期的小腿三头肌的生物能成本。如图3所示,生物能成本计算包括如下步骤:
S1、带入已知条件及生物力矩,生物力矩由遗传算法自行生成,已知条件包含:总力矩、肌肉肌腱单元长度、肌肉力臂、踝关节角度、肌肉最大力、最佳肌肉长度、肌腱原长和最大肌肉速度等;
S2、步态周期各时间点的肌肉力矩除以实时肌肉力矩等于各个时间点的肌腱力。将肌腱力代入肌腱动力学方程,可以求出实时的肌腱刚度与肌腱伸长量。肌腱伸长量加上肌腱的静息放松长度等于肌腱长度,肌腱动力学方程如下所示:
S3、用肌肉肌腱单元在步态周期内各个时间点的长度LMTU(t)减去肌腱的实时长度LSEE等于肌肉的实时长度LCE,肌肉速度根据以下公式可以求得:
VCE=-ΔLCE/Δt
其中:ΔLCE为LCE的差分;Δt为单位采样时间。
S4、将肌肉力、肌肉速度和肌肉长度代入以下公式与方程,可以求得肌肉的激活程度a;
S5、将肌肉激活程度和肌肉速度代入肌肉能量学方程,可以求得该时间节点的生物能功率。对生物能功率在时间上求积分,可以求出步态周期跖屈肌和背屈肌所消耗的生物能成本,即遗传算法的目标函数。肌肉能量学方程如下:
WMet=∫PMet(t)·dt
其中:PMet为肌肉的生物能功率;FMAX为肌肉最大力;VMAX为肌肉最大速度;fMet为肌肉速度对生物能功率的影响因子;为等于当前肌肉速度除以肌肉最大速度;PMet(t)为t时刻时的肌肉生物能功率。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法,其特征在于,所述方法将生物能计算方法嵌入遗传算法中求解最优的踝关节外骨骼辅助力矩;遗传算法的目标函数为使步态周期的生物能成本最小;遗传算法的个体是人体的生物力矩,每一个个体可求得对应的外骨骼辅助力矩,通过遗传算法求解得到种群里的最优个体,进而得到最优个体对应的最优外骨骼辅助力矩。
2.根据权利要求1所述的步行踝关节外骨骼辅助力矩生成方法,其特征在于,遗传算法设置四个约束,其中:
第一个约束为生物力矩约束,生物力矩数值须在0和跖屈肌总力矩之间;
第二个约束为外骨骼辅助力矩峰值约束,限定外骨骼的辅助力矩峰值为一定比例的跖屈肌总力矩最大值;
因为背屈肌肌肉效率过低,因此第三个约束为配合约束;
外骨骼辅助力矩不使人体产生拮抗力矩增量;一般来说,在非主要步态段施加辅助力矩的代谢收益太小,因此第四个约束是非主要步态段外骨骼不施加辅助力矩。
3.根据权利要求2所述的步行踝关节外骨骼辅助力矩生成方法,其特征在于,非主要步态段指步态周期10%之前以及65%之后的阶段。
4.根据权利要求3所述的步行踝关节外骨骼辅助力矩生成方法,其特征在于,四个约束均可转化为以生物力矩为主体变量来表达,以跖屈肌为例,表达形式如下所示:
0≤MMTU(t)≤MPFTOTAL(t)
MMTU(t)≥MPFTOTAL(t)-max(MPFTOTAL(t))·k
MMTU(t)≥MMIN(t)
MMTU(t)=MPFTOTAL(t)(tp<10%或tp>65%)
其中,MMTU(t)为生物力矩,k为外骨骼辅助力矩峰值约束中的限定比例,MPFTOTAL(t)为完成步行所需的总力矩,MMIN(t)为生物力矩下限,tp为当前步态百分比。
5.根据权利要求4所述的步行踝关节外骨骼辅助力矩生成方法,其特征在于,四个约束共同约定了生物力矩数值的上下界,通过一个元素数值均在0到1之间的数列x(t),即可代表一个生物力矩,如下所示:
MMTU(t)=Lb+x(t)(Ub-Lb)
其中,Lb为生物力矩的下界,Ub为生物力矩的上界。
6.根据权利要求5所述的步行踝关节外骨骼辅助力矩生成方法,其特征在于,将步态周期从0%到100%,每1%设置一个x,则总共有101个x构成x(t),一个x(t)代表一种生物力矩曲线。
7.根据权利要求6所述的步行踝关节外骨骼辅助力矩生成方法,其特征在于,为了防止陷入局部最优,通过曲线插值和曲线平滑的数值运算操作使生物力矩曲线达到一定的光滑程度。
8.根据权利要求6所述的步行踝关节外骨骼辅助力矩生成方法,其特征在于,遗传算法的目标函数为单个步态周期的小腿三头肌的生物能成本。
9.根据权利要求8所述的步行踝关节外骨骼辅助力矩生成方法,其特征在于,单个步态周期的小腿三头肌的生物能成本计算包括步骤:
S1、带入已知条件及生物力矩,生物力矩由遗传算法自行生成,已知条件包含:总力矩、肌肉肌腱单元长度、肌肉力臂、踝关节角度、肌肉最大力、最佳肌肉长度、肌腱原长和最大肌肉速度;
S2、步态周期各时间点的肌肉力矩除以实时肌肉力矩等于各个时间点的肌腱力;将肌腱力代入肌腱动力学方程,可以求出实时的肌腱刚度与肌腱伸长量;肌腱伸长量加上肌腱的静息放松长度等于肌腱长度;
S3、用肌肉肌腱单元在步态周期内各个时间点的长度LMTU(t)减去肌腱的实时长度LSEE等于肌肉的实时长度LCE,肌肉速度根据以下公式可以求得:
VCE=-ΔLCE/Δt
其中:ΔLCE为LCE的差分;Δt为单位采样时间;
S4、将肌肉力、肌肉速度和肌肉长度代入以下公式与方程,可以求得肌肉的激活程度a;
S5、将肌肉激活程度和肌肉速度代入肌肉能量学方程,可以求得该时间节点的生物能功率;对生物能功率在时间上求积分,可以求出步态周期跖屈肌和背屈肌所消耗的生物能成本,即遗传算法的目标函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011608384.7A CN112618285A (zh) | 2020-12-30 | 2020-12-30 | 一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011608384.7A CN112618285A (zh) | 2020-12-30 | 2020-12-30 | 一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112618285A true CN112618285A (zh) | 2021-04-09 |
Family
ID=75286854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011608384.7A Pending CN112618285A (zh) | 2020-12-30 | 2020-12-30 | 一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112618285A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642124A (zh) * | 2021-08-12 | 2021-11-12 | 华南理工大学 | 一种多单元协同无源助力外骨骼的构建方法、系统及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101786478A (zh) * | 2010-02-23 | 2010-07-28 | 华东理工大学 | 具有反力矩结构的虚拟力控制下肢外骨骼机器人 |
CN112025682A (zh) * | 2020-09-02 | 2020-12-04 | 中国科学技术大学 | 基于肌肉协同理论的柔性外骨骼机器人控制方法及系统 |
-
2020
- 2020-12-30 CN CN202011608384.7A patent/CN112618285A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101786478A (zh) * | 2010-02-23 | 2010-07-28 | 华东理工大学 | 具有反力矩结构的虚拟力控制下肢外骨骼机器人 |
CN112025682A (zh) * | 2020-09-02 | 2020-12-04 | 中国科学技术大学 | 基于肌肉协同理论的柔性外骨骼机器人控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
钟一弘: "基于肌肉肌腱模型和能源消耗模型的踝关节外骨骼设计与研究", 《万方学位论文》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642124A (zh) * | 2021-08-12 | 2021-11-12 | 华南理工大学 | 一种多单元协同无源助力外骨骼的构建方法、系统及介质 |
CN113642124B (zh) * | 2021-08-12 | 2024-03-08 | 华南理工大学 | 一种多单元协同无源助力外骨骼的构建方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kalita et al. | Development of active lower limb robotic-based orthosis and exoskeleton devices: a systematic review | |
Li et al. | Bio-inspired upper limb soft exoskeleton to reduce stroke-induced complications | |
Dollar et al. | Design of a quasi-passive knee exoskeleton to assist running | |
Durfee et al. | Design and simulation of a pneumatic, stored-energy, hybrid orthosis for gait restoration | |
Singh et al. | Modeling and simulation of a passive lower-body mechanism for rehabilitation | |
Guan et al. | Optimization of an unpowered energy-stored exoskeleton for patients with spinal cord injury | |
Ruiz-Olaya et al. | Upper and lower extremity exoskeletons | |
TWM526379U (zh) | 氣壓肌肉驅動兼具上肢助力與復健訓練功能之外骨骼裝置 | |
Liu et al. | A survey on the exoskeleton rehabilitation robot for the lower limbs | |
Miranda-Linares et al. | Control of lower limb exoskeleton for elderly assistance on basic mobility tasks | |
CN112618285A (zh) | 一种基于遗传算法的步行踝关节外骨骼辅助力矩生成方法 | |
Zhang et al. | The design and development of a lower limbs rehabilitation exoskeleton suit | |
Analia et al. | Design of assistive torque for a lower limb exoskeleton based on motion prediction | |
To et al. | Simulation of a functional neuromuscular stimulation powered mechanical gait orthosis with coordinated joint locking | |
Veneman et al. | Emerging directions in lower limb externally wearable robots for gait rehabilitation and augmentation–a review | |
Sharma et al. | Multifaceted bio-medical applications of exoskeleton: A review | |
Guo et al. | Assistive force of a belt-type hip assist suit for lifting the swing leg during walking | |
Wang et al. | Performance analysis of unpowered lower limb exoskeleton during sit down and stand up | |
Tucan et al. | A kinematic model and dynamic simulation of a parallel robotic structure for lower limb rehabilitation | |
Xie et al. | The proceeding of the research on human exoskeleton | |
Sharma et al. | Gait planning and double support phase model for functional electrical stimulation-based walking | |
Jiang | Biomechanical Analysis and Mobility Improvement of Auxiliary Mobile Equipment | |
Shi et al. | Design of soft human-robot interface based on neuro-muscular-skeletal model | |
He et al. | Review of Power-Assisted Lower Limb Exoskeleton Robot | |
Wu et al. | Biomechanical simulation analysis of human lower limbs assisted by exoskeleton |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210409 |
|
WD01 | Invention patent application deemed withdrawn after publication |