CN112859868B - 基于kmp的下肢外骨骼康复机器人及运动轨迹规划算法 - Google Patents
基于kmp的下肢外骨骼康复机器人及运动轨迹规划算法 Download PDFInfo
- Publication number
- CN112859868B CN112859868B CN202110070852.8A CN202110070852A CN112859868B CN 112859868 B CN112859868 B CN 112859868B CN 202110070852 A CN202110070852 A CN 202110070852A CN 112859868 B CN112859868 B CN 112859868B
- Authority
- CN
- China
- Prior art keywords
- gait
- kmp
- joint
- trajectory
- probability distribution
- 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.)
- Expired - Fee Related
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 33
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 21
- 230000005021 gait Effects 0.000 claims abstract description 83
- 238000009826 distribution Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000013016 damping Methods 0.000 claims abstract description 6
- 239000000203 mixture Substances 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 17
- 210000001624 hip Anatomy 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 6
- 210000000629 knee joint Anatomy 0.000 claims description 6
- 210000000689 upper leg Anatomy 0.000 claims description 6
- 244000309466 calf Species 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 210000004394 hip joint Anatomy 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims 1
- 210000003414 extremity Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000006911 nucleation Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus ; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
- A61H1/0255—Both knee and hip of a patient, e.g. in supine or sitting position, the feet being moved in a plane substantially parallel to the body-symmetrical-plane
- A61H1/0262—Walking movement; Appliances for aiding disabled persons to walk
-
- 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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
-
- 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
- A61H2201/50—Control means thereof
- A61H2201/5007—Control means thereof computer controlled
Abstract
本发明公开了一种基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，包括以下步骤：将步态、步态相和刚度阻尼数据作为训练集；以训练集中的步态、步态相作为示教数据，使用高斯混合模型GMM建立关节概率分布模型；采用高斯回归算法计算训练集中样本之间的联合概率分布，根据需要预测的关节角度和阻抗函数的先验概率分布，计算其后验概率分布，得到预测值和方差的函数，指导参数轨迹的分布；通过两个高斯分布的KL散度最小化方法导出均值和协方差的最优解，并运用核函数制定KMP策略；根据检测到的使用者的步态相，通过KMP策略实时生成预测步态轨迹。
Description
技术领域
本发明涉及机器人运动规划领域，尤其涉及一种基于KMP的下肢外骨骼康复机器人及运动轨迹规划算法。
背景技术
随着中国老龄化形势日益严峻，而老年人随着年龄增长，运动能力减弱，且受到各种病症的影响，导致老年人生活受到极大影响。经过科学的治疗和康复训练后，部分人能够恢复运动能力。然而患者在自身运动能力缺乏的情况下，需要专业医师辅助康复训练。然而，因为专业医师的缺乏，大量患者得不到及时且科学的康复训练。针对这种现状，医疗机构开始采用康复机器人替代治疗师进行康复训练，减少人力成本的同时可以辅助患者进行准确科学的康复训练。外骨骼机器人因其跟人体肢体的贴合较好，且能较完整的带动肢体复现康复动作等原因，将外骨骼机器人作为康复机器人已成为一种发展趋势。
然而目前外骨骼康复机器人多数采用固定轨迹，而固定轨迹无法适应不同体型和病情的患者需求。
KMP全称是Kernelized Movement Primitive，其中文名为核化运动基元算法。由英国利兹大学的黄艳龙博士提出。使用核技巧避免了基函数的定义，从而解决了模仿学习过程中其他轨迹规划算法面临的高维输入的难题。更重要的是，KMP仅需要学习少量的样本，而且能够生成经过不同节点和端点的适应性动作。因此，KMP适用于有多维控制变量输入的变刚度外骨骼机器人的轨迹在线规划与控制。
发明内容
本发明的目的在于提供一种能够在线生成可调步态的方法，针对不同穿戴者进行个性化建模，并能够根据患者意图实时调整步态的外骨骼康复机器人。
本发明为达上述目的所采用的技术方案是：
提供一种基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，包括以下步骤：
将步态、步态相和刚度阻尼数据作为训练集；
以训练集中的步态、步态相作为示教数据，使用高斯混合模型GMM建立关节概率分布模型；
采用高斯回归算法计算训练集中样本之间的联合概率分布，根据需要预测的关节角度和阻抗函数的先验概率分布，计算其后验概率分布，得到预测值和方差的函数，指导参数轨迹的分布；
通过两个高斯分布的KL散度最小化方法导出均值和协方差的最优解，并运用核函数制定KMP策略；
根据检测到的使用者的步态相，通过KMP策略实时生成预测步态轨迹。
接上述技术方案，通过多个步态周期的迭代，以及包括均值、协方差和核矩阵的参数更新，使输出轨迹更接近于使用者所需康复训练轨迹。
接上述技术方案，对输入的高维示教数据，对预测输出进行矩阵核化，以避免基函数的显性作用，高维数据包括力矩、关节转角、关节角速度。
接上述技术方案，在外骨骼控制器进行轨迹跟踪时，利用步态相和步态相对应的关节角度作为期望点，对检测到的步态相进行在线规划，生成符合使用者运动状态的步态轨迹；针对每个步态周期中的步态相和对应的步态相角，在每一个步态相出现时实时在线规划步态轨迹，以减小人机之间的位置误差。
接上述技术方案，在原始训练集中插入节点和端点，对训练集进行扩展，使用扩展后的训练集更新均值、协方差和核矩阵。
本发明还提供一种基于KMP的下肢外骨骼康复机器人，该下肢外骨骼康复机器人执行如上述技术方案所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法。
接上述技术方案，该下肢外骨骼康复机器人包括控制盒(Ⅰ)、腰部结构(Ⅱ)、膝关节机构(Ⅲ)、小腿部分(Ⅳ)以及踝关节机构(Ⅴ)；控制元件置于控制盒(Ⅰ)中，腰部结构(Ⅱ)包括；背板、电池、驱动器、腰托、腰部和背部柔性连接、髋关节以及大腿连接件，其中驱动器部分包括离合器；膝关节机构(Ⅲ)为滚动凸轮变瞬心结构，连接大腿和小腿；小腿部分(Ⅳ)包括支撑小腿以及柔性绑带；踝关节机构(Ⅴ)与小腿相连。
本发明产生的有益效果是：本发明提出了KMP核化运动基元算法的外骨骼康复机器人的运动规划算法，借助示教过程，其中包括力矩，关节转角，关节角速度等高维数据。以此为输入示教数据通过GMM和GMR计算出示教数据的均值和协方差，最后通过KMP算法实时在线调整期望轨迹，得出最适合使用者的运动/刚度轨迹，以此来提高外骨骼康复机器人的康复训练效率。相对于现有其他技术，本发明具有支持高维输入/输出，支持自定义轨迹节点以及端点，且允许模糊输入，同时可以在线动态调整预测输出轨迹。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例KMP规划流程图；
图2是本发明实施例步态/阻抗在线规划流程图；
图3是本发明实施例下肢外骨骼康复机器人示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明实施例基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，如图1和图2所示，包括以下步骤：
S1、将步态、步态相和刚度阻尼数据作为训练集；
S2、以训练集中的步态、步态相作为示教数据，使用高斯混合模型GMM建立关节概率分布模型；
S3、采用高斯回归算法计算训练集中样本之间的联合概率分布，根据需要预测的关节角度和阻抗函数的先验概率分布，计算其后验概率分布，得到预测值和方差的函数，指导参数轨迹的分布；
S4、通过两个高斯分布的KL散度最小化方法导出均值和协方差的最优解，并将均值和协方差最优解代入核函数制定KMP策略；
S5、根据检测到的使用者的步态相，通过KMP策略实时生成预测步态轨迹。
KMP运动规划流程为：
KMP通过正常的动作数据集生成拟人运动轨迹，其中参数化轨迹为：
ξ(s)＝Θ(s)Tw (1)
转角Θ(s)为：
其中，
为基函数。设权重向量为正态分布，即：w～N(μw，∑w)
N(μw，∑w)表示以μw为权重均值，∑w为权重协方差的正态分布
ξ(s)～N(Θ(s)Tμw，Θ(s)T∑wΘ(s)) (3)
KMP目标是令参数化轨迹模仿由参考数据建立的关节概率分布模型
使用KL散度最小化方法。KL散度的最小化可确保在模仿学习过程中的信息损失最小，考虑目标函数的最小化：
其中Pp(ξ|sn)表示在给定输入sn的情况下的参数轨迹的分布，Pr(ξ|sn)对应于步态相输入sn相关的参考轨迹概率分布。
DKL(·||·)表示参数轨迹的分布与参考轨迹概率分布之间的KL散度：
通过两个高斯分布的KL散度属性，将参数化轨迹改写为：
其中|·|和Tr(·)分别表示矩阵的行列式和迹线，权重向量的定义可进一步分解为均值最小子问题和协方差最小子问题。
得出均值和协方差的目标函数最小化形式，以此解决均值和协方差的子问题，从而得出KMP公式，预测角度输出：k*(K+λΣ)-1U和下一阶段参考轨迹：N(k(s*,s*)-k*(K+λΣ)-1k*T)/λ。
对于高位输入的示教数据集，对预测输出进行矩阵核化，以避免基函数的显性作用。可以定义核矩阵：
k(si,sj)＝Θ(si)TΘ(sj) (7)
定义：
对于任意输入步态相s*，KMP预测对应的输出为：
ξ(s*)＝k*(K+λ∑)-1U (8)
其中k*＝[k(s*,s1)k(s*,s2)...k(s*,sN)] (9)
λ表示惩罚系数；
需要注意的是，本算法可以将原始参考轨迹和节点/端点连接起来以解决轨迹的扩展适应问题。
例如，给出L个期望点(即为了解决轨迹扩展适应性问题所设计的预测轨迹经过点)，表示为
其中
和
分别对应
时刻设定点的均值和协方差，将
与原始轨迹D连接，获得扩展后的参考轨迹
以此作为训练集，通过示教数据的运动节点分布和其对应的关节角度等特性定义期望节点和端点，并进行期望数值的适应性调整，本算法可以生成所有经过期望点的适应轨迹，同时保持示教形状，另外可以通过新的任务需求设计期望点条件分布。
根据上述KMP特性，步态规划的流程为：KMP通过正常的人体步态数据集生成拟人步态轨迹，而在外骨骼控制器进行轨迹跟踪时，由于使用者的状态变化，会出现实际轨迹和预设轨迹的偏差，进而产生人机之间的位置误差，此时利用步态相和步态相对应的关节角度作为期望点，可以针对检测到的步态相进行在线规划，生成符合使用者运动状态的步态轨迹。针对每个步态周期中的步态相和对应的步态相角，在每一个步态相出现时实时在线规划步态轨迹，就能够减小人机之间的位置误差。通过多个步态周期的迭代和参数更新，均值μ，协方差Σ和核矩阵K会不断更新，使输出轨迹更接近于使用者所需康复训练轨迹。
KMP步态阻抗在线规划流程步骤如下：
通过GMM和GMR的方法得到关节轨迹概率分布模型，KMP利用该模型(其中包括步态相与步态以及与之对应的刚度与阻尼)生成拟人步态轨迹；
在线进行轨迹跟踪，利用状态变化产生的位置误差与步态相和步态相对应的关节角度、刚度和阻抗作为期望点，进行在线规划生成符合运动状态的步态轨迹以减少位置误差；
根据多个步态周期的迭代和参数更新，在线规划所生成的轨迹逐渐逼近于使用者所需的康复训练轨迹。
KMP训练过程主要包括基于核化运动基元的步态/阻抗规划，包括以下步骤：
1.初始化
定义核函数k(·,·)和惩罚系数λ。
2.示教学习
收集示教数据
N表示轨迹长度，H表示示教数量，Sn,h表示步态相,h表示第h组示教数据，n表示第n个步长；
建立高斯混合模型
πc指高斯分布中的先验概率，N表示高斯分布。
3.预测输出轨迹
输入步态相s*；
计算均值μ,协方差Σ，核矩阵K；
输出本阶段预测轨迹E(ξ(s*))＝k*(K+λΣ)-1μ；
输出本阶段参考轨迹D(ξ(s*))＝N(k(s*,s*)-k*(K+λΣ)-1k*T)/λ，预测轨迹与示教数据类型保持一致，本专利中提出的轨迹规划算法可以同时输入多个类型的示教数据进行模仿学习。
4.更新参考数据集
在原始数据集中插入节点和端点；
使用扩展后的参考数据
作为训练集；
更新均值μ,协方差Σ，核矩阵K。
本发明算法搭载的设备为一种主被动结合的绳驱下肢外骨骼机器人，如图3所示，包括控制盒(Ⅰ)、腰部结构(Ⅱ)、膝关节机构(Ⅲ)、小腿部分(Ⅳ)以及踝关节机构(Ⅴ)。控制元件置于控制盒(Ⅰ)中，腰部结构(Ⅱ)包括了背板、电池、驱动器、腰托、腰部和背部柔性连接、髋关节以及大腿连接件，其中驱动器部分添加了离合器以实现主被动结合；膝关节机构(Ⅲ)为滚动凸轮变瞬心结构，连接大腿和小腿；小腿部分(Ⅳ)包括支撑小腿以及柔性绑带，可以进行长度调节；踝关节机构(Ⅴ)与小腿相连。控制盒(Ⅰ)执行上述实施例的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法。
本发明的下肢外骨骼机器人可以使患者肢体根据自身意图调整的步态中进行康复，更能增加其主动性和参与度，起到了促进恢复的作用。
综上，本发明提出了KMP核化运动基元算法的外骨骼康复机器人的运动规划算法，借助示教过程，其中包括力矩，关节转角，关节角速度等高维数据。以此为输入示教数据通过GMM和GMR计算出示教数据的均值和协方差，最后通过KMP算法实时在线调整期望轨迹，得出最适合使用者的运动/刚度轨迹，以此来提高外骨骼康复机器人的康复训练效率。相对于现有其他技术，具有支持高维输入/输出，支持自定义轨迹节点以及端点，且允许模糊输入，同时可以在线动态调整预测输出轨迹。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，包括以下步骤：
将步态、步态相和刚度阻尼数据作为训练集；
以训练集中的步态、步态相作为示教数据，使用高斯混合模型GMM建立关节概率分布模型；
采用高斯回归算法计算训练集中样本之间的联合概率分布，根据需要预测的关节角度和阻抗函数的先验概率分布，计算其后验概率分布，得到预测值和方差的函数，指导参数轨迹的分布；
通过两个高斯分布的KL散度最小化方法导出均值和协方差的最优解，并运用核函数制定KMP策略；
通过KMP步态阻抗在线规划流程实时生成预测步态轨迹：具体通过GMM和GMR的方法得到关节轨迹概率分布模型，KMP利用该关节轨迹概率分布模型生成拟人步态轨迹，其中包括步态相与步态以及与之对应的刚度与阻尼；
在线进行轨迹跟踪，利用状态变化产生的位置误差与步态相和步态相对应的关节角度、刚度和阻抗作为期望点，进行在线规划生成符合运动状态的步态轨迹以减少位置误差；
根据多个步态周期的迭代和参数更新，在线规划所生成的轨迹逐渐逼近于使用者所需的康复训练轨迹。
2.根据权利要求1所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，通过多个步态周期的迭代，以及包括均值、协方差和核矩阵的参数更新，使输出轨迹更接近于使用者所需康复训练轨迹。
3.根据权利要求1所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，对输入的高维示教数据，对预测输出进行矩阵核化，以避免基函数的显性作用，高维数据包括力矩、关节转角、关节角速度。
4.根据权利要求1所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，在外骨骼控制器进行轨迹跟踪时，利用步态相和步态相对应的关节角度作为期望点，对检测到的步态相进行在线规划，生成符合使用者运动状态的步态轨迹；针对每个步态周期中的步态相和对应的步态相角，在每一个步态相出现时实时在线规划步态轨迹，以减小人机之间的位置误差。
5.根据权利要求1所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法，其特征在于，在原始训练集中插入节点和端点，对训练集进行扩展，使用扩展后的训练集更新均值、协方差和核矩阵。
6.一种基于KMP的下肢外骨骼康复机器人，其特征在于，该下肢外骨骼康复机器人执行如权利要求1-5中任一项所述的基于KMP的下肢外骨骼康复机器人运动轨迹规划算法。
7.根据权利要求6所述的基于KMP的下肢外骨骼康复机器人，其特征在于，该下肢外骨骼康复机器人包括控制盒(Ⅰ)、腰部结构(Ⅱ)、膝关节机构(Ⅲ)、小腿部分(Ⅳ)以及踝关节机构(Ⅴ)；控制元件置于控制盒(Ⅰ)中，腰部结构(Ⅱ)包括；背板、电池、驱动器、腰托、腰部和背部柔性连接、髋关节以及大腿连接件，其中驱动器部分包括离合器；膝关节机构(Ⅲ)为滚动凸轮变瞬心结构，连接大腿和小腿；小腿部分(Ⅳ)包括支撑小腿以及柔性绑带；踝关节机构(Ⅴ)与小腿相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110070852.8A CN112859868B (zh) | 2021-01-19 | 2021-01-19 | 基于kmp的下肢外骨骼康复机器人及运动轨迹规划算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110070852.8A CN112859868B (zh) | 2021-01-19 | 2021-01-19 | 基于kmp的下肢外骨骼康复机器人及运动轨迹规划算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112859868A CN112859868A (zh) | 2021-05-28 |
| CN112859868B true CN112859868B (zh) | 2022-07-15 |
Family
ID=76007412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110070852.8A Expired - Fee Related CN112859868B (zh) | 2021-01-19 | 2021-01-19 | 基于kmp的下肢外骨骼康复机器人及运动轨迹规划算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112859868B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113829339B (zh) * | 2021-08-02 | 2023-09-15 | 上海大学 | 基于长短时记忆网络的外骨骼运动协同方法 |
| 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 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106945020A (zh) * | 2017-05-18 | 2017-07-14 | 哈尔滨工业大学 | 一种空间双机械臂系统运动协调控制方法 |
| CN107773384A (zh) * | 2017-11-02 | 2018-03-09 | 武汉大学 | 一种变刚度下肢外骨骼机器人 |
| CN110710976A (zh) * | 2019-10-14 | 2020-01-21 | 深圳市迈步机器人科技有限公司 | 个性化步态生成方法存储介质、控制系统及外骨骼机器人 |
| CN112060075A (zh) * | 2020-07-21 | 2020-12-11 | 深圳先进技术研究院 | 步态生成网络的训练方法、训练设备以及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RO125970B1 (ro) * | 2010-01-21 | 2019-03-29 | Institutul De Mecanica Solidelor Al Academiei Române | Metodă şi dispozitiv pentru controlul dinamic al unui robot păşitor |
| US10532000B1 (en) * | 2013-11-13 | 2020-01-14 | Hrl Laboratories, Llc | Integrated platform to monitor and analyze individual progress in physical and cognitive tasks |
| US10335294B2 (en) * | 2015-10-28 | 2019-07-02 | North Carolina State University | Systems and methods for automatically tuning powered prosthesis impedance control parameters |
| CN108153153B (zh) * | 2017-12-19 | 2020-09-11 | 哈尔滨工程大学 | 一种学习变阻抗控制系统及控制方法 |
| CN111568700A (zh) * | 2020-04-16 | 2020-08-25 | 南方科技大学 | 一种下肢穿戴式机器人步态控制方法、装置和设备 |
| CN111685772B (zh) * | 2020-05-29 | 2021-07-09 | 清华大学 | 外骨骼机器人测量系统、行走步态建模分析方法和设备 |
| CN112220650B (zh) * | 2020-12-09 | 2021-04-16 | 南京伟思医疗科技股份有限公司 | 一种外骨骼机器人对侧训练用在线步态生成控制系统 |
-
2021
- 2021-01-19 CN CN202110070852.8A patent/CN112859868B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106945020A (zh) * | 2017-05-18 | 2017-07-14 | 哈尔滨工业大学 | 一种空间双机械臂系统运动协调控制方法 |
| CN107773384A (zh) * | 2017-11-02 | 2018-03-09 | 武汉大学 | 一种变刚度下肢外骨骼机器人 |
| CN110710976A (zh) * | 2019-10-14 | 2020-01-21 | 深圳市迈步机器人科技有限公司 | 个性化步态生成方法存储介质、控制系统及外骨骼机器人 |
| CN112060075A (zh) * | 2020-07-21 | 2020-12-11 | 深圳先进技术研究院 | 步态生成网络的训练方法、训练设备以及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| Kernelized movement primitives;Huang yanlong，等;《International Journal of Robotics Research》;20190731;第38卷(第7期);833-852 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112859868A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Davoodi et al. | Computer simulation of FES standing up in paraplegia: A self-adaptive fuzzy controller with reinforcement learning | |
| CN112859868B (zh) | 基于kmp的下肢外骨骼康复机器人及运动轨迹规划算法 | |
| Liu et al. | Deep rehabilitation gait learning for modeling knee joints of lower-limb exoskeleton | |
| Bekey et al. | Robot control by reflex actions | |
| Sun et al. | A novel adaptive iterative learning control approach and human-in-the-loop control pattern for lower limb rehabilitation robot in disturbances environment | |
| CN112060075B (zh) | 步态生成网络的训练方法、训练设备以及存储介质 | |
| Dariush et al. | Stability and a control strategy of a multilink musculoskeletal model with applications in FES | |
| CN111243706A (zh) | 基于变阻抗演示学习的上肢康复机器人训练任务生成方法 | |
| Guo et al. | Task performance-based adaptive velocity assist-as-needed control for an upper limb exoskeleton | |
| Xu et al. | A DMP-based motion generation scheme for robotic mirror therapy | |
| Xu et al. | Reducing the muscle activity of walking using a portable hip exoskeleton based on human-in-the-loop optimization | |
| Luo et al. | Trajectory generation and control of a lower limb exoskeleton for gait assistance | |
| Christou et al. | Designing personalised rehabilitation controllers using offline model-based optimisation | |
| Chen et al. | Force/position control strategy of 3-PRS ankle rehabilitation robot | |
| CN109726511A (zh) | 基于ug和adams步态康复机器人关节角度确定方法 | |
| CN115755592A (zh) | 调整三自由度外骨骼运动状态的多模态控制方法及外骨骼 | |
| Kalani et al. | Application of DQN learning for delayed output feedback control of a gait-assist hip exoskeleton | |
| CN111341412B (zh) | 基于rbf-dmp振荡器的下肢康复型外骨骼步态规划方法 | |
| Hao et al. | Hierarchical Task-Oriented Whole-Body Locomotion of a Walking Exoskeleton Using Adaptive Dynamic Motion Primitive for Cart Pushing | |
| Jovic et al. | A new 3D center of mass control approach for FES-assisted standing: First experimental evaluation with a humanoid robot | |
| Poliakov et al. | Transfemoral prostheses control in a frame of intellectual-synergetic concept | |
| Wolf et al. | Developing a quasi-static controller for a paralyzed human arm: A simulation study | |
| Poggensee | Understanding the Human Contribution to the Human-Exoskeleton System | |
| Pyle et al. | A model of reward-modulated motor learning with parallelcortical and basal ganglia pathways | |
| CN113547524B (zh) | 一种上肢外骨骼机器人的人机交互控制方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220715 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |