CN113043248B - 基于多源传感器的搬运装配全身外骨骼系统及控制方法 - Google Patents
基于多源传感器的搬运装配全身外骨骼系统及控制方法 Download PDFInfo
- Publication number
- CN113043248B CN113043248B CN202110278782.5A CN202110278782A CN113043248B CN 113043248 B CN113043248 B CN 113043248B CN 202110278782 A CN202110278782 A CN 202110278782A CN 113043248 B CN113043248 B CN 113043248B
- Authority
- CN
- China
- Prior art keywords
- exoskeleton
- information
- wearer
- central controller
- acquisition module
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0006—Exoskeletons, i.e. resembling a human figure
-
- 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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
-
- 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
- A61B5/103—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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Geometry (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明提供了基于多源传感器的搬运装配全身外骨骼系统及控制方法;该方法包括:外骨骼行走阶段通过检测穿戴者下肢的肌电信号和足底压力信号作为外骨骼初始运动信号的决策指令,中央处理器开始接收姿态传感器数据输出既定步态,行走过程中检测人机交互力,采用导纳控制算法输出位置补偿,达到人机协作一体化。外骨骼装配过程采用肌肉电信号驱动上臂运动,结合激光传感器实现精确定位装配。本发明可以让外骨骼准确感知人体运动意图,实现更强的人机协作运动,最后完成精度更高的装配,进而使用户穿戴外骨骼完成更好的助力,提高穿戴者的用户体验度。
Description
技术领域
本发明属于全身外骨骼机器人感知控制技术领域,具体涉及一种全身外骨骼机器人通过多源传感器识别穿戴者运动状态辅助穿戴者完成搬运的系统及控制方法。
背景技术
尽力保障劳动生产工作人员的身体健康逐渐成为保障民生的重要部分。工业装配领域存在快节奏、高度重复以及费力的手部工作,装配工人往往需要以非中性的身体姿势去操纵工具,其肌肉骨骼会受到一些来自外部的机械压力和振动冲击,这些都将诱发与工作相关肌肉骨骼系统疾病。同时在狭窄的工作环境中,搬运物体的机械臂等设备往往不能进入,造成了不得不花费大量人力物力去解决搬运装配问题。
外骨骼机器人作为一款人机协作一体化机器人,为人体提供助力,增强人体机能,强化肢体力量,大幅度提高穿戴者的负重能力,拓宽穿戴者的工作范围。外骨骼机器人目前尚存在较多的困难与挑战,特别是人体运动意图的自主辨识和基于人机交互的柔顺控制这两个问题成为外骨骼亟待解决的问题。同时,现有外骨骼缺乏装配能力,只能承担负载承重任务,无法感知外骨骼与装配点的之间的位置联系,不能将工件精准装入装配到指定地点,成为外骨骼发展道路上又一亟待解决的问题。
发明内容
为了帮助减轻装配工人的工作负荷,保护装配工人肌肉骨骼,减少装配工人肌肉骨骼累积损伤,本发明提出了一种基于多源传感器的搬运装配全身外骨骼系统及控制方法。在设计外骨骼机械结构的基础上,设计一套基于多源传感器的全身外骨骼感知系统,制定外骨骼感知系统与外骨骼控制系统之间的通讯协议,着力解决外骨骼人体意图自主识别、人机协调柔顺控制和外骨骼装配精准度的问题。外骨骼机器人作为典型的人机协作机器人,本发明通过采集人体的各类运动信号以及人体表面肌电信号完成人机协同运动。利用外骨骼自身可承载物体负重属性,完成基于外骨骼的搬运控制。
为达到上述目的,本发明的技术方案是:
一种基于多源传感器的搬运装配全身外骨骼系统,包括中央控制器,置于全身外骨骼背部控制箱内,用于处理底层传感器发来的数据信息;
足底压力信息采集模块,置于全身外骨骼脚部,用于判断外骨骼行走中的步态相序;
肌电信号采集模块,置于穿戴者上肢和下肢,用于与足底信息采集模块共同判断外骨骼行走中的步态相序;
姿态信息采集模块,置于穿戴者下肢,用于采集穿戴者关节角度步态信息,为外骨骼机器人提供运动信息输入;
交互力采集模块,置于外骨骼下肢,用于检测外骨骼与穿戴者人机之间交互力,判断人机之间的柔顺性;
位置定位模块,置于装配孔四周,用于实施检测外骨骼与装配孔之间的位置信息,完成精确定位;
所述中央控制器,作为“全身外骨骼”的大脑,通过采用CAN总线通讯方式与足底压力信息采集模块与肌电信号采集模块进行实时数据传输,将获得的信息处理后作为控制信号发送给下肢姿态信息采集模块;下肢姿态信息采集模块获取到控制信号后,采集穿戴者的下肢信息再反馈给中央控制器,中央控制器将获得的穿戴者速度、加速度、关节角度信息处理后发送给外骨骼上的驱动电机,驱动电机配合穿戴者一齐运动;在外骨骼与穿戴者运动过程中,为保证人机协作的柔顺性,交互力采集模块实时检测人机间的运动产生的交互力,并反馈给中央控制器,采用导纳控制算法,弥补人机之间的位置差;在装配过程中,中央控制器接收上肢肌电信号信息,使上肢自由跟随穿戴者上肢运动;在装配地点,接收来自于装配孔的位置信息,并采用运动学算法,实现精确装配任务;
足底压力信息采集模块用于捕获穿戴者初始运动信息,实现外骨骼立即跟随穿戴者决策运动控制;足底压力信息采集模块嵌入于外骨骼鞋内,由足底压力应变片传感器和压力应变片变送单元构成;足底压力应变片变送单元采用全桥电路检测压力传感器的电阻变化,使用二阶低通滤波电路对电压信号进行放大和滤波;
穿戴者在无意抖动腿部而造成足底压力信号的波动导致全身外骨骼“大脑”的误识别,为解决这种误识别,在穿戴者下肢安放肌电信号采集模块,肌电信号采集模块识别人体运动信息,区分穿戴者无意的抖动和有意识运用的肌电信号信息;肌电信号采集模块由Ag/AgCl电极、前置放大电路、工频陷波电路、滤波电路、二级放大电路和电压抬升电路构成,通过CAN总线的通讯方式传输给中央控制器;
中央控制器接收足底压力信息和下肢肌电信号信息后,立刻接收下肢姿态信息;姿态信息采集模块通过惯性传感器实时采集穿戴者肢体运动信息,并将运动信息通过CAN总线的方式传输给中央控制器;运动信息包括人体肢体的角度信息、速度信息以及加速度信息,实现外骨骼在运动过程中的运动初始运动输入;
穿戴者是一个动态的主体,其受外界和自身多重影响,造成人机协作存在差异性,达不到完全人机一体化,因此为保证人机协作的柔顺性,采用交互力采集模块实时采集人机之间的交互力信息;交互力采集模块主要由力传感器构成,通过CAN总线的方式传输给中央控制器,用于实现人机之间协作控制补偿;
在装配过程中,装配位置定位模块主要由激光传感器构成,用于采集外骨骼精确装配中的外骨骼实时位置信息,将采集到的信息采用网络传送给外骨骼中央控制器,实现精确定位装配控制,并负责实时监控在装配过程中外骨骼位置信息以及装配孔的位置信息;
在搬起的过程中,由于是一个缓慢过程,无需考虑快速性,外骨骼上肢采用精度更高的肌电控制,分别采集穿戴者上肢肘关节、肩关节肌群的表面肌电信号,并将肌电信号信息采用CAN总线的方式传输给中央控制器,用于实现外骨骼识别穿戴者在搬运装配过程中外骨骼角度信号运动控制。
上述的基于多源传感器的搬运装配全身外骨骼系统的控制方法,控制方法分为两部分:外骨骼托举搬运控制方法和外骨骼固定装配控制方法;
第一部分:外骨骼托举搬运控制方法,包括步骤如下:
步骤1:穿戴者穿戴全身外骨骼完毕,中央控制器工控机通过肌电信号采集模块和足底压力信息采集模块采集穿戴者的腿部运动状态信息,完成信号处理生成决策指令作为外骨骼搬运移动开始的输入决策控制信号;
步骤1.1:人体生物肌肉电信号是超前于人体运动特征一种信号,肌电信号采集模块实时采集穿戴者腿部肌肉电信号的信息,去噪后将数据发送给中央控制器,设定相应的阈值,肌电信息大于阈值后,中央控制器给足底压力模块发送接收信息指令;
步骤1.2:足底压力信息模块收到中央控制器的指令后,将实时采集的穿戴者的人体足部的足前、足中、足后三组数据打包发送给中央控制器,中央控制器采用模糊控制算法对足前信息、足中信息、足后信息以及肌肉电信号信息进行融合处理,最终得到外骨骼的状态相位,输出最终的运动控制决策信号;
步骤2:中央控制器得到运动控制决策信号后,给固定于穿戴者下半身的姿态信息测量模块发送接收指令实时接收穿戴者下肢的运动角度、速度、加速度信息,中央控制器工控机结合离线步态数据库中的既定数据曲线库,导出一条最快的、最合适的穿戴者跟踪信号曲线,分别作为外骨骼髋关节、膝关节对应系统期望输入曲线;
穿戴者在运动过程的约束感和自我调整导致既定曲线不会完全符合穿戴者的意志,存在的束缚感让人机整体之间变得不再协调,中央控制器通过交互力采集模块实时采集运动过程中的人机下肢之间的交互力,将人机交互力信息导入到导纳控制模型中,输出补偿位置信息,最终得到外骨骼运动过程中髋关节、膝关节的最终期望输入角度;
第二部分:外骨骼搬起装配控制部分
步骤3:外骨骼在搬起配件时,将外骨骼下肢进行软件锁死,中央控制器不接收来自下肢传感器的数据;中央控制器通过上肢肌电信号模块采集穿戴者上肢大臂3块肌肉的表面肌电信号,将数据进行预处理并提取特征值,将特征量引入识别模型中实现对关节姿态角度的实时预测;
步骤3.1:上肢表面肌电信号取决于人体皮肤表面,信号不强,信噪比很低,提取的信号中电磁辐射,检测仪器等噪声。引入前置放大电路对肌电信号进行放大,对硬件电路上设计高通和低通滤波电路,完成对信号的滤波处理;
步骤3.2:中央控制器实时接收上肢肌电采集模块采集人体上肢肌肉电信号信息,并且搭建基于肌电信号的LSTM在线关节角度估计模型,将提取出的特征输入模型中,实时预测肩、肘关节期望运动角度;
步骤4:外骨骼往装配地点进行运动,中央控制器不断采集外骨骼位置信息以及目标装配地点位置信息,对路径做出规划指导,并实时显示当前位置与目标位置;待外骨骼运动到目标位置后,中央控制器将外骨骼下肢设置为底座工作模式,根据配重大小计算出整体外骨骼平衡时的髋膝角度,并保持该角度;此时外骨骼的工作方式将从搬运工作方式转换为装配工作方式;
步骤5:转换为装配工作模式后,首先进行装配粗定位,上肢外骨骼双臂同步运动到孔径位置点后,中央控制器通过激光传感器采集的位置信息进行精确定位,利用运动学中的逆运动学原理,在中央控制器工控机解算出肩关节、肘关节需运动角度,作为外骨骼上肢关节运动的最终期望角度;
步骤6:外骨骼上肢机械手臂实现精确定位后,打开工件固定装置,让放置在U型槽上的轴进行装配,利用槽上的电动轴承装置,穿戴者辅助装配轴的运动,完成最终的轴孔装配任务。
本发明的有益效果:本发明通过对穿戴者的足底压力信号、肌电信号、肢体信号的采集、处理及识别,成功的将外骨骼具备识别穿戴者的运动意图的功能,并且让外骨骼具备了类人性的操作,展现出良好的人机协作效果。本发明一方面解决了在狭窄空间下,搬运大型物体的操作设备无法到达,靠人搬运装配耗时耗力的问题,另一方面本发明利用激光传感器的实时采集轴孔装配位置点的信息,有效的解决了外骨骼在装配过程中操作操作难度大,装配精度低的问题。本发明可以有效的为装配工作人员提供一种可靠的智能化移动方式的外骨骼,节省了装配工人在搬运中的体力,解决了在高精度装配中精度差的问题。本发明适用范围广泛,主要包括单兵作战外骨骼、医疗康复外骨骼、助行外骨骼等等。
附图说明
图1搬运装配全身外骨骼系统整体结构示意图。
图2全身外骨骼搬运行走操作流程图。
图3外骨骼模糊逻辑推理流程图。
图4LSTM模型t时刻的时间序列处理模块CELL示意图。
图5外骨骼装配操作流程图。
图6上肢二连杆动力学模型图。
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方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
装配搬运全身外骨骼系统如图1所示,包括外骨骼上肢、下肢仿生机构系统、感知模块、电源系统模块。
第一部分:外骨骼行走搬运控制,流程图如图2所示。
步骤1:穿戴者穿戴好全身外骨骼,中央控制器工控机通过足底压力信息采集模块和下肢肌电信号采集模块实时采集穿戴者的运动状态信息,完成信号处理生成决策指令作为外骨骼搬运移动开始的控制决策输入信号;
步骤1.1:人的行走行为是靠脚与地面的摩擦力获得向前的加速度,且人脚与地面的相互作业力支撑了人体的所有重量。因此利用此原理,制作外骨骼足底压力传感鞋,穿戴者穿戴外骨骼的同时脚步固定在外骨骼传感鞋中,实时采集的足底压力信息。
在整个人体步态周期中,穿戴者只有支撑相才会产生足底压力。在双腿支撑阶段主要是要平衡身体向前倾力,单腿支撑阶段是获得向前的加速力,而摆动相是先后腿交换的过程。从足底压力的角度分析,在双腿支撑阶段主要是靠脚跟受力,在单腿摆动阶段是靠脚后跟率先受力,而在单腿摆动阶段是脚后跟受力逐渐减小而脚前掌和脚趾逐渐受力,摆动相没有足底压力。
中央控制器将采集得到的外骨骼足底压力数据信号利用巴特沃斯低通滤波算法对足底信号进行去噪预处理,外骨骼在运动过程中,足底压力信号的有效信号主要分布在15Hz以下,所以低通滤波器的截止频率设定为15Hz;并从去噪后的信号中提取特征值,将提取特征值与阈值进行比较,得到足后、足中以及足前的步态相位信息。
步骤1.2:与此同时,在双腿支撑阶段主要是要平衡身体的前倾的力,穿戴者会不间断的前倾,导致足底压力数据不平稳。中央控制器首先通过肌电采集模块实时采集的穿戴者的腿部肌电信号的强弱,并对肌电信号进行去噪。中央控制器将接收到通过肌电信息结合外骨骼足底步态数据4组数据,采用模糊控制算法来对数据进行融合处理,判断是否发生真正意义上的行走,最终得到外骨骼初始运动的控制决策信号。
由于穿戴者在运动过程中,足前,足中,足后的足底压力信号和下肢肌电信号没有具体的数学模型来应对解决,但是采用模糊逻辑算法可以很好的解决这类问题。模糊逻辑推理中的命题可以将真实度以及错误度分别表现出来,中央控制器通过对足底和肌肉电信号的采用模糊处理后作为输入,将控制决策命题输出。
外骨骼模糊逻辑推理流程图3所示。输入的模糊子集采用三角形隶属函数,模糊规则推理表则根据足底压力数据与肌肉电信号数据之间的关系,基于相对的真实度,推导出数据之间相关的关联规则。由于足中的数据与足前的数据之前存在着大量的相似性,因此将足前、足中、肌肉电数据作为最终的输入,每一组数据对应两个模糊集合分别为“小”和“大”,通过排列列举,最终得到了如表1所示的8条模糊推理规则,采用重心解模糊化的方法,通过加权平均最终输出的状态表示外骨骼运动的相位状态离地,脚跟着地,完全着地、以及摆动状态。
表1外骨骼模糊推理规则表
步骤2:得到最终的步态相位后,外骨骼从站立状态改变为行走状态,外骨骼通过预设定的一个初始步态行走。通过固定于穿戴者身上的惯性信息测量模块实时检测穿戴者的运动角度、速度、加速度信息,中央控制器工控机结合离线步态数据库中的既定数据曲线,导出一条最快的穿戴者跟踪信号曲线,分别作为外骨骼髋关节、膝关节对应系统期望输入曲线。通过采集得到的人机下肢之间的交互力,导入到导纳控制模型中,从而得到在外骨骼运动过程中髋关节、膝关节的最终期望输入角度。
导纳控制的核心思想将对外力的输入,通过对核心控制修改系统的输出位置(速度)响应,使系统符合期望的设计。中央控制器测得人机下肢之间的交互力,通过导纳控制模型,输入人机之间的位置差,弥补人机交互力,最终达到人机协作一体化运动。
第二部分:外骨骼搬起装配控制部分
步骤3:通过肌电传感器采集穿戴者上肢3块肌肉的表面肌电信号将数据进行预处理并提取特征值,将特征量引入识别模型中实现对关节姿态角度的实时预测。
搭建基于LSTM回归算法肌电信号在线关节角度估计模型,将提取出的特征输入模型中,实时预测关节运动角度。LSTM是一种特殊的RNN类型,通过添加门限,包括输入门限,遗忘门限和输出门限,使得自循环的权重是变化的,解决了RNN在处理长期依赖(时间序列上距离较远节点)时会遇到巨大的困难所导致的梯度消失和梯度膨胀的问题。LSTM模型t时刻的时间序列处理模块CELL示意图如图4所示,LSTM的每个模块具有保存t时刻ct的记忆单元。模块的输出ht如下式表示:
ht=ottanh(ct)
其中ot是调整当前输入xt和前神经元信息ht-1的输出门,其输出由下式计算:
ot=σ(Woxt+Uoht-1+Voct)
其中σ为sigmoid函数,输出0到1之间的数值,调整每个、有多少量可以通过。Wo为输出门中xt的权重系数。xt为时间序列的肌电时域特征值。Uo为输出门中的ht-1的权重系数。Vo是一个对角矩阵,表示输出控制的中间计算量。记忆单元ct的状态信息通过遗忘部分记忆单元和添加新的记忆单元来进行更新:
新的记忆单元的计算方法为:
Wa为特征提取过程中xt的权重系数,Ua为特征提取过程中ht-1的权重系数。
记忆单元的内容由遗忘门ft进行调整,并且新的记忆单元的内容被添加到记忆单元的程度由输入门it进行调整其计算公式为:
Wf、Wi分别代表遗忘门和输入门中的xt的权重系数,Uf、Ui分别代表遗忘门和输入门中的ht-1的权重系数,Vf和Vi为对角阵,分别代表遗忘控制与输入控制的中间计算量。
外骨骼上肢将轴从底座架台上搬起时,重物压在外骨骼上肢的前臂上,穿戴者根据自身条件,需将轴从底座架台上搬起到一定角度,外骨骼肌电采集模块通过实时采集穿戴者上肢的肌肉电信号,利用LSTM算法,实时估计出穿戴者上肢关节运动意图,保证整个穿戴者和外骨骼是实时同步,实现人机整体协作,保证整个系统始终处于平衡状态。经过不同穿戴者对上肢进行多组实验以及对模型参数的精细调整,在线运动意图识别即关节角度预测具备超前性,相较于常用的SVM,BP神经网络进行肩关节的预测误差对比分析,穿戴者用SVM预测肩关节、肘关节两个关节角度均方根误差分别为6.76°,5.65°,BP神经网络预测两个关节角度均方根误差分别为5.82°,4.17°,LSTM网络训练预测的两个关节角度均方根误差分别为2.87°,2.56°。
步骤4:搬运装配外骨骼运动到装配地点附近后,中央控制器将外骨骼下肢设置为底座工作模式,外骨骼的工作方式将由搬运工件方式转换为装配工件方式。
操作流程如图5所示,搬运装配外骨骼在运动过程中,中央控制器不断接收目标孔径位置,实时将搬运装配外骨骼当前位置与目标孔径位置进行比较,解算出搬运装配外骨骼持续不断的运动量。搬运装配外骨骼运动到装配地点附近后,将当前手中的物体位姿与目标孔径位姿进行比较,通过中央控制器的高运算能力,判断外骨骼运动到的目标孔径位置是否在搬运装配外骨骼上肢操作范围内,若不在,继续改变搬运装配外骨骼位置,直到装配外骨骼运动到操作范围内。为保证在装配过程中,搬运装配外骨骼的整体平衡,中央控制器将外骨骼下肢设置为底座工作模式,不再接收足底压力信息采集模块、惯性信息测量模块,交互力信息采集模块,搬运装配外骨骼下肢不会继续移动。同时,降低搬运装配外骨骼重心,工作模式从搬运托举状态转换为装配工件状态。
步骤5:上肢外骨骼双臂运动到孔径附近后,中央控制器通过激光传感器采集的位置信息,利用运动学中的逆运动学原理,在中央控制器工控机解算出肩关节、肘关节需运动角度,作为外骨骼上肢关节运动的最终期望角度。
外骨骼轴孔装配采用侧面插入装配,外骨骼的矢状面与孔径所在的平面呈现为平行状态。外骨骼此时不在对肌电信号采集模块数据接收,只对激光传感器模块接收数据,外骨骼上肢末端位置为B(X1,Y1),利用外骨骼上的激光传感器感知孔径所在的位置A(X2,Y2)后,为实现精确装配,此时外骨骼工作方式由被动状态转为主动状态。
上肢外骨骼逆运动学是指根据装配孔所在的位置A(X2,Y2),来求解肩关节和肘关节的关节变量θ1、θ2。结合图6所示,利用几何分析法来求解逆运动学方程。首先在由大臂连杆和小臂连杆l1、l2以及机械背顶端和末端连写OA组成的三角形中;利用余弦定理可求得θ2和α,同时利用正切公式可求出β:
于是
θ1=β-α
即
上面求得的结果以及分析装配外骨骼在实际中的正常装配轨迹中可以得出,但是,如果纯粹从数学几何学的角度来分析的话,外骨骼上肢装配的运动学逆运算解存在不止一个,结合上肢二连杆动力学模型图6所示中的粗虚线所示,这也是外骨骼上肢运动过程中的一个解,在这种情况下,求得θ1、θ2的另外一组解为:
θ1=β+α
结合外骨骼上肢运动轨迹运动范围可以分析出,θ1、θ2的值不在外骨骼上肢各个关节正常运动的取值范围内,因此在设定判定值之前,对肩关节θ1和肘关节θ2的运动范围做出了限制,θ2∈[0,π]。所以上肢外骨骼精确定位的逆运动学方程为
中央控制器利用解算出的肩关节和肘关节θ1、θ2,利用CANopen通信协议将解算出的数据角度传输给电机驱动器,完成最终的精确定位。
步骤6:完成精确定位后,进入侧面装配环节。为保证装配的安全高效,且装配的工件不会与孔的倒角发生碰撞,激光传感器始终监视装配过程中外骨骼与孔之间的位置,同时打开外骨骼下肢和腰部机械锁,保证外骨骼在装配过程的稳定。搬运装配全身外骨骼启动腕部电机,将放置于外骨骼上的轴输送进装配孔中,完成最终装配任务。
Claims (2)
1.一种基于多源传感器的搬运装配全身外骨骼系统,其特征在于,包括中央控制器,置于全身外骨骼背部控制箱内,用于处理底层传感器发来的数据信息;
足底压力信息采集模块,置于全身外骨骼脚部,用于判断外骨骼行走中的步态相序;
肌电信号采集模块,置于穿戴者上肢和下肢,用于与足底信息采集模块共同判断外骨骼行走中的步态相序;
姿态信息采集模块,置于穿戴者下肢,用于采集穿戴者关节角度步态信息,为外骨骼机器人提供运动信息输入;
交互力采集模块,置于外骨骼下肢,用于检测外骨骼与穿戴者人机之间交互力,判断人机之间的柔顺性;
位置定位模块,置于装配孔四周,用于实施检测外骨骼与装配孔之间的位置信息,完成精确定位;
所述中央控制器,通过采用CAN总线通讯方式与足底压力信息采集模块与肌电信号采集模块进行实时数据传输,将获得的信息处理后作为控制信号发送给下肢姿态信息采集模块;下肢姿态信息采集模块获取到控制信号后,采集穿戴者的下肢信息再反馈给中央控制器,中央控制器将获得的穿戴者速度、加速度、关节角度信息处理后发送给外骨骼上的驱动电机,驱动电机配合穿戴者一齐运动;在外骨骼与穿戴者运动过程中,交互力采集模块实时检测人机间的运动产生的交互力,并反馈给中央控制器,采用导纳控制算法,弥补人机之间的位置差;在装配过程中,中央控制器接收上肢肌电信号信息,使上肢自由跟随穿戴者上肢运动;在装配地点,接收来自于装配孔的位置信息,并采用运动学算法,实现精确装配任务;
足底压力信息采集模块用于捕获穿戴者初始运动信息,实现外骨骼立即跟随穿戴者决策运动控制;足底压力信息采集模块嵌入于外骨骼鞋内,由足底压力应变片传感器和压力应变片变送单元构成;足底压力应变片变送单元采用全桥电路检测压力传感器的电阻变化,使用二阶低通滤波电路对电压信号进行放大和滤波;
在穿戴者下肢安放肌电信号采集模块,肌电信号采集模块识别人体运动信息,区分穿戴者无意的抖动和有意识运用的肌电信号信息;肌电信号采集模块由Ag/AgCl电极、前置放大电路、工频陷波电路、滤波电路、二级放大电路和电压抬升电路构成,通过CAN总线的通讯方式传输给中央控制器;
中央控制器接收足底压力信息和下肢肌电信号信息后,立刻接收下肢姿态信息;姿态信息采集模块通过惯性传感器实时采集穿戴者肢体运动信息,并将运动信息通过CAN总线的方式传输给中央控制器;运动信息包括人体肢体的角度信息、速度信息以及加速度信息,实现外骨骼在运动过程中的运动初始运动输入;
采用交互力采集模块实时采集人机之间的交互力信息;交互力采集模块主要由力传感器构成,通过CAN总线的方式传输给中央控制器,用于实现人机之间协作控制补偿;
在装配过程中,位置定位模块主要由激光传感器构成,用于采集外骨骼精确装配中的外骨骼实时位置信息,将采集到的信息采用网络传送给外骨骼中央控制器,实现精确定位装配控制,并负责实时监控在装配过程中外骨骼位置信息以及装配孔的位置信息;
在搬起的过程中,外骨骼上肢采用精度更高的肌电控制,分别采集穿戴者上肢肘关节、肩关节肌群的表面肌电信号,并将肌电信号信息采用CAN总线的方式传输给中央控制器,用于实现外骨骼识别穿戴者在搬运装配过程中外骨骼角度信号运动控制。
2.权利要求1所述的基于多源传感器的搬运装配全身外骨骼系统的控制方法,其特征在于,控制方法分为两部分:外骨骼托举搬运控制方法和外骨骼固定装配控制方法;
第一部分:外骨骼托举搬运控制方法,包括步骤如下:
步骤1:穿戴者穿戴全身外骨骼完毕,中央控制器工控机通过肌电信号采集模块和足底压力信息采集模块采集穿戴者的腿部运动状态信息,完成信号处理生成决策指令作为外骨骼搬运移动开始的输入决策控制信号;
步骤1.1:肌电信号采集模块实时采集穿戴者腿部肌肉电信号的信息,去噪后将数据发送给中央控制器,设定相应的阈值,肌电信息大于阈值后,中央控制器给足底压力模块发送接收信息指令;
步骤1.2:足底压力信息模块收到中央控制器的指令后,将实时采集的穿戴者的人体足部的足前、足中、足后三组数据打包发送给中央控制器,中央控制器采用模糊控制算法对足前信息、足中信息、足后信息以及肌肉电信号信息进行融合处理,最终得到外骨骼的状态相位,输出最终的运动控制决策信号;
步骤2:中央控制器得到运动控制决策信号后,给固定于穿戴者下半身的姿态信息测量模块发送接收指令实时接收穿戴者下肢的运动角度、速度、加速度信息,中央控制器工控机结合离线步态数据库中的既定数据曲线库,导出一条最快的、最合适的穿戴者跟踪信号曲线,分别作为外骨骼髋关节、膝关节对应系统期望输入曲线;
中央控制器通过交互力采集模块实时采集运动过程中的人机下肢之间的交互力,将人机交互力信息导入到导纳控制模型中,输出补偿位置信息,最终得到外骨骼运动过程中髋关节、膝关节的最终期望输入角度;
第二部分:外骨骼搬起装配控制部分
步骤3:外骨骼在搬起配件时,将外骨骼下肢进行软件锁死,中央控制器不接收来自下肢传感器的数据;中央控制器通过上肢肌电信号模块采集穿戴者上肢大臂3块肌肉的表面肌电信号,将数据进行预处理并提取特征值,将特征量引入识别模型中实现对关节姿态角度的实时预测;
步骤3.1:引入前置放大电路对肌电信号进行放大,对硬件电路上设计高通和低通滤波电路,完成对信号的滤波处理;
步骤3.2:中央控制器实时接收上肢肌电采集模块采集人体上肢肌肉电信号信息,并且搭建基于肌电信号的LSTM在线关节角度估计模型,将提取出的特征输入模型中,实时预测肩、肘关节期望运动角度;
步骤4:外骨骼往装配地点进行运动,中央控制器不断采集外骨骼位置信息以及目标装配地点位置信息,对路径做出规划指导,并实时显示当前位置与目标位置;待外骨骼运动到目标位置后,中央控制器将外骨骼下肢设置为底座工作模式,根据配重大小计算出整体外骨骼平衡时的髋膝角度,并保持该角度;此时外骨骼的工作方式将从搬运工作方式转换为装配工作方式;
步骤5:转换为装配工作模式后,首先进行装配粗定位,上肢外骨骼双臂同步运动到孔径位置点后,中央控制器通过激光传感器采集的位置信息进行精确定位,利用运动学中的逆运动学原理,在中央控制器工控机解算出肩关节、肘关节需运动角度,作为外骨骼上肢关节运动的最终期望角度;
步骤6:外骨骼上肢机械手臂实现精确定位后,打开工件固定装置,让放置在U型槽上的轴进行装配,利用槽上的电动轴承装置,穿戴者辅助装配轴的运动,完成最终的轴孔装配任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278782.5A CN113043248B (zh) | 2021-03-16 | 2021-03-16 | 基于多源传感器的搬运装配全身外骨骼系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278782.5A CN113043248B (zh) | 2021-03-16 | 2021-03-16 | 基于多源传感器的搬运装配全身外骨骼系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113043248A CN113043248A (zh) | 2021-06-29 |
CN113043248B true CN113043248B (zh) | 2022-03-11 |
Family
ID=76512493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110278782.5A Active CN113043248B (zh) | 2021-03-16 | 2021-03-16 | 基于多源传感器的搬运装配全身外骨骼系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113043248B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114569410B (zh) * | 2022-05-06 | 2022-09-13 | 卓道医疗科技(浙江)有限公司 | 康复机器人训练模式的控制方法、装置及存储介质 |
CN114932536B (zh) * | 2022-05-31 | 2023-07-28 | 山东大学 | 可行走的主动式机械装置 |
CN116704553B (zh) * | 2023-06-13 | 2024-01-26 | 长江大学 | 一种基于计算机视觉技术的人体特征识物辅助系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015106278A2 (en) * | 2014-01-13 | 2015-07-16 | Massachusetts Institute Of Technology | Wearable robot assisting manual tasks |
WO2018000854A1 (zh) * | 2016-06-29 | 2018-01-04 | 深圳光启合众科技有限公司 | 对人体上肢进行运动意图识别和助力的方法及装置 |
CN108422421A (zh) * | 2018-03-16 | 2018-08-21 | 中国科学院自动化研究所 | 骨骼肌肉式机器人的肌肉控制和装配方法 |
CN109940584A (zh) * | 2019-03-25 | 2019-06-28 | 杭州程天科技发展有限公司 | 一种外骨骼机器人及其检测人体运动意图的检测方法 |
CN110141239A (zh) * | 2019-05-30 | 2019-08-20 | 东北大学 | 一种用于下肢外骨骼的运动意图识别及装置方法 |
CN110900638A (zh) * | 2019-10-31 | 2020-03-24 | 东北大学 | 基于多信号融合的上肢可穿戴式搬运机器人运动识别系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10058994B2 (en) * | 2015-12-22 | 2018-08-28 | Ekso Bionics, Inc. | Exoskeleton and method of providing an assistive torque to an arm of a wearer |
-
2021
- 2021-03-16 CN CN202110278782.5A patent/CN113043248B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015106278A2 (en) * | 2014-01-13 | 2015-07-16 | Massachusetts Institute Of Technology | Wearable robot assisting manual tasks |
WO2018000854A1 (zh) * | 2016-06-29 | 2018-01-04 | 深圳光启合众科技有限公司 | 对人体上肢进行运动意图识别和助力的方法及装置 |
CN108422421A (zh) * | 2018-03-16 | 2018-08-21 | 中国科学院自动化研究所 | 骨骼肌肉式机器人的肌肉控制和装配方法 |
CN109940584A (zh) * | 2019-03-25 | 2019-06-28 | 杭州程天科技发展有限公司 | 一种外骨骼机器人及其检测人体运动意图的检测方法 |
CN110141239A (zh) * | 2019-05-30 | 2019-08-20 | 东北大学 | 一种用于下肢外骨骼的运动意图识别及装置方法 |
CN110900638A (zh) * | 2019-10-31 | 2020-03-24 | 东北大学 | 基于多信号融合的上肢可穿戴式搬运机器人运动识别系统 |
Non-Patent Citations (1)
Title |
---|
基于sEMG和LSTM的下肢连续运动估计;王斐;《东北大学学报》;20200331;第41卷(第03期);305-310 * |
Also Published As
Publication number | Publication date |
---|---|
CN113043248A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109953761B (zh) | 一种下肢康复机器人运动意图推理方法 | |
Chen et al. | A novel gait pattern recognition method based on LSTM-CNN for lower limb exoskeleton | |
CN112754468B (zh) | 一种基于多源信号的人体下肢运动检测及识别方法 | |
Huang et al. | Posture estimation and human support using wearable sensors and walking-aid robot | |
CN109940584A (zh) | 一种外骨骼机器人及其检测人体运动意图的检测方法 | |
Qian et al. | Predictive locomotion mode recognition and accurate gait phase estimation for hip exoskeleton on various terrains | |
Long et al. | Human motion intent learning based motion assistance control for a wearable exoskeleton | |
Zeng et al. | Research on a gait detection system and recognition algorithm for lower limb exoskeleton robot | |
CN110977961A (zh) | 一种自适应助力外骨骼机器人运动信息采集系统 | |
Li et al. | Real-time gait event detection for a lower extremity exoskeleton robot by infrared distance sensors | |
Li et al. | Active human-following control of an exoskeleton robot with body weight support | |
Song et al. | Adaptive neural fuzzy reasoning method for recognizing human movement gait phase | |
Iwasaki et al. | Gait stability index built by kinematic information consistent with the margin of stability along the mediolateral direction | |
Zheng et al. | A GMM-DTW-based locomotion mode recognition method in lower limb exoskeleton | |
Al-Shuka et al. | On high-level control of power-augmentation lower extremity exoskeletons: Human walking intention | |
CN112560594A (zh) | 一种柔性外骨骼系统的人体步态识别方法 | |
Du et al. | Locomotion mode recognition with inertial signals for hip joint exoskeleton | |
Xu et al. | Multi-sensor based human motion intention recognition algorithm for walking-aid robot | |
Lian et al. | A three-step hill neuromusculoskeletal model parameter identification method based on exoskeleton robot | |
Chen et al. | Comparison of machine learning regression algorithms for foot placement prediction | |
Chen et al. | An adaptive gait learning strategy for lower limb exoskeleton robot | |
Li et al. | A Novel Method of Pattern Recognition Based on TLSTM in lower limb exoskeleton in Many Terrains | |
Ren et al. | Gait phase recognition of multi-mode locomotion based on multi-layer perceptron for the plantar pressure measurement system | |
Zhang et al. | Gait Prediction and Assist Control of Lower Limb Exoskeleton Based on Inertia Measurement Unit |
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 |