CN115416003A - 一种面向老人的下肢外骨骼的按需辅助控制方法 - Google Patents
一种面向老人的下肢外骨骼的按需辅助控制方法 Download PDFInfo
- Publication number
- CN115416003A CN115416003A CN202211237753.5A CN202211237753A CN115416003A CN 115416003 A CN115416003 A CN 115416003A CN 202211237753 A CN202211237753 A CN 202211237753A CN 115416003 A CN115416003 A CN 115416003A
- Authority
- CN
- China
- Prior art keywords
- exoskeleton
- moment
- torque
- joint
- aan
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 19
- 210000000629 knee joint Anatomy 0.000 claims abstract description 43
- 230000005021 gait Effects 0.000 claims abstract description 32
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 6
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 210000001699 lower leg Anatomy 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 230000005484 gravity Effects 0.000 claims description 12
- 238000009795 derivation Methods 0.000 claims description 10
- 101100465509 Arabidopsis thaliana PSAO gene Proteins 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 8
- 210000002414 leg Anatomy 0.000 claims description 8
- 210000001503 joint Anatomy 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 210000000689 upper leg Anatomy 0.000 claims description 3
- 244000309466 calf Species 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000000386 athletic effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- 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
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Rehabilitation Therapy (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physical Education & Sports Medicine (AREA)
- Pain & Pain Management (AREA)
- Epidemiology (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明属于控制技术领域,具体涉及了一种面向老人的下肢外骨骼的按需辅助控制方法,旨在解决现有的按需辅助机器人控制方法实用性与通用性低,并且过于注重减少轨迹跟踪误差而忽视用户之间步态轨迹的存在固有差异问题的问题。借助下肢外骨骼系统动力学模型利用BP神经网络训练得到基于人体质心的膝关节力矩估计模型,得到人体膝关节的估计力矩;采用统计学方法选择参考轨迹与参考力矩;将估计力矩、参考力矩、参考轨迹作为输入,设计基于跟踪误差虚拟隧道的AAN控制器,得到辅助力矩;综合由辅助力矩和完成外骨骼自身运动的力矩得到最终关节驱动的输入力矩;通过步态相位识别与自适应力矩控制器,获得人机系统运动状态及驱动器的力矩命令值,保证辅助力准确准时的施加。
Description
技术领域
本发明属于控制技术领域,特别涉及一种面向老人的下肢外骨骼的按需辅助控制方法。
背景技术
研究表明,如果老年人以及中风后患者能够更多的参与到辅助运动中,将会提高肌肉力量恢复的有效性。在用户执行运动任务期间,外骨骼机器人更多的考虑穿戴者的运动能力只弥补用户不足的部分,从而减少对用户运动任务的干预,由此产生的策略被称为“按需辅助策略”。
按需辅助策略是通过传感器(可以是各种类型传感器)采集的信息或一些任务评分估计用户的运动能力,根据用户的运动能力与运动任务要求之间差距对外骨骼进行控制,使得外骨骼只弥补用户不足的部分。目前已有许多学者针对不同的用户及不同的外骨骼机器人研究了不同的按需辅助策略。现有按需辅助控制方法虽然能够充分考虑用户的积极参与程度,减少外骨骼对人的干预,使用户最大程度的主动参与运动,但在准确估计用户运动能力及参与程度还存在一定难度,并且存在过于注重减少轨迹跟踪误差而忽视用户之间固有的步态轨迹差异的问题。
发明内容
本发明解决了如何实现简单可行的老人行走中的运动能力评估,如何避免外骨骼控制过于注重减少轨迹跟踪误差而忽视用户之间固有的步态轨迹差异的问题。
本发明提供了一种面向老人的下肢外骨骼的按需辅助控制方法,所述控制方法包括:
步骤1:外骨骼传感系统采集及处理人体质心附近的运动信息,光学运动捕捉系统捕捉人体质心附近标记点的运动轨迹,采用IMU模块采集质心和腿部的运动信息;
步骤2:建立下肢外骨骼系统动力学模型如下:
式中,τr是外骨骼机器人执行器施加的扭矩,Mr是外骨骼机器人每个连杆的转动惯量,表示外骨骼的关节状态,其中包括关节的角度、角速度和角加速度,Cr是每个连杆的粘性摩擦系数;ml是每个连杆质量,lc是到机器人关节端点到连杆的质心的距离,g表示重力常数;
步骤4:选择健康年轻人的步行运动数据作为参考,基于统计的方法确定期望参考轨迹θd与期望参考关节力矩τd;
基于统计的方法确定期望参考轨迹与期望参考关节力矩,具体包括下述子步骤:
a、选择健康年轻人的膝关节角度的平均值轨迹作为标准参考轨迹,取所有膝关节力矩的平均值作为标准参考关节力矩;
b、对参考轨迹与参考力矩曲线进行离散存储,在步态相位0~100范围内,以相位间隔为1进行存储:
步骤6:综合步骤4的期望参考轨迹θd和步骤1外骨骼传感系统实际采集到的轨迹θr,得到轨迹跟踪误差θe:
θe=θd-θr;
步骤7:综合步骤5的理论所需力矩τn和步骤6的轨迹跟踪误差θe,设计基于跟踪误差虚拟隧道的AAN控制器,得到AAN控制器的输出力矩τAAN;
基于跟踪误差虚拟隧道的AAN控制器,其方法为:
将一些健康人在行走过程中的膝关节轨迹各个时刻的标准偏差(SD)的平均值作为隧道边界值θbound;
当跟踪误差超过边界时即|θe|>θbound,外骨骼进行按需辅助助力,此时人体应受到的辅助τAAN为τn;
当轨迹跟踪误差在虚拟隧道边界内时,外骨骼则进行跟随控制,人体应受到的辅助τAAN为0;
步骤8:根据步骤2的完成外骨骼自身运动的力矩τr和步骤6的AN控制器的输出力矩τAAN可得关节驱动的输入力矩τu:
τu=τAAN+τr
步骤9:以外骨骼传感系统采集的膝关节角度为输入,采用改进的自适应振荡器PSAO算法进行对步态相位进行识别,获得行走过程中步态相位与步频,保证辅助力准时的施加;
所述改进的自适应振荡器PSAO算法,其计算公式如下:
式中:为第i个振荡器的相位,i=1,...,n,表示对时间求导,振荡器的相位被定义在[0,2π)范围内;α0为偏移量,表示α0对时间求导;αi为第i个振荡器的幅值,i=1,...,n,αi≥0,表示αi对时间求导;ω为第一个振荡器的频率,ω≥0,表示ω对时间求导;kα、kω、k0为常数增益参数;为由PSAO算法估计的膝关节角度,e为估计的关节角度与输入角度之间的误差;对一个周期内的关节角度与步态相位进行拟合得到第一个振荡器的基函数将关于求导得到
步骤10:将步骤6的输出力矩τAAN映射到电机驱动指令力矩τu,通过PI控制驱动模块的电流环来保证力矩的快速准确的跟踪;
所述的将τAAN映射到电机驱动指令力矩τu,具体包括下述子步骤:
a、假设外骨骼运动过程中滑动摩擦力恒等于测试过程中的静摩擦力:
式中,F为拉力计测得,mg为外骨骼小腿的重力,角度θ为小腿与重力方向的夹角由IMU测得数据处理得到,f(θ)为关节角度θ时的粘性摩擦力、库仑摩擦力等阻力之和,l和d分别为小腿连杆长度和质心到电机旋转中心得距离,r为连杆转动处的接触圆的半径;
b、采集多个角度数据与拉力计数据,对数据拟合得到电机重力于摩擦力补偿力矩:
τg=F·l=0.975sin(θ)Nm
c、得到给驱动器的输入力矩:
进一步的,步骤1所述的外骨骼传感系统实时采集及处理人体运动信息,其方法为:
光学运动捕捉系统用于捕捉人体质心附近标记点的运动轨迹;5个IMU模块分别放置在左右腿的大腿和小腿矢状面上以及腰背部的冠状面上,用于采集质心和腿部的运动信息。
进一步的,所述步骤3的方法为:
所述BP神经网络采用三层全连接型前馈神经网络结构:输入层,隐藏层和输出层,具体包括下述子步骤:
b、隐藏层含有30个节点,采用双曲正切sigmoid激活函数对输入的数据进行计算,sigmoid激活函数为:
式中,x为隐藏层的输入;
c、输出层使用线性激活传递函数,估算步态期间左右膝关节的矢状面关节力矩。
进一步的,步骤10所述的通过PI控制驱动模块的电流环来保证力矩的快速准确的跟踪,其方法为:
通过Elmo Application Studio II软件进行多次调试得到电流环的PI参数。
本发明的有益效果为:
1、本发明克服了现有控制方法无法实现简单可行的老人行走中的运动能力评估的问题,借助惯性测量单元获取人体质心运动信息,基于下肢外骨骼系统动力学模型,利用BP神经网络训练得到质心运动信息与膝关节力矩之间的模型;
2、本发明基于轨迹跟踪误差虚拟隧道设计了按需辅助策略,克服了当前外骨骼控制过于注重减少轨迹跟踪误差而忽视用户之间步态轨迹的存在固有差异问题;
3、本发明不需要生理信号和人机交互力传感器,可以显著地降低实时按需辅助控制的成本。
附图说明
下面结合附图及具体实施方式对本发明作进一步详细说明。
图1是本发明控制方法的总体结构框图。
图2是本发明基于人体质心的膝关节力矩模型示意图。
图3是本发明标准参考轨迹曲线示意图。
图4是本发明标准参考力矩曲线示意图。
图5是健康步态下的膝关节角度标准差及标准差均值示意图。
图6是Elmo电流环PI整定结果示意图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步详细描述:
(1)外骨骼传感系统实时采集及处理人体运动信息;
(2)建立下肢外骨骼系统动力学模型如下:
式中,τr是外骨骼机器人执行器施加的扭矩,Mr是外骨骼机器人每个连杆的转动惯量,表示外骨骼的关节状态,其中包括关节的角度、角速度和角加速度,Cr是每个连杆的粘性摩擦系数;ml是每个连杆质量,lc是到机器人关节端点到连杆的质心的距离,g表示重力常数;
(4)选择健康年轻人的步行运动数据作为参考,基于统计的方法确定期望参考轨迹θd与期望参考关节力矩τd;
(6)综合步骤(4)的期望参考轨迹θd和步骤(1)外骨骼传感系统实际采集到的轨迹θr,得到轨迹跟踪误差θe:
θe=θd-θr;
(7)综合步骤(5)的理论所需力矩和步骤(6)的轨迹跟踪误差,设计基于跟踪误差虚拟隧道的AAN控制器,得到AAN控制器的输出力矩;
(8)根据步骤(2)的完成外骨骼自身运动的力矩τr和步骤(6)的AN控制器的输出力矩τAAN可得关节驱动的输入力矩τu:
τu=τAAN+τr
(9)以外骨骼传感系统采集的的膝关节角度为输入,采用改进的自适应振荡器PSAO算法进行对步态相位进行识别,获得行走过程中步态相位与步频,保证辅助力准时的施加。
(10)将步骤(6)的输出力矩τAAN映射到电机驱动指令力矩τu,通过PI控制驱动模块的电流环来保证力矩的快速准确的跟踪。
为了更清晰地对本发明下肢康复机器人的按需辅助自适应控制方法进行说明,下面结合图1对本发明方法实施例中各步骤展开详述。
步骤(1),外骨骼传感系统实时采集及处理人体运动信息。光学运动捕捉系统用于捕捉人体质心附近标记点的运动轨迹,5个IMU模块分别放置在左右腿的大腿和小腿矢状面上以及腰背部的冠状面上,用于采集质心和腿部的运动信息;
步骤(2),本发明采用拉格朗日方法对外骨骼机器人进行建模,其各连杆简单动力学模型如下:
式中参数Mr是外骨骼机器人每个连杆的转动惯量,Cr是每个连杆的粘性摩擦系数。ml是每个连杆质量,lc是到机器人关节端点到连杆的质心的距离,τr是外骨骼机器人执行器施加的扭矩。由于本发明只在膝关节处具有主动驱动能力,故只考虑小腿连杆处的动力学。
步骤(3),基于下肢外骨骼系统动力学模型,利用BP神经网络训练得到基于人体质心的膝关节力矩估计模型。如图2所示,本步骤中,BP神经网络采用三层全连接型前馈神经网络结构:输入层、隐藏层和输出层。其具体实施过程又可细分为以下子步骤:
b、隐藏层含有30个节点,采用双曲正切sigmoid激活函数对输入的数据进行计算,sigmoid激活函数为:
式中,x为隐藏层的输入;
本发明将关节力矩估计神经网络的损失函数设置为步态期间预测得到的力矩与数据集中处理后的目标力矩的均方误差,BP神经网络在反向传播过程中使用Adam优化器。
步骤(4),选择健康年轻人的步行运动数据作为参考,基于统计的方法确定期望参考轨迹θd与期望参考关节力矩τd。其具体实施过程又可细分为以下子步骤:
a、选择4km/h(约1.1m/s)步速下的膝关节角度的平均值轨迹作为标准参考轨迹,如图3所示,图中灰色为14名健康实验者127次4km/h步速下的膝关节角度,黄色和紫色分别是左右膝关节的平均角度曲线。从标准参考轨迹中可以发现对于健康的人来说,左右步态几乎是对称的,相位之差约在50%;
b、选择所有膝关节力矩的平均值作为标准参考关节力矩,如图4所示,其中灰色为不同健康实验者多组4km/h步速下的左右膝关节矢状面上的力矩曲线,紫色和蓝色分别是左右膝关节的平均膝关节力矩曲线;
c、对参考轨迹与参考力矩曲线进行离散存储,在步态相位0~100范围内,以相位间隔为1进行存储:
步骤(7),辅助过程中除了步骤(5)的理论辅助力矩τn,还需根据用户实时的运动情况来决定辅助力矩,需要兼顾用户跟踪参考轨迹以及施加辅助大小。综合理论所需力矩τn和轨迹跟踪误差θe,设计基于跟踪误差虚拟隧道的AAN控制器,得到AAN控制器的输出力矩τAAN。其具体实施过程可细分为以下子步骤:
a、将一些健康人在行走过程中的膝关节轨迹各个时刻的标准偏差(SD)的平均值作为隧道边界值θbound;
b、当跟踪误差超过边界时即|θe|>θbound,外骨骼进行按需辅助助力,此时人体应受到的辅助τAAN为τn;当轨迹跟踪误差在虚拟隧道边界内时,外骨骼则进行跟随控制,人体应受到的辅助τAAN为0。可表示为:
步骤(9),改进的自适应振荡器PSAO算法以外骨骼传感系统采集的的膝关节角度为输入,对步态相位进行识别,获得行走过程中步态相位与步频,保证辅助力准时的施加。其计算公式如下:
式中:为第i个振荡器的相位,i=1,...,n,表示对时间求导,振荡器的相位被定义在[0,2π)范围内;α0为偏移量,表示α0对时间求导;αi为第i个振荡器的幅值,i=1,...,n,αi≥0,表示αi对时间求导;ω为第一个振荡器的频率,ω≥0,表示ω对时间求导;kα、kω、k0为常数增益参数;为由PSAO算法估计的膝关节角度,e为估计的关节角度与输入角度之间的误差;对一个周期内的关节角度与步态相位进行拟合得到第一个振荡器的基函数将关于求导得到
步骤(10),将τAAN映射到电机驱动指令力矩τu,具体包括下述子步骤:
a、假设外骨骼运动过程中滑动摩擦力恒等于测试过程中的静摩擦力:
式中,F为拉力计测得,mg为外骨骼小腿的重力,角度θ为小腿与重力方向的夹角由IMU测得数据处理得到,f(θ)为关节角度θ时的粘性摩擦力、库仑摩擦力等阻力之和,l和d分别为小腿连杆长度和质心到电机旋转中心得距离,r为连杆转动处的接触圆的半径;
b、采集多个角度数据与拉力计数据,对数据拟合得到电机重力于摩擦力补偿力矩τg:
τg=F·l=0.975sin(θ)Nm
c、得到给驱动器的输入力矩:
步骤(10)所述的通过PI控制驱动模块的电流环来保证力矩的快速准确的跟踪,其方法为:
通过Elmo Application Studio II软件进行多次调试得到电流环的PI参数,其整定后电机电流的响应与跟踪结果如图6所示。
Claims (4)
1.一种面向老人的下肢外骨骼的按需辅助控制方法,所述控制方法包括:
步骤1:外骨骼传感系统采集及处理人体质心附近的运动信息,光学运动捕捉系统捕捉人体质心附近标记点的运动轨迹,采用IMU模块采集质心和腿部的运动信息;
步骤2:建立下肢外骨骼系统动力学模型如下:
式中,τr是外骨骼机器人执行器施加的扭矩,Mr是外骨骼机器人每个连杆的转动惯量,表示外骨骼的关节状态,其中包括关节的角度、角速度和角加速度,Cr是每个连杆的粘性摩擦系数;ml是每个连杆质量,lc是到机器人关节端点到连杆的质心的距离,g表示重力常数;
步骤4:选择健康年轻人的步行运动数据作为参考,基于统计的方法确定期望参考轨迹θd与期望参考关节力矩τd;
基于统计的方法确定期望参考轨迹与期望参考关节力矩,具体包括下述子步骤:
a、选择健康年轻人的膝关节角度的平均值轨迹作为标准参考轨迹,取所有膝关节力矩的平均值作为标准参考关节力矩;
b、对参考轨迹与参考力矩曲线进行离散存储,在步态相位0~100范围内,以相位间隔为1进行存储:
步骤6:综合步骤4的期望参考轨迹θd和步骤1外骨骼传感系统实际采集到的轨迹θr,得到轨迹跟踪误差θe:
θe=θd-θr;
步骤7:综合步骤5的理论所需力矩τn和步骤6的轨迹跟踪误差θe,设计基于跟踪误差虚拟隧道的AAN控制器,得到AAN控制器的输出力矩τAAN;
基于跟踪误差虚拟隧道的AAN控制器,其方法为:
将健康人在行走过程中的膝关节轨迹各个时刻的标准偏差(SD)的平均值作为隧道边界值θbound;
当跟踪误差超过边界时即|θe|>θbound,外骨骼进行按需辅助助力,此时人体应受到的辅助τAAN为τn;
当轨迹跟踪误差在虚拟隧道边界内时,外骨骼则进行跟随控制,人体应受到的辅助τAAN为0;
步骤8:根据步骤2的完成外骨骼自身运动的力矩τr和步骤6的AN控制器的输出力矩τAAN可得关节驱动的输入力矩τu:
τu=τAAN+τr
步骤9:以外骨骼传感系统采集的膝关节角度为输入,采用改进的自适应振荡器PSAO算法进行对步态相位进行识别,获得行走过程中步态相位与步频,保证辅助力准时的施加;
所述改进的自适应振荡器PSAO算法,其计算公式如下:
式中:为第i个振荡器的相位,i=1,...,n,表示对时间求导,振荡器的相位被定义在[0,2π)范围内;α0为偏移量,表示α0对时间求导;αi为第i个振荡器的幅值,i=1,...,n,αi≥0,表示αi对时间求导;ω为第一个振荡器的频率,ω≥0,表示ω对时间求导;kα、kω、k0为常数增益参数;为由PSAO算法估计的膝关节角度,e为估计的关节角度与输入角度之间的误差;对一个周期内的关节角度与步态相位进行拟合得到第一个振荡器的基函数将关于求导得到
步骤10:将步骤6的输出力矩τAAN映射到电机驱动指令力矩τu,通过PI控制驱动模块的电流环来保证力矩的快速准确的跟踪;
所述的将τAAN映射到电机驱动指令力矩τu,具体包括下述子步骤:
a、假设外骨骼运动过程中滑动摩擦力恒等于测试过程中的静摩擦力:
式中,F为拉力计测得,mg为外骨骼小腿的重力,角度θ为小腿与重力方向的夹角由IMU测得数据处理得到,f(θ)为关节角度θ时的粘性摩擦力、库仑摩擦力等阻力之和,l和d分别为小腿连杆长度和质心到电机旋转中心得距离,r为连杆转动处的接触圆的半径;
b、采集多个角度数据与拉力计数据,对数据拟合得到电机重力于摩擦力补偿力矩:
τg=F·l=0.975sin(θ)Nm
c、得到给驱动器的输入力矩:
2.如权利要求1所述的一种面向老人的下肢外骨骼的按需辅助控制方法,其特征在于,步骤1所述的外骨骼传感系统实时采集及处理人体运动信息,其方法为:
光学运动捕捉系统用于捕捉人体质心附近标记点的运动轨迹;5个IMU模块分别放置在左右腿的大腿和小腿矢状面上以及腰背部的冠状面上,用于采集质心和腿部的运动信息。
4.如权利要求1所述的一种面向老人的下肢外骨骼的按需辅助控制方法,其特征在于,步骤10所述的通过PI控制驱动模块的电流环来保证力矩的快速准确的跟踪,其方法为:
通过Elmo Application Studio II软件进行多次调试得到电流环的PI参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237753.5A CN115416003B (zh) | 2022-10-10 | 2022-10-10 | 一种面向老人的下肢外骨骼的按需辅助控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237753.5A CN115416003B (zh) | 2022-10-10 | 2022-10-10 | 一种面向老人的下肢外骨骼的按需辅助控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115416003A true CN115416003A (zh) | 2022-12-02 |
CN115416003B CN115416003B (zh) | 2024-07-30 |
Family
ID=84205730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211237753.5A Active CN115416003B (zh) | 2022-10-10 | 2022-10-10 | 一种面向老人的下肢外骨骼的按需辅助控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115416003B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116922396A (zh) * | 2023-09-07 | 2023-10-24 | 贵州航天控制技术有限公司 | 一种外骨骼系统的助力控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003150036A (ja) * | 2001-10-29 | 2003-05-21 | Honda Motor Co Ltd | 人間補助装置のシミュレーション・システム、方法、およびコンピュータ・プログラム |
CN107837173A (zh) * | 2016-09-20 | 2018-03-27 | 三星电子株式会社 | 步行辅助设备和控制步行辅助设备的方法 |
US20180141206A1 (en) * | 2015-10-19 | 2018-05-24 | Limited Liability Company "ExoAtlet" | Exoskeleton |
CN109953761A (zh) * | 2017-12-22 | 2019-07-02 | 浙江大学 | 一种下肢康复机器人感知系统及运动意图推理方法 |
WO2019134202A1 (zh) * | 2018-01-02 | 2019-07-11 | 北京理工大学 | 一种负压收缩弹性体驱动的柔性膝关节外骨骼 |
CN110695959A (zh) * | 2019-08-27 | 2020-01-17 | 成都锦江电子系统工程有限公司 | 外骨骼机器人及其控制系统 |
US20200188215A1 (en) * | 2018-12-13 | 2020-06-18 | Samsung Electronics Co., Ltd. | Method of controlling walking assistance device and electronic device performing the method |
CN113855477A (zh) * | 2021-09-07 | 2021-12-31 | 燕山大学 | 用于下肢外骨骼机器人的分层式控制方法 |
WO2022006384A1 (en) * | 2020-07-01 | 2022-01-06 | Georgia Tech Research Corporation | Exoskeleton systems and methods of use |
WO2022053934A1 (en) * | 2020-09-08 | 2022-03-17 | Iuvo S.R.L | System and process for estimation of gait phase for use with a wearable robot |
-
2022
- 2022-10-10 CN CN202211237753.5A patent/CN115416003B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003150036A (ja) * | 2001-10-29 | 2003-05-21 | Honda Motor Co Ltd | 人間補助装置のシミュレーション・システム、方法、およびコンピュータ・プログラム |
US20180141206A1 (en) * | 2015-10-19 | 2018-05-24 | Limited Liability Company "ExoAtlet" | Exoskeleton |
CN107837173A (zh) * | 2016-09-20 | 2018-03-27 | 三星电子株式会社 | 步行辅助设备和控制步行辅助设备的方法 |
CN109953761A (zh) * | 2017-12-22 | 2019-07-02 | 浙江大学 | 一种下肢康复机器人感知系统及运动意图推理方法 |
WO2019134202A1 (zh) * | 2018-01-02 | 2019-07-11 | 北京理工大学 | 一种负压收缩弹性体驱动的柔性膝关节外骨骼 |
US20200188215A1 (en) * | 2018-12-13 | 2020-06-18 | Samsung Electronics Co., Ltd. | Method of controlling walking assistance device and electronic device performing the method |
CN110695959A (zh) * | 2019-08-27 | 2020-01-17 | 成都锦江电子系统工程有限公司 | 外骨骼机器人及其控制系统 |
WO2022006384A1 (en) * | 2020-07-01 | 2022-01-06 | Georgia Tech Research Corporation | Exoskeleton systems and methods of use |
WO2022053934A1 (en) * | 2020-09-08 | 2022-03-17 | Iuvo S.R.L | System and process for estimation of gait phase for use with a wearable robot |
CN113855477A (zh) * | 2021-09-07 | 2021-12-31 | 燕山大学 | 用于下肢外骨骼机器人的分层式控制方法 |
Non-Patent Citations (3)
Title |
---|
赵新刚;谈晓伟;张弼;: "柔性下肢外骨骼机器人研究进展及关键技术分析", 机器人, no. 03, 31 December 2020 (2020-12-31) * |
马跃: "下肢外骨骼机器人人机协同控制策略研究", 《中国博士学位论文全文数据库 》, 15 August 2020 (2020-08-15) * |
魏强: "面向康复训练的下肢外骨骼系统集成与主动控制技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 May 2021 (2021-05-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116922396A (zh) * | 2023-09-07 | 2023-10-24 | 贵州航天控制技术有限公司 | 一种外骨骼系统的助力控制方法 |
CN116922396B (zh) * | 2023-09-07 | 2023-11-17 | 贵州航天控制技术有限公司 | 一种外骨骼系统的助力控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115416003B (zh) | 2024-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105963100B (zh) | 按患者运动所需辅助的下肢康复机器人自适应控制方法 | |
CN110215648B (zh) | 基于人体步态运动协调特性的外骨骼协调步态控制方法 | |
Qiu et al. | Exoskeleton online learning and estimation of human walking intention based on dynamical movement primitives | |
Huo et al. | Fast gait mode detection and assistive torque control of an exoskeletal robotic orthosis for walking assistance | |
CN108187310B (zh) | 基于力觉信息和姿态信息的肢体运动意图理解与上肢康复训练机器人及其控制方法 | |
Wei et al. | Synergy-based control of assistive lower-limb exoskeletons by skill transfer | |
Seo et al. | Adaptive oscillator-based control for active lower-limb exoskeleton and its metabolic impact | |
Huang et al. | Posture estimation and human support using wearable sensors and walking-aid robot | |
CN111631923A (zh) | 基于意图识别的外骨骼机器人的神经网络控制系统 | |
CN106730629B (zh) | 下肢机器人及利用该机器人进行主动运动的控制方法 | |
CN104524742A (zh) | 一种基于Kinect传感器的脑瘫儿童康复训练方法 | |
CN111419644A (zh) | 康复机器人的操作方法、康复机器人及可读存储介质 | |
Miao et al. | Adaptive switching control based on dynamic zero-moment point for versatile hip exoskeleton under hybrid locomotion | |
CN112220650B (zh) | 一种外骨骼机器人对侧训练用在线步态生成控制系统 | |
Li et al. | Active human-following control of an exoskeleton robot with body weight support | |
CN113633521A (zh) | 一种上肢外骨骼康复机器人控制系统及控制方法 | |
Meng et al. | An EMG-based force prediction and control approach for robot-assisted lower limb rehabilitation | |
Wu et al. | Adaptive cooperative control of a soft elbow rehabilitation exoskeleton based on improved joint torque estimation | |
Gong et al. | BPNN-based real-time recognition of locomotion modes for an active pelvis orthosis with different assistive strategies | |
CN115416003B (zh) | 一种面向老人的下肢外骨骼的按需辅助控制方法 | |
CN116766197A (zh) | 一种髋关节外骨骼助力控制方法 | |
Xue et al. | A new delayless adaptive oscillator for gait assistance | |
Zhu et al. | Wearable sensing and knee exoskeleton control for awkward gaits assistance | |
Fleischer et al. | Embedded control system for a powered leg exoskeleton | |
Itadera et al. | Impedance control based assistive mobility aid through online classification of user’s state |
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 |