CN118058739A - 可穿戴外骨骼机器人控制方法及系统 - Google Patents
可穿戴外骨骼机器人控制方法及系统 Download PDFInfo
- Publication number
- CN118058739A CN118058739A CN202410485878.2A CN202410485878A CN118058739A CN 118058739 A CN118058739 A CN 118058739A CN 202410485878 A CN202410485878 A CN 202410485878A CN 118058739 A CN118058739 A CN 118058739A
- Authority
- CN
- China
- Prior art keywords
- wearer
- real
- time
- exoskeleton robot
- motion state
- 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 56
- 230000033001 locomotion Effects 0.000 claims abstract description 140
- 238000012544 monitoring process Methods 0.000 claims abstract description 98
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims description 40
- 230000003044 adaptive effect Effects 0.000 claims description 26
- 238000013210 evaluation model Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000004962 physiological condition Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000005611 electricity Effects 0.000 description 6
- 206010049565 Muscle fatigue Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000012407 engineering method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Manipulator (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明涉及机器人控制的技术领域,特别是涉及一种可穿戴外骨骼机器人控制方法及系统,包括:根据预设频率,采集穿戴者在运动状态下的实时运动状态数据,实时运动状态数据至少包括外骨骼机器人对穿戴者腿部的压力值、穿戴者受力位置的腿部周长、穿戴者步频以及穿戴者步幅;将预先设定的监测窗口内的实时运动状态数据按照采集时间进行排序,并对各项实时运动状态数据进行同类对齐,获得穿戴者运动状态特征矩阵;其中,监测窗口包括若干个实时运动状态数据采集时间点,监测窗口是对外骨骼机器人进行动态调整监测的最小时间段。本发明能够智能地应对穿戴者的需求,提高了使用的安全性和舒适度。
Description
技术领域
本发明涉及机器人控制的技术领域,特别是涉及一种可穿戴外骨骼机器人控制方法及系统。
背景技术
近年来,随着机器人技术和康复工程的发展,可穿戴外骨骼机器人作为一种创新的辅助和康复设备,在医疗康复、人体增强以及工业作业等领域展现出了巨大的潜力与应用价值。此类外骨骼机器人通过与人体运动同步并与穿戴者进行力学交互,能够有效辅助行走不便或需要提高工作效率的人群。
传统的外骨骼机器人往往基于预设的运动模式或固定的参数,在穿戴时通过腿部锁紧机构实现腿部与外骨骼之间的连接,无法根据穿戴者的实时运动状态和生理变化进行动态调整,从而导致在外骨骼机器人使用过程中,可能会出现穿戴者舒适度不佳、安全性受威胁等问题。特别是在长时间运动中,由于穿戴者的肌肉疲劳、腿部形态变化等因素,外骨骼机器人的固定控制策略往往难以适应这些变化,从而引发一系列问题。
因此,亟需一种可穿戴外骨骼机器人控制方法以解决上述问题。
发明内容
为解决上述技术问题,本发明提供一种能够智能地应对穿戴者的需求,提高了使用的安全性和舒适度的可穿戴外骨骼机器人控制方法及系统。
第一方面,本发明提供了可穿戴外骨骼机器人控制方法,所述方法包括:
根据预设频率,采集穿戴者在运动状态下的实时运动状态数据,所述实时运动状态数据至少包括外骨骼机器人对穿戴者腿部的压力值、穿戴者受力位置的腿部周长、穿戴者步频以及穿戴者步幅;
将预先设定的监测窗口内的实时运动状态数据按照采集时间进行排序,并对各项实时运动状态数据进行同类对齐,获得穿戴者运动状态特征矩阵;其中,所述监测窗口包括若干个实时运动状态数据采集时间点,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
将穿戴者运动状态特征矩阵输入至预先构建的舒适度与安全性评价模型中,获得能够反映外骨骼机器人对穿戴者捆绑效果的舒适度指数以及能够反映穿戴者腿部生理状况的安全性指数;
获取相同监测窗口内的外骨骼机器人实时剩余电量;
根据外骨骼机器人的规格属性以及穿戴者的个性化生理特性,为舒适度指数设定第一权重系数,为安全性指数设定第二权重系数,为实时剩余电量设定第三权重系数;
结合第一权重系数、第二权重系数以及第三权重系数,对舒适度指数、安全性指数以及实时剩余电量进行综合加权计算,获得当前监测窗口内的外骨骼机器人腿部锁紧机构的自适应调节指数;
计算当前监测窗口内的自适应调节指数与前一个监测窗口内的自适应调节指数之间的差值,若差值超过预设阈值,则控制腿部锁紧机构进行松紧程度调节;若差值未超过预设阈值,则保持当前腿部锁紧机构状态不变。
进一步地,外骨骼机器人腿部锁紧机构的自适应调节指数的计算公式为:
;
其中,表示第i个监测窗口的外骨骼机器人腿部锁紧机构的自适应调节指数,/>表示第i个监测窗口的舒适度指数,/>表示第i个监测窗口的安全性指数,/>表示第i个监测窗口的实时剩余电量,/>、/>和/>分别表示第一权重系数、第二权重系数和第三权重系数,/>、/>和/>分别表示舒适度指数、安全性指数和实时剩余电量的归一化函数。
进一步地,所述实时运动状态数据的获取方法包括:
在外骨骼机器人的接触表面安装压力传感器,用于监测与穿戴者接触的压力分布,获取腿部的压力值;
使用惯性测量单元,监测穿戴者的步频和步幅,以及受力位置的腿部周长;
使用微控制器,以预设的频率采集传感器数据,数据通过模拟信号采集电路传输到控制系统;
对数据进行滤波、平滑和时域分析,以消除噪声并提高数据质量;
从处理后的数据中提取关键特征;
将处理后的数据存储在存储设备中,以备后续分析和控制。
进一步地,所述穿戴者运动状态特征矩阵的获取方法包括:
预先设定监测窗口,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
将监测窗口内的实时运动状态数据按照采集时间进行排序;
对各项实时运动状态数据进行同类对齐,将相同类型的数据在时间轴上对齐;
基于排序和对齐后的数据,构建一个穿戴者运动状态特征矩阵;
对于特征矩阵中的数据,进行进一步的处理和标准化,包括归一化和标准化处理。
进一步地,所述舒适度与安全性评价模型的构建方法包括:
从运动状态数据中,选择与舒适度和安全性相关的特征;
对选择的特征进行预处理,包括去除噪声、数据归一化和填充缺失值;
使用机器学习方法构建评价模型,包括支持向量机、神经网络和决策树;
将数据集划分为训练集和测试集,确保模型在未见过的数据上具有泛化能力;
使用训练集对模型进行训练,并通过测试集验证模型性能;
使用独立的验证集进行模型评价,考察模型对新数据的预测能力;
在验证通过后,将模型部署到实际的可穿戴外骨骼机器人系统中,用于实时评估舒适度和安全性。
进一步地,外骨骼机器人实时剩余电量的获取方法包括:
在机器人中加入电量传感器,用于监测电池的电量,所述传感器能够测量电池的电压和电流,并将其转换为可供系统读取的电量数据;
获取电量数据后,将电量数据从机器人传输到控制单元;
一旦电量数据传输到控制系统中,进行数据处理以获取实时剩余电量;
获取实时剩余电量后,将其纳入控制算法中进行实时监控与反馈。
进一步地,所述预设阈值的设定影响因素包括穿戴者生理特征、运动模式和强度、外骨骼机器人设计参数、穿戴安全性和机器人控制算法的响应速度。
另一方面,本申请还提供了可穿戴外骨骼机器人控制系统,所述系统包括:
数据采集模块,用于根据预设频率,采集穿戴者在运动状态下的实时运动状态数据,并发送;所述实时运动状态数据至少包括外骨骼机器人对穿戴者腿部的压力值、穿戴者受力位置的腿部周长、穿戴者步频以及穿戴者步幅;
数据处理模块,用于接收实时运动状态数据,将预先设定的监测窗口内的实时运动状态数据按照采集时间进行排序,并对各项实时运动状态数据进行同类对齐,获得穿戴者运动状态特征矩阵,并发送;所述监测窗口包括若干个实时运动状态数据采集时间点,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
评价模型应用模块,用于接收穿戴者运动状态特征矩阵,将穿戴者运动状态特征矩阵输入至预先构建的舒适度与安全性评价模型中,获得能够反映外骨骼机器人对穿戴者捆绑效果的舒适度指数以及能够反映穿戴者腿部生理状况的安全性指数,并发送;
机器人状态监测模块,用于获取相同监测窗口内的外骨骼机器人实时剩余电量,并发送;
权重设置模块,用于接收舒适度指数、安全性指数和实时剩余电量,根据外骨骼机器人的规格属性以及穿戴者的个性化生理特性,为舒适度指数设定第一权重系数,为安全性指数设定第二权重系数,为实时剩余电量设定第三权重系数,并发送;
权重计算模块,用于接收第一权重系数、第二权重系数以及第三权重系数,结合第一权重系数、第二权重系数以及第三权重系数,对舒适度指数、安全性指数以及实时剩余电量进行综合加权计算,获得当前监测窗口内的外骨骼机器人腿部锁紧机构的自适应调节指数,并发送;
控制模块,用于接收自适应调节指数,计算当前监测窗口内的自适应调节指数与前一个监测窗口内的自适应调节指数之间的差值,若差值超过预设阈值,则控制腿部锁紧机构进行松紧程度调节;若差值未超过预设阈值,则保持当前腿部锁紧机构状态不变。
第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
与现有技术相比本发明的有益效果为:通过预设频率采集穿戴者的实时运动状态数据,对数据进行同类对齐,实现了实时性和动态调整,使系统随时监测穿戴者的运动状态,从而更灵活地适应不同的使用场景和穿戴者状况;
考虑到外骨骼机器人的规格属性和穿戴者的个性化生理特性,为舒适度指数、安全性指数和实时剩余电量设定权重系数,使得系统更好地适应不同用户的需求,提高了个性化适配性;
引入舒适度与安全性评价模型,通过分析穿戴者运动状态特征矩阵,获得了能够反映外骨骼机器人对穿戴者捆绑效果的舒适度指数和能够反映穿戴者腿部生理状况的安全性指数,提高了对穿戴者状态的全面性评估;
通过计算自适应调节指数,系统能够根据当前监测窗口内的情况进行自适应调节,提高了外骨骼机器人对穿戴者动态变化的适应能力,减少了舒适度不佳和安全性受威胁的可能性;
获取外骨骼机器人实时剩余电量,考虑电量因素在综合加权计算中,有助于确保系统在工作过程中始终保持足够的电力,同时通过控制腿部锁紧机构的松紧程度调节,系统能够智能地应对穿戴者的需求,提高了使用的安全性和舒适度;
综上所述,该方法能够更好地解决传统外骨骼机器人存在的舒适度低、安全性差的问题,提高了外骨骼机器人在医疗康复、人体增强和工业作业等领域的应用效果,能够智能地应对穿戴者的需求,提高了使用的安全性和舒适度。
附图说明
图1是本发明的流程图;
图2是舒适度与安全性评价模型的构建方法的流程图;
图3是可穿戴外骨骼机器人控制方法及系统的结构图。
具体实施方式
在本申请的描述中,所属技术领域的技术人员应当知道,本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本申请可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一:如图1至图2所示,本发明的可穿戴外骨骼机器人控制方法,具体包括以下步骤:
S1、根据预设频率,采集穿戴者在运动状态下的实时运动状态数据,所述实时运动状态数据至少包括外骨骼机器人对穿戴者腿部的压力值、穿戴者受力位置的腿部周长、穿戴者步频以及穿戴者步幅;
在S1步骤中,采集穿戴者在运动状态下的实时运动状态数据是至关重要的,这些数据直接影响到外骨骼机器人的控制和调整;
所述实时运动状态数据的获取方法包括:
S11、在外骨骼机器人的接触表面安装压力传感器,用于监测与穿戴者接触的压力分布,获取腿部的压力值;
S12、使用惯性测量单元,监测穿戴者的步频和步幅,以及受力位置的腿部周长;
S13、使用微控制器,以预设的频率采集传感器数据,数据通过模拟信号采集电路传输到控制系统;
S14、对数据进行滤波、平滑和时域分析,以消除噪声并提高数据质量;
S15、从处理后的数据中提取关键特征;
S16、将处理后的数据存储在存储设备中,以备后续分析和控制。
在本步骤中,通过预设频率采集数据,确保数据的实时性,使得外骨骼机器人能够及时获取穿戴者的运动状态;能够实现更精准的控制和调整,提高系统的响应速度;采集多种数据,使得外骨骼机器人能够全面了解穿戴者的运动状态,数据的综合分析有助于更全面、准确地了解穿戴者的生理状态和运动特征;
通过在外骨骼机器人接触表面安装压力传感器,监测腿部的压力分布,能够实时了解穿戴者的生理负荷和肌肉活动情况,从而更好地调整外骨骼的支持力度;监测穿戴者的步频和步幅有助于确定穿戴者的步态特征,使得外骨骼机器人能够更精细地与穿戴者的步伐同步,提高辅助效果;通过对采集到的数据进行滤波、平滑和时域分析,有助于消除噪声,提高数据质量,从而使得后续的特征提取和分析更加可靠;
从处理后的数据中提取关键特征,使得外骨骼机器人系统能够更好地理解穿戴者的运动状态;将处理后的数据存储在设备中,可供后续分析和控制使用,为系统优化和个性化调整提供了依据;
综上所述,S1步骤的有益效果在于提供了全面、实时、准确的运动状态数据,为外骨骼机器人的控制和适应性调整提供了有效的基础。
S2、将预先设定的监测窗口内的实时运动状态数据按照采集时间进行排序,并对各项实时运动状态数据进行同类对齐,获得穿戴者运动状态特征矩阵;其中,所述监测窗口包括若干个实时运动状态数据采集时间点,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
S2步骤是关键的数据处理和特征提取阶段,旨在将采集到的实时运动状态数据整理成一个有序的、同类对齐的运动状态特征矩阵;
所述穿戴者运动状态特征矩阵的获取方法包括:
S21、预先设定监测窗口,这是一个固定时间段,在这段时间内采集穿戴者的实时运动状态数据,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
S22、将监测窗口内的实时运动状态数据按照采集时间进行排序;
S23、对各项实时运动状态数据进行同类对齐,即将不同实时运动状态数据采集时间点采集到的相同类型的运动状态数据对齐;
S24、基于排序和对齐后的数据,构建一个穿戴者运动状态特征矩阵;在穿戴者运动状态特征矩阵中,不同采集时间点的同一类型的运动状态数据位于同一列,同一采集时间点的不同类型的运动状态数据位于同一行;
S25、对于特征矩阵中的数据,进行进一步的处理和标准化,确保它们具有相同的量纲和可比性,包括归一化和标准化处理。
在本步骤中,将采集到的实时运动状态数据按照采集时间进行排序,确保数据的时序性和连续性;进而建立准确的时间序列,反映穿戴者运动状态的变化过程;
对各项实时运动状态数据进行同类对齐,即将相同类型的数据在时间轴上对齐;确保不同数据项对应的是同一时间点的运动状态,消除了因为数据采集时延而引入的时间差,确保了数据的准确性和一致性;
基于排序和对齐后的数据,构建一个穿戴者运动状态特征矩阵;这个特征矩阵反映了穿戴者在一段时间内的多维运动状态,包括压力值、受力位置的腿部周长、步频以及步幅等信息;这有助于全面地描述穿戴者的运动状态,为后续的分析和决策提供充足的数据支持;
进一步处理和标准化特征矩阵中的数据,确保它们具有相同的量纲和可比性;通过归一化和标准化处理,消除了数据之间的量纲差异,使得不同特征项之间的权重更为平衡,从而提高了后续模型的建模和分析效果;
综上所述,S2步骤的执行有助于将原始的实时运动状态数据转化为结构化、可分析的特征矩阵,为后续的模型建立和算法优化提供了基础,同时也提高了对穿戴者运动状态的全面理解和准确把握,从而有效地支持了可穿戴外骨骼机器人的控制和调节。
S3、将穿戴者运动状态特征矩阵输入至预先构建的舒适度与安全性评价模型中,获得能够反映外骨骼机器人对穿戴者捆绑效果的舒适度指数以及能够反映穿戴者腿部生理状况的安全性指数;
在S3步骤中,将穿戴者运动状态特征矩阵输入至舒适度与安全性评价模型中,目的是利用预先构建的模型,通过分析穿戴者的运动状态特征,评估外骨骼机器人对穿戴者的捆绑效果舒适度和对穿戴者腿部生理状况的安全性;以下是S3步骤的详细介绍:
S31、舒适度评价模型基于机器学习算法,使用已知的数据对模型进行训练,然后在实时应用中使用新数据进行评估;
S32、模型结合生物力学原理和医学知识,通过分析穿戴者的运动状态特征,评估外骨骼机器人对穿戴者腿部生理状况的影响;
S33、在输入穿戴者运动状态特征矩阵之前,需要对数据进行特征提取和选择,以提取最具代表性和信息量高的特征;通过信号处理技术和特征工程方法来实现,确保输入模型的特征具有高度的可解释性和区分性;
S34、在实际应用中,对舒适度与安全性评价模型进行验证和调优;通过临床试验和用户反馈等方式来验证模型的准确性和可靠性,并根据实际情况对模型进行调整和优化;
所述舒适度与安全性评价模型的构建方法包括:
S311、从运动状态数据中,选择与舒适度和安全性相关的特征;包括外骨骼机器人对穿戴者腿部的压力值、穿戴者受力位置的腿部周长、穿戴者步频、穿戴者步幅、心率和呼吸频率;
S312、对选择的特征进行预处理,包括去除噪声、数据归一化和填充缺失值;
S313、使用机器学习方法构建评价模型,包括支持向量机、神经网络和决策树;
S314、将数据集划分为训练集和测试集,确保模型在未见过的数据上具有泛化能力;
S315、使用训练集对模型进行训练,并通过测试集验证模型性能;
S316、使用独立的验证集进行模型评价,考察模型对新数据的预测能力;
S317、在验证通过后,将模型部署到实际的可穿戴外骨骼机器人系统中,用于实时评估舒适度和安全性。
在本步骤中,通过将穿戴者的运动状态特征矩阵输入到预先构建的模型中,能够实时获得反映外骨骼机器人对穿戴者捆绑效果的舒适度指数和反映穿戴者腿部生理状况的安全性指数,使得系统能够在运行时监测外骨骼机器人的影响,及时调整或提供反馈,以确保穿戴者的舒适度和安全性。
机器学习算法可以从已知数据中学习模式,从而更好地适应不同穿戴者的个体差异,同时结合了生物力学原理和医学知识,使得模型更加全面地考虑了外骨骼机器人对穿戴者生理状态的影响;
特征提取和选择确保了输入模型的特征是最具代表性和信息量高的,有助于提高模型的准确性和可解释性,通过信号处理技术和特征工程的方法,模型能够更精准地捕捉与舒适度和安全性相关的信息;
验证过程通过临床试验和用户反馈等方式,对模型的准确性和可靠性进行验证,有助于发现模型在实际应用中可能遇到的问题,并进行相应的调整和优化,提高模型的实用性;
将验证通过的模型部署到实际的可穿戴外骨骼机器人系统中,使得模型不仅停留在实验室层面,更能在真实场景中发挥作用,为外骨骼机器人的设计和使用提供了可靠的评价指标和反馈机制;
综上所述,通过S3步骤的有机整合,舒适度与安全性评价模型在外骨骼机器人系统中的应用将为提高穿戴者体验、降低潜在风险提供重要支持,使得外骨骼技术更加普及和可靠。
S4、获取相同监测窗口内的外骨骼机器人实时剩余电量;
S4步骤的目标是获取外骨骼机器人在相同监测窗口内的实时剩余电量,在机器人控制领域,实时剩余电量是一个重要的参数,它可以影响机器人的运行能力和工作时间,因此需要及时获取并加以考虑;外骨骼机器人实时剩余电量的获取方法包括:
S41、在机器人中加入电量传感器,用于监测电池的电量,所述传感器能够测量电池的电压和电流,并将其转换为可供系统读取的电量数据;
S42、获取电量数据后,使用无线通信或有线通信方式,将电量数据从机器人传输到控制单元;所述无线通信采用蓝牙、Wi-Fi和其他无线协议,所述有线通信采用USB和串口的方式;
S43、一旦电量数据传输到控制系统中,进行数据处理以获取实时剩余电量,包括数据解析、单位转换和数据校准步骤,确保获取的电量数据准确可靠;
S44、获取实时剩余电量后,将其纳入控制算法中进行实时监控与反馈。
通过获取外骨骼机器人的实时剩余电量,能够有效管理电池资源的使用情况,避免电量耗尽导致机器人无法正常运行的情况发生,提高机器人的可靠性和稳定性;
实时监测外骨骼机器人的剩余电量能够帮助控制系统及时调整机器人的工作模式,以最大限度地延长电池的使用时间,从而提高工作效率和生产力;
及时获取外骨骼机器人的剩余电量有助于提高操作的安全性,通过实时监控电量,能够避免在电量不足的情况下继续操作,从而减少意外事件的发生,保护使用者的安全;
合理管理外骨骼机器人的电池电量可以减少电池过度充放电的情况发生,从而延长电池的使用寿命,降低维护成本;通过及时获取外骨骼机器人的剩余电量,能够为用户提供更好的体验;用户可以根据剩余电量合理安排工作计划,避免因电量不足而造成的不便;
综上所述,S4步骤的实施将有效优化外骨骼机器人的控制和运行管理,提高其可靠性、安全性和工作效率,同时也有助于降低维护成本,提升用户体验。
S5、根据外骨骼机器人的规格属性以及穿戴者的个性化生理特性,为舒适度指数设定第一权重系数,为安全性指数设定第二权重系数,为实时剩余电量设定第三权重系数;
步骤S5涉及权重系数的设定,其中包括舒适度指数、安全性指数和实时剩余电量的权重系数,在机器人控制领域,权重系数的设定是基于外骨骼机器人规格属性和穿戴者的个性化生理特性,需要考虑多方面因素;
所述第一权重系数的设定影响因素包括:
S511、机械结构特性,考虑外骨骼机器人的机械结构,特别是与腿部连接的部分;若机械结构设计更为灵活、符合人体工程学,那么舒适度会更高;该特性对舒适度产生显著影响,因此为其分配相对较高的权重;
S512、传感器布局,外骨骼机器人配备了用于检测穿戴者状态的多种传感器,并且传感器布局考虑到了最大限度地减少对穿戴者的不适感,因此传感器的布局这也应考虑在舒适度权重中;
所述第二权重系数的设定影响因素包括:
S521、传感器准确性,考虑外骨骼机器人的传感器准确性,特别是对于测量压力、位置和步频的传感器,准确性直接关系到外骨骼机器人的安全性;
S522、控制算法稳定性,考虑外骨骼机器人的控制算法是否稳定可靠,能够在各种情况下确保穿戴者的安全;
S523、应对突发状况的能力,如果外骨骼机器人配备了应对紧急情况的机制,例如紧急停机、紧急解锁等,那么这也应在安全性权重中得到反映;
所述第三权重系数的设定影响因素包括:
S531、电池容量,考虑外骨骼机器人的电池容量,较大的电池容量通常意味着更长的使用时间,对于提高外骨骼机器人的可用性和用户体验至关重要;
S532、电池充电速度,若外骨骼机器人支持快速充电技术,能够更快地充电并减少停机时间,那么这也应该在实时剩余电量权重中考虑;
S533、电池健康状态监测,若外骨骼机器人能够监测电池的健康状态,提前发现电池问题并采取相应的措施,也应该在权重中得到反映。
在本步骤中,舒适度指数的权重系数设定考虑了机械结构特性和传感器布局,使得外骨骼机器人更符合人体工程学,并最大限度地减少对穿戴者的不适感,大大提高穿戴者的舒适感,增强使用外骨骼机器人的体验;
安全性指数的权重系数设定考虑了传感器准确性、控制算法稳定性和应对突发状况的能力,这有助于确保外骨骼机器人在使用过程中能够准确地感知穿戴者的状态,并采取相应的控制策略,保障穿戴者的安全;
实时剩余电量的权重系数设定考虑了电池容量、充电速度和健康状态监测等因素,这有助于优化外骨骼机器人的电池管理策略,延长电池的使用时间,提高外骨骼机器人的可用性和稳定性;
权重系数的设定根据穿戴者的个性化生理特性进行调整,这使得外骨骼机器人的控制方法更具有个性化和定制化,能够更好地适应不同穿戴者的需求和特点;
综上所述,步骤S5中的权重系数设定能够有效提高可穿戴外骨骼机器人的控制性能和用户体验,为外骨骼机器人的应用提供了重要的技术支持。
S6、结合第一权重系数、第二权重系数以及第三权重系数,对舒适度指数、安全性指数以及实时剩余电量进行综合加权计算,获得当前监测窗口内的外骨骼机器人腿部锁紧机构的自适应调节指数;
步骤S6的目的是通过对舒适度、安全性和电量三个重要指标进行加权综合,来确定外骨骼机器人腿部锁紧机构的调节状态,以实现对穿戴者的更好适应性和保障;所述自适应调节指数的计算方法包括:
S61、对自适应调节指数进行定义,表示外骨骼机器人腿部锁紧机构的状态,该指数是一个连续值,用于量化腿部锁紧机构的紧度或松度;
S62、结合第一权重系数、第二权重系数以及第三权重系数,对舒适度指数、安全性指数以及实时剩余电量进行综合加权计算;
S63、外骨骼机器人腿部锁紧机构的自适应调节指数的计算公式为:
;
其中,表示第i个监测窗口的外骨骼机器人腿部锁紧机构的自适应调节指数,/>表示第i个监测窗口的舒适度指数,/>表示第i个监测窗口的安全性指数,/>表示第i个监测窗口的实时剩余电量,/>、/>和/>分别表示第一权重系数、第二权重系数和第三权重系数,/>、/>和/>分别表示舒适度指数、安全性指数和实时剩余电量的归一化函数;
S64、在每个监测窗口内,实时监测舒适度、安全性和实时剩余电量,然后根据公式计算自适应调节指数。
在本步骤中,加权综合计算考虑了穿戴者的个性化需求,通过调整权重系数,更好地适应不同用户对舒适度、安全性和电量等方面的差异,能够提高外骨骼机器人的个性化适应性;
通过实时监测和计算,外骨骼机器人能够在每个监测窗口内动态地调整腿部锁紧机构,以适应穿戴者在不同时间点的运动状态和生理状况的变化,进而提高外骨骼机器人的实时性和灵活性;
考虑了舒适度、安全性和实时剩余电量三个关键指标,使得调节策略更全面,进而平衡不同指标之间的权衡关系,避免在优化某一方面的同时牺牲其他方面的性能;引入权重系数的概念,使得系统具有可调性,通过调整权重系数,能够根据特定场景或用户需求灵活地调整外骨骼机器人的自适应调节策略,使其更贴近实际应用需求;
通过综合考虑舒适度和安全性,外骨骼机器人的调节更符合穿戴者的期望,从而提高整体用户体验;
综上所述,步骤S6的有益效果在于通过权衡关键指标,动态调整外骨骼机器人腿部锁紧机构,提高适应性、实时性和用户体验,从而更好地满足穿戴者的需求和期望。
S7、计算当前监测窗口内的自适应调节指数与前一个监测窗口内的自适应调节指数之间的差值,若差值超过预设阈值,则控制腿部锁紧机构进行松紧程度调节;若差值未超过预设阈值,则保持当前腿部锁紧机构状态不变;
步骤S7是为了解决传统外骨骼机器人固定控制策略难以适应穿戴者实时运动状态和生理变化而设计的,在该步骤中,通过计算当前监测窗口内的自适应调节指数与前一个监测窗口内的自适应调节指数之间的差值,来判断是否需要调节外骨骼机器人腿部锁紧机构的松紧程度;
所述预设阈值的设定影响因素包括:
S71、穿戴者生理特征,不同穿戴者的生理特征会影响其肌肉疲劳程度和运动习惯,从而导致外骨骼机器人的调节需求不同;一些穿戴者可能在运动时肌肉疲劳程度更快,因此需要更频繁地进行调节;
S72、运动模式和强度,不同的运动模式和强度会导致穿戴者身体状态的变化不同;高强度运动可能导致肌肉更快地疲劳,而低强度运动可能需要更少的调节;
S73、外骨骼机器人设计参数,外骨骼机器人的设计参数,会影响其对穿戴者状态变化的敏感度;设计参数越灵敏,预设阈值可能需要设置得更低,以便更快地进行调节;
S74、穿戴安全性,预设阈值的设定应考虑到穿戴者的安全性;如果阈值设置过高,可能会导致调节不及时,增加穿戴者受伤的风险;因此,需要在保证舒适度的前提下,尽量减小阈值,但又不能设置得过低以至于频繁干预;
S75、机器人控制算法的响应速度,预设阈值也应考虑到机器人控制算法的响应速度;如果算法响应速度较慢,预设阈值可能需要相对较高,以避免频繁的调节造成不必要的能量消耗或机械磨损。
在本步骤中,传统的外骨骼机器人通常采用固定控制策略,无法根据穿戴者的实时运动状态和生理变化进行调整,而通过自适应调节机制,外骨骼机器人能够根据穿戴者的运动状态变化实时调整腿部锁紧机构的松紧程度,从而更好地适应不同的运动模式和强度,提高舒适度和安全性;
不同穿戴者的生理特征和运动习惯不同,因此对外骨骼机器人的调节需求也会有所差异;通过根据穿戴者的实时运动状态数据进行个性化调节,能够更好地适配不同穿戴者的需求,提高外骨骼机器人的个性化适配性;自适应调节机制能够实现对穿戴者运动状态的实时监测和响应,及时调整外骨骼机器人的控制参数,以适应运动状态的变化;有助于减少外骨骼机器人与穿戴者之间的不适应,提高穿戴者的舒适度和安全性;
外骨骼机器人的自适应调节能力有助于降低穿戴者的肌肉疲劳程度,提高长时间使用时的舒适度和效率;通过及时调整腿部锁紧机构的松紧程度,能够减少不必要的肌肉耗能,从而延长穿戴者的持续运动时间和提高运动效率;
预设阈值的设定考虑了穿戴者的安全性,能够避免因调节不及时导致的安全隐患;通过设置合理的预设阈值,能够及时触发腿部锁紧机构的调节,保障穿戴者在使用外骨骼机器人时的安全性;
综上所述,步骤S7中的自适应调节机制能够有效提高外骨骼机器人的适应性、个性化适配性、实时响应能力,降低疲劳,提高安全性,从而增强其在康复和辅助领域的应用效果和价值。
实施例二:如图3所示,本发明的可穿戴外骨骼机器人控制系统,具体包括以下模块;
数据采集模块,用于根据预设频率,采集穿戴者在运动状态下的实时运动状态数据,并发送;所述实时运动状态数据至少包括外骨骼机器人对穿戴者腿部的压力值、穿戴者受力位置的腿部周长、穿戴者步频以及穿戴者步幅;
数据处理模块,用于接收实时运动状态数据,将预先设定的监测窗口内的实时运动状态数据按照采集时间进行排序,并对各项实时运动状态数据进行同类对齐,获得穿戴者运动状态特征矩阵,并发送;所述监测窗口包括若干个实时运动状态数据采集时间点,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
评价模型应用模块,用于接收穿戴者运动状态特征矩阵,将穿戴者运动状态特征矩阵输入至预先构建的舒适度与安全性评价模型中,获得能够反映外骨骼机器人对穿戴者捆绑效果的舒适度指数以及能够反映穿戴者腿部生理状况的安全性指数,并发送;
机器人状态监测模块,用于获取相同监测窗口内的外骨骼机器人实时剩余电量,并发送;
权重设置模块,用于接收舒适度指数、安全性指数和实时剩余电量,根据外骨骼机器人的规格属性以及穿戴者的个性化生理特性,为舒适度指数设定第一权重系数,为安全性指数设定第二权重系数,为实时剩余电量设定第三权重系数,并发送;
权重计算模块,用于接收第一权重系数、第二权重系数以及第三权重系数,结合第一权重系数、第二权重系数以及第三权重系数,对舒适度指数、安全性指数以及实时剩余电量进行综合加权计算,获得当前监测窗口内的外骨骼机器人腿部锁紧机构的自适应调节指数,并发送;
控制模块,用于接收自适应调节指数,计算当前监测窗口内的自适应调节指数与前一个监测窗口内的自适应调节指数之间的差值,若差值超过预设阈值,则控制腿部锁紧机构进行松紧程度调节;若差值未超过预设阈值,则保持当前腿部锁紧机构状态不变。
该系统通过数据采集和处理模块实时获取穿戴者的运动状态数据,并在数据处理模块中对数据进行动态调整,能够根据穿戴者的实时运动状态和生理变化进行动态调整,使得外骨骼机器人能够更好地与穿戴者的运动同步,从而提高舒适度和安全性;
通过权重设置模块,根据外骨骼机器人的规格属性以及穿戴者的个性化生理特性,为舒适度指数、安全性指数和实时剩余电量设定相应的权重系数,能够更好地适应不同穿戴者的需求,提高了系统的适配性和用户体验;
系统利用权重计算模块对舒适度指数、安全性指数以及实时剩余电量进行综合加权计算,获得外骨骼机器人腿部锁紧机构的自适应调节指数,使得外骨骼机器人能够根据当前监测窗口内的情况进行自适应调节,提高了系统的智能化程度;
通过评价模型的应用,系统能够获得能够反映外骨骼机器人对穿戴者捆绑效果的舒适度指数以及能够反映穿戴者腿部生理状况的安全性指数,增强了人机交互,使系统能够更好地满足穿戴者的需求;
综上所述,该系统具有实时性、个性化适配、自适应调节和增强人机交互等优点,能够更好地解决传统外骨骼机器人存在的舒适度低、安全性差的问题,提高了外骨骼机器人在医疗康复、人体增强和工业作业等领域的应用效果。
前述实施例一中的可穿戴外骨骼机器人控制方法的各种变化方式和具体实施例同样适用于本实施例的可穿戴外骨骼机器人控制系统,通过前述对可穿戴外骨骼机器人控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中可穿戴外骨骼机器人控制系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.一种可穿戴外骨骼机器人控制方法,其特征在于,所述方法包括:
根据预设频率,采集穿戴者在运动状态下的实时运动状态数据,所述实时运动状态数据至少包括外骨骼机器人对穿戴者腿部的压力值、穿戴者受力位置的腿部周长、穿戴者步频以及穿戴者步幅;
将预先设定的监测窗口内的实时运动状态数据按照采集时间进行排序,并对各项实时运动状态数据进行同类对齐,获得穿戴者运动状态特征矩阵;其中,所述监测窗口包括若干个实时运动状态数据采集时间点,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
将穿戴者运动状态特征矩阵输入至预先构建的舒适度与安全性评价模型中,获得能够反映外骨骼机器人对穿戴者捆绑效果的舒适度指数以及能够反映穿戴者腿部生理状况的安全性指数;
获取相同监测窗口内的外骨骼机器人实时剩余电量;
根据外骨骼机器人的规格属性以及穿戴者的个性化生理特性,为舒适度指数设定第一权重系数,为安全性指数设定第二权重系数,为实时剩余电量设定第三权重系数;
结合第一权重系数、第二权重系数以及第三权重系数,对舒适度指数、安全性指数以及实时剩余电量进行综合加权计算,获得当前监测窗口内的外骨骼机器人腿部锁紧机构的自适应调节指数;
计算当前监测窗口内的自适应调节指数与前一个监测窗口内的自适应调节指数之间的差值,若差值超过预设阈值,则控制腿部锁紧机构进行松紧程度调节;若差值未超过预设阈值,则保持当前腿部锁紧机构状态不变。
2.如权利要求1所述的可穿戴外骨骼机器人控制方法,其特征在于,外骨骼机器人腿部锁紧机构的自适应调节指数的计算公式为:
;
其中,表示第i个监测窗口的外骨骼机器人腿部锁紧机构的自适应调节指数,/>表示第i个监测窗口的舒适度指数,/>表示第i个监测窗口的安全性指数,/>表示第i个监测窗口的实时剩余电量,/>、/>和/>分别表示第一权重系数、第二权重系数和第三权重系数,、/>和/>分别表示舒适度指数、安全性指数和实时剩余电量的归一化函数。
3.如权利要求1所述的可穿戴外骨骼机器人控制方法,其特征在于,所述采集穿戴者在运动状态下的实时运动状态数据的方法包括:
在外骨骼机器人的接触表面安装压力传感器,用于监测与穿戴者接触的压力分布,获取腿部的压力值;
使用惯性测量单元,监测穿戴者的步频和步幅,以及受力位置的腿部周长;
使用微控制器,以预设的频率采集传感器数据,数据通过模拟信号采集电路传输到控制系统;
对数据进行滤波、平滑和时域分析的处理;
从处理后的数据中提取关键特征;
将处理后的数据存储在存储设备中,以备后续分析和控制。
4.如权利要求1所述的可穿戴外骨骼机器人控制方法,其特征在于,所述穿戴者运动状态特征矩阵的获取方法包括:
预先设定监测窗口,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
将监测窗口内的实时运动状态数据按照采集时间进行排序;
对各项实时运动状态数据进行同类对齐,将相同类型的数据在时间轴上对齐;
基于排序和对齐后的数据,构建一个穿戴者运动状态特征矩阵;
对于特征矩阵中的数据,进行进一步的处理和标准化,包括归一化和标准化处理。
5.如权利要求1所述的可穿戴外骨骼机器人控制方法,其特征在于,所述舒适度与安全性评价模型的构建方法包括:
从运动状态数据中,选择与舒适度和安全性相关的特征;
对选择的特征进行预处理,包括去除噪声、数据归一化和填充缺失值;
使用机器学习方法构建评价模型,包括支持向量机、神经网络和决策树;
将数据集划分为训练集和测试集,确保模型在未见过的数据上具有泛化能力;
使用训练集对模型进行训练,并通过测试集验证模型性能;
使用独立的验证集进行模型评价,考察模型对新数据的预测能力;
在验证通过后,将模型部署到实际的可穿戴外骨骼机器人系统中,用于实时评估舒适度和安全性。
6.如权利要求1所述的可穿戴外骨骼机器人控制方法,其特征在于,外骨骼机器人实时剩余电量的获取方法包括:
在机器人中加入电量传感器,用于监测电池的电量,所述传感器能够测量电池的电压和电流,并将其转换为可供系统读取的电量数据;
获取电量数据后,将电量数据从机器人传输到控制单元;
一旦电量数据传输到控制系统中,进行数据处理以获取实时剩余电量;
获取实时剩余电量后,将其纳入控制算法中进行实时监控与反馈。
7.如权利要求1所述的可穿戴外骨骼机器人控制方法,其特征在于,所述预设阈值的设定影响因素包括穿戴者生理特征、运动模式和强度、外骨骼机器人设计参数、穿戴安全性和机器人控制算法的响应速度。
8.一种可穿戴外骨骼机器人控制系统,其特征在于,所述系统包括:
数据采集模块,用于根据预设频率,采集穿戴者在运动状态下的实时运动状态数据,并发送;所述实时运动状态数据至少包括外骨骼机器人对穿戴者腿部的压力值、穿戴者受力位置的腿部周长、穿戴者步频以及穿戴者步幅;
数据处理模块,用于接收实时运动状态数据,将预先设定的监测窗口内的实时运动状态数据按照采集时间进行排序,并对各项实时运动状态数据进行同类对齐,获得穿戴者运动状态特征矩阵,并发送;所述监测窗口包括若干个实时运动状态数据采集时间点,所述监测窗口是对外骨骼机器人进行动态调整监测的最小时间段;
评价模型应用模块,用于接收穿戴者运动状态特征矩阵,将穿戴者运动状态特征矩阵输入至预先构建的舒适度与安全性评价模型中,获得能够反映外骨骼机器人对穿戴者捆绑效果的舒适度指数以及能够反映穿戴者腿部生理状况的安全性指数,并发送;
机器人状态监测模块,用于获取相同监测窗口内的外骨骼机器人实时剩余电量,并发送;
权重设置模块,用于接收舒适度指数、安全性指数和实时剩余电量,根据外骨骼机器人的规格属性以及穿戴者的个性化生理特性,为舒适度指数设定第一权重系数,为安全性指数设定第二权重系数,为实时剩余电量设定第三权重系数,并发送;
权重计算模块,用于接收第一权重系数、第二权重系数以及第三权重系数,结合第一权重系数、第二权重系数以及第三权重系数,对舒适度指数、安全性指数以及实时剩余电量进行综合加权计算,获得当前监测窗口内的外骨骼机器人腿部锁紧机构的自适应调节指数,并发送;
控制模块,用于接收自适应调节指数,计算当前监测窗口内的自适应调节指数与前一个监测窗口内的自适应调节指数之间的差值,若差值超过预设阈值,则控制腿部锁紧机构进行松紧程度调节;若差值未超过预设阈值,则保持当前腿部锁紧机构状态不变。
9.一种可穿戴外骨骼机器人控制电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410485878.2A CN118058739B (zh) | 2024-04-22 | 2024-04-22 | 可穿戴外骨骼机器人控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410485878.2A CN118058739B (zh) | 2024-04-22 | 2024-04-22 | 可穿戴外骨骼机器人控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118058739A true CN118058739A (zh) | 2024-05-24 |
CN118058739B CN118058739B (zh) | 2024-06-21 |
Family
ID=91097722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410485878.2A Active CN118058739B (zh) | 2024-04-22 | 2024-04-22 | 可穿戴外骨骼机器人控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118058739B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204121370U (zh) * | 2014-08-22 | 2015-01-28 | 上海松志电子科技有限公司 | 一种被动式下肢功能恢复装置 |
WO2016109695A1 (en) * | 2014-12-30 | 2016-07-07 | Ekso Bionics, Inc. | Exoskeleton and method of transferring a weight of a load from the exoskeleton to a support surface |
US20200009001A1 (en) * | 2018-07-05 | 2020-01-09 | Beijing Boe Optoelectronics Technology Co., Ltd. | Flexible suit and flexible system for rehabilitation training of human leg |
US20210369533A1 (en) * | 2017-09-22 | 2021-12-02 | North Carolina State University | Hip exoskeleton |
CN114392137A (zh) * | 2022-01-13 | 2022-04-26 | 上海理工大学 | 一种穿戴式柔性下肢助力外骨骼控制系统 |
CN114642572A (zh) * | 2022-01-28 | 2022-06-21 | 宁波市康复医院 | 一种单侧下肢外骨骼助行机器人及其助力控制方法 |
CN115674159A (zh) * | 2022-10-31 | 2023-02-03 | 国网山西省电力公司太原供电公司 | 一种力反馈可穿戴柔性外骨骼控制方法及装置 |
CN116211656A (zh) * | 2023-02-28 | 2023-06-06 | 浙江大学 | 一种基于近红外脑功能成像的下肢康复训练系统及方法 |
CN116270150A (zh) * | 2023-03-24 | 2023-06-23 | 合肥工业大学 | 一种适用于变刚度膝关节康复外骨骼的控制方法 |
-
2024
- 2024-04-22 CN CN202410485878.2A patent/CN118058739B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204121370U (zh) * | 2014-08-22 | 2015-01-28 | 上海松志电子科技有限公司 | 一种被动式下肢功能恢复装置 |
WO2016109695A1 (en) * | 2014-12-30 | 2016-07-07 | Ekso Bionics, Inc. | Exoskeleton and method of transferring a weight of a load from the exoskeleton to a support surface |
US20210369533A1 (en) * | 2017-09-22 | 2021-12-02 | North Carolina State University | Hip exoskeleton |
US20200009001A1 (en) * | 2018-07-05 | 2020-01-09 | Beijing Boe Optoelectronics Technology Co., Ltd. | Flexible suit and flexible system for rehabilitation training of human leg |
CN114392137A (zh) * | 2022-01-13 | 2022-04-26 | 上海理工大学 | 一种穿戴式柔性下肢助力外骨骼控制系统 |
CN114642572A (zh) * | 2022-01-28 | 2022-06-21 | 宁波市康复医院 | 一种单侧下肢外骨骼助行机器人及其助力控制方法 |
CN115674159A (zh) * | 2022-10-31 | 2023-02-03 | 国网山西省电力公司太原供电公司 | 一种力反馈可穿戴柔性外骨骼控制方法及装置 |
CN116211656A (zh) * | 2023-02-28 | 2023-06-06 | 浙江大学 | 一种基于近红外脑功能成像的下肢康复训练系统及方法 |
CN116270150A (zh) * | 2023-03-24 | 2023-06-23 | 合肥工业大学 | 一种适用于变刚度膝关节康复外骨骼的控制方法 |
Non-Patent Citations (1)
Title |
---|
宋胜涛;魏占宝;任毅明;等: "(2-PUR/UPS)&R混联式颈椎外骨骼的设计及运动性能分析", 《机械传动, 15 December 2023 (2023-12-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN118058739B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Antwi-Afari et al. | Construction activity recognition and ergonomic risk assessment using a wearable insole pressure system | |
CN108209947B (zh) | 一种康复保健评估方法及装置 | |
CN109069066A (zh) | 可穿戴和连接的步态分析系统 | |
CN110916679A (zh) | 一种人体下肢位姿步态检测装置及方法 | |
JP6617108B2 (ja) | ブレイン・コンピューターインターフェースのためのシステム | |
US20160158033A1 (en) | Powered prosthetic devices using EMG-based locomotion state classifier | |
CN107209807A (zh) | 疼痛管理可穿戴设备 | |
EP3533419A1 (en) | Systems for intelligent vacuum suspension control | |
CN114795855A (zh) | 一种辅助腿部运动的可穿戴智能拐杖 | |
CN118058739B (zh) | 可穿戴外骨骼机器人控制方法及系统 | |
JP6652252B2 (ja) | 筋電信号処理方法、装置およびプログラム | |
KR20190098635A (ko) | 이상 행동 검출 방법 | |
CN105310695A (zh) | 异动症评估设备 | |
CN116019443A (zh) | 一种心肺复苏胸外按压合规性检测系统及方法 | |
US20220411355A1 (en) | A system for monitoring, evaluating and providing feedback of physical movements of a user | |
JP2023033154A (ja) | 筋骨格系に関する人間工学的な改善のためのシステム、装置、及び方法 | |
KR102268445B1 (ko) | 관성 정보 기반 보행 안정성 평가 장치 및 보행 안정성 평가 방법 | |
Kim et al. | Analysis and modeling of selected energy consumption factors for embedded ECG devices | |
CN111508605A (zh) | 一种智能矫形器的压力监测仪、系统及其方法 | |
Estudillo-Valderrama et al. | A proposal of a fall detection algorithm for a multidevice personal intelligent platform | |
Trivedi et al. | Universal Remote using EMG based Gesture Recognition | |
CN117275723B (zh) | 一种早期帕金森病预测方法、装置及系统 | |
KR20110095461A (ko) | 유비쿼터스 헬스케어 장치 및 이를 구비한 다기능 신발 | |
CN116439693B (zh) | 一种基于fmg的步态检测方法及系统 | |
Vu et al. | Utilizing Flex Sensors for the Evaluation of Parkinson's Disease. |
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 |