外骨骼机器人控制方法、系统、控制器及存储介质

1.本发明涉及外骨骼机器人技术领域，尤其涉及一种外骨骼机器人控制方法、系统、控制器及存储介质。


背景技术：

2.外骨骼机器人可穿戴在操作者的四肢，为操作者提供康复训练、身体辅助等功能。以病弱患者为例，穿戴外骨骼机器人后可以在外骨骼机器人的支撑下和正常人一样行走和站立。
3.外骨骼机器人操作是需借助传感技术获取操作者的动作意图。目前常见的方式是借助肌电传感器检测以进一步判断操作者的动作意图。当肌电传感器容易受人体汗液、体温等不确定因素的硬性，每次启动都需要重新校准，一致性差且对肌力弱的群体而言，肌电传感器难以检测到信号，适用人群受限。


技术实现要素：

4.本发明提供一种外骨骼机器人控制方法、系统、控制器及存储介质，用以解决现有技术中外骨骼机器人采用肌电传感器检测一致性差且适用人群受限的缺陷。
5.本发明提供一种外骨骼机器人控制方法，包括：
6.获取人体肌群的形变量；
7.将所述形变量输入意图识别模型，得到所述意图识别模型输出人体的动作意图；
8.将所述形变量输入肌力映射模型，得到所述肌力映射模型输出的肌群肌力；
9.基于所述动作意图和所述肌群肌力确定外骨骼机器人各关节的控制指令；
10.其中，所述意图识别模型基于人体肌群的形变量样本数据和人体的动作意图样本数据训练得到；所述肌力映射模型基于人体肌群的形变量样本数据和肌群肌力样本数据训练得到。
11.根据本发明提供的一种外骨骼机器人控制方法，在获取人体肌群的形变量之前还包括：
12.获取多个超声波传感器的发送信号和回传信号；
13.基于所述发送信号和所述回传信号的相位差确定人体肌群的形变量；
14.其中，多个所述超声波传感器设置在人体的不同位置。
15.根据本发明提供的一种外骨骼机器人控制方法，所述基于所述动作意图和所述肌群肌力确定外骨骼机器人各关节的控制指令具体包括：
16.基于所述动作意图和行走动力学模型确定人机耦合状态下各关节的合力矩；所述行走动力学模型表征人体的标准步态和人机耦合状态下外骨骼机器人各关节的力矩之间的对应关系；
17.基于所述肌群肌力确定人体各关节的输出力矩；
18.基于所述合力矩和所述输出力矩确定外骨骼机器人各关节的补偿力矩，基于所述
补偿力矩控制外骨骼机器人各关节的运动。
19.根据本发明提供的一种外骨骼机器人控制方法，所述将所述形变量输入意图识别模型，得到所述意图识别模型输出的动作意图具体包括：
20.将所述形变量输入动作识别模型，得到所述动作识别模型输出的人体动作；
21.将所述人体动作输入意图映射模型，得到所述意图映射模型输出的动作意图；
22.其中，动作识别模型基于人体肌群的形变量样本数据和人体动作样本数据训练得到；意图映射模型基于人体动作样本数据和动作意图样本数据训练得到。
23.本发明还提供一种外骨骼机器人系统，包括外骨骼机器人及绑带，其中，所述外骨骼机器人的各关节处设有力矩传感器，所述绑带上设有多个超声波传感器，在所述外骨骼机器人上设有控制器，所述超声波传感器和所述力矩传感器均与所述控制器通信连接。
24.根据本发明提供的一种外骨骼机器人系统，所述多个超声波传感器沿绑带的周向均匀分布。
25.根据本发明提供的一种外骨骼机器人系统，所述超声波传感器包括上位机、主控芯片、高压脉冲发射芯片及回波接收模块，所述主控芯片与所述上位机通信连接，所述主控芯片用于控制所述高压脉冲发射芯片的工作模式和脉冲时长，所述回波接收模块用于接收超声波的回传信号，所述回波接收模块与所述主控芯片通信连接。
26.根据本发明提供的一种外骨骼机器人系统，所述超声波传感器还包括收发隔离模块，所述收发隔离模块设置在所述高压脉冲发射芯片和所述回波接收模块之间。
27.本发明还提供一种电子设备，包括存储器、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，所述处理器执行所述程序时实现如上述任一种所述外骨骼机器人控制方法的步骤。
28.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述外骨骼机器人控制方法的步骤。
29.本发明提供的外骨骼机器人控制方法、系统、控制器及存储介质，获取人体肌群的形变量，将其分别输入意图识别模型和肌力映射模型，以确定人体的动作意图和肌群肌力，进而确定外骨骼机器人的控制指令，以使外骨骼机器人适配人体的步态，在控制过程中既考虑人体肌群肌力提供的主动力，又考虑人体的动作意图，使外骨骼机器人与人体主动发力高低而调整提供的辅助力，以自动适应用户肌力变化。
附图说明
30.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1是本发明提供的外骨骼机器人控制方法的流程示意图之一；
32.图2是本发明提供的外骨骼机器人控制方法的流程示意图之二；
33.图3是本发明提供的外骨骼机器人控制方法的流程示意图之三；
34.图4是本发明提供的外骨骼机器人的结构示意图；
35.图5是本发明提供的绑带的部分结构示意图；
36.图6是本发明提供的控制器的结构示意图。
37.附图说明：
38.10、绑带；11、超声波传感器；12、卡槽；13、卡块；20、支架；21、车轮；31、腰背部模块；32、大腿模块；33、小腿模块；34、足底模块；41、髋关节力矩传感器；42、膝关节力矩传感器；43、踝关节力矩传感器；44、髋关节编码器；45、膝关节编码器；46、踝关节编码器；50、控制器。
具体实施方式
39.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
40.下面结合图1-图3描述本发明的外骨骼机器人控制方法。
41.如图1所示，本发明提供一种外骨骼机器人控制方法，其包括：
42.步骤110，获取人体肌群的形变量；
43.步骤120，将形变量输入意图识别模型，得到意图识别模型输出人体的动作意图；将形变量输入肌力映射模型，得到肌力映射模型输出的肌群肌力；
44.步骤130，基于动作意图和肌群肌力确定外骨骼机器人各关节的控制指令。
45.其中，意图识别模型是以人体肌群的形变量样本数据作为样本，以与形变量对应的人体的动作意图为标签，进行训练获得。肌力映射模型是以人体肌群的形变量样本数据作为样本，以与形变量样本数据对应的肌力为标签训练得到。
46.超声波传感器采集人体肌群的发送信号和回传信号，基于发送信号和回传信号的相位差确定人体肌群的形变量，将形变量带入意图识别模型和肌力映射模型，确定人体的动作意图以及肌群肌力。
47.在本技术一具体实施例中，将人体肌群的形变量输入动作意图模型，获得动作意图模型输出的人体的动作类别；将人体的动作类别输入意图指令映射模型，获得意图指令映射模型输出的人体肌群的动作意图。动作意图包括人体肌群的目标位置和目标角度。在本技术又一具体实施例中，将人体肌群的形变量输入意图识别模型，通过意图识别模型直接确认人体的动作意图。
48.具体地，动作意图为人体的目标动作，基于动作意图可以确定人机耦合状态下各关节的合力力矩，基于肌群肌力可以确定当前人体各关节的输出力矩，根据各关节的合力力矩和当前人体各关节的输出力矩确定外骨骼机器人各关节的补充力矩，进而形成外骨骼机器人各关节的控制指令，控制外骨骼机器人各关节的运动。
49.本发明提供的外骨骼机器人控制方法，获取人体肌群的形变量，将其分别输入意图识别模型和肌力映射模型，以确定人体的动作意图和肌群肌力，进而确定外骨骼机器人的控制指令，外骨骼机器人执行控制指令以适配人体的步态。
50.在本发明一具体实施例中，如图2所示，在获取人体肌群的形变量之前还包括：
51.步骤210，获取多个超声波传感器的发送信号和回传信号；
52.步骤220，基于发送信号和回传信号的相位差确定人体肌群的形变量。其中，多个
超声波传感器设置在人体的不同位置。
53.具体地，超声波传感器采集超声波的发送信号和回传信号，多个超声波传感器从人体的不同方位进行检测，由于超声波在人体深层肌肉组织里传递及反射过程中，连续时间序列上的超声波信号具有相位差，在多个方位的超声波信号叠加作用下，得到全方位动态的肌肉形变量。
54.本发明实施例提供的外骨骼机器人控制方法，通过超声波传感器发送信号和回传信号的相位差确定人体肌群的形变量，相比于传统的肌电检测传感器，超声波传感器可以深入人体深层的肌肉，可靠性更强，对肌力较弱的人群同样适用；另外，相比于传统肌电检测传感器，超声波传感器的信号一致度更高，实用性更强。传统的肌电检测传感器校准繁琐，超声波传感器的人机容错率高且数值一致性高。
55.在本发明一具体实施例中，如图3所示，基于动作意图和肌群肌力确定外骨骼机器人各关节的控制指令具体包括：
56.步骤310，基于动作意图和行走动力学模型确定人机耦合状态下各关节的合力矩；基于肌群肌力确定人体各关节的输出力矩；
57.步骤320，基于合力矩和输出力矩确定外骨骼机器人各关节的补偿力矩；
58.步骤330，基于补偿力矩控制外骨骼机器人各关节的运动；
59.其中，行走动力学模型表征人体的标准步态下及人机耦合状态下外骨骼机器人各关节的力矩之间的对应关系。
60.利用多个摄像头采集健康人的行走步态，确定人体下肢髋、膝、踝、足等关键点位的运动信息，经过步态分割和拼接，并经过中值滤波和归一化处理，获得标准步态。基于意图识别模型确定动作意图，基于动作意图确定人体所要做的标准步态，利用逆向运动学反推人体各关节的角度、位置等运动信息，通过足底压力分析确定依靠外骨骼实现该动作意图时，外骨骼各关节处的力矩。需要说明的是，基于人体的动作意图和标准步态确定人体下一步要做的标准动作，标准动作包括人体各关节处的角度信息和位置信息，基于该标准动作确定外骨骼实现该标准动作时各关节的力矩大小。
61.人体在佩戴外骨骼行走时，肌肉可以提供一部分行走力量，基于肌群肌力，通过运动学分析可以确定当前人体各关节的输出力矩。通过合力矩和输出力矩确定外骨骼的补偿力矩，由此，外骨骼机器人提供的辅助作用力和人体自己提供的作用力合在一起与人体按照标准步态行走所需的作用力一致。
62.本发明实施例提供的外骨骼机器人控制方法，通过动作意图和行走动力学模型确定人机耦合状态下人体各关节的合力矩，通过计算确定肌群肌力对应的人体各关节的输出力矩，从而计算出外骨骼机器人需要提供的补偿力矩，实现精准的力矩补偿控制。相比于传统步态控制，在考虑人体提供的力量的同时控制外骨骼提供适当的补偿力矩，更好地适应用户当前的身体状态以实现标准步态行走。
63.本发明还提供一种外骨骼机器人控制装置，其包括：
64.获取单元，获取单元用于获取人体肌群的形变量；
65.控制单元，控制单元用于将形变量输入意图识别模型，得到意图识别模型输出人体的动作意图；将形变量输入肌力映射模型，得到肌力映射模型输出的肌群肌力；基于动作意图和肌群肌力确定外骨骼机器人各关节的控制指令。其中，意图识别模型是以人体肌群
的形变量样本数据作为样本，以与形变量对应的人体的动作意图为标签，进行训练获得。肌力映射模型是以人体肌群的形变量样本数据作为样本，以与形变量样本数据对应的肌力为标签训练得到。
66.进一步地，外骨骼机器人控制装置还包括：
67.获取单元，获取单元还用于获取多个超声波传感器的发送信号和回传信号；
68.处理单元；处理单元用于基于所述发送信号和所述回传信号的相位差确定人体肌群的形变量；其中，多个所述超声波传感器设置在人体的不同位置。
69.在本发明一实施例种，所述控制单元还包括：控制单元还用于基于所述动作意图和行走动力学模型确定人机耦合状态下各关节的合力矩；所述行走动力学模型表征人体的标准步态和人机耦合状态下外骨骼机器人各关节的力矩之间的对应关系；
70.基于所述肌群肌力确定人体各关节的输出力矩；
71.基于所述合力矩和所述输出力矩确定外骨骼机器人各关节的补偿力矩，基于所述补偿力矩控制外骨骼机器人各关节的运动。
72.在本发明一具体实施例中，控制单元具体用于将所述形变量输入动作识别模型，得到所述动作识别模型输出的人体动作；
73.将所述人体动作输入意图映射模型，得到所述意图映射模型输出的动作意图；
74.其中，动作识别模型基于人体肌群的形变量样本数据和人体动作样本数据训练得到；意图映射模型基于人体动作样本数据和动作意图样本数据训练得到。
75.本发明实施例还提供一种外骨骼机器人系统，如图4所示，其包括外骨骼机器人及绑带10，外骨骼机器人上设有控制器50，绑带10上设有多个超声波传感器11，外骨骼机器人的关节处设有力矩传感器，力矩传感器和超声波传感器11均与控制器50通信连接。
76.可选的，多个超声波传感器11沿绑带10的周向均匀分布。
77.绑带10包括第一带体和第二带体，第一带体和第二带体的一端设有卡槽12，另一端设有卡块13，卡块13卡设在卡槽12内以实现第一带体和第二带体的卡扣连接。其中，如图5所示，第一带体上设有两个超声波传感器11，第二带体上设有两个超声波传感器11，四个超声波传感器11沿绑带10的周向均匀分布。
78.绑带10呈环状，用于绑定在人体的目标肌群上，使超声波传感器11与人体紧密贴合。沿绑带10的周向，四个超声波传感器11依次为第一超声波传感器、第二超声波传感器、第三超声波传感器和第四超声波传感器。使用时，接收第一超声波传感器的发送信号和回波信号，第二超声波传感器进行同样的操作，以此类推，在第四超声波传感器执行完相应操作后，循环进入下一轮收发周期。由于四个超声传感器在人体目标肌群的贴合位置不同，所以通过这种阵列采集和时序控制的方式，可以全方位测量目标肌群的肌肉形变。
79.如图4所示，外骨骼机器人包括腰背部模块31、小腿模块33、大腿模块32、支架20、足底模块34，腰背部模块31、大腿模块32、小腿模块33和足底模块34顺次相连，腰背部模块31设置在支架20上，支架20底部设有车轮21以便行走。其中，腰背部模块31与大腿模块32的连接处设有髋关节力矩传感器41，大腿模块32和小腿模块33的连接处设有膝关节力矩传感器42，足底模块34和小腿模块33的连接处设有踝关节力矩传感器43。其中，在腰背部模块31与大腿模块32的连接处还设有髋关节编码器44，大腿模块32和小腿模块33的连接处设有膝关节编码器45，足底模块34和小腿模块33的连接处设有踝关节编码器46，借由髋关节编码
器44、膝关节编码器45和踝关节编码器46实时了解各关节的角度和位置，以便对外骨骼机器人进行闭环控制。
80.本发明实施例提供的外骨骼机器人系统，采用超声波传感器检测人体深层肌群的肌群变化，相比于传统的肌电检测传感器，可靠性更强，对肌力较弱的人群同样适用。传统的肌电检测传感器校准繁琐，超声波传感器的人机容错率高且数值一致性高。
81.可选的，绑带10可拆卸安装在支架20上或者是在结构上与外骨骼机器人分体设置。
82.可选的，绑带10有多个，多个绑带10用于固定在人体的不同位置。
83.比如，绑带10有两个。使用时，其中一个绑带10绑在膝关节的上方，另一个绑带10绑在踝关节的上方。当然，绑带10也可以为一个两个或四个，对此本发明实施例不具体限定绑带10的数量。
84.在本技术一具体实施例中，超声波传感器11包括上位机、主控芯片、高压脉冲发射芯片及回波接收模块。主控芯片与上位机通信连接，主控芯片用于控制高压脉冲发射芯片的工作模式和脉冲时长，回波接收模块用于接收超声波回传信号并与主控芯片通信连接。
85.主控芯片发射3.3v控制信号，控制hv7331高压脉冲发射芯片的工作模式和脉冲时长。其中，在高压脉冲芯片和主控芯片之间设有升压模块。具体地，主控芯片控制lt8361升压模块输出70v的高压，高压脉冲发射芯片中的超声信号发射端与升压模块的输出端相接，将高压电信号转换为特定脉冲宽度与频率的超声脉冲，实现超声脉冲的发射。可选的，高压脉冲发射芯片中的超声探头复用作为超声波的回波接收模块。具体地，基于afe5805设计回波接收模块，通过对采集到的原始超声回波信号进行滤波-放大-模数转换后由主控芯片发送给上位机。上位机基于超声波的发射信号和回传信号之间的限位差计算得到人体肌群的形变量。
86.在上述实施例基础上，超声波传感器11还包括收发隔离模块，收发隔离模块设置在高压脉冲发射芯片和回波接收模块之间。
87.具体地，在高压脉冲发射芯片和回波接收模块之间通过设计基于md0105的收发隔离模块，防止高压脉冲发射芯片发射端的高压脉冲信号对回波接收模块造成影响，对回波接收模块起到保护作用。
88.图6为本发明实施例提供的控制器的结构示意图，如图6所示，该控制器可以包括：处理器(processor)610、通信接口(communications interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑命令，以执行如下方法：获取人体肌群的形变量；将形变量输入意图识别模型，得到意图识别模型输出人体的动作意图；将形变量输入肌力映射模型，得到肌力映射模型输出的肌群肌力；基于动作意图和肌群肌力确定外骨骼机器人各关节的控制指令。其中，意图识别模型是以人体肌群的形变量样本数据作为样本，以与形变量对应的人体的动作意图为标签，进行训练获得。肌力映射模型是以人体肌群的形变量样本数据作为样本，以与形变量样本数据对应的肌力为标签训练得到。
89.此外，上述的存储器630中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以
软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
90.本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：获取人体肌群的形变量；将形变量输入意图识别模型，得到意图识别模型输出人体的动作意图；将形变量输入肌力映射模型，得到肌力映射模型输出的肌群肌力；基于动作意图和肌群肌力确定外骨骼机器人各关节的控制指令。其中，意图识别模型是以人体肌群的形变量样本数据作为样本，以与形变量对应的人体的动作意图为标签，进行训练获得。肌力映射模型是以人体肌群的形变量样本数据作为样本，以与形变量样本数据对应的肌力为标签训练得到。
91.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。